PROSIDING SEMINAR NASIONAL GEOFISIKA 2014 Optimalisasi Sains dan Aplikasinya Dalam Peningkatan Daya Saing Bangsa Makassar, 13 September 2014

Transkripsi

1 Analisis Penggunaan Evolutionary Programming Untuk Penempatan Posisi Node B Hsdpa (Analysis of Evolutionary Programming Utilization for Placement of Node B HSDPA Position) 1 Andi Isni Pujirana, 2 Yayuk Verawaty, 3 Suyanto 1 Fakultas MIPA Universitas Hasanuddin 2,3 Fakultas Elektro dan Komunikasi Institut Teknologi Telkom Bandung ABSTRACT Rapid population growth resulting in residential area spreads nearly all the place. At the same time, growth of needs for communication services is also increasing. This high demand from the community for data services access with high bit rates can be provided by HSDPA technology. High Speed Downlink Packet Access (HSDPA) is one of the latest technology in mobile telecommunication systems which is issued by 3GPP Release 5, it is also known as 3.5-generation technology (3,5 G). To be able to serve high traffic demand and wide coverage area, one of the factor that need to be considered is positioning of HSDPA Node B. Therefore, in this final project, Node B placement in Bandung was designed using Evolutionary Programming simulated in Matlab. Evolutionary programming is one of the artificial intelligence subfield which optimizes solutions of a problem using certain parameters to apply mechanism of natural selection and the genetic manipulation. HSDPA cells design in this Final Project was done based on traffic capacity and coverage. The frequency used was 2000 MHz, therefore from this cell design, it was obtained that the number of Node are 39 sites with the radius of each 1.28 km. Evolutionary Programming plays an important role in the placement of these 39 Node B to obtain the most optimum position which can cover the demand of traffic and the coverage of Bandung. Results from Evolutionary Programming simulation obtained Node B HSDPA placement with fitness value of 55329, it means the system can cover 85.66% of the traffic demand and coverage of Bandung, the area covered an area of km 2 and the that is not covered an area of km 2. The total computing time needed by Evolutionary Programming is approximately 58 hours. 1. PENDAHULUAN 1.1. Latar Belakang Untuk dapat melayani demand trafik yang tinggi dan coverage yang luas, salah satu faktor yang mempengaruhi adalah posisi penempatan Node B HSDPA. Berdasarkan tugas-penelitian sebelumnya, penempatan Node B disimulasikan dengan algoritma genetika, maka pada Penelitian saya ini disimulasikan dengan Evolutionary Programming. merupakan salah satu algoritma pencari solusi suatu masalah optimasi yang menggunakan parameterparameter tertentu untuk menerapkan mekanisme seleksi alam dan manipulasi genetika. 1.2 Tujuan Tujuan dari penelitian yang akan dilakukan yaitu meliputi : 1. Mendapatkan jumlah dan jari-jari sel Node B di kota Bandung dari hasil perancangan berdasarkan kapasitas trafik dan coverage. 2. Mendapatkan posisi penempatan Node B dengan menggunakan Evolutionary Programming yang disimulasikan di software matlab. 3. Analisis hasil penempatan Node B HSDPA menggunakan Evolutionary Programming 1.3 Rumusan Masalah Dalam Penelitian ini akan dibahas beberapa permasalahan antara lain: 1. Bagaimana perancangan Node B HSDPA agar didapatkan jumlah dan jari-jari sel yang dapat meng-cover demand trafik dan coverage kota Bandung? 2. Bagaimana cara kerja Evolutionary Programming dalam menentukan posisi Node B di kota Bandung? 3. Bagaimana pengaruh parameter yang digunakan dalam Evolutionary Programming terhadap nilai fitness yang dihasilkan? 4. Berapa persentase keakuratan program dan presentase daerah ter-cover serta tidak tercover? 2.1 Arsitektur Jaringan HSDPA 225

