SINGUDA ENSIKOM
VOL. 6 NO.2 /February 2014
ANALISIS PENINGKATAN KINERJA SOFT HANDOFF TIGA BTS DENGAN MENGGUNAKAN MODEL PROPAGASI OKUMURA Ari Purwanto, Maksum Pinem Konsentrasi Teknik Telekomunikasi, Departemen Teknik Elektro Fakultas teknik Universitas Sumatera Utara (USU) Jl. Almamater, Kampus USU Medan 20155 INDONESIA e-mail:
[email protected]
Abstrak Kondisi propagasi di sepanjang lintasan sangat berpengaruh terhadap handoff dan merupakan salah satu parameter untuk mengetahui kinerja dari handoff itu sendiri. Parameter dalam model propagasi seperti tinggi antena base station (BS) dan tinggi antena mobile station (MS) digunakan untuk mengetahui pengaruh parameter terhadap nilai probabilitas outage dan active set. Pada penelitian ini, dianalisis bagaimana kinerja soff handoff tiga BTS yang disimulasikan dengan software serta menggunakan model propagasi Okumura. Dari hasil analisis diperoleh bahwa semakin tinggi BS dan MS maka probabilitas outage akan semakin kecil. Pada tinggi BS 50 m probabilitas outagenya sebesar 4,36.10-6 dan pada tinggi BS 100 m probabilitas outagenya 2,38.10-8. Pada tinggi MS 1 m probabilitas outagenya sebesar 3,1.10-3 dan pada tinggi MS 6 m probabilitas outagenya sebesar 8,97.10-12. Pertambahan tinggi BS dan MS tidak akan mempengaruhi nilai rata-rata active set.
Kata kunci: handoff, Soft handoff, Model Okumura Station) terhadap nilai probabilitas outage dan active set. Pada penelitian ini kinerja soft
1. Pendahuluan Code Division Multiple Access (CDMA) merupakan metode akses kanal yang digunakan oleh berbagai macam teknologi komunikasi seluler. Salah satu fasilitas dalam komunikasi seluler yang menjamin adanya kontiniuitas komunikasi apabila pelanggan bergerak dari satu sel ke sel yang lain disebut handoff. Kondisi komunikasi seluler sangat sulit untuk diprediksi, karena bergerak dari satu sel ke sel yang lain. Terdapat tiga komponen utama propagasi yang menggambarkan kondisi komunikasi seluler yaitu path loss, shadowing dan multipath fading. Kondisi propagasi di sepanjang lintasan sangat berpengaruh terhadap handoff dan merupakan salah satu parameter untuk mengetahui kinerja dari handoff itu sendiri. Model empirik adalah model propagasi yang dirancang untuk menjelaskan perambatan ratarata sinyal pada suatu daerah yang ditetapkan berdasarkan pengukuran dilapangan. Model ini juga dirancang untuk memprediksi rugi-rugi perambatan (path loss) sehingga perlu dilakukan analisis untuk mengetahui bagaimana pengaruh parameter dalam model propagasi seperti tinggi antena BS (Base Station) dan MS (Mobile
handoff yang dianalisis menggunakan tiga BS dengan software serta menggunakan model propagasi okumura.
2. Model Propagasi Kondisi komunikasi seluler sulit diprediksi, karena bergerak dari satu sel ke sel yang lain. Secara umum terdapat 3 komponen propagasi yang menggambarkan kondisi dari komunikasi seluler yaitu pathloss, shadowing dan multipath fading. Kondisi propagasi diilustrasikan seperti Gambar 1[1].
