UNIVERSITAS INDONESIA PENINGKATAN KINERJA PADA SKEMA KOORDINASI KANAL DINAMIS MAC IEEE DENGAN MODEL BARU MARKOV CHAIN DISERTASI

UNIVERSITAS INDONESIA

PENINGKATAN KINERJA PADA SKEMA KOORDINASI KANAL DINAMIS MAC IEEE 1609.4 DENGAN MODEL BARU MARKOV CHAIN

DISERTASI

Doan Perdana 1206312624

FAKULTAS TEKNIK PROGRAM STUDI TEKNIK ELEKTRO DEPOK JUNI 2015

Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

UNIVERSITAS INDONESIA

PENINGKATAN KINERJA PADA SKEMA KOORDINASI KANAL DINAMIS MAC IEEE 1609.4 DENGAN MODEL BARU MARKOV CHAIN

DISERTASI

Doan Perdana 1206312624

FAKULTAS TEKNIK PROGRAM STUDI TEKNIK ELEKTRO DEPOK JUNI 2015


DAFTAR ISI

BAB 1

PENDAHULUAN 1.1 Latar Belakang 1.2 Permasalahan 1.3 Tujuan 1.4 Kontribusi 1.5 Batasan Masalah 1.6 Sistematika Penulisan BAB 2 STUDI PROTOKOL STANDAR IEEE 802.11p 2.1 Standar IEEE 802.11p (VANET) 2.2 Standar IEEE 1609.4 lapisan MAC Multikanal VANET 2.3 Skema koordinasi kanal dinamis IEEE 802.11p/1609.4 2.4 Model umum Markov chain 2.5 Model Markov chain Bianchi 2.6 Studi analitikal model Variable CCH Interval (VCI) 2.6.1 Probabilitas Transmisi WSA atau RFS 2.6.2 Analisis Waktu untuk transmisi paket WSA 2.6.3 Optimasi interval CCH 2.7 Slot Anomali 2.7.1 Bidimensional Markov chain 2.8 Model Markov chain Yang 2.9 Studi analitikal propagasi kanal Nakagami 2.10 Pengaruh efek Doppler 2.11 Additive White Gaussian Noise (AWGN) 2.12 Distribusi Node di setiap zone i 2.13 Nilai optimal Contention Window (CW) BAB 3 MODEL ANALITIKAL THROUGHPUT MULTIKANAL

BAB 4

1 1 3 6 7 9 9 12 12 13 16 28 29 37 41 44 46 49 50 54 62 65 68 69 72 78

MAC DCF IEEE 1609.4 3.1 Pendahuluan 3.2 Penelitian Terkait 3.2.1 Probabilitas Transmisi WSA 3.3 Pemodelan skema koordinasi kanal dinamis 3.4 Simulasi dan Pembahasan Hasil 3.4.1 Kinerja nilai interval waktu pada kanal CCH 3.4.2 Kinerja Aggregate Throughput skema DCF 3.4.3 Evaluasi kinerja delay transmisi kanal CCH dan SCH

78 78 79 81 84 100 101 104 108

MODEL ANALITIKAL THROUGHPUT ANOMALI KINERJA MULTIKANAL MAC DCF IEEE 1609.4 4.1 Pendahuluan 4.2 Penelitian Terkait 4.3 Pemodelan skema koordinasi kanal dinamis 4. 4 Simulasi dan Pembahasan Hasil 4.4.1 Kinerja probabilitas pengiriman paket WSA 4.4.2 Kinerja Aggregate Throughput skema DCF 4.4.3 Evaluasi Kinerja delay transmisi kanal CCH dan SCH

112 112 113 118 136 136 140 144


BAB 5

MODEL ANALITIKAL SLOT WSA MAC DCF IEEE 1609.4 150 5.1 Pendahuluan 150 5.2 Penelitian terkait 151 5.3 Pemodelan skema DCF 153 5.3.1 Model Slot DCF 154 5.4 Markov chain Bidimensional 156 5.5 Simulasi dan Pembahasan Hasil 165 5.5.1 Kinerja Probabilitas transmisi paket WSA 166 5.5.2 Kinerja Aggreagte Throughput skema DCF 170 BAB 6 MODEL ANALITIKAL THROUGHPUT MULTIKANAL MAC DCF IEEE 1609.4 DENGAN PENGARUH EFEK DOPPLER 175 175 6.1 Pendahuluan 6.2 Penelitian Terkait 176 6.2.1 Pengaruh mobilitas node dan efek Doppler 178 6.3 Pemodelan skema koordinasi kanal dinamis 181 182 6.3.1 Nilai optimal Contention Window (CW) 6.3.2 Model Markov chain Tiga Dimensi 184 6.3.3 Interval waktu dari akses contention kanal CCH 189 6.3.4 Perhitungan jumlah Node di setiap zone i 194 6.3.5 Evaluasi Kinerja Aggregate Throughput 199 6.4 Simulasi dan Pembahasan Hasil 201 6.4.1 Interval waktu dari akses contention kanal CCH 202 6.4.2 Kinerja Aggregate Throughput skema DCF 206 BAB 7 KESIMPULAN 211 7.1 Kesimpulan 211 7.2 Penelitian selanjutnya 205 DAFTAR PUSTAKA 206


i Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

ii Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

iii Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

DAFTAR GAMBAR

Gambar 2.1 Struktur Jaringan VANET ........................................................................................ 12 Gambar 2.2 Band Channel DSRC ................................................................................................ 13 Gambar 2.3 Layer standar IEEE 802.11p dan IEEE 1609.4......................................................... 15 Gambar 2.4 Pembagian Interval Waktu CCH dan SCH .............................................................. 16 Gambar 2.5 Siklus Peralihan Akses CCH, SCH dan Guard Interval............................................ 16 Gambar 2.7 Skema Variable CCH Interval (VCI) ........................................................................ 19 Gambar 2.8 Skema MAC multikanal VCI.................................................................................... 21 Gambar 2.9 Model Markov chain pada Transmisi WSA ............................................................. 22 Gambar 2.10 Model Protokol Dynamic Interval Division Multikanal MAC (DID-MMAC) ...... 25 Gambar 2.11 Diagram state Markov chain secara umum ............................................................ 27 Gambar 2.12 Model Markov Chain untuk transisi state backoff pada skema DCF ..................... 29 Gambar 2.13 Skema MAC multikanal VCI.................................................................................. 35 Gambar 2.14 Model Markov chain pada Transmisi WSA ........................................................... 37 Gambar 2.15 Model contention reservasi kanal CCH .................................................................. 41 Gambar 2.16 Slot anomali Tinnirello dkk .................................................................................... 46 Gambar 2.17 Model slot Tinnirello dkk. ...................................................................................... 48 Gambar 2.18 Diagram Markov chain Tinnirello dkk ................................................................... 50 Gambar 2.19 Model Markov chain Tiga Dimensi Yang .............................................................. 54 Gambar 2.21 Model antrian Single-server .................................................................................... 67 Gambar 2.22 Lapisan modul software NS-3................................................................................. 71 Gambar 2.23 Arsitektur modul WAVE 802.11p pada NS-3 ........................................................ 72 Gambar 3.1 Model Markov chain pada Transmisi WSA ............................................................. 76 Gambar 3.2 Model Markov chain Bidimensional Perdana dkk. .................................................. 80 Gambar 3.3 Skema pengembangan Variable CCH Interval (VCI) .............................................. 86 Gambar 3.4 Implementasi pengembangan Variable CCH Interval (VCI) di NS-3...................... 87 Gambar 3.5 Model baru contention reservasi kanal CCH Perdana dkk. ...................................... 88 Gambar 3.6 Kinerja interval waktu pada kanal CCH (QPSK) ..................................................... 96 Gambar 3.7 Kinerja interval waktu pada kanal CCH (16-QAM) ................................................. 96 Gambar 3.8 Kinerja interval waktu pada kanal CCH (64-QAM) ................................................. 97 Gambar 3.9 Kinerja Aggregate Throughput skema DCF (QPSK) ............................................... 99 iv Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

Gambar 3.10 Kinerja Aggregate Throughput skema DCF (16-QAM) ....................................... 100 Gambar 3.11 Kinerja Aggregate Throughput skema DCF (64-QAM) ....................................... 100 Gambar 3.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK) ......................................... 102 Gambar 3.13 Kinerja delay transmisi kanal CCH dan SCH (16-QAM)..................................... 103 Gambar 3.14 Kinerja delay transmisi kanal CCH dan SCH (64-QAM)..................................... 103 Gambar 4.1 Model Markov chain Tiga Dimensi Yang .............................................................. 106 Gambar 4.2 Model Markov chain Tiga Dimensi Perdana dkk. .................................................. 111 Gambar 4.3 Model baru contention reservasi kanal CCH Perdana dkk. .................................... 115 Gambar 4.4 Model antrian Single-server .................................................................................... 122 Gambar 4.5 Probabilitas pengiriman paket WSA (QPSK) ......................................................... 128 Gambar 4.6 Probabilitas pengiriman paket WSA (16 QAM) ..................................................... 129 Gambar 4.7 Probabilitas pengiriman paket WSA (64 QAM) ..................................................... 129 Gambar 4.9 Kinerja Aggregate Throughput skema DCF (QPSK) ............................................. 132 Gambar 4.10 Kinerja Aggregate Throughput skema DCF (16-QAM) ....................................... 133 Gambar 4.11 Kinerja Aggregate Throughput skema DCF (QPSK) ........................................... 133 Gambar 4.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK) ......................................... 136 Gambar 4.13 Kinerja delay transmisi kanal CCH dan SCH (16 QAM) ..................................... 137 Gambar 4.14 Kinerja delay transmisi kanal CCH dan SCH (64 QAM) ..................................... 137 Gambar 5.1 Diagram Markov chain Tinnirello dkk. .................................................................. 140 Gambar 5.2 Model Slot DCF yang diajukan............................................................................... 143 Gambar 5.3 Model Markov chain Bidimensional ..................................................................... 145 Gambar 5.4 Model baru contention reservasi kanal CCH Perdana dkk. .................................... 149 Gambar 5.5 Kinerja probabilitas transmisi paket WSA (QPSK)............................................... 154 Gambar 5.6 Kinerja probabilitas transmisi paket WSA (16 QAM)........................................... 155 Gambar 5.7 Kinerja probabilitas transmisi paket WSA (64 QAM)........................................... 155 Gambar 5.8 Kinerja Aggregate Throughput skema DCF (QPSK) ............................................. 158 Gambar 5.9 Kinerja aggregate throughput pada kanal SCH (16-QAM) ................................... 159 Gambar 5.10 Kinerja aggregate throughput pada kanal SCH (64-QAM) ................................. 159 Gambar 6.1 Model Markov chain Tiga Dimensi Yang .............................................................. 162 Gambar 6.2 Model Markov chain Tiga Dimensi Perdana dkk. .................................................. 170 Gambar 6.3 Model baru contention reservasi kanal CCH .......................................................... 174 v


Gambar 6.4 Model antrian Single-server .................................................................................... 180 Gambar 6.5 Kinerja interval waktu dari akses contention kanal CCH (QPSK) ........................ 187 Gambar 6.6 Kinerja interval waktu dari akses contention kanal CCH (16-QAM) ................... 188 Gambar 6.7 Kinerja interval waktu dari akses contention kanal CCH (64-QAM) .................... 188 Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (QPSK) ........................................ 191 Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (16-QAM) ................................... 192 Gambar 6.7 Kinerja aggregate throughput pada kanal SCH (64-QAM) ................................... 192

vi Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

DAFTAR TABEL Tabel 3.1 Parameter interval waktu pada kanal CCH................................................................ 95 Tabel 3.2 Parameter aggregate throughput skema DCF ........................................................... 99 Tabel 3.3 Parameter delay transmisi kanal CCH dan SCH ......................................................102 Tabel 4.1 Parameter probabilitas pengiriman paket WSA.........................................................128 Tabel 4.2 Parameter aggregate throughput skema DCF ..........................................................132 Tabel 4.3 Parameter delay transmisi kanal CCH dan SCH ......................................................136 Tabel 5.1 Parameter probabilitas transmisi paket WSA ...........................................................154 Tabel 5.2 Parameter aggregate throughput pada kanal SCH ...................................................158 Tabel 6.1 Parameter interval waktu dari akses contention kanal CCH ....................................187 Tabel 6.2 Parameter aggregate throughput pada kanal SCH ......................................................189

vii Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

DAFTAR SINGKATAN

AC AP ACK AWGN BSS BP CCH CCHI CSMA/CA

: : : : : : : : :

CTS CW CWmax CWmin CR DCF DCI DIFS DID-MMAC DSA DSI EIFS GI HCF IFS MAC MCM MSDU NS-3 OFDM PCF PHY PSDU QAM QoS QPSK

: : : : : : : : : : : : : : : : : : : : : : : : : :

Access Category Access Point Acknowledgement Additive White Gaussian Noise Basic Service Set Beacon Phase Control Channel Control Channel Interval Carrier Sense Multiple Access with Collision Avoidance Clear to Send Contention Window Contention Window maximum Contention Window minimum Cognitive Radio Distributed Coordination Function Dynamic CCH Interval DCF Interframe Space Dynamic Interval Division Multichannel Dynamic Spectrum Access Dynamic Safety Interval Extended Interframe Space Guard Interval Hybrid Coordination Function Inter Frame Space Medium Access Control Multichannel Cognitive MAC MAC Service Data Unit Network Simulator-3 Orthogonal Frequency Division Multiplex Point Coordination Function Physical PHY Service Data Unit Quadrature Amplitude Modulation Quality of Service Quadrature Phase Shift Keying viii Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

PRP RTS

: Peer-to-Peer Reservation Phase : Request to Send

RFS SIFS SINR STA SCH SCHI VANET WAVE WBSS WSA VCI

: : : : : : : : : : :

Request for Service Short Interframe Space Signal to Interference and Noise Ratio Station Service Channel Service Channel Interval Vehicle Ad hoc Network Wireless Access Vehicular Environment WAVE Basic Service Set WAVE Service Advertisement Variable CCH Interval

ix


DAFTAR NOTASI : Durasi time slot : Delay propagasi : Probabilitas reservasi kanal berhasil dilakukan : Probabilitas kanal mengalami tabrakan dalam slot waktu yang sama : Probabilitas kanal dalam kondisi idle : Probabilitas kanal mengalami tabrakan dalam zona i : Probabilitas kanal dalam kondisi sibuk pada zona i : Probabilitas dari tabrakan i-homogen : Probabilitas dari tabrakan upper i-heterogeneous : Interval waktu paket WSA : Interval waktu aplikasi keamanan : Interval waktu kanal CCH : Interval waktu kanal SCH : Rasio antara

dan

: Jumlah dari reservasi kanal CCH selama interval WSA : Jumlah paket yang berhasil ditransmisikan selama interval SCH : Jumlah kanal SCH : Panjang header pada lapisan MAC dan PHY

E[T

]

: Rata-rata interval waktu akses contention kanal CCH Rata-rata interval antara dua slot waktu dalam kondisi free yang : berurutan : Rata-rata delay transmisi pada kanal CCH

E[T

]

: Rata-rata delay transmisi pada kanal SCH : Doppler spread : Durasi AIFS : Bandwidth : Ukuran Contention Window : Ukuran Contention Window maksimum : Ukuran Contention Window minimum : Energi perbit : Energi per simbol : Jumlah STA : Daya noise : Payload dari lapisan MAC yang dikirimkan : Durasi slot waktu x Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

Durasi waktu rata-rata selama kanal dirasakan sibuk oleh node dalam zona i : Durasi waktu rata-rata selama kanal sibuk karena mengalami tabrakan :

: Durasi waktu dari Short Interframe Space (SIFS) Durasi waktu untuk mengirimkan sebuah frame ACK oleh node dalam : zona i Durasi waktu untuk mengirimkan PHY dan MAC header oleh node : dalam zona i Durasi waktu untuk mengirimkan sebuah MSDU oleh node dalam : zona i : Rata-rata fading SNR : Gain kanal : Koefisien korelasi fading Rasio ukuran payload untuk panjang paket penuh dengan header : messages. : Rata-rata panjang paket payload dan laju data

xi Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

DAFTAR ISTILAH

Anomalous Slot

:

Slot yang tidak dapat digunakan oleh STA selain STA yang terakhir melakukan transmisi frame

Performance Anomaly

:

Degradasi hasil throughput yang dihasilkan oleh node dengan laju tansmisi tinggi dipengaruhi oleh node dengan laju tranmisi tinggi

Aggregate Throughput

:

Throughput yang dihasilkan oleh node dengan laju transmisi yang berbeda-beda.

Nakagami distribution

Distribusi probabilitas yang berhubungan dengan distribusi gamma, parameter bentuk dan : dimana terdiri dari dua parameter, yaitu parameter pengendali penyebaran

Gamma distribution

Distribusi probabilitas yang terdiri dari dua kelompok parameter : distribusi kontinu, biasanya terdiri dari exponential distribution dan chi-squared distribution

Rayleigh distribution

:

Distribusi probabilitas yang diamati ketika besarnya keseluruhan vektor berhubungan dengan arahnya.

Rician fading

:

Model stokastik untuk propagasi radio anomali yang disebabkan oleh pembatalan sebagian sinyal radio dengan sendirinya ya

xii Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

ABSTRAK Nama : Doan Perdana Program Studi : Teknik Elektro Judul : Peningkatan Kinerja pada Skema Koordinasi Kanal Dinamis MAC IEEE 1609.4 dengan Model Baru Markov Chain Intelligent Transportation System (ITS) adalah salah satu teknologi yang mengintegrasikan antar sistem informasi dan teknologi komunikasi dengan infrastruktur transportasi, kendaraan, dan pengguna jalan. Salah satu implementasi teknologi Intelligent Transportation System (ITS) adalah Vehicular Ad Hoc Network (VANET). VANET merupakan sistem komunikasi kendaraan yang mendukung untuk komunikasi Vehicle to Infrastructure (V2I) dan Vehicle to Vehicle (V2V). Sebagai bagian dari Intelligent Transportation System (ITS), komunikasi kendaraan dalam jaringan VANET dapat lebih efektif dalam menghindari kecelakaan dan kemacetan lalu lintas dari pada jika setiap kendaraan mencoba untuk memecahkan masalah ini secara individual. Standar IEEE 1609.4 didefinisikan sebagai mode operasi Multikanal jaringan VANET pada lapisan Medium Access Control (MAC) yang terdiri dari tujuh kanal frekuensi yang berbeda, yaitu satu kanal CCH178 akan dialokasikan untuk Control Channel (CCH), yang digunakan sebagai kanal publik untuk aplikasi keamanan yang relevan di jalan. Enam kanal ya ng lainnya dialokasikan untuk Service Channel (SCH), yang digunakan sebagai kanal untuk menangani layanan multimedia dan yang tidak berhubungan dengan keamanan di jalan. Salah satu permasalahan dalam penjaminan kinerja pada IEEE 1609.4 adalah tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda. Hal ini menyebabkan delay yang tinggi dan throughput yang rendah. Peningkatan kinerja pada standar IEEE 1609.4 dapat dilakukan dengan optimasi pada proses sinkronisasi interval kanal CCH dan SCH. Pada disertasi ini dikembangkan model baru Markov chain yang bertujuan untuk meningkatkan kinerja sistem koordinasi kanal dinamis pada standar multikanal IEEE 1609.4 terhadap pengaruh anomali kinerja, slot anomali, efek Doppler, fading Nakagami dan AWGN. Perbaikan kinerja yang dilakukan terhadap pengaruh diatas adalah dengan menggunakan nilai awal optimal Contention Window (CW). Penentuan nilai awal CW akan mempengaruhi kinerja yang dihasilkan pada model Markov chain yang digunakan. Nilai awal optimal CW didapatkan dari hasil distribusi node di setiap zone dengan menggunakan distribusi Poisson. Dari hasil simulasi dan evaluasi kinerja yang dihasilkan, dapat dianalisa bahwa model DCF yang diajukan pada disertasi ini dapat menurunkan nilai delay transmisi CCH terhadap adanya kanal propagasi Nakagami dengan rata-rata (mean) sebesar 16.84 %. Selanjutnya, dapat disimpulkan bahwa kinerja yang dihasilkan pada model Markov chain dengan menggunakan nilai awal optimal CW didapatkan meningkatkan nilai Aggregate Throughput sebesar 42.53% dibandingkan dengan model yang diajukan oleh Wang. Sedangkan model DCF yang diajukan meningkatkan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA) terhadap fenomena anomalous slot dengan persentase kenaikan rata-rata (mean) sebesar 11.35 %. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai interval waktu dari akses contention kanal CCH terhadap efek Doppler dengan persentase kenaikan rata-rata (mean) sebesar 11.31 %


Kata Kunci: Intelligent Transportation System (ITS), VANET, IEEE 1609.4, Slot Anomali, Anomali kinerja, Efek Doppler, Fading Nakagami, Additive White Gaussian Noise (AWGN), Aggregate Throughput, Optimal Contention Window (CW)


ABSTRACT Name Major Title

: Doan Perdana : Electrical Engineering : Performance Enhancement on Dynamic Coordination Channel Scheme MAC IEEE 1609.4 with New Markov Chain Model

Intelligent Transportation System (ITS) is one of the technologies that integrate information systems and communication technologies with transportation infrastructures, vehicles and road users. One implementation of the Intelligent Transportation System (ITS) is Vehicular Ad Hoc Network (VANET). VANET is a vehicle communication system which supports Vehicle to Infrastructure (V2I) and Vehicle to Vehicle (V2V) communication. As a part of the Intelligent Transportation System (ITS), vehicles communication in VANET networks can be more effective in avoiding accidents and traffic congestion than if each vehicle try to solve this problem individually. The IEEE 1609.4 standard is defined as the multichannel operation mode of VANET on Medium Access Control (MAC) layer. One of the problems in guaranteeing the performance of the IEEE 1609.4 is the high vehicular node mobility and different trajectory changes. These cause high delay and low throughput. Services Quality assurance to the IEEE 1609.4 standard can be done using optimizing the synchronization process of CCH and SCH channel intervals so that delay can be reduced and throughput saturation of SCH channel can be increased. In this dissertation a new model of the Markov chain will be developed which aims to evaluate the performance of dynamic channel coordination system on the IEEE 1609.4 multichannel standard against performance anomalies influences, slot anomalies, the Doppler Effect, Nakagami fading and Additive White Gaussian Noise (AWGN). The performance improvements that is done to the effect above is to use the optimal initial value of Contention Window (CW). This is consistent with previous studies that have been done, the determination of the initial value of Contention Window (CW) will affect the resulting performance of the used Markov chain model. Optimal initial value Contention Window (CW) is obtained from the distribution of nodes in each zone by using the Poisson distribution. From the simulation and performance evaluation results, it can be concluded that the DCF model in this dissertation can reduce the CCH transmission delay against the propagation channel Nakagami with an average of 16.84%. Moreover, it can be concluded that the performance of the resulting Markov chain model using the optimal initial value obtained CW increases value Aggregate Throughput of 42.8% against the effects of the anomaly performance. Meanwhile, the probability of packet transmission WSA influenced by anomalous slot with the percentage of mean increases approximately 11.35 %. Furthermore, it can be analyzed that the DCF model proposed result is the time interval CCH access contention influenced by anomalous slot with the percentage of mean increases approximately 11.31% Keywords : Intelligent Transportation System (ITS), VANET, IEEE 1609.4, Anomalous Slot, Performance Anomaly, Doppler Effect, Fading Nakagami, Additive White Gaussian Noise (AWGN), Aggregate Throughput, Optimal Contention Window (CW)

xii Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

1

BAB 1 PENDAHULUAN 1.1 Latar Belakang Intelligent Transportation System (ITS) menjadi salah satu topik yang menjanjikan para peneliti dan industri untuk dilakukan pengembangan dan penelitian lebih lanjut dalam beberapa tahun terakhir. ITS adalah salah satu teknologi yang mengintegrasikan antar sistem informasi dan teknologi komunikasi dengan infrastruktur transportasi, kendaraan, dan pengguna jalan. Salah implementasi teknologi ITS adalah Vehicular Ad Hoc Network (VANET). VANET bertujuan untuk memberikan solusi yang efisien dan menarik untuk manajemen lalu lintas dan menghindari kemacetan di sistem jalan, dan hal tersebut telah menjadi salah satu topik yang paling menjanjikan dan muncul dari penelitian. Tingkat keandalan yang tinggi diperlukan untuk aplikasi yang terkait dengan keselamatan pada Control Channel (CCH), sedangkan throughput yang tinggi, dan tingkat delay yang tinggi merupakan perhatian utama untuk aplikasi infotainment pada Service Channel (SCH). Berdasarkan standar IEEE 802.11p, VANETs menggunakan teknik komunikasi jarak pendek atau Dedicated Short Range Communications (DSRC) [1]. Untuk meningkatkan keamanan dan keselamatan berkendara, US Federal Communication Commission (FCC) telah mengalokasikan bandwidth 75 MHz dari spektrum DSRC 5,9 GHz. Alokasi tersebut dibagi menjadi tujuh kanal frekuensi yang berbeda, yaitu satu Control Channel (CCH) 178 akan dialokasikan untuk Control Channel (CCH), yang digunakan sebagai kanal publik untuk aplikasi keamanan yang relevan di jalan [1]. Enam kanal yang lainnya dialokasikan untuk kanal Service Channel (SCH), yang digunakan sebagai kanal untuk menangani layanan multimedia dan yang tidak berhubungan dengan keamanan di jalan. Berdasarkan standar yang dikeluarkan oleh kelompok kerja IEEE 1609, standar IEEE 1609.4 merupakan standar dasar dari sistem operasi Multikanal Medium Access Control (MAC) pada Vehicular Ad Hoc Network (VANET) [1]. Standar Operasi Multi Saluran IEEE 1609.4 telah diajukan pada tahun 2010 untuk meningkatkan protokol IEEE 802.11p yang ada dengan operasi multikanal pada penerima sinyal radio tunggal. IEEE 1609.4 menerapkan skema akses baik waktu maupun frekuensi [1]. Pada standar IEEE 1609.4 didefinisikan mode operasi

Universitas Indonesia Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

2

Multikanal nirkabel radio, parameter akses prioritas, dan karakteristik lain dari MAC dan PHY pada VANETs [1]. Untuk efisiensi koordinasi akses kanal di CCH dan beberapa kanal SCH, skema koordinasi kanal global disinkronisasi dan dikembangkan berdasarkan Universal Time Coordinated (UTC) [2]-[4]. Kanal akses waktu dibagi menjadi interval sinkronisasi dengan panjang tetap sebesar 100 ms, yang terdiri dari interval CCH dan SCH. Berdasarkan standar IEEE 1609.4, setiap kendaraan secara berkala terus bergantian dari Control Channel Interval (CCHI) dan Service Channel Interval (SCHI) [2]-[4]. Selama dalam interval CCH, setiap kendaraan diatur ke saluran pengendali DSRC dan saling bertukaran data yang berkaitan dengan aplikasi keamanan. Selama dalam interval waktu kanal SCH, kendaraan tersebut mungkin diatur kedalam satu dari 6 saluran layanan, dan saling memberi informasi mengenai data multimedia, infotainment, dll [2]-[4]. Selain itu, Interval Synchronization (SYNC) merupakan hasil penghitungan interval CCH dan SCH. Panjang interval SYNC adalah 100 ms dan secara rata dibagi antara interval-interval saluran kontrol dan layanan. Interval penjaga (Guard Interval), diperkenalkan pada awal setiap interval untuk mengurangi efek ketidak akuratan penundaan pergantian Radio Frequency (RF) [5]. Nilai yang umum bagi interval penjaga berkisar antara 4 hingga 6 ms [5]. Selama interval penjaga (Guard Interval), semua transmisi yang sedang berlangsung digagalkan dan lapisan MAC dalam kondisi sibuk. Pada awal setiap interval, aktivitas-aktivitas MAC terdahulu ditunda dan yang baru dimulai atau dimulai kembali, tujuannya untuk memastikan setiap paket ditransmisikan pada saluran yang tepat [5]. Dari hasil studi literatur dan kajian penelitian terkait, besar dan panjang interval sinkronisasi yang tetap, yaitu 100 ms, kurang bisa menyesuaikan dengan kondisi trafik layanan yang padat dan tingkat mobilitas yang tinggi di lingkungan VANETs. Dalam kondisi trafik layanan yang padat, panjang terbatas Control Channel (CCH) tidak dapat menyediakan bandwidth yang cukup untuk memberikan sejumlah besar paket keselamatan dan paket control [2]-[4]. Di sisi lain, jika distribusi node jarang, transmisi sesekali pada Control Channel (CCH) akan menyia-nyiakan sumber daya kanal, sedangkan beberapa aplikasi memakan bandwidth aplikasi besar, seperti download video dan memperbaharui peta, tidak dapat memperoleh sumber daya yang cukup pada kanal SCH [2]-[4]. Untuk mengatasi permasalahan di atas, beberapa kajian penelitian Universitas Indonesia


3

terkait dengan model koordinasi kanal dengan menggunakan skema panjang interval sinkronisasi yang dinamis telah dicoba dikembangkan oleh para peneliti dengan area penelitian mengenai VANETs. 1.2 Permasalahan Salah satu permasalahan dalam layanan kinerja pada IEEE 1609.4 (VANET) adalah tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda sehingga menyebabkan delay yang tinggi dan throughput yang rendah. Penjaminan kualitas layanan pada standar IEEE 1609.4 dapat dilakukan dengan skema koordinasi saluran CCH dan SCH secara dinamis. Hal ini dilakukan dengan optimasi pada proses sinkronisasi interval kanal CCH dan SCH sehingga dapat mengurangi delay dan meningkatkan saturasi throughput saluran SCH. Telah banyak skema dan pemodelan yang telah diusulkan untuk mengatasi masalah diatas, namun penelitian yang diusulkan mempunyai keterbatasan dalam layanan kinerja. Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang, Q dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang membagi interval Control Channel (CCH) menjadi interval keamanan (safety interval) dan interval WAVE Service Advertisement (WSA). Skema ini dapat menyesuaikan rasio antara interval CCH dan interval SCH sesuai dengan kondisi jaringan, sehingga dalam kondisi lalu lintas kendaraan yang berubah secara dinamis, interval CCH dan SCH mampu menyediakan bandwidth yang tepat untuk memberikan kedua paket keamanan / kontrol dan aliran aplikasi. Skema VCI yang dikembangkan oleh Wang dkk [2]-[4] dirancang untuk meningkatkan saturasi throughput pada kanal SCH sambil memastikan transmisi aplikasi keamanan (safety application). Selanjutnya, Liu dkk [6] memperkenalkan Dynamic Interval Division Multichannel MAC (DID-MMAC) untuk penyesuaian dinamis interval CCH/SCH. Protokol Dynamic Interval Division Multikanal MAC (DID-MMAC) dilakukan dengan membagi interval CCH menjadi tiga tahap berdasarkan jenis pesan yang berbeda: Service Announce Phase (SAP), Beacon Phase (BP), dan Peer-to-Peer Reservation Phase (PRP). Pesan WAVE Service Advertisement (WSA) dan beacon yang ditransmisikan dalam masing-masing SAP dan BP, dan pertukaran pesan Universitas Indonesia


4

kontrol untuk pemesanan SCH dilakukan di PRP. Skema yang diajukan dapat mengurangi delay transmisi dari safety application tapi kanal SCH tidak terutilisasi dengan baik. Penelitian yang dilakukan tidak memperhatikan pengaruh interference yang dihasilkan oleh hidden node. Pada penelitian yang lainnya, D. Zhu dkk [7] memperkenalkan skema Dynamic CCH Interval (DCI) untuk melakukan dynamic adjustment pada SCH/CCH Interval. Skema Dynamic CCH Interval (DCI) identik dengan Variable CCH Interval (VCI). Namun perbedaan dengan VCI yang didasarkan pada rata-rata waktu yang dikonsumsi pada CCH untuk negosiasi layanan pengiriman paket, DCI menghitung nilai optimal interval WAVE Service Advertisement (WSA) berdasarkan distribusi probabilitas dari waktu pemesanan untuk paket layanan dalam interval CCH. Skema DCI mendefinisikan

sebagai jumlah maksimum layanan paket data yang dapat

ditransmisikan pada interval SCH yang diberikan [7]. Akhirnya, DCI memperoleh WAVE Service Advertisement (WSA) Interval yang optimal dengan mencari

optimal untuk

meminimalkan perbedaan antara jumlah interval WAVE Service Advertisement (WSA), SCH dan sinkronisasi sisa kecuali untuk interval keselamatan (safety interval). Yoo, H dkk [8] memperkenalkan skema Dynamic Safety Interval (DSI) untuk menghitung interval keselamatan (safety interval) optimal dalam kondisi lalu lintas yang dinamis dengan cara yang didistribusikan. Berbeda dengan skema disebutkan sebelumnya, DSI hanya membahas masalah penyesuaian interval keselamatan (safety interval). Secara khusus, DSI menghitung interval keselamatan (safety interval) mengingat keberadaan node tersembunyi (hidden node). Skema Dynamic Interval Division Multikanal MAC (DID-MMAC), Variable CCH Interval (VCI), dan Dynamic CCH Interval (DCI) tidak mempertimbangkan gangguan adanya noise. DSI bertujuan untuk memungkinkan interval keselamatan untuk mengakomodasi transmisi dari node dalam domain contention yang sama. Pengertian dari domain contention adalah bagian dari jaringan di mana paket data dapat bertabrakan dengan satu sama lain ketika dikirim pada medium secara bersamaan serta node tersembunyi (hidden node) dari mereka. Disamping model koordinasi kanal, beberapa pendekatan dan kajian analitikal model dilakukan untuk memperkirakan throughput pengiriman WAVE Service Advertisement (WSA)/RFS menggunakan skema DCF diperlihatkan pada [2]-[8]. Sebagian besar literatur tersebut menggunakan pendekatan Markov chain. Namun beberapa literatur juga melakukan Universitas Indonesia


5

pengembangan menggunakan pendekatan non-Markov, seperti pendekatan queueing network oleh Karamad dkk. [9], pendekatan mean value analysis oleh Lin dkk. [10] dan pendekatan counter backoff distribution oleh Tinnirello dkk. [11]. Pendekatan Markov chain memiliki keunggulan yaitu jika perancangan model Markov chain dilakukan secara baik, maka dapat menyederhanakan kompleksitas skema DCF, sehingga model analitikal skema DCF dapat dibuat lebih mudah. Pengembangan model analitikal skema DCF menggunakan pendekatan Markov chain banyak dilakukan oleh peneliti dengan mengembangkan model Bianchi [12]. Wang, Q [2]-[4] mengembangkan [12] agar dapat digunakan untuk menganalisis kinerja throughput yang dihasilkan pada skema koordinasi kanal standar IEEE 1609.4. Yang dkk. [13] melakukan kajian penelitian dan pengembangan model analitikal skema DCF terkait dengan mobilitas node pada standar IEEE 802.11, yaitu dengan mengelompokkan node dalam sebuah BSS tergantung dari laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps, dan menetapkan group ID i=1, 2, 3 dan 4 untuk setiap kelompok dari nodes, secara berurutan. Node yang heterogen ini menunjukkan bahwa durasi untuk mentransmit sebuah frame oleh suatu node pada setiap group berbeda. Semakin rendah laju transmisi, semakin lama durasi untuk mentransmit sebuah frame. Misalkan group

adalah backoff window untuk sebuah station pada

pada backoff stage . Pada mekanisme DCF konvensional menggunakan CSMA/CA,

semua nodes pada group I manapun memiliki backoff window awal yang sama

, untuk semua

i=1, 2, 3, dan 4. Model yang dikembangkan oleh Yang. dkk [13] merupakan pengembangan dari model Bianchi. Model Bianchi [12] dan model-model lain yang dikembangkan dari model tersebut menggunakan asumsi bahwa pengurangan counter backoff yang dilakukan pada awal sebuah time slot. Penggunaan asumsi ini berdasarkan pada penjelasan dalam dokumen standar IEEE 802.11 yang sebenarnya tidak tepat, karena seharusnya pengurangan nilai counter backoff dilakukan pada bagian akhir dari sebuah time slot [3]. Penggunaan asumsi pengurangan nilai counter backoff pada bagian akhir sebuah time slot menyebabkan adanya fenomena slot anomali. Slot anomali adalah slot pertama setelah keberhasilan proses transmisi frame hanya dapat digunakan oleh STA yang terakhir melakukan transmisi. STA lain tidak pernah dapat Universitas Indonesia


6

menggunakan slot tersebut. Slot anomali juga muncul ketika terjadi collision saat sebuah frame ditransmisikan. Slot backoff pertama setelah kemunculan collision tidak dapat digunakan oleh semua STA. Akibat adanya slot anomali ini adalah durasi transmisi frame dan frame collision menjadi bertambah lama satu slot. Fenomena slot anomali ini tidak diperhitungkan pada model analitikal yang diajukan oleh Bianchi dan oleh literatur lain yang mengembangkan model analitikal dari model Bianchi tersebut. Tinnirello dkk. di dalam [11] telah menyempurnakan model Bianchi [12], dengan memperhitungkan masalah slot anomali pada model analitikal throughput skema DCF. Namun model analitikal pada [11] memperkirakan throughput skema DCF hanya berdasarkan probabilitas kanal dalam kondisi idle, dalam kondisi transmisi dan dalam kondisi collision. Model analitikal [11] dan model analitikal yang diajukan oleh peneliti lain [2]-[13] pada umumnya menggunakan asumsi kanal dalam kondisi ideal tanpa error. Penggunaan asumsi ini sangat tidak sesuai dengan karakteristik kanal wireless. Kanal wireless banyak dipengaruhi oleh noise dan interferensi. Dengan demikian model-model analitikal pada [2]-[13] tidak dapat digunakan untuk memperkirakan throughput skema DCF secara akurat. 1.3 Tujuan Tujuan penelitian disertasi ini adalah membuat model analitikal baru yang dapat digunakan untuk memperkirakan secara akurat throughput pengiriman WAVE Service Advertisement (WSA)/Ready for Service (RFS) melalui skema koordinasi kanal CCH/SCH dinamis terhadap pengaruh mobilitas node pada standar Multikanal MAC IEEE 1609.4 Model analitikal dibuat berdasarkan tiga mekanisme pengiriman WSA/RFS yang berbeda pada skema koordinasi kanal CCH/SCH. Ketiga mekanisme tersebut adalah 1) pengiriman WSA/RFS degan memperhatikan distribusi dan laju transmisi tiap node, 2) pengiriman WSA/RFS dengan memperhatikan slot anomali dan bit error akibat pengaruh Additive White Gaussian Noise (AWGN), dan 3) pengiriman WSA/RFS tanpa memperhatikan slot anomali. Model analitikal pengiriman WSA/RFS dengan memperhatikan distribusi node tiap zona dibuat berdasarkan proses backoff pada skema MAC DCF dengan membagi node pada tujuh zona dengan menggunakan distribusi poisson dan tergantung dari laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps. Sementara itu Universitas Indonesia


7

model analitikal pengiriman WSA/RFS menggunakan slot anomali dibuat berdasarkan proses backoff pada skema MAC DCF. Pembuatan model analitikal baru throughput skema DCF dalam disertasi ini dilakukan dengan memperhitungkan pengaruh fenomena slot anomali pada skema DCF dan memperhitungkan pengaruh AWGN. Pada model analitikal skema DCF yang diajukan, diasumsi sebuah frame selain dapat mengalami collision, juga dapat mengalami error akibat adanya AWGN. Durasi kanal sibuk akibat frame WSA/RFS error dan frame ACK error dihitung bersama dengan durasi slot anomali. Probabilitas error frame WSA/RFS dan frame ACK dihitung berdasarkan probabilitas bit error pada kanal propagasi akibat nakagami fading. Model analitikal baru throughput pengiriman WSA/RFS menggunakan skema koordinasi kanal CCH/SCH dalam disertasi ini dilakukan dengan memperhitungkan pengaruh distribusi poisson dan laju transmisi node pada skema DCF. Model analitikal juga memperhitungkan pengaruh bit error pada kanal propagasi Nakagami terhadap throughput ketiga skema tersebut. Throughput skema koordinasi kanal CCH/SCH dihitung berdasarkan asumsi frame WSA/RFS dan ACK dapat mengalami error. Durasi kanal sibuk akibat frame-frame tersebut mengalami error dihitung bersama dengan durasi slot anomali pada skema DCF. 1.4 Kontribusi Kontribusi dari disertasi ini dapat dijelaskan sebagai berikut, yaitu telah dihasilkan model analitikal throughput pengiriman WAVE Service Advertisement (WSA)/RFS dengan skema koordinasi kanal CCH/SCH pada lapisan Multikanal IEEE 1609.4. Kebaruan model analitikal yang diajukan adalah model analitikal yang diturunkan dengan menggunakan Markov chain tiga dimensi dan memperhitungkan nilai optimum initial CW berdasarkan dari distribusi node di setiap zone. Model analitikal yang diajukan juga memperhatikan adanya masalah anomali kinerja (performance anomaly) yang menunjukkan adanya degradasi kinerja yang tak diharapkan dari node-node yang menggunakan laju data tinggi proses backoff pada setiap STA yang akan memperebutkan medium wireless dengan mengelompokkan node berdasarkan laju transmisi yang berbeda, yaitu 3, 6, 9, 12, 18, 27 Mbps. Dari studi literatur yang telah dilakukan, diketahui model-model analitikal sebelumnya yang telah diajukan oleh peneliti lain untuk mengatasi Universitas Indonesia


8

adanya degradasi kinerja di 802.11 dilakukan dengan mengubah nilai initial CW dengan tidak menentukan nilai optimum dari CW. Disamping penelitian yang dilakukan di 802.11p jarang dibahas mengenai adanya degradasi kinerja akibat adannya anomali kinerja. Hasil simulasi memperlihatkan model analitikal yang diajukan dapat memperkirakan throughput lapisan MAC pada standar IEEE 1609.4 secara akurat. Dengan menggunakan parameter simulasi yang sama, model analitikal yang diajukan memperlihatkan bahwa throughput skema DCF yang dihasilkan lebih tinggi dibandingkan model yang diajukan oleh Yang dan Model Wang. Sedangkan untuk hasil rata-rata delay transmisi pada kanal CCH dan SCH yang dihasilkan lebih rendah dibandingkan dengan model yang diajukan oleh Yang dan Model Wang. Dari hasil studi literatur dan penelitian lapisan Multikanal MAC standar IEEE 1609.4 telah dihasilkan model analitikal throughput slot WSA mempertimbangkan slot anomali pada lapisan MAC DCF. Kebaruan model analitikal yang diajukan adalah model analitikal yang diturunkan menggunakan distribusi probabilitas transmisi dengan pendekatan Markov dan probabilitas bit error karena adanya noise AWGN. Model analitikal yang diturunkan memperhatikan adanya masalah slot anomali proses backoff pada setiap STA yang akan memperebutkan medium wireless yang akan mentransmisikan WSA menggunakan skema koordinasi kanal CCH/SCH. Model analitikal yang dibuat juga Model analitikal yang diturunkan juga memperhatikan masalah probabilitas paket data WSA dan ACK mengalami error saat ditransmisikan melalui lapisan Multikanal MAC. Hasil simulasi memperlihatkan model analitikal slot WSA dan Block ACK yang ajukan dapat memperkirakan throughput pengiriman WSA/RFS melalui lapisan MAC DCF standar IEEE 1609.4 secara akurat. Dari hasil studi literatur dan penelitian model slot frame WSA pada Multikanal MAC IEEE 1609.4, telah dihasilkan model analitikal throughput pengiriman WSA dengan pendekatan Markov chain tiga dimensi dan memperhatikan efek Doppler dari setiap node, yang akan mempengaruhi delay dan throughput yang dihasilkan lapisan Multikanal MAC DCF IEEE 1609.4. Kebaruan studi yang dilakukan adalah model analitikal yang diturunkan menggunakan fungsi kepadatan probabilitas (pdf) distribusi Nakagami dengan mempertimbangkan adanya masalah slot anomali proses backoff pada setiap STA yang akan memperebutkan medium wireless dan adanya degradasi kinerja akibat pengaruh fenomena anomali kinerja (performance Universitas Indonesia


9

anomaly) dengan mengelompokkan node berdasarkan laju transmisinya. Model analitikal yang dibuat juga memperhatikan efek Doppler dari setiap node, yang akan mempengaruhi delay dan throughput yang dihasilkan lapisan Multikanal MAC DCF IEEE 1609.4. Dari studi literatur yang telah dilakukan, diketahui model-model analitikal sebelumnya yang telah diajukan oleh peneliti lain tidak memperhatikan kedua permasalahan tersebut. 1.5 Batasan Masalah Batasan masalah yang dilakukan dalam disertasi ini adalah sebagai berikut. 1. Model analitikal yang diajukan dibatasi pada permasalahan perhitungan throughput dan nilai rata-rata delay transmisi pada kanal CCH dan SCH berdasarkan probabilitas frame mengalami collision dan error akibat pengaruh Additive White Gaussian Noise (AWGN). 2. Permasalahan kanal error pada kanal propagasi Nakagami dibatasi pada pembahasan probabilitas bit mengalami error akibat pengaruh Additive White Gaussian Noise (AWGN). 3. Penelitian dilakukan dengan pemodelan dan simulasi terhadap skema yang diusulkan. Simulasi dilakukan dengan bantuan Network Simulator NS3 dan pemodelan serta analisa keandalan dengan bantuan Matlab. 4. Diasumsikan kesalahan yang diakibatkan oleh gangguan pada lapisan fisik seperti interferensi telah dapat diselesaikan dengan pengolahan sinyal yang baik dan di luar lingkup penelitian ini. 1.6 Sistematika Penulisan Sistematika penulisan disertasi ini diorganisasikan adalah sebagai berikut: BAB 1. Pendahuluan Membahas latar belakang pemilihan topik penelitian, permasalahan penelitian, tujuan penelitian, kontribusi penelitian, batasan masalah serta sistematika penulisan. BAB 2. Studi Protokol Standar IEEE 1609.4

Universitas Indonesia


10

Membahas lapisan protokol IEEE 802.11p dan IEEE 1609.4, mencakup lapisan operasi Multikanal MAC. Pada lapisan Multikanal MAC akan dibahas mengenai macammacam tipe Multikanal MAC dan model yang sesuai Multikanal MAC dengan lapisan MAC IEEE 1609.4. Pada bab ini, akan dibahas juga mengenai teknik optimasi Multikanal MAC IEEE 1609.4 dan faktor yang mempengaruhi teknik optimasi koordinasi kanal pada Multikanal MAC IEEE 1609.4. Network Simulator NS-3 juga dibahas pada akhir bab ini khususnya yang berhubungan dengan modul lapisan MAC IEEE 1609.4 pada NS-3. BAB 3. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan Skema Koordinasi Kanal Dinamis Pada Bab ini dibahas model analitikal throughput DCF skema koordinasi kanal dinamis yang diajukan oleh Wang dkk. Kemudian akan dibahas pemodelan koordinasi kanal dengan pendekatan Markov chain bidimensional dengan memperhitungkan pengaruh kanal propagasi akibat adanya pengaruh fading Nakagami. Pada akhir bab ini disampaikan simulasi model throughput skema DCF dan pembahasan hasil simulasi. BAB 4. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan Skema Koordinasi Kanal Dinamis akibat adanya anomali kinerja (performance anomaly) Pada Bab ini dibahas model Markov chain tiga dimensi yang diajukan oleh Yang dkk. dan model skema koordinasi kanal yang diajukan oleh Wang dkk. Kemudian akan dibahas pemodelan koordinasi kanal dengan pendekatan model Markov chain tiga dimensi dengan memperhitungkan pengaruh adanya anomali kinerja (performance anomaly). Pada akhir bab ini disampaikan simulasi model throughput skema DCF dan pembahasan hasil simulasi. BAB 5. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan pengaruh Slot Anomali dan Additive White Gaussian Noise (AWGN) Pada Bab ini dibahas pemodelan DCF Multikanal IEEE 1609.4 berdasarkan pengaruh slot anomali dan Additive White Gaussian Noise (AWGN) yang menghasilkan persamaan probabilitas collision, probabilitas transmisi, probabilitas slot idle, dan



11

probabilitas bit error dengan menggunakan skema koordinasi kanal dinamis. Pada Simulasi dilakukan menggunakan simulasi matematis. BAB 6. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan pengaruh Anomali Kinerja (Performance Anomaly) dan adanya efek Doppler akibat pengaruh mobilitas node Pada Bab ini dibahas pemodelan DCF Multikanal IEEE 1609.4 berdasarkan pengaruh anomali kinerja (performance anomaly) dan Additive White Gaussian Noise (AWGN) yang menghasilkan persamaan probabilitas collision, probabilitas transmisi dan probabilitas slot idle dan probabilitas bit error dengan mempertimbangkan efek Doppler dan laju transmisi node yang berbeda dengan menggunakan skema koordinasi kanal. Pada Simulasi dilakukan menggunakan simulasi matematis. BAB 7. Kesimpulan Pada Bab ini disampaikan butir-butir kesimpulan atas analisa yang telah dilakukan dan pemaparan rencana peluang penelitian selanjutnya.



