Model Pembangkitan Curah Hujan Dengan Korelasi Variasi Waktu Dan Tempat

Transkripsi

1 Model Pembangkitan Cuah Hujan Dengan Koelasi Vaiasi Waktu Dan Tempat Made Sutha Yadnya Ai Wijayanti Abstact: This eseach is about modelling the communication channel affected by the ain. The paamete of the model include the fading and polaization change fom 3 GHz milimete wave LMDS (Local Multipoint Distibution Sevice) popagation. The acquisition of data was getting online fom Pasivel device suppoted by ASDO application softwae, and fo ainfall measuement thee ae 3 aingauges used in 4 diffeent locations at the aea of ITS campus. Keywods: place vaiation, time vaiation, LMDS Komunikasi tanpa kabel (wieless) mengalami pekembanggan teknologi sangat pesat, hal ini ditandai dengan pemakaian gelombang ( fekuensi) semakin diatu oleh Pemeintah (Menkopinfo).Untuk fekuensi tinggi sampai ode GHz, gelombang ini dapat megiimkan data infomasi dengan kecepatan tinggi, layanan mencakup audio, video, seta multimedia lainnya, namun menggunakan komunikasi dengan fekuensi ini sangat entan tehadap gangguan (noise) kaena panjang gelombang sangat pendek. Noise komunikasi wieless disebabkan oleh bebeapa hal sepeti : pealatan panas (noise themal), kanal (jalu tansmisi), dan lain-lain. Penelitian ini dikhususkan pada popagasi gelombang dengan memakai tansmisi ode GigaHetz (3 GHz) meupakan aplikasi dai LMDS (Local Multipoint Distibution Sevice). Komunikasi wieless dibentuk kanalkanal dalam penyampaian infomasi, kanal ini dinamai kanal popagasi. Metode stokastik tesebut telebih dahulu kondisi hujan dalam sistem komunikasi dimodelkan dengan kondisi kanal yang mendapatkan fading. Fading umumnya tejadi kaena gelombang tehambu(scatteing), atau banyaknya lintasan pantul kaena objek yang tejadi dikenal juga sebagai multipath fading. Pendekatan fading untuk hujan menggunakan ITU-R P.53-, dan untuk pehitungan teesteial biasanya menggunakan model Cane dengan 3 vesinya yaitu : Global Cane, Two-component Cane, seta Revised two-component Cane, (Cane,3). Sedangkan untuk edaman hujan Made Sutha Yadnya (msyadnya@unam.ac.id), adalah dosen di Univesitas Mataam, Nusatenggaa Baat Ai Wijayanti (aiw@eepis-its.edu) adalah dosen di Politeknik Elektonika Negei Suabaya 65 dai iklim topis dipakai Rec.ITU-R Rep.563-4, dan untuk model dan kaakteistik hujan Rec.ITU-R (Recommendation ITU-R, 5) Model stokastik dai cuah hujan pada lintasan adio gelombang milimete. Model ini mengasumsikan distibusi lognomal bagi cuah hujan dengan paamete-paamete statistik dan fungsi autokovaians yang diketahui. Model ini dapat digunakan untuk membangkitkan baisan behaga iil yang menunjukkan sifat stokastik jangka pendek dai cuah hujan pada lintasan adio yang pendek. Koefisien-koefisien AR dan ARMA yang dipelukan dapat dituunkan dai ata-ata, simpangan baku, dan fungsi autokovaians dai nilai logaitmik cuah hujan. Dua paamete yang disebut petama dipeoleh dai pengukuan di lapangan.. Model AR Pemodelan stokastik diasumsikan