kinerja transmisi data suhu badan penderita demam … · 2019. 1. 29. · dimaz damar wisya w....

TUGAS AKHIR

KINERJA TRANSMISI DATA SUHU BADAN

PENDERITA DEMAM BERDARAH

MENGGUNAKAN TURBO CODE PADA SISTEM

KOMUNIKASI 4G-LTE

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Teknik pada

Fakultas Sains dan Teknologi Universitas Sanata Dharma

Oleh:

Dimaz Damar Wisya W.

145114016

PROGRAM STUDI TEKNIK ELEKTRO

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2018

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

FINAL PROJECT

DATA TRANSMISSION PERFORMANCE OF

BLOOD DENGUE FEVER PATIENTS

TEMPERATURE USING TURBO CODE IN 4G-LTE

COMMUNICATION SYSTEM

In a partial fulfillment of the requirements

for Bachelor degree of Engineering

Department of Electrical Engineering

Faculty of Science and Technology, Sanata Dharma University

By:

Dimaz Damar Wisya W.

145114016

ELECTRICAL ENGINEERING STUDY PROGRAM

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2018


iii


iv


v


vi

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP

MOTTO:

Sedikit Beda Lebih Baik daripada Sedikit lebih baik

Skripsi ini saya persembahkan untuk:

1. Tuhan Yesus yang selalu memberi kekuatan.

2. Kedua orangtua saya yang selalu mendukung segala keputusan saya.

3. Dosen pembimbing saya yang sabar dan senantiasa mendampingi saya.

4. Dosen-dosen yang telah memberikan materi pembelajaran selama diperkuliahan.

5. Teman-teman yang telah memberikan saya pengalaman hidup baru.


vii


viii

INTISARI

Kemajuan dari sistem teknologi telekomunikasi di suatu negara saat ini sangat

berpengaruh terhadap sistem kehidupan masyarakatnya. Saat ini salah satu wujud

perkembangan dunia telekomunikasi adalah munculnya teknologi Long Term Evolution

(LTE). Permasalahan utama dalam teknologi telekomunikasi adalah error pada kanal,

sehingga memerlukan suatu metode untuk mendeteksi dan memperbaiki error.

Solusi atas permasalahan utama tersebut adalah dengan menggunakan Error Control

Coding. Dibutuhkan suatu penyandian agar proses dalam pentransmisian data dapat

tercapai. Penyandian yang dibutuhkan untuk jenis teknologi LTE adalah Turbo Codes.

Turbo Codes adalah metode baru hasil turunan dari sandi konvolusi dengan hasil unjuk

kerja berupa Bit Error Rate (BER). Turbo Codes dinilai mempunyai deteksi dan

mengoreksi error paling baik dalam teknologi Long Term Evolution (LTE).

Simulasi Program yang dijalankan menggunakan pengulangan sebanyak lima belas

kali agar mendapatkan unjuk kerja yang nyata. Hasil dari pengulangan pada setiap data

informasi akan menghasil perbandingan antara Bit Error Rate (BER) dengan Signal to

Noise Ratio (SNR). Unjuk kerja dengan perbandingan BER dan SNR menghasilkan suatu

bentuk pola BER yang semakin turun dengan tingkat kenaikan pada SNR.

Kata kunci : Transmisi Data, Demam Berdarah, Penyandian, Turbo Codes, LTE, Long

Term Evolution, Signal to Noise Ratio, SNR, Bit Error Rate, BER.


ix

ABSTRACT

The progress of the telecommunications technology system in a country is very

influential on the living system of its people. At present one form of the development of

the telecommunications world is the emergence of Long Term Evolution (LTE)

technology. The main problem in telecommunications technology is the channel error, so it

requires a method to detect and correct errors.

The solution to the main problem is to use Error Control Coding. An encoding is

needed so that the process in data transmission can be achieved. Encoding needed for this

type of LTE technology is Turbo Codes. Turbo Codes is a new method derived from

convolution passwords with performance results in the form of Bit Error Rate (BER).

Turbo Codes are considered to have the best detection and correct error in Long Term

Evolution (LTE) technology.

Program simulation that is run using repetition fifteen times to get real performance.

The results of repetition in each information data will produce a comparison between the

Bit Error Rate (BER) with Signal to Noise Ratio (SNR). Performance with the BER and

SNR comparisons results in a BER pattern which decreases with the rate of increase in

SNR.

Keywords: Data Transmission, Dengue Fever, Encoding, Turbo Codes, LTE, Long Term

Evolution, Signal to Noise Ratio, SNR, Bit Error Rate, BER.


x

KATA PENGANTAR

Puji dan syukur penulis panjatkan kepada Tuhan karena berkat hidayah dan

penyertaan-Nya penulis dapat menyelesaikan laporan tugas akhir ini dengan lancar.

Laporan tugas akhir ini disusun sebagai pemenuhan syarat untuk memperoleh gelar

sarjana, terkhusus pada bidang Teknik Elektro.

