24

BAB 3

METODE PENELITIAN

3.1 ALAT YANG DIGUNAKAN

Channel model simulator untuk mmWave 28 GHz yang diimplemetasikan

dalam penelitian ini menggunakan software New York University (NYU)

Wireless Simulator versi 1.5 yang memberikan Channel Impulse Response (CIR)

yang akurat terhadap ruang dan waktu, spatial channel model untuk broadband

mmWave[23]. Perhitungan beserta simulasi lanjutan dari kerangka penelitian

menggunakan Matlab 2018a.

3.2 ALUR PENELITIAN

Gambar 3.1 Alur proses penelitian

3.2.1 ENVIRONMENT PARAMATER

25

Pada penelitian ini melakukan unjuk kerja implementasi mmWave 28 GHz

dengan bandwidth sebesar 200 MHz berdasarkan numerology OFDMA untuk

komunikasi seluler 5G di kota Jakarta dengan dua skenario yaitu efek redaman

hujan dan tanpa efek redaman hujan. Karena frekuensi mmWave bergantung

dengan kondisi alam seperti curah hujan, tekanan udara, kelembaban dan suhu

udara, maka penelitian ini dimulai dengan pengumpulan data parameter

environment tersebut berdasarkan Badan Meteorologi, Klimatologi, dan Geofisika

(BMKG), Stasiun Meteorologi Kemayoran, DKI Jakarta, dengan koordinat

wilayah 6o9’20” LS dan 106

o50’24” BT pada periode rata-rata 1 Januari 2015

hingga 31 Desember 2017 agar merepresentasikan kondisi alam yang

sesungguhnya. Parameter environment akan menjadi input pada channel

parameters pada simulator NYUSIM. Pada NYUSIM memiliki rentang curah

hujan 0 hingga 150 mm/h, sehingga penulis menggunakan curah hujan maksimal

yaitu 150 mm/h sebagai kategori hujan lebat.

Tabel 3.1 Parameter environment kota Jakarta

Parameter Nilai

Tekanan udara 1010.06 mbar

Kelembaban udara 76.80 %

Temperatur 28.42 oC

Curah hujan 210.61 mm/h

3.2.2 SIMULASI NYUSIM

3.2.2.1 SIMULASI TANPA CURAH HUJAN

Panel Channel Parameters berisi 17 tentang fundamental parameter

masukan untuk propagasi kanal yang akan diisi secara detail sebagai berikut:

Frequency (GHz) = 28 GHz

Radio Frequency (RF) Bandwidth = 200 MHz

Scenario = Urban Microcell (UMi).

Environment = non-line-of-sight (NLOS).

Tx Power = 30 dBm

T-R Separation Distance Lower Bound = 200 meter.

26

T-R Separation Distance Upper Bound = 200 meter.

Tekanan udara (barometric pressure) = 1010.06 mbar

Kelembaban (humidity) = 76.80 %

Suhu udara (temperature) = 28.42 oC

Curah hujan (rain rate) = 0 mm/h

Polarization = Co-Pol (Co-Polarization)

Foliage Loss = No

Distance Within Foliage = 0 m

Foliage Attenuation = 0 dB/m

Number of Rx Location = 1000

Gambar 3.2 Simulasi dari NYUSIM channel model simulator tanpa curah

hujan (0 mm/h).

3.2.2.2 SIMULASI DENGAN CURAH HUJAN

Pada simulasi memiliki perdedaan pada tambahan pada curah hujan

sebesar 150 mm/h, dimana nilai tersebut merupakan curah hujan maksimal pada

NYUSIM. Adapaun parameter diisi sebagai berikut:

27

Gambar 3.3 Simulasi dari NYUSIM channel model simulator dengancurah

hujan (150 mm/h).

Frequency (GHz) = 28 GHz

Radio Frequency (RF) Bandwidth = 200 MHz

Scenario = Urban Microcell (UMi).

Environment = non-line-of-sight (NLOS).

Tx Power = 30 dBm

T-R Separation Distance Lower Bound = 200 meter.

T-R Separation Distance Upper Bound = 200 meter.

