UNJUK KERJA LOAD BASED CALL ADMISSION CONTROL (LB-CAC) PADA SISTEM MULTI-TRAFIK WCDMA Aries Tri Prawijaya Putra - 2206100607 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-60111
Abstrak - Wideband Code Division Multiple Access (WCDMA) adalah teknik multiple access yang digunakan dalam generasi ketiga dari sistem mobile telekomunikasi (3G). Kapasitas dari teknik ini tidak memiliki batasan tertentu. Kapasitas maksimum dari WCDMA tergantung dari interferensi yang terjadi di sistem. Bagaimanapun juga interferensi yang tinggi menyebabkan sistem mengalami degradasi dalam quality-of-service (QoS). Karena itu, sebuah mekanisme untuk menekan interferensi sangat penting sekali. Call Admission Control (CAC) adalah sebuah mekanisme yang dapat mengatur interferensi agar dibawah threshold. Tugas akhir ini membuat simulasi dasar yang dibutuhkan untuk suatu sistem WCDMA dengan menggunakan CAC. Hasil simulasi menunjukkan bahwa probabilitas blocking mengalami peningkatan yang lebih besar daripada probabilitas dropping seiring dengan bertambahnya jumlah user. Probabilitas blocking dan dropping akan mengalami penurunan jika diberi threshold yang tinggi. Hal ini memperlihatkan bahwa probabilitas blocking dan probabilitas dropping dipengaruhi oleh jumlah user dan threshold. I. PENDAHULUAN Penggunaan Teknologi 3G yang terjadi di masyarakat manjadi suatu fenomena tersendiri di bidang telekomunikasi. Seiring dengan berkembangnya pengguna 3G penyedia layanan jasa komunikasi kian berlomba dalam memasarkan produknya. Pada awal peluncuran produk 3G dari suatu penyedia jasa komunikasi pengguna layanan tersebut merasa nyaman atas kualitas layanan 3G yang diberikan. Namun seiring dengan bertambahnya pengguna layanan 3G pada penyedia jasa tersebut permasalahan mulai muncul, misal: lambatnya akses bahkan terputusnya koneksi jaringan. Wideband Code Division Multiple Access (WCDMA) adalah generasi ketiga dari sistem mobile telecommunication (3G). User pada sistem WCDMA berbagi channel radio yang sama untuk mengirim maupun menerima sinyal. Bertambahnya user akan menyebabkan semakin bertambahnya interferensi dalam channel. Semakin tinggi interferensi maka dihasilkan quality-ofservice (QoS) yang rendah. Untuk mendapatkan nilai QoS yang layak, sistem WCDMA membutuhkan mekanisme yang dapat mengatur
level interferensi agar dibawah level threshold. Call Admission Control (CAC) merupakan mekanisme yang dapat mengatur level interferensi agar dibawah threshold. Dengan memutuskan apakah panggilan baru diterima atau ditolak dapat digunakan algoritma Load Based Call Admission Control (LB-CAC) merupakan salah satu algoritma dari CAC. Berdasarkan ulasan diatas, pada tugas akhir ini penulis akan melakukan simulasi untuk mempertahankan kualitas dari pelayanan komunikasi dengan menggunakan algoritma Laod Based Call Admission Control (LB-CAC) yang berguna untuk mengatur level interferensi yang terjadi pada sistem WCDMA. II. SISTEM WCDMA WCDMA dalam pelaksanaannya adalah sebuah mode UTRA-FDD. WCDMA menggunakan secara langsung sequence CDMA. Wideband digunakan untuk membedakan WCDMA dari 2G CDMA berdasarkan teknologi yang dipelopori oleh Qualcomm, disebut sebagail cdmaOne (atau IS-95 CDMA). WCDMA menggunakan bandwidth sekitar tiga kali lebih lebar daripada cdmaOne (WCDMA menggunakan bandwidth sekitar 5 MHz per carriert). Carrier yang sama mungkin dipergunakan kembali di sel tetangga. Akses jaringan radio memisahkan masing-masing aliran pemakai (suara, data, dan semacamnya) dengan melipatgandakan informasi pemakai dengan pseudorandom bit yang disebut chips. Rate chip yang ditetapkan untuk WCDMA ialah 3,84 Mcps (million of chip per second). III. POLA TRAFIK PANGGILAN Suatu pola trafik panggilan didalam sistem komunikasi seluler selalu mengikuti distribusi eksponensial. Pada jam sibuk, jeda waktu antara kedatangan panggilan yang satu dengan panggilan yang lain dimana yang mempunyai jeda waktu pendek adalah yang paling banyak dibandingkan dengan yang mempunyai jeda waktu panjang. Sedangkan pada jam tidak sibuk, jeda waktu antara kedatangan panggilan yang satu dengan panggilan yang lain dimana yang mempunyai jeda waktu panjang adalah yang paling banyak dibandingkan dengan yang mempunyai jeda waktu pendek.
