UNJUK KERJA NOISE RISE BASED CALL ADMISSION CONTROL (NB-CAC) PADA SISTEM WCDMA Devi Oktaviana - 226649 Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih-Sukolilo, Surabaya-6 Abstrak - WCDMA (Wideband Code Division Multiple Access) merupakan teknik akses jamak yang digunakan pada sistem komunikasi generasi ketiga (3G). Kapasitas suatu sistem WCDMA sangat tergantung pada interferensi yang terjadi. Semakin bertambahnya jumlah user pada sistem, maka interferensi semakin meningkat. Pada tugas akhir ini, diperkenalkan Call Admission Control (CAC) yang mana merupakan bagian dari Radio Resource Management (RRM) yang merupakan suatu algoritma yang dialokasikan pada Radio Access Network (RAN). Prinsip kerja CAC yaitu menerima atau menolak suatu panggilan berdasarkan parameter tertentu. Pada tugas akhir ini membahas mengenai algoritma noise rise based CAC. Dimana algoritma ini proses menerima atau menolak panggilan berdasarkan pada nilai threshold yang ditetapkan. Unjuk kerja dari algoritma ini dtunjukkan dengan nilai probabilitas blocking dan probabilitas dropping. I. LATAR BELAKANG Wideband Code-Division Multiple Access atau biasa ditulis Wideband-CDMA atau W-CDMA, merupakan teknologi generasi ketiga (3G) untuk GSM, biasa disebut juga UMTS (Universal Mobile Telecommunication System). Semua pengguna sistem ini menggunakan kanal komunikasi secara bersamaan untuk mengirimkan dan menerima sinyal. Kapasitas dari WCDMA tidak memiliki batasan disebut juga soft capacity. Hal ini memungkinkan sistem tersebut dapat menerima panggilan dengan jumlah yang banyak. Dengan semakin besar jumlah pengguna dapat mengakibatkan terjadinya interferensi pada kanal komunikasi tersebut. Kenaikan interferensi menyebabkan menurunnya nilai signal-to-interference-ratio (SIR) pada tiap-tiap pengguna yang menggunakan kanal tersebut secara bersamaan. Rendahnya nilai SIR berarti nilai bit-error-rate (BER) semakin besar, sehingga hasil yang didapat adalah rendahnya kualitas layanan (QoS). Sehingga sistem WCDMA ini memerlukan suatu mekanisme untuk mempertahankan level interferensi tetap berada di bawah level threshold yang ditentukan dan juga perlu adanya suatu mekanisme yang dapat mengatur kedatangan panggilan pada sistem WCDMA tersebut. Call Admission Control (CAC) adalah salah satu mekanisme yang dapat digunakan untuk mengatur besarnya level interferensi agar tetap berada di bawah threshold. Teknik ini memungkinkan panggilan yang masuk pada sistem akan diterima atau ditolak. Untuk mengatasi interferensi dan untuk meningkatkan kualitas layanan disini didefinisikan algoritma noise rise based call admission control (NB-CAC). II. PEMODELAN SISTEM. Sistem seluler WCDMA adalah merupakan suatu sistem yang memiliki kontrol daya yang sempurna pada sisi uplink. User yang dalam keadaan bergerak tidak dimodelkan. Dalam simulasi ini hanya untuk perhitungan sel. Dalam sel tersebut dibangkitkan sejumlah user. Kemudian masing-masing user tersebut dibangkitkan waktu awal panggilan dan waktu pendudukan. Kemudian dicari nilai probabilitas blocking dan probabilitas dropping. 