cuah hujan (mm/h) adalah wide sanse stationay dan bedistibusi lognomal, maka ini juga menyatakan bahwa edaman spesifik hujan γ (db/km) sepanjang lintasan adio (link) juga bedistibusi lognomal dan stasione[]. Sehingga η = ln α (meupakan logaitma natual dai edaman hujan) akan bedistibusi nomal dengan paamete yang diambil dai pengukuan lapangan. Paamete tesebut adalah median dai edaman hujan α m (ekivalen dengan µ η dai η) dan standa deviasi σ η dai η. Asumsi selanjutnya adalah fungsi otokoelasi dai edaman hujan diketahui atau pengukuan

2 66 Tansmisi, Junal Teknik Elekto, Jilid, Nomo, Juni 8, hlm langsung dai data yang dihasilkan. Untuk fungsi otokoelasi tenomalisasi R ( ) dai cuah hujan yang bedistibusi lognomal, di mana τ adalah waktu tunda, maka fungsi autokovaian ( ) dapat dipeoleh. Posedu pembangkitan cuah hujan miip dengan pembangkitan Rayleigh fading. Suatu deet bedistibusi nomal dengan mean nol dan η o (k) = η o (kτ) di mana k adalah intege dan τ adalah waktu sampling dapat dibangkitkan secaa ecusive dengan: M η ( k ) a ( n ) η ( k n ) c g ( k ) n () dimana a(n) adalah koefisien AR, n =,..., M, M adalah jumlah ode dai poses yang tegantung dai tunda maksimum, g(k) meupakan bilangan deet acak Gaussian mean dan vaian yang dibangkitkan dengan kompute, c adalah fakto yang mendonasikan standa deviasi dai deet noise cg(k). Dengan didapatkannya deet η o (k) maka deet (k) dipeoleh dengan pesamaan : ( k ) exp η ( k) () o µ η Setelah didapatkan nilai autokoelasi hasil dai pengukuan cuah hujan di Suabaya maka fungsi autokoelasi tesebut akan digunakan untuk mencai koefisien AR dengan penuunan pesamaan Yule-Walke : a = -Φ - φ (3) dimana a = [a, a,..., a M ] T φ =[ ( ), (),..., ( M ) () () ( M) () () ( M) Φ (4) ( M) ( M) () dengan = standad deviasi cuah hujan hasil pengukuan. fakto c didapatkan dengan : c M n ] T a n) ( n) di mana: a = (5) ( Dengan pendekatan pobabilitas dai pada teoi distibusi nomal, µ η dan σ η akan didapatkan. Maka nilai mean µ x dan vaians σ x didapatkan dengan pesamaan : σ = exp(µ η + σ η )[exp(σ η )-] (6) µ = exp(µ η + σ η / ) (7) jika fungsi otokoelasi ρ (n) cuah hujan diketahui maka autokovaian tenomalisasinya adalah: ' ' ( ) ( n ) ( n ) (8) dan fungsi autokovaian n yang digunakan pada pesamaan : n ln n exp xt (9) Model ARMA Pembangkitan cuah hujan dengan model ARMA ini ditunjukkan dengan pesamaan (): p y( n) a( i) y( ni) b( j) v( n j) () i j dimana p adalah ode dai poses AR, q adalah ode dai poses MA, a adalah koefisien AR, b adalah koefisien MA, v adalah bilangan acak gaussian mean dan vaian yang dibangkitkan dengan kompute. Kaakteistik Koelasi Hujan Sejumlah pape telah melapokan bebeapa model empiis spasial cuah hujan. Moita-Higuti menghasilkan metode stuktu spasial cuah hujan yang diepesentasikan dalam koefisien koelasi cuah hujan dai pengukuan cuah hujan selama sepuluh tahun di Jepang. Metode ini sangat sukses diaplikasikan untuk pediksi stastistik edaman hujan dalam peneapan divesity untuk link satelit-bumi