Unjuk Kerja Call Admission Control Berbasis SIR pada Sistem Seluler CDMA

55

Unjuk Kerja Call Admission Control Berbasis SIR pada Sistem Seluler CDMA Suwadi Multimedia Telecommunication Research Group, Dept of Electrical Engineering, ITS Surabaya Indonesia 60111, email: [email protected]

Abstrak - CAC (Call Admission Control) adalah algoritma atau mekanisme yang digunakan untuk mengatur panggilan diterima atau ditolak berdasarkan ketentuan yang telah ditetapkan. Penelitian ini menggunakan algoritma residual capacity. Residual capacity diperoleh berdasarkan pengukuran reverse link SIR (Signal to Interference Ratio) pada base station. Masalah sistem seluler CDMA adalah interferensi, karena semua user menggunakan frekuensi yang sama. Dengan bertambahnya permintaan trafik user, maka level interferensi semakin bertambah besar, sehingga dengan keterbatasan tersebut tidak semua panggilan dapat dilayani. Penelitian ini dilakukan dengan menganalisa unjuk kerja CAC, analisa tersebut dilakukan berdasarkan hasil simulasi. Dari hasil penelitian ini, bahwa dengan bertambahnya SIR threshold, trafik per sel, dan koefisien koupling interferensi menyebabkan bertambahnya probabilitas blocking. Probabilitas outage juga dianalisa pada penelitian ini. Kata Kunci : CAC, SIR dan CDMA

keterbatasan tersebut tidak semua panggilan dapat dilayani. Penelitian ini menganalisa unjuk kerja Call Admission Control (CAC) yang berdasarkan SIR dan pengaruhnya pada kapasitas sistem. Algoritma CAC yang digunakan adalah residual capacity, dengan memperhatikan pengaruh koefisien koupling interferensi sel tetangga. Mekanisme pengaturan trafik seluler ini diasumsikan untuk komunikasi voice (suara).

2. DASAR TEORI 2.1. Konsep Sistem Seluler CDMA Sistem seluler CDMA tidak mengalokasikan frekuensi ataupun slot user, tetapi memberikan hak kepada semua user untuk menggunakan keduanya secara simultan. Untuk dapat melakukan hal ini, sistem CDMA menggunakan suatu teknik yang dikenal dengan nama spread spectrum. teknik spread spectrum ini dapat mengedarkan sinyal informasi yang melalui bandwidth yang lebar (1.25 MHz). Setiap user diberikan kode tertentu melalui teknik tertentu sehingga hanya kode tertentu yang dapat me-recover sinyal pada receiver.

1. PENDAHULUAN CDMA (Code Division Multiple Access) merupakan salah satu teknologi seluler yang tidak mengalokasikan frekuensi maupun waktu dalam slot user, tetapi memberikan hak kepada semua user untuk menggunakan keduanya secara simultan. Untuk membedakan tiap user, maka dengan menggunakan kode unik tertentu. Frekuensi yang sama pada semua user akan menyebabkan interferensi antara user yang satu dengan user yang lain. Dengan bertambahnya permintaan trafik dalam sistem CDMA tersebut, maka level interferensi semakin bertambah besar. Penelitian ini bertujuan untuk menganalisa pengaruh SIR threshold, koefisien koupling interferensi dan permintaan trafik terhadap probabilitas blocking. Analisa tersebut dilakukan berdasarkan hasil simulasi. Permasalahan sistem seluler CDMA adalah interferensi, karena semua user menggunakan frekuensi yang sama . Dengan bertambahnya permintaan trafik user, maka level interferensi semakin bertambah besar, sehingga dengan

Prinsip Teknik Spread Spectrum Spread spectrum didefininsikan sebagai suatu mekanisme dimana sinyal yang ditransmisikan menempati bandwidth yang lebar dari bandwidth sinyal informasi. Bandwidth sinyal spread spectrum yang lebar menjadikannya sulit untuk di-jamming, diinterferensi dan sulit diidentifikasi. Perbandingan Bss/Bs disebut processing gain: Bss …………………………………(1) PG = Bs Jika processing gain (PG) diubah ke dalam dB Bss ………………………….(2) PG = 10 log Bs dimana: Bss = Bandwidth sinyal transmisi (setelah mengalami pelebaran) (Hz) Bs = Bandwidth sinyal informasi (sebelum mengalami pelebaran) (Hz) Kontrol Daya (Power Control) Kontrol daya merupakan suatu cara dimana daya pancar tiap pemakai diatur sedemilkian rupa sehingga daya yang diterima dari masing-masing