12

BAB 2 STUDI PROTOKOL STANDAR IEEE 802.11p 2.1 Standar IEEE 802.11p (VANET) Intelligent Transportation System (ITS) merupakan teknologi yang mengintegrasikan antar sistem informasi dan teknologi komunikasi dengan infrastruktur transportasi. Salah implementasi teknologi ITS adalah Vehicular Ad Hoc Network (VANET). VANET merupakan sistem komunikasi kendaraan dimana mendukung untuk komunikasi Vehicle to Infrastructure (V2I) dan Vehicle to Vehicle (V2V). Sebagai bagian dari ITS, komunikasi kendaraan dalam jaringan VANET dapat lebih efektif dalam menghindari kecelakaan dan kemacetan lalu lintas dari pada jika setiap kendaraan mencoba untuk memecahkan masalah ini secara individual seperti dijelaskan pada Gambar 2.1.

Gambar 2.1 Struktur Jaringan VANET [14]- [15]

Standar IEEE 802.11p merupakan standar protokol jaringan untuk penyediaan jaringan VANET [1]. Standar ini mendukung untuk komunikasi Vehicle to Vehicle (V2V) dan Vehicle to Infrastructure (V2I). Berdasarkan standar IEEE 802.11p, VANETs menggunakan teknik komunikasi jarak pendek atau Dedicated Short Range Communications (DSRC) [1]. Untuk meningkatkan keamanan dan keselamatan berkendara, US Federal Communication Commission telah mengalokasikan bandwidth 75 MHz dari spektrum DSRC 5.9 GHz [1]. Alokasi tersebut dibagi menjadi tujuh kanal frekuensi yang berbeda, yaitu satu kanal CCH178 akan dialokasikan Universitas Indonesia


13

untuk Control Channel (CCH), yang digunakan sebagai kanal publik untuk aplikasi keamanan yang relevan di jalan. Enam kanal yang lainnya dialokasikan untuk Service Channel (SCH), yang digunakan sebagai kanal untuk menangani layanan multimedia dan yang tidak berhubungan dengan keamanan di jalan. Berdasarkan kajian penelitian sebelumnya, tingkat efisiensi skema multikanal CCH dan SCH akan mempengaruhi kinerja lapisan Media Access Control (MAC) dari jaringan VANET. Maka dari itu pada sub bab selanjutnya, akan dibahas mengenai standar IEEE 1609.4 lapisan MAC Multikanal VANET. 2.2 Standar IEEE 1609.4 lapisan MAC Multikanal VANET Standar IEEE 1609.4 didefinisikan sebagai mode operasi multikanal jaringan VANET pada lapisan Media Access Control (MAC). Salah satu permasalahan dalam sistem komunikasi pada operasi multikanal standar IEEE 1609.4 adalah penjadwalan multiuser akses dan alokasi kanal. Untuk efisiensi koordinasi akses kanal di Control Channel (CCH) dan beberapa kanal Service Channel (SCH), skema koordinasi kanal global disinkronisasi dan dikembangkan berdasarkan Universal Time Coordinated (UTC), dimana kanal akses waktu dibagi menjadi interval sinkronisasi dengan panjang tetap sebesar 100 ms, yang terdiri dari interval CCH dan SCH [2]. Berdasarkan standar IEEE 1609.4, setiap kendaraan secara berkala terus bergantian dari Control Channel Interval (CCHI) dan Service Channel Interval (SCHI) [1]-[2]. Selama dalam interval-interval CCH, setiap kendaraan diatur ke saluran pengendali Dedicated Short Range Communications (DSRC) dan saling bertukaran data yang berkaitan dengan aplikasi keamanan. Selama dalam interval waktu kanal SCH, kendaraan-kendaraan tersebut mungkin diatur kedalam satu dari 6 saluran layanan, dan saling memberi informasi infotainment [1]-[5].



14

Control Channel (CCH) Ch 184

5.850

Ch 182

5.850

Ch 180

Ch 178

5.850

5.850

Ch 176

5.850

Ch 174

5.850

Ch 172

5.850

5.850

Critical Safety Of Life

Frekuensi (GHz) Service Channel (SCH)

Service Channel (SCH)

Gambar 2.2 Band Channel DSRC [16]

Federal Communication Commission (FCC) telah mendesain setiap kanal baik sebagai Service Channel (SCH) atau sebagai Control Channel (CCH) seperti ditunjukkan pada Gambar 2.2. Kanal 178 adalah control channel (CCH), yang merupakan kanal standar untuk komunikasi keselamatan publik. Kedua kanal di ujung pita spektrum dicadangkan untuk peruntukan aplikasi yang dapat mencegah kecelakaan dan komunikasi keselamatan publik dengan daya tinggi. Sisanya adalah service channel (SCH) yang tersedia untuk penggunaan aplikasi safety dan non safety. Seperti diperlihatkan pada Gambar 2.3, standar IEEE 802.11p terdiri dari dua lapisan utama di bawah yaitu lapisan Media Access Control (MAC) dan lapisan physical (PHY). Lapisan physical (PHY) dari IEEE 802.11p sama dengan standar 802.11a dan dapat memberikan kecepatan transmisi data antara 3 sampai dengan 27 Mb/s dengan menggunakan bandwidth 10 MHz, yang merupakan setengah dari alokasi bandwidth standar 802.11a. Disamping itu, VANETs mendukung komunikasi dengan jarak antara 300-1000 m. Sedangkan untuk lapisan MAC, akan mengikuti berdasarkan standar yang dikeluarkan oleh kelompok kerja IEEE 1609, yaitu standar IEEE 1609.4 yang merupakan standar dasar dari sistem operasi Multikanal MAC pada VANETs. Pada standar IEEE 1609.4 didefinisikan mode operasi Multikanal nirkabel radio, termasuk operasi interleaving dari kanal CCH dan SCH, parameter akses prioritas, dan karakteristik lain dari MAC dan PHY pada VANETs.



15

Standards covered In this paper

Safety Applications

Non-Safety Applications

Safety App. Sublayer

Application Layer Message Sublayer

SAE J2735 SAE J2945.1 Security Services

IEEE 1609.2 IEEE 1609.3

Network and Transport Layers WSMP

Transport Layer TCP/UDP

IETF RFC 793/768

Network Layer Ipv^

IETF RFC 2460

LLC Sublayer

IEEE 1609.4

IEEE 802.2

MAC Sublayer Extension MAC Sublayer

IEEE 802.11p

PHY Layer

Gambar 2.3 Layer standar IEEE 802.11p dan IEEE 1609.4 [17]

Dengan mempertimbangkan kondisi trafik dan mobilitas yang tinggi pada sistem operasi Multikanal standar IEEE 1609.4, maka skema koordinasi akses kanal CCH dan SCH yang dinamis menjadi hal yang penting dalam peningkatan efisiensi transmisi pada lapisan MAC IEEE 1609.4/802.11p. Skema ini akan mempengaruhi nilai throughput dan delay transmisi yang dihasilkan. Maka dari itu pada sub bab selanjutnya ini akan dibahas skema koordinasi kanal dinamis pada standar IEEE 1609.4.

2.3 Skema koordinasi kanal dinamis IEEE 802.11p/1609.4 Mekanisme koordinasi kanal merupakan skema penting dalam peningkatan efisiensi transmisi pada lapisan MAC IEEE 1609.4/802.11p. Skema koordinasi kanal dapat meningkatkan saturasi throughput kanal SCH dan mengurangi tingkat delay transmisi paket layanan. Skema koordinasi kanal adalah mekanisme koordinasi kanal CCH (aplikasi keamanan) dan SCH (aplikasi non-keamanan) dalam sistem operasi multi-channel IEEE 1609.4 dengan memanfaatkan sinkonisasi interval kanal CCH dan SCH. Skema koordinasi kanal dibedakan



16

menjadi dua mekanisme, yaitu skema koordinasi kanal antar kendaraan (Vehicle to Vehicle) dan skema koordinasi kanal kendaraan dengan infrastruktur (Vehicle to Insfrastructure). Berdasarkan penjelasan standar IEEE 802.11p, IEEE 1609.4 diterapkan ketika DSRC beroperasi dalam lingkungan multi-channel, dengan band frekuensi 5.9 GHz. IEEE 1609.4 mendefinisikan manajemen ekstensi MAC yang memungkinkan sebuah sistem dengan satu atau lebih radio untuk secara efektif beralih di antara saluran-saluran. Periode sinkronisasi 100 ms

Interval SCH

Interval Penjaga

Interval SCH

Interval Penjaga

Interval Penjaga

Interval Penjaga

Interval CCH

Periode Sinkronisasi 100 ms

Interval SCH

50 ms

50 ms waktu

Interval Penjaga = 4 ms

Gambar 2.4 Pembagian Interval Waktu CCH dan SCH [1]

Standar IEEE 1609.4 telah mengatur konsep waktu interval channel dimana dibagi ke dalam interval control channel (CCH) dan service channel (SCH) secara bergantian [1], seperti ditunjukkan pada Gambar 2.3. Pada setiap interval Control Channel (CCH) dan Service Channel (SCH) selalu diawali dengan Guard Interval (GI) sebesar 4ms. Lama waktu untuk masing-masing interval adalah selama 50ms. Sepasang interval CCH dan SCH akan membentuk Sync interval, sehingga terdapat sepuluh sync per detik. Hal ini didorong oleh keinginan untuk memetakan sync interval dengan asumsi umumnya laju pesan keselamatan kendaraan adalah sebesar 10Hz. Awal CCH interval sejalan dengan waktu dimulainya Universal Time Coordinated (UTC) atau kelipatan dari 100ms setelahnya, seperti ditunjukkan pada Gambar 2.5.



17

Interval CCH

Interval SCH

Interval CCH

Interval SCH

Interval CCH

Interval SCH

Interval CCH

Interval SCH

Waktu Akhir waktu UTC

Mulai waktu UTC

Gambar 2.5 Siklus Peralihan Akses CCH, SCH dan Guard Interval [1]

Koordinasi saluran dirancang untuk mendukung pertukaran data yang melibatkan satu atau lebih perangkat switching yang beroperasi bergantian secara terus menerus pada kanal CCH dan SCH. Gambar 2.6 menunjukkan dua contoh dari akses kanal: akses secara kontinu, yang tidak memerlukan koordinasi channel, dan akses bergantian, yang memerlukan koordinasi channel. Interval CCH

Interval SCH

Interval CCH

Interval SCH

waktu (a) CCH

(b) CCH SCH

Gambar 2.6 Akses Channel: (a) Kontinu (b) Bergantian [1]

Pada umumnya On Board Unit (OBU) DSRC secara default disetel ke kanal CCH untuk mengirim dan menerima pesan keselamatan secara terus menerus. Jika komunikasi melibatkan aplikasi non safety pada kanal SCH, maka OBU harus aktif beralih di antara kanal CCH dan SCH selama sesi layanan. Dengan akses kanal secara bergantian, radio DSRC dapat digunakan untuk komunikasi keamanan selama CCH interval dan digunakan untuk aplikasi lain selama SCH interval. Beberapa skema koordinasi kanal untuk menjamin kualitas layanan (QoS), yaitu sebuah algoritma dengan mekanisme Centralized Coordination yang disebut sebagai A RSU-Assisted Universitas Indonesia


18

Multi-Channel Coordination MAC Protocol (RAMC) [18], yang didasarkan pada algortima sebelumnya Dedicated Coordinating Access Point (DCAP) untuk menangani delay yang tinggi dan menjamin delivery ratio kanal CCH dalam mengirimkan trafik safety application dan menghasilkan throughput yang tinggi kanal SCH dalam mengirimkan paket non-safety application. Wang, Q dkk. [2]-[4] mengusulkan algoritma baru yang disebut sebagai Variable CCH Interval MAC (VCI-MAC) yang didasarkan pada algortima sebelumnya Dedicated Multikanal MAC (DMMAC) [19] untuk menghasilkan saturasi throughput SCH yang tinggi serta mengurangi delay transmisi service packet sementara memaintain prioritasi transmisi dari critical safety information CCH dengan menggunakan panjang paket CCH yang varibel. Disimpulkan bahwa mekanisme ini bagus untuk lingkungan single hop wireless communication, sedangkan untuk lingkungan multi hop wireless communication diperlukan kajian lebih lanjut. Liu dkk.[18] mengusulkan sebuah algoritma dengan mekanisme Centralized Coordination yang disebut sebagai A RSU-Assisted Multi-Channel Coordination MAC Protocol (RAMC), yang didasarkan pada algortima sebelumnya Dedicated Coordinating Access Point (DCAP) untuk menangani delay yang tinggi dan menjamin delivery ratio kanal CCH dalam mengirimkan trafik safety application dan menghasilkan throughput yang tinggi kanal SCH dalam mengirimkan paket non-safety application. Huang dkk. [20] mengusulkan An Effective Channel Utilization Scheme for IEEE 1609.4 Protocol, untuk memaksimalkan throughput kanal dan efektifitas penggunaan kanal dan menurunkan waktu delay untuk mendapatkan informasi layanan dari RSU. Skema Variable CCH Interval (VCI) multikanal Media Access Control (MAC) merupakan mekanisme skema koordinasi antara saluran CCH dan saluran SCH. Menurut [2]-[4] hasil simulasi yang diperoleh dapat meningkatkan saturasi throughput saluran SCH dan mengurangi delay paket layanan, sambil mempertahankan transmisi prioritas informasi keselamatan penting saluran CCH. Skema di atas kemudian dikembangkan oleh Ahmad A. dkk [19], yaitu Dedicated Multikanal MAC (DMMAC) untuk menghasilkan saturasi throughput SCH yang tinggi serta mengurangi delay transmisi service packet sementara memelihara prioritasi transmisi dari critical safety information CCH dengan menggunakan panjang paket CCH yang bervariasi. Universitas Indonesia


19

Beberapa skema koordinasi yang lainnya untuk menjamin kualitas layanan (QoS), yaitu sebuah algoritma [18] dengan mekanisme Centralized Coordination yang disebut sebagai A RSU-Assisted Multi-Channel Coordination MAC Protocol (RAMC), yang didasarkan pada algortima sebelumnya Dedicated Coordinating Access Point (DCAP) untuk menangani delay yang tinggi dan menjamin delivery ratio kanal CCH dalam mengirimkan trafik safety application dan menghasilkan throughput yang tinggi kanal SCH dalam mengirimkan paket non-safety application. 2.3.1 Variable CCH Interval (VCI) Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang membagi interval kanal CCH menjadi interval keamanan dan interval WSA. Pada skema ini dapat menyesuaikan rasio antara interval CCH dan interval SCH sesuai dengan kondisi jaringan, sehingga dalam kondisi lalu lintas kendaraan yang berubah secara dinamis, interval CCH dan SCH mampu menyediakan bandwidth yang tepat untuk

memberikan kedua paket

keamanan/kontrol dan aliran aplikasi. Skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dkk [2]-[4] dirancang untuk meningkatkan saturasi throughput pada kanal SCH sambil memastikan transmisi aplikasi keamanan (safety application). Algoritma 1. Prosedur dalam memilih selang CCH // Eksekusi oleh node pada awal interval CCH Interval CCH siklus arus sinkronisasi: // CIcurr Interval CCH siklus sinkronisasi sebelumnya: // CIprev // CIwsa_f: Interval CCH diumumkan dalam bingkai WSA // CIvci_f: The CCH Interval diumumkan dalam bingkai VCI // Mengatur default CCH Interval jika CIprev nol tidak sama maka CIcurr = CIprev yang lainnya CIcurr = 50 ms akhir jika // Update Interval CCH saat menerima frame VCI jika menerima bingkai VCI kemudian jika itu adalah pertama kalinya menerima bingkai VCI kemudian Update CIcurr yang lainnya jika CIcurr


20

CIcurr = CIvci_f selesai jika selesai jika // Perbarui CCH Interval saat menerima WSA / RFS / ACK bingkai jika menerima WSA / RFS / ACK bingkai kemudian jika belum menerima frame VCI kemudian Update CIcurr yang lainnya jika WSA / RFS / ACK frame dari node akan terhubung untuk kemudian // Di bawah RSUs berbeda jika CIcurr
Gambar 2.7 Skema Variable CCH Interval (VCI) [2]-[4]

Berdasarkan penelitian yang sudah dilakukan oleh Wang dkk [2]-[4] di atas, maka dijelaskan bahwa skema ini diawali dengan inisialisasi nilai awal VCI = 50 ms, kemudian proses update nilai CCH interval pada frame Variable CCH Interval (VCI) dan WAVE Service Advertisement (WSA)/RFS/ACK. Pada proses di VCI frame, nilai CCH interval akan di update ketika VCI frame pertama kali diterima, sedangkan pada frame selanjutnya, nilai CCH interval akan dibandingkan dengan nilai CCH interval yang disiarkan pada VCI frame, apabila nilai CCH interval < nilai CCH interval yang disiarkan, maka nilai CCH interval sama dengan nilai nilai CCH interval yang disiarkan pada VCI frame. Sedangkan pada proses di WAVE Service Advertisement (WSA)/RFS/ACK frame, nilai CCH interval akan di update ketika VCI frame pertama kali diterima, sedangkan pada frame selanjutnya, nilai CCH interval akan di update ketika node berada di wilayah cakupan Road Side Unit (RSU). Skema VCI dapat dijelaskan lebih lanjut sebagai berikut, seperti ditunjukkan dalam Gambar 2.7 interval CCH baru dimulai dari interval keamanan (safety interval), di mana node akan mengirimkan informasi keamanan dan menyiarkan paket VCI. Selama interval WSA, penyedia layanan broadcast paket WSA dan saling mendukung dengan layanan informasi dan Universitas Indonesia


21

identitas kanal SCHs yang akan digunakan. Node yang membutuhkan pelayanan secara opsional dapat merespon paket WSA dengan ACK. Selain itu, pengguna jasa berinisiatif dapat mengirim paket RFS untuk membuat perjanjian dengan penyedia layanan. Setelah akhir interval CCH (CCH interval), node akan menyesuaikan pada kanal SCHs tertentu untuk mengirimkan paket layanan. Berbeda dengan pendekatan dasar pererebutan akses kanal antar station (contention) MAC IEEE 1609,4 yang asli, skema VCI mengadopsi mekanisme koordinasi kanal untuk memberikan kanal SCHs yang bebas (contention free) dari contention oleh kanal reservasi pada CCH. Gambar. 2.7 menunjukkan detail dari reservasi kanal dan transmisi layanan data. Pada awal interval WSA, penyedia layanan akan membroadcast paket WSA, yang berisi identitas SCHs yang akan digunakan, serta informasi lainnya. Node lain yang membutuhkan pelayanan bisa secara opsional bersaing untuk merespon dengan ACK. Node yang berhasil mengirim respon dapat membuat perjanjian dengan penyedia layanan di sumber daya transmisi data dengan ID SCH yang spesifik dan durasi transmisi. Waktu UTC

Interval Sinkronisasi (Ttotal) Interval kanal SCH (100-Tcch)

Interval kanal CCH (Tcch) Interval Keamanan (Tsa)

CCH Interval Penjaga

V C I

Interval WSA (Twsa)

W S A

A C K

R F S

W S A

W S A

Node Ni Safety Information SIFS AIFS

SCHs

A C K

SIFS

Guard Interval

Layanan Data

A C K

SIFS

Node Nj Layanan Data

A C K

SIFS

Gambar 2.8 Skema MAC multikanal VCI [2]-[4]

Menimbang bahwa terlalu banyak penyedia layanan dapat berbagi SCH dalam lingkungan yang padat, masing-masing penyedia layanan hanya dapat mengirimkan satu paket Universitas Indonesia


22

layanan untuk perebutan akses kanal antar station (contention) sukses. Semua node akan menyimpan reservasi kanal untuk SCHs dalam antrian khusus dengan memantau reservasi yang sukses. Selama interval WSA, node yang bertindak sebagai pengguna jasa berinisiatif dapat mulai reservasi. Sebuah paket RFS akan dikirim oleh pengguna jasa dengan ID dari penyedia layanan dan jenis layanan. Kemudian, penyedia layanan akan menerima atau menolak permintaan layanan berdasarkan kondisi kanal. Jika permintaan layanan diterima, paket ACK dari penyedia layanan akan berisi ID dari kanal SCH yang akan digunakan dalam interval SCH yang akan datang. Layanan penyedia akan memilih kanal SCH ketika mereka memerlukan CCH untuk membroadcast paket WSA atau respon terhadap permintaan layanan. Berdasarkan informasi penggunaan SCH, penyedia layanan memilih kanal yang menampung setidaknya paket layanan data dalam interval SCH berikutnya. Jika lebih dari satu SCH tersedia, penyedia layanan istimewa memilih SCH sama digunakan dalam transmisi layanan data sebelumnya. Setelah awal interval SCH, node yang telah membuat reservasi akan beralih ke SCHs untuk melakukan transmisi layanan sesuai dengan reservasi catatan dalam antrian yang relevan dengan cara yang teratur. Node yang belum membuat reservasi bisa tinggal di CCH. Di antara node ini, penyedia layanan bisa paket broadcast WSA, dan pengguna jasa merekam informasi yang terdapat dalam paket WSA sehingga pengguna jasa bisa bergabung dengan WAVE Basic Service Set (WBSS) atau berinisiatif mengirim RFS dalam interval WAVE Service Advertisement (WSA) berikutnya.



23

1-p

(1-p)/W0

(1-p)/W0 1-p 0,0

0,1

1-p

p

0,2

0,Wp-2

p

p

1-p

0,Wp-2

p

i-1,0

p/Wi p/Wi i,0

1-p

i,1

1-p

p

1-p

p/Wm 1-p m,0 p/Wm

i,Wz-2

i,2

p

1-p

i,Wi-1

p

p

p/Wm m,1

1-p

p

m,2

m, Wm-2

p

p

1-p

m,Wm-1

p

p/Wm

Gambar 2.9 Model Markov chain pada Transmisi WAVE Service Advertisement (WSA)[2]-[4]

Pada skema VCI MAC, panjang optimal dari interval CCH sangat penting bagi kerjasama yang efektif dari sumber daya kanal pada CCH dan SCHS, terutama dalam kondisi trafik yang padat. Untuk mendapatkan selang optimal ini, pertama-tama kita menerapkan model Markov chain untuk mengkaji perilaku node tunggal dan memperoleh probabilitas stasioner bahwa node mengirimkan WAVE Service Advertisement (WSA) atau paket RFS di setiap slot waktu. Kemudian, model contention diusulkan untuk menganalisis waktu rata-rata yang dikonsumsi di CCH untuk negosiasi pengiriman paket layanan. Akhirnya, kita memperoleh rasio optimal antara interval CCH dan SCH. Universitas Indonesia


24

2.3.1.1 Probabilitas Transmisi WAVE Service Advertisement (WSA) Sebuah model Markov chain diusulkan untuk mendapatkan

probabilitas stasioner yang

node mengirimkan WSA atau paket RFS dalam slot waktu acak. Menimbang bahwa WBSS memiliki

node WAVE, yang dapat berkomunikasi satu sama lain melalui hop tunggal. Hal ini

diasumsikan bahwa sejumlah tetap node menyediakan layanan yang selalu di bawah kondisi lalu lintas jenuh, yaitu, setiap node memiliki WSA atau paket RFS tersedia setelah reservasi sukses selama interval WSA. Selain itu, baik CCH dan SCHS memiliki tingkat transmisi yang sama. Misalkan

dan

menjadi proses stokastik yang mewakili ukuran backoff window

dan backoff state untuk node yang diberikan pada slot waktu t, masing-masing. Biarkan m menjadi tahap backoff maksimum dan Wi menjadi Contention Window tahap backoff , di mana

, dan

=

maksimal dari

. Proses sebuah node mencoba untuk

mengirim interval Wave Service Advertisement (WSA) atau RFS paket pada slot waktu pada negara

seharusnya independen. Misalkan

adalah probabilitas tabrakan yang lebih dari

satu simpul mentransmisikan dalam slot tunggal. Kemudian, proses bidimensional dapat dimodelkan dengan discrete-time Markov chain, seperti ditunjukkan pada Gambar. 2.9.

2.3.2 Dynamic Interval Division Multichannel (DID-MMAC) Selanjutnya, Liu dkk [18] memperkenalkan Dynamic Interval Division Multichannel MAC (DID-MMAC) digunakan untuk penyesuaian interval CCH/SCH secara dinamis. Selanjutnya DID-MMAC membagi interval CCH menjadi tiga tahap berdasarkan jenis pesan yang berbeda: Service Announce Phase (SAP), Beacon Phase (BP), dan Peer-to-Peer Reservation Phase (PRP). WAVE Service Advertisement (WSA) dan pesan beacon yang ditransmisikan dalam masing-masing Service Announce Phase (SAP) dan Beacon Phase (BP), dan pertukaran pesan kontrol untuk pemesanan SCH dilakukan di Peer-to-Peer Reservation Phase (PRP). Skema yang diajukan dapat mengurangi delay transmisi dari safety application tapi kanal SCH tidak ter-utilisasi dengan baik. Penelitian yang dilakukan tidak memperhatikan pengaruh interference yang dihasilkan oleh hidden node. Universitas Indonesia


25

Agar dapat menyesuaikan interval SAP dan BP terdistribusi secara dinamis, Dynamic Interval Division Multichannel MAC (DID-MMAC) memberikan prioritas akses kanal yang berbeda untuk pesan yang berbeda dengan membedakan Contention Window (CW) dan Interframe Space (IFS). Berdasarkan standar dari Media Access Control (MAC) IEEE 802.11p, node yang ingin memulai transmisi memanggil mekanisme carrier-sense untuk menentukan apakah media sibuk atau tidak. Jika media sibuk, node akan menangguhkan transmisi sampai medium dalam kondisi idle dalam jangka waktu yang sama dengan IFS. Setelah IFS, node akan menunggu tambahan acak waktu yang disebut waktu backoff (backoff counter) sebelum memulai transmisi untuk menghindari tabrakan (collision). Waktu backoff (backoff counter) ditentukan oleh

.

adalah satuan waktu dasar dalam proses backoff. Nilainya dalam

kondisi idle tergantung pada durasi yang dibutuhkan oleh teknik PHY berbeda. Misalnya, waktu slot 9

pada standar 802.11a berbasis OFDM untuk mendeteksi medium state, di mana

adalah nomor acak yang dipilih antara 0 dan CW. Oleh karena itu, karena dari

lebih kecil

, pengirim yang memiliki pesan WSA untuk mengirim selalu menang anggapan

untuk mengakses media terhadap pengirim lain yang memiliki sebuah beacon untuk mengirim. Akibatnya, setelah semua pesan WSA ditransmisikan, transmisi beacon dapat diizinkan untuk melanjutkan dalam interval CCH. Dalam DID-MMAC, SAP dan BP berakhir ketika kanal dalam kondisi idle selama masing-masing

dan

.

PRP dimulai tepat setelah BP. Durasi dari PRP dihitung berdasarkan jaringan real-time beban lalu lintas. Dalam rangka untuk membuat node untuk menyadari beban lalu lintas, DIDMAC menambahkan dua bidang baru yang disebut Layanan Indikasi (Service Indication) dan Lalu Lintas Indikasi (Traffic Indication) pada masing-masing pesan WAVE Service Advertisement (WSA) dan beacon. Pada kondisi lapangan, SI menunjukkan total ukuran data layanan, sedangkan TI menunjukkan status pelayanan di sisi kendaraan. Setiap kali sebuah node menerima pesan WSA dan beacon, dapat dijelaskan bahwa update beban lalu lintas berdasarkan informasi SI dan TI dalam pesan yang diterima. Durasi PRP diatur secara adaptif sesuai dengan beban lalu lintas yang diperkirakan yang dipengaruhi oleh protokol negosiasi yang mendasari komunikasi peer-to-peer. Protokol Dynamic Interval Division Multichannel MAC (DID-MMAC) Universitas Indonesia


26

mengadopsi dari protokol Multichannel MAC (MMAC) [16] yang dimodifikasi sebagai protokol negosiasi. Protokol ini dapat dijelaskan bahwa digunakan secara dinamis untuk menyesuaikan interval CCH/SCH yang berkaitan dengan protokol negosiasi kanal SCH. Interval Sinkronisasi (100 ms) Interval kanal SCH

Interval kanal CCH Interval WSA (Twsa)

SAP

CCH

W S A

W S A

Bea con

Bea con

Interval Penjaga (3) Akhir dari SAP Backoff AIFSbp slots

SCH(s)

Bea con

R T S

R T S

(4) Akhir dari SAP

R T S

Layanan Data

C T S

R T S

C T S

Layana n Data

Critical Safety frame

A C K

A C K

R T S

C T S

Layana n Data

A C K

Interval Penjaga

AIFS

Backoff slots

SIFS

Gambar 2.10 Model Protokol Dynamic Interval Division Multikanal MAC (DID-MMAC) [18]

2.3.3 Dynamic CCH Interval (DCI) Pada penelitian yang lainnya, D. Zhu dkk [7] memperkenalkan skema Dynamic CCH Interval (DCI) untuk melakukan dynamic adjustment pada SCH/CCH Interval. Algoritma VCIMMAC identik dengan algoritma Variable CCH Interval (VCI), namun perbedaan dengan VCI yang didasarkan pada rata-rata waktu yang dikonsumsi pada CCH untuk negosiasi layanan pengiriman paket, DCI menghitung interval WSA optimal berdasarkan distribusi probabilitas dari waktu pemesanan untuk paket layanan dalam interval CCH. DCI mendefinisikan

sebagai

jumlah maksimum layanan paket data yang dapat ditransmisikan pada interval SCH yang diberikan. Akhirnya, DCI memperoleh optimal WSA Interval dengan mencari K optimal untuk



27

meminimalkan perbedaan antara jumlah WSA dan selang SCH dan interval sinkronisasi sisa kecuali untuk interval keselamatan (safety interval). DCI bertujuan untuk memungkinkan interval keselamatan (safety interval) untuk mengakomodasi transmisi dari node pada jaringan di mana paket data dapat bertabrakan antara satu sama lain ketika dikirim pada media yang sama dan node tersembunyi dari mereka. Wilayah di mana node tersembunyi berada dipengaruhi oleh tiga jenis rentang yang berkaitan dengan transmisi paket di IEEE 802.11 MAC: jangkauan transmisi dan berbagai gangguan

Di sini,

,

mewakili rentang di mana paket dapat berhasil diterima

oleh node jika ada ada gangguan dari node lain. propagasi radio model.

, berbagai carrier sensing

terutama dipengaruhi oleh daya transmisi dan

adalah rentang di mana pemancar memicu deteksi pembawa. Hal ini

biasanya ditentukan oleh sensitivitas antena.

adalah rentang waktu yang node dalam mode

penerimaan mengganggu transmisi dari node lain. Rentang ini adalah parameter merdu yang secara signifikan dapat mempengaruhi kinerja MAC. Studi pengukuran seperti [15] menunjukkan bahwa biasanya lebih dari dua kali

. Selain itu, banyak penelitian menganggap bahwa [7]. Secara khusus,

dan

dan

memiliki nilai default dari 2,2 kali

di ns-2 simulator 2.3.4 Dynamic Safety Interval (DSI) Yoo, H dkk [8] memperkenalkan skema Dynamic Safety Interval (DSI) untuk menghitung interval keselamatan (safety interval) optimal dalam kondisi lalu lintas yang dinamis dengan cara yang didistribusikan. Berbeda dengan skema disebutkan sebelumnya, DSI hanya membahas masalah penyesuaian interval keselamatan (safety interval). Secara khusus, DSI menghitung interval keselamatan (safety interval) mengingat keberadaan node tersembunyi (hidden node). Pada skema Dynamic Interval Division Multichannel MAC (DID-MMAC), Variable CCH Interval (VCI), dan Dynamic CCH Interval (DCI) tidak mempertimbangkan gangguan adanya noise. Dynamic Safety Interval (DSI) bertujuan untuk memungkinkan interval keselamatan untuk mengakomodasi transmisi dari node dalam jaringan pada media transmisi yang sama serta node tersembunyi (hidden node) dari mereka.



28

Dalam melakukan evaluasi dan analisis terhadap kinerja skema multikanal dinamis pada standar IEEE 1609.4, maka diperlukan analitikal model Markov chain. Maka dari itu pada bab selanjutnya akan dibahas mengenai model Markov chain pada skema multikanal dinamis lapisan MAC IEEE 1609.4.

2.4

Model umum Markov chain Model Markov chain adalah model dari proses stokastik yang dikembangkan oleh Andrei

A. Markov, dimana dapat didefinisikan bahwa kejadian pada sebuah eksperimen bergantung pada kejadian saat ini dan dengan yang akan datang, serta tidak bergnatung pada kejadian pada sebelumnya. Dilihat dari prosesnya, Markov chain terdiri dari dua jenis, yaitu Discrete State Space Markov Process dan Contiunous Time Markov Chain. Pengertian Discrete State Space Markov Process adalah perubahan discrete state pada titik-titik integer. Sedangkan Contiunous Time Markov Chain dapat didefinisikan sebagai perubahan discrete state terjadi pada sembarang waktu. Berdasarkan pada kajian model Markov chain sebelumnya, pada disertasi ini akan dilakukan kajian dan evaluasi dengan menggunakan Discrete State Space Markov Process, karena pada suatu Discrete State, state diperbolehkan untuk berubah ke state yang lain pada waktu yang discrete. Model sistem Discrete State Space Markov Process dapat digambarkan dalam persamaan sebagai berikut : (2.1) Dimana n = 1, 2, 3 … Sedangkan

Contiunous Time Markov Chain dapat digambarkan dalam persamaan sebagai

berikut : (2.2) Dimana n = 1, 2, 3 … Pada model Contiunous Time Markov Chain, state diperbolehkan untuk berubah ke state yang lain pada sembarang waktu. Universitas Indonesia


29

Secara umum diagram transisi state pada Markov chain dapat digambarkan sebagai berikut i1

0

i2

im-2

2

1 k1

i3

k2

m-1

k3

im

im-1

km-1

im+1 m+1

m km

Km+1

Km+2

Gambar 2.11 Diagram state Markov chain secara umum Salah satu model Markov chain yang menjadi referensi dari pengembangan standar IEEE 802.11 adalah model yang dikembangkan oleh Bianchi. Dengan model yang dikembangkan oleh Bianchi dapat dilakukan evaluasi kinerja skema DCF pada standar 802.11 dan dikembangkan untuk evaluasi pada standar 802.11p. Maka dari itu, pada sub bab selanjutnya akan dibahas mengenai model Markov chain yang dikembangkan oleh Bianchi. 2.5

Model Markov chain Bianchi Pada awal tahun 2000-an, Bianchi yang mengajukan model analitikal yang dapat

digunakan untuk menghitung throughput skema DCF [12]-[79]. Model Bianchi tersebut kemudian banyak dikembangkan oleh peneliti lain untuk menganalisis kinerja skema DCF menggunakan pendekatan terhadap

yang berbeda, seperti

penggunaan asumsi

yang berbeda

penghentian counter pada prosedur backoff [8]-[9], atau kinerja dihitung

menggunakan jumlah retransmisi yang terbatas [10] dan penggunaan asumsi kanal dalam kondisi noisy [11]-[79]. Penelitian lainnya pada [12] melakukan perhitungan batas throughput maksimum dari skema DCF berdasarkan kenaikan kecepatan transmisi lapisan PHY dengan memperhatikan ukuran overhead protokol. Model Bianchi [12] dan model-model lain yang dikembangkan dari model tersebut menggunakan asumsi bahwa pengurangan counter backoff dilakukan pada awal sebuah time slot. Penggunaan asumsi ini sebenarnya tidak tepat karena seharusnya berdasarkan pada penjelasan dokumen standar IEEE 802.11 pengurangan nilai counter backoff dilakukan pada bagian akhir dari sebuah time slot [3]-[79]. Sebagaimana yang telah diketahui dari penelusuran literatur terkait pengembangan skema akses DCF pada jaringan wireless, diketahui bahwa model analitikal DCF pertama Universitas Indonesia


30

sekali dibuat oleh Bianchi [12] menggunakan pendekatan Markov chain. Model ini kemudian digunakan dan dikembangkan oleh peneliti-peneliti lain dalam pengembangan model analitikal DCF maupun EDCA. Oleh karena itu untuk dapat melakukan pengembangan skema akses WLAN yang berbasis DCF dan EDCA, tahapan untuk memahami model Biachi merupakan sesuatu yang sangat penting untuk dilakukan [79]. Dari hasil studi tentang model Bianchi telah dapat dipahami dan dapat dijelaskan sebagaimana penjelasan berikut ini. Pemodelan matematis untuk kinerja skema DCF pertama sekali dibuat oleh Bianchi dan dipublikasikan pada [12]. Penelitian-penelitian pengembangan dan analisis protokol lapisan MAC WLAN banyak mengacu pada model Bianchi tersebut. Kontribusi utama dari model Bianchi adalah menampilkan model analitikal terhadap throughput maksimum dan probabilitas kegagalan transmisi paket yang diakibatkan oleh adanya collision [79]. Model Bianchi menggunakan asumsi kondisi kanal ideal dan tidak ada permasalahan hidden terminal [79]. Bianchi menggunakan analisis Markov Chain bidimensional dengan tahapan backoff + 1 dimana setiap tahap merepresentasikan counter waktu backoff dari sebuah STA seperti yang diperlihatkan pada Gambar 2.10 [12]. Transisi dari satu tahap ke tahapan yang lebih tinggi (misalnya dari tahap − 1 ke tahap ) akan terjadi jika STA gagal melakukan transmisi atau terjadi collision dan transisi ke tahap yang paling rendah (tahap 0) akan terjadi jika STA berhasil melakukan transmisi [79].



31

(1-p)/W0 (1-p)/W0 1 0,0

0,1

1

p

0,2

0,Wp-2

p

p

1

0,Wp-2

p

i-1,0

p/Wi

p/Wi i,0

1

i,1

1

p

p/Wm 1 m,0 p/Wm

i,2

p

i,Wz-2

1

i,Wi-1

p

p

p/Wm m,1 p

1

m,2 p

m, Wm-2

1

p

m,Wm-1

p

p/Wm

Gambar 2.12 Model Markov Chain untuk transisi state backoff pada skema DCF [12]

Model Bianchi ini menggunakan skala waktu diskrit dan bilangan integer. Dalam skala waktu diskrit ini, 𝑡 dan𝑡 + 1 menyatakan awal dari dua slot waktu yang berurutan. Setiap STA akan mengurangi counter backoff disetiap awal slot waktu [79]. Pengurangan counter backoff akan dihentikan jika kanal dalam kondisi sibuk. Interval waktu antara𝑡 dan 𝑡 + 1 bisa lebih lama dari pada slot waktu untuk 802.11 karena adanya paket yang sedang ditransmisikan atau adanya collision [79]. Notasi dan notasi

digunakan untuk menunjukkan ukuran Contention Window minumum

digunakan untuk menunjukkan tingkat backoff maksimum dalam model analitikal

yang dibuat. Oleh karena itu maka

dan

dimana

,

yang

disebut sebagai backoff stage. Jika transmisi berhasil dilakukan pada semua state (𝑖, 0), maka Universitas Indonesia


32

sebuah nilai random backoff akan dipilih antara 0 sampai dengan

dengan probabilitas

. Kondisi tersebut dalam Markov chain direpresentasikan oleh keadaan . Jika terjadi collision (misalnya pada state dipilih dalam range

), maka random backoff akan

masing-masing dengan probabilitas

Markov chain direpresentasikan oleh state

sampai

. Kondisi ini dalam

sampai dengan

. Probabilitas

transisi yang digunakan oleh Bianchi dalam Gambar 4.1 dapat dirumuskan sebagai berikut :

(2.19)

Persamaan pertama dari (1) menyatakan bahwa pada awal setiap slot waktu, counter backoff akan dikurangkan dengan satu. Persamaan kedua menyatakan bahwa jika counter backoff mencapai nol maka paket akan ditransmisikan dan kemudian tahapan backoff melakukan transisi ke tahapan 0 serta counter backoff mulai diinisialisasi kembali dengan nilai counter dipilih dalam range

. Persamaan ketiga dari (1) menyatakan bahwa jika counter backoff dalam

tahap

sudah mencapai nol namun usaha transmisi paket gagal dilakukan maka tahap

counter backoff akan ditingkatkan dan ukuran Contention Window akan diinisialisasi kembali dengan memilih nilai dalam range tahap backoff mencapai nilai

. Persamaan keempat menyatakan bahwa ketika maka pada kondisi tersebut tahapan backoff

tidak dapat

ditingkatkan lagi, namun proses retransmisi akan dilakukan secara berulang-ulang sampai dengan tak berhingga. Asumsi kondisi tidak sesuai dengan operasi multikanal standar IEEE 1609.4 dan oleh Wang dkk. [2]-[4] masalah ini disempurnakan dan akan dijelaskan dalam sub bab koordinasi kanal dinamis dengan menggunakan model Varible CCH Interval (VCI).



