OPTIMASI WLAN DENGAN METODE JARINGAN SARAF TIRUAN (JST) TUGAS AKHIR - Optimasi WLAN dengan metode Jaringan Saraf Tiruan (JST) - USD Repository
OPTIMASI WLAN DENGAN METODE JARINGAN SARAF
TIRUAN (JST)
TUGAS AKHIR
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Teknik
Program Studi Teknik Elektro
Oleh:
Nama : Bayu Pamungkas
NIM : 045114078
PROGRAM STUDI TEKNIK ELEKTRO
JURUSAN TEKNIK ELEKTRO
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2009
OPTIMIZATION OF WLAN WITH ARTIFICAL NEURAL
NETWORK METHOD
FINAL PROJECT
Presented as Partial Fulfillment of the Requirements
To Obtain the Sarjana Teknik Degree
In Electrical Engineering Study Program
By:
Name : Bayu Pamungkas
Student Number: 045114078
ELECTRICAL ENGINEERING STUDY PROGRAM
ELECTRICAL ENGINEERING DEPARTMENT
SCIENCE AND TECHNOLOGY FACULTY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2009
KUPERSEMBAHKAN KARYA TULIS
INI KEPADA :
TUHAN YESUS KRISTUS BAPAK DAN MAMA TERCINTA ATAS SEMANGAT, DOA, SERTA DUKUNGANSECARA MORIL MAUPUN MATERIIL
KEDUA SAUDARAKU TERCINTA MIRRA KURNIANINGSIH DAN FURI ANTY RESPATI
ALMAMATERKU UNIVERSITAS SANATA DHARMA
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
ITA TAHU SEKARANG BAHWA LLAH TURUT BEKERJA DALAM SEGALA SESUATU
K , A
UNTUK MENDATANGKAN KEBAIKAN BAGI MEREKA YANG MENGASIHI D
IA , YAITU BAGI
YANG TERPANGGIL SESUAI DENGAN RENCANA
MEREKA A LLAH
ROMA
(
8 :
28 )FIRMAN YANG KELUAR DARI MULUT IA TIDAK AKAN KEMBALI
DEMIKIANLAH K U K U :
KEPADA U DENGAN SIA SIA TETAPI IA AKAN MELAKSANAKAN APA YANG
K ,
K UKEHENDAKI , DAN AKAN BERHASIL DALAM APA YANG
USURUHKAN KEPADANYA
K
( YESAYA55 : 11 ) YANG TERBAIKKU DAN YANG SELEBIH
KULAKUKAN , K AU N YA
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐
INTISARI
Sejalan dengan perkembangan Wireless Local Area Network (WLAN) yangsemakin pesat, penentuan lokasi client yang optimal menjadi masalah yang sangat
penting. Penentuan lokasi client akan berpengaruh pada koneksi internet. Semakin
besar field strength dan bit rate, semakin baik koneksi internet. Penelitian ini
bertujuan untuk membuat program visualisasi yang berfungsi sebagai penampil peta
digital, data lokasi client dan AP (Access Point), serta data unjuk kerja WLAN dan
optimasi.Optimasi WLAN dengan Jaringan Saraf Tiruan (JST) ini terdiri dari dua tahapan
yaitu tahapan prediksi dan tahapan optimasi. Tahapan prediksi menggunakan
algoritma back propagation dengan target jaringan field strength, bit rate. Masukan
jaringan adalah lokasi client. Tahapan optimasi diperoleh dengan membandingkan
data hasil prediksi. Client dengan field strength dan bit rate yang terbaik dari hasil
prediksi dianggap sebagai client optimal.Penelitian ini menghasilkan aplikasi optimasi WLAN dengan JST, yang
mampu mengolah data dari program pengukur field strength, bit rate dan program
wireshark, fluks wifi analyze . Aplikasi ini berhasil memprediksi nilai field strength
dengan baik dan letak lokasi client yang optimal terhadap AP.Kata kunci : Wireless LAN, JST, back propagation, optimasi client.