JAVA Journal of Electrical and Electronics Engineering, Vol. 1, No. 2, Oct 2003, ISSN 1412-8306

56 pemakai pada base station sama antara satu user dengan user yang lain. Didalam sel, jika daya pancar dari tiap user diatur sedemikian (masing-masing user mentransmisikan daya yeng berbeda) sehingga daya yang diterima dari tiap user sama yaitu PR , maka user yang jauh akan dapat dilayani oleh sistem tersebut. 2.2. Interferensi Sistem Seluler CDMA Pada sistem seluler CDMA semua kanal menggunakan frekuensi yang sama. Penggunaan frekuensi yang sama ini akan menyebabkan interferensi antara user yang satu dengan user yang lain. . .

Home

I

. .

.

S× I

.

.I I

.

.

. .

sedangkan selang waktu panggilan yang beda waktunya lama adalah sedikit. Hal tersebut dapat dibuktikan dengan kenyataan terjadinya jam-jam sibuk pada jam-jam tertentu dalam panggilan telepon. P ang gilan d atang

Δt

t

t + Δt

t

Gambar 2 Pola Kedatangan Trafik Jadi setelah diketahui bahwa selama waktu t tak ada panggilan yang datang maka berarti peristiwa yang dihadapi adalah hanya peristiwa-peristiwa datangnya panggilan yang punya waktu interval lebih besar dari t. pola distribusi waktu antar kedatangan panggilan dapat digambarkan sebagai berikut: f(t)

.

Gambar 1 Sistem Seluler CDMA dan Interferensinya Misalkan i0 adalah jumlah user yang menginterferensi, baik yang berasal dari sel yang sama maupun dari sel tetangganya. Signal to interferensi ratio dapat dirumuskan sebagai berikut: S S ……………………………………(3) = i0 I ∑ Ii i =0

Dimana: S = Daya sinyal dari base station Ii = Daya interferensi dari user lain baik yang berasal dari sel yang sama maupun dari sel tetangganya. 2.3. Konsep Dasar Trafik Trafik dapat didefinisikan dengan pola datangnya panggilan, pola lamanya waktu pendudukan dan disiplin operasinya (berkas sempurna, berkas tak sempurna, sistem tunggu dan sistem rugi). Trafik juga dapat didefinisikan sebagai keadaan yang menyatakan jumlah saluran atau peralatan yang diduduki sebagai fungsi waktu. Model perkiraan trafik pada sistem seluler diperoleh dengan menggunakan erlang B, model yang didasarkan pada suatu model tanpa antrian (nonqueuing)yang berarti seluruh panggilan yang gagal dibebaskan (loss call cleared) ini merupakan sistem loss dimana suatu sel menggagalkan panggilan yang masuk pada saat trafik diduduki. Pola waktu kedatangan trafik atau panggilan dalam sistem komunikasi seluler mengikuti distribusi eksponensial negatif. Artinya bahwa beda waktu antar kedatangan trafik atau panggilan yang satu dengan panggilan yang lain yang selang waktunya dekat adalah yang paling banyak

Pdf = f (t ) = λe − λt

t

Gambar 3 Distribusi eksponensial 2.4. Call Admission Control (CAC) CAC adalah suatu proses untuk mengatur trafik atau algoritma untuk mengatur suatu panggilan akan diterima atau ditolak berdasarkan ketentuan yang telah ditetapkan sebelumnya. CAC digunakan untuk menjamin user baru mempunyai quality of service (QoS) yang sama bagusnya dengan user yang sudah aktif. CAC dapat menolak panggilan baru jika sumber yang tersedia dalam sistem seluler sudah penuh. CAC harus dapat menjamin grade of service (GOS) seperti blocking rate dan quality of service (QoS) seperti loss probability of communication quality. CAC dapat dibagi dalam 2 jenis, yaitu yang berdasarkan jumlah user (NCAC) dan yang berdasarkan interferensi (ICAC).