Gambar 1 Komponen propagasi
copyright DTE FT USU 2014
70
SINGUDA ENSIKOM
VOL. 6 NO.2 /February 2014
Free space loss, diasumsikan bahwa propagasi hanya terjadi pada satu lintasan dan tidak terjadi refleksi serta lintasan harus bebas halangan. Free space loss terjadi akibat adanya penyebaran daya yang diradiasikan oleh antena transmitter. Faktor yang mempengaruhi adalah frekuensi dan jarak lintasan gelombang. Path loss merupakan komponen deterministik dari RSS (received signal strength), yang dapat dievaluasi oleh model rugi-rugi lintasan propagasi. Shadowing disebabkan karena halangan terhadap jalur garis pandang (LOS) antara pemancar dan penerima oleh bangunan, bukit, pohon dan lain-lain. Multipath fading timbul karena pantulan multipath dari gelombang yang dipancarkan oleh benda-benda seperti rumah, bangunan, struktur-struktur lain buatan manusia, juga kondisi alam seperti hutan yang berada di sekitar UE (user equipment) [2][3][4]. Model propagasi menjelaskan perambatan rata-rata sinyal pada suatu daerah. Model propagasi juga memungkinkan untuk mengkonversikan besarnya rugi-rugi perambatan maksimum yang diperbolehkan menjadi besarnya cell range maksimum. Besarnya rugirugi propagasi tersebut bervariasi sesuai dengan spektrum dan kondisi alam serta lingkungan disekitarnya[5]. Beberapa model propagasi yang biasa digunakan untuk memperkirakan redaman lintasan sepanjang daerah yang tidak teratur kebanyakan model-model didapatkan dari data hasil pengukuran yang dilakukan dalam jumlah besar dan cukup lama. Model-model propagasi yang biasa digunakan adalah model Okumura, model Hatta dan model Lee. Model Okumura merupakan model propagasi yang umum digunakan dan lebih optimal dalam memodelkan probabilitas outage sistem CDMA. Model Okumura adalah model propagasi yang cocok untuk range frekuensi antara 150 - 1920 MHz dan pada jarak antara1 - 100 km dengan ketinggian antena BS berkisar 30 - 100 meter [6][7]. Untuk menentukan redaman lintasan dengan model Okumura, pertama kita harus menghitung rugirugi lintasan bebas (free space path loss), kemudian nilai Amu (f,d) dari kurva Okumura ditambahkan kedalam faktor koreksi untuk menentukan tipe daerah. Model Okumura dapat ditulis dengan persamaan berikut[5][7]: L50(dB)=LF+Amu(f,d)–G(hte)–G(hre)-GAREA
Dimana:
(1)
L50(dB) = nilai redaman lintasan propagasi (dB) LF = redaman lintasan ruang bebas (dB) Amu = rata-rata redaman relatif terhadap rugirugi lintasan bebas (dB) G(hte) = gain antena BS (dB) G(hre) = gain antena MS (dB) GAREA = gain tipe daerah (dB) Untuk menentukan nilai rata-rata redaman relatif terhadap ruang bebas model Okumura menyediakan kurva. Kurva Amu(f,d) untuk range frekuensi 100 - 3000 MHz ditunjukkan oleh Gambar 2.
Gambar 2 Kurva Amu(f,d) untuk range frekuensi 100 - 3000 MHz Untuk menentukan nilai gain berdasarkan lingkungan, model Okumura juga menyediakan kurva. Kurva GAREA untuk berbagai tipe daerah dan frekuensi ditunjukkan pada Gambar 3[7].