Tekanan udara (barometric pressure) = 1010.06 mbar

Kelembaban (humidity) = 76.80 %

Suhu udara (temperature) = 28.42 oC

Curah hujan (rain rate) = 150 mm/h

Polarization = Co-Pol (Co-Polarization)

Foliage Loss = No

Distance Within Foliage = 0 m

Foliage Attenuation = 0 dB/m

28

Number of Rx Location = 1000

3.2.3 INSTANTANEOUS PDP

Instantaneous PDP dari channel model kota Jakarta dengan dua

skenario simulasi menggunakan curah hujan 150 mm/h dan tanpa curah hujan

dengan masing-masing percobaan 1000 Rx sehingga didapatkan 1000

Instantaneous PDP yang bertujuan pada akurasi representatif PDP dikarenakan

nilai suatu channel akan berubah-ubah terhadap waktu untuk perhitungan capacity

dari channel[8]. Pada gambar 3.4 merupakan contoh Instantaneous PDP yang

didapatkan saat simulasi channel model menggunakan NYUSIM berdasarkan

environment di Jakarta. Hasil Instantaneous PDP pada sumbu x adalah delay (ns)

pada tiap path dan sumbu y merupakan daya (dBm).

Gambar 3.4 Instantaneous PDP kota Jakarta

3.2.4 REPRESENTATIF PDP

Setelah didapatkan Instantaneous PDP dengan redaman hujan dan

tanpa redaman hujan, perhitungan dilakukan untuk mendapatkan representatif

PDP dari channel model kota Jakarta. Berikut merupakan langkah-langkah yang

dilakukan dalam merepresentatif PDP yang sudah dilakukan pada penelitian[8]:

1. Mengubah PDPi pada dBm ke numerik, i merupakan angka indeks dari

PDP.i = {1,2,…,K}, dengan K adalah banyaknya percobaan PDP.

29

2. Menggabungkan setiap α timeslot 𝜏 pada setiap PDPi dan ditempatkan

menjadi timeslot l. Simbol α merupakan grouping index. Pada penelitian

[8] mempertimbangkan grouping index α = 40 dan l = 1,2,…, L, dengan L

adalah jumlah total dari 𝜏 pada PDPi dibagi dengan α.

𝜏(𝑙−1).𝛼+1𝑃𝐷𝑃𝑖 =

1

𝛼 . ∑ 𝜏𝑛

𝑃𝐷𝑃𝑖

𝑙.𝛼

𝑛=(𝑙−1).𝛼+1

(3.1)

3. Menggabungkan tiap 𝜏(𝑙−1).𝛼+1 dari seluruh PDPi dan menghitung CDF.

4. Menghitung CDF persentil ke-90 disetiap 𝜏(𝑙−1).𝛼+1 dari seluruh PDPi

sebagai reperesentatif PDP. Hal tersebut dikarenakan lebih banyak data

dengan nilai yang kecil dan dianggap tepat untuk memilih data yang

representatif bagi 1000 PDP[6].

5. Melakukan thresholding sebesar -150 dBm untuk 𝜏(𝑙−1).𝛼+1 dari

representatif PDP sebagai asumsi sensitivitas device 5G di Indonesia pada

waktu mendatang.

3.2.5 MATRIKS HC

h

n

FH

F CP HC CP

OFDM OFDM

x

y

Rx Tx

30

Gambar 3.5 Struktur OFDM dari Transmitter ke Receiver

Kehandalan OFDM pada kanal broadband mejadikan OFDM digunakan

pada sistem 5G NR. Maka pada skripsi ini melakukan pengujian model kanal kota

Jakarta dengan representatif PDP menggunakan sistem OFDM. OFDM

menunjukan sistem multicarrier yang mana membagi seluruh spektrum menjadi

beberapa frekuensi narrowband, dan data dikirimkan pada blok-blok secara

paralel pada frekuensi narrowband[24]. Struktur OFDM yang

mengimplementasikan inverse discrete Fourier transform (IDFT) pada pengirim

dan discrete Fourier transform (DFT) pada penerima, namun secara praktek

algoritma fast Fourier Transform (FFT) secara luas digunakan untuk menghitung

DFT disebabkan kecepatan dalam implementasinya dan komputasi yang

efisien[24].

Pada skripsi ini pertama-tama melakukan proses matriks FFT (F),

menggunakan FFT size (N) sebesar 128 yang digambarkan dengan persamaan 3.2.