2.. MODEL SISTEM SELULER WCDMA Sistem seluler WCDMA seperti halnya sistem seluler CDMA dimana semua user menggunakan kanal radio secara bersamaan untuk mengirim dan menerima sinyal. Asumsi yang digunakan dalam simulasi ini antara lain : a. Mobilitas dari user tidak dimodelkan, user diasumsikan terdistribusi uniform. b. Setiap mobile station mempunyai kontrol daya yang sempurna pada proses uplink. 2.2. PEMBANGKITAN TRAFIK Point penting dalam pembangkitan trafik adalah waktu kedatangan user dan waktu pendudukan user yang akan menentukan laju trafik tiap user. Untuk menentukan waktu kedatangan tiap user dibangkitkan secara distribusi poison, sedangkan waktu pendudukan tiap user dibangkitkan secara distribusi eksponensial. Pola trafik tiap user ditunjukkan pada gambar berikut : Gambar. Pola trafik tiap user /6
Gambar diatas merupakan pola trafik untuk satu user, dimana : s n = waktu awal kedatangan d n = waktu akhir kedatangan h n = waktu pendudukan s n = jeda waktu antar panggilan n = jumlah panggilan dalam satu user Untuk menghitung waktu awal kedatangan (s n ) dibutuhkan waktu antar kedatangan panggilan ( s n ) yang diperoleh dengan distribusi eksponensial yang dijelaskan pada tabel. sebagai berikut. Tabel. Distribusi eksponensial waktu awal kedatangan. Waktu Kedatangan Waktu Awal Panggilan Panggilan Δs s = Δs Δs 2 s 2 = s + Δs 2 Δs 3 s 3 = s 2 + Δs 3 Δs 4 s 4 = s 3 + Δs 4 Δs 5 s 5 = s 4 + Δs 5 Δs n s n = s n- + Δs n Untuk menghitung waktu berakhirnya kedatangan (d n ) dibutuhkan waktu kedudukan (h n ) yang diperoleh dengan distribusi eksponensial yang ditunjukkan pada tabel 2 sebagai berikut. Tabel 2. Distribusi eksponensial waktu akhir kedatangan. Waktu Kedudukan Waktu Akhir Kedatangan h d = h h 2 d 2 = d + h 2 h 3 d 3 = d 2 + h 3 h 4 d 4 = d 3 + h 4 h 5 d 5 = d 4 + h 5 h n d n = d n- + h n Parameter parameter penentuan untuk perhitungan trafik yang meliputi panggilan suara, panggilan Handover dan untuk komunikasi data [] berdasarkan pada tabel 3 berikut : Tabel 3. Hubungan antar parameter Trafik Average Number of Call per hour (µ) Average Call Holding Time (λ) Voice Traffic (v) Handover Traffic 2 2 (h) Data Traffic (d) 5 2 III. NOISE RISE Didapatkan persamaan dari algoritma noise rise sebagai berikut : (2) Dalam simulasi ini dimana W adalah merupakan besarnya chiprate dari WCDMA (ditetapkan 3.84 Mcps pada simulasi). R j adalah laju data dari j user, dan v j adalah activity factor nilai bit-rate (R i ) dan SIR antara trafik voice dan trafik handover adalah sama yaitu diasumsikan 2.2 kbps dan 7. db. Sedangkan pada trafik data untuk data rate diasumsikan 64 kbps dan SIR diasumsikan 5. db. Untuk nilai activity factor (v) untuk trafik voice diasumsikan.67, dimana biasanya antara.5-.67 dan untuk trafik data diasumsikan.. Perhitungan total load factor dalam uplink WCDMA dapat ditunjukkan dengan rumus sebagai berikut (3) Dimana L j adalah load factor per user, K adalah total user dan t adalah rasio interferensi antara cell sendiri dengan cell tetangga diasumsikan sebesar,65. Dari persamaan (),(2) dan (3) di atas maka persamaan dari Noise rise dapat disederhanakan sebagai berikut. Noise rise -η ul Untuk perhitungan Noise rise dalam bentuk decibel (db) adalah sebagai berikut.. log Gambar di bawah menunjukkan karakteristik antara Noise rise dengan jumlah user. Noise Rise (db) 25 2 5 5 η = L j = + W SIR i. R i. v i Noise Rise (db) Noise rise I N W I I t L I t L Dimana L didapat dari persamaan berikut : () 2 3 4 5 6 Number of Users Gambar 2. Karakteristik Noise rise 2/6