2 HSDPA merupakan evolusi dari UMTS, sehingga arsitektur jaringan HSDPA tetap menggunakan arsitektur jaringan UMTS. 2.2 Konsep Dasar HSDPA High Speed Downlink Packet Access (HSDPA) adalah suatu teknologi terbaru dalam sistem telekomunikasi bergerak yang dikeluarkan oleh 3GPP Release 5 dan merupakan teknologi generasi 3,5 (3,5G). HSDPA mempunyai layanan berbasis paket data di WCDMA downlink dengan data rate mencapai 14,4 Mbps dan bandwith 5 MHz pada WCDMA downlink. 2.3 Downlink Link Budget Downlink link buget pada jaringan UMTS bertujuan untuk menghitung pathloss maksimum pada air interface dari BS sampai ke UE. SINR dapat dihitung jika diketahui nilai dari HSDPA power, BS total Tx power, orthogonality, dan G- factor. Persamaan SINR untuk HSDPA yaitu : * + Nilai G (geometry factor) mempunyai korelasi dengan Ec/Io (average channel power to total signal strength), sehingga nilai G dapat dihitung melalui formula berikut : 2.4. Model Propagasi Model propagasi yang digunakan pada perencanaan node B HSDPA ini adalah model Cost 231-Hata Cost231-Hata model Formula model Cost 231-Hata adalah sebagai berikut L 46,3 33,9.log f 13,82.log h C C [44,9 6,55.log h ]. log d C Dimana 0 db, untuk kota menengah dan area suburban C 3 db, untuk area metropolit an C C 0, untuk area urban 2 f 5,4 2 log, untuk area suburban 28 B H 2.5 Radius Jumlah Sel Berdasarkan Pathloss Dari model propagasi cost 231-Hata bisa didapatkan radius sel berdasarkan pathloss yang didapat dari perhitungan link budget, maka luas coverage sel dihitung melalui persamaan berikut C B [1] [2] [5] [3] L = K.R 2 [6] Dari radius sel, maka jumlah sel dapat dihiutng dengan persamaan berikut : [7] j 2.6 Estimasi trafik per user Trafik pada jam sibuk dapat dihitung dari besarnya MoU perbulan, peak-to-averages inter-day, dan peak-to-averages intra-day. Nilai trafik per pelanggan dapat dihitung : 2.7 Throughput Sel pada HSDPA Throughput HSDPA ditentukan oleh bit rate yang dapat diberikan. Adapun persamaan untuk bit rate HSDPA yaitu : hip [9] 2.8. Evolutinary Programming Definisi Evolutionary programming merupakan bagian dari Evolutionary Computation. Evolutionary programming adalah salah satu algoritma pencari solusi suatu masalah menggunakan parameterparameter tertentu dengan menggunakan seleksi orang tua yang deterministik. Evolutionary programming hanya menggunakan mutasi saja, tidak ada rekombinasi Representasi Individu Individu pada EP juga direpresentasikan ke dalam kromosom menggunakan bilangan real. Terdiri dari dua bagian : a. Variabel objek : x 1,...,x n b. Mutation step sizes : σ 1,...,σ n Seleksi Orang Tua Pada EP, setiap orang tua menghasilkan satu anak melalui proses mutasi Mutasi Pada EP, mutasi merupakan satu-satunya proses untuk menghasilkan kromosom baru. Mutasi dilakukan dengan cara mengubah nilai gen dengan menambahkan bilangan random yang dibangkitkan berdasarkan distribusi normal. Suatu kromosom (x 1,...,x n, σ 1,...,σ n ) bisa menghasilkan kromosom baru dengan adanya mutasi terhadap σ dan x yang diperoleh menggunakan rumus sebagai berikut : l 226

