OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING

This PDF is Created by Simpo PDF Creator unregistered version - http://www.simpopdf.com

1/7

OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING Achmad Yusuf 2205 100 074 Institut Teknologi Sepuluh Nopember, Fakultas Teknologi Industri, Jurusan Teknik Elektro Kampus ITS Sukolilo, Surabaya 60111 Email : [email protected] Abstrak – Komunikasi kooperatif adalah teknik komunikasi multihop dimana dalam proses transmisinya menggunakan titik-titik sebagai relay untuk membantu menyalurkan informasi dari sumber ke tujuan. Penggunaan relay ini dapat menurunkan probabilitas kesalahan suatu sinyal informasi yang diterima oleh destination, karena relay berfungsi untuk mengirimkan informasi redundant. Dalam sistem komunikasi kooperatif di luar ruangan perlu diperhitungkan pula parameter-parameter propagasi seperti adanya fading shadowing baik shadowing dengan korelasi yang diabaikan maupun shadowing berkorelasi yang mempengaruhi kinerja dari sistem. Desain cross layer dalam sistem komunikasi kooperatif dimaksudkan agar kinerja dari sistem tersebut dapat optimal. Dalam Tugas Akhir ini dibandingkan antara transmisi secara langsung dan transmisi kooperatif serta pembandingan parameterparameter optimasi dari desain cross layer untuk pemilihan strategi pengiriman terbaik dalam sistem. Dari hasil simulasi diketahui bahwa dalam komunikasi di luar ruangan, sistem komunikasi kooperatif memiliki kinerja yang lebih baik dibandingkan dengan transmisi secara langsung. Kata Kunci : Sistem komunikasi kooperatif, shadowing, desain cross layer, propagasi di luar ruangan 1. Pendahuluan Sistem komunikasi melalui media nirkabel memiliki banyak keunggulan seperti praktis dan mempunyai mobilitas yang tinggi. Tetapi dalam pemakaiannya ada beberapa kendala yang harus di hadapi seperti multipath fading yang dapat menyebabkan terganggunya penerimaan sinyal pada sisi penerima. Untuk mengatasi permasalahan ini digunakanlah teknik diversity. salah satu teknik yang dipakai adalah space diversity [1]. Space diversity merupakan salah satu teknik diversity yang menggunakan multiple antena. Namun beberapa perangkat nirkabel memiliki keterbatasan ukuran, biaya, dan kompleksitas perangkat keras sehingga tidak bisa menggunakan multiple antena. Akhirnya para ilmuwan menemukan ide untuk mengembangkan teknik

Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS

yang menyerupai MIMO tetapi tidak membutuhkan multiple antena. Metode baru terebut dikenal dengan teknik sistem komunikasi kooperatif, dimana antena yang dipakai adalah antena virtual. Permasalahan pertama yang harus di hadapi adalah perutean dan alokasi sumber daya, khususnya pengiriman di luar gedung. Permasalahan pertama tersebut, dibagi menjadi dua sub permasalahan yaitu sub permasalahan perutean pada layer network dan seleksi relay serta alokasi daya pada layer physical. Hasil yang didapat dari kedua sub permasalahan tersebut dapat digunakan untuk mencari relay terbaik sebagai strategi untuk transmisi data pada sistem komunikasi kooperatif. Permasalahan kedua yang harus di hadapi adalah kontrol kongesti, perutean dan alokasi sumber daya. Bila dalam suatu pengiriman jumlah pengiriman lebih besar dari pada kapasitas kanal yang tersedia maka dapat menyebabkan kongesti. Kongesti adalah kemacetan dalam pengiriman yang harus kita hindari karena dapat menurunkan transmission rate yang menyebabkan loss pada troughput di jaringan [2]. Permasalahan ini dapat di atasi dengan cara mengetahui lebar kanal masing–masing pengiriman, sehingga kita dapat menentukan rute pengiriman terbaik dari source ke destination agar tidak terjadi kongesti. Dengan metode cross layer maka informasi kapasitas setiap link pada physical layer dapat digunakan network layer untuk memperbaiki performansi throughput, sehingga permasalahan kongesti dapat di hindari. 2. Pemodelan Sistem Pada simulasi ini pertama-tama kita akan membangkitkan random node yang terdiri dari 4 node. Perolehan letak masing-masing node ini nantinya digunakan untuk menentukan jarak antara source dengan node maupun node dengan destination yang digunakan untuk pengiriman secara kooperatif. Dalam melakukan pengiriman laju data, permasalahan fading dianggap telah diatasi oleh teknik diversity. Setelah kita mendapatkan topologi random node maka langkah berikutnya adalah mendapatkan nilai gain kanal. Sebelum mendapatkan gain maka terlebih dulu kita harus menentukan nilai shadowing baik untuk shadowing