Gambar 3 Nilai GAREA untuk berbagai tipe daerah dan frekuensi Nilai gain untuk antena pengirim dan penerima ditunjukkan persamaan: G(hte)=20log(hte/200)100m>hte>10m (2) G(hre)=20log(hre/3)10m>hre>3m
(3)
G(hre) =10 log(hre/3) hre 3 m Dimana: hte = tinggi antena BS (m) hre = tinggi antena MS (m)
(4)
copyright DTE FT USU 2014
71
SINGUDA ENSIKOM
VOL. 6 NO.2 /February 2014
G(hte) = gain antena BS (dB) G(hre) = gain antena MS (dB) Model Okumura sepenuhnya berdasar pada hasil pengukuran, sehingga tidak memiliki penjelasan analitis. Meskipun demikian, model ini sering dianggap salah satu model perambatan yang paling sederhana dan terbukti memiliki keakuratan yang sangat baik. Besar perbedaan antara path loss yang diprediksi dengan model Okumura dan path loss yang diukur sebenarnya dilapangan hanya berkisar 10 dB hingga 14 dB. Kelemahan model Okumura adalah bahwa model ini tidak dapat mengikuti cepatnya perkembangan kondisi area, sehingga bagus digunakan di daerah perkotaan yang perubahannya sudah relatif melambat tetapi kurang bagus di daerah pedesaan yang perubahannya masih sangat cepat [7].
3. Soft Handoff
Gambar 4 Soft handoff [1] Alasan adanya hysteresis margin pada algoritma soft handoff adalah untuk menghindari efek perpindahan secara terus menerus (efek “ping-pong”). Dengan adanya hysteresis margin tersebut MS tidak langsung handoff ke BS yang lebih baik, namun mengalami penundaan hingga batas margin paling rendah dari sinyal yang diterima oleh MS. Jika margin besar, maka efek “ping-pong” menjadi kecil, tetapi delay menjadi lebih besar. Hal ini menyebabkan interferensi ekstra pada sel-sel tetangga selama delay. Jadi dengan adanya hysteresis margin pada soft handoff, sambungan baru ke BS2 akan terlebih dahulu dilakukan dan kemudian sambungan dengan BS1 akan diputus. Pada penelitian ini langkah-langkah yang dilakukan dalam simulasi dapat dibuat dalam bentuk flowchart secara umum seperti Gambar 5.
Pada soft handoff terjadi proses “make before break” yang berarti mobile station harus membangun hubungan dengan base station yang baru terlebih dahulu sebelum memutuskan hubungan dengan BS yang lama. Soft handoff dapat dilakukan pada sistem CDMA (Code Division Multiple Access) karena handoff pada sistem CDMA terjadi antara dua code channel yang berbeda bukan dua frekuensi yang berbeda. Pada soft handoff, suatu keputusan dibuat ketika MS sedang berkomunikasi dengan salah satu dari BS diantara beberapa BS lainnya. Keputusan yang dibuat tergantung pada perubahan dari kekuatan sinyal pada MS, terhadap dua atau lebih BS yang terlibat. Sehingga pada akhirnya keputusan harus dibuat untuk MS agar dapat berkomunikasi hanya dengan satu BS. Gambar 4 menunjukkan proses dasar dari soft handoff. Ketika MS yang bergerak (mobil) dari sel 1 ke sel 2 akan secara terus menerus mengukur kekuatan sinyal pilot yang diterima dari BS yang terdekat. BS1 merupakan BS awal dari MS dan BS2 merupakan BS tujuan dari pergerakan MS ke sel dua.