33

Setiap state proses Markov bidimensional model Bianchi direpresentasikan oleh , dimana STA dan

adalah proses stokastik yang merepresentasikan counter backoff untuk

adalah proses stokastik yang merepresentasikan tahapan backoff

dari

STA pada waktu . Model Bianchi mengasumsikan bawah pada setiap usaha transmisi dengan tanpa memperhatikan jumlah kegagalan usaha transmisi, setiap paket akan mengalami collision dengan probabilitas tetap dan bebas

. Dengan kata lain,

satu slot waktu, paling kurang dari

adalah probabilitas dimana dalam

STA dapat melakukan transmisi dengan baik. Pada

steady state, jika setiap STA mentransmisikan paket dengan probabilitas

, maka

dapat

dituliskan kembali sebagai : (2.20) Distribusi

tetap

dari

Markov

chain

dapat

direpresentasikan

sebagai

. Transmisi akan terjadi ketika counter waktu backoff adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi dalam slot waktu random adalah : 𝜏=

𝑚 𝑖=0 𝑏𝑖,𝑘

(2.21)

Sesuai dengan model Markov chain diatas, untuk penyelesaian maka distribusi tetap dari chain untuk 𝑏𝑖,0 = 𝑝𝑖 𝑏0,0 , 𝑏𝑚 ,0 = 𝑏𝑖,𝑘 =

,

, dan

sebagai fungsi

adalah :

0<𝑖<𝑚

𝑝𝑚 𝑏 1 − 𝑝 0,0 Wi −k Wi

𝑏𝑖,0 , i ∈ 0, m , k ∈ 0, Wi − 1

(2.22)

Persamaan pertama dari (2.22) diatas didapatkan dari

untuk

persamaan kedua dari (2.22) didapatkan dari

. Persamaan ketiga dari

(2.22) didapatkan dari kondisi

dan kondisi

dan

, jadi :



34

1−𝑝 𝑏𝑖,𝑘 =

Wi − k

Semua nilai

Wi

.

𝑚 𝑗 =0 𝑏𝑗 ,0 .

𝑖=0

𝑝. 𝑏𝑖−1,0 ,

0<𝑖<𝑚

𝑝. 𝑏𝑚−1,0 + 𝑏𝑚 ,0 ,

𝑖=𝑚

(2.23)

dari persamaan (5) diatas dapat diekspresikan sebagai fungsi dari nilai

dan kondisi probabilitas collision p dengan kenyataan bahwa penjumlah semu nilai adalah sama dengan satu, maka :



35

𝑚 W i −1

1=

W i −1

𝑚

𝑏𝑖,𝑘

=

𝑖=0 𝑘=0

𝑏𝑖,0 𝑖=0

Wi − k Wi

𝑘=0

20 W + 1

1 = 𝑏0,0

2

2

𝑏0,0 1= W+1+ 2

𝑏𝑖,0 .

𝑚 −1

+

𝑏𝑖,0

𝑚 −1

𝑖=0

𝑝 2W+𝑝 𝑖=0

𝑖=0

𝑖=0 𝑚−1

2𝑝 𝑖 + 𝑖=0

1−𝑝

2𝑝 𝑖 W + 𝑝𝑖 +

+ 𝑏𝑚 ,0

+

W

𝑚−1 𝑖=0

2m W + 1 2

𝑝𝑚 2m W + 1 𝑏0,0 1−𝑝 2

+

1 1−𝑝

2𝑝 𝑚 W 1 + 1−𝑝 1−𝑝

2𝑝 𝑚 W 1 + 1−𝑝 1−𝑝

2𝑝 𝑚 1 + 1−𝑝 1−𝑝

2

𝑏0,0 =

2

𝑏0,0 𝑝𝑚 + 2m W + 1 2 1−𝑝

2m W𝑝 𝑚

𝑚 −1

2𝑝 𝑖 W + 𝑝𝑖 +

𝑏0,0 1= W 2

+

2i W + 1

𝑖=0

2

𝑚 −1 𝑖

𝑏𝑖,0 .

2i W + 1

𝑏0,0 𝑖 i 𝑝 2W+1 2 𝑖 i

=

2

𝑝𝑖 𝑏0,0

+

𝑚

2i W + 1

𝑚 −1

𝑚−1

𝑏0,0 1= 2

2

𝑖=0

𝑖=0

𝑏0,0 1= W+1 + 2 𝑏0,0 1= W+1+ 2

=

Wi + 1

𝑖=0

W+1

1 = 𝑏0,0

𝑚

2𝑝 𝑚 1 2𝑝 + + 1−𝑝 1−𝑝

(2.24)

𝑖



36

Jadi

dapat dituliskan kembali sebagai berikut : 2

𝑏0,0 =

𝑚−1 𝑖=0

W

2𝑝 1 + 1−𝑝 1−𝑝

2

= W

𝑚−1 𝑖=0

2𝑝 𝑖 + W

2𝑝 𝑚 1 + 1−𝑝 1−𝑝

2

𝑏0,0 =

1−𝑝 W 1−𝑝

𝑚−1 𝑖=0

1−𝑝 W

𝑚−1 𝑖=0

2𝑝 𝑚 1 + 1−𝑝 1−𝑝

2𝑝 𝑖 + W

2 1−𝑝

𝑏0,0 = 𝑏0,0 =

2𝑝 𝑖 +

𝑚

2𝑝 𝑖 + W 2𝑝

𝑚

+1

2 1−𝑝 W

𝑏0,0 =

𝑚−1 𝑖=0

𝑖

2𝑝 − 𝑝W

𝑚−1 𝑖=0

2𝑝 𝑖 + W 2𝑝

1−𝑝 1 − 2𝑝 𝑊 + 1 + 𝑝𝑊(1 − 2𝑝

𝑚

+1

2 1 − 2𝑝

(2.25)

𝑚)

Akhirnya berdasarkan persamaan (2.23) dan (2.25) merupakan dua buah sistem persamaan non linier yang memiliki penyelesaian spesifik dan dapat diselesaikan secara numerik untuk mendapatkan nilai dan

dan , salah satunya dapat diselesaikan dengan Matlab. Jika nilai

sudah didapatkan maka throughput saturasi skema DCF yang merupakan rata-rata payload

informasi yang dapat ditransmisikan dalam slot waktu dapat dihitung berdasarkan rumus berikut : 𝑆𝐷𝐶𝐹 = 𝑆𝐷𝐶𝐹 =

𝐸[𝑝𝑎𝑦𝑙𝑜𝑎𝑑 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑠𝑖 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑟𝑎𝑛𝑠𝑚𝑖𝑠𝑖𝑘𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑠𝑙𝑜𝑡 𝑤𝑎𝑘𝑡𝑢] 𝐸[𝑝𝑎𝑛𝑗𝑎𝑛𝑔 𝑠𝑙𝑜𝑡 𝑤𝑎𝑘𝑡𝑢] 1 − 𝑃𝑡𝑟

Dimana dalam slot waktu,

𝑃𝑠 𝑃𝑡𝑟 𝐿 𝑇𝑖𝑑 + 𝑃𝑡𝑟 𝑃𝑠 𝑇𝑠 + 𝑃𝑡𝑟 1 − 𝑃𝑠 𝑇𝑐

adalah probabilitas hanya satu STA yang melakukan transmisi adalah ukuran rata-rata payload paket,

dibutuhkan untuk mentransmisikan sebuah paket dengan ukuran Frame Space),

(2.26)

adalah rata-rata waktu yang (termasuk periode Inter

adalah probabilitas transmisi berhasil dilakukan, Universitas Indonesia


37

adalah durasi kanal dalam kondisi idle (sama dengan satu slot waktu) dan collision.

dan

adalah durasi waktu

untuk metode akses DCF menggunakan skema Basic Access dan RTS/CTS

adalah sebegai berikut : 𝑇𝑠𝑏𝑎𝑠 = 𝐻 + 𝐿 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐴𝐶𝐾 + 𝐷𝐼𝐹𝑆 + 𝛿 𝑇𝑐𝑏𝑎𝑠 = 𝐻 + 𝐿 + 𝐷𝐼𝐹𝑆 + 𝛿 𝑇𝑠𝑟𝑡𝑠 = 𝑅𝑇𝑆 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐶𝑇𝑆 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐻 + 𝐸 𝑃 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐷𝐼𝐹𝑆 + 𝛿 𝑇𝑐𝑟𝑡𝑠 = 𝐻 + 𝐿 + 𝐷𝐼𝐹𝑆 + 𝛿

(2.27)

adalah waktu yang dibutuhkan untuk pengiriman paket header, paket,

adalah ukuran payload

adalah waktu yang dibutuhkan untuk pengiriman acknowledgement dan

adalah

delay propagasi. Wang dkk [2]-[4] mencoba melakukan perbaikan terhadap asumsi yang digunakan pada model Bianchi. Pada model Bianchi jumlah retransmisi diasumsikan dilakukan secara tidak terbatas, dimana asumsi ini tidak sesuai dengan penjelasan standar operasi multikanal IEEE 1609.4. Wang dkk [2]-[4] mengembangkan skema koordinasi kanal dinamis dengan menggunakan model bidimensional Markov chain dengan menggunakan jumlah retransmisi diasumsikan dilakukan secara terbatas. Wang dkk [2]-[4] mengembangkan skema Variable CCH Interval (VCI) pada operasi multikanal IEEE 1609.4 yang akan dibahas dalam sub bab berikut ini. 2.6

Studi analitikal model Variable CCH Interval (VCI) Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang

dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang membagi CCH Interval menjadi safety interval dan WAVE Service Advertisement (WSA) interval. Pada skema ini dapat menyesuaikan rasio antara interval Control Channel (CCH) dan Service Channel (SCH) sesuai dengan kondisi jaringan, sehingga dalam kondisi lalu lintas kendaraan yang berubah secara dinamis, interval CCH dan SCH mampu menyediakan bandwidth yang tepat untuk memberikan kedua paket keamanan / kontrol dan aliran aplikasi. Skema VCI yang Universitas Indonesia


38

dikembangkan oleh Wang dkk [2]-[4] dirancang untuk meningkatkan saturasi throughput pada kanal SCH sambil memastikan transmisi aplikasi keamanan (safety application). Pada model [2]-[4], skema Variable CCH Interval (VCI) dapat dijelaskan lebih lanjut sebagai berikut, seperti ditunjukkan dalam Gambar 2.11, interval CCH baru dimulai dari interval keamanan (safety interval), di mana node akan mengirimkan informasi keamanan dan menyiarkan paket VCI. Selama interval WSA, penyedia layanan broadcast paket WSA dan saling mendukung dengan layanan informasi dan identitas kanal SCHs yang akan digunakan. Node yang membutuhkan pelayanan secara opsional dapat merespon paket WSA dengan ACK. Selain itu, pengguna jasa berinisiatif dapat mengirim paket RFS untuk membuat perjanjian dengan penyedia layanan. Setelah akhir interval CCH (CCH interval), node akan menyesuaikan pada kanal SCHs tertentu untuk mengirimkan paket layanan. Berbeda dengan pendekatan dasar perebutan akses kanal antar station (contention) MAC IEEE 1609.4, skema VCI mengadopsi mekanisme koordinasi kanal untuk memberikan kanal SCHs yang bebas (contention free) dari contention oleh kanal reservasi pada CCH. Gambar. 2.13 menunjukkan detail dari reservasi kanal dan transmisi layanan data. Pada awal interval WSA, penyedia layanan akan membroadcast paket WSA, yang berisi identitas Service Channel (SCH) yang akan digunakan, serta informasi lainnya. Node lain yang membutuhkan pelayanan bisa secara opsional bersaing untuk merespon dengan ACK. Node yang berhasil mengirim respon dapat membuat perjanjian dengan penyedia layanan di sumber daya transmisi data dengan ID SCH yang spesifik dan durasi transmisi. Interval sinkronisasi (100 ms) Interval kanal SCH (variable)

Interval kanal CCH (variable) WSA Interval (Twsa)

SAP

CCH

W S A

W S A

Bea con

Bea con

Bea con

R T S

R T S

R T S

Layanan Data

C T S

Frame untuk aplikasi keamanan

A C K

Interval penjaga (3) Akhir SAP Backoff AIFSbp slots

(4) Akhir BP Interval Penjaga

R T S

C T S

Layanan Data

A C K

R T S

C T S

Layanan Data

A C K

SCH(s) AIFS

Slot Backoff

SIFS

Gambar 2.13 Skema MAC multikanal VCI [2]-[4]



39

Dengan mempertimbangkan terlalu banyak penyedia layanan dapat berbagi SCH dalam lingkungan yang padat, masing-masing penyedia layanan hanya dapat mengirimkan satu paket layanan untuk perebutan akses kanal antar station (contention) sukses. Semua node akan menyimpan reservasi kanal untuk SCHs dalam antrian khusus dengan memantau reservasi yang sukses. Selama interval WSA, node yang bertindak sebagai pengguna jasa berinisiatif dapat mulai reservasi. Sebuah paket RFS akan dikirim oleh pengguna jasa dengan ID dari penyedia layanan dan jenis layanan. Kemudian, penyedia layanan akan menerima atau menolak permintaan layanan berdasarkan kondisi kanal. Jika permintaan layanan diterima, paket ACK dari penyedia layanan akan berisi ID dari kanal SCH yang akan digunakan dalam interval SCH yang akan datang. Layanan penyedia akan memilih kanal SCH ketika mereka memerlukan CCH untuk membroadcast paket WSA atau respon terhadap permintaan layanan. Berdasarkan informasi penggunaan SCH, penyedia layanan memilih kanal yang menampung setidaknya paket layanan data dalam interval SCH berikutnya. Jika lebih dari satu SCH tersedia, penyedia layanan istimewa memilih SCH sama digunakan dalam transmisi layanan data sebelumnya. Setelah awal interval SCH, node yang telah membuat reservasi akan beralih ke SCHs untuk melakukan transmisi layanan sesuai dengan reservasi catatan dalam antrian yang relevan dengan cara yang teratur. Node yang belum membuat reservasi bisa tinggal di CCH. Di antara node ini, penyedia layanan bisa paket broadcast WSA, dan pengguna jasa merekam informasi yang terdapat dalam paket WSA sehingga pengguna jasa bisa bergabung dengan WAVE Basic Service Set (WBSS) atau berinisiatif mengirim RFS dalam interval WSA berikutnya.



40

1-p

(1-p)/W0

(1-p)/W0 1-p 0,0

0,1

1-p

p

0,2

0,Wp-2

p

p

1-p

0,Wp-2

p

i-1,0

p/Wi p/Wi i,0

1-p

i,1

1-p

p

1-p

p/Wm 1-p m,0 p/Wm

i,Wz-2

i,2

p

1-p

i,Wi-1

p

p

p/Wm m,1 p

1-p

m,2

m, Wm-2

p

p

1-p

m,Wm-1

p

p/Wm

Gambar 2.14 Model Markov chain pada Transmisi WAVE Service Advertisement (WSA) [2]-[4]

Pada model [2]-[4] dapat dijelaskan bahwa pada skema VCI MAC panjang optimal dari interval CCH sangat penting bagi kerjasama yang efektif dari sumber daya kanal pada CCH dan SCH, terutama dalam kondisi trafik yang padat. Untuk mendapatkan selang optimal ini, pertamatama kita menerapkan model Markov chain untuk mengkaji perilaku node tunggal dan memperoleh probabilitas stasioner bahwa node mengirimkan WSA atau RFS di setiap slot waktu. Kemudian, model contention diusulkan untuk menganalisis waktu rata-rata yang dikonsumsi pada kanal CCH untuk melakukan negosiasi pengiriman paket layanan. Akhirnya, dapat diperoleh rasio optimal antara interval CCH dan SCH. Universitas Indonesia


41

2.6.1 Probabilitas Transmisi WAVE Service Advertisement (WSA) atau Request for Service (RFS) Wang dkk. [2]-[4] mengusulkan model Markov chain untuk mendapatkan

probabilitas

stasioner yang node mengirimkan WSA atau paket RFS dalam slot waktu acak. Menimbang bahwa WBSS memiliki

node WAVE, yang dapat berkomunikasi satu sama lain melalui hop

tunggal. Hal ini diasumsikan bahwa sejumlah node tetap menyediakan layanan yang selalu di bawah kondisi lalu lintas jenuh, yaitu, setiap node memiliki WSA atau paket RFS tersedia setelah reservasi sukses selama interval WSA. Selain itu, baik kanal CCH dan SCH memiliki tingkat transmisi yang sama. Berdasarkan

model

direpresentasikan oleh

[2]-[4],

setiap

state

proses

Markov

bidimensional

dapat

dan

merupakan proses stokastik yang mewakili ukuran backoff

window dan backoff state untuk node yang diberikan pada slot waktu t, masing-masing. Nilai menjadi tahap backoff maksimum dan tahapan backoff , di mana

menjadi Contention Window , dan

=

maksimal dari

. Proses sebuah node mencoba untuk

mengirim interval WAVE Service Advertisement (WSA) atau Request for Service (RFS) paket pada slot waktu pada state

menjadi independen. Misalkan

adalah probabilitas tabrakan

lebih dari satu node melakukan transmisi dalam slot waktu yang sama. Kemudian, proses bidimensional

dapat dimodelkan dengan Discrete-Time Markov chain (DTMC),

seperti ditunjukkan pada Gambar. 3. Pada model [2]-[4], model Markov chain yang dikembangkan pada skema Variable CCH Interval (VCI) dapat dijelaskan sebagai berikut, pertama ketika sebuah node mendeteksi bahwa kanal dalam kondisi sibuk, waktu counter backoff pada model ini akan menunda sampai kanal tersebut terdeteksi akan kembali dalam kondisi idle. Kedua, ketika tahap backoff node melebihi nilai maksimal m, maka akan tetap bernilai m sampai paket WSA atau RFS berhasil ditransmisikan, bukan di reset ke nilai 0. Distribusi tetap dari Markov chain dapat direpresentasikan

sebagai

.

Dengan



42

mengembangkan model Markov chain Bianchi, maka probabilitas transisi yang digunakan oleh Wang dkk. [2]-[4] dalam Gambar 2.10 dapat dirumuskan sebagai berikut : 𝑃 0, 𝑘|𝑖, 0 𝑃 𝑖, 𝑘|𝑖 − 1,0 𝑃 𝑖, 𝑘|𝑖, 𝑘 + 1 𝑃 𝑖, 𝑘|𝑖, 𝑘 𝑃 𝑚, 𝑘|𝑚, 0

= 1 − 𝑝 𝑊0 , 𝑘 ≤ 0, ≤ 𝑊0 − 1, 0 ≤ 𝑖 ≤ 𝑚 = 𝑝 𝑊𝑖 , 𝑘 ≤ 0, ≤ 𝑊𝑖 − 1, 1 ≤ 𝑖 ≤ 𝑚 = 1 − 𝑝, 𝑘 ≤ 0, ≤ 𝑊𝑖 − 2, 0 ≤ 𝑖 ≤ 𝑚 = 𝑝, 𝑘 ≤ 0, ≤ 𝑊𝑖 − 1, 0 ≤ 𝑖 ≤ 𝑚 = 𝑝 𝑊𝑚 , 𝑘 ≤ 0, ≤ 𝑊𝑚 − 1

(2.29)

Persamaan diatas dapat dijelaskan bahwa : 1) Setelah pengiriman paket WSA atau RFS berhasil dilakukan, maka tahapan backoff untuk paket baru akan di reset menjadi 0. 2) Apabila pengiriman paket WSA atau RFS gagal dilakukan, maka akan membuat nilai backoff stage meningkat. 3) Bila kanal dalam kondisi idle, maka waktu backoff akan turun. 4) Ketika kanal dalam kondisi sibuk, maka waktu backoff akan tetap. 5) Pada nilai backoff stage

sudah maksimal, maka nilai Contention Window (CW) akan

ditahan pada nilai maksimal yang terakhir jika transmisi tidak berhasil dilakukan, sedangkan nilai waktu backoff akan diatur ulang. Berdasarkan model Markov chain diatas, dapat dirumuskan sebagai berikut (2.30) (2.31) Dengan mempertimbangkan dari persamaan

, maka dapat diperoleh rumusan

sebagai berikut : (2.32)



43

Kemudian dengan melakukan proses normalisasi pada distribusi tetap, maka diperoleh nilai sebagai berikut :

Dengan menggunakan persamaan (2.31), (2.32), dan (2.33) maka akan diperoleh nilai sebagai berikut :

Kemudian, probabilitas dimana sebuah node mengirimkan paket WAVE Service Advertisement (WSA) atau RFS dalam slot waktu yang bebas dapat dinyatakan sebagai :

Dimana nilai

Dengan menggunakan kedua persamaan di atas maka akan diperoleh nilai probabilitas , yaitu probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dapat dirumuskan sebagai berikut : (2.37) Pada akhirnya, untuk mendapatkan nilai

dan , dapat diselesaikan secara numerik salah

satunya dapat diselesaikan dengan menggunakan Matlab.



44

2.6.2 Analisis Waktu untuk transmisi paket WAVE Service Advertisement (WSA) Pada model [2]-[4], sebuah model contention diusulkan untuk menganalisis rata-rata waktu pemesanan kanal CCH, seperti ditunjukkan pada Gambar. 2.13. Didefinisikan bahwa nilai merepresentasikan interval waktu dari akses contention kanal CCH pada saat reservasi berhasil dibuat. Dapat diasumsikan bahwa node

penyedia layanan selalu memiliki paket WSA.

Berdasarkan model [2]-[4], dalam melakukan analisa untuk transmisi paket WSA atau RFS dapat dijelaskan sebagai berikut 1) Pada setiap slot waktu selama interval WSA, perjanjian dalam reservasi kanal yang berhasil dibuat direpresentasikan dengan probabilitas

, sedangkan probabilitas kanal

mengalami tabrakan dalam slot waktu yang sama direpresentasikan dengan

, dan

. Berdasarkan pada

probabilitas kanal dalam kondisi idle direpresentasikan dengan kondisi tersebut, maka dapat dirumuskan sebagai berikut 𝑝𝑖𝑑𝑙𝑒 = (1 − 𝜏)𝑛 𝑝𝑏𝑢𝑠𝑦 = 1 − 𝑝𝑖𝑑𝑙𝑒 = 1 − (1 − 𝜏)𝑛 𝑝𝑠𝑢𝑐 = 𝑛𝜏(1 − 𝜏)𝑛−1 𝑝𝑐𝑜𝑙 = 𝑝𝑏𝑢𝑠𝑦 − 𝑝𝑠𝑢𝑐

= 1 − (1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛 −1

(2.38)

Gambar 2.15 Model contention reservasi kanal CCH [2]-[4]



45

2) Didefiniskan bahwa nilai

,

, dan

menunjukkan waktu untuk mentransmisikan

paket WSA, RFS, dan ACK. Dapat diasumsikan bahwa nilai

=

. Sedangkan

dan

masing-masing merupakan waktu SIFS dan DIFS. 3) Sedangkan

,

, dan

menunjukkan durasi slot waktu dalam kondisi idle, durasi slot

waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal berhasil dilakukan. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut

(2.39)

Berdasarkan dari Gambar 2.13 diatas dapat diperoleh rumus

yang merepresentasikan

nilai rata-rata interval waktu dari akses contention kanal CCH pada saat reservasi berhasil dibuat. Persamaan

dapat diperoleh dengan melalui rumus sebagai berikut. (2.40)

Dimana nilai

merupakan interval antara dua slot waktu dalam kondisi free yang berurutan

sebelum reservasi berhasil dibuat. Selanjutnya nilai , ,

/( /(

+ +

dapat didefinisikan sebagai berikut

) )

(2.41)

Dengan menggunakan kedua persamaan diatas, maka diperoleh rumus =

+

sebagai berikut (2.42)

Selanjutnya, probabilitas dari

slot waktu dalam kondisi free selama interval waktu

dengan menggunakan distribusi sebagai berikut



46

P{K=k}=

, k = 1, 2, 3, …

.

(2.43)

Pada akhirnya dengan menggunakan persamaan (2.42) dan (2.43) dapat diperoleh persamaan

sebagai berikut

E[X] = (1/ E[X] =

) E[Z] + /

(2.44)

+

(2.45)

2.6.3 Optimasi interval CCH Pada model [2]-[4], untuk menganalisis nilai yang optimal pada interval CCH dapat dilakukan sebagai berikut merupakan total kanal SCH yang ada di jaringan VANET.

1) Didefiniskan bahwa 2) Didefiniskan bahwa nilai

,

,

, dan

menunjukkan interval waktu pada

kanal CCH, SCH, interval waktu untuk mentransmisikan paket WAVE Service Advertisement (WSA), dan aplikasi keamanan (Safety Application). Sedangkan interval sinkronisasi merupakan total dari interval CCH dan SCH dan dapat direpresentasikan dengan

.

(2.46)

3) Kemudian didefinisikan bahwa

merupakan rasio antara

dan

(2.47) 4) Selanjutnya nilai

menunjukkan jumlah dari reservasi kanal CCH selama interval

WAVE Service Advertisement (WSA) dan

merupakan jumlah paket yang berhasil

ditransmisikan selama interval SCH.



47

Selama interval CCH, harus disediakan waktu yang cukup untuk transmisi paket keamanan (safety packet) khususnya pada interval keamanan (safety interval), dimana dapat dirumuskan sebagai berikut =

x

(2.48)

Dimana nilai

menunjukkan total node yang mengirimkan safety packet,

menunjukkan kecepatan data (data rate) pada kanal CCH, berdasarkan lingkungan vehicular saat ini, selanjutnya

merupakan faktor yang ditetapkan

menunjukkan frekuensi pengiriman dari

pesan keamanan (safety message). Apabila panjang paket layanan (service packet) adalah tetap, maka durasi waktu pengiriman paket layanan pada kanal SCH dapat didefinisikan sebagai berikut (2.49) Dimana

menunjukkan panjang header pada lapisan MAC dan PHY dalam paket dimana

layanan data, sedangkan

menunjukkan payload dari paket layanan

(service packet). Nilai rasio yang optimal antara interval CCH dan SCH dapat dicapai apabila jumlah reservasi yang dilakukan di kanal CCH sama dengan jumlah paket layanan yang ditransmisikan di kanal SCH, dalam kondisi

, dengan tidak ada kanal yang dalam kondisi idle, yaitu

untuk membuat lebih banyak reservasi kanal CCH selama interval WAVE Service Advertisement (WSA) atau untuk melakukan transmisi paket layanan yang lebih selama interval SCH. Berdasarkan persamaan (2.46), (2.47), dan (2.49) diatas maka dapat diperoleh rumus sebagai berikut (2.50)

=

Selanjutnya dengan menggunakan persamaan (2.49) dan (3.50), maka dapat diperoleh rumus

sebagai berikut Universitas Indonesia


48

Akhirnya, dengan menggunakan persamaan (3.28), (3.30), dan (3.33) nilai interval CCH yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus

sebagai

berikut (2.53)

=

Kemudian dapat didefinisikan nilai total rata-rata delay transmisi paket layanan yang terdiri dari nilai delay pada interval CCH (T E[T

]= (

E[T

]=

Jika nilai

) dan interval SCH (T

). (2.54)

+ 1) .

(2.55)

dan

sudah didapatkan maka throughput saturasi skema DCF

yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH dapat dihitung berdasarkan rumus berikut :

=

.

(2.57)

.V

Skema koordinasi kanal dinamis pada standar operasi Multikanal IEEE 1609.4, nilai throughput dan total rata-rata delay transmisi paket layanan yang dihasilkan dipengaruhi oleh adanya fenomena slot anomali. Slot anomali menyebabkan adanya slot yang tidak dapat digunakan oleh STA selain STA yang terakhir melakukan transmisi frame, sehingga menyebabkan nilai throughput dan total rata-rata delay transmisi paket layanan turun. Maka dari itu, pada sub bab selanjutnya, akan dibahas mengenai model slot anomali yang dikembangkan oleh Tinnirello dkk [29]. Universitas Indonesia


49

2.7 Fenomena Slot Anomali Pada sub bab ini akan dijelaskan mengenai fenomena slot anomali dan model skema DCF yang dikembangkan Tinnirello dkk [11]. Aturan pengurangan nilai counter backoff pada bagian akhir durasi slot menyebabkan adanya slot yang tidak dapat digunakan oleh STA selain STA yang terakhir melakukan transmisi frame [79]. Slot ini disebut sebagai slot anomali [79]. Fenomena slot anomali pada skema DCF dimodelkan oleh Tinnirello dkk. pada [11]. Kemunculan slot anomali pada proses backoff DCF dapat dijelaskan berdasarkan Gambar 2.14 Misalkan sebuah STAA pada slot

memiliki nilai counter backoff

. Jika pada slot tersebut

kanal diketahui dalam kondisi idle maka pada bagian akhir slot

nilai counter backoff akan

dikurangi, atau pada slot

nilai counter backoff STAA menjadi

. Jika pada slot

kanal diketahui dalam kondisi idle, maka pada bagian akhir slot STAA dikurangi menjadi

. Pada slot

nilai counter backoff

nilai counter backoff telah menjadi nol dan

STAA dapat melakukan transmisi frame. slot t

b:2à1

slot t+1

slot t+2

slot t+3

slot t+4

b:1à0 DIFS

NodeA

Media transmisi dalam kondisi sibuk

NodeA mengirim

b:3à1

b:2à1

b:1

b:1à0

DIFS NodeB

Media transmisi dalam kondisi sibuk

Nilai counter backoff (b) tetap

NodeB mengirim

Gambar 2.16 Slot anomali Tinnirello dkk. [11]

Slot anomali juga dapat terjadi pada saat frame yang ditransmisikan mengalami collision atau mengalami error [79]. Jika transmisi frame oleh STAA pada slot

mengalami collision

atau error maka slot pertama setelah durasi EIFS tidak dapat digunakan untuk transmisi frame oleh STA yang terakhir melakukan transmisi frame atau oleh STA lain yang mendeteksi adanya collision pada kanal [79]. STAA yang mengetahui frame yang dikirim mengalami collision karena tidak menerima ACK selama durasi ACK timeout [79]. Selanjutnya setelah periode DIFS, Universitas Indonesia


50

STAA akan menjalankan prosedur backoff untuk memilih kembali secara acak nilai awal counter backoff [79]. Sementara itu, STA lain yang mengetahui kanal mengalami error atau collision akan menunggu selama periode EIFS dan kemudian nilai backoff counter pada slot pertama setelah EIFS tetap sama dengan nilai counter sebelumnya [79]. Oleh karena itu dapat dikatakan semua STA tidak dapat menggunakan slot pertama setelah periode EIFS. Dengan kata lain, slot tambahan setelah periode EIFS tidak dapat digunakan oleh STA yang mengalami collision maupun oleh STA lainnya [79]. 2.7.1 Bidimensional Markov chain Sesuai penjelasan standar IEEE 802.11 [1], beberapa STA dalam sebuah jaringan WLAN menggunakan medium wireless secara bersama, namun dalam satu waktu tertentu medium wireless hanya boleh digunakan oleh satu STA saja [79]. Setiap STA yang akan mentransmisikan data akan saling berkompetisi untuk memperebutkan penggunaan kanal wireless. Proses perebutan akses kanal antar STA dalam satu jaringan WLAN dapat dimodelkan menggunakan parameter counter backoff [79]. Parameter counter backoff terdiri dari state dan stage. State merepresentasikan delay acak yang terjadi sebelum sebuah STA berhasil mengakses kanal dan stage backoff merepresentasikan jumlah retransmisi sebuah frame. Proses acak yang merepresentasikan state backoff pada slot dapat dinotasikan sebagai merepresentasikan stage backoff dapat dinotasikan sebagai

dan proses acak yang

dengan

[79].

Tinnirello pada [11] memodelkan durasi slot bukan berdasarkan ukuran slot yang sebenarnya, tetapi berdasarkan aturan pengurangan nilai counter backoff sesuai penjelasan pada [3]. Pemodelan counter backoff pada Tinnirello dkk. mengikuti pemodelan Bianchi [7] namun menggunakan asumsi yang berbeda terhadap pengurangan nilai counter backoff. Pengurangan nilai counter backoff pada [11] diasumsikan dilakukan pada bagian akhir durasi slot. Penggunaan asumsi pengurangan nilai counter backoff ini berpengaruh pada model bidimensional Markov chain pada [12]. Perbedaan tersebut terdapat pada stage 0. Pada [11] stage 0 terbagi menjadi dua yaitu 0+ dan 0- dan masing-masing memiliki jumlah nilai counter yang berbeda. Tinnirello dkk. pada [11] menjelaskan bahwa setelah STA berhasil mentransmisikan sebuah frame maka pada akhir slot atau setelah periode DIFS, STA tersebut kembali Universitas Indonesia


51

menjalankan proses backoff untuk persiapan transmisi frame berikutnya. Jika proses backoff menghasilkan nilai acak counter tidak sama dengan 0, maka bisa dikatakan ada sejumlah state yang dapat muncul. Masing-masing kemunculan memiliki nilai probabilitas sama dengan . Jika proses backoff menghasilkan nilai acak counter sama dengan 0, maka . Pada saat proses

probabilitas kemunculan nilai acak nol tersebut adalah

backoff menghasilkan nilai acak counter sama dengan nol, maka STA tidak memasuki slot baru tetapi tetap pada slot yang sama untuk mentransmisikan frame berikutnya [79]. Pada model [11], STA yang telah berhasil mentransmisikan sebuah frame akan memasuki slot baru hanya jika nilai acak counter backoff yang dipilih berada dalam range dan slot idle dengan nilai counter terbesar dimasukkan dalam slot transmisi sebelumnya. STA lain yang tidak melakukan transmisi frame dan dalam kondisi menghentikan pengurangan nilai counter akan memasukkan nilai terakhir counter backoff pada slot sebelumnya dan mulai dikurangi satu kembali [79]. Jika frame yang ditransmisikan oleh STA pada stage mengalami collision maka STA tersebut akan menunggu selama periode ACKtimeout ditambah periode DIFS sebelum menjalankan proses backoff baru untuk memilih nilai awal counter backoff dalam range

[79]. Sementara itu STA lain yang mengetahui adanya collision

pada kanal akan menunggu selama periode EIFS ditambah dengan satu slot idle [79]. Pada model [29], stage

terbagi menjadi dua yaitu

dan

. Stage

dimasuki oleh STA ketika frame berhasil ditransmisikan dan kemudian nilai baru counter dipilih dalam range

. Stage

dimasuki oleh STA ketika frame yang gagal

ditransmisikan dibuang oleh STA karena batas retransmisi frame telah tercapai dan nilai baru counter backoff dipilih dalam range Misalkan

. ,

,

dan

adalah jumlah

usaha pengulangan transmisi akibat adanya collision, maka dapat didefinisikan hubungan sebagai berikut :



52

(2.58) dengan

dan

. sebagai proses

Tinnirello dkk. [11] memodelkan proses acak bidimensional

discrete-time Markov chain (DTMC) seperti yang diperlihatkan pada Gambar 2.18.

1-p W-1

1-p W-1

0+,0

1-p W-1 0+,1

1

p W1

p W2

p W2

2,0

1

0+,W-2

1

p W1 …

1,1

1

0+,W-3

…

p W1

1,0

p W

1-p W-1

p W2

1

p W 0-,1

…

p W 0-,W-2

0-,W-1

1

p W1 1,W1-2

1,W1-1

1

p W2 …

2,1

0-,0

p W

2,W2-2

1

2,W2-1

… R-1,0 p WR R,0

p WR

p WR 1

R,1

p WR …

R,WR-2

1

R,WR-1

Gambar 2.18 Diagram Markov chain Tinnirello dkk. [11]

Model DTMC tersebut mengasumsikan bahwa probabilitas transmisi sebuah frame mengalami collision

adalah independen dari prosedur backoff [12] dan backoff counter

dikurangi pada akhir dari slot backoff. Oleh karena itu state backoff dari setiap STA dapat dinotasikan sebagai nilai dalam range

. adalah tingkat backoff dan

adalah delay backoff yang mempunyai

[79].

Misalkan

merupakan distribusi tetap dari Markov

chain dan misal

merupakan probabilitas transmisi sebuah STA dalam sebuah slot, maka

[79]. Tingkat backoff 0 dibagi menjadi dua state yaitu 0+ dan 0- yang menunjukkan Universitas Indonesia


53

transisi ke stage 0 disebabkan oleh dua kondisi yang berbeda [79]. Masing-masing stage memiliki range nilai backoff counter yang berbeda [79]. Jika STA berhasil melakukan transmisi frame maka counter backoff akan transisi ke ke stage 0+ yang memiliki nilai counter backoff dalam range

[79]. Sedangkan jika STA gagal melakukan transmisi frame maka

counter backoff akan transisi ke stage 0- yang memiliki nilai counter dalam range [79]. Probabilitas transisi state backoff pada Gambar 4.4 dapat dirumuskan dalam persamaan [79] :

(2.59)

Hubungan antar state dalam baris yang sama pada stage

dapat dirumuskan sebagai

berkut [79]:

(2.60)

Pada persamaan (2.16),

untuk menambah satu slot idle setelah transmisi berhasil

ke dalam slot transmisi sebelumnya. Diketahui

maka hubungan antar state

dengan state kolom pertama dapat dirumuskan sebagai berikut [79] :

(2.61) Semua state dapat diekspresikan sebagai fungsi dari probabilitas

, maka jumlah semua

probabilitas transisi dalam Markov chain dapat dirumuskan sebagai berikut [79] :



54

(2.62) Selanjutnya dapat diekspresikan probabilitas τ yang merupakan probabilitas sebuah STA berhasil melakukan transmisi dalam sebuah slot. Setiap transmisi muncul ketika nilai backoff counter mencapai nol. Dengan demikian probabilitas transmisi sebuah STA dapat dirumuskan sebagai berikut [79]:

(2.63)

Berdasarkan probabilitas transmisi τ, probabilitas collision sebuah STA dapat dirumuskan sebagai berikut : (2.64) Selanjutnya

dan

dapat diselesaikan menggunakan penyelesaian numerik persamaan non

linier. Berdasarkan kajian penelitian sebelumnya, kinerja throughput dan total rata-rata delay transmisi paket layanan yang dihasilkan oleh skema koordinasi kanal dinamis pada standar Multikanal IEEE 1609.4 dipengaruhi oleh faktor laju data (data rate) node yang berbeda. Maka dari itu, pada sub bab selanjutnya, akan dibahas mengenai model Markov chain dengan laju data yang berbeda (multi data rate) pada standar 802.11 yang dikembangkan oleh Yang dkk [13]. 2.8

Model Markov chain Yang Pada sub bab ini akan dijelaskan mengenai fenomena anomali kinerja (performance

anomaly) dan model skema DCF yang dikembangkan Yang dkk [13]. Berdasarkan standar IEEE 802.11 dijelaskan bahwa jika node wireless yang berada dekat dengan Access Point (AP), maka akan menggunakan laju data (data rate) yang tinggi dan node dengan laju data (data rate) rendah berada jauh dari Access Point (AP) . Universitas Indonesia


55

2.8.1 Anomali kinerja (performance anomaly) Yang dkk [13] mengembangkan model Markov chain tiga dimensi untuk melakukan evaluasi terhadap anomali kinerja (performance anomaly) pada IEEE 802.11 yang menunjukkan degradasi kinerja yang tak diharapkan dari node-node yang menggunakan laju data tinggi, atau yang dekat dengan Access Point (AP). Berdasarkan kajian dari [13], kinerja throughput dari node kecepatan tinggi sangat dipengaruhi oleh node kecepatan rendah, dan mengalami penurunan throughput walaupun node tersebut dekat dengan Access Point (AP). Hal ini disebabkan oleh MAC 802.11 menyediakan akses kanal yang sama, yaitu dengan memberikan kesempatan yang sama bagi node-node untuk mengakses kanal. Kemudian, dengan mengasumsikan data yang ditransmisikan melewati kanal memiliki besar yang sama, node dengan laju data yang rendah, sebagai contoh, node yang berada jauh dari AP, akan mendapatkan kanal wireless lebih lama dibandingkan dengan node dengan kecepatan tinggi, seperti stasiun yang dekat dengan AP. Dengan demikian, throughput data yang didapat oleh node tidak linear dengan laju transmisi mereka. Fenomena ini biasa disebut sebagai anomali kinerja (performance anomaly) dari IEEE 802.11. Pada penelitian tersebut Yang dkk. [13] melakukan evaluasi kinerja terhadap algoritma link adaptation pada standar IEEE 802.11 dengan mengelompokkan node dalam sebuah BSS tergantung dari laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps, dan menetapkan group ID i=1, 2, 3 dan 4 untuk setiap kelompok dari node, secara berurutan. Dengan node yang heterogen ini, menunjukkan bahwa durasi untuk mentransmisikan sebuah frame oleh suatu node pada setiap group berbeda, yaitu, semakin rendah laju transmisi, semakin lama durasi untuk mentransmit sebuah frame. Misalkan

adalah backoff window untuk sebuah station pada group i pada

backoff stage k. Pada mekanisme DCF konvensional menggunakan CSMA/CA, semua nodes pada group I manapun memiliki backoff window awal yang sama

, untuk semua i=1, 2, 3, dan

4. Model yang dikembangkan oleh Yang dkk [13] merupakan pengembangan dari model Bianchi. Dalam sub bab selanjutnya akan dibahas mengenai model Markov chain tiga dimensi yang dikembangkan oleh Yang dkk [13] untuk melakukan evaluasi terhadap anomali kinerja (performance anomaly) pada IEEE 802.11. Universitas Indonesia


56

2.8.2 Model Markov chain Tiga Dimensi Pada model Markov chain tiga dimensi yang dikembangkan oleh Yang [13] dapat dijelaskan sebagai berikut, didefinisikan

adalah suatu random proses yang adalah suatu random

merepresentasikan backoff stage dari suatu node pada group i dan

proses yang merepresentasikan nilai dari backoff counter dari suatu node pada group i. Suatu random proses baru

dapat didefinisikan. 1/Wi,0

(1-p)/W0

(1-pc,i)/Wi,0 1 i,0,0

i,0,1

1

p

i,0,2

i,0,Wp-2

p

p

1

i,0,Wp-2

p

(Pc,i)/WL,k-1 I,k-1,0

p/Wi

p/Wi i,k,0

1

i,k,1

1

p

p/Wm 1

i,Lretry,0

p/Wm

i,k,2

i,kWz-2

p

p

1

i,kWi-1

p

p/Wm i,Lretry,1

1

p

i,Lretry,2

i,Lretry, m, Wm-2

p

1

i,Lretry, m,Wm-1

p

p

Gambar 2.19 Model Markov chain Tiga Dimensi Yang [13]

Yang dkk. [13] memodelkan

sebagai suatu variabel random uniform pada rentang

. Dengan mengasumsikan probabilitas suatu frame yang ditransmisikan bertabrakan Universitas Indonesia


57

dengan frame lain pada slot waktu tertentu dan probabilitas bahwa suatu kanal sedang sibuk adalah tidak bergantung pada mekanisme backoff, maka dapat ditentukan

sebagai suatu

Markov chain waktu diskrit. State dari Markov chain direpresentasikan sebagai ,

,

,

, dimana i, k, dan l merepresentasikan group i,

backoff stage k, dan nilai backoff counter l. Pada model [13], probabilitas transisi state dari Markov Chain diperlihatkan pada Gambar 2.17. dapat dijelaskan sebagai berikut: , dimana , dimana

(2.66) , dimana , dimana , dimana

Dimana

(2.65)

(2.67) (2.68) (2.69)

menunjukkan probabilitas bahwa suatu node pada group i dalam konidisi kanal

sedang sibuk dan

menunjukkan probabilitas bahwa suatu frame dari suatu node pada group i

mengalami tabrakan (collision) secara berurutan. Pada model [13], probabilitas transisi ini dapat dijelaskan sebagai berikut: 1. Counter backoff akan berkurang 1 ketika suatu node merasakan bahwa kanal sedang dalam kondisi idle selama suatu slot waktu, 2. Counter backoff akan berhenti jika suatu node merasakan bahwa kanal sedang sibuk, 3. Suatu node memilih sebuah delay backoff dari backoff stage k selanjutnya setelah suatu tranmisi yang gagal pada stage k-1, 4. Suatu node memilih sebuah nilai counter backoff menggunakan backoff window dari backoff stage 0 jika framenya saat ini gagal ditransmisikan, dan mencoba untuk mentransmisikan sebuah frame baru



58

5. Sebuah node mencoba melakukan transmisi pada batas maksimal, dan akan mencoba untuk mentransmisikan sebuah frame baru baik untuk transmisi frame berhasil maupun tidak. Selanjutnya Yang dkk. [13] memodelkan

sebagai distribusi steady state dari Markov

chain untuk suatu node pada group , dengan backoff stage , dan nilai backoff counter . Hal ini dapat direpresentasikan sebagai

. Kemudian dapat

diperoleh persamaan sebagai berikut dengan memperhitungkan distribusi steady state.