3 σ i ' = σ i ( 1+αN (0,1)) x i x i + σ i '. N i (0,1) dimana α adalah suatu konstanta yang biasanya disset sekitar 0,2 (α 0,2) Seleksi Survivor Suatu populasi P pada generasi t memiliki µ individu. EP menggunakan pairwise competitions dalam format round-robin, dengan cara : a. Setiap solusi x dari gabungan P(t) ᴗ P ( ) dievaluasi dengan cara membandingkan x terhadap sejumlah q solusi lain yang dipilih secara acak. b. Untuk setiap pembandingan, suatu skor m n ng dib ik n jik x l bih b ik dibandingkan lawannya. c. S j ml h µ ol i d ng n j ml h m n ng yang paling banyak akan bertahan hidup pada generasi berikutnya (t+1). 2.9 Faktor Kondisi Penghenti Terdapat 3 kondisi yang dapat menghentikan proses algoritma, yaitu: 1. Generation : algoritma akan berhenti ketika mencapai jumlah generasi yang telah ditentukan. 2. Time limit : algoritma akan berhenti ketika mencapai waktu yang telah ditentukan. 3. Fitness limit : algoritma akan berhenti ketika mencapai nilai fitness yang diinginkan. 3.1 Diagram Alir Perencanaan Perencanaan adalah proses mendefinisikan tujuan, membuat strategi untuk mencapai tujuan, dan mengembangkan rencana. Perencanaan jaringan dilakukan agar pembangunan yang dilakukan dapat terencana dan optimal. Berikut ini akan dijelaskan tahap perencanaan pcenempatan Node B HSDPA : Mulai Penentuan daerah Perencanaan (Kota Bandung) Penentuan Frekuensi Kerja Dan Bandwidth Estimasi Jumlah Pelanggan Gambar 3.1 Diagram Alir Perencanaan Pada diagram alir diatas, daerah perencanaan ditentukan di Kota Bandung. Frekuensi yang digunakan adalah frekuensi 2000 MHz dengan bandwidth 5 MHz. Perencanaan sel yang dilakukan berdasarkan kapasitas dan coverage, dari perencanaan tersebut didapatkan jumlah Node B dan jari-jari sel yang dapat meng-cover seluruh kota Bandung. Setelah diketahui jumlah dan jari-jari tiap Node B yang dibutuhkan, selanjutnya perlu menempatkan Node B untuk melayani demand trafik dan coverage yang luas. Pada penelitian ini, masalah penempatan Node B diselesaikan dengan Evolutionary Programming, yaitu algoritma yang ideal untuk masalah optimasi Profil daerah perencanaan Keadaan Geografi Posisi kota b nd ng l k n BT d n 6 55 LS. P m k n n hny l if d, terletak sekitar 4 m diatas permukaan laut dengan luas wilayahnya 167,29 km Populasi Penduduk kota Bandung pada Akhir 2008 berjumlah jiwa, terdiri dari jiwa penduduk laki-laki dan jiwa penduduk perempuan. Rata-rata kepadatan penduduk kota Bandung ,41 jiwa/km Link Budget Downlink Budget ( HSDPA) Pada link budget UMTS salah satu paremeter yang penting adalah Eb/No. Persamaan SNIR untuk HSDPA yaitu : G didapat melalui persamaan : * + [1] [2] Perencanaan berdasarkan kapasitas Perencanaan berdasarkan coverage TIdak Nilai parameter-parameter untuk mencari SINR : Sehingga: Analisis R cov > R cap? Ya Penempatan NodeB menggunakan Evolutionary Programming ( ) TIdak Penempatan NodeB optimum? Selesai Ya * + 1,9027 2,79 db 227

4 Tx EIRP = Tx power HSDPA + Tx antenna gain cable loss = 37,4 dbm + 18 dbi 2 db = 51,26 dbm Downlink MAPL = Tx EIRP Receiver sensitivity + UE antenna gain UE body loss - Fading Margin Penetration loss = 51,26 dbm ( 104,01 dbm) + 2 db 0 db 4 db 8 db= 145,27 db 3.4. Radius arah downlink Radius arah downlink dengan formula cost 231- Hata: L downlink = 46,3 + 33,9.log f 13,82.log h B C H C C + [44,9 6,55.log h B ].log d + C 145,27 = 46, ,9.log ,82.log 30 ( 0,00092) + [44,9 6,55.log 30].log d + 3 4,48 = 35,22 log d log d = 0,1272 d = 1,34 km dari formula cost 231-Hata didapat radius sel untuk arah downlink yaitu 1,34 km Perhitungan jumlah sel berdasarkan pathloss Dari hasil link budget didapatkan nilai dari maksimum pathloss (MAPL) untuk downlink. Dimana nilai downlink tersebut didapatkan radius sel untuk arah downlink yaitu 1,34 km. Sehingga jumlah sel yang