1/6 Proceedings Seminar Tugas Akhir Jurusan Teknik Elektro FTI – ITS.
Gambar 1. Pola kedatangan trafik IV. CALL ADMISSION CONTROL (CAC) Call Admission Control adalah suatu mekanisme untuk mengatur trafik dimana algoritma ini mengatur suatu panggilan akan diterima atau ditolak berdasarkan ketentuan yang telah ditetapkan sebelumnya. CAC ini digunakan untuk menjamin panggilan baru mempunyai quality of service (QoS) yang sama bagusnya dengan user yang sudah aktif sebelumnya. CAC dapat menolak panggilan baru jika kapasitas yang tersedia dalam sistem sudah penuh. CAC harus dapat menjamin grade of service (GoS) seperti probabilitas blocking dan quality of service (QoS) dalam suatu sistem komunikasi. Load Based Call Admission Control (LB-CAC) merupakan algorithma yang digunakan untuk menghitung besarnya load factor dan kemudian digunakan sebagai admission threshold. Sedangkan Noise Rise Based Call Admission Control (NB-CAC) merupakan algorithma yang digunakan untuk menghitung besarnya noise rise dan kemudian digunakan sebagai admission threshold. Dari kedua algortima tersebut memiliki keadaan yang berbeda dan menggunakan tipe threshold yang berbeda namun memiliki aturan dan hasil yang sama. V. MODEL SISTEM WCDMA Sistem WCDMA yang disimulasikan pada tugas akhir ini mempunyai power kontrol yang sempurna pada sisi uplink-nya. Sehingga noise tidak diikutkan dalam simulasi. User yang dimodelkan adalah user yang dalam keadaan tidak bergerak. Sel yang dimodelkan dalam simulasi hanya berjumlah satu sel. Interferensi adjacent yang terjadi antara sel sendiri dengan sel tetangga dimodelkan dengan i . VI. MODEL TRAFIK Model trafik yang digunakan dalam simulasi ini berupa panggilan user yang dilakukan secara acak dalam satu periode pengamatan. Jumlah panggilan setiap user dalam waktu pengamatan berbeda-beda antara satu user dengan user yang lain. Untuk memodelkan trafik panggilan ini, digunakan dua parameter yaitu waktu kedatangan rata-rata dan waktu pendudukan rata-rata. Parameter pertama adalah waktu kedatangan rata-rata, dimana digunakan untuk mengatur jumlah rata-rata panggilan yang masuk dalam satu periode. Parameter kedua adalah waktu pendudukan rata-rata, dimana digunakan mengatur lamanya sebuah panggilan yang masuk.