Gambar 5 Flowchart simulasi secara umum
copyright DTE FT USU 2014
72
SINGUDA ENSIKOM
VOL. 6 NO.2 /February 2014
4. Hasil dan Analisis Setelah melakukan simulasi dengan software serta menggunakan model propagasi Okumura maka diperoleh hasil sebagai berikut: a. Pengaruh tinggi BS terhadap nilai probabilitas outage Ukuran kinerja yang digunakan adalah probabilitas outage, rata-rata active set dan rata-rata handoff. Tinggi MS dan hysteresis akan tetap, sedangkan tinggi BS akan divariasikan. Tinggi MS = 3 meter, hyst_add = 10 dBm dan hyst_drop = 10 dBm. Tabel 1 memperlihatkan probabilitas outage, rata-rata active set dan rata-rata handoff yang terjadi terhadap perubahan tinggi BS. Tabel 1 Pengaruh tinggi BS terhadap kinerja soft handoff Tinggi BS Probabi litas Outage Ratarata Active Set Ratarata Handoff
50m
60m
70m
80m
90m
100m
4,36. 10-6
1,02. 10-6
3,86. 10-7
1,31. 10-7
5,06. 10-8
2,38. 10-8
1,71
1,71
1,71
1,71
1,71
1,71
2,47. 10-3
2,41. 10-3
2,45. 10-3
2,33. 10-3
2,31. 10-3
2,31. 10-3
makin kecil. Dari Tabel 1 diatas dapat dibuat grafik seperti Gambar 6. -5
8
Grafik Probabilitas Outage
x 10
Hte=50 Hte=60 Hte=70 Hte=80 Hte=90 Hte=100
7 6 Probabilitas outage
Active set adalah sinyal pilot yang aktif terus berkomunikasi dengan MS, Candidate set yaitu sinyal pilot yang tidak berada dalam keadaan aktif tetapi karena memiliki kekuatan sinyal yang memadai maka dapat menjadi sinyal pilot aktif; Neighbour set yaitu sinyal pilot yang tidak termasuk pilot aktif dan candidate, namun selama proses handoff dapat dipertimbangkan untuk menjadi candidate; Remaining set yaitu semua sinyal pilot yang bukan merupakan ketiga sinyal pilot diatas namun tetap ada pada area dimana MS berada. Parameter acuan yang digunakan dalam menginisiasi handoff pada penelitian ini adalah kuat sinyal terima (Received Signal Strength) dari sinyal pilot. Jenis inisiasi yang digunakan adalah MCHO/MAHO dengan parameter algoritma yang digunakan adalah Threshold, hyst_add, dan hyst_drop[2].
5 4 3 2 1 0
0
200
400
600
800
1000 1200 Jarak (m)
1400
1600
1800
2000
Gambar 6 Grafik pengaruh BS terhadap probabilitas outage model Okumura b. Pengaruh tinggi MS terhadap nilai probabilitas outage Ukuran kinerja yang digunakan adalah probabilitas outage, rata-rata active set dan rata-rata handoff. Tinggi BS dan hysteresis akan tetap, sedangkan tinggi MS akan divariasikan. Tinggi BS = 50 meter, hyst_add = 10 dBm dan hyst_drop = 10 dBm. Tabel 2 memperlihatkan probabilitas outage, rata-rata active set dan rata-rata handoff yang terjadi terhadap perubahan tinggi MS. Tabel 2 Pengaruh tinggi MS terhadap kinerja soft handoff Tinggi BS Probabil itas Outage Ratarata Active Set Ratarata Handoff
1m
2m
3m
4m
5m
6m
3,1. 10-3
6,26. 10-5
3,99. 10-6
3,37. 10-8
5,28. 10-10
8,97. 10-12
1,34
1,34
1,34
1,34
1,34
1,34
1,67. 10-2
2,46. 10-2
2,40. 10-2
2,26. 10-2
2,19. 10-2
2,10. 10-2
Dari Tabel 2 dapat dilihat bahwa makin tinggi MS maka nilai probabilitas outage akan makin kecil. Dari Tabel 2 diatas dapat dibuat grafik seperti Gambar 7.