dibutukhan untuk mengcover area : l 167,29 Dari jumlah penduduk total kota Bandung diambil asusmsi bahwa sebanyak 64 % merupakan pelanggan potensial. Pelanggan potensial ini didasarkan pada penduduk yang sudah dapat memiliki alat komunikasi baik hand phone maupun laptop, yaitu pada range usia antara tahun. Untuk 4 tahun ke depan jumlah pelanggan Estimasi Trafik Dari data diketahui trafik per pelanggan pada layanan 3G : a. Rata-rata jumlah pelanggan : pelanggan b. Trafik data 3G rata-rata/bulan : ,4577 Mbit c. Trafik data HSDPA rata-rata/bulan : ,7596 Mbit d. Trafik voice/bulan : ,9943 erlang e. Trafik video/bulan : ,686 erlang a. Trafik voice per pelanggan , ,9943 1,12 b. Trafik layanan video per pelanggan , Prediksi Jumlah Pelanggan Dalam penelitian ini, jaringan dirancang agar dapat menangani trafik user sampai 4 tahun ke depan. Menurut data dari pemerintah kota Bandung, jumlah penduduk kota Bandung jiwa ,

5 0,9 c. Trafik layanan data per pelangga d , ,2 c. Jumlah pelanggan 3G telkomsel sebesar user, didapat penetrasi user pada busy hour : a. b. mon hly PS ffi p b c. 629,57 bi 81, Penetrasi User pada Busy Hour Dari data trafik 3G didapat trafik pada jam sibuk untuk voice 4,98 me, video 4 me, dan data 5,99 me. Nilai holding time untuk masing-masing layanan pada busy hour : a. Holding time untuk voice = 4,98 me = 0,298 MoU = 17,94 detik b. Holding time untuk video = 4 me = 0,24 MoU = 14,4 detik c. Holding time untuk data = 5,99 me = 0,36 MoU = 21,6 detik Hasil pengukuran 1328 user pada jam sibuk. Dengan penetrasi layanan 60% untuk voice, 10% untuk video, dan 30% untuk data, maka active user pada jam sibuk : a. b. 3.9 Throughput Demand Service Voice 60 % 15,87% kbps Video 10% 3,29% kbps Data 30% 6,59% kbps Jumlah pelanggan pada tahun ke pelanggan. Dengan penetrasi user pada jam sibuk : Nilai throughput untuk masing-masing layanan pada busy hour : Penetrasi pelanggan a. Th n k voi : data rate v : kbps 0,65 : 254,134 Mbps b. Th n k vid o : data rate v : kbps 1 : 108,032 Mbps c. Th untuk data : data rate (1- BLER) : kbps (1-0,01) : 1285,7 Mbps Penetrasi user pada busy hour Jumlah user pada busy hour 229

6 Throughput demand total : 254,134 Mbps + 108,032 Mbps ,7 Mbps = 1647,87 Mbps 3.10 Kapasitas sel arah downlink Dengan chip rate sebesar 3,84 Mcps, data rate per sektor : hip 3,84 Kapasitas maksimal per sector HSDPA dengan asumsi BLER 1 % :Max throughput/sector : data rate (1-BLER) : 14,4 Mbps (1-0,01) = 14,256 Mbps Penggunaan sektorisasi dapat menambahkan jumlah kapasitas sel dengan mengurangi co-chanel interference. Ada beberapa pilihan dalam sektorisasi 180, 120, 90. Yang umum dugunakan yaitu 120. Dengan antena trisektoral kapasitas sel meningkat 3 kali lipat sehingga : Throughput/sel : 14,256 Mbps 3 = 42,768 Mbps 3.11 Perhitungan Jumlah Sel Berdasarkan kapasitas HSDPA Berikut adalah proses untuk menentukan jumlah sel yang dibutuhkan untuk memenuhi trafik demand yang harus dipenuhi oleh jaringan : 3.12 Penempatan Node B Menggunakan Evolutionary Programming Penempatan Node B menggunakan evolutionaty programming yang merepresentasikan posisi Node B kedalam gen dan deretan posisi Node B kesebuah kromosom. Proses evolutionary programming diimplementasikan untuk menempatkan Node B untuk mencapai coverage yang luas dan dapat melayani demand trafik yang tinggi dalam pemetaan matrik dua dimensi, dengan bilangan real untuk merepresentasikan posisi Node B pada koordinat x dan koordinat y. Dengan matrik x yang merepresentasikan posisi bujur dan matrik y untuk pisisi lintang.. Satu