Estimasi Posisi Relatif Sensor Pada Jaringan Sensor Nirkabel Menggunakan Metode Geometrik

Transkripsi

1 Estimasi Posisi Relatif Sensor Pada Jaringan Sensor Nirkabel Menggunakan Metode Geometrik Raihana Fauziya Jurusan Teknik Elektro FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-6 Abstract Perkembangan dan penggunaan Wireless Sensor Network (WSN) saat ini sangat pesat khususnya bagi kehidupan manusia. Aplikasi WSN pada umumnya digunakan untuk kebutuhankebutuhan monitoring, tracking dan kontroling. pada beberapa aplikasi, WSN menggunakan banyak sensor yang disebar secara acak dalam suatu area tertentu dalam rangka memperoleh informasi yang luas. Tetapi dalam kenyataanya sedikit dari jumlah sensor yang tersebar tersebut yang diketahui posisinya pada area monitoring. Pada tugas akhir ini, akan dibandingkan algoritma range based atau teknik lokalisasi sensor yang berdasarkan kepada jarak antar sensor, dan akan dibandingkan tiga algoritma Trilateration, Min-Max dan Linear Intersection dengan menggunakan jarak berdasarkan (Receive Signal Strength Indicator). Hasil dari simulasi menunjukkan bahwa untuk Algoritma Trilateration memiliki hasil estimasi posisi sensor yang lebih akurat dibandingkan dengan algoritma Min-Max dan Linear Intersection. Kata kunci: range-based, Wireless Sensor Network, Trilateration, Min-Max, Linear Intersection, Receive Signal Strength Indicator. I. PENDAHULUAN Wireless Sensor Network (WSN) dibentuk dari sejumlah sensor node yang tersebar didaerah monitoring [].Dalam aplikasi Wireless Sensor Network (WSN) menggunakan radio microwave untuk berkomunikasi antara satu node dengan node yang lainnya. Frekuensi kerjanya adalah, GHz, radio frekuensi tersebut akan digunakan untuk tujuan positioning. Pada infrastructure jaringan menggunakan Received Signal Strength Indicator () dalam metode pungukurannya. Kuat sinyal yang diterima dapat diukur dari setiap paket informasi yang diterima, nilai dari kuat sinyal merupakan bagian dari Link Quality Indicator (LQI). Dengan menggunakan nilai, jarak ke node bisa diukur dan dikalkulasikan menggunakan algoritma dengan referensi dari anchor sebagai istilah dari node yang diketahui posisinya[]. Saat sekarang banyak skema lokalisasi node untuk WSN yang mengandalkan keberadaan anchor node yang tersebar diseluruh jaringan sensor. anchor merupakan node sensor yang mengetahui posisinya sendiri dan menjadi acuan atau referensi bagi node sensor yang tidak diketahui karena posisinya yang tersebar. Algoritma penglokalisasian yang berdasarkan pada jarak digunakan untuk mengetahui lokasi dari node yang tidak diketahui. Algoritma dalam lokalisasi dapat dibagi menjadi dua yaitu Range Based dan Range Free. Algoritma range free bersifat sederhana dan tidak membutuhkan perangkat tambahan namun sangat rentan teradap error, sedangkan algoritma range based lebih kuat dalam hal akurasi karena pengukuran berdasarkan kepada jarak. Diantara algoritma yang termasuk kepada range based diantaranya Trilateration, Min-Max dan Linear Intersection (LI) dan banyak lagi yang lainnya. Dalam tugas akhir ini akan dibahas mengenai algoritma yang berdasarkan range based tersebut. II. TEORI PENUNJANG. Model Penyebaran Sensor.. Distribusi Uniform Pemodelan penyebaran sensor pertama yang digunakan adalah distribusi uniform, dimana distribusi tersebut merupakan distribusi yang paling banyak digunakan dalam berbagai analisis statistika. Pemodelan penyebaran sensor dengan menggunakan distribusi uniform dapat dirumuskan dengan: (.) Dimana a merupakan batas minimum panjang daerah yang akan dimodelkan dan b merupakan batas maksimum panjang daerah yang akan dimodelkan, sedangkan rand merupakan perintah yang digunakan untuk mendapatkan bilangan acak dari sampai. dengan mean ( ) bernilai nol dan nilai variansinya (σ^) adalah