VII. ALGORITMA CALL ADMISSION CONTROL (CAC) Seperti yang sudah dijelaskan sebelumnya, CAC berfungsi untuk mengatur agar level interferensi tetap dibawah nilai threshold. Tugas daripada admission control adalah sebagai berikut : • Memprediksikan akibat dari penambahan user baru terhadap kualitas pelayanan pada koneksi yang sedangaktif. • Memprediksi kebutuhkan user baru. • Dari kedua kondisi diatas, memutuskan apakah user baru dapat diterima oleh sistem berdasarkan permintaan kualitas pelayanan yang diberikan. Kondisi dari sistem yang tetap mempertahankan kualitas pelayanannya dapat dijelaskan sebagai berikut. • Total jumlah panggilan yang dapat diterima oleh sistem adalah tetap. • Sistem dapat memonitoring jumlah panggilan yang diterima. • Panggilan baru dapat diterima jika pada sistem masih ada kapasitas yang kosong, selain itu panggilan akan ditolak. Algoritma untuk mencari probabilitas blocking (pb) dapat digambarkan dalam bentuk diagram alir sebagai berikut : START
Parameter Masukan - Jumlah User - Waktu Pengamatan - Waktu antar Kedatangan Rata-rata - Waktu Pendudukan Rata-rata Panggilan - Threshold = 2.5 - Reserved Capacity = 5%
Proses Pembangkitan : - Waktu Kedatangan Panggilan dengan Distribusi Eksponensial - Waktu Pendudukan Panggilan dengan Distribusi Eksponensial
Perhitungan Total Load Factor
Total Lad Factor > Threshold
N
Panggilan diterima (bn)
Y Panggilan diblok (an)
END
Gambar 2. Diagram alir simulasi probabilitas blocking
2/6 Proceedings Seminar Tugas Akhir Jurusan Teknik Elektro FTI – ITS.
Sedangkan untuk menghitung probabilitas dropping dan probabilitas data-blocking mempunyai algoritma yang sama seperti probabilitas blocking. VIII. PEMBANGKITAN TRAFIK PANGGILAN Dalam pembangkitan trafik panggilan, sumber data yang digunakan adalah waktu kedatangan rata-rata dan waktu pendudukan rata-rata. Waktu kedatangan rata-rata dibangkitkan secara distribusi poison, sedangkan waktu pendudukan rata-rata dibangkitkan secara distribusi eksponensial. Hasil yang diperoleh dari kedua waktu tersebut dijadikan menjadi suatu bentuk trafik panggilan tiap user dalam suatu waktu pengamatan. Berikut adalah contoh pola trafik dari pembangkitan trafik panggilan dalam satu user. b2
b1 x1
y1
∆t1
x2
b3
y2
∆t2
x3
b4 y3
∆t3
x4
y4
∆t4
Gambar 3 Pola trafik panggilan Dimana : xn = waktu awal kedatangan panggilan yn = waktu akhir kedatangan panggilan bn = waktu pendudukan panggilan ∆tn = jeda waktu antar panggilan n = jumlah panggilan dalam satu user
X. ALGORITMA ADMISSION CONTROL Algoritma admission control yang digunakan dalam simulasi ini adalah algoritma load factor. Panggilan user yang diterima oleh sistem merupakan load factor yang diukur pada system. Untuk membatasinya digunakan threshold yang akan membatasi sistem dalam menerima panggilan user. Selain itu untuk dapat meningkatkan QoS pada sistem, trafik handover menjadi prioritas utama dibandingkan dengan trafik yang lain. Perbedaannya dengan trafik yang lain adalah memiliki kapasitas ekstra. Oleh sebab itu panggilan baru dapat diterima jika memiliki kondisi sebagai berikut.