dengan korelasi yang diabaikan maupun untuk shadowing berkorelasi. Shadowing dengan korelasi diabaikan didapatkan dengan menggunakan persamaan sebagai berikut: s

(1) shdw 1 = 10 10 Dimana shdw 1 merupakan shadowing dengan korelasi diabaikan, s merupakan standard deviasi sebesar 4 dB. Shadowing berkorelasi didapatkan menggunakan persamaan sebagai berikut:

dengan

1

(2) shdw 2 = C 2 .g Dimana shdw 2 merupakan shadowing berkorelasi, C merpakan matriks kovarians, g merupakan gaussian random normal. Untuk mendapatkan matriks kovarian terlebih dahulu mengetahui paramernya yaitu standar deviasi ( s ) dan koefisien korelasi ( r ) . Dalam tugas akhir ini diketahui standar deviasi = 4. Sedangkan koefisien korelasi merupakan fungsi yang bergantung terhadap sudut dan nilainya 0< r <1[3]. Persamaan koefisien korelasi adalah sebagai berikut:

r mn = - 1180 .q mn + 1

(3)

Dimana q mn = sudut antara 2 link, untuk matriks kovarian adalah kovarian dengan ukuran 14x14 karena terdapat 14 link. C=

s1

r 1, 2s 1s

2

r 2,1s 2s 1 . .

s

…..

r 1,14s 1s 14

…..

r 1,14s 1s 14

2

2 2

. .

r 14,1s 14s 1 r 14, 2s 14s

2

. .

. .

….

s 14

g 1 = K .d

2

g 2 = K .d

-3

.shdw 1 .shdw 2

(4 ) (5)

dimana g 1 merupakan gain untuk shadowing dengan korelasi diabaikan, g 2 merupakan gain untuk shadowing berkorelasi, K adalah konstanta gain dari sistem, d adalah jarak dalam meter, baik jarak dari sumber ke relay, dari relay ke tujuan, ataupun dari sumber langsung ke tujuan. Hasil dari nilai gain ini akan digunakan untuk mendapatkan daya pengiriman mula-mula[4]. Untuk algoritma gabungan perutean dan alokasi sumber daya, daya untuk pengiriman langsung (mW) dapat dilihat melalui persamaan (6) berkut :


P (i , j ) P d (i,j) = [ l ( i , j ) - 1 ] P max min ( i , j ) ln 2 g (i , j )

(6)

Untuk pengiriman kooperatif melalui persamaan (7) berikut :

l ( i , j ) g (k , j ) 1 ]P P ln 2( g (i , k ) + g (k , j ) - g (i , j ) g (i , k ) (i , j ) P r , ( i , j ) (k,j)=[ g (i , k ) - g (i , j ) P (i , j ) ] PP max min ( i , j ) d g (k , j )

P d (i,j) = [

max min

(i , j ) (i , j )

(7)

Untuk algoritma gabungan kontrol kongesti, perutean dan alokasi sumber daya, daya untuk pengiriman langsung (mW) dapat dilihat melalui persamaan (8) berkut : P (i , j ) P d (i,j) = [ l ( i , j ) - 1 ] P max (8) min ( i , j ) g 2 ln 2 g (i , j ) Untuk pengiriman kooperatif melalui persamaan (9) berikut : P d (i,j) = [

l (i , j ) g (k , j ) 1 ]P P g 2 ( g (i , k ) + g (k , j ) - g (i , j )) ln 2 g (i , k )