di Jepang. Capsoni et all menghasilkan model koelasi spasial yang lain dai obsevasi ada di Italy. Lin mengajukan model empiis koelasi spasial edaman spesifik dai pengukuan cuah hujan menggunakan ain gauge di Ameika Utaa. Mengingat vaisi spasial cuah hujan dan edaman spesifik dai lokasi satu dengan lokasi yang lain begantung iklim, topogafi, tipe cuah hujan dan lain-lain, maka implementasi teknikteknik mitigasi sehausnya menggunakan koefisien koelasi yang sesuai untuk lokasi tesebut. q

3 Yadnya, Pembangkitan Cuah Hujan dengan Koelasi Vaiasi Waktu dan Tempat 67 Sedangkan model spasial edaman spesifik Lin juga mendekati untuk wilayah Suabaya. Hal ini menunjukkan bahwa sel hujan untuk wilayah Suabaya sangat besa Koelasi spasial cuah hujan dan statistik edaman hujan dai penelitian ini diekomendasikan sebagai salah satu paamete dalam implementasi teknik divesity di Suabaya. pada peneapan teknik-teknik mitigasi edaman hujan sepeti site divesity. Model koefisien koelasi spasial cuah hujan dan edaman spesifik bevaiasi dai satu lokasi dengan lokasi yang lain. Untuk iklim di Jepang, obsevasi dilakukan oleh Moita-Higuti menggunakan sinkonisasi ain gauge dan menghasilkan model koelasi spasial fungsi jaak sepeti pada pesamaan (). ( d) exp( d) () dimana (d) adalah koefisien koelasi sebagai fungsi jaak dan nilai α bekisa.-.3 km -/.. Melalui obsevasi ada di Itali, Capsoni et all mengajukan tipe yang lain dai model koelasi spasial cuah hujan sebagai fungsi jaak sepeti ditunjukkan oleh pesamaan (). ( d) exp( d ) () Pengukuan cuah hujan dengan menggunakan disdomete, kemudian memodelkan cuah hujan dengan model AR dan ARMA, lalu dibandingkan nilai Standad Deviasi dan Autokoelasinya. Pengukuan cuah hujan dilakukan didalam lingkungan kampus ITS Suabaya menggunakan disdomete yang diletakkan diatas atap gedung Teknik Mesin dan analisa data dilakukan di Laboatoium Peambatan Gelombang Elektomagnetik dan Radiasi, Juusan Teknik Elekto. Disdomete disetting menggunakan softwae Hydas yang hanya bisa mendeteksi cuah hujan (mm/h) dengan waktu sampling 6 detik dan softwae Asdo yang bisa mendeteksi cuah hujan (mm/h) dan distibusi titik hujan (DSD) dengan waktu sampling detik. Disdomete optic bekeja bedasakan system lase optic. Pengukuan dapat dilakukan secaa eal time, jika ada patikel-patikel hujan yang melewati balok lase maka disdomete dapat mendeteksi cuah hujan (mm/h) dan distibusi titik hujan (DSD) dapat dilihat pada Gamba, kemudian hasilnya disimpan dalam softwae yang disebut data pasivel yang blok diagam sistem pengukuan secaa keseluuhan dapat dilihat pada Gamba. dimana (d) adalah koefisien koelasi sebagai fungsi jaak dan nilai α bekisa.46km -/.. Klasifikasi Hujan Dalam penelitian ini cuah hujan dibagi dalam kelompok, yaitu hujan statifom dan convective. Kaakteistik hujan staatifom yaitu cuah hujannya kuang dai 5 mm/h, duasinya lebih dai satu jam dan cakupan lokasinya luas. Sedangkan kaakteistik hujan convective memiliki cuah hujan yang tinggi diatas 5 mm/h, duasinya singkat (bebeapa menit) biasanya disetai badai, dan cakupan lokasinya tetentu [5]. Hasil pengukuan cuah hujan dapat telihat pada Gamba. Gamba tesebut menjelaskan bahwa kecepatan cuah hujan dipegauhi oleh besanya titik hujan yang jatuh metode yang dipakai adalah Gain-Kyse. Posentasenya dibeikan dalam suatu kuun waktu tetentu (biasanya dalam tahun). Jadi jika dikatakan posentase waktu.