3. METODE SIMULASI 3.1. Asumsi yang Digunakan Asumsi yang digunakan dalam simulasi CAC antara lain: Daerah layanan dibagi menjadi 19 sel heksagonal dengan ukuran yang sama. Base station menggunakan antenna omni. Setiap mobile station akan dilayani oleh base station homecell-nya. Setiap mobile station mempunyai power control yang berdasarkan base station home cell-nya. Voice activity detection tidak dimodelkan. Mobilitas user tidak dimodelkan.


57 3.2. Penentuan Posisi User Posisi user dalam sel akan sangat menentukan kualitas komunikasi user tersebut. Posisi disini berhubungan dengan jarak antara user dengan seluruh base station dan jarak antara user dengan base station home cell. Pada simulasi ini menggunakan 19 sel segienam (heksagonal), hal ini karena bentuk sel heksagonal mempunyai luas wilayah cakupan yang paling besar disbanding sel lainnya. Arsitektur sel CDMA pada simulasi ditunjukkan pada Gambar 4 y

.

.

12

.

6R 11/2 R

.

10

.

4

13

.

11

.

3

.

. .

5/2 R

. .

.

2

.

8

.

7

6

15

.

1

5

14

3R

( X k − xxk )2 + (Yk − yyk )2 ………….….(6)

rih =

( X k − xxih )2 + (Yk − yyih )2 ……………..(7)

dimana: rih = jarak antara user dengan base station home

Penentuan base station home cell ini dipengaruhi oleh faktor lognormal shadowing, sehingga penentuan base station mana yang melayani dengan mengecek redaman terkecil, dengan rumusan sebagai berikut:

9

5R

4R

rik =

cell-nya = koordinat x base station home cell xxih yyih = koordinat y base station home cell

8R 7R

Dari 2 persamaan diatas dapat dihitung jarak user dengan seluruh base station (rik) dan jarak user dengan base station home cell-nya (rih) dengan persamaan sebagai berikut:

19

2R

.

R

.

16

.

17

Γ(r ) = 10ε / 10 r −α ……………………………..(8)

18 x

1/2 r

r

3/2 r

2r

5/2 r

3r

7/2 r

4r

9/2 r

Gambar 4 Arsitektur Sel CDMA Penentuan posisi dilakukan secara acak, maksudnya user bisa berada diwilayah mana saja asalkan masih dalam lingkaran sel. Untuk menentukan koordinat user pada masing-masing sel, digunakan persamaan sebagai berikut:

Dimana ε adalah distribusi normal dengan mean nol dan standar deviasi σ adalah 8 dan α adalah 4. 3.3. Pembangkitan Trafik Laju kedatangan panggilan dan waktu pendudukan tiap user dibangkitkan secara distribusi eksponensial negatif. a1

⎛ r ⎞ ⎛ 2r ⎞ ⎞ ⎛ X k = ⎜⎜ rand( jumlah user / sel) × ⎜ ⎟ ⎟⎟ + ⎜ xxk − ⎟ 3⎠ ⎝ 3 ⎠⎠ ⎝ ⎝ ..(4) ⎛ r ⎞ ⎛ 2r ⎞ ⎞ ⎛ Yk = ⎜⎜ rand ( jumlah user / sel ) × ⎜ ⎟ ⎟⎟ + ⎜ yyk − ⎟ 3⎠ ⎝ 3 ⎠⎠ ⎝ ⎝ ..(5) dimana: X k = Koordinat x user di sel ke-k Yk = Koordinat y user di sel ke-k

xxk = koordinat x base station sel ke – k yyk = koordinat y base station sel ke – k rand (jumlah_user) = pembangkitan bilangan acak berdistribusi uniform (0-1) 2r / 3 = lebar distribusi uniform xxk − r / 3 = batas bawah koordinat x

( ( )) (yy − (r / 3 )) = batas bawah koordinat y

a2

a3

a4

... t1 Δt1

y1 Δt2

t2

y2 Δ t3

t3

y3

t4

y4

Δt4

Gambar 3.2 Distribusi Trafik Gambar diatas merupakan bentuk trafik untuk satu user, dimana : tn = waktu kedatangan yn = waktu berakhirnya kedatangan an = waktu pendudukan Δt = waktu antar keadatangan panggilan Dengan mengetahui lamanya waktu pendudukan ini maka dapat diketahui pada saat suatu user mulai melakukan panggilan, maka pada saat yang sama user mana saja yang sedang aktif melakukan panggilan. Kemudian user aktif tersebut akan menginterferensi user yang mulai melakukan panggilan tersebut. Pengaruh nilai interferensi ini kemudian dapat dihitung dengan nilai SIR.