ABSTRACT
In rapid growing of Wireless Local Area Network (WLAN), the decision ofclient’s location become an important issue. That decision will effect the internet
connection. The greater the field strength and bit rate, the better the internet
connection will be. This research aims to make a visualization program that is usefull
to present digital map, data of client’s location and AP (access point), and data of
WLAN’s performance and optimizing process.The WLAN optimizing process with Artificial Neural Network is divided into
two stages, predicting and optimizing stage. The predicting stage uses back
propagation algorithm the target of the network are field strength, bit rate. The input
of the network is client location. Client which has the best field strength and bit rate
from prediction result is defined as optimum client.This research results an application of WLAN optimizing process with
Artifical Neural Network that is able to process data from measurement program of
field strength, bit rate, and program of wireshark, fluks wifi analyze. This application
can predict the value of field strength well and the optimal client’s location toward
AP.
Keywords: Wireless LAN, Artifical Neural Network, back propagation, client
optimizing.9.
- { . * {" _
DAFTAR ISI
HalamanHalaman Judul…………………………………………………………………......….i
Halaman Persetujuan...................................................................................................iii
Halaman Pengesahan...................................................................................................iv
Halaman Pernyataan Keaslian Karya............................................................................v
Halaman Persembahan dan Motto...............................................................................vi
Lembar Pernyataan Persetujuan Publikasi Karya Ilmiah Untuk Kepentingan
Akademis....................................................................................................................vii
Intisari........................................................................................................................viii
Abstract........................................................................................................................ix
Kata Pengantar..............................................................................................................x
Daftar Isi.....................................................................................................................xii
Daftar Gambar.............................................................................................................xv
Daftar Tabel.............................................................................................................xviii
BAB I. PENDAHULUAN1.1. Judul………….....................................................................................1
1.2. Latar Belakang...…………………………………………………..…1
1.3.Tujuan dan Manfaat..............................................................................2
1.4.Batasan Masalah...................................................................................2
1.5.Metodologi Penelitian...........................................................................3
1.6.Sistematika Penulisan…...………………………..…………………..4
BAB II. DASAR TEORI
2.1.WLAN..................................................................................................5
2.1.1.Standar IEEE 802.11.a/b/g..........................................................6
2.1.2.Keunggulan dan Kelemahan Jaringan Tanpa Kabel....................7
2.2.Model Jaringan Saraf Tiruan (JST).......................................................8
2.2.1. Arsitektur Jaringan.....................................................................9
2.2.2. Pelatihan Jaringan.....................................................................10
2.2.3. Fungsi Aktivasi.........................................................................11
2.3. Algoritma Back Propagation..............................................................14
2.4. MSE (Mean Square error).................................................................20
2.5. Fluke Analyze…………………………………………………….…20
2.6. Wireshark…………………………………………………………...21
BAB III. PERANCANGAN
3.1. Diagram Blok Optimasi WLAN........................................................23
3.1.1. Proses dalam Blok Penerima II.................................................24
3.2. Posisi Pengukuran Client…………...................................................25