η ul + ∆η j < η th + η th _ ho
Dimana ηth adalah nilai threshold dan ηth_ho adalah reserved capacity untuk handover. Reserved capacity untuk handover dalam simulasi diasumsikan 5 %. XI. ANALISA PERBANDINGAN PROBABILITAS BLOCKING DAN PROBABILITAS DROPPING DENGAN RATA-RATA JUMLAH USER Berikut disajikan parameter simulasi yang digunakan untuk melakukan analisis perbandingan probabilitas blocking dan probabilitas dropping dengan rata-rata jumlah user. Tabel 1. Parameter simulasi dengan jumlah user antara 250-700 Parameter Simulasi Nilai Rata-rata jumlah user 250 - 700 Rata-rata waktu pendudukan 1 – 4 menit Threshold 2.5 Algoritma Admission Control Load Factor Reserved Capacity 5%
Dalam tugas akhir ini diasumsikan bahwa waktu kedatangan rata-rata adalah 7 menit sedangkan waktu pendudukan rata-rata adalah 2 menit dengan waktu pengamatan selama 60 menit. IX. LOAD FACTOR Algoritma admission control dalam simulasi ini bergantung kepada perhitungan load factor. Load factor dapat dihitung dengan rumus sebagai berikut.
Adapun hasil simulasi berdasarkan parameter diatas maka didapatkan gambar output berikut ini : 0.4
1 1+
W SIRj . Rj . vj
PB PB BP BP
0.35
...............(1)
Dimana W adalah total bandwidth dari sistem, dalam simulasi ini ditetapkan sebesar 3.64 Mbps. Sedangkan SIRj adalah carrier-to-interference ratio pada banyaknya j user, dalam simulasi ini nilai untuk trafik voice dan trafik handover adalah sama yaitu diasumsikan 7.0 dB dan pada trafik data diasumsikan 5.0 dB. Sedangkan Rj adalah laju data dari j user, dalam simulasi ini nilai untuk trafik voice dan trafik handover adalah sama yaitu diasumsikan 12.2 kbps dan pada trafik data diasumsikan 64 kbps. Sedangkan vj adalah activity factor, dalam simulasi ini nilai untuk trafik voice diasumsikan 0.67, dimana biasanya antara 0.5-0.67 dan untuk trafik data diasumsikan 1.0.
0.3 Probabilitas Blocking
∆η = Lj =
.....................(2)
1 mnt 2 mnt 3 mnt 4 mnt
0.25 0.2 0.15 0.1 0.05 0 250
300
350
400 450 500 550 Average Number of Users
600
650
700
Gambar 4. Pengaruh variasi waktu pendudukan dan variasi jumlah user terhadap probabilitas blocking (PB) 3/6
Proceedings Seminar Tugas Akhir Jurusan Teknik Elektro FTI – ITS.
0.4 PD 1 mnt PD 2 mnt PD 3 mnt PD 4 mnt
0.35
Probabilitas Droping
0.3 0.25 0.2 0.15 0.1 0.05 0 250
300
350
400 450 500 550 Average Number of Users
600
650
700
Gambar 5 Pengaruh variasi waktu pendudukan dan variasi jumlah user terhadap probabilitas dropping (PD) Dari gambar diatas maka dapat diketahui bahwa probabilitas dropping meningkat seiring dengan meningkatnya jumlah user dan peningkatan waktu pendudukan juga mempengaruhi besarnya probabilitas dropping. 0.4 PB-D 1 mnt PB-D 2 mnt PB-D 3 mnt PB-D 4 mnt
0.35
Probabilitas Blocking Data
0.3
