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   DUKUNGAN  

        SECARA 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  

(  YESAYA 

  55   :   11   )    YANG TERBAIKKU   DAN   YANG SELEBIH

KULAKUKAN , K AU ­N YA  

   

‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ 

  

INTISARI

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, 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 of

client’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

Halaman

Halaman 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. PENDAHULUAN

  1.1. 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 ……………………………………………………………..26

  3.4. 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

Halaman

Gambar 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, AP2

  AP3 ……………………………………………………………….…..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

Halaman

Tabel 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 Pada

  AP1...........................................................................................................48

Tabel 4.2 Perbandingan Hasil Pengukuran, Pengujian JST, dan Bit Rate dari

  AP1………………………………………………………………….......49

Tabel 4.3 Perbandingan Hasil Pengukuran dan Pembelajaran JST dari AP2

  Analyze ......................................................................................................53

Tabel 4.4 Perbandingan Hasil Pengukuran, Pengujian JST, dan Bit Rate dari AP2

  Analyze ......................................................................................................54

Tabel 4.5 Perbandingan Hasil Pengukuran dan Pembelajaran JST dari AP3

  Analyze ......................................................................................................54

Tabel 4.6 Perbandingan Hasil Pengukuran, Pengujian, dan Bit Rate AP3

  Analyze ......................................................................................................55

Tabel 4.7 Perbandingan Hasil Pembelajaran AP1 dengan Program Pengukur…….56Tabel 4.8 Hasil Perbandingan Pengukuran dan Pengujian dari AP1 Program

  Pengukur………………………………………………………………...56

Tabel 4.10 Hasil Perbandingan Pengukuran, Pengujian, dan Bit Rate dari AP2

  Program Pengukur....................................................................................58

Tabel 4.11 Perbandingan Hasil Pembelajaran dari AP3 dengan Program

  Pengukur...................................................................................................58

Tabel 4.12 Hasil Perbandingan Pengukuran, Pengujian, dan Bit Rate dari AP3

  Program 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 Program

  Pengukur ……………………………………………………………….64

Tabel 4.20 Hasil Pengujian AP1 Program Pengukur …………………………...….65Tabel 4.21 Perbandingan Pengukuran dan Pembelajaran dari AP2 Program

  Pengukur………………………………………………………….…….66

Tabel 4.22 Hasil Pengujian AP2 Program Pengukur....…………………………….66Tabel 4.23 Perbandingan Pengukuran dan Pembelajaran dari AP3 Program

  Pengukur…………………………………………………………….….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………………..69

BAB 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. BAB

  II 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, OFDM

  Data 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 dengan

neuron 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 merupakan

  2) 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 lapisan

tersembunyi. 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 2.5

  1 f(x) 0 .5 x

Gambar 2.5 Fungsi aktivasi sigmoid biner [6] Fungsi yang lain yang memenuhi syarat yaitu fungsi sigmoid bipolar yang memiliki

  range -1 dan 1.

  Sigmoid bipolar dapat dinyatakan dengan

  2

  13 dengan turunan (2.5) dan grafik fungsinya dapat ditunjukkan pada Gambar 2.6

• + −

  =

• -1

Gambar 2.6 Fungsi aktivasi sigmoid bipolar [6] Fungsi sigmoid memiliki nilai maksimum satu, sehingga nilai yang lebih

  

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, faktor

  δ perlu dihitung untuk tiap lapisan tersembunyi, dimulai dari lapisan keluaran.