,

(2.70) (2.71) (2.72)

Persamaan (2.70) dan (2.71) dapat diturunkan dari persamaan kesetimbangan pada steady state, yaitu jumlah dari probabilitas transisi dari suatu state dikalikan dengan probabilitas pada state sama dengan jumlah dari probabilitas transisi dari suatu state ke state lain dikalikan dengan probabilitas pada state. (2.73) (2.74) Kemudian probabilitas stasioner bi,0,0 dapat ditemukan dari persamaan diatas. Semua distribusi stasioner bi,k,l dapat dihitung menggunakan (6)-(9). Untuk menemukan distribusinya, probabilitas pb,i dan pc,i harus diketahui. Nilai probabilitas pb,i dan pc,i dapat diturunkan dari distribusi bi,k,l dengan cara sebagai berikut: pertama, probabilitas bahwa suatu node pada group i mentransmisikan suatu frame pada suatu slot waktu yang diberikan pada (2.75)



59

Sebuah node dapat mengirimkan suatu frame ketika nilai backoff counternya mencapai nol. Disamping itu, kanal dalam kondisi sibuk jika minimal satu node sedang melakukan transmisi sebuah frame. Maka dari itu, kita dapat menentukan pb,i sebagai berikut (2.76) menunjukkan jumlah node pada group . Pada sisi lain, suatu tabrakan terjadi

Dimana

ketika setidaknya satu node selain node yang sedang mentransmisikan ini, mentransmisikan suatu frame. Dengan demikian, pc,i diturunkan dengan cara yang serupa dengan (2.77) Dengan catatan bahwa terdapat suatu perbedaan diantara terlihat sama. Pada merasakan, dan pada

dan

walaupun mereka

, node yang dalam fase observasi tidak mengirimkan frame namun hanya , node ini mengirimkan. Dengan menggunakan (2.73)-(2.77),

diselesaikan secara numerik.Misalkan

dapat

menotasikan suatu probabilitas bahwa suatu kanal

sedang sibuk pada sebuah slot. Kemudian kita mendapatkan (2.78) Probabilitas

bahwa suatu station pada group itelah dengan sukses mentransmisikan pada

suatu slot diberikan oleh persamaan (2.79) Kemudian, probabilitas bahwa suatu transmisi sukses pada slot waktu tertentu dapat ditentukan sebagai berikut (2.80) Persamaan-persamaan numerik diatas berdasarkan pada analisa untuk suatu laju transmisi tunggal (single rate) pada [14] dan dikembangkan lebih jauh untuk mempertimbangkan node dengan laju transmisi beragam (multirate). Kemudian, dapat diasumsikan bahwa jika jumlah node pada suatu group diberikan secara probabilistik, sebagai contoh, jumlah node pada N groups terdistribusi secara uniform. Universitas Indonesia


60

Selanjutnya, Yang dkk. [13] melakukan kajian analisis probabilitas tabrakan pada suatu lingkungan multirate, yang berbeda dari penelitian-penelitian sebelumnya. Ketika suatu tabrakan terjadi, waktu tabrakan didominasi oleh transmission time yang paling lama (laju transmisi paling rendah) diantara semua waktu transmisi yang terlibat pada trabrakan tersebut seperti diilustrasikan pada Gambar 2.17. Diasumsikan bahwa semua node mentransmisikan frame dengan ukuran yang sama. Didefinisikan bahwa tabrakan disebabkan oleh node pada group i, dan tabrakan yang disebabkan node pada group j (i tidak sama dengan j) memiliki karakteristik berbeda. Untuk memformulasikan waktu tabrakan dari node multirate, yaitu secara group, kita merujuk tipe tabrakan terdahulu sebagai tabrakan i-homogeneous dan selanjutnya sebagai tabrakan i-heterogeneous, secara berurutan. Pada model [13],

merepresentasikan probabilitas dari tabrakan i-homogen, dan

merupakan probabilitas dari tabrakan i-heterogeneous. Nilai probabilitas

dapat

dihitung jika paling sedikit 2 node dalam sebuah group i terjadi tabrakan, dan dirumuskan sebegai berikut (2.81)

Kemudian berdasarkan model [13], nilai probabilitas

dapat dihitung jika

setidaknya satu node dalam group i dan setidaknya satu node dalam group j terjadi tabrakan (dimana nilai j lebih kecil dari i), dan dirumuskan sebegai berikut (2.82)

(2.83) Selanjutnya, pada model [13]

merepresentasikan probabilitas tabrakan dari i-

homogen atau i-heterogeneous yang disebabkan oleh node-node yang ada di group i atau nodenode yang ada di group i dan j

dapat dirumuskan sebagai berikut (2.84) Universitas Indonesia


61

,

(2.85)

Pada akhirnya, dapat ditentukan rumus saturasi throughput node dalam group i. Saturasi throughput dinormalisasi dari node dalam group i dan dapat dihitung sebagai berikut (2.86) Dimana (2.87) (2.88) (2.89) (2.90) (2.91) (2.92)

Dimana

adalah ukuran MAC Service Data Unit (MSDU) atau muatan payload

dari lapisan MAC yang dikirimkan oleh node yang berada dalam group i, dalam satuan bytes, sedangkan

merupakan laju transmisi node berada dalam group i,

waktu. Selanjutnya

adalah durasi slot

menunjukkan durasi waktu rata-rata selama kanal dirasakan sibuk

oleh node dalam group i karena transmisi yang sukses, kemudian

adalah durasi waktu

rata-rata selama kanal sibuk karena mengalami tabrakan, di mana tingkat transmisi group i adalah yang terendah.

adalah durasi waktu dari Short Interframe Space (SIFS),

merupakan durasi waktu dari DIFS,

adalah delay propagasi,

adalah waktu yang

dihabiskan untuk mengirimkan sebuah frame ACK oleh node yang berada dalam group i, adalah waktu yang dihabiskan untuk mengirimkan PHY dan MAC header oleh node yang berada dalam group i, dan

adalah waktu yang dihabiskan untuk mengirimkan sebuah MSDU oleh

node yang berada dalam group i. Berdasarkan model Markov chain yang dikembangkan oleh Yang [18] diatas, maka dapat disimpulkan bahwa “performance anomaly” pada IEEE 802.11 menunjukkan degradasi kinerja Universitas Indonesia


62

yang tak diharapkan dari node-node yang menggunakan laju data tinggi, atau yang dekat dengan AP (Access Point). Kinerja node dalam sebuah Basic Service Set (BSS) tergantung dari laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps dan kanal propagasi yang digunakan. Berdasarkan kajian penelitian sebelumnya, kanal propagasi akibat pengaruh fading Nakagami yang sesuai dengan model kanal di jaringan Vehicular Ad Hoc Network (VANET). Oleh karena itu, pada sub bab selanjutnya, akan dibahas pemodelan skema koordinasi kanal dinamis dengan menggunakan kanal propagasi akibat pengaruh fading Nakagami. 2.9 Studi analitikal propagasi kanal Nakagami Distribusi nakagami adalah distribusi probabilitas yang terakit dengan distribusi gamma. Distribusi ini memiliki dua parameter, yaitu parameter bentuk

dan parameter kontrol . Model

fading Nakagami adalah model murni empiris dan tidak berdasarkan pada hasil yang diperoleh dari pertimbangan fisik propagasi radio. Berdasarkan kajian analisis sebelumnya yang dilakukan oleh Nasuf dkk. [21] mengenai model propagasi kanal Nakagami, dapat dihitung estimasi model analitikal probability density function (pdf) dan n-th order moment nakagami-m dengan mempertimbangkan noise, multipath dan shadow fading, serta fluktuasi fasa. Dalam melakukan analisa untuk model propagasi kanal Nakagami dapat dijelaskan sebagai berikut [21] 1. Dalam menentukan distribusi Nakagami-m, dilakukan dengan menggunakan probabilitas

fungsi kepadatan (2.93)

dimana

2. Kemudian sinyal rusak di penerima akibat adanya noise Additive White Gaussian Noise

(AWGN) dapat didefinisikan sebagai berikut Universitas Indonesia


63

𝑥𝑖 (𝑡) = 𝑟𝑖 𝑒 −𝑗𝜃𝑖 𝑠𝑖 (𝑡) + 𝑤𝑖 (𝑡) (2.94)

dimana

adalah fungsi kompleks noise AWGN pada kanal simbol

interval. yaitu :

Nilai absolut dari persamaan di atas, didapatkan dengan menormalkan nilai (2.95) 3. Dari hasil pengukuran [7], untuk menemukan PDF dari

dalam rangka untuk

memperoleh estimator untuk parameter m dan Ω dari Nakagami-m kanal multipath / gamma-dibayangi memudar berisik. Hal ini dapat dinyatakan: Nilai absolut dari output menormalkan correlator adalah:

(2.96)

4. Selanjutnya dapat didefinisikan distribusi Nakagami-m dengan mengusulkan momen

berdasarkan estimator untuk nilai m dan Ω :

(2.97) dimana F (.; .; .;) adalah fungsi hypergeometric, untuk n = {0,2,4}dari fungsi wolfram pada persamaan (07.23.16.0001.01) kami mendapatkan nilai

=1, dimana mewakili

kondisi normalisasi :

(2.98)



64

Dari persamaan

dan

, estimator momen berbasis

dan

dapat didefinisikan

sebagai berikut :

(2.99) dimana

j mewakili nilai lokal dari m-parameter, dan Ωj merupakan realisasi dari

estimasi bayangan memudar. 5. Kemudian menentukan nilai parameter estimator Nakagami-m pada kanal akibat adanya

noise multipath-shadowed : (2.100) dimana K mewakili jumlah realisasi bayangan memudar sebagai proses random. 6. Akhirnya, memperoleh probabilitas kesalahan sinyal sebagai m-parameter estimator lebih

Nakagami-m multipath :

Eb     N0   m   1 m  1   Pe  exp    E E  b  b   N0  N0  1 2   1     m 1   m 1   

(2.101)

Berdasarkan beberapa kajian evaluasi dari penelitian sebelumnya, mengenai evaluasi kinerja pada IEEE 1609.4 yang disebabkan oleh tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda, efek Doppler akan mempengaruhi nilai throughput dan delay transmisi yang dihasilkan. Maka dari itu pada sub bab selanjutnya akan dilakukan evaluasi pengaruh efek Doppler terhadap kinerja yang dihasilkan pada skema koordinasi kanal dinamis pada standar IEEE 1609.4.



65

2.10 Pengaruh efek Doppler Efek Doppler adalah perubahan frekuensi atau panjang gelombang dari sebuah sumber gelombang yang diterima oleh pengamat, jika sumber suara/gelombang tersebut bergerak relatif terhadap pengamat/pendengar. Di lingkungan Vehicular Ad Hoc Network (VANET), efek Doppler yang disebabkan oleh mobilitas yang tinggi, topologi dinamis, dan perubahan lintasan. Berdasarkan penelitian yang dilakukan oleh Luo dkk. [22], bahwa pada standar IEEE 802.11p dengan menggunakan bandwidth 10Mhz, spektrum Doppler adalah sekitar 59 Hz dan 1.18 Hz pada kecepatan 10.8 km/jam sampai dengan 216 km/jam. Walaupun bandwidth tersebut lebih kecil dari bandwidth subcarrier (156.25 kHz), penurunan kinerja disebabkan efek Doppler seharusnya tidak diabaikan. Hal ini disebabkan oleh variasi waktu dari kanal yang merusak orthogonalitas dari subcarrier yang berbeda dan membangkitkan kekurangan daya pada subcarrier, dikenal sebagai InterCarrier Interference (ICI). Dengan asumsi dari sampling sempurna dan sinkronisasi pewaktuan simbol, output kth ) dari demodulator FFT pada receiver

(

dapat ditulis sebagai (2.102)

Dimana

adalah simbol termodulasi M-PSK,

dengan zero mean dan variansi

dan

adalah noise White Gaussian

adalah transformasi fourier dari respon impuls

kanal pada waktu n, dimana didefinisikan sebagai (2.103) Dimana

adalah bilangan dari pembalikan multipath,

dan

didefinisikan

sebagan offset frekuensi carrier ternormalisasi dan fase noise, dimana dapat dihasilkan dari Doppler spread yang tidak stabil. Pada kanal mobile fading, efek Doppler dipertimbangkan, dan diasumsikan cocok dengan complex white Gaussian process dengan rata-rata zero, dan fungsi autokorelasi (2.104) (2.105) Universitas Indonesia


66

Dimana didefinisikan sebagai frekuensi penerima akibat pengaruh efek Doppler 𝑐 + 𝑣𝑟 𝑓𝑑 = 𝑓 (2.106) 𝑐 + 𝑣𝑠 0 adalah kecepatan rambat gelombang adalah kecepatan pengamat (receiver) relatif terhadap medium adalah kecepatan sumber gelombang relatif terhadap medium adalah frekuensi sumber ( Dimana

5.9 GHz)

adalah fungsi Bessel ke 0 dari contoh pertama [17]. Secara khusus di kanal

slow fading kita mempunyai Untuk kemudahan analisis, di kanal time-variant, dipisahkan menjadi 3 bagian: item yang dicari d(k), ICI

di persamaan (2.105) dapat dan item noise

. Kemudian

persamaan (2.1) dapat ditulis kembali dengan (2.107) (2.108) Untuk simbol M-PSK, kita mempunyai (2.103) SNR instan Dimana

dan daya ICI ternormalisasi

. Karenanya, dari persamaan dari subcarrier ke k data dikurangi.

mendenotasikan operasi ekspektasi, hal ini dapat dilihat pada persamaan

(2.104). Daya ICI yang dihasilkan Doppler spread dan frekuensi offset naik dengan

dan ,

dan kemudian kinerja menurun. Karenanya, efek Doppler dan resultan frekuensi offset memiliki pengaruh negative pada kinerja sistem, dan perlu untuk dieliminasi pada kanal time-variant. Apabila kanal time-invariant dengan

, persamaan (2.103) dan

(2.107) kemudian menjadi (2.109)



67

Dari persamaan (2.108), tidak ada ICI pada kasus tsb, dan hanya frekuensi selective fading timbul. Seperti yang kita tahu ketika diadopsi dari BPSK atau QPSK, maka nilai BER dari th sub-carrier dapat dihitung melalui kanal AWGN adalah [17] (2.110) dimana

merupakan signal to noise ratio (SNR) di sisi penerima. Jadi di sisi penerima,

dapat dihitung SNR per bit (

dan rata-rata SNR per symbol (

sebagai berikut :

(2.111)

adalah penjumlahan daya sinyal noise dan sinya interferensi dalam Watt per Hertz. Persamaan (2.111) juga dapat diekspresikan menggunakan SNR sebagai berikut : (2.112) Pada persamaan (2.111),

adalah bandwidth kanal. Pada HT-PHY, ukuran Bandwidth kanal

yang dapat digunakan adalah 10 MHz. Setelah informasi SNR, jumlah spatial stream dan jenis modulasi diketahui maka selanjutnya probabilitas error paket dapat dihitung. Pada modulasi M-QAM dapat didefiniskan

dengan

adalah jumlah bit yang

direpresentasikan dalam satu simbol OFDM yang menggunakan perbedaan fase dan amplitudo sebanyak

. Probabilitas error symbol yang dimodulasikan menggunakan M-QAM adalah

[23], [24]: (2.113) Oleh karena

atau

, maka aliran bit yang diperoleh dari hasil demodulasi

sinyal M-QAM memiliki probabilitas bit error sebagai berikut[60], [63]:



68

(2.114) Fungsi

pada persamaan (2.16) dan (2.17), didefinisikan sebagai (2.115)

2.11 Additive White Gaussian Noise (AWGN) Additive White Gaussian Noise (AWGN) adalah model derau utama yang menambahkan sampel suara Gaussian secara independen untuk sinyal input. Pengaruh Additive White Gaussian Noise (AWGN) menyebabkan kanal mengalami error dan kinerja throughput mengalami degradasi. Derau AWGN merupakan gangguan yang bersifat Additive atau ditambahkan terhadap sinyal transmisi,dimodelkan dalam pola distribusi acak Gaussian dengan mean (m) = 0, standar deviasi (σ) = 1, power spectral density (pdf) = No/2 (W/Hz), dan mempunyai rapat spektral daya yang tersebar merata pada lebar pita frekuensi tak berhingga. Distribusi AWGN dengan pdf : (2.116)

adalah probabilitas kemunculan derau adalah standar deviasi adalah nilai rata-rata adalah variabel (tegangan atau daya sinyal) Model kanal AWGN adalah kanal ideal yang hanya memiliki AWGN (Additive White Gaussian Noise) di dalamnya. Kanal ideal berarti kanal ini tidak menyebabkan distorsi (perubahan bentuk sinyal) pada sinyal yang dikirim, artinya kanal ideal memiliki bandwidth tidak terbatas dan respon frekuensinya tetap untuk segala frekuensi. Universitas Indonesia


69

Respon Impuls

Derau Gaussian Gambar 2.20 Model kanal Additive White Gaussian Noise (AWGN)

Kemudian setelah dijelaskan mengenai pengaruh propagasi kanal Nakagami, efek Doppler, dan Additive White Gaussian Noise (AWGN) yang menyebabkan penurunan kinerja pada skema koordinasi kanal dinamis Multikanl IEEE 1609.4, maka pada sub bab selanjutnya akan dijelaskan mengenai perhitungan distribusi node di setiap zone dengan menggunakan distribusi Poisson. 2.12 Distribusi Node di setiap zone i Pada sub bab ini akan dilakukan perhitungan jumlah node di setiap zone i dengan menggunakan distribusi Poisson dan mempertimbangkan propagasi kanal Nakagami. Distribusi Poisson adalah distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu yang saling bebas sejak kejadian terakhir. Kemudian dengan menggunakan distribusi node dalam setiap zone i ini maka akan dapat dihitung nilai optimal Indeks CW (Contention Window Index) berdasarkan pada distribusi node pada setiap zone i, dimana nilai CW yang optimal ini akan mempengaruhi kinerja node akibat adanya anomali kinerja karena perbedaan laju transmisi data yang berbeda di setiap zone.. Untuk menghitung distribusi node dalam setiap kelompok, kita menggunakan asumsi yang sama dengan penelitian sebelumnya [23]. Pertama kita memperkirakan radius komunikasi node dengan mempertimbangkan propagasi kanal Nakagami. Distribusi Nakagami-m adalah Universitas Indonesia


70

probabilitas distribusi yang terkait dengan distribusi gamma. Fungsi kepadatan probabilitas (pdf) dari kekuatan sinyal yang diterima [23]-[24] dapat ditulis sebagai , for dimana

adalah fungsi gamma,

menunjukkan

jarak

dalam ,

carrier,

(2.117)

dan

satuan

adalah nilai rata-rata daya yang diterima, meter,

merupakan

nilai

adalah cepat rambat cahaya,

eksponen

path-loss,

menunjukkan frekuensi

merupakan gain antenna pengirim dan penerima, dan

menunjukkan nilai

faktor fading. Dari persamaan diatas, dapat dihitung nilai cdf (Cummulative Distribution Function) dari nilai jangkauan komunikasi ketika daya yang diterima lebih besar dari nilai ambang daya (power threshold,

) dan dapat ditentukan sebagai berikut (2.118)

Dengan melakukan subsitusi persamaan (2.93) ke (2.94) dan dengan definisi maka dapat dihitung persamaan berikut (2.119) Dengan menggunakan (2.120) Maka dapat diperoleh nilai cdf sebagai berikut (2.121) Selanjutnya, nilai rata-rata jangkauan komunikasi

atau

dapat diturunkan sebagai (2.122)

Dengan melakukan subsitusi persamaan (2.118) ke (2.119) dan mengintegralkan batas atas persamaan maka diperoleh persamaan sebagai berikut Universitas Indonesia


71

(2.123) Untuk memperoleh nilai rata-rata carrier sense range

di mana node dapat merasakan

paket tapi tidak bisa menerimanya, prosedur yang sama seperti diikuti di persamaan (2.99). Kecuali untuk nilai daya yang diterima sebagai

=

, di mana

, yang didefinisikan sebagai persentase nilai ambang

.

Oleh karena itu, nilai rata-rata carrier sense range

dapat ditentukan sebagai berikut 𝐸 𝐿𝐶𝑆 =

𝐸𝑅 𝛼

(2.124)

𝜌

Dalam kajian analisis yang dilakukan menggunakan asumsi yang sama seperti pada [23]. Hal ini dilakukan untuk memperkirakan rata-rata jumlah node dengan menggunakan distribusi Poisson. Berdasarkan kajian studi analitis sebelumnya [23], dapat dihitung nilai probabilitas dari jumlah kendaraan

dalam range dari kendaraan acuan, model mobilitas diperluas untuk

mencakup keamanan minimum di antara jalur masing-masing kendaraan. Jarak minimum ini adalah variabel acak dan tergantung pada kecepatan kendaraan

jika nilai

diasumsikan tetap.

Hal ini merupakan waktu respon pengendara untuk melakukan reaksi jika ada kejadian tiba-tiba. Disamping itu, dapat dijelaskan dengan menggunakan model antrian server tunggal (singleserver queue) seperti ditunjukkan pada Gambar 2.21.

Gambar 2.21 Model antrian Single-server [23]



72

Berdasarkan kajian penelitian sebelumnya [23], ketika jumlah kendaraan yang melintasi titik referensi yang ditentukan sangat kecil sehingga waktu antar kedatangan/ interarrival time (

) antara kendaraan di jalur i lebih besar dari

. Dalam hal ini, kemungkinan nilai

kendaraan dalam jangkauan komunikasi dari kendaraan acuan (tagged vehicle) yaitu, dalam jarak

di jalur i adalah berdistribusi Poisson dan dapat didefinisikan sebagai berikut

𝑃2𝑅

2𝛽𝑖 𝑅 𝜇 𝑁𝑐𝑖 = 𝑘 = 𝑘!

𝑘 2𝛽 𝑅 − 𝑖 𝑒 𝜇

(2.125)

sedangkan rata-rata jumlah kendaraan di sekitar kendaraan acuan/penanda di jalur i adalah (2.126) Jadi nilai probabilitas

dalam jangkauan carrier sense dari kendaraan acuan dapat

dirumuskan sebagai berikut (2.127)

Setelah didefinisikan rumus rata-rata jumlah kendaraan di jalur i (

kemudian tahap

selanjutnya adalah menentukan nilai optimal Contention Window Index (CWI).

2.13 Nilai optimal Contention Window (CW) Nilai awal (initial) Contention Window (CW) adalah inisialisasi dari nilai backoff stage yang ditentukan berdasarkan model Markov chain yang digunakan. Berdasarkan penelitian sebelumnya, penentuan nilai Contention Window (CW) dapat ditentukan dengan dua cara, yaitu dengan random nilai dan optimal nilai. Penentuan nilai awal Contention Window (CW) dengan metode random nilai, yaitu ditentukan dengan secara random dari nilai awal Contention Window (CW), yaitu 16, 32, 64, 128, 256, dan 512. Sedangkan untuk penentuan nilai awal dengan nilai optimal, yaitu dengan inisialisasi nilai Contention Window (CW) yang optimal berdasarkan dari Universitas Indonesia


73

distribusi jumlah node yang ada. Pada disertasi ini, akan digunakan metode inisialisasi nilai Contention Window (CW) yang optimal berdasarkan dari distribusi jumlah node yang ada. Untuk menentukan nilai optimal dari CWI kita mengacu dari penelitian sebelumnya dari Chun dkk. [25], dimana dilakukan dengan mendefinisikan persamaan aggregate throughput sebagai berikut 𝑆=

𝐸 𝑃 + 𝐹𝑒𝑑 . 𝑇𝐷𝑎𝑡𝑎 /𝑇𝑆 . 𝜆. 𝑅𝐷𝑎𝑡𝑎 (𝑡) 𝐸𝐷

(2.128)

dimana

adalah

waktu

node

lain

dapat

berhasil

mengirimkan paket data kecuali node ditandai selama rata-rata waktu tunda (mean delay time). dan

adalah rata-rata panjang paket payload dan laju data. Sedangkan

adalah rasio

ukuran payload untuk panjang paket penuh dengan header messages. Kemudian, persamaan (2) diatas dapat disederhanakan dengan persamaan seperti pada [25] sebagai berikut 𝑆=

𝑆=

𝐾−1 𝑖=0

𝑝𝑆 . 𝑇𝑆

𝑖 𝑖 𝑗 𝑗 =0 𝑝 𝐸[𝑈

] . 𝑇𝐷𝑎𝑡𝑎 /𝑇𝑆 . 𝜆. 𝑅𝐷𝑎𝑡𝑎 (𝑡)

𝐸𝐷 𝐸 𝑃 1 + 𝑝𝑆

𝐾−1 𝑖=0

𝑖 𝑖 𝑗 =0 𝑝 𝐸

𝑈

+

𝐸 𝑃 𝐸𝐷

(2.129)

𝑗

𝐸𝐷

(2.130)

Berdasarkan kajian analisis sebelumnya [12], nilai CW yang optimal dapat mencapai throughput maksimal, dengan jumlah node N. Menurut kajian yang dilakukan Shi Chun dkk. [25], delay jaringan dimodelkan lebih akurat dengan menghitung durasi baru transmisi yang sukses

dan durasi tabrakan

.

𝑇𝑆 = 𝑇𝑅𝑇𝑆 + 3𝑇𝑆𝐼𝐹𝑆 + 4𝜎 + 𝑇𝐶𝑇𝑆 + 𝑇𝐷𝐴𝑇𝐴 + 𝑇𝑕𝑒𝑎𝑑 + 𝑇𝐴𝐶𝐾 𝑇𝐶 = 𝑇𝑅𝑇𝑆 + 𝑇𝑆𝐼𝐹𝑆 + 2𝜎 + 𝑇𝐷𝐼𝐹𝑆

di mana

dan

Sedangkan nilai , dan

dan

(2.131)

merupakan waktu transmisi frame lapisan MAC dan PHY header. menunjukkan delay propagasi dan durasi waktu SIFS. Nilai

,

adalah waktu transmisi frame RTS, CTS, dan ACK.



74

Dengan menggunakan persamaaan (2.130), dapat untuk menyederhanakan persamaan (2.131) dengan menentukan nilai CW dan

, selanjutnya dengan mengabaikan

parameter yang kurang dari atau sama dengan parameter urutan ketiga

maka diperoleh

rumus persamaan berikut 𝜕𝑆

𝜕𝐶𝑊 =

𝑁. 𝑇𝑆𝐿𝑂𝑇 . 𝐶𝑊 2 + 2 𝑁 − 1 2 . 𝑇𝑆𝐿𝑂𝑇 . 𝐶𝑊 2

+ 𝑁 − 1 4𝑇𝑆𝐿𝑂𝑇 − 2𝑇𝐶 − 2𝑇𝐸𝐼𝐹𝑆 𝑁 2 + 𝑁 − 1 2𝑇𝐸𝐼𝐹𝑆 − 2𝑇𝐷𝐼𝐹𝑆 − 14𝑇𝑆𝐿𝑂𝑇 𝑁 + 𝑁 − 1 2𝑇𝐷𝐼𝐹𝑆 + 10𝑇𝑆𝐿𝑂𝑇 𝑁 (2.132)

Kita dapat memperoleh optimal CW dengan memecahkan persamaan (2.132) diatas sebagai berikut 𝐶𝑊 =

𝑇 2𝑁 𝑁−1 .𝑇𝑆𝐿𝑂𝑇 𝑇𝐸𝐶𝑆 𝑁−1 2 +𝑇1 𝑁− 2 𝑇1

𝑁.𝑇𝑆𝐿𝑂𝑇

+

−2 𝑁−1 2 𝑇𝑆𝐿𝑂𝑇 𝑁.𝑇𝑆𝐿𝑂𝑇

(2.133)

Dimana ,

,

dan

Akhirnya kita dapat nilai CW yang optimal dari persamaan (2.133) sebagai berikut (2.134) Dimana

, dan persamaan (2.110) diatas disebut juga dengan indeks CW

(CWI). Setelah didapatkan rumus untuk nilai CW yang optimal berdasarkan dari jumlah node yang diperoleh dari distribusi Poisson.



75

2.14. Network Simulator-3 NS-3 merupakan sebuah network simulator baru yang dikembangkan dari NS-2 [26]. Pembuatan NS-3 pertama sekali dilakukan pada tahun 2006 dan versi stabil pertama sekali diperkenalkan pada Juni 2008 [26]. Tujuan pembuatan NS-3 adalah untuk menyediakan network simulator yang sesuai dengan kebutuhan penelitian modern dan terkini serta dikembangkan dalam komunitas open source. Core dan model objek NS-3 semua ditulis dalam bahasa pemograman C++ dan front end untuk kode C++ dapat ditulis dalam berbagai bahasa pemograman scripting seperti Phyton, Perl, dan Tcl dengan menggunakan binding generator khusus. Seperti pendekatan yang dilakukan pada NS-2, front end ini memungkinkan pengguna untuk membuat objek simulasi dengan bahasa scripting yang fleksibel tanpa perlu kompilasi. Front end Phyton secara otomatis dibangkitkan dari file class C++ dan sudah digunakan pada contoh script simulasi. Komponen utama lapisan arsitektur NS-3 diperlihatkan pada Gambar 2.6 yang terdiri dari modul core, modul common dan modul simulator. Komponen helper terdiri atas pengembangan API cross layer. Class-class lainnya diluar lapisan arsitektur dikelompokkan dalam komponen contrib.

Gambar 2.22 Lapisan modul software NS-3 [26]

Modul core menyediakan tambahan fungsionalitas bahasa C++ agar pemograman simulasi menjadi lebih mudah, seperti penyediaan smart pointer, rich dynamic type system, COM-like interface query system, callback objects, dan runtime yang menjelaskan atribut object. Universitas Indonesia


76

Modul common berisi tipe data yang berhubungan dengan manipulasi paket dan header. Modul simulator berisi manipulasi waktu dan event scheduler. Modul node memberikan pandangan konseptual kepada modul-modul yang telah disebutkan sebelumnya dan menyediakan fasilitas dasar dalam network simulator seperti class Node, sebuah abstrak class dasar untuk interface lapisan link (NetDevice) dan beberapa tipe address. Modul mobility berisi abstrak class dasar untuk model mobility. Object model mobility dapat di agregat dengan object node untuk menyediakan node dengan kemampuan untuk mengetahui posisinya sendiri. Modul NS-3 juga terdiri dari internet stack yang mengimplementasikan stack UDP/TCP/IPv4/IPv6 dan beberapa implementasi NetDevice seperti PointToPoint, csma, wifi, wimax, lte dan lain-lain. Modul aplikasi menyediakan beberapa aplikasi seperti OnOff, UdpEcho, V4Ping dan lain-lain yang menggunakan socket interface seperti pada Linux. Modul terakhir yaitu modul helper, menyediakan sekumpulan class C++ sederhana yang tidak menggunakan pointer dan memaketkan level class yang lebih rendah dengan interface yang lebih mudah. Send Send Wsmp Send Vsa

ForwardUp ForwardVsa

WaveNetDevice

SchChannelScheduler ChannelManager VSARepeater

ChannelCoordinator

OcbWifiMac

DcaManager

DcaTxop

MacRxMiddle

MacLow

YansPhy Implement Wifi channel For VANET

Exist

Gambar 2.23 Arsitektur modul WAVE 802.11p pada NS-3 [27]

Implementasi NetDevice WiFi standar 802.11 pada NS-3 diported dari YANS (Yet Another Network Simulator) yang merupakan sebuah proyek model prototipe WiFi PHY/MAC 802.11 yang dibuat oleh Mathieu Lacage dan Tom Hederson dari group penelitian INRIA [26] yang Universitas Indonesia


77

pada awalnya dibuat untuk NS-2. Banyak kemampuan dan masalah perancangan yans telah diuji coba pada NS-3. Komponen WiFi pada NS-3 terdiri dari beberapa modul dan subclass. Arsitektur implementasi WiFi pada NS-3 diperlihatkan pada Gambar 2.23. WifiNetDevice dibuat dari beberapa class yang mengatur pengiriman dan penerimaan paket. Garis penuh dengan penanda arah pada pada Gambar 2.23 menunjukkan jalur aliran paket ketika melewati perangkat dan kanal WiFi 802.11. Garis putus-putus menunjukkan hubungan fungsional class. Implementasi kanal Contorol Channel (CCH) dan Service Channel (SCH) dengan menambahkan

interval

kanal

CCH,

WSA,

dan

SCH

pada

NS-3

diported

dari

SchChannelScheduler dan ChannelManager yang meruapakan pengembangan dari modul Wifi yang dibuat oleh Junling [27]. Junling pertama kali membuat proyek model Wireless Access Vehicular Environment (WAVE) yang merupakan pengembangan dari modul WiFi PHY/MAC 802.11. Pada modul tersebut Junling menambahkan SetChannelScheduler, ChannelManager, VSARepeater, dan ChannelCoordinator.



78

BAB 3 MODEL ANALITIKAL THROUGHPUT MULTIKANAL MAC DCF IEEE 1609.4

3.1 Pendahuluan Salah satu permasalahan dalam penjaminan kualitas layanan (QoS) pada IEEE 1609.4 (VANET) adalah tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda sehingga menyebabkan delay yang tinggi dan throughput yang rendah. Penjaminan kualitas layanan pada standar IEEE 1609.4 dapat dilakukan dengan skema koordinasi saluran CCH dan SCH secara dinamis. Hal ini dilakukan dengan optimasi pada proses sinkronisasi interval kanal CCH dan SCH sehingga dapat mengurangi delay dan meningkatkan saturasi throughput saluran SCH. Telah banyak skema dan pemodelan yang telah diusulkan untuk mengatasi masalah diatas, namun penelitian yang diusulkan mempunyai keterbatasan dalam penjaminan kualitas layanan (QoS). Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang membagi CCH Interval menjadi safety interval dan WAVE Service Advertisement (WSA) interval. Skema ini dapat menyesuaikan rasio antara interval CCH dan interval SCH sesuai dengan kondisi jaringan, sehingga dalam kondisi lalu lintas kendaraan yang berubah secara dinamis, interval CCH dan SCH mampu menyediakan bandwidth yang tepat untuk memberikan kedua paket keamanan/kontrol dan aliran aplikasi. Skema VCI yang dikembangkan oleh Wang dkk [2]-[4] dirancang untuk meningkatkan saturasi throughput pada kanal SCH sambil memastikan transmisi aplikasi keamanan (safety application). Dalam beberapa tahun terakhir, komunikasi kecepatan tinggi di jalan raya (vehicular communication) menjadi salah satu topik yang menjanjikan para peneliti dan industri untuk dilakukan pengembangan dan penelitian lebih lanjut. Standar IEEE 802.11p merupakan standar protokol jaringan untuk penyediaan jaringan Vehicular Ad hoc Networks (VANETs). Standar ini mendukung untuk komunikasi Vehicle to Vehicle (V2V) dan Vehicle to Infrastructure (V2I) [1]. Berdasarkan standar IEEE 802.11p, VANETs menggunakan teknik komunikasi jarak pendek atau Dedicated Short Range Communications (DSRC), dimana untuk meningkatkan keamanan Universitas Indonesia


79

dan keselamatan berkendara, US Federal Communication Commission telah mengalokasikan bandwidth 75 MHz dari spektrum DSRC 5,9 GHz [16]. Salah satu teknik optimasi yang dilakukan pada standar IEEE 1609.4 yaitu dengan melakukan optimasi pada skala waktu. Hal ini dapat dilakukan dengan optimasi skema koordinasi saluran CCH dan SCH secara dinamis, yaitu dengan melakukan optimasi pada proses sinkronisasi interval kanal CCH dan SCH sehingga dapat mengurangi delay dan meningkatkan saturasi throughput saluran SCH. Beberapa parameter yang mempengaruhi kinerja koordinasi kanal dinamis akan dilakukan kajian lebih lanjut pada sub bab ini, yaitu pengaruh mobilitas node, dan pengaruh kanal propagasi Nakagami. Bagian selanjutnya dari Bab ini disusun sebagai berikut. Pada Subbab 3.2 dijelaskan penelitian terkait pemodelan skema DCF, yaitu model DCF Bianchi, dan bidimensional Markov chain. Pada Subbab 3.3 disampaikan pemodelan skema koordinasi kanal dinamis DCF berupa skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dkk. dan pembuatan persamaan matematis throughput skema DCF. Selanjutnya dijelaskan simulasi model analitikal dan pembahasan hasil simulasi. Pada Subbab 3.4 dijelaskan simulasi model analitikal throughput skema DCF. Perbandingan hasil simulasi model analitikal DCF dengan model Bianchi uga disampaikan pada bagian akhir Bab ini.

3.2

Penelitian Terkait Pada bab ini akan dibahas pengembangan model skema koordinasi kanal dinamis DCF

berupa skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dkk. dan pembuatan persamaan matematis throughput skema DCF seperti yang telah dijelaskan pada sub bab 2.6



80

1-p

(1-p)/W0

(1-p)/W0 1-p 0,0

0,1

1-p

p

0,2

0,Wp-2

p

p

1-p

0,Wp-2

p

i-1,0

p/Wi p/Wi i,0

1-p

i,1

1-p

p

1-p

p/Wm 1-p m,0 p/Wm

1-p

i,Wz-2

i,2

p

i,Wi-1

p

p

p/Wm m,1 p

1-p

m,2

m, Wm-2

p

p

1-p

m,Wm-1

p

p/Wm

Gambar 3.1 Model Markov chain pada Transmisi WAVE Service Advertisement (WSA) [2]-[4]

Dalam skema VCI MAC, panjang optimal dari interval CCH sangat penting bagi kerjasama yang efektif dari sumber daya kanal pada CCH dan SCH, terutama dalam kondisi trafik yang padat. Untuk mendapatkan selang optimal ini, pertama-tama kita menerapkan model Markov chain untuk mengkaji perilaku node tunggal dan memperoleh probabilitas stasioner bahwa node mengirimkan WAVE Service Advertisement (WSA) atau paket RFS di setiap slot waktu. Kemudian, model contention diusulkan untuk menganalisis waktu rata-rata yang dikonsumsi pada kanal CCH untuk melakukan negosiasi pengiriman paket layanan. Akhirnya, dapat diperoleh rasio optimal antara interval CCH dan SCH. Universitas Indonesia


81

3.2.1 Probabilitas Transmisi WAVE Service Advertisement (WSA) Sebuah model Markov chain diusulkan untuk mendapatkan

probabilitas stasioner yang

node mengirimkan WAVE Service Advertisement (WSA) atau paket RFS dalam slot waktu acak. Menimbang bahwa WBSS memiliki

node WAVE, yang dapat berkomunikasi satu sama lain

melalui hop tunggal. Hal ini diasumsikan bahwa sejumlah node tetap menyediakan layanan yang selalu di bawah kondisi lalu lintas jenuh, yaitu, setiap node memiliki WAVE Service Advertisement (WSA) atau paket RFS tersedia setelah reservasi sukses selama interval WAVE Service Advertisement (WSA). Selain itu, baik kanal CCH dan SCH memiliki tingkat transmisi yang sama. Setiap state proses Markov bidimensional dapat direpresentasikan oleh

dan

merupakan proses stokastik yang mewakili ukuran backoff window dan backoff state untuk node yang diberikan pada slot waktu t, masing-masing. Nilai menjadi Contention Window dan

=

menjadi tahap backoff maksimum dan

maksimal dari tahapan backoff , di mana

. Proses sebuah node mencoba untuk mengirim interval WAVE Service

Advertisement (WSA) atau RFS paket pada slot waktu pada state Misalkan

,

menjadi independen.

adalah probabilitas tabrakan lebih dari satu node melakukan transmisi dalam slot

waktu yang sama. Kemudian, proses bidimensional

dapat dimodelkan dengan

Discrete-Time Markov chain (DTMC), seperti ditunjukkan pada Gambar. 3.1. Model Markov chain

yang dikembangkan pada skema Variable CCH Interval (VCI)

sebagai berikut, pertama ketika sebuah node mendeteksi bahwa kanal dalam kondisi sibuk, waktu counter backoff pada model ini akan menunda sampai kanal tersebut terdeteksi akan kembali dalam kondisi idle. Kedua, ketika tahap backoff node melebihi nilai maksimal m, maka akan tetap bernilai m sampai paket WAVE Service Advertisement (WSA) atau RFS berhasil ditransmisikan, bukan di reset ke nilai 0. Distribusi tetap dari Markov chain dapat direpresentasikan

sebagai

.

Dengan

mengembangkan model Markov chain Bianchi, maka probabilitas transisi yang digunakan oleh Wang dalam Gambar 3.3 dapat dirumuskan sebagai berikut : Universitas Indonesia


82

(3.1) Persamaan diatas dapat dijelaskan bahwa : 1) Setelah pengiriman paket WAVE Service Advertisement (WSA) atau RFS berhasil dilakukan, maka tahapan backoff untuk paket baru akan di reset menjadi 0. 2) Apabila pengiriman paket WAVE Service Advertisement (WSA) atau RFS gagal dilakukan, maka akan membuat nilai backoff stage meningkat. 3) Bila kanal dalam kondisi idle, maka waktu backoff akan turun. 4) Ketika kanal dalam kondisi sibuk, maka waktu backoff akan tetap. 5) Pada nilai backoff stage


ditahan pada nilai maksimal yang terakhir jika transmisi tidak berhasil dilakukan, sedangkan nilai waktu backoff akan diatur ulang. Sedangkan untuk pembuatan model analitikal throughput skema DCF akan menggunakan model referensi yang dikembangkan oleh Bianchi, seperti yang telah dijelaskan pada sub bab 2.5. Distribusi

tetap

dari

Markov

chain

dapat

direpresentasikan

sebagai

. Transmisi akan terjadi ketika counter waktu backoff adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi dalam slot waktu random adalah : (3.2) Sesuai dengan model Markov chain diatas, untuk penyelesaian maka distribusi tetap dari chain untuk

,

, dan

sebagai fungsi

adalah :



83

(3.3) Persamaan pertama dari (3.3) diatas didapatkan dari

untuk

dan


. Persamaan ketiga dari (3.3)

didapatkan dari kondisi

, jadi :

dan kondisi

(3.4) Semua nilai

dari persamaan (3.4) diatas dapat diekspresikan sebagai fungsi dari nilai


Jadi

dapat dituliskan kembali sebagai berikut :



84

Akhirnya berdasarkan persamaan (2) dan (8) merupakan dua buah sistem persamaan non linier yang memiliki penyelesaian spesifik dan dapat diselesaikan secara numerik untuk mendapatkan nilai

dan , salah satunya dapat diselesaikan dengan Matlab. Jika nilai

dan

sudah didapatkan maka throughput saturasi skema DCF yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu dapat dihitung berdasarkan rumus berikut :

Dimana dalam slot waktu,

adalah probabilitas hanya satu STA yang melakukan transmisi adalah ukuran rata-rata payload paket,

adalah rata-rata waktu yang

dibutuhkan untuk mentransmisikan sebuah paket dengan ukuran Frame Space),

(termasuk periode Inter

adalah probabilitas transmisi berhasil dilakukan,

adalah durasi kanal dalam kondisi idle (sama dengan satu slot waktu) dan

adalah durasi waktu

collision.

3.3

Pemodelan skema koordinasi kanal dinamis Pada bagian ini diajukan model analitikal yang dapat digunakan untuk memperkirakan

throughput DCF pada operasi Multikanal standar IEEE 1609.4, dengan menggunakan skema Variable CCH Interval (VCI) dan mempertimbangkan pengaruh kanal fading nakagami. Model analitikal yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS dengan laju



85

transmisi data tetap untuk semua node. Pada model yang diajukan menggunakan kanal propagasi Nakagami. Pada sub bab selanjutnya akan dibahas pengembangan skema Variable CCH Interval (VCI) dengan menggunakan model Markov chain bidimensional untuk memperkirakan throughput DCF pada operasi Multikanal standar IEEE 1609.4. Model Markov chain yang diajukan sebelumnya tidak mempertimbangkan pengaruh propagasi kanal Nakagami serta noise Additive White Gaussian Noise (AWGN) pada operasi Multikanal standar IEEE 1609.4.

3.3.1 Model Markov chain Bidimensional Pada model Markov chain yang diajukan dapat dijelaskan sebagai berikut, didefinisikan bahwa

merupakan model Markov chain bidimensional waktu diskrit yang

merepresentasikan sutau random proses yang diajukan. 1-p

1-p

0,0 p/w

p

i-1,1 p/w

(1-p)/wi

p

1-p

1-p i-1,0

p/wi

0,W-2

0,1

p

p 1-p

1-p i,0

i-1,W-2

i,1

p/w

i,W-2

p

p 1-p

1-p M,1

M, 0

M, W-2

p/w

p

p M+1,0

1-p

1-p M+1,1

M+1,W-2

p/w

p

p

1-p M+f,0

1-p M+f,1

p

M+f,W-2

p

Gambar 3.2 Model Markov chain Bidimensional Perdana dkk.