terhadap probabilitas blocking data (PB-D). Dimana peningkatan jumlah user diiringi dengan meningkatnya probabilitas blocking data dan peningkatan waktu pendudukan memperbesar nilai dari probabilitas tersebut. Dari gambar diatas maka dapat diketahui bahwa probabilitas blocking data meningkat seiring dengan meningkatnya jumlah user dan peningkatan waktu pendudukan mempengaruhi besarnya probabilitas blocking data. Untuk mengetahui hubungan antara rata-rata jumlah user dengan probabilitas blocking, probabilitas dropping dan probabilitas blocking data dapat diambil sampel pada saat waktu pendudukan 2 menit. Berdasarkan gambar diatas nampak bahwa, probabilitas dropping lebih rendah daripada probabilitas blocking. Peningkatan jumlah user tidak berpengaruh signifikan terhadap nilai probabilitas dropping, bahkan mendekati nilai nol. Sedangkan pada saat nilai rata-rata user lebih besar dari 500 nilai probabilitas blocking meningkat dengan cepat sesuai dengan bertambahnya jumlah user. Perbedaan nilai dari probabilitas blocking dan probabilitas dropping disebabkan karena adanya reserved capacity untuk panggilan handover. Trafik dikatakan tidak sibuk pada saat user dibawah 500 user sesuai dengan pengamatan, probabilitas blocking dan probabilitas dropping mendekati nilai nol karena tidak mengalami congestion. Pada kondisi tersebut semua panggilan yang masuk untuk diterima oleh sistem sangat besar sekali hampir tidak ada yang ditolak. 3
2.5
2 Load Factor
Dari gambar diatas maka dapat diketahui bahwa probabilitas blocking meningkat seiring dengan meningkatnya jumlah user dan peningkatan waktu pendudukan mempengaruhi besarnya probabilitas blocking dimana semakin besar waktu pendudukannya maka akan semakin besar pula probabilitas blockingnya. Berdasarkan Gambar 5 dapat diamati pengaruh dari variasi waktu pendudukan dan variasi jumlah user terhadap probabilitas dropping (PD). Dimana peningkatan jumlah user diiringi dengan meningkatnya probabilitas dropping dan peningkatan waktu pendudukan memperbesar nilai dari probabilitas dropping.
1.5
1
0.5 0.25
0
0.2 0.15
0
500
1000
1500
2000 Time
2500
3000
3500
4000
Gambar 7. Trafik handover pada threshold
0.1 0.05 0 250
300
350
400 450 500 550 Average Number of Users
600
650
700
Gambar 6 Pengaruh variasi waktu pendudukan dan variasi jumlah user terhadap probabilitas blocking data (PB-D) Berdasarkan Gambar 6 dapat diamati pengaruh dari variasi waktu pendudukan dan variasi jumlah user
Pada kondisi lain yaitu trafik saat sibuk dimana congestion sering terjadi, probabilitas blocking mulai meningkat menjauhi nol sedangkan probabilitas dropping tetap mendekati nol. Hal ini dikarenakan meskipun interferensi mencapai threshold, user masih dapat mengakses sistem karena adanya reserved capacity. Hanya trafik handover saja yang dapat menggunakan reserved capacity sedangkan trafik yang lain diblock.
4/6 Proceedings Seminar Tugas Akhir Jurusan Teknik Elektro FTI – ITS.
Sedangkan probabilitas blocking data meningkat secara dramastis diikuti dengan meningkatnya jumlah user. Hal ini dikarenakan trafik data membutuhkan sistem dengan beban yang sangat besar dibandingkan dengan trafik suara, sehingga banyak trafik data yang diblok, terutama saat sistem terjadi congestion. Pada Gambar 7 menunjukkan bahwa ada sebagian kecil dari panggilan yang masuk melebihi dari nilai threshold yang sudah ditentukan yaitu sebesar 2,5 dB untuk level load factor. Semua trafik yang melebihi threshold disebut dengan trafik handover. Hal ini berarti trafik yang lainnya diblok sedangkan hanya trafik handover yang dapat menyebabkan adanya congestion dibagian reserved, sehingga hanya ada sedikit panggilan yang didrop.