P r , ( i , j ) (k,j)=[ g (i , k ) - g (i , j ) P (i , j ) ] PP max ((ii ,, jj )) min d g (k , j )

max min

(i , j ) (i , j )

(9)

dimana l (i , j ) merupakan link price dari i ke j, g ( k , j )

Dari nilai jarak dan nilai shadowing yang telah didapatkan maka dapat dihitung gain dengan menggunakan persamaan (4) dan (5). Gain kanal didapat berdasarkan path loss skala besar. -3

2/7

merupakan gain dari node ke destination, g (i , k ) merupakan gain dari source ke node, g (i , j ) merupakan gain dari source ke destination. Kemudian dengan menggunakan persamaan (10), didapatkan nilai transmission rate untuk link pada transmisi langsung. Sedangkan dengan menggunakan persamaan (11) didapat nilai transmission rate untuk transmisi kooperatif. (10) r d (i , j ) = log 2 (1 + g (i , j ) P d (i , j )) r c (i , j ) = log 2 (1 + g (i , j ) P d (i , j ) + g ( k , j ) P r ,(i , j ) ( k , j )) (11) Untuk algoritma gabungan perutean dan alokasi sumber daya, sub permasalahan routing dapat diuraikan ke dalam sub permasalahan multiple link. Diberikan nilai link dan node price λ(i,j) , μi, μj, maka nilai dari kapasitas trafik optimal dapat dihitung berdasarkan persamaan (12).

c * (i,t)

=[

mi -m

j

2e

- l (i , j )

]

+

(12)

c * (i,t) merupakan kasitas trafik optimum, m i node price (source), m j node price (destination).

Dimana


3/7

Kemudian dari parameter-parameter yang didapat, berupa konsumsi daya dan kapasitas trafik, dengan menggunakan persamaan (13) didapatkan nilai dari fungsi dual optimasi untuk menyelesaikan permasalahan optimasi dari sistem. {( P (i , j ) + P (k , j )) / 2 - l r (i , j )} (13) D (i , j ) = min phy

P d ( i , j ), P r , ( i , j ) ( k , j )

d

r ,( i , j )

(i . j )

Penyelesaian dari permasalahan optimasi didapatkan dengan mencari nilai terkecil dari hasil yang diperoleh. Untuk algoritma gabungan kontrol kongesti, perutean dan alokasi sumber daya, penyelesaian permasalahan kontrol kongesti, perutean, dan permasalahan pada physical layer, melalui persamaan (14) dan (15) sebagai berikut : *

'-1

Si

= [U i

c * (i,t) dimana

=[

mi + ] g1

mi -m

j

2e S *i merupakan

Gambar 2. Kapasitas Trafik dari Sumber 1 ke Tujuan

(14) - l (i , j )

]

+

source

(15) rate

optimum,

g 1 parameter kontroling tradeff. Kemudian dari parameter-parameter yang didapat, berupa konsumsi daya dan kapasitas trafik, dengan menggunakan persamaan (16) didapatkan nilai dari fungsi dual optimasi untuk menyelesaikan permasalahan optimasi dari sistem.

D

phy

(i , j ) = max{l p ³0

(i , j )

r * (i , j ) - g

2

åP

( i , j )e L

* t

(i , j )} (16)

Penyelesaian dari permasalahan optimasi didapatkan dengan mencari nilai terbesar dari hasil yang diperoleh. 3. Analisa Hasil Simulasi A. Analisa Kapasitas Trafik Sistem Nilai kapasitas trafik dari setiap source akan menentukan seberapa besar kapasitas kanal masingmasing pengiriman. Untuk algoritma gabungan perutean dan alokasi sumber daya, penyelesaian sub permasalahan pada layer networking perlu dilakukan analisa pada kapasitas trafik sebagai parameter dari networking. Hasil yang didapatkan dipakai untuk mencari nilai kapasitas trafik pada setiap proses transmisi menggunakan algoritma sebagaimana dipaparkan pada bab sebelumnya. Dengan menggunakan tradeoff antara λ(i,j) dan μi dan iterasi sebanyak 30 kali didapatkan nilai kapasitas trafik untuk masing-masing proses transmisi pada setiap relay.