86

Didefinisikan

adalah suatu random proses yang merepresentasikan nilai dari backoff . Kemudian

stage dari suatu node dengan nilai

dapat didefinisikan sebagai nilai

dari backoff counter dari suatu node pada rentang

pada suatu slot waktu. State dari

Markov chain direpresentasikan sebagai

,

,

, dimana i, k

merepresentasikan backoff stage i, dan nilai backoff counter i. Distribusi

tetap

dari

Markov

chain

dapat

direpresentasikan

sebagai

. Dengan mengembangkan model Markov chain Bianchi [12] dan Wang [2]-[4], maka probabilitas transisi dari Gambar 3.2 dapat dirumuskan sebagai berikut :

, (3.8)

Kemudian, probabilitas transisi state dari Markov Chain diatas. dapat dijelaskan sebagai berikut: 1) Setelah pengiriman paket WAVE Service Advertisement (WSA) atau RFS berhasil dilakukan, maka tahapan backoff untuk paket baru akan di reset menjadi 0. 2) Apabila pengiriman paket WAVE Service Advertisement (WSA) atau RFS gagal dilakukan, maka akan membuat nilai backoff stage meningkat. 3) Bila kanal dalam kondisi idle, maka waktu backoff akan turun. 4) Ketika kanal dalam kondisi sibuk, maka waktu backoff akan tetap. 5) Pada nilai backoff stage


ditahan pada nilai maksimal yang terakhir jika transmisi tidak berhasil dilakukan, sedangkan nilai waktu backoff akan diatur ulang. Universitas Indonesia


87

6) Sedangkan apabila transmisi tidak berhasil dilakukan karena adanya error/fading, maka nilai Contention Window (CW) akan ditahan pada nilai maksimal yang terakhir. Berdasarkan model Markov chain diatas, dapat dirumuskan sebagai berikut (3.9) (3.10) Dengan mempertimbangkan adanya fading Nakagami pada kanal propagasi yang digunakan, maka dapat diperoleh rumusan sebagai berikut : (3.11) (3.12) Dimana dapat didefinisikan rentang nilai

adalah kondisi kanal propagasi akibat adanya

fading Nakagami. Kemudian,

adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service

Advertisement (WSA) atau RFS dalam slot waktu yang bebas akibat adanya fading Nakagami dapat dinyatakan sebagai :

Kemudian untuk menghitung nilai

maka akan menggunakan persamaan pada model Bianchi

(3.14)

Maka dapat dicari nilai

dengan mempertimbangkan kondisi kanal propagasi akibat adanya

fading Nakagami dalam rentang

sebagai berikut



88

(3.15) Kemudian dapat dicari nilai

terhadap nilai

sebagai berikut (3.16) (3.17) (3.18)

Kemudian dengan menggunakan persamaan (3.14) dan (3.18) maka dapat diperoleh persamaan sebagai berikut (3.19)

Kemudian dengan melakukan proses normalisasi pada distribusi tetap, maka diperoleh nilai sebagai berikut :

Dengan menggunakan persamaan (3.20), (3.21), dan (3.22) maka akan diperoleh nilai sebagai berikut :



89

adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service Advertisement (WSA) atau Request for Send (RFS) dalam slot waktu yang bebas akibat adanya fading Nakagami.

Dengan menggunakan persamaan di atas maka akan diperoleh nilai probabilitas

, yaitu

probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dapat dirumuskan sebagai berikut : (3.24) Pada akhirnya, untuk mendapatkan nilai

dan , dapat diselesaikan secara numerik salah

satunya dapat diselesaikan dengan menggunakan Matlab. Kemudian setelah dilakukan studi analitikal dengan model bidimensional Markov chain, maka sub bab selanjutnya akan dijelaskan pengembangan model Variable CCH Interval (VCI) dengan menggunakan Network Simulator-3 (NS-3).

3.3.2 Model Variable CCH Interval (VCI) di Network Simulator-3 (NS-3) Pada sub bab ini akan dijelaskan mengenai pengembangan model Variable CCH Interval (VCI) dengan mempertimbangkan kanal propagasi Nakagami dan penambahan slot informasi pada kanal Synchronization Channel (SCH) dengan menggunakan tools Network Simulator (NS-3).



90

// CIvci_f2: The SCH Interval diumumkan dalam bingkai VCI // CISI: The SCH Interval diumumkan dalam data // CIack: The CCH Interval diumumkan di ACKframe // CIrfs_f: The CCH Interval diumumkan pada RFSframe // CIrfs_f2: Interval SCH diumumkan pada RFSframe // Mengatur default CCH interval dan SCH Interval m = Distributed Variabel Acak; Interferer_Node = 2; fungsi AWGN (nomor Signal, TxPowerNakagami); sigpower = 10 * log10 (TxPowerNakagami); noise = sigpower-SNR; kebisingan = std :: pow (10, (noise / 10)); ResultPower = TxPowerNakagami + (sqrt (1 * noise)) * randn (1,10, Signal nomor); endfunction; Jika (SendIpPackets dan SendWsmpPackets) kemudian NakagamiPropagationLossModel () = ((2 * std :: pow (m, m)) / std :: pow (tgamma (m), m)) * (std :: pow (Signal, (2 * m-1)) * exp (- ((m / 1) * std :: pow (sinyal, 2)))); Lossresult = AWGN (SignalNumber, NakagamiPropagationLossModel ()); PropagationLoss = Lossresult; selesai jika; Jika jarak (Node, Node lain) <= 150m kemudian Node tetangga = Node lain; selesai jika; Jika siaran (Interferer_Node) dan siaran (Neighbour_Node) maka Jika jarak (Interferer_Node, Node)> 150m kemudian Jika jumlah kanal sama (Interferer_Node, Node) maka Interferer; yang lainnya Tidak interferere; selesai jika; selesai jika; selesai jika; jika CIprev nol tidak sama maka CIcurr = CIprev yang lainnya CIcurr = 50 ms selesai jika



91

mengulang kembali Mengacak SIcurr; // Perbarui nilai acak antara 0 hingga 100 ms SCH Interval Memperbarui CIvci_f2; Memperbarui CIwsa_f2; Memperbarui CIrfs_f2; Memperbarui CIcurr; Memperbarui CIvci_f; Memperbarui CISI; Memperbarui CIwsa_f; Perbarui CIack; Memperbarui CIrfs_f; Sampai Delay saat ini <= Delay sebelumnya dan Throughput saat ini > Throughput sebelumnya; // Update Interval CCH dan SCH Interval saat menerima frame VCI jika menerima bingkai VCI kemudian jika itu adalah pertama kalinya menerima bingkai VCI kemudian Mengacak SIcurr; // Perbarui nilai acak antara 0 hingga 100 ms SCH Interval Memperbarui CIvci_f2; Memperbarui CIwsa_f2; Memperbarui CIrfs_f2; Memperbarui CIcurr; Memperbarui CIvci_f; Memperbarui CISI; Memperbarui CIwsa_f; Perbarui CIack; Memperbarui CIrfs_f; yang lainnya jika CIcurr


92

Berdasarkan skema yang dikembangkan di atas, dapat dijelaskan bahwa sama dengan skema yang dikembangkan sebelumnya, skema ini diawali dengan inisialisasi nilai awal VCI = 50 ms, kemudian proses selanjutnya akan dilakukan update nilai CCH interval pada frame VCI frame, WSA/RFS/ACK, dan frame channel gossip pada kanal CCH dan SCH dengan mempertimbangkan dengan kanal propogasi fading nakagami dengan pengaruh noise AWGN, mobilitas node, dan propagasi kanal Nakagami. Sedangkan untuk pengembangan skema Variable CCH Interval (VCI) pada modul Network Simulator (NS-3). Send Send Wsmp Send Vsa

ForwardUp ForwardVsa

WaveNetDevice Kanal CCH

SchChannelScheduler ChannelManager VSARepeater

Interval CCH

ChannelCoordinator

Kanal SCH

Interval WSA

Interval Penjaga

Interval SCH

Interval Penjaga

OcbWifiMac

DcaManager

DcaTxop

MacRxMiddle

MacLow

YansPhy

Nakagami Propagasi kanal

Additive White Gaussian Noise

Wifi channel For VANET

Implementasi Modul Eksisting Modul

Gambar 3.4 Implementasi pengembangan Variable CCH Interval (VCI) di NS-3

Implementasi kanal CCH dank anal SCH dengan menambahkan interval kanal CCH, WSA, dan SCH pada NS-3 diported dari SchChannelScheduler dan ChannelManager yang meruapakan Universitas Indonesia


93

pengembangan dari modul Wifi yang dibuat oleh Junling. Junling pertama kali membuat proyek model Wireless Access Vehicular Environment (WAVE) yang merupakan pengembangan dari modul

WiFi

PHY/MAC

802.11.

Pada

modul

tersebut

Junling

menambahkan

SetChannelScheduler, ChannelManager, VSARepeater, dan ChannelCoordinator. Kemudian pada disertasi ini, dicoba dikembangkan model Multikanal VANET, dengan menggunakan kanal Control Channel (CCH) dan Service Channel (SCH). Komponen ini pada NS-3 terdiri dari beberapa modul dan subclass. Arsitektur implementasi Multikanal VANET pada NS-3 diperlihatkan pada Gambar 3.4. Pada model ini dikembangkan interval CCH, WSA, dan SCH pada masing-masing kanal Control Channel (CCH) dan Service Channel (SCH). Pada model ini juga dikembangkan untuk modul dan subclass Nakagami dan Additive White Gaussian Noise (AWGN) pada NS-3 diported dari YANS (Yet Another Network Simulator) yang merupakan sebuah proyek model prototipe WiFi PHY/MAC 802.11 yang dibuat oleh Mathieu Lacage dan Tom Hederson dari group penelitian INRIA [50] yang pada awalnya dibuat untuk NS-2. Kemudian setelah dilakukan implementasi di Network Simulator-3 (NS-3), maka pada sub bab selanjutnya dapat dicari persamaan untuk dilakukan analisis nilai interval waktu dari akses kanal CCH pada skema koordinasi kanal dinamis.

3.3.3 Interval waktu dari akses kanal CCH Selanjutnya, untuk melakukan analisis nilai interval waktu dari akses kanal CCH, maka dibuat model contention kanal CCH yang merupakan pengembangan dari model sebelumnya [6-8].



94

Gambar 3.5 Model baru contention reservasi kanal CCH Perdana dkk.

Didefinisikan bahwa nilai

merepresentasikan interval waktu dari akses contention

kanal CCH pada saat reservasi berhasil dibuat dengan mempertimbangkan kondisi kanal propagasi akibat adanya fading Nakagami. Dapat diasumsikan bahwa node

penyedia layanan

selalu memiliki paket WAVE Service Advertisement (WSA). Dalam melakukan analisa untuk transmisi paket WAVE Service Advertisement (WSA) atau RFS dapat dijelaskan sebagai berikut [6-8] 1) Pada setiap slot waktu selama interval WAVE Service Advertisement (WSA), perjanjian dalam reservasi kanal yang berhasil dibuat direpresentasikan dengan probabilitas

,

sedangkan probabilitas kanal mengalami tabrakan dalam slot waktu yang sama direpresentasikan

dengan

direpresentasikan dengan

,

dan

probabilitas

kanal

dalam

kondisi

idle

. Berdasarkan pada kondisi tersebut, maka dapat

dirumuskan sebagai berikut [6-8]



95

= =

(3.17)

= = 2) Sedangkan untuk menghitung probabilits paket error akibat pengaruh kanal Nakagami, dapat dihitung dengan menggunakan persamaan probabilitas collision dan probabilitas error yang saling bebas (independent), yaitu dengan menggunakan persamaan (101), (109), dan (113) serta referensi [15] sebagai berikut (3.18) (3.19) Dimana dan

didefinisikan sebagai probabilitas error karena adanya fading Nakagami didefinisikan sebagai probabilitas bit error pada modulasi QPSK, 16 QAM,

dan 64 QAM. 3) Sedangkan

,

, dan

menunjukkan durasi slot waktu dalam kondisi idle, durasi

slot waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal berhasil dilakukan. Sedangkan

menunjukkan durasi slot waktu dalam kondisi error

akibat adanya pengaruh fading Nakagami. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut

(3.20)



96


,

, dan


paket WAVE Service Advertisement (WSA), RFS, dan ACK. Dapat diasumsikan bahwa nilai =

. Sedangakn

dan

masing-masing merupakan waktu SIFS dan DIFS.




dapat diperoleh dengan melalui rumus sebagai berikut [6-8]. (3.21)

Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai sebagai berikut (3.22) dapat didefinisikan sebagai berikut

Kemudian nilai random variable

,

/( ,

/( ,

+

)

+ /(

)

(3.23)

+

)

Selanjutnya dengan menggunakan persamaan (3.22) dan (3.23), maka didapatkan persamaan

sebagai berikut /(

+

)+


/(

+

)

(3.24)


dengan menggunakan distribusi sebagai berikut P{K=k}=

, k = 1, 2, 3, …

.

(3.25)


sebagai berikut



97

𝐸 𝑋 = (1/𝑃𝑠𝑢𝑐 ) 𝐸[𝑍] + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐 + 𝑇𝑒𝑟𝑟𝑜𝑟

(3.26)

𝐸 𝑋 = (𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 ) + 𝑃𝑐𝑜𝑙 / (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑐𝑜𝑙 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 / (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐 (3.27) 𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙 . 𝑇𝑐𝑜𝑙 /𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 . 𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐 +𝑇𝑠𝑢𝑐

(3.28)

Kemudian setelah diperoleh rumus untuk E[X] maka pada sub bab berikutnya akan dilakukan perhitungan terhadap kinerja Aggregate Throughput dengan mempertimbangkan kanal propagasi Nakagami. 3.3.3 Evaluasi Kinerja Aggregate Throughput Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi kanal CCH dan SCH dinamis dengan mempertimbangkan kondisi kanal propagasi akibat adanya fading Nakagami. Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut, pertama didefiniskan nilai

yang merupakan rata-rata payload informasi yang dapat

ditransmisikan dalam slot waktu pada kanal SCH =

+

+

+

+

+

Selanjutnya, dapat didefiniskan bahwa nilai

(0.29) ,

,

, dan

menunjukkan

interval waktu pada kanal CCH, SCH, interval waktu untuk mentransmisikan paket WAVE Service Advertisement (WSA), dan aplikasi keamanan (Safety Application). Sedangkan interval sinkronisasi merupakan total dari interval CCH dan SCH dan dapat direpresentasikan dengan .

+ (3.30)

Kemudian didefinisikan bahwa


dan

(3.31) Universitas Indonesia


98

Jika nilai

dan



Dimana ;

(3.36) (3.37) (3.38)

Dengan menggunakan persamaan

sebagai probabilitas Symbol Error Rate (SER)



99

Dimana

adalah rata-rata fading SNR,

adalah gain kanal, dan

adalah koefisien

korelasi fading, dimana nilai nya adalah Selanjutnya berdasarkan referensi [17], maka didapatkan rumus Aggregate Throughput dengan menggunakan persamaan sebagai berikut : (3.40) Salah satu tantangan dalam penjaminan kualitas layanan (QoS) pada IEEE 1609.4 adalah tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda sehingga menyebabkan delay yang tinggi dan throughput yang rendah. Maka dari itu pada sub bab selanjutnya akan dilakukan evaluasi terhadap delay transmisi yang dihasilkan pada kanal CCH dan SCH di standar IEEE 1609.4. 3.3.4 Evaluasi Kinerja delay transmisi kanal CCH dan SCH Pada bagian ini akan dibahas evaluasi dan analisa kinerja delay transmisi kanal CCH dan SCH dengan menggunakan model Markov chain pada Gambar 3.3. Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut, pertama nilai rasio yang optimal antara interval CCH dan SCH dapat dicapai apabila jumlah reservasi yang dilakukan di kanal CCH sama dengan jumlah paket layanan yang ditransmisikan di kanal SCH, dalam kondisi

, dengan tidak

ada kanal yang dalam kondisi idle, yaitu untuk membuat lebih banyak reservasi kanal CCH selama interval WAVE Service Advertisement (WSA) atau untuk melakukan transmisi paket layanan yang lebih selama interval SCH. Berdasarkan penjelasan pada sub bab 2.6 dengan model referensi Wang maka dapat diperoleh rumus

β=

sebagai berikut

=

=

β=

(0.41) (0.42)

Selanjutnya dengan menggunakan model referensi Wang dan penjelasan pada sub bab 2.6, maka dapat diperoleh rumus

sebagai berikut



100

= (0.43) Akhirnya, dengan menggunakan persamaan (3.33) dan (3.35) diatas, maka nilai interval CCH yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus

sebagai

berikut (0.44)

=

Kemudian dapat didefinisikan nilai total rata-rata delay transmisi paket layanan yang terdiri dari nilai delay pada interval CCH (T

E[T

]= (

E[T

]=


).

(0.45)

+ 1) .

(0.46)

Kemudian setelah dilakukan kajian analisa nilai estimasi model kanal propagasi Nakagami, maka pada sub bab selanjutnya akan dibahas mengenai simulasi dan pembahasan simulasi yang telah dilakukan. 3.4 Simulasi dan Pembahasan Hasil Pada bagian ini digunakan simulasi matematis untuk menganalisis pengaruh pengembangan skema koordinasi kanal Variable CCH Interval (VCI) terhadap mobilitas node dengan menggunakan model bidimensional Markov chain pada standar IEEE 1609.4. Kinerja diukur dengan menghitung kinerja nilai interval waktu pada kanal CCH. Disamping itu, juga diukur kinerja aggregate throughput dan nilai rata-rata delay transmisi pada kanal CCH. Kinerja yang diukur dilakukan pada kondisi laju pengiriman data tetap (fixed data rate transmission) dan dengan memperhatikan kondisi kanal propagasi akibat adanya fading nakagami. Hasil simulasi memperlihatkan model DCF yang diajukan dapat memperkirakan interval waktu pada kanal CCH berdasarkan model contention reservasi kanal CCH. Model DCF yang diajukan dapat



101

memperlihatkan throughput yang dihasilkan sesuai dengan kebutuhan amandemen standar IEEE 1609.4. 3.4.1 Kinerja nilai interval waktu pada kanal CCH (CCH Interval) Simulasi matematis digunakan untuk menginvestigasi nilai interval waktu pada kanal CCH dengan skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan adanya kondisi kanal propagasi akibat adanya fading nakagami. Hasil interval waktu pada kanal CCH dihitung berdasarkan dua variabel, yaitu jumlah paket data yang dikirim dan nilai interval SCH. Pengaruh kedua variabel tersebut terhadap menginvestigasi nilai interval waktu pada kanal CCH pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada simulasi MATLAB yang dijalankan, juga dihitung laju data transmisi dan jumlah node tetap terhadap model Bianchi dan model Wang. Nilai interval waktu pada kanal CCH pada model Bianchi dan model Wang ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Simulasi kinerja Aggregate Throughput pada kanal SCH berdasarkan variabel jumlah paket data diatur sebagai berikut. Besarnya jumlah paket data ditentukan sesuai dengan standar 802.11p, yaitu 128, 256, 512, 1024, 2048, 3096 bytes. Sedangkan nilai variable interval SCH akan tergantung pada kondisi trafik jaringan dan jumlah reservasi kanal CCH. Kemudian, simulasi yang dilakukan dengan menggunakan parameter laju transmisi dan jumlah node yang tetap. Sedangkan parameter yang lainnya sesuai dengan standar 802.11p. Berikut parameter yang digunakan untuk simulasi dan analisis Kinerja interval waktu pada kanal CCH.



102

Tabel 3.1 Parameter interval waktu pada kanal CCH

Parameter Protocol MAC Percobaan Jumlah kanal CCH Jumlah kanal SCH Payload paket data service PHY header MAC header WAVE Service Advertisement (WSA)/RFS ACK Slot time SIFS DIFS Parameter fading (m) Kecepatan node Modulasi

Nilai IEEE 1609.4 10000 kali 1 6 500 - 2000 bytes 192 bits 256 bits 160 bits + PHY header

112 bits + PHY header 20 μs 10 μs 50 μs 0.5 120 km/jam QPSK, 16-QAM, 64-QAM

0.0455 CCH Interval (Nakagami fading) CCH Interval(Model Qing Wang) CCH Interval(NS-3)

0.045

CCH Interval (s)

0.0445

0.044

0.0435

0.043

0.0425

0.042

0.0415

0

500

1000

1500

2000

2500

3000

3500

4000

4500

Payload Data (Bytes)

Gambar 3.6 Kinerja interval waktu pada kanal CCH (QPSK)



103


0.045

CCH Interval (s)

0.0445

0.044

0.0435

0.043

0.0425

0.042

0.0415

0

500

1000

1500

2000

2500

3000

3500

4000

4500


Gambar 3.7 Kinerja interval waktu pada kanal CCH (16-QAM)


0.045

CCH Interval (s)

0.0445

0.044

0.0435

0.043

0.0425

0.042

0.0415

0

500

1000

1500

2000

2500

3000

3500

4000

4500


Gambar 3.8 Kinerja interval waktu pada kanal CCH (64-QAM)

Dengan melihat perbandingan antara grafik interval waktu pada kanal CCH diatas, dapat dianalisa sebagai berikut : Berdasarkan model DCF yang diajukan, telah dilakukan evaluasi performansi pada modulasi yang berbeda pada sistem OFDM, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masingUniversitas Indonesia


104

masing modulasi pada sistem OFDM standar 802.11p mempengaruhi probabilitas pengiriman paket WSA yang dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang paling baik dibandingkan modulasi 16 QAM dan 64 QAM, yaitu dengan rata-rata sebesar 3.71%. BER yang dihasilkan pada modulasi QPSK paling rendah dibandingkan dengan modulasi 16 QAM dan 64 QAM. Dimana BER yang dihasilkan oleh modulasi 16 QAM dan 64 QAM karena memodulasikan 4 dan 6 simbol sehingga lebih rentan terhadap noise selama transmisi dibandingkan dengan modulasi QPSK yang hanya memodulasikan 2 simbol. Model DCF yang diajukan oleh disertasi ini dapat meningkatkan nilai probabilitas pengiriman paket WSA terhadap adanya kanal propagasi Nakagami dengan rata-rata (mean) sebesar 0.90 % dan standar deviasi sebesar 0.26%. Hasil ini jauh lebih baik apabila dibandingkan dengan probabilitas pengiriman paket WSA yang dihasilkan oleh model Wang terhadap kanal propagasi Nakagami, dengan rata-rata (mean) sebesar 0.04 % dan standar deviasi sebesar 0.0009%. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menggunakan model DCF yang diajukan pada disertasi ini didapatkan hasil probabilitas pengiriman paket WSA lebih baik dibandingkan dengan nilai probabilitas pengiriman paket WSA model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 0.05 % dan standar deviasi sebesar 0.03 %. 3.4.2 Kinerja Aggregate Throughput skema DCF Sedangkan untuk menganalisis kinerja Aggregate Throughput pada kanal SCH dengan skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan adanya kondisi kanal propagasi akibat adanya fading nakagami. Hasil Aggregate Throughput pada kanal SCH dihitung berdasarkan dua variabel, yaitu jumlah paket data yang dikirim dan nilai interval SCH. Pengaruh kedua variabel tersebut terhadap menginvestigasi Aggregate Throughput pada kanal SCH pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada simulasi MATLAB yang dijalankan, juga dihitung dengan menggunakan parameter laju data transmisi dan jumlah node tetap terhadap model Bianchi dan model Wang. Nilai interval waktu pada kanal CCH pada model Bianchi dan model Wang ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Universitas Indonesia


105

Simulasi kinerja Aggregate Throughput pada kanal SCH berdasarkan variabel jumlah paket data diatur sebagai berikut. Besarnya jumlah paket data ditentukan sesuai dengan standar 802.11p, yaitu 128, 256, 512, 1024, 2048, 3096 bytes. Sedangkan nilai variable interval SCH akan tergantung pada kondisi trafik jaringan dan jumlah reservasi kanal CCH. Kemudian, simulasi yang dilakukan dengan menggunakan parameter laju transmisi dan jumlah node yang tetap. Sedangkan parameter yang lainnya sesuai dengan standar 802.11p. Berikut parameter yang digunakan untuk simulasi dan analisis kinerja Aggregate Throughput pada kanal SCH.

Tabel 3.2 Parameter aggregate throughput skema DCF

Parameter Protocol MAC Percobaan Jumlah kanal CCH Jumlah kanal SCH Payload paket data service PHY header MAC header WAVE Service Advertisement (WSA)/RFS ACK Slot time SIFS DIFS Parameter fading (m) Kecepatan node Modulasi

Nilai IEEE 1609.4 10000 kali 1 6 2000 bytes 192 bits 256 bits 160 bits + PHY header

112 bits + PHY header 20 μs 10 μs 50 μs 0.5 120 km/jam QPSK, 16 QAM, 64 QAM



106

4

1.5

x 10

Aggregate Throughput(Model Qing Wang) Aggregate Throughput(Nakagami fading) Aggregate Throughput(NS-3)

1.45

Aggregate Throughput (Kbps)

1.4

1.35

1.3

1.25

1.2

1.15

1.1

1.05

1

0

500

1000

1500

2000

2500

3000

3500

4000

4500


Gambar 3.9 Kinerja Aggregate Throughput skema DCF (QPSK) 4

1.5

x 10


1.45


1.4

1.35

1.3

1.25

1.2

1.15

1.1

1.05

1

0

500

1000

1500

2000

2500

3000

3500

4000

4500


Gambar 3.10 Kinerja Aggregate Throughput skema DCF (16-QAM)



107

4

1.5

x 10


1.45


1.4

1.35

1.3

1.25

1.2

1.15

1.1

1.05

1

0

500

1000

1500

2000

2500

3000

3500

4000

4500



Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa sebagai berikut : Evaluasi kinerja aggregate throughput pada disertasi ini dilakukan terhadap tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar 802.11p berpengaruh pada kinerja aggregate throughput yang dihasilkan. Pada modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM. Berdasarkan dari persamaan (3.33), maka dapat disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja aggregate throughput yang paling rendah. Dari hasil performansi yang dihasilkan, modulasi QPSK kinerja aggregate throughput yang paling baik dibandingkan dengan modulasi 16 QAM dan 64 QAM, yaitu dengan rata-rata sebesar 0.45%. Hal ini karena QPSK hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi. Sedangkan model DCF yang diajukan oleh disertasi ini dapat meningkatkan nilai aggregate throughput terhadap adanya kanal propagasi Nakagami dengan rata-rata (mean) sebesar 1.69 % dan standar deviasi sebesar 0.84%. Hasil ini jauh lebih baik apabila dibandingkan dengan Universitas Indonesia


108

aggregate throughput yang dihasilkan oleh model Wang terhadap kanal propagasi Nakagami, yaitu dengan rata-rata (mean) sebesar 0.038 % dan standar deviasi sebesar 0.0009%. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menggunakan model DCF yang diajukan pada disertasi ini didapatkan hasil aggregate throughput lebih baik dibandingkan dengan nilai aggregate throughput model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 0.13 % dan standar deviasi sebesar 0.09 %.

3.4.3 Evaluasi kinerja delay transmisi kanal CCH dan SCH Simulasi matematis digunakan untuk evaluasi kinerja delay transmisi kanal CCH dan SCH dengan skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan adanya kondisi kanal propagasi akibat adanya fading nakagami. Hasil delay transmisi kanal CCH dan SCH dihitung berdasarkan dua variabel, yaitu jumlah paket data yang dikirim dan nilai interval SCH. Pengaruh kedua variabel tersebut terhadap menginvestigasi delay transmisi kanal CCH dan SCH pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada simulasi MATLAB yang dijalankan, juga dihitung dengan menggunakan parameter laju data transmisi dan jumlah node tetap terhadap model Bianchi dan model Wang. Nilai interval waktu pada kanal CCH pada model Bianchi dan model Wang ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Simulasi kinerja delay transmisi kanal CCH dan SCH berdasarkan variabel jumlah paket data diatur sebagai berikut. Besarnya jumlah paket data ditentukan sesuai dengan standar 802.11p, yaitu 128, 256, 512, 1024, 2048, 3096 bytes. Sedangkan nilai variable interval SCH akan tergantung pada kondisi trafik jaringan dan jumlah reservasi kanal CCH. Kemudian, simulasi yang dilakukan dengan menggunakan parameter laju transmisi dan jumlah node yang tetap. Sedangkan parameter yang lainnya sesuai dengan standar 802.11p. Berikut parameter yang digunakan untuk simulasi dan analisis kinerja delay transmisi kanal CCH dan SCH.



109

Tabel 3.3 Parameter delay transmisi kanal CCH dan SCH

Parameter Protocol MAC Percobaan Jumlah kanal CCH Jumlah kanal SCH Payload paket data service Laju transmisi PHY header MAC header WSA/RFS ACK Slot time SIFS DIFS Parameter fading (m) Kecepatan node Modulasi

Nilai IEEE 1609.4 10000 kali 1 6 2000 bytes 3 Mbps 192 bits 256 bits 160 bits + PHY header 112 bits + PHY header 20 μs 10 μs 50 μs 0.5 120 km/jam QPSK, 16 QAM, 64 QAM

0.014 Nilai rata-rata delay transmisi CCH (Model Qing Wang) Nilai rata-rata delay transmisi CCH (Nakagami fading) Nilai rata-rata delay transmisi CCH (NS-3)

Nilai rata-rata delay transmisi CCH (s)

0.012

0.01

0.008

0.006

0.004

0.002

0

0

500

1000

1500

2000

2500

3000

3500

4000

4500


Gambar 3.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK)



110



0.012

0.01

0.008

0.006

0.004

0.002

0

0

500

1000

1500

2000

2500

3000

3500

4000

4500


Gambar 3.13 Kinerja delay transmisi kanal CCH dan SCH (16-QAM)



0.012

0.01

0.008

0.006

0.004

0.002

0

0

500

1000

1500

2000

2500

3000

3500

4000

4500


Gambar 3.14 Kinerja delay transmisi kanal CCH dan SCH (64-QAM)

Dengan melihat perbandingan antara grafik delay transmisi CCH diatas, dapat dianalisa sebagai berikut :



111

Evaluasi kinerja delay transmisi CCH pada sistem OFDM dilakukan terhadap tiga modulasi, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar 802.11p berpengaruh pada kinerja delay transmisi CCH yang dihasilkan. Modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM, karena memodulasikan 6 simbol dan lebih rentan terhadap Additive White Gaussian Noise (AWGN). Berdasarkan dari persamaan (3.44), maka dapat disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja delay transmisi CCH yang tinggi. Dari hasil performansi yang dihasilkan, modulasi QPSK kinerja delay transmisi CCH yang paling baik dibandingkan dengan modulasi 16 QAM dan 64 QAM, yaitu dengan rata-rata sebesar 0.83%. Hal ini karena QPSK hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi. Sedangkan untuk delay transmisi CCH yang dihasilkan pada model DCF yang diajukan yang lebih rendah dibandingkan nilai delay transmisi CCH dengan memperimbangkan adanya kanal propagasi Nakagami yaitu dengan nilai rata-rata (mean) sebesar 0.40% dan standar deviasi sebesar 0.45%. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan pada disertasi ini dapat menurunkan nilai delay transmisi CCH terhadap adanya kanal propagasi Nakagami dengan rata-rata (mean) sebesar 16.84 % dan standar deviasi sebesar 15.52%. Hasil ini jauh lebih baik apabila dibandingkan dengan delay transmisi yang dihasilkan oleh model Wang terhadap kanal propagasi Nakagami. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menggunakan model DCF yang diajukan pada disertasi ini didapatkan hasil delay transmisi CCH lebih baik dibandingkan dengan nilai delay transmisi CCH model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 1.22 % dan standar deviasi sebesar 1.22 %.



112

BAB 4

MODEL ANALITIKAL THROUGHPUT ANOMALI KINERJA MULTIKANAL MAC DCF IEEE 1609.4

4.1 Pendahuluan Perkembangan infrasturktur jaringan wireless telah berkembang begitu cepat. Saat ini jaringan ad hoc yang berbasis standar IEEE 802.11 cukup banyak tersedia baik di lingkungan privat maupun di lingkungan publik. Dalam beberapa tahun terakhir, komunikasi kecepatan tinggi di jalan raya (vehicular communication) menjadi salah satu topik yang menjanjikan para peneliti dan industri untuk dilakukan pengembangan dan penelitian lebih lanjut. Standar IEEE 802.11p merupakan standar protokol jaringan untuk penyediaan jaringan Vehicular Ad hoc Networks (VANETs). Standar ini mendukung untuk komunikasi Vehicle to Vehicle (V2V) dan Vehicle to Infrastructure (V2I). Berdasarkan standar IEEE 802.11p, VANETs menggunakan teknik komunikasi jarak pendek atau Dedicated Short Range Communications (DSRC), dimana untuk meningkatkan keamanan dan keselamatan berkendara, US Federal Communication Commission telah mengalokasikan bandwidth 75 MHz dari spektrum DSRC 5,9 GHz. Berdasarkan standar yang dikeluarkan oleh kelompok kerja IEEE 1609 standar IEEE 1609.4 merupakan standar dasar dari sistem operasi Multikanal MAC pada VANETs. Standar Operasi Multi Saluran IEEE 1609.4 telah diajukan pada tahun 2010 untuk meningkatkan protokol IEEE 802.11p yang ada dengan operasi multi saluran pada penerima sinyal radio tunggal. IEEE 1609.4 menerapkan skema akses baik waktu maupun frekwensi. Pada standar IEEE 1609.4 didefinisikan mode operasi Multikanal nirkabel radio, termasuk operasi interleaving dari kanal CCH dan SCH, parameter akses prioritas, dan karakteristik lain dari MAC dan PHY pada VANETs. Salah satu teknik optimasi yang dilakukan pada standar IEEE 1609.4 yaitu dengan melakukan optimasi pada skala waktu. Hal ini dapat dilakukan dengan optimasi skema koordinasi saluran CCH dan SCH secara dinamis, yaitu dengan melakukan optimasi pada proses sinkronisasi interval kanal CCH dan SCH sehingga dapat mengurangi delay dan meningkatkan saturasi throughput saluran SCH. Beberapa parameter yang mempengaruhi kinerja koordinasi



113

kanal dinamis akan dilakukan kajian lebih lanjut pada sub bab ini, yaitu pengaruh mobilitas node, pengaruh efek Doppler, dan pengaruh kanal propagasi Nakagami. Bagian selanjutnya dari Bab ini disusun sebagai berikut. Pada Subbab 4.2 dijelaskan penelitian terkait pemodelan skema DCF, yaitu model DCF Bianchi, dan bidimensional Markov chain. Pada Subbab 4.3 disampaikan pemodelan skema koordinasi kanal dinamis DCF berupa skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dan pembuatan persamaan matematis throughput skema DCF. Selanjutnya dijelaskan simulasi model analitikal dan pembahasan hasil simulasi. Pada Subbab 4.4 disampaikan pemodelan mobilitas node dengan menggunakan model referensi Yang, pembuatan persamaan matematis model ThreeDimensional Markov Chain, kemudian dijelaskan simulasi model analitikal throughput skema DCF. Perbandingan hasil simulasi model analitikal DCF dengan model Bianchi dan model Tinnirello juga disampaikan pada bagian akhir Bab ini. 4.2 Penelitian Terkait 1/Wi,0

(1-p)/W0

(1-pc,i)/Wi,0 1 i,0,0

i,0,1

1

p

i,0,2

i,0,Wp-2

p

p

1

i,0,Wp-2

p

(Pc,i)/WL,k-1 I,k-1,0

p/Wi

p/Wi i,k,0

1

i,k,1

1

p

p/Wm 1

i,Lretry,0

p/Wm

i,k,2

i,kWz-2

p

p

1

i,kWi-1

p

p/Wm i,Lretry,1

p

1

i,Lretry,2

p

i,Lretry, m, Wm-2

1

i,Lretry, m,Wm-1

p

p




114

Pada model Markov chain tiga dimensi yang dikembangkan oleh Yang [18] dapat dijelaskan sebagai berikut, didefinisikan

adalah suatu random proses yang


adalah suatu random


dapat didefinisikan. Dapat didefinisikan bahwa

pada suatu slot waktu t adalah suatu variabel random uniform pada rentang

.

Dengan mengasumsikan probabilitas suatu frame yang ditransmisikan bertabrakan dengan frame lain pada slot waktu tertentu dan probabilitas bahwa suatu kanal sedang sibuk adalah tidak bergantung pada mekanisme backoff, maka dapat ditentukan

sebagai suatu Markov chain

waktu diskrit. State dari Markov chain direpresentasikan sebagai ,

,

,

, dimana i, k, dan l merepresentasikan group i, backoff stage k,

dan nilai backoff counter l. Kemudian, probabilitas transisi state dari Markov Chain diperlihatkan pada Gambar 4.1 dapat dijelaskan sebagai berikut: ,

(4.1)

,

(4.2) ,

(4.3) ,

,

Dimana

(4.4) (4.5)

menunjukkan probabilitas bahwa suatu node pada group i dalam konidisi kanal

sedang sibuk dan

menunjukkan probabilitas bahwa suatu frame dari suatu node pada group i

mengalami tabrakan (collision) secara berurutan. Probabilitas transisi ini dapat dijelaskan sebagai berikut: 1. Counter backoff akan berkurang 1 ketika suatu node merasakan bahwa kanal sedang dalam kondisi idle selama suatu slot waktu, 2. Counter backoff akan berhenti jika suatu node merasakan bahwa kanal sedang sibuk, Universitas Indonesia


115

3. Suatu node memilih sebuah delay backoff dari backoff stage k selanjutnya setelah suatu tranmisi yang gagal pada stage k-1, 4. Suatu node memilih sebuah nilai counter backoff menggunakan backoff window dari backoff stage 0 jika framenya saat ini gagal ditransmisikan, dan mencoba untuk mentransmisikan sebuah frame baru 5. Sebuah node mencoba melakukan transmisi pada batas maksimal, dan akan mencoba untuk mentransmisikan sebuah frame baru baik untuk transmisi frame berhasil maupun tidak. Selanjutnya didefinisikan bahwa

merupakan distribusi steady state dari Markov chain

untuk suatu node pada group , dengan backoff stage , dan nilai backoff counter . Hal ini dapat .

direpresentasikan sebagai

Sedangkan untuk pembuatan model analitikal throughput skema DCF akan digunakan model referensi Wang seperti yang telah dijelaskan pada sub bab 2.5. Untuk menganalisis nilai saturasi throughput dan nilai total rata-rata delay transmisi paket layanan yang dihasilkan dapat dilakukan sebagai berikut 1) Didefiniskan bahwa

merupakan total kanal SCH yang ada di jaringan VANET.


,

,

, dan

menunjukkan interval waktu pada

kanal CCH, SCH, interval waktu untuk mentransmisikan paket WAVE Service Advertisement (WSA), dan aplikasi keamanan (Safety Application). Sedangkan interval sinkronisasi merupakan total dari interval CCH dan SCH dan dapat direpresentasikan dengan

.

(4.6)

3) Kemudian didefinisikan bahwa


dan



116

4) Selanjutnya nilai

menunjukkan jumlah dari reservasi kanal CCH selama interval merupakan jumlah paket yang berhasil

WAVE Service Advertisement (WSA) dan ditransmisikan selama interval SCH.

Selama interval CCH, harus disediakan waktu yang cukup untuk transmisi paket keamanan (safety packet) khususnya pada interval keamanan (safety interval), dimana dapat dirumuskan sebagai berikut =

x

(4.8)

Dimana nilai

menunjukkan total node yang mengirimkan safety packet,

menunjukkan kecepatan data (data rate) pada kanal CCH, berdasarkan lingkungan vehicular saat ini, selanjutnya

merupakan faktor yang ditetapkan

menunjukkan frekuensi pengiriman dari

pesan keamanan (safety message). Apabila panjang paket layanan (service packet) adalah tetap, maka durasi waktu pengiriman paket layanan pada kanal SCH dapat didefinisikan sebagai berikut (4.9) Dimana

menunjukkan panjang header pada lapisan MAC dan PHY dalam paket


dimana


(service packet). Nilai rasio yang optimal antara interval CCH dan SCH dapat dicapai apabila jumlah reservasi yang dilakukan di kanal CCH sama dengan jumlah paket layanan yang ditransmisikan di kanal SCH, dalam kondisi

, dengan tidak ada kanal yang dalam kondisi idle, yaitu

untuk membuat lebih banyak reservasi kanal CCH selama interval WAVE Service Advertisement (WSA) atau untuk melakukan transmisi paket layanan yang lebih selama interval SCH. Berdasarkan persamaan (4.6), (4.7), dan (4.9) diatas maka dapat diperoleh rumus sebagai berikut (4.10)

=



117

Selanjutnya dengan menggunakan persamaan (4.9) dan (4.11), maka dapat diperoleh rumus

sebagai berikut

Akhirnya, dengan menggunakan persamaan (4.7), (4.9), dan (4.12) nilai interval CCH yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus

sebagai

berikut (4.13)

=

Kemudian dapat didefinisikan nilai total rata-rata delay transmisi paket layanan yang terdiri dari nilai delay pada interval CCH (T E[T

]= (

E[T

]=

Jika nilai


). (4.14)

+ 1) .

(4.15)

dan



=

.

(4.17)

.V



118

4.3

Pemodelan skema koordinasi kanal dinamis Pada bagian ini diajukan model analitikal yang dapat digunakan untuk memperkirakan

throughput DCF pada operasi Multikanal standar IEEE 1609.4, dengan menggunakan skema Variable CCH Interval (VCI) dan mempertimbangkan pengaruh mobilitas node. Model analitikal yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS tergantung dari laju transmisi node, yaitu 3, 6, 12, dan 27 Mbps berdasarkan distribusi Poisson. Perbedaan dengan model mobilitas sebelumnya, model yang dikembangkan dengan menggunakan tujuh zone i node. Pada model yang diajukan menggunakan kanal propagasi Nakagami dan memperhitungkan efek Doppler yang dihasilkan. Pada sub bab selanjutnya akan dibahas pengembangan skema Variable CCH Interval (VCI) dengan menggunakan model Markov chain tiga dimensi untuk memperkirakan throughput DCF pada operasi Multikanal standar IEEE 1609.4. Berdasarkan kajian penelitian sebelumnya [16], [18], [19] mengenai model Markov chain tiga dimensi dilakukan untuk evaluasi anomali kinerja (performance anomaly) pada IEEE 802.11. Model Markov chain yang diajukan sebelumnya tidak mempertimbangkan pengaruh anomali kinerja (performance anomaly) pada operasi Multikanal standar IEEE 1609.4.

4.3.1 Model Markov chain Tiga Dimensi Pada model Markov chain tiga dimensi yang diajukan dapat dijelaskan sebagai berikut, didefinisikan bahwa

merupakan model Markov chain tiga dimensi waktu

diskrit yang merepresentasikan sutau random proses yang diajukan.



119

Initial Node a 1-p

1-p 0,0 p/w

p

i-1,1 p/w

(1-p)/wi

p

1-p

1-p

i-1,0

p/wi

0,W-2

0,1

i,1 p/w

b

M, W-2

p

p 1-p M+1,1

M+1,W-2

p/w

p

p

1-p M+f,0

1-p M+f,1

M+f,W-2

p

e

e

f

g

h

1-p

p/w

1-p

d

Sama untuk semua kondisi state model Markov chain yang digunakan

p

M,1

M+1,0

c

i,W-2

p

1-p M, 0

b

p 1-p

1-p

i,0

i-1,W-2

p

p

Zone Classification: bà 3 Mbps cà 6 Mbps dà 12 Mbps eà 27 Mbps fà 12 Mbps gà 6 Mbps hà 3 Mbps

f

c

g

d

h

Gambar 4.2 Model Markov chain Tiga Dimensi Perdana dkk.