Berdasarkan Gambar 8 nampak bahwa, probabilitas blocking mengalami penurunan mulai dari nilai threshold sebesar 2,2 dB sampai 3,2 dB. Pada saat nilai threshold lebih dari 3,2 dB nilai probabilitas blocking mendekati nilai nol. Hal ini menunjukkan bahwa pada saat nilai threshold lebih dari 3,2 dB sistem dapat menampung hampir semua panggilan user dibandingkan pada saat nilai threshold sebesar 2,2. Hal tersebut mengandung makna bahwa semakin besar nilai threshold yang diset maka semakin banyak panggilan yang dapat diterima oleh sistem. Sedangkan probabilitas dropping mengalami peningkatan pada saat nilai threshold diset kurang dari 2,5 dB. Untuk nilai threshold 2,5 dB keatas sampai dengan 4,0 dB nilai probabilitas dropping mendekati nilai nol. Hal tersebut berarti bahwa pada saat nilai threshold lebih dari 2,5 dB hampir tidak ada panggilan yang didrop. Probabilitas blocking data pada trafik data mengalami penurunan secara dramatis ketika threshold meningkat. Trafik data menciptakan beban yang tinggi pada sistem. Ketika nilai threshold sebesar 2,2 dB, kapasitas sistem sepertinya tidak banyak menampung trafik data. Sedangkan pada saat nilai threshold sebesar 4,0 dB probabilitas blocking data yang dihasilkan hampir mendekati nilai nol sehingga dapat lebih banyak menampung trafik data.
XII.
PERBANDINGAN PROBABILITAS BLOCKING DAN PROBABILITAS DROPPING DENGAN BESARNYA THRESHOLD Berikut disajikan parameter simulasi yang digunakan untuk melakukan analisis perbandingan probabilitas blocking dan probabilitas dropping dengan besarnya threshold antara 2,2 – 4,0. Tabel 2. Parameter simulasi dengan threshold antara 2,24,0 Parameter simulasi Nilai Rata-rata jumlah user 700 Rata-rata waktu pendudukan 120 detik Threshold 2.2 – 4.0 Algoritma Admission Control Load Factor Reserved Capacity 5%
XIII. PERBANDINGAN ANTARA LOAD BASED CAC DAN NOISE-RISE BASED CAC Pada bagian ini, probabilitas blocking, probabilitas dropping dan probabilitas blocking data pada load based call admission control (LB-CAC) akan dibandingkan dengan noise-rise based call admission control (NBCAC) dengan menggunakan parameter-parameter sebagai berikut. Table 3. Parameter simulasi dengan jumlah user 8001200 Parameter simulasi Nilai Rata-rata jumlah user 800-1200 Rata-rata waktu pendudukan 120 detik 2,5 untuk LBCAC Threshold 0,6 untuk NBCAC LB-CAC dan Algoritma Admission control NB-CAC Reserved capacity untuk handover 5%
Pengaruh dari meningkatnya threshold ke probabilitas blocking dan probabilitas dropping dapat dilihat dari hasil simulasi pada gambar 8 dibawah ini : 0.8 PB PD PB-D
0.7 0.6
Probabilitas
0.5 0.4 0.3 0.2 0.1 0 2.2
2.4
2.6
2.8
3 3.2 Threshold
3.4
3.6
3.8
4
Pada simulasi ini, hasil diperoleh dengan LB-CAC pada threshold 2,5 dimapping dengan NB-CAC pada threshold 0,6 dengan user antara 800 sampai 1200. Hasil simulasi ditunjukkan pada gambar berikut.
Gambar 8. Perbandingan probabilitas blocking dengan threshold
5/6 Proceedings Seminar Tugas Akhir Jurusan Teknik Elektro FTI – ITS.
4. 1 0.9 0.8
Blockingprobability
0.7
BP LB-CAC BP NB-CAC DP LB-CAC DP NB-CAC D-BP LB-CAC D-BP NB-CAC
0.6
5.
0.5 0.4 0.3 0.2 0.1 0 800
850
900
950 1000 1050 Average Number of Users
1100
1150
1200
Dari hasil simulasi didapatkan bahwa sistem dengan nilai threshold 3,2 dB atau lebih mempunyai nilai probabilitas blocking yang lebih kecil daripada sistem dengan nilai threshold 2.2 dB. Hal ini menunjukkan bahwa nilai threshold yang tinggi dapat menampung panggilan lebih banyak daripada nilai threshlod yang rendah. Dari hasil simulasi didapatkan bahwa sistem dengan CAC yang menggunakan algoritma load based dan algoritma noise rise akan mempunyai hasil yang sama jika diset dengan threshold yang tepat. Misalnya sistem yang menggunakan algoritma load based dengan threshold 2,5 akan mempunyai hasil yang sama dengan sistem yang menggunakan algoritma noise rise dengan threshold 0,6.