3.3. Diagram Alir Tampilan Utama Program Field Strength dan
Bit Rate ……………………………………………………………..263.4. Proses Perancangan JST ………..……............................................28
3.4.1. Field Strength dan Bit Rate……………...................................28
3.4.2.Perancangan Proses Pengujian...................................................33
3.5. Perancangan Optimasi………...……………………...…………….35
3.6. Layout Program Tampilan Depan………………….……………….38
BAB IV. HASIL DAN PEMBAHASAN
4.1. Tampilan Program…………………………………….…………....41
4.2. Proses JST………………………………….…...……………….….46
4.2.1. Field Strength Analyze …………………………………….….46
4.2.2. Field Strength Program Pengukur…………………………....55
4.2.3. Bit Rate Wireshark …………………………………………..59
4.2.4. Bit Rate Program Pengukur…………………………………..64
BAB V. KESIMPULAN DAN SARAN
5.1. Kesimpulan ………………………………………………………....71
5.2 Saran…………………………………………………………...….…71
DAFTAR PUSTAKA…………………………………………………………..…72
LAMPIRAN ………………………………………………………………………..L
DAFTAR GAMBAR
HalamanGambar 2.1 Jaringan WLAN………………………….............…………………...5Gambar 2.2 Single Layer..........................................................................................9Gambar 2.3 Multi Layer ........................................................................................10Gambar 2.4 Neuron Tiruan Sederhana. .................................................................11Gambar 2.5 Fungsi Aktivasi Sigmoid Biner ...........................................................12Gambar 2.6 Fungsi Aktivasi Sigmoid Bipolar ........................................................13Gambar 2.7 Fungsi Aktivasi : Linear (Identitas)………………………………....13Gambar 2.8 Arsitektur Back Propagation….........................................................15
Gambar 2.9 Tampilan (GUI) Fluke Analyze ……………………………………...21Gambar 2.10 Tampilan (GUI) Wireshark………………………………………….22Gambar 3.1 Blok Optimasi WLAN........................................................................23Gambar 3.2 Diagram Blok Proses Optimasi WLAN dengan JST …………….…24Gambar 3.3 Penentuan Titik-Titik Lokasi Client ………………………..............25Gambar 3.4 Diagram Alir Program Keseluruhan………………………………...26Gambar 3.5 Tiga Unit Masukan dan 1 Keluaran ……......................................….28Gambar 3.6 Algoritma JST Untuk AP1,AP2 dan AP3 ………...................….….29Gambar 3.7 Diagram Alir Proses Pembelajaran JST ….........................................32Gambar 3.8 Diagram Alir Proses Pengujian …………...................……………...35Gambar 3.9 Diagram Alir Optimasi.......................................................................36Gambar 3.10 Diagram Alir Perbandingan Data Hasil Prediksi.............…..............36Gambar 3.11 Layout Pembuka Program …………………………….…………….38Gambar 3.12 Layout Tampilan Utama Program ......................................................40Gambar 4.1 Tampilan Pembuka Program.....………………………..............…….41Gambar 4.2 Tampilan Utama Program.....................................................................42Gambar 4.3 Pesan Peringatan Untuk Melakukan Pembelajaran Pada AP1, AP2AP3 ……………………………………………………………….…..45
Gambar 4.4 Pesan Untuk Memastikan AP1, AP2, dan AP3 Sudah Dipilih……......45Gambar 4.5 Pesan Untuk Memastikan AP1, AP2, dan AP3 Sudah Dipilih………..45Gambar 4.6 Penjelasan Bentuk Data yang Akan Diolah JST.....................……......46Gambar 4.7 Masukan Field Strength Program Pengukur.........................................46Gambar 4.8 Hasil Pembelajaran AP1.......................................................................47Gambar 4.9 Hasil Pengujian AP1 Analyze ...............................................................49Gambar 4.10 Proses Optimasi AP1 Analyze.............................................................52Gambar 4.11 Proses Pengujian AP2 Analyze..................................................…......53Gambar 4.12 Hasil Pengujian AP3 Analyze..............................................................55Gambar 4.13 Hasil Pengujian Pada AP1 Program Pengukur....................................56Gambar 4.14 Hasil Pengujian AP2 Program Pengukur............................................57Gambar 4.15 Hasil Pengujian AP3 Program Pengukur ….......................................59Gambar 4.16 Hasil Pengujian AP1 Wireshark..........................................................61Gambar 4.17 Hasil Pengujian AP2 Wireshark..........................................................62Gambar 4.18 Hasil Pengujian AP3 Wireshark..........................................................63Gambar 4.19 Hasil Pengujian AP1 Program Pengukur…………………………...65Gambar 4.20 Hasil Pengujian AP2 Program Pengukur…………………………...65Gambar 2.2 Interface Statistics to Hotpsot……………………………………….70