Untuk algoritma gabungan kontrol kongesti, perutean dan alokasi sumber daya Dengan mengetahui kapasitas kanal tersebut maka network layer dapat menentukan pengiriman melalui jalur mana yang akan di gunakan agar tidak terjadi kongesti pada saat pengiriman data. Pemilihan ini didasarkan kapasitas trafik yang terbesar dari masing-masing source. Dalam menentukan kapasitas trafik maka di lakukan 30 iterasi sampai diperoleh nilai kapasitas trafik yang konvergen. Kapasitas trafik untuk sumber1 dapat di lihat pada Gambar 4, sedangkan untuk pengiriman melalui sumber 2 dapat di lihat pada Gambar 5.



4/7

Gambar 6. Total Alokasi Daya Dibandingkan Source Rate pada Transmisi Kooperatif dan Non-Kooperatif Sumber 1

Sedangkan untuk proses transmisi dari sumber 2 ke tujuan, pembandingan dari total daya dan source rate dari sistem dapat dilihat pada Gambar 5.


B. Analisa Alokasi Daya pada Proses Transmisi Untuk algoritma gabungan perutean dan alokasi sumber daya, parameter untuk menyelesaikan sub permasalahan pada layer physical ada pada alokasi daya pada masing-masing proses transmisi. Nilai dari source rate diubah-ubah dari 1 b/s/Hz sampai 10 b/s/Hz, kemudian dicari rata-rata dari alokasi daya pada semua titik untuk proses transmisi langsung. Hasil yang didapat, kemudian dibandingkan dengan nilai yang sama pada transmisi kooperatif. Hasil dari pembandingan tersebut untuk transmisi dari sumber 1 dan sumber 2 ke tujuan dapat dilihat pada Gambar 6 dan Gambar 7.


Gambar 7. Total Alokasi Daya Dibandingkan Source Rate pada Transmisi Kooperatif dan Non-Kooperatif Sumber 2

Dari kedua grafik seperti digambarkan pada Gambar 6 dan 7 terlihat bahwa total alokasi daya untuk proses transmisi secara langsung memiliki nilai yang lebih besar. Jarak dari sumber ke titik relay dan dari titik relay ke tujuan lebih dekat dibandingkan dengan jarak langsung dari sumber ke tujuan. Hal ini menyebabkan besar alokasi daya yang diperlukan untuk transmisi langsung lebih besar. Dengan melihat hasil dual optimasi dapat diketahui titik relay yang menjadi strategi transmisi terbaik untuk masing-masing sumber dengan memilih nilai terkecil di antara relay-relay tersebut. Untuk sumber 1, untuk transmisi secara kooperatif untuk shadowing dengan korelasi yang diabaikan lebih kecil daripada shadowing berkorelasi. Sedangkan untuk sumber 2, juga didapatkan bahwa konsumsi daya untuk transmisi secara kooperatif untuk shadowing dengan korelasi yang diabaikan lebih kecil daripada shadowing berkorelasi.


Untuk algoritma gabungan kontrol kongesti, perutean dan alokasi sumber daya, perolehan total daya minimum diperlukan untuk mendapatkan efisiensi dalam pengiriman. Dalam memperoleh total daya minimum maka dilakukan 20 kali iterasi pada masing-masing pengiriman kemudian di rata-rata. Nilai g 1 dibuat bervariasi. Semakin besar nilai g 1 menghasilkan transmission rate yang semakin besar pula. Perolehan total daya minimum untuk source 1 dapat di lihat pada Gambar 5 dan untuk source 2 dapat di lihat pada Gambar 6.