Dari Tabel 1 dapat dilihat bahwa makin tinggi BS maka nilai probabilitas outage akan
copyright DTE FT USU 2014
73
SINGUDA ENSIKOM
VOL. 6 NO.2 /February 2014
Grafik Probabilitas Outage 0.04 Hre=1 Hre=2 Hre=3 Hre=4 Hre=5 Hre=6
0.035
Probabilitas outage
0.03 0.025 0.02 0.015 0.01 0.005 0
0
200
400
600
800
1000 1200 Jarak (m)
1400
1600
1800
2000
Gambar 7 Grafik pengaruh MS terhadap probabilitas outage model Okumura c. Pengaruh besar hyst_add terhadap nilai probabilitas outage Ukuran kinerja yang digunakan adalah probabilitas outage, rata-rata active set dan rata-rata handoff. Tinggi BS, tinggi MS, dan hyst_drop akan tetap, sedangkan nilai hyst_add akan divariasikan. Tinggi BS = 50 meter, tinggi MS = 3 meter, dan hyst_drop = 10 dBm. Tabel 3 memperlihatkan probabi-litas outage, rata-rata active set dan rata-rata handoff yang terjadi terhadap perubahan nilai hyst_add. Tabel 3 Pengaruh nilai hyst_add terhadap kinerja soft handoff Hyst_Add
2 dBm
8 dBm
10 dBm
14 dBm
Probabilitas Outage
0,4103. 10-5
0,2489. 10-5
0,2608. 10-5
0,2664. 10-5
d. Pengaruh besar hyst_drop terhadap nilai probabilitas outage Ukuran kinerja yang digunakan adalah probabilitas outage, rata-rata active set dan rata-rata handoff. Tinggi BS, tinggi MS, dan hyst_add akan tetap sedangkan nilai hyst_drop akan divariasikan. Tinggi BS = 50 meter, tinggi MS = 3 meter, dan hyst_add = 10 dBm. Tabel 4 memperlihatkan probabilitas outage, ratarata active set dan rata-rata handoff yang terjadi terhadap perubahan nilai hyst_drop. Tabel 4 Pengaruh nilai hyst_drop terhadap kinerja soft handoff Hyst_Drop
2 dBm
8 dBm
10 dBm
14 dBm
Probabilitas Outage
0,4103. 10-5
0,2489. 10-5
0,2608. 10-5
0,2664. 10-5
Rata-rata Active Set
1,3216
1,3388
1,3396
1,4034
Rata-rata Handoff
0,0263
0,0238
0,0240
0,0306
Dari Tabel 4 dapat dilihat bahwa semakin besar nilai hyst_drop maka probabilitas outage akan semakin kecil. Dari Tabel 4 diatas dapat dibuat grafik seperti Gambar 9. -5
8
Grafik Probabilitas Outage
x 10
Hys - Drop=2 7
1,0562
Rata-rata Handoff
0,0149
1,2451
1,3496
0,0274
1,5733
0,0240
0,0209
Hys - Drop=8 Hys - Drop=10
6 Probabilitas outage
Rata-rata Active Set
Hys - Drop=14
5 4 3 2
Dari Tabel 3, dapat dilihat bahwa semakin besar nilai hyst_add maka probabilitas outage akan semakin kecil. Dari Tabel 3 diatas dapat dibuat grafik seperti Gambar 8. -5
8
1 0
0
200
400
600
800
1000 1200 Jarak (m)
1400
1600
1800
2000
Gambar 9 Grafik pengaruh hyst_drop terhadap probabilitas outage model Okumura
Grafik Probabilitas Outage
x 10
5. Kesimpulan
Hys Add=2 -
7
Hys Add=8 -
Hys Add=10 -
6
Hys Add=14
Probabilitas outage
-
5
Dari analisis yang telah dilakukan, maka diperoleh kesimpulan sebagai berikut :
4 3 2 1 0
0
200
400
600
800
1000 1200 Jarak (m)
1400
1600
1800
2000
Gambar 8 Grafik pengaruh hyst_add terhadap probabilitas outage model Okumura
1. Parameter tinggi BS dan tinggi MS untuk model Okumura mempengaruhi nilai dari probabilitas outage. Dimana pertambahan tinggi BS dan tinggi MS akan memperkecil nilai probabilitas outage yaitu sebesar: pada tinggi BS 50 m probabilitas outagenya 4,36.10-6, pada tinggi BS 60 m probabilitas outagenya 1,02.10-6, pada tinggi BS 70 m
copyright DTE FT USU 2014
74
SINGUDA ENSIKOM
2.