k

r = jarak antar sel = R 3 R = jari-jari sel

3.4. Menghitung SIR Signal to Interference Ratio (SIR) diukur pada base station sel k , SIRk, adalah perbandingan daya sinyal mobile station dengan penjumlahan daya dari


58 semua mobile station yang menyebabkan interferensi, dan dirumuskan sebagai berikut:

SIRk = =

S I (k ) − S 1

…………..(9)

α nk ⎛ ⎞ ⎛r ⎞ nk − 1 + ⎜ ∑∑ ⎜⎜ ih ⎟⎟ 10(ε ik −ε ih ) / 10 ⎟ ⎜ h ≠ k i =1 ⎝ rik ⎠ ⎟ ⎝ ⎠ dimana: nk = jumlah user aktif pada sel ke-k (sel yang diamati) rih = jarak user sel tetangga dgn base station home cell-nya rik = jarak user sel tetanga dengan base station sel ke-k (sel yang diamati) α = 4

PBLK ( k ) = Pr ( Rk = 0) …………………………..(12) jumlah panggilan yang ditolak PBLK (k ) = jumlah panggilan total .. (13) 3.7. Probabilitas Outage Probabilitas outage adalah perbandingan antara jumlah panggilan yang didrop terhadap jumlah panggilan seluruhnya. Probabilitas outage dapat dihitung berdasarkan nilai Eb/No, dan dirumuskan sebagai berikut: ⎧ Eb ⎫ < EIR0 ⎬ …………………...(14) Pout (k ) = Pr ⎨ ⎩ No ⎭ jumlah panggilan didrop ….…(15) Pout (k ) = jumlah panggilan total Dimana: Eb = SIR × PG No PG (processing gain) = 390,625 (26 dB)

3.5. Menghitung Residual Capacity (Rk) Algoritma yang dipergunakan adalah dengan pengukuran SIR pada sel lokal (sel yang diamati) 4. HASIL SIMULASI DAN dan SIR dari sel tetangganya. Algoritma tersebut akan dirumuskan sebagai berikut: ANALISA DATA ¾ Base station pada setiap sel k ∈ g , mengukur reverse link SIRk secara periodik dan juga 4.1. Data Inputan Simulasi Sesuai dengan algoritma yang dijelaskan pada mengukur reverse link SIRk pada sel bagian 3, simulasi CAC ini menggunakan tetangganya . parameter-parameter input sebagai berikut: ¾ Residual Capacity (Rk) pada sel k ∈ g Jumlah user/sel : 10 kemudian diestimasi dan diupdate berdasarkan Jari-jari sel : 1.5 km persamaan berikut ini: Waktu pengamatan : 60 menit (1 jam) ( j) ⎧min{Rk ( j ) | j ∈ g (k )} min{Rk | j ∈ g (k )} > 0 Waktu antar kedatangan panggilan rata-rata : Rk = ⎨ ¾ 5 menit (6 erlang/sel) 0 yang lainnya ⎩ ¾ 3 menit (4 erlang/sel …(10) Waktu pendudukan rata-rata : dimana: ¾ 4 menit (6 erlang/sel) ⎧ ⎢ 1 i ⎥ ¾ 2 menit (4 erlang/sel) jika j = k ⎪ ⎢ SIR − SIR ⎥ k ⎦ ⎣ TH ⎪ ( j) Rk = ⎨ 4.2. Data Hasil Simulasi ⎥ ⎢1 ⎛ 1 ⎞ 1 Dari proses simulasi yang dilakukan akan ⎪⎢ ⎜ ⎟⎥ − jika j ∈ g ( k ) (k ) ⎪⎢ β ⎜ SIRTH SIR j ⎟⎥ diperoleh beberapa jenis data. ⎠⎦ ⎩⎣ ⎝ …(11) Dimana: min{x} didefinisikan sebagai nilai minimum x g(k) = subset sel yang terdiri dari sel k dan sel tetangganya g(k)(k) = subset sel yang terdiri dari hanya sel tetangga k β = harga rata-rata interferensi dari user sel tetangga k. 3.6. Probabilitas Blocking Probabilitas blocking ini adalah perbandingan antara jumlah panggilan yang ditolak terhadap jumlah panggilan seluruhya. Probabilitas blocking dapat dihitung berdasarkan nilai residual capacity (Rk), dan dirumuskan sebagai berikut:

Tabel 1 Data SIR (Signal to Interference Ratio)

SIR min SIR max SIRratarata

Dengan Lognormal Shadowing 6 erlang/ 4 erlang/ sel (dB) sel (dB) -71.08 -69.86 -22.05 -20.44 -50.53 -48.30

Tanpa Lognormal Shadowing 6 erlang/ 4 erlang/ sel (dB) sel (dB) -20.32 -18.40 36.14 26.14 -10.01 -7.81

4.3. Analisa Probabilitas Blocking terhadap SIR Threshold Data-data hasil simulasi akan diolah, sehingga akan diperoleh grafik perbandingan probabilitas blocking dengan SIR threshold yang berubah-ubah . Dari grafik ini juga membandingkan


59 2 macam trafik per sel (6 erlang/sel dan 4 erlang/sel).

Sehingga pada SIR threshold tersebut, untuk kenaikan trafik dari 4 erlang/sel ke 6 erlang/sel menyebabkan kenaikan probabilitas blocking sekitar 18.47%. 4.4 Analisa Probabilitas Blocking Koefisien Koupling Interferensi

terhadap

Dari grafik ini juga membandingkan 2 macam trafik persel (6 erlang/sel dan 4 erlang/sel

Gambar 5 Perbandingan Antara Probabilitas Blocking Terhadap SIR Threshold dengan Lognormal Shadowing

Gambar 7 Perbandingan Probabilitas Blocking Terhadap Koefisien Koupling dengan Lognormal Shadowing

Gambar 6 Perbandingan antara Probabilitas Blocking terhadap SIR Threshold Tanpa Lognormal Shadowing Dari Gambar 5 dan Gambar 6 terlihat bahwa dalam trafik yang sama dengan kenaikan SIR threshold maka probabilitas blocking akan naik. Hal ini dikarenakan apabila syarat SIR threshold dinaikkan maka semakin banyak user yang mengalami blocking (kegagalan panggilan). Dari gambar juga terlihat pada SIR threshold yang sama kenaikan trafik per sel akan menyebabkan kenaikan probabilitas blocking. Hal ini dikarenakan jumlah trafik yang semakin besar akan menyebabkan jumlah user yang mengalami blocking juga akan semakin besar. Untuk sistem yang dipengaruhi lognormal shadowing, dengan SIR threshold –45.4237 dB menghasilkan probabilitas blocking 0.1983 untuk trafik 6 erlang/sel dan 0.1838 untuk trafik 4 erlang/sel. Sehingga pada SIR threshold tersebut, untuk kenaikan trafik dari 4 erlang/sel ke 6 erlang/sel menyebabkan kenaikan probabilitas blocking sekitar 7.31 %. Untuk sistem tanpa lognormal shadowing, dengan SIR threshold –8.9831 dB menghasilkan probabilitas blocking 0.2350 untuk trafik 6 erlang/sel dan 0.1916 untuk trafik 4 erlang/sel.

Gambar 8 Perbandingan antara Probabilitas Blocking terhadap Koefisien Koupling Interferensi Tanpa Lognormal Shadowing Pada koefisien koupling yang sama maka semakin tinggi trafik maka probabilitas blocking juga akan semakin tinggi. Hal ini terjadi karena semakin banyak user dari sel lain yang menginterferensi maka panggilan yang mengalami kegagalan juga akan semakin besar. Untuk sisten dengan lognormal shadowing, dengan koefisien koupling interferensi 5.4915 menghasilkan probabilitas blocking 0.7205 untuk trafik 6 erlang/sel dan 0.2948 untuk trafik 4 erlang/sel. Sehingga pada koefisisen koupling tersebut, untuk kenaikan trafik dari 4 erlang/sel ke 6 erlang/sel menyebabkan kenaikan probabilitas blocking sekitar 59.08 %. Untuk sistem tanpa lognormal shadowing, dengan koefisien koupling interferensi 0.0831 menghasilkan probabilitas blocking 0.6848 untuk trafik 6 erlang/sel dan 0.1314 untuk trafik 4