5/7

didapatkan bahwa konsumsi daya untuk transmisi secara kooperatif untuk shadowing dengan korelasi yang diabaikan lebih kecil daripada shadowing berkorelasi. C. Analisa Pemilihan Relay Terbaik Untuk algoritma gabungan perutean dan alokasi sumber daya, dari data yang didapatkan pada sub bab sebelumnya dilakukan analisa untuk pemilihan rute terbaik. Dengan menggunakan Dual Optimasi dari parameter Kapasitas Trafik dan alokasi daya, pemilihan relay terbaik dapat dilakukan. Dari nilai Kapasitas Trafik dan alokasi daya, didapatkan nilai hasil dari Dual Optimasi untuk layer physical (nilai alokasi daya) dan layer network (nilai Kapasitas Trafik). Dari hasil ini nantinya akan dibandingkan nilai dari masing-masing parameter untuk setiap titik relay dan dipilih relay yang memiliki nilai paling kecil. Berdasarkan perhitungan, dapat dilihat bahwa nilai terkecil untuk sumber 1 adalah pada node 3. Sedangkan untuk sumber 2 didapat nilai paling kecil pada node 3. Sehingga didapatkan bahwa untuk algoritma gabungan perutean dan alokasi sumber daya,rute terbaiknya adalah melewati sumber 1 dan node 3. Posisi dari titik-titik relay untuk transmisi dari sumber 1 ke tujuan tampak pada Gambar 10.

Gambar 8. Konsumsi Daya Dibandingkan Gamma 1 pada Transmisi Kooperatif dan Non-Kooperatif Sumber 1

Gambar 10. Jalur Pengiriman Terbaik untuk Gabungan Perutean dan Alokasi Sumber Daya Kooperatif Gambar 9. Konsumsi Daya Dibandingkan Gamma 1 pada Transmisi Kooperatif dan Non-Kooperatif Sumber 2

Pada Gambar 8 dan 9 terlihat bahwa kinerja sistem komunikasi kooperatif berbasis random node memiliki nilai total daya pengiriman yang lebih baik dari pada pengiriman secara langsung. Ini di dapat dari perbandingan nilai total daya yang di hasilkan. Untuk sumber 1, didapatkan bahwa konsumsi daya untuk transmisi secara kooperatif untuk shadowing dengan korelasi yang diabaikan lebih kecil daripada shadowing berkorelasi. Sedangkan untuk sumber 2,


Untuk algoritma gabungan kontrol kongesti, perutean dan alokasi sumber daya, dual optimasi di gunakan sebagai kompromi antara perolehan total daya minimum yang di perlukan dengan kapasitas trafik yang di hasilkan. Melalui persamaan (14) maka diperoleh hasil dual optimasi.


Hasil pengiriman yang terbaik ini dapat di lihat pada Gambar 11 berikut ini :

Gambar 11. Jalur Pengiriman Terbaik untuk Gabungan Kontrol Kongesti, Perutean dan Alokasi Sumber Daya Kooperatif

Pada algoritma gabungan perutean dan alokasi sumber daya untuk kapasitas trafik sumber 1 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk kapasitas terbesar yaitu 17.4507 b/s/Hz pada node 2. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk kapasitas terbesar yaitu 18.5190 b/s/Hz pada node 2. Untuk kapasitas trafik sumber 2 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk kapasitas terbesar yaitu 17.5197 b/s/Hz pada node 1. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk kapasitas terbesar yaitu 19.1371 b/s/Hz pada node 4. Pada algoritma gabungan perutean dan alokasi sumber daya untuk konsumsi daya sumber 1 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk konsumsi daya terkecil yaitu 0.0016 mW pada node 3. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk konsumsi daya terkecil yaitu 0.0043 mW pada node 3. Untuk konsumsi daya sumber 2 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk konsumsi daya terkecil yaitu 0.3506 mW pada node 1. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk kapasitas terbesar yaitu 0.4498 mW pada node 1. Pada algoritma gabungan perutean dan alokasi sumber daya untuk pemilihan relay terbaik sumber 1 untuk shadowing dengan korelasi diabaikan didapatkan bahwa relay terbaik adalah melalui node 3. Sedangkan untuk shadowing berkorelasi didapatkan bahwa relay terbaik adalah melalui node 2. Untuk pemilihan relay terbaik sumber 3 untuk shadowing dengan korelasi diabaikan didapatkan bahwa relay terbaik adalah melalui node 3. Sedangkan untuk shadowing berkorelasi didapatkan bahwa realy terbaik adalah melalui node 3. Pada algoritma gabungan kontrol kongesti, perutean, dan alokasi sumber daya untuk kapasitas trafik sumber 1 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk kapasitas terbesar yaitu 2.4050