titik dalam matrik mendefinisikan satu wilayah dengan ukuran 50x50 m. Dengan rentang [0,378] untuk marik x dan range [0,270] untuk matrik y sehingga terdiri dari posisi matrik Diagram Alir Simulasi Mulai Representasi Kromosom Inisialisasi Populasi Seleksi Orang Tua Mutasi ( ) h o ghp d m nd p l ngg n ( bp ) ( ) Berdasarkan perhitungan throughput demand pelanggan pada tahun ke-4 (2013) yaitu : ( ) Dengan jumlah sel 39, radius sel adalah 1,28 km 2 untuk mencakup seluruh area kota Bandung. bp Nilai Fitness Seleksi Survivor Pergantian Populasi Tidak Kriteria penghenti ditemukan? Ya Posisi Node B final Selesai Gambar 3.2 Diagram alir simulasi 3.14 Inisialisasi Populasi 230

7 Membangkitkan sejumlah posisi node B dengan koordinat (x,y) secara acak yaitu membangkitkan suatu populasi yang terdiri dari sejumlah individu sesuai dengan ukuran populasi yang merupakan jumlah kromosom dari suatu populasi. Kromosom yang terdiri dari gen-gen yang berisi variabel objek berupa deretan posisi 39 node B dan mutation step zise berupa deretan gen-gen sepanjang ukuran posisi node B yang dibangkitkan secara acak Fitness Penentuan nilai fitness tergantung dari dua parameter yaitu luas daerah yang ter-cover dan daerah demand trafik yang dilayani. Luas coverage sel = luas sel tanpa irisan luas sel irisan Luas sel tanpa irisan (L) L Π ( r r r r ) L d l i i n (L ) ( ) ( ( )) Untuk nilai fitness trafik, masing masing daerah di generate satu persatu apakah daerah tersebut termasuk daerah covered atau tidak, dengan persamaan sederhana : Trafik Fungsi Fitness d 2 = (x 1 x 2 ) 2 + (y 1 y 2 ) Representasi Kromosom = Luas Coverage sel + Trafik [7] [8] [9] Gambar 3.3 Representasi Kromosom Gambar 3.3 merepresentasikan kromosom yang tersusun dari 156 gen yang melambangkan posisi node B 1 s/d 39 untuk posisi x dan y, dan posisi 79 s/d 156 untuk mutation step size Mutasi Pada Evolutionary Programming, mutasi ini merupakan satu-satunya proses untuk menghasilkan kromosom baru. Proses ini dilakukan dengan mengganti kembali posisi x dan y pada node B yang akan dimutasikan, yaitu pada tingkat gen dengan cara mengubah nilai gen dengan menambahkan bilangan random yang dibangkitkan berdasarkan distribusi normal yang akan mengubah koordinat node B.Selain itu, dilakukan proses mutasi terhadap σ l bih d h l, d n l nj ny m i h d p x Seleksi Survivor Dalam Evolutionary Programming proses seleksi sangatlah penting untuk menentukan generasi yang mempunyai kesempatan untuk bertahan hidup. Proses ini dilakukan secara proporsional sesuai dengan nilai fitnessnya. Semakin besar nilai fitness yang dimiliki maka semakin besar pula peluang untuk menjadi calon individu di generasi berikutnya Faktor Penghenti Dalam membatasi lamanya proses pencarian nilai fitness yang optimum digunakan jumlah generasi maksimal dimana pencarian nilai optimal akan berhenti pada generasi yang telah ditentukan yaitu pada generasi ke Analisis Hasil Perencanaan Node B HSDPA Berdsarkan hasil perencanaan kapasitas (capacity planning) didapatkan jumlah Node B sebanyak 39 buah yang diperlukan untuk melayani kebutuhan trafik pelanggan kota Bandung. Dan setiap Node B mempunyai jari-jari 1.28 km. Sedangkan berdasarkan hasil perencanaan coverage (coverage planning) didapatkan jumlah Node B sebanyak 36 buah yang diperlukan untuk meng-cover satu kota Bandung. Dan setiap Node B mempunyai jari-jari 1.34 km. 4.2 Analisis Penggunaan Evolutionary Programming Untuk Penempatan Posisi Node B HSDPA Analisis Parameter Evolutionary Programming dalam Penempatan Node B Setelah diketahui jumlah dari Node B yang dibutuhkan untuk meng-cover satu kota Bandung, 231