IV. ALGORITMA ADMISSION CONTROL Algoritma admission control yang disimulasikan adalah algoritma Noise rise dimana algoritma ini mengukur Noise rise dan menggunakan nilai Noise rise yang dipilih sebagai admission threshold. Untuk dapat meningkatkan QoS pada sistem, trafik handover menjadi prioritas utama dibandingkan dengan trafik yang lain dengan memiliki kapasitas yang ekstra. Karena itu panggilan baru dapat diterima jika memiliki kondisi yang memenuhi syarat sebagai berikut. Noise rise η th η th_ho Probability.4.35.3.25.2.5. BP (voice) DP (voice) D-BP (trafik data) Dimana η th_ho handover. adalah reserved capacity untuk proses V. HASIL SIMULASI Pada hasil simulasi ini terdapat 3 tipe hasil yang dapat ditunjukkan. Yaitu :. Perbandingan antara probabilitas blocking (BP), probabilitas dropping (DP), dan probabilitas blocking data (D-BP) dengan rata-rata jumlah user. 2. Perbandingan antara probabilitas blocking (BP), probabilitas dropping (DP), dan probabilitas blocking data (D-BP) dengan threshold. 3. Penggambaran rata-rata interferensi pada sistem yang digambarkan dengan besarnya rata-rata level noise rise. Dalam simulasi pertama ditunjukkan kinerja dari algoritma Noise Rise based Call Admission Control (NB- CAC) berupa perbandingan antara probabilitas blocking komunikasi suara dan komunikasi data, serta probabilitas dropping untuk komunikasi suara dengan jumlah user yang masuk sebanyak 7 user. Dengan menggunakan parameter-parameter yang telah ditentukan pada tabel 4 di bawah ini. Tabel 4. Parameter simulasi probabilitas blocking dan dropping untuk 7 user Parameter Simulasi Nilai Rata-rata jumlah user 25-7 Rata-rata waktu pendudukan 2 detik Threshold 2.5 Algoritma Admission Control Noise-Rise Persentase Reserved Capacity 5% Hasil dari simulasi didapatkan bahwa kenaikan besarnya probabilitas dropping (DP) memiliki hasil yang lebih rendah dibandingkan dengan probabilitas blocking (BP). Hal ini disebabkan karena adanya reserved capacity pada saat handover. Dapat ditunjukkan pada gambar berikut ini:.5 25 3 35 4 45 5 55 6 65 7 Gambar 3. Perbandingan BP dan DP dengan ratarata jumlah user Pada gambar 3 di atas terlihat bahwa besarnya DP lebih rendah dari BP. Hal ini disebabkan karena pada saat trafik mengalami kenaikan, DP bergerak sangat lambat dibandingkan dengan BP yang pergerakannya cenderung sangat cepat. Perbedaan ini disebabkan karena adanya reserved capacity pada panggilan handover. Trafik panggilan handover dapat berbagi sumber yang sama seperti halnya trafik yang lain, saat total beban pada sistem rendah. Pada saat ratarata jumlah user 5 orang per jam terlihat pada gambar 3 di atas, besarnya BP dan DP mendekati nol karena disebabkan pada sistem tidak terjadi kongesti. Sistem ini dapat menerima lebih banyak panggilan dan panggilan handover. Pada kondisi lain, yaitu dimana kongesti terjadi, BP dialihkan menuju nol, sedangkan DP tetap bernilai nol. Hal ini dikarenakan meskipun noise rise mencapai threshold, panggilan handover masih dapat di akses oleh sistem karena adanya reserved capacity. Dan hanya panggilan handover yang dapat menggunakan reserved capacity, meskipun trafik yang lain diblok. load faktor (db) 2.8 2.6 2.4 2.2 2.8.6.4.2 5 5 2 25 3 35 time (second) Threshold Load faktor Gambar 4. trafik handover pada threshold Pada gambar 4 di atas menunjukkan bahwa sebagian kecil dari panggilan yang masuk melebihi dari 3/6