DAFTAR TABEL
HalamanTabel 2.1 Standar IEEE 802.11 a/b/g ……………………………… ….………….…...7Tabel 3.1 Data Pengukuran Posisi (x,y,z) dan Field Strenght.…......................…...30Tabel 3.2 Data Pengukuran Posisi (x,y) dan Bit Rate...............................................31Tabel 3.3 Data Pengujian Posisi (x,y,z) dan Field Strength.....................................33Tabel 3.4 Data Pengujian Posisi (x,y,z) dan Bit Rate...............................................34Tabel 4.1 Perbandingan Hasil Pembelajaran JST dengan Program Analyze PadaAP1...........................................................................................................48
Tabel 4.2 Perbandingan Hasil Pengukuran, Pengujian JST, dan Bit Rate dariAP1………………………………………………………………….......49
Tabel 4.3 Perbandingan Hasil Pengukuran dan Pembelajaran JST dari AP2Analyze ......................................................................................................53
Tabel 4.4 Perbandingan Hasil Pengukuran, Pengujian JST, dan Bit Rate dari AP2Analyze ......................................................................................................54
Tabel 4.5 Perbandingan Hasil Pengukuran dan Pembelajaran JST dari AP3Analyze ......................................................................................................54
Tabel 4.6 Perbandingan Hasil Pengukuran, Pengujian, dan Bit Rate AP3Analyze ......................................................................................................55
Tabel 4.7 Perbandingan Hasil Pembelajaran AP1 dengan Program Pengukur…….56Tabel 4.8 Hasil Perbandingan Pengukuran dan Pengujian dari AP1 ProgramPengukur………………………………………………………………...56
Tabel 4.10 Hasil Perbandingan Pengukuran, Pengujian, dan Bit Rate dari AP2Program Pengukur....................................................................................58
Tabel 4.11 Perbandingan Hasil Pembelajaran dari AP3 dengan ProgramPengukur...................................................................................................58
Tabel 4.12 Hasil Perbandingan Pengukuran, Pengujian, dan Bit Rate dari AP3Program Pengukur ……………..…...…………….............................….59
Tabel 4.13 Perbandingan Pengukuran dan Pembelajaran JST AP1...........................60Tabel 4.14 Hasil Pengujian AP1 Wireshark………………………….......................61Tabel 4.15 Perbandingan Pengukuran dan Pembelajaran JST AP2….......................61Tabel 4.16 Hasil Pengujian AP2 Wireshark ……………………………...…….…..62Tabel 4.17 Perbandingan Pengukuran dan Pembelajaran JST AP3……………..….63Tabel 4.18 Hasil Pengujian AP3 Wireshark ………………………………...….…..63Tabel 4.19 Perbandingan Pengukuran dan Pembelajaran dari AP1 ProgramPengukur ……………………………………………………………….64
Tabel 4.20 Hasil Pengujian AP1 Program Pengukur …………………………...….65Tabel 4.21 Perbandingan Pengukuran dan Pembelajaran dari AP2 ProgramPengukur………………………………………………………….…….66
Tabel 4.22 Hasil Pengujian AP2 Program Pengukur....…………………………….66Tabel 4.23 Perbandingan Pengukuran dan Pembelajaran dari AP3 ProgramPengukur…………………………………………………………….….67
Tabel 4.24 Hasil Pengujian AP3 Program Pengukur.……………………………....67Tabel 4.25 Hasil Perbandingan Pengukuran Wireshark Terhadap AP1…….….…..68Tabel 4.26 Hasil Perbandingan Pengukuran Wireshark Terhadap AP2…….……...68Tabel 4.27 Hasil Perbandingan Pengukuran Wireshark Terhadap AP3……………68Tabel 4.28 Hasil Perbandingan Program Pengukur Terhadap AP1……………..….69Tabel 4.29 Hasil Perbandingan Program Pengukur Terhadap AP2………….....…..69Tabel 4.30 Hasil Perbandingan Program Pengukur Terhadap AP3………………..69BAB 1 PENDAHULUAN JUDUL 1.1. Optimasi WLAN dengan Metode Jaringan Saraf Tiruan (JST) Latar Belakang 1.2. Sejalan dengan perkembangan Wireless Local Area Network (WLAN) yang
semakin pesat, penentuan lokasi client yang optimal menjadi masalah yang sangat
penting. Penentuan lokasi client akan berpengaruh pada koneksi internet. Semakin
besar field strength dan bit rate maka semakin baik koneksi internet.Menurut Soesetijo dan Antoni [1], data dari tabulasi fungsi kuat sinyal dan
jarak, sebagai hasil dari pengukuran level kuat sinyal penerima pada lokasi yang
telah ditentukan, dapat diklasifikasikan untuk masukan pembelajaran menggunakan
bantuan Jaringan Saraf Tiruan (JST). Pada daerah cakupan, denah ruangan dua
dimensi pada sumbu x dan y dalam satuan meter untuk memudahkan pengukuran.