Dapat didefinisikan

adalah suatu random proses yang merepresentasikan dari zone

dimana node tersebut berada. Sedangkan


merepresentasikan nilai dari backoff stage dari suatu node pada group i dengan nilai Kemudian

dapat didefinisikan sebagai nilai dari backoff counter dari suatu node pada zone

i. pada rentang sebagai

.

pada suatu slot waktu. State dari Markov chain direpresentasikan ,

,

,

, dimana i, k, dan l merepresentasikan

zone i, backoff stage k, dan nilai backoff counter l. Kemudian, probabilitas transisi state dari Markov Chain diperlihatkan pada Gambar 4.2 dapat dijelaskan sebagai berikut:



120

𝑃 𝑧, 𝑠, 𝑏 𝑧, 𝑠, 𝑏 + 1 = 1 −

𝐸𝑋 𝑡𝑧

𝑡 𝑧−1

,dimana 𝑧 ∈ 1, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ 0, 2𝑠 𝑊𝑚𝑎𝑥 − 2

(4.13)

,dimana 𝑧 ∈ 2, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ [0, 2𝑠 𝑊𝑚𝑎𝑥 − 2]

(4.14)

, dimana 𝑧 ∈ 1, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ [1, 𝑊𝑧 − 1]

𝑃 𝑧, 𝑠, 𝑏 𝑧 − 1, 𝑠, 𝑏 = 𝑃 𝑧, 0, 𝑏 𝑧, 𝑠, 0 =

𝑡𝑧 𝐸𝑋

𝑃 𝑧, 𝑠, 𝑏 𝑧 − 1, 𝑠, 𝑏 + 1 = 𝑃 𝑧, 𝑠, 𝑏 𝑧, 𝑠, 𝑏 =

𝐸𝑋

𝐸𝑋 𝑡 𝑧−1

1−𝑝 𝑐𝑜𝑙

𝑃 𝑧, 0, 𝑏 𝑧 − 1, 𝑠, 0 =

, dimana 𝑧 ∈ 2, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ [1, 𝑊𝑧 − 1]

1−

𝑊𝑧

(4.15)

1−𝑝 𝑐𝑜𝑙 𝑊𝑧

𝐸[𝑇𝑥 𝑠𝑢𝑐 ,𝑧 ] 𝑡𝑧

(1 −

, dimana 𝑧 ∈ 1, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ [0, 𝑊𝑧 − 1]

𝐸 𝑇𝑥 𝑠𝑢𝑐 ,𝑧−1 𝑡 𝑧−1

(4.16) (4.17)

), dimana 𝑧 ∈ 2, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ [0, 𝑊𝑧 − 1] (4.18)

𝑝

𝑃 𝑧, 𝑠, 𝑏 𝑧, 𝑠 − 1, 𝑏 + 1 = 2𝑠𝑐𝑜𝑙 (1 − 𝑊

𝐸 𝑇𝑥 𝑠𝑢𝑐 ,𝑧 𝑡𝑧

𝑧

),dimana 𝑧 ∈ 1, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ [0, 2𝑠 𝑊𝑧 − 1] (4.19)

𝑝

𝑃 𝑧, 𝑠, 𝑏 𝑧 − 1, 𝑠 − 1, 𝑏 + 1 = 2𝑠𝑐𝑜𝑙 (1 − 𝑊

𝐸 𝑇𝑥 𝑐𝑜𝑙 ,𝑧−1

𝑧

𝑡 𝑧−1

), dimana 𝑧 ∈ 2, 𝑁 , 𝑠 ∈ 0, 𝑚 , 𝑏 ∈ [0, 2𝑠 𝑊𝑧 − 1] (4.20)

𝑝

𝑃 𝑧, 𝑚, 𝑏 𝑧, 𝑚, 0 = 2𝑚𝑐𝑜𝑙𝑊 (1 − 𝑧

𝑃 𝑧, 𝑚, 𝑏 𝑧 − 1, 𝑚, 0 =

𝑝 𝑐𝑜𝑙 2𝑚 𝑊𝑧

𝐸 𝑇𝑥 𝑐𝑜𝑙 ,𝑧 𝑡𝑧

(1 −

), dimana 𝑧 ∈ 1, 𝑁 , 𝑏 ∈ [0, 2𝑠 𝑊𝑧 − 1]

𝐸 𝑇𝑥 𝑐𝑜𝑙 ,𝑧 𝑡 𝑧−1

), dimana 𝑧 ∈ 2, 𝑁 , 𝑏 ∈ [0, 2𝑠 𝑊𝑧 − 1]

(4.21) (4.22)

Selanjutnya, dapat dijelaskan persamaan probabilitas transisi di atas sebagai berikut : Persamaan (4.13) merepresentasikan probabilitas transisi dari setiap node pada zone i dan slot waktu t dalam kondisi idle dan terjadi proses decrement pada backoff counter. Persamaan (4.14) mengilustrasikan probabilitas transisi dari setiap node pada saat pindah ke zone i+1 dan dalam kondisi idle dan terjadi proses decrement pada backoff counter. Persamaan (4.15) merepresentasikan probabilitas transisi dari setiap node pada zone i dan slot waktu t dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi idle kembali. Universitas Indonesia


121

Persamaan (4.16) merepresentasikan probabilitas setiap node pada saat pindah ke zone i+1 dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi idle kembali. Persamaan (4.17) merepresentasikan probabilitas saat kanal dalam sibuk karena node berhasil melakukan transmisi frame pada slot waktu yang sama. Persamaan (4.18) merepresentasikan probabilitas saat kanal dalam sibuk karena node berhasil melakukan transmisi frame pada slot waktu yang sama dan pada saat node pindah ke zone i+1. Persamaan (4.19) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama. Persamaan (4.19) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dan pada saat node pindah ke zone i+1. Persamaan (4.20) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang maksimum. Persamaan (4.21) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang maksimum dan pada saat node pindah ke zone i+1.

Distribusi tetap dari Markov chain yang diajukan diatas dapat direpresentasikan sebagai . Transmisi akan terjadi ketika nilai backoff counter adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi dalam slot waktu random adalah :

(4.23)



122

Sesuai dengan model Markov chain diatas, untuk penyelesaian maka distribusi tetap dari chain untuk

,

, dan

sebagai fungsi

adalah :

𝑏𝑖,𝑘,0 = 𝑝𝑙 𝑏𝑖,0,0 , 0 < 𝑖 < 𝑁, 0 < 𝑘 < 𝑚, 0 < 𝑙 < 𝑤𝑖,𝑘 − 1 𝑏𝑖,𝑚,0 = 𝑏𝑖,𝑘,𝑙 =

𝑝𝑚

𝑏 1−𝑝 𝑖,0,0

(4.24)

Wi − k 𝑏𝑖,𝑘,0 , 𝑖 ∈ 1, N , 𝑘 ∈ 0, m , 𝑙 ∈ 0, Wi − 1 Wi


untuk


. Persamaan ketiga dari dan kondisi

(4.24) didapatkan dari kondisi

1−𝑝 𝑏𝑖,𝑘,𝑙 =

Wi,k −𝑙 Wi,k

.

𝑁 𝑖=1

𝑚 𝑗 =0 𝑏𝑗 ,0 .

𝑝. 𝑏𝑖,𝑘−1,0 , 𝑝. 𝑏𝑖,𝑚−1,0 + 𝑏𝑖,𝑚,0 ,

Semua nilai nilai

dan

, jadi :

𝑘=0 0<𝑘<𝑚

(4.25)

𝑘=𝑚

dari persamaan (4.25) diatas dapat diekspresikan sebagai fungsi dari




123

(4.26)

(4.29) Dengan menggunakan kedua persamaan di atas maka akan diperoleh nilai probabilitas , yaitu probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dapat dirumuskan sebagai berikut : (4.30) Pada akhirnya, untuk mendapatkan nilai

dan

, dapat diselesaikan secara numerik salah

satunya dapat diselesaikan dengan menggunakan Matlab. 4.3.2 Interval waktu dari akses kanal CCH Selanjutnya, untuk melakukan analisis nilai interval waktu dari akses kanal CCH, maka dibuat model contention kanal CCH yang merupakan pengembangan dari model sebelumnya [6-8].



124




kanal CCH pada saat reservasi berhasil dibuat dengan mempertimbangkan kondisi kanal akibat adanya pengaruh Additive White Gaussian Noise (AWGN). Dapat diasumsikan bahwa node penyedia layanan selalu memiliki paket WAVE Service Advertisement (WSA). Dalam melakukan analisa untuk transmisi paket WAVE Service Advertisement (WSA) atau RFS dapat dijelaskan sebagai berikut [6-8] 1) Pada setiap slot waktu selama interval WAVE Service Advertisement (WSA), perjanjian dalam reservasi kanal yang berhasil dibuat direpresentasikan dengan probabilitas

,

sedangkan probabilitas kanal mengalami tabrakan dalam slot waktu yang sama direpresentasikan

dengan


,

dan

probabilitas

kanal

dalam

kondisi

idle





125

𝑝𝑖𝑑𝑙𝑒 = (1 − 𝜏)𝑛 𝑝𝑏𝑢𝑠𝑦 = 1 − 𝑝𝑖𝑑𝑙𝑒 = 1 − (1 − 𝜏)𝑛

(4.31)

𝑝𝑠𝑢𝑐 = 𝑛𝜏(1 − 𝜏)𝑛−1 𝑝𝑐𝑜𝑙 = 𝑝𝑏𝑢𝑠𝑦 − 𝑝𝑠𝑢𝑐

= 1 − (1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛−1

2) Sedangkan untuk menghitung probabilits paket error akibat pengaruh Additive White Gaussian Noise (AWGN), dapat dihitung dengan menggunakan persamaan probabilitas collision dan probabilitas error yang saling bebas (independent), yaitu (101), (109), dan (113) serta referensi [15] sebagai berikut (4.32) (4.33) Dimana

didefinisikan sebagai probabilitas error karena adanya pengaruh Additive

White Gaussian Noise (AWGN) dan

didefinisikan sebagai probabilitas bit error

pada modulasi QPSK, 16 QAM, dan 64 QAM. 3) Sedangkan

,

, dan

menunjukkan durasi slot waktu dalam kondisi idle, durasi

slot waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal berhasil dilakukan. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut 𝑇𝑖𝑑𝑙𝑒 = 𝑎𝑆𝑙𝑜𝑡𝑇𝑖𝑚𝑒 𝑇𝑐𝑜𝑙 = 𝑇𝑤𝑠𝑎 + 𝑇𝑑𝑖𝑓𝑠

(4.34)

𝑇𝑠𝑢𝑐 = 𝑇𝑤𝑠𝑎 + 𝑇𝑠𝑖𝑓𝑠 + 𝑇𝑎𝑐𝑘 + 𝑇𝑑𝑖𝑓𝑠 𝑇𝑒𝑟𝑟𝑜𝑟 = 𝑇𝑤𝑠𝑎 + 𝑇𝑑𝑖𝑓𝑠 + 𝑇𝑎𝑐𝑘


,

, dan


paket WAVE Service Advertisement (WSA), Request for Send (RFS), dan Acknowledgment (ACK). Dapat diasumsikan bahwa nilai = . Sedangakn dan masingmasing merupakan waktu SIFS dan DIFS.



126





Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai sebagai berikut (4.36) Kemudian nilai variable ,

/( ,

/( ,


+

)

+ /(

)

(4.37)

+

)


sebagai berikut /(

+

)+


/(

+

)

(4.38)



, k = 1, 2, 3, …

.

(4.39)


sebagai berikut



127

𝐸 𝑋 = 1/𝑃_𝑠𝑢𝑐 𝐸 𝑍 + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐 +

𝑇𝑒𝑟𝑟𝑜𝑟

(4.40)

𝐸 𝑋 = (𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 ) + 𝑃𝑐𝑜𝑙 / (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑐𝑜𝑙 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 / (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐 (4.41) 𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙 . 𝐸 𝑇𝑐𝑜𝑙 /𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 . 𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐 + 𝐸 𝑇𝑠𝑢𝑐

Dimana

(4.42)

menunjukkan bahwa nilai rata-rata durasi satu slot waktu dimana node

dalam kondisi sibuk karena berhasil melakukan transmisi frame, sedangkan

merupakan

nilai rata-rata durasi satu slot waktu dimana node dalam kondisi sibuk karena gagal melakukan transmisi frame dan terjadi collision. Dan

adalah probabilitas node berhasil melakukan

transmisi frame. (4.43) menunjukkan bahwa durasi waktu node berhasil melakukan tranmsi frame

Sedangkan nilai pada zone i.

(4.44) Dapat didefinisikan

merupakan nilai panjang paket payload, SIFS adalah durasi waktu

menunjukkan nilai laju transmisi data (transmission data rate), DIFS

pendek dalam IFS,

adalah durasi waktu DIFS, dan

merupakan durasi waktu transmisi paket ACK. (4.45)

Dimana

menunjukkan probabilitas node berhasil melakukan transmisi frame pada

zone i. Sedangkan nilai

direpresentasikan sebagai berikut

= (4.46) Universitas Indonesia


128

Dapat didefinisikan bahwa

merupakan probabilitas homogeneous yang merepresentasikan

probabilitas collision bahwa hanya node pada zone z atau zone frame, dimana nilai

. Probabilitas

yang melakukan transmisi

merepresentasikan sebagai berikut

a. Node yang mengalami tabrakan di semua zone z. b. Node yang mengalami tabrakan di semua zone

.

c. Node mengalami tabrakan di zone z dan

(4.47)

Selanjutnya

menunjukkan probabilitas diverse yang merepresentasikan probabilitas

collision bahwa paling sedikit satu node di zone z atau zone

, dimana nilai

, dan satu

atau lebih node yang melakukan dengan laju transmisi yang lebih tinggi . Probabilitas dapat dirumuskan sebagai berikut

(4.48) Sedangkan nilai rata-rata durasi waktu transmisi paket mengalami collision pada slot waktu yang sama di zone z dapat didefinisikan sebagai berikut (4.49) Universitas Indonesia


129

merupakan durasi waktu transmisi paket mengalami collision pada slot waktu yang sama di zone z dapat dirumuskan sebagai berikut (4.50) ,

Kemudian setelah diperoleh rumus untuk E[X],

,

,

, dan

maka pada sub bab berikutnya akan dilakukan perhitungan terhadap jumlah node di masingmasing zone i dengan menggunakan distribusi Poisson dan mempertimbangkan kanal akibat pengaruh Additive White Gaussian Noise (AWGN). 4.3.3 Perhitungan jumlah Node di setiap zone i Pada sub bab ini akan dilakukan perhitungan jumlah node di setiap zone i dengan menggunakan distribusi Poisson dan mempertimbangkan kondisi kanal akibat adanya pengaruh Additive White Gaussian Noise (AWGN). Kemudian dengan menggunakan distribusi node dalam setiap zone i ini maka akan dapat dilakukan evaluasi akibat adanya anomali kinerja karena perbedaan laju transmisi data yang berbeda di setiap zone.. Untuk menghitung distribusi node dalam setiap kelompok, kita menggunakan asumsi yang sama dengan penelitian sebelumnya [12]. Pertama kita memperkirakan radius komunikasi node dengan mempertimbangkan propagasi kanal Nakagami. Distribusi Nakagami-m adalah probabilitas distribusi yang terkait dengan distribusi gamma. Fungsi kepadatan probabilitas (pdf) dari kekuatan sinyal yang diterima [12,13] dapat ditulis sebagai , for adalah fungsi gamma,

dimana menunjukkan

jarak

dalam ,

carrier,

(4.51)

dan

satuan


merupakan


nilai

eksponen

path-loss,



menunjukkan nilai


) dan dapat ditentukan sebagai berikut Universitas Indonesia


130

(4.52) Dengan melakukan subsitusi persamaan (1) ke (2) dan dengan definisi

maka

dapat dihitung persamaan berikut (4.53) Dengan menggunakan (4.54) Maka dapat diperoleh nilai cdf sebagai berikut (4.55) Selanjutnya, nilai rata-rata jangkauan komunikasi

atau


Dengan melakukan subsitusi persamaan (3.104) ke (3.105) dan mengintegralkan batas atas persamaan maka diperoleh persamaan sebagai berikut (4.57) Untuk memperoleh nilai rata-rata carrier sense range



=

, di mana


.


dapat ditentukan sebagai berikut

Dalam kajian analisis yang dilakukan menggunakan asumsi yang sama seperti pada [12]. Hal ini dilakukan untuk memperkirakan rata-rata jumlah node dengan menggunakan distribusi Poisson. Berdasarkan kajian studi analitis sebelumnya [12], dapat dihitung nilai probabilitas dari Universitas Indonesia


131

jumlah kendaraan



jika nilai

diasumsikan tetap.

Hal ini merupakan waktu respon pengendara untuk melakukan reaksi jika ada kejadian tiba-tiba. Disamping itu, dapat dijelaskan dengan menggunakan model antrian server tunggal (singleserver queue) seperti ditunjukkan pada Gambar 4.4.






di jalur i adalah berdistribusi Poisson dan dapat didefinisikan sebagai berikut

sedangkan rata-rata jumlah kendaraan di sekitar kendaraan acuan/penanda di jalur i adalah (4.60) Jadi nilai probabilitas


dirumuskan sebagai berikut (4.61)



132

Setelah didefinisikan rumus rata-rata jumlah kendaraan di jalur i (

kemudian tahap

selanjutnya adalah akan dibahas evaluasi dan analisa aggregate throughput yang dihasilkan akibat adanya anomali kinerja yang disebabkan oleh laju transmisi data yang berbeda di setiap zone.

4.3.4 Evaluasi Kinerja Aggregate Throughput Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi kanal CCH dan SCH dinamis dengan mempertimbangkan kondisi error kanal dan adanya fenomena anomali kinerja akibat adanya pengaruh Additive White Gaussian Noise (AWGN). Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut, pertama didefiniskan nilai yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH =

+

+

+

+

(4.62)

Kemudian nilai rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH dapat didefinisikan sebagai berikut (4.63) (4.64)

+ Dimana



dimana


(service packet). Jika nilai

sudah didapatkan maka throughput saturasi skema DCF yang

merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH dapat dihitung berdasarkan rumus berikut :



133

Kemudian dengan menggunakan model Bianchi, maka dapat dihitung persamaan saturasi throughput yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH dengan mempertimbangkan pengaruh bit error kanal adanya pengaruh Additive White Gaussian Noise (AWGN) dapat dihitung berdasarkan rumus berikut :

(4.66)

(4.67)

(4.68)

(4.69)

(4.70)

Dimana dapat didefinisikan

adalah jumlah node,

adalah probabilitas dimana sebuah

node mengirimkan paket WAVE Service Advertisement (WSA) atau Request for Service (RFS) dalam slot waktu yang bebas akibat adanya fading Nakagami. Sedangkan probabilitas pengiriman paket data berhasil dilakukan, dikirimkan.

merupakan

adalah jumlah payload informasi yang

adalah laju data yang dikirimkan.

Dimana ;

(4.71) (4.72)

(4.73) Dengan menggunakan persamaan

sebagai probabilitas Symbol Error Rate (SER) Universitas Indonesia


134

Dimana


korelasi fading, dimana nilai nya adalah

adalah gain kanal, dan . Dimana

adalah koefisien

didefinisikan sebagai

frekuensi penerima akibat pengaruh efek Doppler 𝑓𝑑 =

𝑐 + 𝑣𝑟 𝑓 𝑐 + 𝑣𝑠 0

(4.75)

adalah kecepatan rambat gelombang adalah kecepatan pengamat (receiver) relatif terhadap medium adalah kecepatan sumber gelombang relatif terhadap medium adalah frekuensi sumber (

5.9 GHz)

Selanjutnya berdasarkan referensi [17], maka didapatkan rumus Aggregate Throughput dengan menggunakan persamaan sebagai berikut : (4.76) Salah satu tantangan dalam penjaminan kualitas layanan (QoS) pada IEEE 1609.4 adalah tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda sehingga menyebabkan delay yang tinggi dan throughput yang rendah. Maka dari itu pada sub bab selanjutnya akan dilakukan evaluasi terhadap delay transmisi yang dihasilkan pada kanal CCH dan SCH di standar IEEE 1609.4.

4.3.5 Evaluasi Kinerja delay transmisi kanal CCH dan SCH Pada bagian ini akan dibahas evaluasi dan analisa kinerja delay transmisi kanal CCH dan SCH dengan menggunakan model Markov chain pada Gambar 4.2. Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut, pertama nilai rasio yang optimal antara interval CCH dan SCH dapat dicapai apabila jumlah reservasi yang dilakukan di kanal CCH sama dengan Universitas Indonesia


135

jumlah paket layanan yang ditransmisikan di kanal SCH, dalam kondisi

, dengan tidak

ada kanal yang dalam kondisi idle, yaitu untuk membuat lebih banyak reservasi kanal CCH selama interval WAVE Service Advertisement (WSA) atau untuk melakukan transmisi paket layanan yang lebih selama interval SCH. Berdasarkan penjelasan pada sub bab 2.6 dengan model referensi Wang maka dapat diperoleh rumus

β=

sebagai berikut

=

=

(4.77)

β=

(4.78)

Selanjutnya dengan menggunakan persamaan (4.71) dan (4.73), maka dapat diperoleh rumus sebagai berikut =

(4.79)

Akhirnya, dengan menggunakan persamaan (3.37) dan (3.39) diatas, maka nilai interval CCH yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus

sebagai

berikut (4.80)

=

Kemudian dapat didefinisikan nilai total rata-rata delay transmisi paket layanan yang terdiri dari nilai delay pada interval CCH (T

E[T

]= (

E[T

]=


).

(4.81)

+ 1) .

(4.82)

Kemudian setelah dilakukan kajian analisa nilai estimasi model error kanal adanya pengaruh Additive White Gaussian Noise (AWGN), maka pada sub bab selanjutnya akan dibahas mengenai simulasi dan pembahasan simulasi yang telah dilakukan.



136

4. 4 Simulasi dan Pembahasan Hasil Pada bagian ini digunakan simulasi matematis untuk menganalisis pengaruh pengembangan skema koordinasi kanal Variable CCH Interval (VCI) terhadap mobilitas node dengan menggunakan model Markov chain tiga dimensi pada standar IEEE 1609.4. Kinerja diukur dengan menghitung parameter probabilitas colliision yang terdiri dari homogeneous collision dan diverse colliision di setiap zone i. Disamping itu, juga diukur Kinerja aggregate throughput di setiap zone i. Kedua parameter tersebut dihitung dengan memperhatikan pengaruh anomali Kinerja karena laju transmisi yang berbeda di setiap zone dan efek Doppler yang dihasilkan. Hasil simulasi memperlihatkan model DCF yang diajukan dapat memperkirakan interval waktu pada kanal CCH berdasarkan model contention reservasi kanal CCH. Model DCF yang diajukan dapat memperlihatkan throughput yang dihasilkan sesuai dengan kebutuhan amandemen standar IEEE 1609.4. 4.4.1 Kinerja probabilitas pengiriman paket WAVE Service Advertisement (WSA) Simulasi matematis digunakan untuk menginvestigasi probabilitas pengiriman paket WAVE Service Advertisement (WSA) dengan skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan adanya anomali Kinerja karena laju transmisi yang berbeda di setiap zone. Hasil probabilitas pengiriman paket WAVE Service Advertisement (WSA) dihitung berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone. Pengaruh kedua variabel tersebut terhadap probabilitas transmisi paket WAVE Service Advertisement (WSA) pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah distrbusi node di setiap zone terhadap model Bianchi dan model Yang. Probabilitas transmisi paket WAVE Service Advertisement (WSA) pada model Wang dan model Yang ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Simulasi Kinerja interval waktu pada kanal CCH berdasarkan variabel laju transmisi diatur sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p, yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3 Universitas Indonesia


137

merupakan zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang berbeda di setiap zone akan menyebabkan anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Sedangkan untuk distribusi node di setiap zone berdasarkan distribusi Poisson dan mempertimbangkan pengaruh Additive White Gaussian Noise (AWGN). Banyaknya distribusi jumlah node di setiap zone akan mempengaruhi kinerja interval waktu pada kanal CCH dan tingkat reservasi kanal CCH pada node di setiap zone. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai CW (Contention Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya anomali kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi kinerja yang dihasilkan. Hasil interval waktu pada kanal CCH akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk [6-8]. Berikut parameter yang digunakan untuk simulasi dan analisis probabilitas pengiriman paket WAVE Service Advertisement (WSA).



138

Tabel 4.1 Parameter probabilitas pengiriman paket WSA

Parameter Protocol MAC Zone Percobaan Jumlah kanal CCH Jumlah kanal SCH Payload paket data service Laju transmisi PHY header MAC header WAVE Service Advertisement (WSA)/RFS ACK Slot time SIFS DIFS Signal to Noise Ratio Kecepatan node Modulasi

Nilai IEEE 1609.4 Zone 1 – Zone 7 10000 kali 1 6 500 - 2000 bytes 3, 6, 12, 27 Mbps 192 bits 256 bits 160 bits + PHY header 112 bits + PHY header 20 μs 10 μs 50 μs 20 dB 80-120 km/jam QPSK, 16 QAM, 64 QAM

Probabilitas transmisi paket WSA

Probabilitas Probabilitas Probabilitas Probabilitas

transmisi paket transmisi paket transmisi paket transmisi paket

WSA(optimum initial CW) WSA(Model Duck Yang) WSA(Model Qing Wang) WSA(Anomali kinerja)

0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 60 50

7

40

6 30

5 4

20

3

10

Distribusi Node per Zone (nodes)

2 0

Zone

1

Gambar 4.5 Probabilitas pengiriman paket WSA (QPSK)



139



0.8

transmisi transmisi transmisi transmisi

paket paket paket paket


0.6

0.4

0.2

0

-0.2

-0.4

-0.6

-0.8 60 40 20


0

1

4

3

2

5

6

7

Zone

Gambar 4.6 Probabilitas pengiriman paket WSA (16 QAM)






0.6 0.4 0.2 0 -0.2 -0.4 -0.6 -0.8 60 50 40 30

7 6 20

5 4 10

3

Distribusi Node per Zone (nodes) 0

2

Zone

1

Gambar 4.7 Probabilitas pengiriman paket WSA (64 QAM)

Dengan melihat perbandingan antara grafik probabilitas pengiriman paket WSA diatas, dapat dianalisa sebagai berikut : Berdasarkan model DCF yang diajukan, telah dilakukan evaluasi performansi pada modulasi yang berbeda pada sistem OFDM, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masingmasing modulasi pada sistem OFDM standar 802.11p mempengaruhi probabilitas pengiriman Universitas Indonesia


140

paket WSA yang dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang paling bagus dibandingkan modulasi QPSK dan 16 QAM. BER yang dihasilkan pada modulasi QPSK paling rendah dibandingkan dengan modulasi 16 QAM dan 64 QAM, yaitu dengan nilai rata-rata sebesar 2.71%. Dimana BER yang dihasilkan oleh modulasi 16 QAM dan 64 QAM karena memodulasikan 4 dan 6 simbol sehingga lebih rentan terhadap noise selama transmisi dibandingkan dengan modulasi QPSK yang hanya memodulasikan 2 simbol. Sedangkan untuk probabilitas pengiriman paket WSA yang dihasilkan pada model DCF yang diajukan lebih baik dibandingkan dengan model Yang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 70.11% dan standar deviasi sebesar 29.51%. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan probabilitas pengiriman paket WSA terhadap fenomena performance anomaly dengan kenaikan presentase rata-rata (mean) sebesar 52.96 % dan standar deviasi sebesar 40.02 %. Hasil ini jauh lebih baik apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena performance anomaly yaitu dengan rata-rata (mean) presentase kenaikan sebesar 19.76 % dan standar deviasi sebesar 40.56 %. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan probabilitas pengiriman paket WSA yang lebih baik dibandingkan dengan tanpa menentukan nilai optimum initial Contention Window. Sedangkan hasil interval waktu pada kanal CCH dengan menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai interval waktu pada kanal CCH model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 108.61% dan standar deviasi sebesar 8.79 %. 4.4.2 Kinerja Aggregate Throughput skema DCF Untuk melakukan evaluasi kinerja aggregate throughput dengan skema DCF yang dipengaruhi oleh adanya anomali kinerja dan efek Doppler yang dihasilkan, maka digunakan model matematis Aggregate Throughput skema DCF. Evaluasi Kinerja aggregate throughput dihitung berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone. Pengaruh kedua variabel tersebut terhadap kinerja aggregate throughput pada model DCF yang Universitas Indonesia


141

diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah distrbusi node di setiap zone terhadap model Yang. Evaluasi hasil Kinerja aggregate throughput model Yang ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Simulasi Kinerja aggregate throughput berdasarkan variabel laju transmisi diatur sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p, yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3 merupakan zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang berbeda di setiap zone akan menyebabkan anomali kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Kemudian

selanjutnya,

evaluasi

aggregate

throughput

dilakukan

dengan

mempertimbangkan efek Doppler yang dihasilkan karena pengaruh mobilitas node dari satu zone ke zone lainnya. Perpindahan node dari setiap zone dipengaruhi oleh distribusi node di setiap zone, sedangkan untuk distribusi node di setiap zone dihitung berdasarkan distribusi Poisson dan mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai CW (Contention Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi Kinerja yang dihasilkan. Hasil evaluasi Kinerja aggregate throughput akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk. [68] dan model Markov chain yang dikembangkan oleh Yang. Berikut parameter yang digunakan untuk simulasi dan analisis kinerja aggregate throughput skema DCF.



142

Tabel 4.2 Parameter aggregate throughput skema DCF


Nilai IEEE 1609.4 Zone 1 – Zone 7 10000 kali 1 6 2000 bytes 3, 6, 12, 27 Mbps 192 bits 256 bits 160 bits + PHY header

112 bits + PHY header 20 μs 10 μs 50 μs 20 dB 80-120 km/jam QPSK, 16-QAM, 64-QAM

4

x 10

Aggreagate Throughput(nilai optimal CW) Aggreagate Throughput(Model Duck Yang) Aggreagate Throughput(Model Qing Wang) Aggreagate Throughput(Anomali kinerja)

Aggreagate Throughput SCHs (kbps)

9 8 7 6 5 4 3 2 1 0 60 40 20


1

2

3

4

5

6

7

Zone

Gambar 4.9 Kinerja Aggregate Throughput skema DCF (QPSK)



143

Aggreagate Throughput(nilai optimal CW) Aggreagate Throughput(Model Duck Yang) Aggreagate Throughput(Model Qing Wang) Aggreagate Throughput(Anomali kinerja)

4

x 10


9 8 7 6 5 4 3 2 1 0 60 50 40 30 20

Distribusi Node per Zone (nodes) 10 0

3

2

1

6

5

4

7

Zone


Aggreagate Throughput(nilai optimal CW) Aggreagate Throughput(Model Duck Yang) Aggreagate Throughput(Model Qing Wang) Aggreagate Throughput(Slot anomali)


4

x 10 9 8 7 6 5 4 3 2 1 0 60

50

7

40

6 30

5 4

20

3

10


2 0

Zone

1


Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa sebagai berikut : Evaluasi kinerja aggregate throughput pada sistem OFDM dilakukan terhadap tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem Universitas Indonesia


144

OFDM standar 802.11p berpengaruh pada kinerja aggregate throughput yang dihasilkan. Pada modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM. Berdasarkan dari persamaan (4.67), maka dapat disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja aggregate throughput yang paling rendah. Dari hasil performansi yang dihasilkan, modulasi QPSK kinerja aggregate throughput yang paling bagus dibandingkan dengan modulasi 16 QAM dan 64 QAM, yaitu dengan nilai rata-rata sebesar 0.14%. Hal ini dikarenakan QPSK hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi. Sedangkan untuk aggregate throughput yang dihasilkan pada model DCF yang diajukan yang lebih baik dibandingkan nilai aggregate throughput model Wang yaitu dengan nilai ratarata (mean) presentase kenaikan sebesar 40.99% dan standar deviasi sebesar 18.74%. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai aggregate throughput terhadap fenomena anomali kinerja (performance anomaly) dengan rata-rata (mean) presentase kenaikan sebesar 42.8 % dan standar deviasi sebesar 77.77 %. Hasil ini jauh lebih baik apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena anomali kinerja (performance anomaly) yaitu dengan rata-rata (mean) presentase kenaikan sebesar 12.85 % dan standar deviasi sebesar 24.94 %. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai aggregate

throughput

yang lebih baik dibandingkan menentukan nilai initial Contention

Window berdasarkan standar 802.11p. Sedangkan hasil aggregate

throughput dengan

menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai aggregate throughput model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 42.59% dan standar deviasi sebesar 69.41%. 4.4.3 Evaluasi Kinerja delay transmisi kanal CCH dan SCH Simulasi matematis digunakan untuk evaluasi Kinerja delay transmisi dengan skema DCF dengan mempertimbangkan model contention reservasi akses kanal CCH dan anomali Kinerja karena laju transmisi yang berbeda di setiap zone. Evaluasi Kinerja delay transmisi Universitas Indonesia


145

dihitung berdasarkan tiga variabel, yaitu interval kanal CCH, laju transmisi data, dan jumlah distrbusi node di setiap zone. Pengaruh ketiga variabel tersebut terhadap Kinerja delay transmisi pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung pengaruh variabel interval kanal CCH, laju transmisi dan jumlah distrbusi node di setiap zone terhadap skema Variable CCH Interval

yang

dikembangkan oleh Wang. Evaluasi hasil Kinerja delay transmisi skema Wang ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Simulasi Kinerja delay transmisi berdasarkan variable interval kanal CCH dapat dijelaskan sebagai berikut. Besarnya nilai variabel interval kanal CCH yang terdiri dari nilai variable safety interval dan interval WAVE Service Advertisement (WSA) dipengaruhi oleh banyaknya jumlah node yang melakukan reservasi akses kanal CCH. Nilai variable safety interval dan interval WAVE Service Advertisement (WSA) akan berbeda di setiap zone tergantung dari laju transmisi dan distribusi jumlah node. Disamping itu nilai rata-rata interval waktu dari akses contention kanal CCH

juga mempengaruhi nilai interval WAVE Service

Advertisement (WSA) yang dihasilkan. Sedangkan besarknya variable laju transmisi diatur sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p, yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3 merupakan zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang berbeda di setiap zone akan menyebabkan anomali kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Kemudian selanjutnya, evaluasi delay transmisi terhadap pengaruh distribusi node di setiap zone dihitung berdasarkan distribusi Poisson dan mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai CW (Contention Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi Kinerja yang Universitas Indonesia


146

dihasilkan. Hasil evaluasi Kinerja aggregate throughput akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk. [6-8] dan model Markov chain yang dikembangkan oleh Yang. Berikut parameter yang digunakan untuk simulasi dan analisis Kinerja delay transmisi kanal CCH dan SCH.

Tabel 4.3 Parameter delay transmisi kanal CCH dan SCH


Nilai IEEE 1609.4 Zone 1 – Zone 7 10000 kali 1 6 2000 bytes 3, 6, 12, 27 Mbps 192 bits 256 bits 160 bits + PHY header 112 bits + PHY header 20 μs 10 μs 50 μs 20 dB 80-120 km/jam QPSK, 16-QAM, 64-QAM



147

Nilai Nilai Nilai Nilai

rata-rata delay rata-rata delay rata-rata delay rata-rata delay


(nilai optimal CW) (Model Duck Yang) (Model Qing Wang) (Anomali kinerja)

0.035 0.03

E[Tschdelay]

0.025 0.02 0.015 0.01 0.005 0 0.01 0.008

7 6

0.006 5

0.004

4 3

0.002

2 0

E[Tcchdelay]

1

Zone

Gambar 4.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK)

Nilai rata-rata delay transmisi (nilai optimal CW) Nilai rata-rata delay transmisi (Model Duck Yang) Nilai rata-rata delay transmisi (Model Qing Wang) Nilai rata-rata delay transmisi (Anomali kinerja)

0.035 0.03

E[Tschdelay]

0.025 0.02 0.015 0.01 0.005 0 0.01 0.008 0.006 0.004

E[Tcchdelay]

0.002 0

1

2

3

4

5

6

7

Zone

Gambar 4.13 Kinerja delay transmisi kanal CCH dan SCH (16 QAM)



148

Nilai Nilai Nilai Nilai

rata-rata delay rata-rata delay rata-rata delay rata-rata delay


(nilai optimal CW) (Model Duck Yang) (Model Qing Wang) (Anomali kinerja)

E[Tschdelay]

0.04 0.03 0.02 0.01 0 9 8 7 6 -3

x 10

7

5 6

4 5

3

E[Tcchdelay]

4 2

3 1

Zone

2 0

1

Gambar 4.14 Kinerja delay transmisi kanal CCH dan SCH (64 QAM)

Dengan melihat perbandingan antara grafik delay transmisi CCH diatas, dapat dianalisa sebagai berikut : Evaluasi kinerja delay transmisi CCH pada sistem OFDM dilakukan terhadap tiga modulasi, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar 802.11p berpengaruh pada kinerja delay transmisi CCH yang dihasilkan. Modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM, karena memodulasikan 6 simbol dan lebih rentan terhadap Additive White Gaussian Noise (AWGN). Berdasarkan dari persamaan (4.76), maka dapat disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja delay transmisi CCH yang tinggi. Dari hasil performansi yang dihasilkan, modulasi QPSK kinerja delay transmisi CCH yang paling baik dibandingkan dengan modulasi 16 QAM dan 64 QAM, yaitu dengan nilai rata-rata sebesar 0.75%. Hal ini dikarenakan QPSK hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi. Sedangkan untuk delay transmisi CCH yang dihasilkan pada model DCF yang diajukan yang lebih rendah dibandingkan nilai delay transmisi CCH model Yang yaitu dengan nilai rataUniversitas Indonesia


149

rata (mean) sebesar 0.41% dan standar deviasi sebesar 0.24%. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan menurunkan nilai delay transmisi CCH terhadap fenomena anomali kinerja (performance anomaly) dengan rata-rata (mean) sebesar 0.87 % dan standar deviasi sebesar 0.16%. Hasil ini jauh lebih baik apabila dibandingkan dengan delay transmisi yang dihasilkan oleh model Yang terhadap fenomena anomali kinerja (performance anomaly) yaitu dengan rata-rata (mean) meningkat sebesar 0.47 % dan standar deviasi sebesar 0.14 %. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai delay transmisi CCH yang lebih rendah dibandingkan menentukan nilai initial Contention Window berdasarkan standar 802.11p. Sedangkan hasil delay transmisi CCH dengan menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai delay transmisi CCH model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 23.97 % dan standar deviasi sebesar 21.96 %.



150

BAB 5 MODEL ANALITIKAL SLOT WAVE SERVICE ADVERTISEMENT (WSA) MAC DCF IEEE 1609.4 5.1 Pendahuluan Berdasarkan draft amandemen standar IEEE 1609.4 dan kajian dari beberapa penelitian sebelumnya, model slot WAVE Service Advertisement (WSA) akan menentukan nilai yang optimal dari reservasi kanal CCH pada skema koordinasi kanal dinamis Multikanal MAC IEEE 1609.4. Maka dari itu evaluasi terhadap pemodelan slot WAVE Service Advertisement (WSA) menjadi penting dilakukan karena terkait dengan probabilitas transmisi paket WAVE Service Advertisement (WSA), Kinerja aggregate throughput, dan nilai rata-rata delay transmisi pada kanal CCH dan SCH yang dihasilkan pada skema koordinasi kanal dinamis pada standar Multikanal 1609.4. Maka dari itu perlu dilakukan kajian dan analisis untuk evaluasi ukuran frame WAVE Service Advertisement (WSA) dengan mempertimbangkan variable distribusi jumlah node dan laju transmisi di setiap zone seperti yang sudah dibahas pada bab sebelumnya. Pada bagian ini diajukan model analitikal slot WAVE Service Advertisement (WSA) dengan memperhatikan adanya fenomena anomali slot pada skema DCF yang dimodelkan oleh Tinnirello dkk. di [29]. Disamping itu model analitikal yang diajukan juga mempertimbangkan bit error karena pengaruh adanya Additive White Gaussian Noise (AWGN). Model analitikal yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS tergantung dari laju transmisi node, yaitu 3, 6, 12, dan 27 Mbps berdasarkan distribusi Poisson. Perbedaan dengan model mobilitas sebelumnya adalah model yang dikembangkan menggunakan tujuh zone i node dan dikembangkan pada kondisi kanal yang tidak ideal yaitu adanya pengaruh Additive White Gaussian Noise (AWGN) dan propagasi kanal Nakagami. Pada sub bab selanjutnya akan dibahas kajian model Bidemensional Markov chain untuk memperkirakan probabilitas bit error terhadap model analitikal yang diajukan pada operasi Multikanal standar IEEE 1609.4. Berdasarkan kajian yang dikembangkan oleh dkk. [29] mengenai model Markov chain dilakukan untuk evaluasi adanya fenomena slot anomali pada IEEE 802.11. Model Markov chain yang diajukan sebelumnya tidak mempertimbangkan



151

pengaruh propagasi kanal Nakagami serta Additive White Gaussian Noise (AWGN) pada operasi Multikanal standar IEEE 1609.4. 5.2 Penelitian terkait Pada bab ini akan dibahas pengaruh fenomena slot anomali pada 802.11 dengan menggunakan model referensi Tinnirello dkk. [29] pada skema koordinasi kanal dinamis IEEE 1609.4, yaitu dengan model Bidimensional Markov Chain dan pembuatan persamaan matematis throughput skema DCF seperti yang dijelaskan pada sub bab 2.7. sebagai proses

Tinnirello dkk. [29] memodelkan proses acak bidimensional

discrete-time Markov chain (DTMC) seperti yang diperlihatkan pada Gambar 5.1.

1-p W-1

1-p W-1

+

0 ,0

+

p W1

p W2 2,0

p W2

0 ,W-3

… p W2

+

0 ,W-2

1

p W

-

0 ,0

p W -

1

0 ,1

…

p W -

0 ,W-2

1

0-,W-1

p W1 1,W1-2

1,W1-1

1

p W2 …

2,1

1

+

p W1 1,1

1

p W

1-p W-1 …

0 ,1

1

p W1 1,0

1-p W-1

2,W2-2

1

2,W2-1

… R-1,0 p WR R,0

p WR

p WR 1

R,1

p WR …

R,WR-2

1

R,WR-1

Gambar 5.1 Diagram Markov chain Tinnirello dkk. [29]

Model DTMC tersebut mengasumsikan bahwa probabilitas transmisi sebuah frame mengalami collision

adalah independen dari prosedur backoff [7] dan backoff counter

dikurangi pada akhir dari slot backoff. Oleh karena itu state backoff dari setiap STA dapat Universitas Indonesia


152

dinotasikan sebagai

. adalah tingkat backoff dan

adalah delay backoff yang mempunyai

.

nilai dalam range Misalkan

merupakan distribusi tetap dari Markov

chain dan misal

merupakan probabilitas transmisi sebuah STA dalam sebuah slot, maka

. Tingkat backoff 0 dibagi menjadi dua state yaitu 0+ dan 0- yang menunjukkan transisi ke stage 0 disebabkan oleh dua kondisi yang berbeda. Masing-masing stage memiliki range nilai backoff counter yang berbeda. Jika STA berhasil melakukan transmisi frame maka counter backoff akan transisi ke ke stage 0+ yang memiliki nilai counter backoff dalam range . Sedangkan jika STA gagal melakukan transmisi frame maka counter backoff akan transisi ke stage 0- yang memiliki nilai counter dalam range

. Probabilitas transisi

state backoff pada Gambar 4.4 dapat dirumuskan dalam persamaan :

(5.1)



berkut :

(5.2)


untuk menambah satu slot idle setelah transmisi berhasil ke

dalam slot transmisi sebelumnya. Diketahui


dengan state kolom pertama dapat dirumuskan sebagai berikut :



153

(5.3)

Semua state dapat diekspresikan sebagai fungsi dari probabilitas

, maka jumlah semua

probabilitas transisi dalam Markov chain dapat dirumuskan sebagai berikut : (5.4) Selanjutnya dapat diekspresikan probabilitas τ yang merupakan probabilitas sebuah STA berhasil melakukan transmisi dalam sebuah slot. Setiap transmisi muncul ketika nilai backoff counter mencapai nol. Dengan demikian probabilitas transmisi sebuah STA dapat dirumuskan sebagai berikut:

Berdasarkan probabilitas transmisi τ, probabilitas collision sebuah STA dapat dirumuskan sebagai berikut :

Selanjutnya

dan

dapat diselesaikan menggunakan penyelesaian numerik persamaan non

linier. 5.3 Pemodelan skema DCF Pada bagian ini diajukan model analitikal yang dapat digunakan untuk memperkirakan throughput SCH yang ditransmisikan melalui lapisan MAC DCF dan melalui lapisan HT-PHY. Sama seperti model Tinnirello dkk., model DCF yang diajukan memperhitungkan pengaruh slot anomali pada durasi slot transmisi dan durasi slot collision. Namun tidak hanya memperhitungkan pengaruh slot anomali, model DCF yang diajukan juga memperhitungkan Universitas Indonesia


154

pengaruh bit error akibat adanya pengaruh AWGN pada kanal CCH dan SCH terhadap throughput pengiriman WAVE Service Advertisement (WSA). Disamping itu juga diperhitungkan efek Doppler dari setiap node, yang akan mempengaruhi delay dan throughput yang dihasilkan lapisan MAC DCF IEEE 1609.4 multikanal.