Skema OFDM menambahkan redundancy yang disebut cyclic prefix (CP)

berdasarkan circular convolution karena setiap matriks circulant adalah diagonal

dalam basis Fourier[25]. Kemudian dilanjutkan mengolah matriks FFT menjadi

IFFT (Fh) dengan melakukakan conjugate transpose matriks FFT. Hasil keluaran

IFFT (x), memasukan guard interval atau penambahan CP antara setiap blok

secara urut untuk mentransformasi linier konvolusi menjadi circulant. Karena

keadaan kanal adalah Rayleigh fading maka memproses matriks kanal propagasi

yang berisikan PDP pada representatif PDP (H) yang didapat sebelumnya

kemudian ditambahkan random vektor Gaussian noise (n) dan k adalah angka blok

OFDM simbol.

[

𝑦1(𝑘)

⋮⋮

𝑦128 (𝑘)

] =

[ ℎ1 0 ⋯ ⋯ 0⋮ ℎ2 0 ⋯ ⋯⋮ ⋯ ⋱ ⋯ ⋮⋮ ⋯ ⋯ ⋱ ⋯⋮ ⋯ ⋯ ⋯ ℎ128]

[

𝑥1(𝑘)

⋮⋮⋮

𝑥128(𝑘)]

+

[

𝑛1(𝑘)

⋮⋮⋮

𝑛128(𝑘)]

(3.2)

31

Pada simulasi ini menganalisis metematis hasil yang diterima pada sisi

penerima menggunakan perkalian matriks circulant (Hc) dengan x tanpa CP

seperti ditunjukan pada persamaan 2.15 karena matriks circulant adalah matriks

yang ekuivalen dengan matriks hasil dari transmisi menggunakan CP yang

ditunjukan pada persamaan 2.14. Nilai untuk setiap kanal paralel ekuivalen yang

diperoleh dari PDP, yaitu 𝜓 pada persamaan 2.4 yang merupakan matriks

diagonal dimana diagonal elemenya merupakan eigenvalue dari hasil perkalian

matriks circulant Hc dengan faktor FFT[24]. 𝜓 ini berfungsi saat perhitungan

kapasitas kanal pada persamaan 2.3 yang mana nilai kapasitas adalah variabel

random karena nilainya berubah-ubah dari satu realisasi kanal ke realisasi

selanjutnya.

3.2.6 PERHITUNGAN OUTAGE PERFORMANCE

Perhitungan Outage probability dimulai dengan perhitungan kapasitas

kanal seperti pada persamaan 2.3 dimana kapasitas dihitung per blok dengan

panjang blok pada penelitian skripsi ini sebesar 128 dan dengan Eb/N0 yang

bervariasi dari blok ke blok. Akibatnya, diasumsikan bahwa saluran tersebut

mampu mencapai kapasitas Shanon selama durasi setiap blok dan keacakan

(randomness) dalam mutual information disebabkan oleh SNR yang acak[21].

Kemudian kapasitas di cumulative distribution function (CDF) menjadi Outage

Performance.

Skripsi ini melakukan perhitungan kanal sebanyak 300.000 kali percobaan

untuk mengobservasi cumulative distribution function (CDF) dari kapasitas kanal

tiap representatif PDP pada masing-masing skenario menggunakan curah hujan 0

mm/h dan pada curah hujan 150 mm/h dengan modulasi BPSK, R sebesar ½, ¾, 1,

dan Eb/N0 0 dB hingga 30 dB. Semakin banyak sampel Eb/N0 maka semakin baik

hasil outage probability. Iterasi sebanyak 300.000 realisasi ini diasumsikan

mampu mewakili keadaan kanal di Jakarta dan menghasilkan grafik yang halus.

Gambar 3.5 merupakan contoh grafik dari hasil perhitungan kapasitas

kanal narrowband yang diolah menggunakan CDF dari kapasitas kanal dengan R

= 1 dan Eb/N0 0 hingga 2 dB. CDF ini mengevaluasi probabilitas outage kapasitas

C bernilai lebih kecil atau sama dengan nilai R.

32

Gambar 3.5 Grafik CDF dari kapasitas kanal narrowband.