Penelitian Soesetijo dan Antoni telah menghasilkan komparasi antara hasil prediksi
JST dengan data pengukuran pada posisi masing-masing AP yang mempunyai
presentasi selisih rata-rata sebesar 10%. Hal ini berarti JST eksperimen mempunyai
keakuratan yang tinggi dan telah terbukti pada hasil komparasinya.Penelitian ini akan melengkapi penelitian sebelumnya dengan tujuan
menghasilkan lokasi client WLAN dengan penerimaan bit rate dan field strength
yang optimal. Optimasi WLAN membutuhkan data bit rate, field strength, dan data
posisi GPS (Global Potitioning System) sebagai masukan perhitungan JST. Optimasi
yang dihasilkan dari prediksi JST akan ditampilkan dengan aplikasi pemetaan digital
dan dilengkapi GPS (Global Potitioning System) sebagai data posisi.Model komputasi JST telah dikembangkan pada sistem komputer yang cerdas
dengan cara kerja yang mirip dengan jaringan otak manusia, yaitu mampu
melakukan proses belajar [2]. Dari proses belajar komputer, jaringan dapat dilatih
untuk mengenali pola-pola. Dengan pelatihan tersebut diharapkan JST mampu
mengenal pola yang baru atau mirip dengan pola yang telah dilatih sebelumnya.
Salah satu algoritma JST yang banyak dimanfaatkan dalam bidang pengenalan pola
adalah back propagation. Tahapan pelatihan JST akan menghasilkan nilai bobot
jaringan. Bobot ini dapat diterapkan pada jaringan dengan masukan berupa koordinat
client yang baru. Letak client yang optimal dapat diperoleh dengan membandingkan
field strength dan bit rate dari hasil prediksi beberapa client.1.3. Tujuan dan Manfaat Tujuan dari penelitian ini adalah untuk membuat program dengan algoritma JST untuk melakukan optimasi client WLAN dari hasil prediksi.
Manfaat yang akan dicapai dalam penelitian ini adalah dapat menentukan
lokasi posisi client optimal dari field strength dan bit rate bagi pengguna internet di
kampus III USD.1.4. Batasan Masalah
Program yang akan dibuat mempunyai batasan-batasan sebagai berikut :
1. Prediksi field strength dan bit rate menggunakan JST dengan algoritma back
propagation untuk optimasi WLAN.2. Masukan program berupa posisi x, y, dan z dari 10 client untuk masing – masing AP.
3. Target berupa field strength dan bit rate.
4. Jaringan yang digunakan : ¾ Fungsi aktivasi adalah sigmoid biner.
¾ Menggunakan dua lapisan tersembunyi. ¾ Unit tersembunyi pertama 10 neuron dan unit tersembunyi kedua 5 neuron .
5. Hasil optimasi client diperoleh dari prediksi JST.
1.5. Metodologi Penelitian
Metodologi penelitian yang dilakukan terdiri dari : 1. Studi kepustakaan.
Dalam tahap ini akan dipelajari berbagai literatur, gambar dan manual yang
merupakan dasar dari penelitian ini.2. Rancangan.
Setelah melakukan studi pustaka, maka akan dilakukan perancangan alur
program untuk penelitian ini.3. Pembuatan program.
Dalam tahap ini dilakukan pembuatan program berdasarkan alur program
yang telah dibuat.4. Proses pengujian.
Pengujian jaringan bertujuan untuk menguji kemampuan jaringan yang sudah dilatih berdasarkan bobot yang dihasilkan pada pelatihan jaringan dan dengan memberi client baru.
5. Penyusunan Laporan Penyusunan laporan dilakukan berdasarkan hasil dari pengujian yang telah dilakukan.
Sistematika Penulisan 1.6.
Penulis menggunakan sistematika penulisan sebagai berikut :
BAB I Pendahuluan berisi tentang latar belakang masalah, tujuan, dan
manfaat dari penelitian, batasan masalah, metodologi penelitian, dan sistematika penulisan. BABII Bab ini memberi penjelasan tentang WLAN dan JST dengan algoritma back propagation.
BAB
III
Bab ini berisi perancangan dari sistem yang dibuat, untuk memecahkan permasalahan meliputi diagram blok, diagaram alir program (flow chart), dan penjelasan singkat tentang cara kerjanya.
BAB IV Bab ini berisi tentang pembahasan dan analisis mengenai hasil penelitian yang telah dilaksanakan. BAB V Bab ini berisi kesimpulan dan saran.