nilai threshold yang ditentukan (pada,6 untuk level noise rise). Trafik yang melebihi threshold adalah disebut dengan handover-trafik. Hal ini berarti bahwa trafik yang lainnya diblok sedangkan hanya handover trafik yang menyebabkan adanya kongesti yang dilayani pada bagian itu. Sehingga dapat diketahui bahwa hanya sedikit panggilan yang didrop. Pada simulasi yang kedua menunjukkan kinerja dari algoritma Noise Rise Based Call Admission Control berupa perbandingan besarnya probabilitas blocking trafik suara maupun trafik data dan probabilitas dropping pada trafik suara apabila waku pendudukan antar user memiliki variasi waktu yang berbeda-beda. Dengan parameterparameter simulasi pada table 5 berikut : Tabel 5. Parameter simulasi Probabilitas Blocking, Probabilitas Dropping dan Probabilitas Blocking Data dengan variasi waktu pendudukan. Parameter Simulasi Nilai Rata-rata jumlah user 25-7 Rata-rata waktu pendudukan 6-42 detik Threshold 2.5 Algoritma Admission Control Noise-Rise Persentase Reserved Capacity 5% Hasil simulasi menunjukkan bahwa semakin lama waktu pendudukan antar user, maka besarnya probabilitas blocking dan probabilitas droping semakin besar. Blocking Probability (x%).9.8.7.6.5.4.3.2. BP menit BP 2 menit BP 3 menit BP 4 menit BP 5 menit BP 6 menit BP 7 menit 25 3 35 4 45 5 55 6 65 7 Gambar 5. Probabilitas blocking komunikasi suara (voice) dengan variasi waktu pendudukan. Blocking probability (x%) Dropping probability (x%) Gambar 6. Probabilitas dropping komunikasi suara (voice) dengan variasi waktu pendudukan..9.8.7.6.5.4.3.2..9.8.7.6.5.4.3.2. 25 3 35 4 45 5 55 6 65 7 Gambar 7. Probabilitas blocking komunikasi data dengan variasi waktu pendudukan. Dari hasil simulasi yang terlihat pada gambar 5, 6, dan gambar 7 terlihat bahwa semakin lama waktu pendudukan pada komunikasi suara (voice) dan komunikasi data maka besarnya probabilitas blocking komunikasi suara (voice) maupun komunikasi data semakin besar. Demikian juga besarnya probabilitas dropping yang terjadi juga semakin besar. Untuk lebih jelasnya dapat terlihat pada tabel 6 berikut : Tabel 6. Hasil Pengamatan probabilitas blocking dan probabilitas dropping dengan variasi waktu pendudukan pada 45 user. Waktu Penduduka n DP menit DP 2 menit DP 3 menit DP 4 menit DP 5 menit DP 6 menit DP 7 menit 25 3 35 4 45 5 55 6 65 7 Probabilita s Blocking (voice) Probabilita s Droppng (voice) D-BP menit D-BP 2 menit D-BP 3 menit D-BP 4 menit D-BP 5 menit D-BP 6 menit D-BP 7 menit Probabilita s Blocking (data) menit % % % 2 menit % % 2,32% 3 menit 5,8% % 22,77% 4 menit 22,8%,49% 52,66% 5 menit 32,52% 5,42% 69,77% 6 menit 58,42% 22,8% 78,9% 7 menit 74% 38,93% 82,66% Waktu pendudukan (Holding time) adalah ratarata waktu penggunaan jalur trafik (kanal) tiap 4/6