8 Nilai Fitness PROSIDING SEMINAR NASIONAL GEOFISIKA 2014 selanjutnya perlu menempatkan Node B-Node B tersebut.. Selain itu, perlu paket pengujian parameter Evolutionary Programming untuk mendapatkan fungsi fitness yang optimal. a. Skenario I Hubungan Antara Jumlah Generasi dan Fungsi Fitness Pada simulasi Evolutionary Programming ini, penentuan jumlah generasi untuk menghasilkan fungsi fitness yang maksimal dilakukan dengan mengubah-ubah jumlah generasi dengan ukuran populasi dan mutation step size yang tetap. Adapun hubungan antara ukuran populasi dengan fungsi fitness dapat dilihat pada grafik dibawah ini: Hubungan Jumlah Generasi dengan Nilai Fitness Jumlah Generasi Column2 Gambar 4.4 Hasil Simulasi terhadap Nilai Fitness Maksimum Berdasarkan grafik di atas, didapatkan fungsi fitness maksimum pada generasi penghenti 500 adalah Gambar 4.5 Hasil Simulasi Penenmpatan Node B dengan Generasi 500 Berdasarkan hasil simulasi diatas dapat diketahui tingkat keakuratan program Evolutionary Programming ini yaitu sebesar nilai fitness dibandingkan dengan pemetaan matrik luas coverage dan trafik kota Bandung. Akurasi program = Gambar 4.1 Grafik Jumlah Generasi terhadap Nilai Fitness Dimana pada grafik di atas, nilai fitness yang paling maksimal dihasilkan oleh generasi Analisis Hasil Simulasi Penggunaan Evolutionary Programming Untuk Penempatan Posisi Node B HSDPA Dengan menggunakan parameter hasil skenario, yaitu ukuran populasi 150, mutation step size 0.1 dilakukan simulasi penempatan Node B dengan faktor penghenti simulasi adalah jumlah generasi maksimal yaitu 500 generasi. = x 100 % = % 5.1 Kesimpulan Hal-hal yang dapat disimpulkan dari penelitian ini antara lain: 1. Jumlah Node B yang digunakan sebagai masukan Evolutionary Programming adalah jumlah Node B berdasarkan perencanaan kapasitas, yaitu sebanyak 39 Node B dengan jari-jari 1.28 km. 2. Akurasi program Evolutionary Programming sebesar %, daerah yang tercover trafik dan coverage seluas 143,3 km 2 dan yang tidak tercover seluas 23,99 km 2 dengan total waktu komputasi yang dibutuhkan selama kurang lebih 58 jam. 3. Semakin banyak jumlah enodeb/nodeb maka semakin besar persentase akurasi program, semakin besar daerah yang tercover, semakin kecil daerah yang tidak ter-cover dan semakin lama waktu komputasi. 5.2 Saran Berdasarkan hasil analisa dari pengujian yang dilakukan, maka dapat diambil beberapa saran untuk pengembangan penelitian selanjutnya: 232

9 1. Dalam penempatan Node B sebaiknya ditambah parameter lain misalnya kondisi geografis atau topologi daerah selain demand trafik dan luas coverage. 2. Perlu adanya algoritma lain untuk mengidentifikasi parameter Evolutionary Programming untuk menghasilkan kombinasi parameter Evolutionary Programming yang paling ideal sehingga menghemat waktu pengerjaan. 3. Perlu algoritma lain Evolutionary Programming sebagai pembanding untuk melihat performansi dalam penempatan Node B. DAFTAR PUSTAKA [1] Anshari, Nurkhalis Perencanaan UMTS (Uiversal Mobile Telecommunication System) di Wilayah Banjarmasin. Bandung:IT Telkom [2] Ap lin Si p, Elv An li Performansi High Speed Downlink Packet A (HSDPA) p d Nod B ITB. Bandung :IT Telkom [3] Badan Pusat Statistika Bandung Dalam Angka Bandung : BPS Jawa Barat [4] R i h, Aj y Adv n C ll l Network Planning and Op im ion.engl nd: John Wiley & Sons. [5] Suyanto Algoritma Genetika Dalam Matlab.Yogyakarta: Andi. [6] Suyanto Evolutionary Computation. Bandung: Informatika. 233