% (R. ), ini beati besanya cuah hujan ata-ata yang melebihi cuah hujan pada pengukuan dalam kuun waktu. % dalam setahun (5.56 menit). Gamba. Pengukuan Menggunakan Softwae ASDO Gamba. Sistem Pengukuan Online 5 A B D Gamba 3. Data Cuah Hujan degan 3 Rain Gauge

4 68 Tansmisi, Junal Teknik Elekto, Jilid, Nomo, Juni 8, hlm Intensitas hujan 6 Desembe 7 A B D 6 4 Powe Fade Signal Data Kanal Data Kanal Level Rain ate Gamba 4. Vaiasi Waktu dan Tempat Cuah Hujan 6 Desembe 7 Rainate (mm/h) Geneate Rain Rate in Descembe 7 Measuement Sample Gebeate AR Coeltion Gamba 5. Pembangkitan model AR koelasi tempat dan waktu. Rainate (mm/h) Geneate Rain Rate in Descembe Sample Gebeate AR Coeltion AR AR Measuement Gamba 6. Pembangkitan model MA koelasi tempat dan waktu. Rainate (mm/h) Geneate Rain Rate in Descembe 7 MA MA Measuement ARMA ARMA Sample Gebeate ARMA Coeltion Gamba 7. Pembangkitan model ARMA koelasi tempat dan waktu Time Seies Gamba 8. Pembangkitan model ARMA koelasi tempat dan waktu. Hasil Simulasi Hasil simulasi pada Gamba data hasil pengukuan yang diplot sesuai dengan jumlah sampel pengukuan mengunakan Pasivel, untuk Gamba alian data dai alat penguku sampai data yang dapat diolah dengan Matlab, Gamba 3 data yang diuku dengan menggunakan ain gauge dai 3 tempat yang bebeda, Gamba 4 ini menunjukan bahwa cuah hujan tejadi lama yaitu detik untuk satu sampel, Data dai hasil pengukuan dilog-natual hasinya dapat dilihat pada Gamba 4. yang meupakan vaasi waktu dan tempat, Gamba 5 simulasi untuk pembangkitan AR, gamba 6 simulasi untuk pembangkitan MA dan Gamba 7 untuk pembangkitan ARMA. Hasil simulasi ini dapat dipegunakan untuk pehitungan powe link budjet sistem LMDS seta menggunakan teknik divesity untuk mitigasinya. Gamba 8 meupakan hasil yang menunjukan hasil koelasi antaa dua link dipelihatkan bahwa ini peubahan sinyal yang fluktuatif. Diskusi Hujan meupakan pengganggu tansmisi sinyal kaena mendapatkan pelemahan, ini meupakan suatu pemasalahan di bidang telekomunikasi khusus teknologi wieless. Kondisi kanal juga bebeda tiap-tiap pegiiman fekuensi yang dipakai. Untuk fekuensi 3GHz mempunyai kelemahan gelombang sangat pendek ode milimete untuk mendapatkan pefoma baik (diinginkan) pelu mendiasain anti fading. Pendisainan dai komunikasi wieless dipelukan metode tepat untuk mitigasi aga komunikasi dapat telaksana walaupun dengan kondisi hujan. Pengolahan data statistik dai makalah ini dapat sebagai acuan untuk penelitian selanjutnya. Koelasi anta link menimbulkan suatu pemasalah kaena hujan begeak sesuai dengan aah angin yang mempunyai kecepatan tetentu.