satu... Distribusi Square Pemodelan penyebaran sensor square adalah penyebaran sensor dengan mengikuti aturan pola tertentu. Pola ini kebanyakan digunakan untuk aplikasi didalam ruangan dimana koordinat dari sensor digunakan. Area Per node (APN) dari model yang teratur ini dihitung dengan persamaan: (.) A p adalah Luas area dari pola, N p adalah jumlah sensor yang menyusun pola, N n adalah jumlah node yang berbagi bidang.. Model Deteksi Sensor Pada tugas akhir ini, model deteksi sensor yang digunakan adalah model deteksi biner. Model deteksi biner merupakan model pendeteksian sensor yang paling sederhana dan banyak sekali digunakan dalam berbagai penelitian jaringan sensor nirkabel. Setiap sensor Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS

2 mempunyai jangkauan sensing masing-masing, jangkauan sensing tersebut sering disebut dengan range sensor (r s ). Range sensor inilah yang menentukan apakah sensor dapat mensensing sesuatu atau tidak. Untuk mengetahui jarak antar target dan sensor dapat menggunakan rumus jarak. Berikut ini adalah probabilitas deteksi biner di sensor ke i Gambar. Ilustrasi Model Deteksi Biner. Metode Perkiraan Jarak Berbasis Perkiraan jarak berbasis RSS (Received Signal Strength) dilakukan dengan men-sense sinyal yang diterima dan mengukur daya total yang diterima, yang bisa menghasilkan sebuah estimasi jarak antara obyek target dan sensor lokasi. Nilai yang diterima menunjukkan kekuatan sinyal yang disediakan sebagai Link Quality Indicator (LQI) sebagai nilai. Ide dibalik RSS ini adalah daya transmisi yang dikonfigurasikan pada perangkat transmisi (P TX ) yang secara langsung mempengaruhi daya yang diterima pada perangkat penerima(p RX ). Menurut persamaan ruang bebas, kekuatan sinyal yang terdeteksi menurun kuadratik dengan jarak ke pengirim[]. Berdasarkan penelitian yang sudah dilakukan selama ini, pengukuran menunjukkan variasi yang besar karena adanya pengaruh fading atau shadowing. Dalam tugas akhir ini, model log normal shadowing[8] digunakan untuk merepresentasikan karakteristik path loss sesuai dengan lingkungan pengukuran. Persamaan berikut mewakili hubungan antara loss dengan eksponen jarak dengan daya, n, dan efek random shadowing (fading) dengan fungsi mean Gaussian dengan standar deviasi (db), X. Nilai path loss dalam db, PL, sebagai fungsi jarak, d, melalui persamaan berikut: (.) Nilai n berdasarkan area pengukurannya dapat dilihat pada tabel. berikut: P RX adalah daya transmisi yang diterima dari transmitter, P TX adalah gelombang power yang tersisa ditransmitter sedangkan N merupakan noise Gaussian additive dengan mean nol dan standar deviasi satu. Pada perangkat penerima, kekuatan sinyal terima diubah menjadi indikator kekuatan sinyal terima () yang didefinisikan sebagai rasio dari daya yang diterima sebagai daya referensi (P ref ). Biasanya daya referensi direpresentasikan sebagai sebuah nilai absolute dari P ref = mw. Nilai bisa didapat dengan menggunakan persamaan dibawah ini : (.). Algoritma Lokalisasi Pada Jaringan Sensor Nirkabel Saat ini banyak skema lokalisasi yang mengandalkan sebagian kecil dari anchor yang tersebar diseluruh jaringan sensor. adalah node sensor yang mengetahui posisinya sendiri (melalui GPS atau konfigurasi manual lainnya) dan menjadi referensi bagi node lain yang posisinya tidak diketahui karena posisinya yang tersebar. Penentuan posisi yang tidak diketahui dalam hal ini dimaksudkan untuk mengeksploitasi karakteristik dari WSN, dan lebih mengandalkan pengukuran jarak dari node ke anchor. Selain itu, karena beberapa keterbatasan khusus pada node sensor, seperti memori dan bandwidh yang rendah, usia baterai yang pendek, keterbatasan komunikasi dan komputansi. Skema lokalisasi umumnya memerlukan pendistribusian, kuat, hemat energi dan banyak lagi yang lain. Algoritma