panggilan. Waktu pendudukan merupakan salah satu parameter utama dari penggunaan jalur trafik dan untuk melakukan pengukuran suatu trafik komunikasi harus diamati pola dari pendudukan baru dibuat grafik pendudukan kanalnya. Sehingga semakin lama waktu pendudukan tiap-tiap user dapat mengakibatkan salah satunya yaitu sistem kongesti trafik. Yaitu keadaan dimana semua kanal trafik dalam keadaan penuh yang disebabkan karena pendudukan kanal secara serempak. Jika kanal yang disediakan terbatas, maka tidak semua trafik yang ditawarkan dapat dilayani. Sehingga mengakibatkan besarnya probabilitas blocking dan probabilitas dropping yang terjadi semakin besar dengan semakin besarnya waktu pendudukan dari tiap-tiap user tersebut. Pada simulasi ketiga menunjukkan kinerja dari algoritma Noise Rise Based Call Admission Control berupa perbandingan besarnya probabilitas blocking komunikasi suara maupun data dan probabilitas dropping untuk komunikasi suara dengan beberapa nilai threshold. Parameter-parameter simulasi terlihat pada tabel 7 di bawah ini. Tabel 7 Parameter simulasi perbandingan probabilitas blocking dan dropping dengan besarnya threshold Parameter simulasi Nilai Rata-rata jumlah user 7 Rata-rata waktu pendudukan 2 detik Threshold 2.2-3 Algoritma CAC Noise-rise Nilai reversed capacity untuk handover 5% Hasil dari simulasi menunjukkan bahwa besarnya probabilitas blocking semakin kecil dengan semakin bertambahnya nilai threshold. Hal ini ditunjukkan pada gambar berikut ini : Blocking probability (x%).35.3.25.2.5..5 BP DP D-BP 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3 Noise Rise Threshold Gambar 8. Perbandingan probabilitas blocking dengan threshold Dari gambar 8 di atas diketahui bahwa nilai probabilitas blocking dan probabilitas dropping memiliki nilai yang semakin besar dengan semakin bertambahnya nilai threshold. Hal ini adalah merupakan metode dari CAC untuk algoritma noise rise yaitu dengan semakin besar threshold maka semakin banyak trafik yang dapat masuk pada sistem. Oleh karena itu panggilanpanggilan yang diterima akan mengalami blocking. Hasil probabilitas blocking untuk trafik data naik sangat cepat dengan semakin bertambahnya nilai threshold. Trafik data membuat beban yang besar pada kanal radio (lima kali besarnya trafik suara). Saat threshold rendah, sistem ini tidak cukup tempat untuk proses trafik data. Selain itu sistem ini yang mana mengijinkan adanya interferensi yang tinggi dapat menerima berbagai macam trafik, termasuk trafik data. Dengan sistem memiliki threshold yang besar, sistem ini memungkinkan untuk menerima banyak trafik, termasuk didalamnya trafik untuk data. Rendahnya nilai probabilitas blocking memungkinkan sistem memiliki level QoS yang tinggi. Namun bagaimanapun bila sistem memiliki threshold yang tinggi dan trafik yang tinggi menyebabkan interferensi juga semakin besar. Besarnya interferensi menghasilkan nilai SIR yang rendah untuk semua user pada sistem tersebut. Rendahnya SIR berarti semakin besar nilai BER (bit error rate). Semakin besar BER maka nilai QoS semakin kecil. Hal ini berarti bahwa sistem ini berdasarkan pada threshold yang mana threshold tersebut dapat mengatur besarnya probabilitas blocking dengan nilai level interferensinya. VI. KESIMPULAN. Hasil simulasi perbandingan antara probabilitas blocking dengan rata-rata jumlah user terlihat bahwa nilai probabilitas blocking data (D-BP) lebih besar dari probabilitas blocking (BP) dan probabilitas dropping (DP). Hal ini terlihat yaitu saat rata-rata jumlah user 5 nilai D-BP mencapai nilai 4% sedangkan nilai BP dan DP tetap bernilai %. Hal tersebut karena trafik komunikasi data memiliki beban yang lebih besar dibandingkan dengan trafik komunikasi suara. Sehingga banyak sekali data yang diblok terutama saat terjadi jam sibuk. 