5.3.1

Model Slot DCF

Untuk memodelkan durasi slot DCF, digunakan asumsi bahwa kerusakan pada sebuah frame yang ditransmisikan dapat terjadi berdasarkan tiga kondisi yang berbeda, yaitu frame WAVE Service Advertisement (WSA) collision, dan frame WAVE Service Advertisement (WSA) error. Frame WAVE Service Advertisement (WSA) collision didefinisikan sebagai frame WAVE Service Advertisement (WSA) mengalami kerusakan disebabkan oleh lebih dari satu STA melakukan transmisi WAVE Service Advertisement (WSA) pada satu slot yang sama. Frame WAVE Service Advertisement (WSA) error didefinisikan sebagai frame WAVE Service Advertisement (WSA) mengalami kerusakan diakibatkan oleh kondisi kanal yang buruk saat frame WAVE Service Advertisement (WSA) ditransmisikan. Kanal buruk didefinisikan sebagai SINR dari sinyal yang membawa bit-bit WAVE Service Advertisement (WSA) yang diterima. Pada slot collision dan slot error, STA yang mengirimkan frame WAVE Service Advertisement (WSA) akan menunggu frame ACK sampai dengan durasi ACKtimeout habis. Setelah muncul durasi DIFS baru kemudian STA yang mengalami collision atau error dapat menjalankan proses backoff berikutnya. STA non-collision atau STA non-error yang mengetahui kanal dalam kondisi collision atau error akan menunggu kemunculan durasi EIFS. Setelah durasi EIFS habis, baru STA non-collision atau non-error menjalankan proses backoff.



155

Gambar 5.2 Model Slot DCF yang diajukan

Berdasarkan penyebab kerusakan sebuah frame ketika diterima oleh receiver, dimodelkan slot DCF yang terdiri dari empat tipe slot yang berbeda. Keempat tipe slot tersebut diperlihatkan pada Gambar 5.2. Keempat tipe slot tersebut adalah slot idle, slot transmisi WAVE Service Advertisement (WSA), slot WAVE Service Advertisement (WSA) collision, dan

slot WAVE

Service Advertisement (WSA) error. Pada setiap akhir durasi tipe slot, kecuali slot idle, terdapat satu slot tambahan berupa slot anomali. Masing-masing tipe slot memiliki probabilitas kemunculan yang berbeda-beda. Probabilitas slot idle, probabilitas slot transmisi dan probabilitas slot collision dapat dihitung menggunakan model Bianchi dan model Tinnirello. Model Bianchi dan model Tinnirello menghitung probabilitas ketiga tipe slot berdasarkan probabilitas transmisi, probabilitas collision dan jumlah STA yang memperebutkan kanal. Probabilitas slot WAVE Service Advertisement (WSA) error dihitung berdasarkan probabilitas paket WAVE Service Advertisement (WSA) mengalami error yang disebabkan oleh kondisi kanal CCH mengalami gangguan Additive White



156

Gaussian Noise (AWGN) dan adanya efek Doppler yang dihasilkan akibat adanya mobilitas node yang tinggi. 5.4 Markov chain Bidimensional Pada sub bab ini akan dibahas mengenai model Markov chain Bidimensional yang merupakan pengembangan model Markov chain Bianchi dengan mempertimbangkan pengaruh AWGN dan fenomena slot anomali. 1-p

1-p 0,0 p/w

p

i-1,1

(1-p)/wi

p/w

p/wi

p

p 1-p

M,1

M, W-2

p

p 1-p

1-p M+1,1

M+1,W-2

p/w

p

p

1-p M+f,0

p

i,W-2

p

p/w

M+1,0

p

1-p

1-p M, 0

0-,W-2

p

p

i,1

p/w

0-,W-3

i-1,W-2

p

1-p i,0

0-,1

1-p

1-p

i-1,0

0-,0

1-p

1-p

1-p 0,W-2

0,1

1-p M+f,1

p

M+f,W-2

p

Gambar 5.3 Model Markov chain Bidimensional

Pada model Markov chain bidimensional yang diajukan pada Gambar 5.3 dapat dijelaskan sebagai berikut. Didefinisikan bahwa

merupakan model Markov chain

waktu diskrit yang merepresentasikan suatu random proses yang diajukan. random proses yang merepresentasikan nilai backoff stage dengan backoff

stage

ini

dilakukan

penambahan

batasan

nilai

merupakan suatu . Pada nilai dengan

mempertimbangkan error akibat adanya Additive White Gaussian Noise (AWGN). Kondisi ini



157

akan dicapai apabila sampai usaha transmisi yang maksimal

-th, waktu backoff

meningkat dengan faktor 2, setelah itu dalam kondisi freeze pada saat Kemudian

akan

sampai

dapat didefinisikan sebagai nilai dari backoff counter dari suatu node

pada zone i. Pada rentang direpresentasikan sebagai

pada suatu slot waktu. State dari Markov chain ,

,

, dimana i, dan k

merepresentasikan nilai backoff counter i dan backoff stage k. Selanjutnya dengan menggunakan asumsi yang dengan referensi model Tinnirello, dengan mempertimbangkan adanya pengaruh slot anomali, maka dapat didefinisikan merupakan distribusi tetap dari Markov chain dan misal merupakan probabilitas transmisi sebuah node/station (STA) dalam sebuah slot, maka . Tingkat backoff 0 dibagi menjadi dua state yaitu 0+ dan 0- yang menunjukkan transisi ke stage 0 disebabkan oleh dua kondisi yang berbeda. Masing-masing stage memiliki range nilai backoff counter yang berbeda. Jika STA berhasil melakukan transmisi frame maka counter backoff akan transisi ke ke stage 0+ yang memiliki nilai counter backoff dalam range . Sedangkan jika STA gagal melakukan transmisi frame maka counter backoff akan transisi ke stage 0- yang memiliki nilai counter dalam range

. Probabilitas transisi

state backoff pada Gambar 5.3 dapat dirumuskan dalam persamaan :

(5.15)



berkut :



158

(5.16)


untuk menambah satu slot idle setelah transmisi berhasil

ke dalam slot transmisi sebelumnya. Diketahui


dengan state kolom pertama dapat dirumuskan sebagai berikut :

(5.17)

Dengan mempertimbangkan adanya error pada kanal yang digunakan akibat pengaruh Additive White Gaussian Noise (AWGN), maka dapat diperoleh rumusan sebagai berikut : (5.18) (5.19) Dimana dapat didefinisikan rentang nilai

adalah kondisi kanal propagasi akibat adanya

pengaruh Additive White Gaussian Noise (AWGN). Kemudian,

adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service

Advertisement (WSA) atau RFS dalam slot waktu yang bebas akibat adanya pengaruh Additive White Gaussian Noise (AWGN) dapat dinyatakan sebagai :



159

Kemudian untuk menghitung nilai

1−𝑝 𝑏𝑖,𝑘 =

Wi − k Wi

.

Maka dapat dicari nilai

maka akan menggunakan persamaan pada model Bianchi

𝑚 𝑗 =0 𝑏𝑗 ,0 .

𝑖=0

𝑝. 𝑏𝑖−1,0 ,

0<𝑖<𝑚

𝑝. 𝑏𝑚−1,0 + 𝑏𝑚 ,0 ,

𝑖=𝑚

(5.21)

dengan mempertimbangkan kondisi kanal propagasi akibat adanya

fading Nakagami dalam rentang

sebagai berikut (5.22)

Kemudian dapat dicari nilai

terhadap nilai

sebagai berikut (5.23) (5.24) (5.25)

Kemudian dengan menggunakan persamaan (3.14) dan (3.18) maka dapat diperoleh persamaan sebagai berikut (5.26)

Semua state dapat diekspresikan sebagai fungsi dari probabilitas

, jumlah semua probabilitas

transisi dalam Markov chain dengan adanya pengaruh Additive White Gaussian Noise (AWGN) dan bit error dapat dirumuskan sebagai berikut :



160

adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service Advertisement (WSA) atau RFS dalam slot waktu yang bebas akibat adanya pengaruh Additive White Gaussian Noise (AWGN). Dengan menggunakan persamaan di atas maka akan diperoleh nilai probabilitas , yaitu probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dapat dirumuskan sebagai berikut : (5.28) Pada akhirnya, untuk mendapatkan nilai

dan


satunya dapat diselesaikan dengan menggunakan Matlab. Kemudian dari persamaan diatas, maka pada sub bab selanjutnya dapat dicari persamaan untuk dilakukan analisis nilai interval waktu dari akses kanal CCH pada skema koordinasi kanal dinamis. 5.4.1 Interval waktu dari akses kanal CCH Selanjutnya, untuk melakukan analisis nilai interval waktu dari akses kanal CCH, maka dibuat model contention kanal CCH yang merupakan pengembangan dari model sebelumnya [6-8].



161




kanal CCH pada saat reservasi berhasil dibuat dengan mempertimbangkan kondisi kanal akibat adanya Additive White Gaussian Noise (AWGN) dan adanya slot anomali. Dapat diasumsikan bahwa node

penyedia layanan selalu memiliki paket WAVE Service Advertisement (WSA).

Dalam melakukan analisa untuk transmisi paket WAVE Service Advertisement (WSA) atau RFS dapat dijelaskan sebagai berikut [6-8] 1) Pada setiap slot waktu selama interval WAVE Service Advertisement (WSA), perjanjian dalam reservasi kanal yang berhasil dibuat direpresentasikan dengan probabilitas

,

sedangkan probabilitas kanal mengalami tabrakan dalam slot waktu yang sama direpresentasikan dengan dengan

, probabilitas kanal dalam kondisi idle direpresentasikan

, dan probabilitas kanal dalam kondisi slot anomali direpresentasikan dengan . Berdasarkan pada kondisi tersebut, maka dapat dirumuskan sebagai berikut

[6-8]



162

𝑝𝑖𝑑𝑙𝑒

= (1 − 𝜏)𝑛

𝑝𝑏𝑢𝑠𝑦

= 1 − 𝑝𝑖𝑑𝑙𝑒 = 1 − (1 − 𝜏)𝑛

𝑝𝑠𝑢𝑐

= 𝑛𝜏(1 − 𝜏)𝑛−1

𝑝𝑐𝑜𝑙

= 𝑝𝑏𝑢𝑠𝑦 − 𝑝𝑠𝑢𝑐

𝑝𝑠𝑙𝑜𝑡 _𝑎𝑛𝑜𝑚

2)

= 𝑝𝑏𝑢𝑠𝑦 + 𝑝𝑐𝑜𝑙

= 1 − (1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛 −1

= 2 − 2(1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛−1

(5.29)

Sedangkan untuk menghitung probabilits paket error akibat pengaruh Additive White Gaussian Noise (AWGN), dapat dihitung dengan menggunakan persamaan probabilitas slot anomali dan probabilitas error yang saling bebas (independent), yaitu (101), (109), dan (113) serta referensi [15] sebagai berikut (5.30) (5.31) Dimana

didefinisikan sebagai probabilitas collision akibat pengaruh slot anomali, didefinisikan sebagai probabilitas error karena adanya pengaruh Additive White didefinisikan sebagai probabilitas bit error pada

Gaussian Noise (AWGN) dan modulasi QPSK, 16 QAM, dan 64 QAM. 3) Sedangkan

,

, dan


waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal berhasil dilakukan. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut

(5.32)



163


,

, dan


paket Wave Service Advertisement (WSA), Request for Service (RFS), dan Acknowledgment (ACK). Dapat diasumsikan bahwa nilai = . Sedangakn dan masingmasing merupakan waktu SIFS dan DIFS. Berdasarkan dari Gambar 5.4 diatas dapat diperoleh rumus



dapat diperoleh dengan melalui rumus sebagai berikut [6-8]. +

(5.33)

Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai sebagai berikut (5.34)

Kemudian nilai variable ,

dapat didefinisikan sebagai berikut /(

,

+

/( ,

+

/(

) )

+

(5.35) )


sebagai berikut /(

+

)+


/(

+

)

(5.36)



, k = 1, 2, 3, …

.

(5.37)


sebagai berikut



164

𝐸 𝑋 = (1/𝑃𝑠𝑢𝑐 ) 𝐸[𝑍] + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐 𝐸𝑋 =

𝑇𝑖𝑑𝑙𝑒 𝑃𝑠𝑢𝑐

+ 𝑃𝑒𝑟𝑟𝑜𝑟 /(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 /(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 . 𝑇𝑐𝑜𝑙 /𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 . 𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐 +𝑇𝑠𝑢𝑐

Kemudian setelah diperoleh rumus untuk E[X] maka pada sub bab berikutnya akan dilakukan perhitungan terhadap kinerja Aggregate Throughput dengan mempertimbangkan error kanal adanya Additive White Gaussian Noise (AWGN) dan adanya slot anomali

5.5.2 Evaluasi Kinerja Aggregate Throughput Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi kanal dinamis CCH dan SCH dengan menggunakan bidimensional Markov chain. Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut. Pertama didefiniskan bahwa

merupakan total

kanal SCH yang ada di jaringan VANET. Kemudian dengan menggunakan model Bianchi, maka dapat dihitung persamaan saturasi throughput yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH dapat dihitung berdasarkan rumus berikut :



165

Dimana (5.29) (5.30) Dengan menggunakan persamaan

Dimana

sebagai probabilitas Symbol Error Rate (SER)



adalah

koefisien korelasi fading, dimana nilai nya adalah maka dapat diperoleh rumus persamaaan saturasi throughput sebagai berikut

Sehingga rumus Aggregate Throughput dapat diperoleh dengan menggunakan persamaan sebagai berikut :

(5.33) 5.5 Simulasi dan Pembahasan Hasil Pada bagian ini akan dibahas simulasi matematis untuk menganalisis slot model paket WAVE Service Advertisement (WSA) yang diajukan terhadap pengaruh adanya slot anomali, bit error, dan efek Doppler yang dihasilkan dengan menggunakan model bidimensional Markov Universitas Indonesia


166

chain pada standar IEEE 1609.4. Kinerja diukur dengan menghitung parameter probabilitas collission yang terdiri dari probabilitas bit error akibat adanya pengaruh AWGN dan probabilitas transmisi paket WAVE Service Advertisement (WSA) pada kanal CCH. Disamping itu, juga diukur Kinerja aggregate throughput pada kanal SCH. Kedua parameter tersebut dihitung dengan memperhatikan pengaruh slot anomali karena adanya adanya slot yang tidak dapat digunakan oleh STA selain STA yang terakhir melakukan transmisi frame. Hasil simulasi memperlihatkan model DCF yang diajukan dapat memperkirakan probabilitas transmisi paket WAVE Service Advertisement (WSA) berdasarkan slot model paket WAVE Service Advertisement (WSA) yang diajukan. Model DCF yang diajukan dapat memperlihatkan throughput yang dihasilkan sesuai dengan kebutuhan amandemen standar IEEE 1609.4. 5.5.1

Kinerja Probabilitas transmisi paket WAVE Service Advertisement (WSA)

Simulasi matematis digunakan untuk menginvestigasi Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) dengan skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan adanya slot anomali karena adanya slot yang tidak dapat digunakan oleh selain STA yang terakhir melakukan transmisi frame. Probabilitas transmisi paket WAVE Service Advertisement (WSA) dihitung berdasarkan dua variabel, yaitu distribusi node di setiap zone dan bit error akibat adanya noise AWGN. Pengaruh kedua variabel tersebut terhadap probabilitas transmisi paket WAVE Service Advertisement (WSA) pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung pengaruh Additive White Gaussian Noise (AWGN) yang dihasilkan terhadap model Bianchi dan model Tinnirello. Probabilitas transmisi paket WAVE Service Advertisement (WSA) pada model Bianchi dan model Tinnirello ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Sedangkan untuk perhitungan distribusi node berdasarkan distribusi Poisson dan mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai Contention Window (CW) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya slot anomali yang ada, bit error akibat adanya pengaruh noise AWGN, dan adanya efek Doppler Universitas Indonesia


167

yang dihasilkan adanya mobilitas node. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi Kinerja yang dihasilkan. Hasil probabilitas transmisi paket WAVE Service Advertisement (WSA) akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang [6-8]. Berikut parameter yang digunakan untuk simulasi dan analisis kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA). Tabel 5.1 Parameter probabilitas transmisi paket WSA

Parameter Protocol MAC Percobaan Jumlah kanal CCH Jumlah kanal SCH Payload paket data service Laju transmisi Laju transmisi masingmasing kanal CCH dan SCH PHY header MAC header Wave Service Advertisement (WSA)/RFS ACK Slot time SIFS DIFS Signal to Noise Ratio Kecepatan node Modulasi

Nilai IEEE 1609.4 10000 kali 1 6 0, 256, 512, 1024, 2048, 3072, 4096 bytes bytes 3, 6, 12, 27 Mbps 3 Mbps

192 bits 256 bits 160 bits + PHY header




168


Probabilitas transmisi paket WSA (%)

60

transmisi paket WSA(optimum initial CW) transmisi paket WSA(Model Duck Yang) transmisi paket WSA(Model Qing Wang) transmisi paket WSA(Anomali kinerja)

50

40

30

20

10

0

-10 60 40 20


0

3

2

1

4

7

6

5

Zone

Gambar 5.5 Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) (QPSK)






60 50 40 30 20 10 0 -10 60 50

7 40

6 30

5 4

20 3

10


2 0

1

Zone

Gambar 5.6 Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) (16 QAM)




169





60 50 40 30 20 10 0 -10 60 50 40 7 30

6 5

20

4 3

10


0

2

Zone

1

Gambar 5.7 Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) (64 QAM)

Dengan melihat perbandingan antara grafik probabilitas transmisi paket WAVE Service Advertisement (WSA) diatas, dapat dianalisa sebagai berikut : Berdasarkan model DCF yang diajukan, pada disertasi ini dilakukan evaluasi performansi probabilitas transmisi paket WAVE Service Advertisement (WSA) pada sistem OFDM terhadap tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar 802.11p mempengaruhi probabilitas pengiriman paket WSA yang dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang paling bagus dibandingkan modulasi QPSK dan 16 QAM. BER yang dihasilkan pada modulasi QPSK paling rendah dibandingkan dengan modulasi 16 QAM dan 64 QAM. Dimana BER yang dihasilkan oleh modulasi 16 QAM dan 64 QAM karena memodulasikan 4 dan 6 simbol sehingga lebih rentan terhadap noise selama transmisi dibandingkan dengan modulasi QPSK yang hanya memodulasikan 2 simbol. Sedangkan untuk probabilitas pengiriman paket WSA yang dihasilkan pada model DCF yang diajukan lebih baik dibandingkan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA) model Yang yaitu dengan nilai rata-rata (mean) presentase kenaikan Universitas Indonesia


170

sebesar 8.47 % dan standar deviasi sebesar 24.64 %. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA) terhadap fenomena anomalous slot dengan presentase kenaikan rata-rata (mean) sebesar 11.35 % dan standar deviasi sebesar 18.78 %. Hasil ini jauh lebih baik apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena anomalous slot yaitu dengan rata-rata (mean) presentase kenaikan sebesar 4.63 % dan standar deviasi sebesar 5.40 %. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA) yang lebih baik dibandingkan menentukan nilai initial Contention Window berdasarkan standar 802.11p. Sedangkan hasil probabilitas transmisi paket WAVE Service Advertisement (WSA) dengan menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA) model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 10.15% dan standar deviasi sebesar 2.08 %. 5.5.2

Kinerja Aggreagte Throughput skema DCF

Simulasi matematis digunakan untuk evaluasi kinerja aggregate throughput dengan skema DCF yang dipengaruhi oleh adanya slot anomali karena adanya slot yang tidak dapat digunakan oleh STA selain STA yang terakhir melakukan transmisi frame dan efek Doppler yang dihasilkan karena adanya mobilitas node yang tinggi. Evaluasi Kinerja aggregate throughput dihitung berdasarkan dua variabel, yaitu bit error akibat adanya noise AWGN dan efek Doppler yang dihasilkan akibatnya mobilitas node yang tinggi. Pengaruh kedua variabel tersebut terhadap Kinerja aggregate throughput pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung pengaruh variabel bit error akibat adanya noise AWGN dan efek Doppler yang dihasilkan akibatnya mobilitas node yang tinggi terhadap model Tinnrello. Evaluasi hasil Kinerja aggregate throughput model Yang ini digunakan sebagai pembanding terhadap model DCF yang diajukan.



171

Sedangkan untuk perhitungan distribusi node berdasarkan distribusi Poisson dan mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai CW (Contention Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya slot anomali yang ada, bit error akibat adanya pengaruh Additive White Gaussian Noise (AWGN), dan adanya efek Doppler yang dihasilkan adanya mobilitas node. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi kinerja yang dihasilkan. Hasil probabilitas transmisi paket WAVE Service Advertisement (WSA) akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk [6-8]. Hasil evaluasi kinerja aggregate throughput akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang [6-8] dan model Markov chain yang dikembangkan oleh Tinnirello. Berikut parameter yang digunakan untuk simulasi dan analisis kinerja aggregate throughput pada kanal SCH. Tabel 5.2 Parameter aggregate throughput pada kanal SCH

Parameter Protocol MAC Zone Jumlah kanal CCH Jumlah kanal SCH Payload paket data service Laju transmisi Laju transmisi masing-masing kanal CCH dan SCH PHY header MAC header Wave Service Advertisement (WSA)/RFS ACK Slot time SIFS DIFS Signal to Noise Ratio Kecepatan node Modulasi

Nilai IEEE 1609.4 Zone 1 – Zone 7 1 6 0, 256, 512, 1024, 2048, 3072, 4096 bytes 3, 6, 12, 27 Mbps 3 Mbps 192 bits 256 bits 160 bits + PHY header 112 bits + PHY header 20 μs 10 μs 50 μs 20 dB 80-120 km/jam QPSK, 16-QAM, 64-QAM Universitas Indonesia


172

4

x 10



9

8

7

6

5

4

3

2

1

0 60

50

40

30

20

10

0


2

1

3

6

5

4

7

Zone


4


x 10


9 8 7 6 5 4 3 2 1 0 60 40 20


1

2

3

4

5

6

7

Zone

Gambar 5.9 Kinerja aggregate throughput pada kanal SCH (16-QAM)



173


4

x 10


9 8 7 6 5 4 3 2 1 0 60

7 50

40 30

20

3 10


0

1

2

4

5

6

Zone


Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa sebagai berikut : Evaluasi kinerja aggregate throughput pada sistem OFDM dilakukan terhadap tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar 802.11p berpengaruh pada kinerja aggregate throughput yang dihasilkan. Pada modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM. Berdasarkan dari persamaan (5.26), maka dapat disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja aggregate throughput yang paling rendah. Dari hasil performansi yang dihasilkan, modulasi QPSK kinerja aggregate throughput yang paling bagus dibandingkan dengan modulasi 16 QAM dan 64 QAM, karena hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi. Sedangkan untuk aggregate throughput yang dihasilkan pada model DCF yang diajukan yang lebih baik dibandingkan dengan nilai aggregate throughput model Yang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 0.18 %. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai aggregate throughput terhadap fenomena anomalous slot dengan rata-rata rata-rata (mean) presentase kenaikan sebesar 76.51%. Hasil ini jauh lebih baik Universitas Indonesia


174

apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena anomalous slot yaitu dengan presentase kenaikan rata-rata (mean) sebesar 76.18 %. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai aggregate

throughput yang lebih baik dibandingkan menentukan nilai initial Contention

Window berdasarkan standar 802.11p. Sedangkan hasil aggregate throughput dengan menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai aggregate throughput model Wang yaitu dengan presentase kenaikan nilai rata-rata (mean) sebesar 128.98 %.



175

BAB 6 MODEL ANALITIKAL THROUGHPUT MULTIKANAL MAC DCF IEEE 1609.4 DENGAN PENGARUH EFEK DOPPLER 6.1 Pendahuluan Berdasarkan kajian pada bab sebelumnya, terdapat permasalahan terkait dengan penyebab turunnya Kinerja pada Multikanal MAC IEEE 1609.4, yaitu adanya anomali Kinerja dan slot anomali. Fenomena anomali kinerja terjadi karena pengaruh perbedaan laju transmisi rendah dan tinggi pada distribusi node di setiap zone. Perbedaan laju transmisi ini akan menyebabkan hasil kinerja node dengan laju transmisi tinggi yang seharusnya memiliki hasil throughput yang tinggi akan menghasilkan throughput yang rendah. Permasalahan yang lainnya adalah adanya anomalous slot yang berpengaruh pada probabilitas transmisi paket WAVE Service Advertisement (WSA) dan aggregate throughput yang dihasilkan. Hal ini terjadi karena adanya slot yang tidak dapat digunakan oleh STA selain STA yang terakhir melakukan transmisi frame. Dengan mempertimbangkan permasalahan tersebut diatas, pada bab ini akan dibahas studi analitikal model pada Multikanal MAC 1609.4 dengan pengaruh kinerja anomali dan slot anomali. Analitikal model yang dibuat dengan menggunakan model Markov chain tiga dimensi dengan menggunakan skema koordinasi kanal yang dikembangkan oleh Wang dkk, yaitu Variable CCH Interval (VCI). Beberapa parameter yang mempengaruhi kinerja koordinasi kanal dinamis akan dikaji lebih lanjut pada sub bab ini, yaitu pengaruh mobilitas node, pengaruh efek Doppler, dan pengaruh kanal propagasi Nakagami. Bagian selanjutnya dari Bab ini disusun sebagai berikut. Pada Sub bab 6.2 dijelaskan penelitian terkait pemodelan skema DCF, yaitu model DCF Bianchi, dan three-dimensional Markov chain. Pada Sub bab 6.3 disampaikan pemodelan skema koordinasi kanal dinamis DCF berupa skema Variable CCH Interval (VCI) yang dikembangkan oleh

Wang dkk. dan

pembuatan persamaan matematis throughput skema DCF. Selanjutnya dijelaskan simulasi model analitikal dan pembahasan hasil simulasi. Pada Sub bab 6.4 disampaikan pemodelan mobilitas node dengan menggunakan model referensi Yang, pembuatan persamaan matematis model Three-Dimensional Markov Chain, kemudian dijelaskan simulasi model analitikal throughput Universitas Indonesia


176

skema DCF. Perbandingan hasil simulasi model analitikal DCF dengan model Bianchi dan model Tinnirello juga disampaikan pada bagian akhir Bab ini. 6.2 Penelitian Terkait Pada bab ini akan dibahas pengaruh fenomena “performance anomaly” pada skema koordinasi kanal dinamis pada standar multikanal IEEE 1609.4, yaitu berupa model referensi Yang, yaitu dengan model Three-Dimensional Markov Chain dan pembuatan persamaan matematis throughput skema DCF seperti yang dijelaskan pada sub bab 2.8.1. 1/Wi,0

(1-p)/W0

(1-pc,i)/Wi,0 1 i,0,0

i,0,1

1

p

i,0,2

i,0,Wp-2

p

p

1

i,0,Wp-2

p

(Pc,i)/WL,k-1 I,k-1,0

p/Wi

p/Wi i,k,0

1

i,k,1

1

p

p/Wm 1

i,Lretry,0

p/Wm

i,k,2

i,kWz-2

p

p

1

i,kWi-1

p

p/Wm i,Lretry,1

p

1

i,Lretry,2

1

i,Lretry, m, Wm-2

p

i,Lretry, m,Wm-1

p

p




177

Pada model Markov chain tiga dimensi yang dikembangkan oleh Yang [18] dapat dijelaskan sebagai berikut, didefinisikan



adalah suatu random


dapat didefinisikan. Dapat didefinisikan bahwa

pada suatu slot waktu t adalah suatu variabel random uniform pada rentang

.

Dengan mengasumsikan probabilitas suatu frame yang ditransmisikan bertabrakan dengan frame lain pada slot waktu tertentu dan probabilitas bahwa suatu kanal sedang sibuk adalah tidak bergantung pada mekanisme backoff, maka dapat ditentukan

sebagai suatu Markov chain

waktu diskrit. State dari Markov chain direpresentasikan sebagai ,

,

,

, dimana i, k, dan l merepresentasikan group i, backoff stage k,

dan nilai backoff counter l. Kemudian, probabilitas transisi state dari Markov Chain diperlihatkan pada Gambar 6.1 dapat dijelaskan sebagai berikut: ,

(6.1)

,

(6.2) ,

(6.3) ,

(6.4)

,

Selanjutnya didefinisikan bahwa

(6.5)

merupakan distribusi steady state dari Markov chain

untuk suatu node pada group , dengan backoff stage , dan nilai backoff counter . Hal ini dapat direpresentasikan sebagai

.

Sedangkan untuk pembuatan model analitikal throughput skema DCF akan digunakan model referensi Wang seperti yang telah dijelaskan pada sub bab 2.5.



178

Kemudian dapat diperoleh persamaan sebagai berikut dengan memperhitungkan distribusi steady state. ,

(6.6) (6.7) (6.8)

Persamaan (6.6) dan (6.7) dapat diturunkan dari persamaan kesetimbangan pada steady state, yaitu jumlah dari probabilitas transisi dari suatu state dikalikan dengan probabilitas pada state sama dengan jumlah dari probabilitas transisi dari suatu state ke state lain dikalikan dengan probabilitas pada state. Berdasarkan model Markov chain yang dikembangkan oleh Yang [18] diatas, maka dapat disimpulkan bahwa anomali kinerja pada IEEE 802.11 menunjukkan degradasi kinerja yang tak diharapkan dari node-node yang menggunakan laju data tinggi, atau yang dekat dengan Access Point (AP). Pengelompokaan node dalam sebuah BSS menurut laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps akan berpengaruh pada interval WAVE Service Advertisement (WSA) sehingga akan mempengaruhi nilai optimum dari interval CCH yang dihasilkan dan nilai rata-rata delay transmisi kanal CCH. Oleh karena itu, pada sub bab selanjutnya, akan dibahas pemodelan skema koordinasi kanal dinamis dengan mempertimbangkan pengaruh mobilitas node dan efek Doppler yang dihasilkan. 6.2.1 Pengaruh mobilitas node dan efek Doppler Efek Doppler adalah perubahan frekuensi atau panjang gelombang dari sebuah sumber gelombang yang diterima oleh pengamat, jika sumber suara/gelombang tersebut bergerak relatif terhadap pengamat/pendengar. Di lingkungan Vehicular Ad Hoc Network (VANET), efek Doppler yang disebabkan oleh mobilitas yang tinggi, topologi dinamis, dan perubahan lintasan. Pada standar IEEE 802.11p dengan menggunakan bandwidth 10Mhz, spektrum Doppler adalah sekitar 59 Hz dan 1.18 Hz pada kecepatan 10.8 km/jam sampai dengan 216 km/jam. Walaupun bandwidth tersebut lebih kecil dari bandwidth subcarrier (156.25 kHz), penurunan Universitas Indonesia


179

kinerja disebabkan efek Doppler seharusnya tidak diabaikan. Hal ini disebabkan oleh variasi waktu dari kanal yang merusak orthogonalitas dari subcarrier yang berbeda dan membangkitkan kekurangan daya pada subcarrier, dikenal sebagai InterCarrier Interference (ICI). Dengan asumsi dari sampling sempurna dan sinkronisasi pewaktuan simbol, output kth (

dari demodulator FFT pada receiver

dapat dutulis sebagai (6.9)

Dimana

adalah simbol termodulasi M-PSK,

dengan zero mean dan variansi

dan

adalah noise White Gaussian

adalah transformasi fourier dari respon impuls

kanal pada waktu n, dimana didefinisikan sebagai (6.10) Dimana

adalah bilangan dari pembalikan multipath,

dan

didefinisikan

sebagan offset frekuensi carrier ternormalisasi dan fase noise, dimana dapat dihasilkan dari Doppler spread yang tidak stabil. Pada kanal mobile fading, efek Doppler dipertimbangkan, dan diasumsikan cocok dengan complex white Gaussian process dengan rata-rata zero, dan fungsi autokorelasi (6.11) (6.12) Dimana

adalah fungsi Bessel ke O dari contoh pertama [17]. Secara khusus di kanal

slow fading kita mempunyai Untuk kemudahan analisis, di kanal time-variant, dipisahkan menjadi 3 bagian: item yang dicari d(k), ICI

di persamaan (6.11) dapat dan item noise

. Kemudian

persamaan (2.1) dapat ditulis kembali dengan (6.13) (6.14)



180

Untuk simbol M-PSK, kita mempunyai dan daya ICI ternormalisasi

(6.11) SNR instan Dimana

. Karenanya, dari persamaan dari subcarrier ke k data dikurangi.

mendenotasikan operasi ekspektasi, hal ini dapat dilihat pada persamaan

(2.3). Daya ICI yang dihasilkan doopler spread dan frekuensi offset naik dengan

dan , dan

kemudian kinerja menurun. Karenanya, efek Doppler dan resultan frekuensi offset memiliki pengaruh negative pada kinerja sistem, dan perlu untuk dieliminasi pada kanal time-variant. Apabila kanal time-invariant dengan

, persamaan (6.13) dan (6.14)

kemudian menjadi (6.15) Dari persamaan (2.13), tidak ada ICI pada kasus tsb, dan hanya frekuensi selective fading timbul. Seperti yang kita tahu ketika diadopsi dari BPSK atau QPSK, maka nilai SER dari th sub-carrier dapat dihitung melalui kanal AWGN adalah [17] (6.16)

Pada modulasi M-QAM dapat didefiniskan

dengan

adalah jumlah bit yang

direpresentasikan dalam satu simbol OFDM yang menggunakan perbedaan fase dan amplitudo sebanyak

. Probabilitas error simbol yang dimodulasikan menggunakan M-QAM adalah

[23], [24]: (6.17) Oleh karena

atau

, maka aliran bit yang diperoleh dari hasil demodulasi

sinyal M-QAM memiliki probabilitas bit error sebagai berikut [23], [24]: (6.18)



181

Fungsi

pada persamaan (2.16) dan (2.17), didefinisikan sebagai (6.19)

6.3 Pemodelan skema koordinasi kanal dinamis Pada bagian ini diajukan model analitikal yang dapat digunakan untuk memperkirakan throughput DCF pada operasi Multikanal standar IEEE 1609.4, dengan menggunakan skema Variable CCH Interval (VCI) dan mempertimbangkan pengaruh mobilitas node. Model analitikal yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS tergantung dari laju transmisi node, yaitu 3, 6, 12, dan 27 Mbps dengan menggunakan distribusi Poisson. Disampaing itu, pada bab ini juga diajukan model analitikal slot paket WAVE Service Advertisement (WSA), dengan mempertimbangkan pengaruh efek Doppler terhadap kinerja aggregate throughput dan delay transmisi yang dihasilkan. Adanya efek Doppler yang disebabkan oleh mobilitas yang tinggi, topologi dinamis, dan perubahan lintasan. Pada model yang diajukan juga mempertimbangkan error kanal akibat adanya pengaruh fading Nakagami Dengan mempertimbangkan permasalahan tersebut diatas. maka pada bab ini akan dibahas studi analitikal model pada Multikanal MAC 1609.4 dengan pengaruh anomali kinerja (performance anomaly) dan adanya pengaruh efek Doppler. Analitikal model yang dibuat dengan menggunakan model Markov chain tiga dimensi dengan menggunakan skema koordinasi kanal yang dikembangkan oleh Wang dkk, yaitu Variable CCH Interval (VCI). Pada sub bab selanjutnya akan dibahas pengembangan skema Variable CCH Interval (VCI) dengan menggunakan model Markov chain tiga dimensi untuk memperkirakan throughput DCF pada operasi Multikanal standar IEEE 1609.4. Berdasarkan kajian penelitian sebelumnya [16], [18], [19] mengenai model Markov chain tiga dimensi dilakukan hanya untuk evaluasi terhadap anomali kinerja (performance anomaly) pada IEEE 802.11. Sedangkan pada model Markov chain yang diajukan digunakan untuk melakukan evaluasi terhadap skema koordinasi kanal dinamis pada standar multikanal IEEE 1609.4. Disamping itu, model Markov chain yang diajukan mempertimbangkan pengaruh efek Doppler yang disebabkan oleh mobilitas yang tinggi, topologi dinamis, dan perubahan lintasan serta mempertimbangkan error kanal akibat Universitas Indonesia


182

adanya fading Nakagami. Pada bab ini juga akan dibahas solusi untuk mengatasi adanya anomali kinerja (performance anomaly) pada standar multikanal IEEE 1609.4, yaitu dengan menggunakan nilai optimal Contention Window (CW) pada model Markov chain yang diajukan. Nilai optimal Contention Window (CW) berdasarkan dari jumlah distribusi node di setiap zone yang diperoleh dari distribusi Poisson. Nilai optimal Contention Window (CW) dapat dijelaskan seperti yang dijelaskan pada sub bab 2.10 sebagai berikut. 6.3.1 Nilai optimal Contention Window (CW) Nilai awal (initial) Contention Window (CW) adalah inisialisasi dari nilai backoff stage yang ditentukan berdasarkan model Markov chain yang digunakan. Berdasarkan penelitian sebelumnya, penentuan nilai Contention Window (CW) dapat ditentukan dengan dua cara, yaitu dengan random nilai dan optimal nilai. Penentuan nilai awal Contention Window (CW) dengan metode random nilai, yaitu ditentukan dengan secara random dari nilai awal Contention Window (CW), yaitu 16, 32, 64, 128, 256, dan 512. Sedangkan untuk penentuan nilai awal dengan nilai optimal, yaitu dengan inisialisasi nilai Contention Window (CW) yang optimal berdasarkan dari distribusi jumlah node yang ada. Pada disertasi ini, akan digunakan metode inisialisasi nilai Contention Window (CW) yang optimal berdasarkan dari distribusi jumlah node yang ada. Untuk menentukan nilai optimal dari CWI kita mengacu dari penelitian sebelumnya dari Shi Chun dkk. [14], dimana dilakukan dengan mendefinisikan persamaan aggregate throughput sebagai berikut

dimana

adalah

waktu

node

lain

dapat

berhasil



adalah rasio

ukuran payload untuk panjang paket penuh dengan header messages. Kemudian, persamaan (3.62) diatas dapat disederhanakan dengan persamaan seperti pada [14] sebagai berikut



183

Berdasarkan kajian analisis sebelumnya [11], nilai CW yang optimal dapat mencapai throughput maksimal, dengan jumlah node N. Menurut kajian yang dilakukan Shi Chun dkk. [14], delay jaringan dimodelkan lebih akurat dengan menghitung durasi baru transmisi yang sukses

dan durasi tabrakan

.

(6.23) di mana

dan

Sedangkan nilai , dan

dan


,



, selanjutnya dengan mengabaikan maka diperoleh

parameter yang kurang dari atau sama dengan parameter urutan ketiga rumus persamaan berikut

(6.24) Kita dapat memperoleh optimal CW dengan memecahkan persamaan (6.24) diatas sebagai berikut



184

(6.25) Dimana ,

,

dan


, dan persamaan (6.31) diatas disebut juga dengan indeks CW (CWI).

Setelah didapatkan rumus untuk nilai CW yang optimal berdasarkan dari jumlah node yang diperoleh dari distribusi Poisson.

6.3.2 Model Markov chain Tiga Dimensi Pada model Markov chain tiga dimensi yang diajukan dapat dijelaskan sebagai berikut, didefinisikan bahwa

merupakan model Markov chain tiga dimensi waktu diskrit

yang merepresentasikan sutau random proses yang diajukan.



185

Initial Node a 1-p

1-p 0,0

p

i-1,1 p/w

(1-p)/wi

p

1-p

1-p

i-1,0

p/wi

0,W-2

0,1 p/w

i-1,W-2

p

i,1 p/w

M,1

M, W-2

p

p 1-p

1-p

M+1,1

M+1,W-2

p/w

p

p

1-p M+f,1

p

e

f

g

h

1-p

1-p

1-p

e

Sama untuk semua kondisi state model Markov chain yang digunakan

p

p/w

M+f,0

d

i,W-2

p

M, 0

M+1,0

c

1-p

1-p

i,0

b

b

p

M+f,W-2

p

Zone Classification: bà 3 Mbps cà 6 Mbps dà 12 Mbps eà 27 Mbps fà 12 Mbps gà 6 Mbps hà 3 Mbps

f

c

g

d

h

Gambar 6.2 Model Markov chain Tiga Dimensi Perdana dkk.

Didefinisikan

adalah suatu random proses yang merepresentasikan dari zone dimana

node tersebut berada. Sedangkan

adalah suatu random proses yang merepresentasikan nilai

dari backoff stage dari suatu node pada group i dengan nilai

. Kemudian

dapat

didefinisikan sebagai nilai dari backoff counter dari suatu node pada zone i. pada rentang pada suatu slot waktu. State dari Markov chain direpresentasikan sebagai ,

,

,

, dimana i, k, dan l merepresentasikan zone i, backoff

stage k, dan nilai backoff counter l. Kemudian, probabilitas transisi state dari Markov Chain diperlihatkan pada gambar 6.2 dapat dijelaskan sebagai berikut: Universitas Indonesia


186

,

(6.27)

,

(6.28)

,

(6.29) ,

(6.30) ,

(6.31) ,

(6.32) ,

(6.33) (6.34)

,

,

(6.35) ,

(6.36)

Selanjutnya, dapat dijelaskan persamaan probabilitas transisi di atas sebagai berikut : Persamaan (6.27) merepresentasikan probabilitas transisi dari setiap node pada zone i dan slot waktu t dalam kondisi idle dan terjadi proses decrement pada backoff counter. Persamaan (6.28) merepresentasikan probabilitas transisi dari setiap node pada saat pindah ke zone i+1 dalam kondisi idle dan terjadi proses decrement pada backoff counter. Persamaan (6.29) merepresentasikan probabilitas transisi dari setiap node pada zone i dan slot waktu t dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi idle kembali. Persamaan (6.30) merepresentasikan probabilitas setiap node pada saat pindah ke zone i+1 dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi idle kembali.



187

Persamaan (6.31) merepresentasikan probabilitas saat kanal dalam sibuk karena node berhasil melakukan transmisi frame pada slot waktu yang sama. Persamaan (6.32) merepresentasikan probabilitas saat kanal dalam sibuk karena node berhasil melakukan transmisi frame pada slot waktu yang sama dan pada saat node pindah ke zone i+1. Persamaan (6.33) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama. Persamaan (6.34) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dan pada saat node pindah ke zone i+1. Persamaan (6.35) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang maksimum. Persamaan (6.36) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang maksimum dan pada saat node pindah ke zone i+1. Distribusi tetap dari Markov chain yang diajukan diatas dapat direpresentasikan sebagai . Transmisi akan terjadi ketika nilai backoff counter adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi dalam slot waktu random adalah : (6.37) Sesuai dengan model Markov chain diatas, untuk penyelesaian distribusi tetap dari chain untuk ,

,

, dan

sebagai fungsi

maka

adalah :

, (6.38)



188


untuk

dan persamaan kedua dari (6.43) didapatkan dari Persamaan ketiga dari (6.43) didapatkan dari kondisi

. dan kondisi

, jadi :

(6.39)

Semua nilai nilai

dari persamaan (6.44) diatas dapat diekspresikan sebagai fungsi dari


(6.41)

(6.43)



189

Dengan menggunakan kedua persamaan di atas maka akan diperoleh nilai probabilitas , yaitu probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dapat dirumuskan sebagai berikut : (6.44)

Pada akhirnya, untuk mendapatkan nilai

dan


satunya dapat diselesaikan dengan menggunakan Matlab. 6.3.3

Interval waktu dari akses contention kanal CCH Selanjutnya, untuk melakukan analisis nilai interval waktu dari akses kanal CCH, maka

dibuat model contention kanal CCH yang merupakan pengembangan dari model sebelumnya [6-8].

Gambar 6.3 Model baru contention reservasi kanal CCH



kanal CCH pada saat reservasi berhasil dibuat dengan mempertimbangkan kondisi kanal akibat adanya efek Doppler. Dapat diasumsikan bahwa node

penyedia layanan selalu memiliki paket

WAVE Service Advertisement (WSA). Dalam melakukan analisa untuk transmisi paket WAVE Service Advertisement (WSA) atau RFS dapat dijelaskan sebagai berikut [6-8]



190

1) Pada setiap slot waktu selama interval WAVE Service Advertisement (WSA), perjanjian dalam reservasi kanal yang berhasil dibuat direpresentasikan dengan probabilitas

,

sedangkan probabilitas kanal mengalami tabrakan dalam slot waktu yang sama direpresentasikan dengan

, probabilitas kanal dalam kondisi idle direpresentasikan

, dan probabilitas kanal dalam kondisi error akibat adanya efek Doppler

dengan




= = = =

(6.45)

2) Sedangkan untuk menghitung probabilitas paket error akibat pengaruh efek Doppler, dapat dihitung dengan menggunakan persamaan probabilitas collision dan probabilitas error Doppler yang saling bebas (independent), yaitu (101), (109), dan (113) serta referensi [15] sebagai berikut (6.46) (6.47) Dimana

didefinisikan sebagai probabilitas error karena adanya pengaruh efek

Doppler dan

didefinisikan sebagai probabilitas bit error pada modulasi QPSK, 16

QAM, dan 64 QAM. 3) Sedangkan

,

, dan


waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal berhasil dilakukan. Sedangkan

menunjukkan durasi slot waktu daalam kondisi error akibat

adanya pengaruh efek Doppler. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut Universitas Indonesia


191

(6.48)


,

, dan


paket WAVE Service Advertisement (WSA), Request for Service (RFS), dan Acknowledgment (ACK). Dapat diasumsikan bahwa nilai = . Sedangakn dan masingmasing merupakan waktu SIFS dan DIFS.





Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai sebagai berikut (6.50) Kemudian nilai variable


,

/( ,

/( ,

+ +

/(

) )

+

(6.51) )


sebagai berikut /(

+

)+

/(

+

)

(6.52)



192




, k = 1, 2, 3, …

.

(6.53)


sebagai berikut

𝐸 𝑋 = (1/𝑃𝑠𝑢𝑐 ) 𝐸[𝑍] + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐

(6.54)

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙 /(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑐𝑜𝑙 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 /(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐 (6.55) 𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙 . 𝑇𝑐𝑜𝑙 /𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 . 𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐 +𝑇𝑠𝑢𝑐

(6.56)

Kemudian setelah diperoleh rumus untuk E[X] maka pada sub bab berikutnya akan dilakukan perhitungan terhadap kinerja Aggregate Throughput dengan mempertimbangkan error kanal adanya efek Doppler.

Dimana

menunjukkan bahwa nilai rata-rata durasi satu slot waktu dimana node

dalam kondisi sibuk karena berhasil melakukan transmisi frame, sedangkan

merupakan

nilai rata-rata durasi satu slot waktu dimana node dalam kondisi sibuk karena gagal melakukan transmisi frame dan terjadi collision. Dan

adalah probabilitas node berhasil melakukan

transmisi frame.

(6.57) Sedangkan nilai

menunjukkan bahwa durasi waktu node berhasil melakukan tranmsi frame

pada zone i.



193

(6.58) Dapat didefinisikan pendek dalam IFS,

merupakan nilai panjang paket payload, SIFS adalah durasi waktu

menunjukkan nilai laju transmisi data (transmission data rate), DIFS

adalah durasi waktu DIFS, dan

merupakan durasi waktu transmisi paket ACK. (6.59)

Dimana

menunjukkan probabilitas node berhasil melakukan transmisi frame pada

zone i.

direpresentasikan sebagai berikut

Sedangkan nilai

= (6.60)

Dapat didefinisikan bahwa

merupakan probabilitas homogeneous yang merepresentasikan

probabilitas collision bahwa hanya node pada zone z atau zone frame, dimana nilai

. Probabilitas

yang melakukan transmisi

merepresentasikan sebagai berikut

a. Node yang mengalami tabrakan di semua zone z. b. Node yang mengalami tabrakan di semua zone

.

c. Node mengalami tabrakan di zone z dan



194

Selanjutnya

menunjukkan probabilitas diverse yang merepresentasikan probabilitas

collision bahwa paling sedikit satu node di zone z atau zone

, dimana nilai

, dan satu

atau lebih node yang melakukan dengan laju transmisi yang lebih tinggi . Probabilitas dapat dirumuskan sebagai berikut

(6.67) Sedangkan nilai rata-rata durasi waktu transmisi paket mengalami collision pada slot waktu yang sama di zone z dapat didefinisikan sebagai berikut (6.68) merupakan durasi waktu transmisi paket mengalami collision pada slot waktu yang sama di zone z dapat dirumuskan sebagai berikut (6.69) Kemudian setelah diperoleh rumus untuk E[X],

,

,

,

, dan

maka pada sub bab berikutnya akan dilakukan perhitungan terhadap jumlah node di masingmasing zone i dengan menggunakan distribusi Poisson dan mempertimbangkan kanal propagasi Nakagami. 6.3.4 Perhitungan jumlah Node di setiap zone i Pada sub bab ini akan dilakukan perhitungan jumlah node di setiap zone i dengan menggunakan distribusi Poisson dan mempertimbangkan propagasi kanal Nakagami. Kemudian dengan menggunakan distribusi node dalam setiap zone i ini maka akan dapat dihitung nilai optimal Indeks CW (Contention Window Index) berdasarkan pada distribusi node pada setiap zone i, dimana nilai CW yang optimal ini akan mempengaruhi kinerja node akibat adanya anomali kinerja karena perbedaan laju transmisi data yang berbeda di setiap zone.. Universitas Indonesia


195

Untuk menghitung distribusi node dalam setiap kelompok, kita menggunakan asumsi yang sama dengan penelitian sebelumnya [12]. Pertama kita memperkirakan radius komunikasi node dengan mempertimbangkan propagasi kanal Nakagami. Berdasarkan penelitian sebelumnya [12], distribusi propagasi Nakagami menganggap bahwa parameter yang digunakan dapat disesuaikan dengan berbagai pengukuran empiris dan model Rayleigh dan distribusi Ricean. Distribusi Nakagami-m adalah probabilitas distribusi yang terkait dengan distribusi gamma. Fungsi kepadatan probabilitas (pdf) dari kekuatan sinyal yang diterima [12,13] dapat ditulis sebagai , untuk adalah fungsi gamma,

dimana menunjukkan

jarak

dalam ,

carrier,

(6.70)

dan

satuan


merupakan


nilai

eksponen

path-loss,



menunjukkan nilai


) dan dapat ditentukan sebagai berikut (6.71)

Dengan melakukan subsitusi persamaan (1) ke (2) dan dengan definisi

maka

dapat dihitung persamaan berikut (6.72) Dengan menggunakan

Maka dapat diperoleh nilai cdf sebagai berikut (6.73) Universitas Indonesia


196

Selanjutnya, nilai rata-rata jangkauan komunikasi

atau


Dengan melakukan subsitusi persamaan (4) ke (5) dan mengintegralkan batas atas persamaan maka diperoleh persamaan sebagai berikut (6.75) Untuk memperoleh nilai rata-rata carrier sense range



=

, di mana


.


dapat ditentukan sebagai berikut (6.76)

Dalam kajian analisis yang dilakukan menggunakan asumsi yang sama seperti pada [12]. Hal ini dilakukan untuk memperkirakan rata-rata jumlah node dengan menggunakan distribusi Poisson. Berdasarkan kajian studi analitis sebelumnya [12], dapat dihitung nilai probabilitas dari jumlah kendaraan



jika nilai

diasumsikan tetap.

Hal ini merupakan waktu respon pengendara untuk melakukan reaksi jika ada kejadian tiba-tiba. Disamping itu, dapat dijelaskan dengan menggunakan model antrian server tunggal (singleserver queue) seperti ditunjukkan pada Gambar 6.4




197





di jalur i adalah berdistribusi Poisson dan dapat didefinisikan sebagai berikut (6.77)

sedangkan rata-rata jumlah kendaraan di sekitar kendaraan acuan/penanda di jalur i adalah (6.78)

Jadi nilai probabilitas


dirumuskan sebagai berikut (6.79) Setelah didefinisikan rumus rata-rata jumlah kendaraan di jalur i (

kemudian tahap

selanjutnya adalah menentukan nilai optimal CWI (Contention Window Index). Untuk menentukan nilai optimal dari CWI kita mengacu dari penelitian sebelumnya dari Shi Chun dkk. [14], dimana dilakukan dengan mendefinisikan persamaan aggregate throughput sebagai berikut (6.80) dimana

adalah

waktu

node

lain

dapat

berhasil



adalah rasio

ukuran payload untuk panjang paket penuh dengan header messages. Kemudian, persamaan (6.80) diatas dapat disederhanakan dengan persamaan seperti pada [14] sebagai berikut



198

(6.81) Berdasarkan kajian analisis sebelumnya [11], nilai CW yang optimal dapat mencapai throughput maksimal, dengan jumlah node N. Menurut kajian yang dilakukan Shi Chun dkk. [14], delay jaringan dimodelkan lebih akurat dengan menghitung durasi baru transmisi yang sukses

dan durasi tabrakan

di mana

dan

Sedangkan nilai

dan

, dan

.


,



, selanjutnya dengan mengabaikan parameter

yang kurang dari atau sama dengan parameter urutan ketiga

maka diperoleh rumus

persamaan berikut

(6.82) Kita dapat memperoleh optimal CW dengan memecahkan persamaan (6.82) diatas sebagai berikut



199

(6.83) Dimana ,

,

dan


, dan persamaan (6.72) diatas disebut juga dengan indeks CW (CWI).

Setelah didapatkan rumus untuk nilai CW yang optimal berdasarkan dari jumlah node yang diperoleh dari distribusi Poisson, maka sub bab selanjutnya akan dibahas evaluasi dan analisa aggregate throughput dengan menggunakan nilai CW yang optimal untuk meningkatkan Kinerja yang dihasilkan akibat adanya anomaly Kinerja yang disebabkan oleh laju transmisi data yang berbeda di setiap zone.

6.3.5 Evaluasi Kinerja Aggregate Throughput Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi kanal CCH dan SCH dinamis dengan mempertimbangkan kondisi error kanal dan adanya fenomena anomali kinerja akibat adanya pengaruh efek Doppler. Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut, pertama didefiniskan nilai

yang merupakan rata-rata

payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH =

+

+

+

+

(6.85)

Kemudian nilai rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH dapat didefinisikan sebagai berikut (6.86) Universitas Indonesia


200

(6.87)

+ Dimana



dimana


(service packet). Jika nilai

dan



Kemudian dengan menggunakan model Bianchi, maka dapat dihitung persamaan saturasi throughput yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH dengan mempertimbangkan pengaruh bit error kanal adanya pengaruh Additive White Gaussian Noise (AWGN) dapat dihitung berdasarkan rumus berikut :

(6.89)

(6.90)

(6.91)

(6.92)

(6.93)



201

Dimana dapat didefinisikan

adalah jumlah node,

adalah probabilitas dimana sebuah

node mengirimkan paket WAVE Service Advertisement (WSA) atau RFS dalam slot waktu yang bebas akibat adanya fading Nakagami. Sedangkan data berhasil dilakukan,

merupakan probabilitas pengiriman paket

adalah jumlah payload informasi yang dikirimkan.

adalah laju

data yang dikirimkan. Dengan menggunakan persamaan

sebagai probabilitas SER (Symbol Error Rate) (6.94)

Dimana



adalah koefisien

korelasi fading, dimana nilai nya adalah maka dapat diperoleh rumus persamaaan saturasi throughput sebagai berikut

(6.95)

Sehingga rumus Aggregate Throughput dapat diperoleh dengan menggunakan persamaan sebagai berikut : (6.96)

6.4 Simulasi dan Pembahasan Hasil Pada bagian ini digunakan simulasi matematis untuk menganalisis pengaruh pengembangan skema koordinasi kanal Variable CCH Interval (VCI) terhadap mobilitas node dengan menggunakan model Markov chain tiga dimensi pada standar IEEE 1609.4. Kinerja diukur dengan menghitung parameter probabilitas colliision yang terdiri dari homogeneous collision dan diverse colliision di setiap zone i. Disamping itu, juga diukur Kinerja aggregate throughput di setiap zone i. Kedua parameter tersebut dihitung dengan memperhatikan pengaruh anomali Kinerja karena laju transmisi yang berbeda di setiap zone dan efek Doppler yang dihasilkan. Hasil simulasi memperlihatkan model DCF yang diajukan dapat memperkirakan Universitas Indonesia


202

probabilitas transmisi paket WAVE Service Advertisement (WSA) berdasarkan model contention reservasi kanal CCH. Model DCF yang diajukan dapat memperlihatkan throughput yang dihasilkan sesuai dengan kebutuhan amandemen standar IEEE 1609.4. 6.4.1 Interval waktu dari akses contention kanal CCH Simulasi matematis digunakan untuk menginvestigasi Kinerja nilai

merepresentasikan

interval waktu dari akses contention kanal CCH pada saat reservasi berhasil dibuat yang dipengaruhi adanya anomali Kinerja karena laju transmisi yang berbeda di setiap zone dan pengaruh anomalous slot. Nilai interval waktu dari akses contention kanal CCH dihitung berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone. Pengaruh kedua variabel tersebut terhadap nilai interval waktu dari akses contention kanal CCH pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah distrbusi node di setiap zone terhadap model Tinnirello dan Yang. Nilai interval waktu dari akses contention kanal CCH pada model Tinnirello dan Yang ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Simulasi Kinerja nilai interval waktu dari akses contention kanal CCH berdasarkan variabel laju transmisi diatur sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p, yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3 merupakan zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang berbeda di setiap zone akan menyebabkan anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Sedangkan untuk distribusi node di setiap zone berdasarkan distribusi Poisson dan mempertimbangkan pengaruh propagasi kanal Nakagami. Banyaknya distribusi jumlah node di setiap zone akan mempengaruhi Kinerja interval waktu dari akses contention kanal CCH dan probabilitas terjadinya bit error rate karena pengaruh AWGN dalam pengiriman paket antara node di setiap zone. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan Universitas Indonesia


203

dihitung nilai optimal dari nilai Contention Window (CW) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Hasil interval waktu dari akses contention kanal CCH akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk [6-8]. Berikut parameter yang digunakan untuk simulasi dan analisis interval waktu dari akses contention kanal CCH. Tabel 6.1 Parameter interval waktu dari akses contention kanal CCH

Parameter Protocol MAC Zone Percobaan Jumlah kanal CCH Jumlah kanal SCH Payload paket data service Laju transmisi PHY header MAC header Wave Service Advertisement (WSA)/RFS ACK Slot time SIFS DIFS Signal to Noise Ratio Kecepatan node Modulasi

Nilai IEEE 1609.4 Zone 1 – Zone 7 10000 kali 1 6 500 - 2000 bytes 3, 6, 12, 27 Mbps 192 bits 256 bits 160 bits + PHY header




Time interval Time interval Time interval Time interval

8

CCH access CCH access CCH access CCH access

contention(optimum initial CW) contention(Model Duck Yang) contention(Model Qing Wang) contention(Anomalous Slot)

7 6 5 4 3 2 1 0 -1 60 50 40 30 20 10


0

2

1

3

4

7

6

5

Zone

Gambar 6.5 Kinerja interval waktu dari akses contention kanal CCH (QPSK)

Time interval CCH access contention (ms)


204

Time interval CCH access Time interval CCH access Time interval CCH access Time interval CCH access


8 7 6 5 4 3 2 1 0 -1 60 50

7

40

6 30

5 4

20

Distribusi Node per Zone (nodes)10

3

Zone

2 0

1

Gambar 6.6 Kinerja interval waktu dari akses contention kanal CCH (16-QAM)




205

Time interval Time interval Time interval Time interval

CCH access CCH access CCH access CCH access


10 8 6 4

2 0 -2 60 50 40

7 6

30 5

20

4 3

10


2 0

Zone

1

Gambar 6.7 Kinerja interval waktu dari akses contention kanal CCH (64-QAM)

Dengan melihat perbandingan antara grafik interval waktu dari akses contention kanal CCH diatas, dapat dianalisa sebagai berikut : Berdasarkan model DCF yang diajukan, pada disertasi ini dilakukan evaluasi performansi sistem OFDM terhadap tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masingmasing modulasi pada sistem OFDM standar 802.11p mempengaruhi interval waktu dari akses contention kanal CCH yang dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang paling bagus dibandingkan modulasi QPSK dan 16 QAM. BER yang dihasilkan pada modulasi QPSK paling rendah dibandingkan dengan modulasi 16 QAM dan 64 QAM. Dimana BER yang dihasilkan oleh modulasi 16 QAM dan 64 QAM karena memodulasikan 4 dan 6 simbol sehingga lebih rentan terhadap noise selama transmisi dibandingkan dengan modulasi QPSK yang hanya memodulasikan 2 simbol. Sedangkan untuk interval waktu dari akses contention kanal CCH yang dihasilkan pada model DCF yang diajukan lebih baik dibandingkan dengan model Yang yaitu dengan nilai ratarata (mean) presentase kenaikan sebesar 10.05 % dan standar deviasi sebesar 11.90 %. Universitas Indonesia


206

Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai interval waktu dari akses contention kanal CCH terhadap efek Doppler dengan rata-rata rata-rata (mean) presentase kenaikan sebesar 11.31 % dan standar deviasi sebesar 17.79 %. Hasil ini jauh lebih baik apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena anomalous slot yaitu dengan rata-rata (mean) presentase kenaikan sebesar 7.81 % dan standar deviasi sebesar 11.85 %. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai interval waktu dari akses contention kanal CCH yang lebih baik dibandingkan dengan tanpa menentukan nilai optimum initial Contention Window. Sedangkan hasil interval waktu dari akses contention kanal CCH dengan menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA) model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 9.38 % dan standar deviasi sebesar 5.44 %. 6.4.2 Kinerja Aggregate Throughput skema DCF Untuk melakukan evaluasi Kinerja aggregate throughput dengan skema DCF yang dipengaruhi oleh adanya anomali Kinerja dan efek Doppler yang dihasilkan, maka digunakan model matematis Aggregate Throughput skema DCF. Evaluasi kinerja aggregate throughput dihitung berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone. Pengaruh kedua variabel tersebut terhadap Kinerja aggregate throughput pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah distrbusi node di setiap zone terhadap model Yang dan Tinnirello. Evaluasi terhadap Kinerja aggregate throughput model Tinnirello ini digunakan sebagai pembanding terhadap model DCF yang diajukan. Simulasi Kinerja aggregate throughput berdasarkan variabel laju transmisi diatur sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p, yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3 merupakan Universitas Indonesia


207

zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang berbeda di setiap zone akan menyebabkan anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Kemudian

selanjutnya,

evaluasi

aggregate

throughput

dilakukan

dengan

mempertimbangkan pengaruh AWGN dan efek Doppler karena pengaruh mobilitas node dari satu zone ke zone lainnya. Perpindahan node dari setiap zone dipengaruhi oleh distribusi node di setiap zone, sedangkan untuk distribusi node di setiap zone dihitung berdasarkan distribusi Poisson dan mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai CW (Contention Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi kinerja yang dihasilkan. Hasil evaluasi Kinerja aggregate throughput akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk. [6-8] dan model Markov chain yang dikembangkan oleh Yang. Berikut parameter yang digunakan untuk simulasi dan analisis kinerja aggregate throughput pada kanal SCH.



208

Tabel 6.2 Parameter aggregate throughput pada kanal SCH

Parameter Protocol MAC Zone Percobaan Jumlah kanal CCH Jumlah kanal SCH Payload paket data service Laju transmisi PHY header MAC header Wave Service Advertisement (WSA)/RFS ACK Slot time SIFS DIFS Signal to Noise Ratio Kecepatan node Modulasi

Nilai IEEE 1609.4 Zone 1 – Zone 7 10000 kali 1 6 2000 bytes 3, 6, 12, 27 Mbps 192 bits 256 bits 160 bits + PHY header 112 bits + PHY header 20 μs 10 μs 50 μs 20 dB 80-120 km/jam QPSK, 16-QAM, 64-QAM

4

x 10

Aggreagate Throughput(optimum initial CW) Aggreagate Throughput(Model Duck Yang) Aggreagate Throughput(Model Qing Wang) Aggreagate Throughput(Anomalous Slot)

9


8

7

6

5

4

3

2

1

0 60 40 20 0


1

2

3

4

5

6

7

Zone

Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (QPSK)



209

4

x 10



9

8

7

6

5

4

3

2

1

0 60

50

40

30

20

10

0


2

1

3

4

5

6

7

Zone



4


x 10 9 8 7 6 5 4 3 2 1 0 60

50 40

7 6

30 5

20

4 3

10


2 0

Zone

1




210

Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa sebagai berikut : Evaluasi kinerja aggregate throughput pada sistem OFDM dilakukan terhadap tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar 802.11p berpengaruh pada kinerja aggregate throughput yang dihasilkan. Pada modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM. Berdasarkan dari persamaan (5.26), maka dapat disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja aggregate throughput yang paling rendah. Dari hasil performansi yang dihasilkan, modulasi QPSK kinerja aggregate throughput yang paling bagus dibandingkan dengan modulasi 16 QAM dan 64 QAM, karena hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi. Sedangkan untuk aggregate throughput yang dihasilkan pada model DCF yang diajukan yang lebih baik dibandingkan nilai aggregate throughput model Yang yaitu dengan nilai ratarata (mean) presentase kenaikan sebesar 41.33% dan standar deviasi sebesar 18.75 %. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai aggregate throughput terhadap fenomena anomalous slot dengan rata-rata rata-rata (mean) presentase kenaikan sebesar 65.08 % dan standar deviasi sebesar 71.36 %. Hasil ini jauh lebih baik apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena anomalous slot yaitu dengan rata-rata (mean) presentase kenaikan sebesar 38.89 % dan standar deviasi sebesar 10.43 %. Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai aggregate throughput yang lebih baik dibandingkan menentukan nilai initial Contention Window berdasarkan standar 802.11p. Sedangkan hasil aggregate throughput dengan menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai aggregate throughput model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 42.64 % dan standar deviasi sebesar 69.34 %.



211

BAB 7 KESIMPULAN 7.1 Kesimpulan Kesimpulan hasil penelitian disertasi ini dapat disampaikan sebagai berikut : 1. Model analitikal skema DCF yang diajukan dalam disertasi ini dapat digunakan untuk memperkirakan throughput secara akurat data layanan kanal SCH dan delay transmisi yang dihasilkan. Berdasarkan simulasi yang dilakukan, dapat disimpulkan bahwa model analitikal yang diajukan dapat memperkirakan throughput secara akurat dibandingkan dengan model referensi Wang dengan kenaikan presentase rata-rata (mean) sebesar 42.53 %. Sedangkan terhadap pengaruh anomali kinerja (performance anomaly) mengalami kenaikan rata-rata (mean) sebesar 40.18 % dibandingkan dengan model referensi yang diajukan oleh Yang. 2. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa nilai Bit Error Rate (BER) yang dihasilkan oleh masing-masing modulasi QPSK, 16 QAM, dan 64 QAM pada sistem OFDM standar 802.11p berpengaruh pada kinerja delay transmisi CCH dan aggregate throughput yang dihasilkan. Modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM, karena memodulasikan 6 simbol dan lebih rentan terhadap Additive White Gaussian Noise (AWGN). Berdasarkan dari persamaan (4.76), maka dapat disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja delay transmisi CCH yang tinggi. Dari hasil performansi yang dihasilkan, modulasi QPSK menghasilkan delay transmisi CCH dan aggregate throughput yang lebih baik dibandingkan dengan modulasi 16 QAM dan 64 QAM, karena hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi. 3. Hasil simulasi model analitikal memperlihatkan jika jumlah distribusi node yang melakukan pengiriman paket WAVE Service Advertisement (WSA) meningkat maka probabilitas paket WAVE Service Advertisement (WSA) collision dan slot anomali meningkat. Kondisi peningkatan jumlah slot anomali dapat diakibatkan juga oleh pengiriman paket WAVE Service Advertisement (WSA) yang error akibat adanya pengaruh AWGN. Hasil simulasi yang dilakukan memperlihatkan bahwa peningkatan slot anomali akan menyebakan Universitas Indonesia


212

aggregate throughput yang dihasilkan turun. Jumlah reservasi kanal CCH yang meningkat juga akan memyebabkan jumlah slot anomali meningkat. 4. Hasil simulasi model analitikal memperlihatkan nilai awal Contention Window (CW) yang optimal berdasarkan distribusi node akan meningkatkan aggregate throughput dan delay transmisi akibat adanya performance anomaly. Hasil simulasi akibat adanya performance anomaly hanya menghasilkan aggregate throughput 42.49 Mbps, sedangkan dengan menggunakan awal Contention Window (CW) yang optimal menghasilkan aggregate throughput 296.74 Mbps. Hasil simulasi akibat adanya performance anomaly hanya menghasilkan delay transmisi 61 ms, sedangkan dengan menggunakan awal Contention Window (CW) yang optimal menghasilkan delay transmisi 54 ms. 5. Hasil simulasi model analitikal memperlihatkan nilai awal Contention Window (CW) yang optimal berdasarkan distribusi node akan meningkatkan aggregate throughput akibat adanya anomalous slot. Nilai optimal CW ini akan digunakan untuk mengatasi adanya slot anomali yang ada dan bit error akibat adanya pengaruh noise AWGN. Hasil simulasi akibat adanya anomalous slot hanya menghasilkan aggregate throughput 42.22 Mbps, sedangkan dengan menggunakan awal Contention Window (CW) yang optimal menghasilkan aggregate throughput 296.8 Mbps. 7.2 Peluang Penelitian Pengembangan lanjutan dari penelitian ini mencakup dua field utama. Kedua field tersebut adalah pengembangan protokol IEEE 802.11p dan modul IEEE 1609.4 pada Network Simulator NS-3. Beberapa penelitian terkait dengan pada modul IEEE 1609.4, yaitu terkait utilisasi penggunaan kanal CCH dan SCH. Sedangkan penelitian terkait dengan pengembangan protokol IEEE 802.11p, yaitu pengembangan model kanal propagasi dan pengaruh mobilitas node di lingkungan VANET. Berdasarkan draft amandement yang dikeluarkan oleh Working Group (WG) IEEE 1609.4, bahwa penggunaan kanal SCH tidak ter-utilisasi sebesar 50% pada saat interval waktu kanal CCH. Hal ini akan menyebabkan delay transmisi yang meningkat pada kanal SCH. Maka dari itu, diperlukan manajemen resource yang lebih efesien terhadap penggunaan kanal CCH dan SCH. Universitas Indonesia


213

Di masa yang akan datang, penggunaan manajemen resource yang lebih efesien terhadap penggunaan kanal CCH dan SCH, yaitu dengan meminimalisir penggunaan Guard Interval (GI) dengan mempertimbangkan model kanal propagasi dan pengaruh mobilitas node di lingkungan VANET menjadi topik yang menarik untuk diteliti. Hal ini karena sesuai dengan draft amandement yang dikeluarkan oleh Working Group (WG) IEEE 1609.4 dan IEEE 802.11p , bahwa penggunaan kanal SCH tidak ter-utilisasi sebesar 50% pada saat interval waktu kanal CCH.



214

REFERENSI [1] IEEE Standard for Wireless Access in Vehicular Environments (WAVE)--Multichannel Operation. IEEE Std 1609.4-2010 (Revision of IEEE Std 1609.4-2006), 2011: p. 1-89. [2] Wang, Q et al., An IEEE 802.11p-Based Multikanal MAC Scheme With Channel Coordination for Vehicular Ad Hoc Networks. Intelligent Transportation Systems, IEEE Transactions on, 2012. 13(2): p. 449-458. [3] Wang, Q et al,. An Enhanced Multi-Channel MAC for the IEEE 1609.4 Based Vehicular Ad Hoc Networks. in INFOCOM IEEE Conference on Computer Communications Workshops , 2010. 2010. [4] Wang, Q, S. Leng, Y. Zhang, and H. Fu, “A QoS supported multichannel MAC for vehicular Ad Hoc networks,” in Proceedings of the IEEE 73rd Vehicular Technology Conference (VTC ’11), Budapest, Hungary, May 2011. [5] Ghandour, A.J., et al., Modeling and simulation of WAVE 1609.4-based multi-channel vehicular ad hoc networks, in Proceedings of the 5th International ICST Conference on Simulation Tools and Techniques 2012, ICST (Institute for Computer Sciences, SocialInformatics and Telecommunications Engineering): Desenzano del Garda, Italy. p. 148156. [6] L. Liu, W. Xia, and L. Shen, “An adaptive multi-channel MAC protocol with dynamic interval division in vehicular environment,” in Proceedings of the 1st International Conference on Information Science and Engineering (ICISE ’09), pp. 2534–2537, Nanjing, China, December 2009. [7] D. Zhu and D. Zhu, “Performance analysis of A multi-channel MAC with Dynamic CCH interval in WAVE system,” in Proceedings of the 2nd International Conference On Systems Engineering and Modeling, Beijing, China, April 2013. [8] H. Yoo and D. Kim, “A dynamic safety interval protocol for VANETs,” in Proceedings of the ACM Research in Applied Computation Symposium (RACS ’12), pp. 209–214, October 2012. [9] E. Karamad and F. Ashtiani,“Performance analysis of IEEE 802.11 DCF and 802.11e EDCA based on queuing networks”,IET Commun., Vol. 3, Iss. 5, pp: 871-881. 2009. [10] Y. Lin and V. W. Wong.,“Saturation throughput of IEEE 802.11e EDCA based on mean value analysis”,Proc. IEEE WCNC ’06, April. 2006. [11] Tinnirello, I.; Bianchi, G.; Yang Xiao; "Refinements on IEEE 802.11 Distributed Coordination Function Model Approaches," Vehicular Technology, IEEE Transactions on , vol.59, no.3, pp.1055-1067, March 2010. [12] Bianchi, G.; , "Performance analysis of the IEEE 802.11 distributed coordination function," Selected Areas in Communications, IEEE Journal on, vol.18, no.3, pp.535547, Mar 2000. Universitas Indonesia


215

[13] Yang, Y.D., Tae-Jin Lee, Jin Bong Chang, and Sunghyun Choi, “Performance Enhancement of Multirate IEEE 802.11 WLANs with Geographically Scattered Stations”, IEEE Transactios on Mobile Computing , Vol. 5, No.7, July 2006. [14] N. Cheng, N. Lu, P. Wang, X. Wang, F. Liu, “A QoS-Provision Multi-Channel MAC in RSU-Assisted Vehicular Networks (Poster)”, In Proc. of IEEE Vehicular Networking Conference, pp. 193-197, Nov 2011. [15] M. Ahyar, Evaluasi Kinerja Operasi Multi Channel untuk Aplikasi Safety dan Non Safety pada Vehicular Ad Hoc Network IEEE 802.11p/1609.4, Master Thesis, Electrical Engineering Department, Faculty of Engineering, University of Indonesia, 2013. [16] Qi Chen, D.Jiang and L. Delgrossi. IEEE 1609.4 DSRC Multi-Channel Operations and Its Implications on Vehicle Safety Communications. In Proc. Of IEEE VTC-Spring, Taipei, pp. 1-5, 2010. [17] Kenney, J.B, “Dedicated Short-Range Communications (DSRC) Standards in the United States”, In Proc. of the IEEE, vol. 99, pp 1162-1182, July 2011. [18] Kai, L., et al. RAMC: A RSU-Assisted Multi-Channel Coordination MAC Protocol for VANET. in GLOBECOM Workshops, 2009 IEEE. 2009. [19] Ahmad, A., et al. A new adapted back-off scheme for broadcasting on IEEE 1609.4 control channel in VANET. in Ad Hoc Networking Workshop (Med-Hoc-Net), 2012 The 11th Annual Mediterranean. 2012. [20] Huang., C.M, Y. Chia-Ching, and H. Huai-De. An Effective Channel Utilization Scheme for IEEE 1609.4 Protocol. in Ubiquitous Information Technologies & Applications, 2009. ICUT '09. Proceedings of the 4th International Conference on. 2009. [21] Nasuf H., Mirza M., Melita A.C., and Mesud H., “Estimation of Nakagami Distribution Parameters Based on Signal Samples Corrupted with Multiplicative and Additive Disturbances,” 49th International Symposium ELMAR-2007, 12-14 September 2007, Zadar, Croatia. [22] Luo, T., Wen, Z., Li. J, Chen, H.H, Saturation Throughput Analysis of WAVE Networks in Doppler Spread Scenarios, September 2009. IET Communcations in special on Vehicular Ad Hoc and Sensor Networks. [23] Timo Bingmann, "Accuracy Enhancements of the 802.11 Model and EDCA QoS Extensions in ns-3," Master's thesis, University of Karlsruhe, April 2009. [24] Andrea Goldsmith,“Wireless Communications”,Cambridge University Press, New York, NY, USA, 1st edition, 2005. [25] Khalid Abdel Hafeez, Lian Zhao, Bobby Ma, and Jon W. Mark, Performance Analysis and Enhancement of the DSRC for VANET’s Safety Applications, IEEE Transactions on Vehicular Technology, Vol. 62, No. 7, September 2013. [26] J.G. Proakis and M. Salehi, Digital Communications. New York, NY, USA : McGrawHill, 2008. Universitas Indonesia


216

[27] Chun, S., Dai Xianhua, Liang Pigyuan, and Zhang Han “Adaptive Access Mechanism with Optimal Contention Window Based on Node Estimation Using Multiple Theresholds,” IEEE Transactions Wireless Communicatios, Vol. 11, No. 6, June 2012. [28] Mathieu Lacage, An ns-3 tutorial, Tunis, April, 7-8th2009.www.nsnam.org/tutorials/ns3-tutorial-tunis-apr09.pdf, diakses pada 18 Maret 2010. [29] Junling Bu and Mingjian Lu, Implementation and Evaluation of WAVE 1609.4/802.11p in ns-3. Workshop on ns-3 (WSN3), May 7, 2014, Georgia Institute of Technology in Atlanta GA [30] Jafari, A., Performance Evaluation of IEEE 802.11p for Vehicular Communication Networks. PhD Dissertation, Faculty of Arts, Computing, Engineering, and Sciences, Postgraduate Program, Sheffield Hallam University, South Yorkshire, England, UK, 2011. [31] Doan P. and Riri F.S. Mobility Models Performance Analysis using Random Dijkstra Algorithm and Doppler Effect for IEEE 1609.4 Standard, “International Journal of Simulation, Systems, Science, and Technology, United Kingdom Simulation Society” (Impact Factor 2011 : 1.00), Dec 2013. [32] Di Felice, M., et al. Enhancing the performance of safety applications in IEEE 802.11p/WAVE Vehicular Networks. in World of Wireless, Mobile and Multimedia Networks (WoWMoM), 2012 IEEE International Symposium on a. 2012. [33] Dongxia, X., T. Sakurai, and H.L. Vu, An Access Delay Model for IEEE 802.11e EDCA. Mobile Computing, IEEE Transactions on, 2009. 8(2): p. 261-275. [34] Eichler, S. Performance Evaluation of the IEEE 802.11p WAVE Communication Standard. in Vehicular Technology Conference, 2007. VTC-2007 Fall. 2007 IEEE 66th. 2007. [35] Fazio, P., et al. A New Channel Assignment Scheme for Interference-Aware Routing in Vehicular Networks. in Vehicular Technology Conference (VTC Spring), 2011 IEEE 73rd. 2011. [36] F. Bai, N. Sadagopan, and A. Helmy, “The IMPORTANT framework for analyzing the Impact of Mobility on Performance of Routing Protocols for Adhoc Networks”, Elsevier Ad Hoc Networks vol. 1 (2003), pp. 383-403, 2003. [37] Fernandes, R. and Fernandes, R., Scalable VANET Simulations with NS-3, Vehicular Technology Conference (VTC Spring), 2012 IEEE 75th 6-9 May 2012, pp. 1-5, ISSN : 1550-2252 [38] Fiore, M., et al. Vehicular Mobility Simulation for VANETs. in Simulation Symposium, 2007. ANSS '07. 40th Annual. 2007. [39] Furlong, W.P.; Guha, R.; , "OFDMA Extension of NS-3 WiMAX Module," Computer Modeling and Simulation (EMS), 2010 Fourth UKSim European Symposium on , vol., no., pp.426-431, 17-19 Nov. 2010 Universitas Indonesia


217

[40] George K. Karagiannidis, Niko C.S and P. Takis Mathiopoulos “The N * Nakagami Fading Channel Model,” IEEE Communication Letters 2005. [41] Grafling et al. Performance evaluation of IEEE 1609 WAVE and IEEE 802.11p for vehicular communications. in Ubiquitous and Future Networks (ICUFN), 2010 Second International Conference on. 2010. [42] Harri, J., F. Filali, and C. Bonnet, Mobility models for vehicular ad hoc networks: a survey and taxonomy. Communications Surveys & Tutorials, IEEE, 2009. 11(4): p. 1941. [43] Haerri, J., F. Filali and C. Bonnet. 2005. A framework for mobility models generation and its application to inter-vehicular networks. In 3rd IEEE International Workshop on Mobility Management and Wireless Access (MobiWac’05). [44] H. Arbabi and M. C. Weigle, "Highway Mobility and Vehicular Ad-Hoc Networks in NS-3,"CoRR, vol. abs/1004.4554, 2010. [45] Hong, K., et al. Evaluation of Multi-Channel Schemes for Vehicular Safety Communications. in Vehicular Technology Conference (VTC 2010-Spring), 2010 IEEE 71st. 2010. [46] Hyon-Young Choi; Sung-Gi Min; Youn-Hee Han; Jungsoo Park; Hyoungjun Kim; , "Implementation and Evaluation of Proxy Mobile IPv6 in NS-3 Network Simulator," Ubiquitous Information Technologies and Applications (CUTE), 2010 Proceedings of the 5th International Conference on , vol., no., pp.1-6, 16-18 Dec. 2010 [47] Inan, I., F. Keceli, and E. Ayanoglu, Analysis of the 802.11e enhanced distributed channel access function. Communications, IEEE Transactions on, 2009. 57(6): p. 17531764. [48] Jérôme Haerri, Fethi Filali, and Christian Bonnet, “On Meaningful Parameters for Routing in VANETs Urban Environments under Realistic Mobility Patterns”, in Proc. of AutoNet 2006 1st IEEE Workshop on Automotive Networking and Applications (in conjuction with IEEE Globecom 2006), December 1st 2006 SanFrancisco, CA, USA. [49] Jérôme Herri, Marco Fiore, Fethi Fialli, and Christian Bonnet , “Vehicular mobility simulation with VanetMobiSim”, Journal Simualtion Volume 87 Issues 4, April 2011, Pages 275-300, Society for Computer Simulation International San Diego, CA, USA. [50] J. Harri, F. Filali, C. Bonnet, and Marco Fiore. VanetMobiSim: generating realistic mobility patterns for VANETs. In VANET '06: Proceedings of the 3rd international workshop on Vehicular ad hoc networks, pages 96-97, New York, NY, USA, 2006. [51] J Haerri, F. Filali, and C. Bonnet, “A Framework for Mobility Models Generation and its Application to Inter-Vehicular Networks”, 3rd IEEE International Workshop on Mobility Management and Wireless Access (MobiWac’05), Maui, Hawaii, U.S.A., June 2005. Universitas Indonesia


218

[52] J. Mo, H.-S. W. So, and J. Walrand, “Comparison of multichannel MAC protocols,” IEEE Transactions on Mobile Computing, vol. 7, no. 1, pp. 50–65, 2008. [53] Julian Cheng and Norman C.B, “ Generalised Moment Estimators for the Nakagami Fading Parameter,” IEEE Communication Letters, Vol. 6, No. 4, April 2002. [54] Kun-Wah Yip and Tung-Sang Ng, “A Simulation Model for Nakagami-m Fading Channels, m < 1”, IEEE Transactions on Commnucations, Vol. 48, No.2, February 2000. [55] Lam, R.K. and P.R. Kumar. Dynamic Channel Reservation to Enhance Channel Access by Exploiting Structure of Vehicular Networks. in Vehicular Technology Conference (VTC 2010-Spring), 2010 IEEE 71st. 2010. [56] Mittag, J., et al., A comparison of single- and multi-hop beaconing in VANETs, in Proceedings of the sixth ACM international workshop on VehiculAr InterNETworking 2009, ACM: Beijing, China. p. 69-78. [57] Muhammad Alam, Muhammad Sher, Syed Afaq Husain, Integrated Mobility Model (IMM) for VANETs Simulation and Its Impact, International Conference on Emerging Technologies, 2009. [58] M. Ahyar, Riri F.S, Performance Evaluation of Multi-channel Operation for Safety and Non-Safety Application on Vehicular Ad Hoc Network IEEE 1609.4, International Journal of Simulation Systems, Science, and Technology (IJSSST), Vol.14 No.1 February 2013, ISSN : 1473-8031. [59] Mrs. Vaishali D. Kahirnar, and Dr. S.N. Pradhan. Mobility Models for Vehicular Ad-hoc Network Simulation, IEEE Symposium on Computers & Informatics, 2011. [60] M.Kostiü, “An analytical approach to performance analysis for channel subject to shadowing and fading”, IEEE Proc. On Communications, vol. 152, No. 6, 2005, pp. 821-827 [61] M. A. Ismail, G. Piro, L. A. Grieco, and T. Turletti, "An Improved IEEE 802.16 WiMAX Module for the ns-3 Simulator," in Proceedings of the Second International ICST Conference on Simulation Tools and Techniques Malaga, ES, 2010. [62] N. Lu, Y. S. Ji, F. Q. Liu, and X. H. Wang, “A dedicated multi-channel MAC protocol design for VANET with adaptive broadcasting,” in Proc. WCNC, 2010, pp. 1–6 [63] Perdana, D., Sari, F.S, Performance Evaluation of Multi-channel Operation IEEE 1609.4 Based on Multi-hop Dissemination, International of Journal Computer Science and Network Security VOL. 13 No. 3, 2013, ISSN No. : 1738-79060. [64] Perdana, D. and Sari, F.S., Performance Comparison of IEEE 1609.4 and 802.11e with EDCA Implementation in MAC Sublayer, The 5th International Conference on Information Technology and Electrical Engineering (ICITEE), ISBN: 978-1-47990425-9, Jogjakarta, October, 07-08th 2013. [65] Paul, A.B.; Konwar, S.; Gogoi, U.; Chakraborty, A.; Yeshmin, N.; Nandi, S.; , Universitas Indonesia


219

[66] [67]

[68]

[69]

[70]

[71]

[72]

[73]

[74]

[75]

[76]

"Implementation and performance evaluation of AODV in Wireless Mesh Networks using NS-3," Education Technology and Computer (ICETC), 2010 2nd International Conference on , vol.5, no., pp.V5-298-V5-303, 22-24 June 2010. Q.T. Zhang, “A note on the estimation of Nakagami-m fading parameter”, IEEE Comm. Lett., vol. 6, pp. 237-238, June 2002. Sang-woo, C., C. Jin, and L. Sang-sun. Adaptive EDCA mechanism for vehicular adhoc network. in Information Networking (ICOIN), 2012 International Conference on. 2012. Shah, N., D. Habibi, and I. Ahmad. Multikanal Cognitive Medium Access Control Protocol for Vehicular Ad-Hoc Networks. in Vehicular Technology Conference (VTC Fall), 2012 IEEE. 2012. Shan, W., et al. Maximizing Saturation Throughput of Control Channel in Vehicular Networks. in Mobile Ad-hoc and Sensor Networks (MSN), 2011 Seventh International Conference on. 2011. Sommer, C., Dressler, F., Progressing toward realistic mobility models in VANET simulations, IEEE Communications Vol. 46 Issues : 11, Pages : 132-137, ISSN : 01636804, November 2008. Stanica, R., E. Chaput, and A.L. Beylot. Enhancements of IEEE 802.11p Protocol for Access Control on a VANET Control Channel. in Communications (ICC), 2011 IEEE International Conference on. 2011. Sunghyun, C., et al. IEEE 802.11 e contention-based channel access (EDCF) performance evaluation. in Communications, 2003. ICC '03. IEEE International Conference on. 2003. S. Krishnan and P. Chaporkar, "Stochastic approximation algorithm for optimal throughput performance of wireless LANs," in Proceedings of the ACM SIGCOMM 2010 conference on SIGCOMM, New York, NY, USA, 2010, pp. 409-410. Yingtian, D., et al. Performance analysis and enhancement of IEEE 802.11p/1609 protocol family in vehicular environments. in Intelligent Transportation Systems (ITSC), 2010 13th International IEEE Conference on. 2010. Yunfei Chen and Norman C. Beaulieu “ Estimation of Ricean and Nakagami distribution parameters using noisy samples”, IEEE Proc. On Communications, vol. 1, 2004 pp. 562-566 Z. Kong, D. H. K. Tsang, B. Bensaou, and D. Gao. (2004). Performance analysis of the IEEE 802.11e contention-based channel access. IEEE J. Select. Areas Commun. pp: 2095–2106, December.



220

M. Abramowitz and I.A. Stegun, Eds. Handbook of Mathematical Functions. New York: Dover, 1972. [78] The Wolfram Function Site, http://functions.wolfram.com, terakhir diakses pada 18 [77]

Maret 2015.

[79]

Arif Yuliar T., New Analytical Model for IEEE 802.11n MAC Throughput with Anomalous Slot and HT-PHY MIMO-OFDM Channel Error Consideration. PhD Dissertation, Electrical Engineering Department, Faculty of Engineering, University of Indonesia, 2012.



221

LAMPIRAN A Penurunan persamaan (3.33) :



222

Penurunan persamaan (4.37) :



223

Penurunan persamaan (5.43) :



224



225

(7.1)



UNIVERSITAS INDONESIA PENINGKATAN KINERJA PADA SKEMA KOORDINASI KANAL DINAMIS MAC IEEE DENGAN MODEL BARU MARKOV CHAIN DISERTASI

Recommend Documents