6/7

b/s/Hz pada node 4. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk kapasitas terbesar yaitu 3.0348 b/s/Hz pada node 2. Untuk kapasitas trafik sumber 2 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk kapasitas terbesar yaitu 2.3314 b/s/Hz pada node 2. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk kapasitas terbesar yaitu 3.3336 b/s/Hz pada node 2. Pada algoritma gabungan kontrol kongesti, perutean, dan alokasi sumber daya untuk konsumsi daya sumber 1 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk konsumsi daya terkecil yaitu 0.0904 mW pada node 1. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk konsumsi daya terkecil yaitu 0.0908 mW pada node 1. Untuk konsumsi daya sumber 2 untuk shadowing dengan korelasi diabaikan didapatkan nilai untuk konsumsi daya terkecil yaitu 0.3731 mW pada node 1. Sedangkan untuk shadowing berkorelasi didapatkan nilai untuk kapasitas terbesar yaitu 0.2189 mW pada node 3. Pada algoritma gabungan kontrol kongesti, perutean, dan alokasi sumber daya untuk pemilihan relay terbaik sumber 1 untuk shadowing dengan korelasi diabaikan didapatkan bahwa relay terbaik adalah melalui node 2. Sedangkan untuk shadowing berkorelasi didapatkan bahwa relay terbaik adalah melalui node 4. Untuk pemilihan relay terbaik sumber 2 untuk shadowing dengan korelasi diabaikan didapatkan bahwa relay terbaik adalah melalui node 2. Sedangkan untuk shadowing berkorelasi didapatkan bahwa realy terbaik adalah melalui node 2. 4. Kesimpulan Berdasarkan simulasi dan analisa, dapat diambil beberapa kesimpulan, yaitu : 1. Pemodelan sistem transmisi nirkabel yang baik untuk di luar gedung adalah dikirim melalui sistem transmisi secara kooperatif dengan relay acak atau random node. 2. Nilai kapasitas trafik pada sistem transmisi secara kooperatif lebih besar daripada sistem transmisi secara langsung. 3. Nilai konsumsi daya pada sistem transmisi secara kooperatif lebih kecil dibandingkan sistem transmisi secara langsung. 4. Fungsi dual optimasi pada sistem transmisi secara kooperatif lebih besar daripada sistem transmisi secara langsung. 5. Adanya shadowing yang berkorelasi dapat meningkatkan kapasitas trafik, akan tetapi memperburuk nilai konsumsi daya.


7/7

DAFTAR PUSTAKA

RIWAYAT HIDUP

Rappaport, T. S., “Wireless Communications Principles and Practice”, Prentice Hall, New Jersey, 1996 [2] S.Shakkottai, Theodore S.Rappaport, Petter C. Karlsson, Cross-Layer Design for Wireless Networks, June 2003. [3] Jay Weitzen, Terri J. Lowe, “Measurement of Angular and Distance Correlation Properties of LogNormal Shadowing at 1900 MHz and Its Application to Design of PCS Systems”, IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY, VOL. 51, NO. 2,MARCH 2002 [4] L.Le and Ekram Hossain, “Cross-Layer Optimasi Frameworks for Multihop Wireless Networks Using Coopetative Diversity,” IEEE Trans. on Wireless Communication, Sept. 2007.

Achmad Yusuf dilahirkan di Jombang, 2 Oktober 1986. Merupakan putra keempat dari lima bersaudara pasangan Sunjoto dan Sulhah. Lulus dari SD YPPI Surabaya tahun 1999 dan melanjutkan ke SMP YPPI Surabaya. Kemudian melanjutkan ke SMUN 2 Surabaya pada tahun 2002 dan lulus pada tahun 2005. Setelah menamatkan SMU, penulis melanjutkan studinya di Jurusan Teknik Elektro Institut Teknologi Sepuluh Nopember Surabaya melalui jalur SPMB pada tahun 2005. Pada bulan Juli 2009 penulis mengikuti seminar dan ujian Tugas Akhir di Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI – ITS Surabaya sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Elektro.

[1]

email : [email protected]


OPTIMASI LINTAS LAPISAN PADA SISTEM KOMUNIKASI KOOPERATIF PADA DAERAH BERSHADOWING

Recommend Documents