BAB II DASAR TEORI
2.1 WLAN
Jaringan WLAN (Wireless Local Area Network) merupakan salah satu bentuk
jaringan nirkabel (tanpa kabel) [3]. Jaringan WLAN memungkinkan dua mesin atau
lebih untuk berkomunikasi menggunakan protokol jaringan standar IEEE (Institute of
Electrical and Electronic Engineers ) 802.11. Media transmisi yang digunakan untuk
komunikasi pada jaringan WLAN adalah gelombang elektromagnetik yang dapat
berupa sinar infra merah (infrared), gelombang mikro (microwave) atau gelombang
radio RF (Radio Frequency). Ilustrasi jaringan WLAN dapat dilihat pada Gambar
2.1.Gambar 2.1 Jaringan WLAN [4]6 Dari Gambar 2.1 terlihat bahwa jaringan WLAN terdiri dari beberapa komponen, yaitu:
1. Access Point (AP) merupakan perangkat yang menjadi sentral koneksi dari pengguna (user) ke Internet Service Provider (ISP). AP berfungsi mengkonversikan sinyal RF menjadi sinyal digital yang akan disalurkan melalui kabel atau disalurkan ke perangkat WLAN yang lain dengan dikonversikan ulang menjadi sinyal RF.
2. WLAN Interface merupakan peralatan yang dipasang di Mobile / Desktop PC dalam bentuk PCMCIA (Personal Computer Memory Card International Association ) card, PCI (Peripheral Component Interconnect) card, maupun melalui port USB ( Universal Serial Bus ) .
3. Client menggunakan perangkat akses Mobile / Desktop PC yang di dalamnya telah terpasang port PCMCIA atau ditambahkan wireless adapter melalui PCI (Peripheral Component Interconnect) card atau USB (Universal Serial Bus).
4. Internet Service Provider (ISP) merupakan perusahaan atau badan usaha yang menjual koneksi internet kepada pelanggan.
2.1.1 Standar IEEE 802.11.a/b/g Ketentuan-ketentuan WLAN telah diatur oleh standar IEEE 802.11 [4].
Standar IEEE 802.11 berkembang antara lain menjadi IEEE 802.11a, IEEE 802.11b, dan IEEE 802.11g. Kebanyakan produk WLAN menggunakan standar IEEE 802.11b dan 802.11g. Parameter-parameter WLAN standar dapat dilihat pada Tabel 2.1.
54, 48, 36, 24, 18, 12, 9, 6 Mbps 11, 5.5, 2, 1 Mbps 54, 36, 33, 24, 22,12, 11, 9, 6, 5.5,
Sensitivity Rx : -71, -88 dBm Tx : 17, 13 dBm Rx : -92, -95, -96,
Bandwidth 300 MHz
83.5 MHz
83.5 MHz Frekuensi yang dipakai
5.15-5.35 GHz OFDM 5.725-5.825Ghz OFDM
2.4-2.4835GHz
DSSS
2.4-2.4835GHz DSSS, OFDMData Rate per Chanel
7 Tabel 2.1. Standar IEEE 802.11 a/b/g [4] 802.11a 802.11b 802.11g Total
2,1 Mbps Jenis Modulasi BPSK
(6, 9 Mbps) QPSK (12, 18 Mbps) 16-QAM (24, 36 Mbps) 64-QAM (48, 54 Mbps) DQPSK/CCK
(11, 5.5 Mbps) DQPSK (2 Mbps) DBPSK (1 Mbps) OFDM/CCK
(6,9,12,18,24,36,48 ,54) OFDM (6,9,12,18,24,36,48 ,54) DQPSK/CCK (22, 33, 11, 5.5 Mbps) DQPSK (2 Mbps) DBPSK (1 Mbps)
- 97 dBm Tx : 26 dBm Rx : -74, -77, -83, - 86, -90, - 91, -93, -94 dBm Tx : 22, 23, 24, 26
dBm
2.1.2 Keunggulan dan Kelemahan Jaringan Tanpa Kabel
Jaringan tanpa kabel memiliki keunggulan berupa biaya pemeliharan yang
murah (pemeliharaan hanya mencakup stasiun sel), infrastrukturnya berdimensi
kecil, pembangunannya cepat, mudah, murah untuk direlokasi, dan mendukung
portabilitas. Sedangkan kelemahannya berupa biaya peralatan mahal, delay yang
besar, dan adanya masalah propagasi radio (terpantul, banyak sumber interferensi).