lokalisasi dibagi menjadi dua yaitu Range Based dan Range Free. Pada Tugas akhir ini menggunakan algoritma Range Based... Algoritma Trilateration Algoritma trilateration ini menghitung posisi node dengan menggunakan garis perpotongan dari tiga buah lingkaran node anchor. Tabel. Path Loss Exponent untuk kondisi lingkungan yang berbeda[] Environment n Gambar. Model Penentuan posisi menggunakan algoritma Trilateration Free Space Estimasi posisi menggunakan trilateration, Urban area cellular radio.7 to. node harus tahu posisi dari tiga node referensi Shadowed urban cellular radio to dan jarak kemasing-masing node anchor tersebut. Jarak In Building line of sight.6 to.8 dapat dihitung dengan menggunakan rumus berikut: Obstructed in building to 6 (x x ) + (y y ) = d Obstructed in factories to (x x ) + (y y ) = d (x x i ) + (y y i ) = d n (.6) Sehingga nilai daya yang terima menjadi: Dimana (x,y) adalah posisi node yang akan dihitung, (xi,yi) adalah posisi dari node ke i dari node + N (.) referensi, dan di adalah jarak dari node anchor ke (.9) node. Dalam hal ini kita mempunyai tiga Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS

3 persamaan kuadratik dengan dua, yang dapat di selesaikan secara teori kedalam sebuah persamaan. Persamaan.6 dapat dilinearisasi dengan mengurangkan persamaan terakhir dari persamaan pertama n-, dan dirumuskan dalam sistem perkalian linear dengan form AX = b, dimana: (.).. Algoritma Linear Intersection (LI) Berbeda dengan kedua motode linear intersection (LI) hanya menggunakan node anchor sebagai referensi.,, (.7) Pada akhirnya posisi node yang tidak diketahui dapat dihitung dengan menggunakan standar pendekatan kuadrat terkecil yang dinyatakan dengan persamaan: (.8) Pada kasus pengecualian, invers matriks tidak dapat dihitung dan lateration gagal, perhitungan dilakukan dengan menghitung residu antara jarak yang ditentukan (di) dengan jarak untuk memperkirakan posisi X : (.9).. Algoritma Min-Max Metode dengan nama lain Bounding Box ini menggunakan prinsip yang sama dengan trilateration tapi dengan menggunakan perpotongan antara tiga persegi sebagai area estimasi posisi dari node yang tidak diketahui diperkirakan pada area perpotongan antara kotak persegi yang dapat dilihat pada gambar.. Gambar. Menentukan posisi dengan algoritma Linear Intersection. Seperti terlihat pada gambar diatas A dan B merupakan dua titik kontrol, posisi masing-masingnya adalah (x A,y A ) dan (x B,y B ). P adalah titik yang akan ditentukan nilainya (x,y). Jarak antara P dengan A dan B dinotasikan dengan d a dan db. Posisi P pada LI didapatkan dari hubungan geometri sederhana antara node dengan anchor node, dan dengan prosedur perhitungan yang ringkas. Pertama, hubungan geometris antara titik dengan anchor dapat dinyatakan sebagi berikut: (.) Pada persamaan., x A dan y A diketahui, sehingga jika panjang PG, HE, AE dan GH diturunkan maka x dan y dapat ditentukan. Untuk memperoleh panjang dari masing-masing segmen, beberapa parameter intermediet perlu ditentukan terlebih dahulu, dapat ditentukan dengan hubungan dengan titik yang diketahui sebagai berikut: Selanjutnya ABF AHE PGH, panjang PG, HE, AE dan GH dapat ditentukan dengan persamaan berikut: Gambar. Menentukan lokasi sensor menggunakan algoritma Min-max. Untuk setiap node referensi i, bounding box di tentukan sebagai sebuah kotak dengan pusat dari posisi node ini adalah (x i,y i ), dengan sisi d i ( d adalah jarak estimasi) dan dengan koordinat: Perpotongan dari semua box akan dengan mudah dihitung tanpa operasi floating point dengan mengambil maksimum dari koordinat rendah dan mengambil minimum dari koordinat tinggi dari semua box. Final posisi dari node kemudian dapat dihitung sebagai pusat dari persimpangan semua box yang ditentukan dengan rumus berikut: Dengan dan, dan nilai x dan y dapat ditentukan dengan menggunakan persamaan: Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS

4 Pada aplikasi yang sebenarnya, ada dua hal yang harus diperhatikan. Pertama formula diatas hanya berlaku ketika posisi dari titik P dan dua titik control A dan B sesuai dengan arah jarum jam A B P. Lainnya adalah selama penentuan posisi untuk titik, jika jarak terlalu jauh, solusi H bisa saja berupa nilai jamak, maka titik tidak bisa ditentukan dengan menggunakana LI. III. PERANCANGAN SIMULASI Tahap simulasi dari tugas akhir ini bisa dilihat pada blok diagram pada gambar. berikut ini: Mulai Menetukan Model Sistem Menetukan Parameter Mensimulasikan Algoritma Lokalisasi Membandingkan Kinerja Trilateration, Min-max dan Linear Intersection Melakukan Validasi Selesai Model Sensor Penyebaran sensor Luas Area Parameter Sensor Jumlah Sensor Perhitungan Jarak Penerapan Metode Lokalisasi Menghitung Estimasi Posisi Sensor Membandingkan Hasil Perhitungan Tiap Metode Gambar. Blok Diagram Langkah-langkah Penelitian Estimasi Distribusi Sensor Maxstream. X-Bee Pro dirancang agar dapat memenuhi teknologi ZigBee/IEEE 8... Parameter dapat dilihat pada tabel.. Tabel. Parameter yang digunakan dalam Simulasi Parameter Simbol Nilai Daya Transmisi Tx Power mw range r 6 m Luas daerah L m x m Jumlah Sensor N 8 buah IV. ANALISA DAN PEMBAHASAN. Pengukuran Jarak Area Penyebaran sensor model uniform dapat dilihat pada gambar.berikut: Gambar. Distribusi Sensor Uniform Tabel. Nilai Jarak Pada distribusi Uniform Unknown Ke Distribusi Uniform Sensor Unknown Jarak (meter) 8,7,88 78,7 88,9 67,99 7,6 7,98, 8,6,8 7,,97 98,8 69,77 78,987,7 Tabel. Jarak berdasarkan nilai pada Ditribusi Uniform Unknown Uniform Square Pembangkitan Model System Perhitungan Estimasi Jarak Penetapan Referensi oleh Unknown Estimasi Posisi dengan Algoritma Trilateration, Min-max dan LI Proses Perbandingan Posisi Estimasi dengan Posisi Sebenarnya Perbandingan Error Tiap Algoritma Gambar. Blok Diagram Langkah-langkah Simulasi Dari tabel. diatas dapat kita lihat bahwa nilai berpengaruh kepada estimasi jarak setiap sensor. Semakin rendah nilai atau daya sinyal yang diterima oleh sensor maka jarak yang terukur akan semakin jauh. Distribusi sensor model square dapat dilihat pada gambar. berikut ini: Parameter yang digunakan dalam tugas akhir ini adalah parameter X-Bee Pro yang dibuat oleh Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS

5 Distribusi Square Sensor Unknown Posisi Unknown dengan Metode Trilateral 8 6 Unknown Gambar. Distribusi Sensor Square Tabel. Nilai Jarak Pada distribusi Square Gambar. Trilateral dengan distribusi Uniform 8 6 Posisi Unknown dengan Metode Trilateral 8 6 Tabel. Jarak Berdasarkan nilai pada distribusi square Gambar. Trilateral dengan distribusi Square. Algoritma Min-Max Posisi Unknown dengan Metode Min-Max Dari nilai jarak yang didapatkan dalam simulasi, jarak antara node anchor dengan node akan mengalami perubahan yang cukup besar. Hal ini dipengaruhi oleh noise,loss sinyal dan daya yang diterima oleh node. Karena nilai berdasarkan pada nilai daya yang diterima oleh node. Semakin besar nilai daya yang diterima maka perbedaan jarak akan semakin kecil jika daya yang diterima semakin kecil maka perbedaan jarak akan semakin besar.. Algoritma Trilateration Dari hasil simulasi didapatkan posisi seperti gambar. dan gambar.. Pada gambar dapat dilihat bahwa penentuan posisi dengan menggunakan jarak berdasarkan dibandingkan dengan nilai akan terjadi pergeseran dari posisi node yang sebenarnya. Nilai merupakan jarak yang sebenarnya dari anchor ke, sehingga pada saat dilakukan perhitungan algoritma Trilateral akan didapatkan posisi yang sesuai dengan sebenarnya. Penentuan posisi menggunakan jarak hasil perhitungan, posisi estimasi memiliki pergeseran yang cukup jauh