5 Yadnya, Pembangkitan Cuah Hujan dengan Koelasi Vaiasi Waktu dan Tempat 69 Dalam teknik mitigasi yang haus dipegunakan powe kontol atau modulasi adaptive. Kesimpulan Hasil distibusi pengukuan cuah hujan dipegunakan sebagai validasi model pembangkitan distibusi lognomal. Pembangkitan distibusi lognomal dipegunakan paamete statistik log-natual dai data hasil pengukuan cuah hujan, paamete tesebut adalah ata-ata dan vaian tiap even. Uji distibusi dilakukan dengan caa distibusi model dibandingkan distibusi data hasil pengukuan cuah hujan. Model AR memiliki keunggulan pada CDF fade slope untuk sinyal nonstsione. Model MA unggul pada CDF fade slope untuk sinyal stasione. Model ARMA unggul dalam CCDF, ata-ata, sigma, vaian, seta autokoelasi pada sinyal stasione. Hasil simulasi yang sudah dilakukan oleh peneliti dibeikan ekomendasi bahwa apabila yang dipelukan adalah pembangkitan sinyal cuah hujan stasione (statifom) digunakan model ARMA, sedangkan untuk pembangkitan sinyal cuah hujan nonstasione (konvektive) digunakan model AR. Ucapan Teimakasih Riset Makalah ini didukung oleh JICA poyek PREDICT-ITS, DPM Dikti Depdiknas dana Hibah Penelitian Fundamental dan Laboatoium Antena dan Popagasi (B36). Reseach Gant A Juusan Teknik Eleto Univesitas Mataam. DAFTAR RUJUKAN Rec.ITU.838-4,3, Chaacteistics Rain of Pecipilation fo Modeling. Salehudin.M, B.Hanantasena, L.J.M Wijdemans 999, Ka-Band Line of Sight Radio Popagation Expeiment in Suabaya Indonesia, Fifth Ka-Band Utilization Confeence. Hendantoo.G,4, An Autoegessive Model fo Simulation of Time-Vaying Rain Rate, ANTEM 4 Bugueno, E. Vila, M. Puigceve 99, Spectal Analysis of 49 Yeas of Rainfall Rate and Relation to Fade Dynamics, IEEE TRANSACTION ON COMMUNICATION Vol.38 no.9 pp( ) Yadnya, M.S, Mauludiyanto.A, Muiani, Hendantoo.G,Wijayanti.A,Mahmudah. H, Simulation of Rain Rate and Attenuation in Indonesia fo Evaluation of Millimete-wave Wieless System Tansmission, ICSIIT 6 Juli 7,pp Moita.K & Higuti, 976, Pediction Method of Rain Attenuation Distibution of micomillimete waves, Rev Elect.communication Lab vol 4, no 7-8, pp Yadnya, M.S, Mauludiyanto.A, Hendantoo.G (8a) Simulation of Rain Rates fo Wieless ChannelCommunication in Suabaya, Kumamoto ICAST 4 Maet 8, pp Yadnya, M.S, Mauludiyanto.A, Hendantoo.G (8b) Pemodelan ARMA untuk Cuah Hujan di Suabaya, SITIA 8 May 8 Suabaya, ISBN , pp 6-67 Yadnya, M.S, Mauludiyanto.A, Hendantoo.G (8c) Statistical of Rain Rate fo Wieless Channel Communication in Suabaya,WOCN 5-7 May 8 Suabaya-Indonesia, IEEE, ISSN Yadnya, M.S, Mauludiyanto.A, Hendantoo.G (8d) Akaike Infomation Citeia Application to Stationay and Nonstationay Rainfalls fo Wieless Communication Channel in Suabaya, ICTS 5 August 8 Suabaya-Indonesia, ISSN , pp Yadnya, M.S, Mauludiyanto.A, Hendantoo.G (8e) ARMA Modeling fom Rain Rate Measuement to Simulation Communication Channel Model fo Millimete Wave in Suabaya, Kumamoto Foum 8, pp -3. Yadnya, M.S, Astuti K.R, Hendantoo.G (8f), Pembangkitan Cuah Hujan dengan Model MA (Moving Aveage) dai Hasil Pengukuan di Suabaya, SNAST 8, 3 Desembe 8 Jogyakata- Indonesia ISSN 979-9x, pp -.