2. Semakin lama waktu pendudukan pada komunikasi suara (voice) maupun komunikasi data maka besarnya probabilitas blocking dan probabilitas dropping semakin besar. Hal ini karena waktu pendudukan merupakan salah satu parameter utama dari penggunaan jalur trafik dan untuk melakukan pengukuran suatu trafik komunikasi harus diamati pola dari pendudukannya. Sehingga apabila semua kanal yang disediakan dalam keadaan penuh karena pendudukan kanal trafik secara serempak maka tidak semua trafik yang ditawarkan dapat dilayani. Hal ini mengakibatkan adanya kenaikan probabilitas blocking dan probabilitas dropping. 3. Dari hasil simulasi perbandingan probabilitas blocking dan probabilitas dropping dengan besarnya threshold terlihat bahwa semakin besar 5/6
nilai threshold yang digunakan maka probabilitas blocking dan dropping yang terjadi semakin besar. Hal ini karena semakin besar threshold maka semakin banyak trafik yang dapat masuk pada sistem. Namun dengan adanya trafik yang tinggi menyebabkan interferensi juga semakin besar. Sehingga untuk memperoleh level QoS yang bagus pada algoritma Noise Rise digunakan threshold yang rendah. Dengan tujuan untuk membatasi jumlah panggilan yang masuk pada sistem dan untuk meminimalisasi terjadinya interferensi. 4. Dari hasil simulasi perbandingan antara Load Based CAC dan Noise Rise based CAC terlihat bahwa tidak terdapat perbedaan yang spesifik hasil dari algoritma load based CAC dengan noise rise based CAC. Hal tersebut menunjukkan bahwa kedua algoritma CAC tersebut memiliki unjuk kerja yang sama. Perbedaannya hanya terdapat pada threshold yang digunakan. Untuk load faktor menggunakan threshold = 2,5dB sedangkan untuk noise rise menggunakan threshold =.6dB. 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) 2. H. Holma, and A. Toskala, WCDMA for UMTS, 3rd Edition,John Wiley & Sons, 24. 3. TKK Comnet, S-72.326 Radio Resource Management Method 3 op, vol 28_L6 4. Suwadi, Ir. MT, Rekayasa Trafik Telekomunikasi, Institut Tekhnologi Sepuluh Nopember, 27 5. Gatot Santosa, Sistem seluler WCDMA,edisi pertama,graha Ilmu,Yogyakarta,26 6. Priyan Mihira De Alwis, Call Admission Control and Resource Utilization in WCDMA Networks, Department of Electrical and Computer Engineering University of Canterbury,Chrischurch,New Zealand, February 25 ITS Surabaya sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik Elektro. BIODATA PENULIS Devi Oktaviana dilahirkan di Kediri, Oktober 985. Merupakan putra kedua dari pasangan Suherwindro dan Lilik Setyawati.Lulus dari SDN Blabak 3 tahun 997 kemudian melanjutkan ke SMPN 3 Kediri dan lulus pada tahun 2. Kemudian melanjutkan ke SMUN Kediri dan lulus pada tahun 23.Setelah menamatkan SMU, penulis melanjutkan studinya di Diploma 3 Teknik Telekomunikasi Politeknik Elektronika Negeri Surabaya (PENS-ITS) pada tahun 23. Dan pada tahun 26 penulis kembali melanjutkan studinya di Institut Teknologi Sepuluh November Surabaya. Pada bulan Januari 2 penulis mengikuti seminar dan ujian Tugas Akhir di Bidang Studi Telekomunikasi Multimedia Jurusan Teknik Elektro FTI 6/6