dari posisi sebenarnya. Hal ini disebabkan oleh nilai jarak yang terukur pada berbeda dengan jarak sebenarnya Gambar. Min-Max dengan distribusi Uniform Posisi Unknown dengan Metode Min-Max Gambar.6 Min-Max dengan distribusi Square Setelah dilakukan estimasi posisi menggunakan algoritma Min-Max dengan distribusi uniform dengan menggunakan jarak sebenarnya didapatkan rata-rata pergeseran posisi sejauh 86,7 meter dari posisi sebenarnya, sedangkan dengan menggunakan jarak hasil estimasi berdasarkan adalah 7,7 meter dari jarak sebenarnya. Perbedaan nilai pada pergeseran posisi dipengaruhi oleh nilai estimasi jarak serta anchor referensi yang digunakan.. Algoritma Linear Intersection Pada hasil perhitungan dengan menggunakan algoritma LI didapatkan hasil estimasi posisi lebih baik dibandingkan dengan Min-Max, hal ini disebabkan karena LI hanya menggunakan dua anchor sebagai referensi. Semakin dekat posisi anchor sangat mempengaruhi dari pengukuran jarak. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS

6 Gambar.7 LI dengan distribusi Uniform Posisi Unknown dengan Metode LI Gambar.8 LI dengan distribusi Square Posisi Unknown dengan Metode LI Dari grafik diatas dapat dilihat bahwa SNR sangat mempengaruhi nilai estimasi posisi sensor. Semakin kecil nilai SNR yang kita berikan maka error posisi akan semakin tinggi, namun jika kita beri SNR dengan nilai yang cukup tinggi maka error posisi semakin kecil. Dari ketiga algoritma yang digunakan dapat dilihat Trilateral memiliki error posisi paling kecil dibandingkan dengan algoritma yang lain. Sedangkan Min-Max merupakan algoritma yang meiliki error posisi yang paling tinggi. Hal lain yang juga mempengaruhi error pada saat estimasi posisi sensor adalah jumlah yang tersebar pada area pengamatan. Dengan jumlah anchor buah dan jumlah divariasikan dari sampai 6 node didapatkan grarik perbandingan rata-rata error dengan jumlah, seperti pada gambar. dibawah ini. Grafik Perbandingan Jumlah Unknown dengan MSE Trilateral Trilateration Trilateration Rssi. Error Posisi Nilai Error Posisi dari setiap model distribusi sendor dapat dilihat pada tabel. dibawah ini: Tabel. Error posisi rata-rata distribusi uniform Rata-rata error Algoritma (m) (m) Trilateral,66x - 7,9 Min-Max 86,79 7,7 LI 6,968 6,88 Tabel.6 Error posisi rata-rata distribusi square Algoritma (m) (m) Trilateral,x -, Min-Max 77, ,89866 LI 86,7766,979 Nilai error rata-rata pada tiap model distribusi sensor dan tiap algoritma terdapat perbedaan. Pada estimasi posisi menggunakan nilai error posisi cenderung lebih tinggi dibandingkan dengan error posisi dengan menggunakan jarak. Hal ini disebabkan pengaruh dari noise dan fading pada pengukuran nilai. Pada simulasi dilakukan perbandingan antara SNR db sampai db untuk melihat pengaruh nilai SNR terhadap error posisi sensor. MSE..... Grafik Perbandingan SNR dengan MSE Trilateral Min-Max LI SNR Gambar.9 Perbandingan Rata-rata Error dengan SNR Rata-rata error Rata-rata error Jumlah Unknown..... (a) Jumlah Unknown Grafik Perbandingan Jumlah Unknown dengan MSE Min-Max (b) Grafik Perbandingan Jumlah Unknown dengan MSE LI Min-Max Min-Max Rssi Jumlah Unknown (c) Gambar. Grafik Perbandingan Jumlah Unknown dengan Error Rata-rata. (a).trilateral, (b) Min-Max, (c) LI. Dari ketiga grafik diatas terlihat bahwa jumlah yang tersebar sangat mempengaruhi nilai error pada estimasi posisi. Pada algoritma Trilateral, perbandingan jumlah dengan nilai error tidak terlalu besar perbedaannya, Meskipun terdapat pengaruh, tapi masih dikategorikan stabil dibandingkan algoritma yang lain. LI LI Rssi Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS 6