60 erlang/sel. Sehingga pada koefisisen koupling tersebut, untuk kenaikan trafik dari 4 erlang/sel ke 6 erlang/sel menyebabkan kenaikan probabilitas blocking sekitar 80.8 %. 4.5 Analisa Probabilitas Trafik per Sel

Blocking

terhadap

Gambar 11 Perbandingan Probabilitas Outage terhadap EIRo dengan Lognormal Shadowing

Gambar 9 Perbandingan Probailitas Blocking terhadap Trfaik per Sel dengan Lognormal Shadowing

Gambar 12 Perbandingan Probabilitas Outage terhadap EIRo tanpa Lognormal Shadowing

5. KESIMPULAN

Gambar 10 Perbandingan Probabilitas Blocking terhadap Trafik per Sel tanpa Lognormal Shadowing Dari Gambar 9 dan Gambar 10 terlihat bahwa dengan meningkatnya permintaan trafik per sel maka probabilitas blocking akan naik. Hal ini dikarenakan semakin tinggi trafik maka jumlah panggilan yang mengalami blocking akan semakin tinggi. 4.6 Analisa Probabilitas Outage terhadap EIRo Pada Gambar 11 dan Gambar 12 terlihat bahwa kenaikan EIRo akan menyebabkan kenaikan probabilitas outage, tetapi kenaikannya landai. Apabila syarat EIRo dinaikkan maka semakin banyak panggilan yang mengalami drop.

1. Probabilitas blocking bertambah besar dengan bertambahnya SIR threshold, koefisien koupling interferensi dan pemintaan trafik per sel. 2. Probabilitas outage bertambah besar dengan bertambahnya EIRo, sehingga semakin besar syarat EIRo yang diminta maka jumlah panggilan yang mengalami drop call akan semakin besar. 3. Dengan syarat SIR threshold, koefisien koupling interferensi, dan trafik per sel : sistem CDMA yang dipengaruhi oleh faktor lognormal shadowing mempunyai probabilitas blocking dan probabilitas outage yang lebih besar dibandingkan dengan sistem yang tidak dipengaruhi oleh faktor lognormal shadowing.

DAFTAR PUSTAKA [1] Krishna Kumar Gurumoorthy .Capacity Analysis of CDMA Systems. EECS 865. pp 16. [2] Theodore S. Rappaport.1996. Wireless Communication Principle and Practice. New Jersey : Prentice-Hall,Inc.


61 [3] William C.Y Lee. May 1991. Overview of Cellular CDMA. IEEE J. Select. Areas Commun vol. 40, pp 291-302. [4] William C.Y Lee.1995.Mobile Cellular Telecommunication. Singapore: McGrawHill, Inc. [5] William C.Y Lee. 1993. Mobile Communication Design Fundamentals .Canada: John Willey & Sons. [6] Yoshihiro Ishikawa and Narumi.October 1997.Capacity Design and Performace of Call Admission Control in Cellular CDMA Systems. IEEE J. Select. Areas Commun, vol 15, pp 1627-1635. [7] Zhao Liu and Magda El Zarki. May 1994. SIR Based Call Admission Control for DSCDMA Cellular Systems. IEEE J. Select. Areas Commun, vol. 12, pp. 638-644.

Suwadi dilahirkan di Gresik tanggal 18 Agustus 1968. Menyelesaikan S1 pada Nopember 1992 di JTE ITS dengan bidang Teknik Sistem Telekomunikasi, pada Pebruari 1999 menamatkan S2nya di Sistem Informasi, Elektroteknik ITB. Penulis sejak 1993 sebagai staf pengajar di Jurusan Teknik Elektro ITS dan aktif sebagai peneliti dibidang Telecommunication Traffic Engineering, Digital Communication, Digital Signal Processing, Video Processing dan Mobile Communication


Unjuk Kerja Call Admission Control Berbasis SIR pada Sistem Seluler CDMA

Recommend Documents