Harga peralatan yang mahal dapat diatasi dengan mengembangkan teknologi
8
komponen elektronika. Masalah interferensi dapat diatasi dengan teknik antena
diversity atau antena rangkap.2.2 Model Jaringan Saraf Tiruan (JST)
Jaringan Syaraf Tiruan (JST) adalah sebuah sistem pemrosesan suatu
informasi yang cara kerjanya memiliki kesamaan tertentu dengan jaringan syaraf
biologis manusia, sama seperti cara kerja otak manusia sebagai metode
pengembangan indra buatan bagi komputer [2]. JST merupakan jaringan yang tidak
diprogam untuk menghasilkan keluaran tertentu. Semua keluaran atau kesimpulan
yang ditarik oleh jaringan didasarkan pada pengalaman selama mengikuti proses
pembelajaran atau pelatihan.Konsep dasar JST dapat dilihat dari jumlah lapisan / layer dan jumlah simpul
pada tiap lapisan. Lapisan-lapisan penyusun JST meliputi lapisan masukan, lapisan
tersembunyi, dan lapisan keluaran. JST tercipta sebagai suatu generalisasi model
matematis dari pemahaman manusia yang didasarkan atas [5]: 1) Pemrosesan informasi terjadi pada elemen sederhana (neuron). 2) Sinyal dikirimkan di antara neuron-neuron melalui penghubung-penghubung.3) Penghubung antar neuron memiliki bobot yang akan memperkuat atau
memperlemah sinyal.
4) Setiap sel saraf menerapkan fungsi aktivasi terhadap sinyal hasil penjumlahan
berbobot yang masuk untuk menentukan sinyal keluarannya.Karakteristik jaringan saraf tiruan ditentukan oleh [2] 1) Pola hubungan antar neuron yang disebut arsitektur.
9 2)
Metode untuk menentukan bobot koneksi disebut pelatihan (training) atau
algoritma belajar (learning algorithm) misalnya back propagation.3) Fungsi aktivasi ( activation function ).
2.2.1 Arsitektur Jaringan
Beberapa arsitektur jaringan yang sering dipakai dalam jaringan syaraf tiruan antara
lain [6] :1) Jaringan Lapis Tunggal (single layer network). Dalam jaringan ini, sekumpulan
masukan dihubungkan langsung denganneuron sekumpulan keluaran, yang dapat
ditunjukkan pada Gambar 2.2. Dalam beberapa model (misal perceptron), hanya
ada sebuah unit neuron keluaran.Gambar 2.2 Single layer [6] Jaringan Lapis Jamak (multi layer network), jaringan lapis jamak merupakan2) perluasan dari lapis tunggal. Gambar 2.3 menjelaskan tentang jaringan lapis
jamak dengan, unit masukan, keluaran, dan ada unit-unit lain yang disebut unit
tersembunyi (hidden layer). Dimungkinkan pula ada beberapa lapisantersembunyi. Sama seperti pada unit masukan dan keluaran, unit-unit dalam satu
lapisan tidak saling berhubungan.10 Gambar 2.3 Multi layer [6] Jaringan Recurrent. Model jaringan reccurent 3) mirip dengan jaringan lapisan tunggal ataupun ganda. Hanya saja, ada neuron keluaran yang memberikan sinyal pada unit masukan (sering disebut feedback loop).
Pelatihan Jaringan
2.2.2 JST memerlukan algoritma belajar untuk dapat menyelesaikan suatu
permasalahan, yaitu bagaimana sebuah arsitektur jaringan dapat dilatih untuk
mempelajari data yang ada. Dari pelatihan tersebut dijelaskan bagaimana bobot
koneksi harus diubah agar masukan – keluaran yang diinginkan dapat tercapai.
Perubahan nilai bobot dapat dilakukan dengan berbagai cara tergantung dengan
metode pelatihan yang digunakan. Dengan mengatur besarnya nilai bobot, kinerja
jaringan dalam mempelajari berbagai macam pola yang dinyatakan oleh setiap
pasangan masukan – keluaran diharapkan akan meningkat. Ada dua jenis pelatihan
[7], yaitu :1) Supervised training (proses belajar terbimbing).