7 Pada algoritma Min-Max perbandingan jumlah berbanding lurus dengan nilai error, hal ini disebabkan karena posisi dari yang semakin mendekati anchor, area estimasi dari perpotongan antara box anchor pun akan semakin luas yang menyebakan error posisi tinggi. Perbedaan yang cukup jauh pada algoritma LI. Dimana jumlah berbanding terbalik dengan nilai error. Semakin banyak jumlah yang tersebar maka nilai error akan semakin kecil. Hal ini disebabkan karena posisi akan semakin mendekati posisi anchor, sehingga kesalahan dalam estimasi jarak tidak terlalu besar, maka area perpotongan garis berdasarkan panjang jarak akan semakin mendekati posisi sebenarnya. V. PENUTUP. Kesimpulan Berdasarkan hasil simulasi dan analisa, dapat diambil beberapa kesimpulan sebagai berikut:. Estimasi jarak berdasarkan dipengaruhi daya yang diterima oleh sensor, semakin kecil nilai daya maka jarak yang terukur akan semakin jauh.. Keakuratan hasil estimasi posisi dipengaruhi oleh jarak yang terukur, semakin jauh nilai estimasi jarak maka nilai error estimasi posisi akan semakin tinggi.. Semakin tinggi nilai SNR yang diberikan pada saat pengiriman sinyal maka nilai error pada estimasi jarak semakin kecil.. Algoritma Trilateral memiliki keakuratan yang paling baik dibandingkan dengan Algorima Min- Max dan Linear Intersection.. Saran Untuk sistem lokalisasi berdasarkan dapat diaplikasikan dalam pemantauan lingkungan berbasis WSN yang sulit dijangkau. Dengan perbandingan hasil estimasi Posisi menggunakan algoritma Trilateral, Minmax dan Linear Intersection diharapkan bisa menjadi referensi untuk penelitian selanjutnya DAFTAR PUSTAKA [].A.Boukerche,H.A.B.F.Oliveira,E.F. Nakamura,A. AF. Loureiro, Algorithms and Protocols for Wireless sensor Networks, Chapter,pp 7-, October 8. []. R. Mardeni, Othman. Shaifull Nizam,Node Positioning in ZigBee Network Using Trilateration Method Based on the Received Signal Strength Indicator (), European Journal of Scientific Research, vol.6 No., pp. 8-6,. []. Q.shi,H.Huo,T.Fang,D.Li, A Distributed Node Localization Scheme for Wireless Sensor Networks, Wireless Personal Communication,Vol., No.,pp.-,. []. Achmad Iqbal Fahmi, () "Algoritma Konsensus Terdistribusi Pada Komunikasi Yang Tidak Sempurna Di Jaringan Sensor Nirkabel", Tugas Akhir S, Institut Teknologi Sepuluh Nopember Surabaya. []. Muhammad Aviz Shena, () Konsensus Rata- Rata Terdistribusi Menggunakan Kuantisasi Probabilistik, Tugas Akhir S, Institut Teknologi Sepuluh Nopember Surabaya. [6]. Prima Kristalina, Wirawan, Gamantyo H, Estimasi Lokasi Relatif Sensor Pada Jaringan Sensor Nirkabel Menggunakan Metode Maximum Likelihood Estimation dan Cramer-Rao Bound,. [7] Triuli Novianti, Wirawan, Karakteristik Propagasi dalam Ruang Berdasarkan Analisa pada Jaringan Sensor Nirkabel,. [8] Ms. Abiola,F. Dr. Jeff, F, Effect of Natural Propagation Environments on Wireless Sensor Network Coverage Area. [9] S.Agus, H. Ali Husein,N.Endah Suharyati, Penentuan Posisi Node Jaringan Sensor Dengan Menggunakan Metode Trilaterasi Berdasarkan Kekuatan Sinyal Radio.. [] T. Rappaport, Wireless Communication Principles and Practice,, nd edition, Prentice Hall. RIWAYAT PENULIS Raihana Fauziya dilahirkan di Bukittinggi, 7 September 986. Pada tahun 998 penulis menamatkan pendidikan sekolah dasar di SDN Kamang Sari Kamang, Kab. Agam, kemudian melanjutkan ke MTsN Kamang dan selesai pada tahun. Penulis menyelesaikan pendidikan sekolah menengah atas di MAN Batu Mandi Kab. Agam pada tahun. Setelah itu penulis melanjutkan pendidikan D di LPI Bukittinggi dengan jurusan Informatika Komputer dan selesai pada tahun dan melanjutkan pendidikan D di Politeknik Negeri Padang dan menyelesaikan pendidikan pada tahun 8. Dengan anugrah Allah SWT, pada tahun 9 penulis dapat melanjutkan studinya di S Teknik Elektro program studi Telekomunikasi Multimedia Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember (ITS) melalui jalur Lintas Jalur. Proceeding Seminar Tugas Akhir Jurusan Teknik Elektro FTI-ITS 7