3.
4.
5.
VOL. 6 NO.2 /February 2014
probabilitas outagenya 3,86.10-7, pada tinggi BS 80 m probabilitas outagenya 1,31.10-7, pada tinggi BS 90 m probabilitas outagenya 5,06.10-8 dan pada tinggi BS 100 m probabilitas outagenya 2,38.10-8. Pada tinggi MS 1 m probabilitas outagenya 3,1.10-3, pada tinggi MS 2 m probabilitas outagenya 6,26.10-5, pada tinggi MS 3 m probabilitas outagenya 3,99.10-6, pada tinggi MS 4 m probabilitas outagenya 3,37.10-8, pada tinggi MS 5 m probabilitas outagenya 5,28.10-10 dan Pada tinggi MS 6 m probabilitas outagenya 8,97.10-12. Parameter hyst_add untuk model Okumura juga akan mempengaruhi nilai dari probabilitas outage. Pertambahan nilai dari parameter hyst_add akan memperkecil nilai probabilitas outage. Dimana semakin besar hyst_add maka MS akan selalu berada pada kondisi active set sebelumnya yakni sel 1 atau sel 3, hal ini dapat dikatakan bahwa probabilitas outage akan semakin kecil karena tidak selalu melakukan perpindahan. Parameter hyst_drop untuk model Okumura akan mempengaruhi nilai dari probabilitas outage. Pertambahan nilai hyst_drop akan memperkecil nilai probabilitas outage. Dimana semakin besar hyst_drop maka MS akan selalu berada pada kondisi active set sebelumnya yakni sel 2 atau sel 3, hal ini dapat dikatakan bahwa probabilitas outage akan semakin kecil karena tidak selalu melakukan perpindahan. Pertambahan tinggi BS dan MS tidak akan mempengaruhi nilai rata-rata active set sedangkan perubahan nilai hyst_add dan hyst_drop akan memperbesar nilai rata-rata active set. Dari 500 kali simulasi yang dilakukan maka diperoleh persentasi pelayanan BS terhadap MS yaitu: BS 1 sebesar 38,9%, BS 2 sebesar 51,5% dan BS3 sebesar 9,6%.
7. Daftar Pustaka [1] Chen, Yuen. 2003. Soft Handover Issues in Radio Resource Management for 3G WCDMA Networks, (Desertasi).Queen Mary, University of London. [2] Singh, N. P., Brahmjit Singh, “Effect of Soft Handover Parameters on CDMA Cellular Networks”, Journal of Theoretical and Applied Information Technology, 2010, hal. 110-115. [3] Singh, N. P., Brahmjit Singh, “Performance Enhancement of Cellular Network Using Adaptive Soft Handover Algorithm”, Wireless Personal Communications, Mei 2010. [4] Singh, N. P., Brahmjit Singh, “Performance of Soft Handover Algorithm in Varied Propagation Environments”, World Academy of Science, Engineering and Technology 45, 2008, hal. 377-381. [5] Rappaport, T. S.. 1995. “Wireless Communications: Principles and Practice”, 2nd Edition. New Jersey: Prentice Hall. [6] M. A, Rahman M. M, Hossain M. M, AlNahid, “Analysis of Large-Scale Propagation Models for Mobile Communications in Urban Area” International Journal of Computer Science and Information Security (IJCSIS), Vol. 7, No. 1, 2010. [7] Seybold, John. C. 2005. “ Introduction to RF Propagation”. Wiley, New York.
6. Ucapan Terimakasih Ucapan terima kasih kepada Alm. Djanuar Rasyad dan Darmawati selaku orangtua, Maksum Pinem, ST.MT, Ir. M.Zulfin, MT. Naemah Mubarakah, ST.MT yang sudah membantu dalam menyelesaikan paper ini, serta teman-teman yang sudah memberikan dukungan selama pembuatan paper ini.
copyright DTE FT USU 2014
75