Dalam proses belajar terbimbing ini seolah–olah ada “guru” yang mengajari,
dengan cara memberikan data-data yang disebut dengan data pelatihan yang terdiri
dari pasangan masukan dan keluaran yang diinginkan. Data tersebut diberikan ke
11
kesamaan antara hasil keluaran yang dihasilkan oleh jaringan dengan hasil yang
diinginkan atau nilai target.Unsupervised training (proses belajar tanpa bimbingan)
2) Dalam proses belajar yang tidak terbimbing tidak ada “guru” yang mengajari.
Jaringan hanya diberi data masukan, berupa vektor masukan, dan tidak dilengkapi
dengan suatu hasil keluaran yang diinginkan.2.2.3 Fungsi Aktivasi
Setiap neuron mempunyai bentuk / keadaan (state) internal, yang disebut
aktivasi, yang merupakan sebuah fungsi dari masukan yang diterima. Biasanya, suatu
neuron mengirimkan nilai aktivasinya sebagai suatu sinyal ke beberapa neuron lain.
Hal yang perlu dicatat bahwa suatu neuron hanya dapat mengirimkan satu sinyal
pada satu waktu, walaupun sinyal tersebut dikirimkan ke beberapa neuron lain [2].Pada metode back propagation, fungsi aktivasi harus memenuhi beberapa
syarat yaitu kontinu, terdeferensial dengan mudah, dan merupakan fungsi yang tidak
turun. Fungsi yang memenuhi ketiga syarat tersebut yaitu fungsi sigmoid biner yang
memiliki range 0 dan 1 [6].W1 MASUKAN KELUARAN W2 W3
Gambar 2.4 Neuron tiruan sederhana [6]12 Gambar 2.4 memperlihatkan sebuah contoh neuron sederhana dengan satu
neuron Y menerima masukan dari neuron-neuron X1, X2, dan X3 [6]. Bobot pada
hubungan antara X1, X2, dan X3 ke neuron Y secara berurutan adalah W1, W2, dan
W3. Masukan jaringan y_in, menuju neuron Y adalah penjumlahan dari neuron X1,
X2, dan X3 yang dapat ditulis :- y_in = = (2.1) ∑
Aktivasi y neuron Y akan diberikan oleh beberapa fungsi dari masukan jaringan,
y=f(y_in), misalnya fungsi sigmoid logistik, disebut juga sigmoid biner.
dapat dinyatakan dengan Sigmoid biner
1 (2.2) f x =
( ) −
1 e dengan turunan
- x
(2.3) = − f ' x f x 1 f x
( ) ( ) ( )
( ) dan grafik fungsinya ditunjukkan pada Gambar 2.51 f(x) 0 .5 x
Gambar 2.5 Fungsi aktivasi sigmoid biner [6] Fungsi yang lain yang memenuhi syarat yaitu fungsi sigmoid bipolar yang memilikirange -1 dan 1.
Sigmoid bipolar dapat dinyatakan dengan
2
13 dengan turunan (2.5) dan grafik fungsinya dapat ditunjukkan pada Gambar 2.6
+ −
=-1
besar satu harus terlebih dahulu ditransformasi sehingga semua polanya memiliki
range yang sama seperti fungsi sigmoid yang dipakai. Cara yang lain menggunakan
fungsi aktivasi sigmoid adalah hanya pada lapisan yang bukan lapisan keluaran. Pada
lapisan keluaran fungsi aktivasi yang dipakai adalah fungsi identitas : f(x) = x [6].Fungsi aktivasi identitas dikenal dengan nama purelin memiliki nilai keluaran yang sama dengan nilai masukannya, dapat ditunjukkan pada Gambar 2.7.
Fungsi linear dirumuskan sebagai: y = x
(2.6)
Gambar 2.7 Fungsi aktivasi : linear (identitas) [6]( ) ( ) ( ) ( ) ( )
1
1 '
2 f x f x f x
1
x f(x)14 Penambahan jumlah lapisan tersembunyi membuat penelitian lebih mudah.
Jika terdapat lebih dari satu lapisan tersembunyi, maka algoritma pelatihan yang
dijabarkan sebelumnya perlu direvisi. Dalam propagasi maju, untuk setiap lapisan
dimulai dari lapisan tersembunyi paling bawah keluaran harus dihitung. Sebaliknya
dalam propagasi mundur, faktorδ perlu dihitung untuk tiap lapisan tersembunyi, dimulai dari lapisan keluaran.