Gambar 9. Perbandingan antara LB-CAC dan NB-CAC Dari pengamatan gambar 9, diketahui bahwa tidak ada perbedaan yang begitu besar antara probabilitas blocking pada LB-CAC NB-CAC. Jika threshold diset dengan tepat, maka antara kedua algoritma CAC akan mempunyai hasil yang sama. V. KESIMPULAN 1. Dari hasil simulasi didapatkan bahwa nilai probabilitas blocking, probabilitas dropping dan probabilitas blocking data mempunyai nilai terkecil pada saat waktu pendudukan sebesar 1 menit dibandingkan dengan yang lain. Hal tersebut menunjukkan bahwa pada saat waktu pendudukan sebesar 1 menit, sistem tidak mengalami congestion sehingga hampir semua panggilan masuk diterima baik pada voice maupun trafik data dan pada voice hampir tidak ada panggilan yang didrop. 2. Dari hasil simulasi didapatkan bahwa nilai probabilitas blocking, probabilitas dropping dan probabilitas blocking data akan mengalami kenaikan jika nilai waktu pendudukan mengalami kenaikan. Pada saat waktu pendudukan 2 menit, nilai probabilitas blocking mengalami kenaikan pada saat user lebih dari 500. Sedangkan pada waktu pendudukan sebesar 3 menit, nilai probabilitas blocking sudah mulai mengalami kenaikan pada saat user mencapai 350 lebih. Hal tersebut menunjukkan bahwa semakin besar nilai waktu pendudukan maka sistem akan mengalami congestion sehingga banyak panggilan baik voice maupun trafik data yang diblock dan panggilan yang didrop pun semakin banyak. 3. Dari hasil simulasi didapatkan bahwa pada saat waktu pendudukan sebesar 2 menit, probabilitas blocking mengalami peningkatan pada saat sistem menampung user lebih dari 500 sedangkan probabilitas dropping tetap mendekati nilai nol. Hal ini menunjukkan bahwa seiring dengan bertambahnya jumlah user, probabilitas blocking akan mengalami peningkatan yang lebih besar daripada probabilitas dropping.
DAFTAR PUSTAKA Rachod Patachaianand, Kumbesan Sandrasegaran, “Simulation of Call Admission Control in Multi-Traffics WCDMA System”, Institute of Information and Communication Technologies and Faculty of Engineering University of Technology Sydney (UTS) H. Holma, and A. Toskala, “WCDMA for UMTS, 3rd Edition”, John Wiley & Sons, 2004. Vijay K. Garg, “Wireless Communications Networking”, San Francisco, 2007.
and
William C. Y. Lee, Ph.D., “Wireless and Celluler Telecommunications”, United States, 2006. Toni Janevski, ”Traffic analysis and design of wireless IP Network”, United States, 2003. RIWAYAT HIDUP Aries Tri P dilahirkan di Surabaya, 20 April 1984. Merupakan putra ketiga dari pasangan Nadjamudin dan Sri Hartini. Lulus dari SDN Jemurwonosari I Surabaya tahun 1996 kemudian melanjutkan ke SMPN 12 Surabaya dan lulus pada tahun 1999. Kemudian melanjutkan ke SMUN 16 Surabaya dan lulus pada tahun 2002. Setelah menamatkan SMU, penulis melanjutkan studinya di Politeknik Elektronika Negeri Surabaya pada tahun 2002. Dan pada tahun 2006 penulis kembali melanjutkan studinya di Institut Teknologi Sepuluh November Surabaya. Pada bulan Januari 2010 penulis mengikuti seminar dan ujian Tugas Akhir di Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI – ITS Surabaya sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Elektro.
6/6 Proceedings Seminar Tugas Akhir Jurusan Teknik Elektro FTI – ITS.