Pada proses penulisan laporan tugas akhir ini, penulis menyadari bahwa banyak

pihak yang telah memberikan masukan dan bantuan sehingga penulisan laporan tugas akhir

ini terselesaikan dengan lancar. Oleh sebab itu, penulis ingin mengucapkan terimakasih

kepada:

1. Tuhan yang telah memberikan hidayah dan penyertaan-Nya.

2. Sudi Mungkasi, S.Si, M.Math.Sc., Ph.D., selaku Dekan Fakultas Sains dan

Teknologi Universitas Sanata Dharma.

3. Petrus Setyo Prabowo, S.T., M.T., selaku Ketua Program Studi Teknik Elektro,

Fakultas Sains dan Teknologi, Universitas Sanata Dharma.

4. Dr. Damar Widjaja, S.T., M.T., selaku dosen pembimbing skripsi dengan penuh

kesabaran dalam memberikan bimbingan, saran, dan motivasi kepada penulis

untuk menyelesaikan laporan tugas akhir ini.

5. Agustinus Bayu Primawan, S.T., M.Eng. dan Wiwien Widyastuti, S.T., M.T.,

selaku dosen penguji yang telah memberikan saran dan bimbingan untuk

merevisi laporan tugas akhir ini.

6. Bapak dan ibu dosen yang telah mengajarkan banyak hal kepada penulis didalam

perkuliahan dan bertukar pikiran diluar perkuliahan selama menempuh

pendidikan di Program Studi Teknik Elektro, Fakultas Sains dan Teknologi,

Universitas Sanata Dharma.

7. Kedua orang tua penulis yang selalu memberikan dukungan untuk menyelesaikan

laporan tugas akhir ini.

8. Teman-teman Teknik Elektro 2014 yang banyak memberikan dukungan dan

bertukar pikiran selama menempuh pendidikan.

9. Semua pihak yang tidak dapat disebutkan satu persatu atas dukungan serta

bantuan sehingga laporan tugas akhir ini dapat diselesaikan.


xi


xii

DAFTAR ISI

HALAMAN JUDUL ...................................................................................................... i

HALAMAN PERSETUJUAN ....................................................................................... iii

HALAMAN PENGESAHAN ........................................................................................ iv

PERNYATAAN KEASLIAN KARYA ......................................................................... v

HALAMAN PERSEMBAHAN DAN MOTTO HIDUP ............................................... vi

LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK

KEPENTINGAN AKADEMIS ...................................................................................... vii

INTISARI ....................................................................................................................... viii

ABSTRACT ................................................................................................................... ix

KATA PENGANTAR .................................................................................................... x

DAFTAR ISI .................................................................................................................. xii

DAFTAR GAMBAR ...................................................................................................... xv

DAFTAR TABEL .......................................................................................................... xvii

BAB I : PENDAHULUAN ........................................................................................... 1

1.1. Latar Belakang ............................................................................................. 1

1.2. Tujuan dan Manfaat ..................................................................................... 3

1.3. Batasan Masalah .......................................................................................... 4

1.4. Metodologi Penelitian .................................................................................. 4

BAB II : DASAR TEORI ............................................................................................. 6

2.1. Channel Coding ........................................................................................... 6

2.1.1. Jenis Kontrol Kesalahan ....................................................................... 6

2.1.2. Forward Error Correction ................................................................... 6

2.2. Sandi Turbo ................................................................................................. 7

2.3. Interleaver.................................................................................................... 9

2.3.1. Almost Regular Permutation ................................................................ 11

2.3.2. Quadratic Polynomial Permutation (QPP) .......................................... 12

2.4. Turbo Encoder dan Decoder ....................................................................... 13

2.5. Modulasi ...................................................................................................... 17

2.5.1. Quadrature Phase Shift Keying (QPSK) .............................................. 18

2.6. Gaussian Channel ........................................................................................ 19

2.6.1. Distribusi Gaussian .............................................................................. 21


xiii

2.6.2. Additive White Gaussian Noise (AWGN) ............................................ 23

2.7. Bit Error Rate (BER) ................................................................................... 24

2.7.1. BER untuk QPSK ................................................................................. 24

2.8. Pola Suhu Badan Penderita Demam Berdarah ............................................ 24

BAB III : PERANCANGAN SISTEM ....................................................................... 27

3.1. Gambaran Sistem ......................................................................................... 27

3.1.1. Analisis Kebutuhan Sistem ................................................................... 28

3.2. Pembuatan Data Masukan ........................................................................... 28

3.3. Perancangan Encoder .................................................................................. 29

3.4. Proses Modulasi ........................................................................................... 30

3.5. Perancangan AWGN ................................................................................... 30

3.6. Proses Demodulasi....................................................................................... 30

3.7. Proses Decoding ......................................................................................... 31

3.8. Penerjemahan Kembali Data Biner menjadi Desimal ................................. 31

3.9. Menghitung BER pada Sistem ....................................................................... 31

BAB IV : HASIL DAN PEMBAHASAN .................................................................... 32

4.1. Penjelasan dan Validasi Data dari setiap Syntax program ........................... 32

4.1.1. Pembuatan Data Masukan .................................................................... 32

4.1.2. Proses Encoding ................................................................................... 34

4.1.3. Proses Modulasi .................................................................................... 37

4.1.4. Proses AWGN ...................................................................................... 38

4.1.5. Proses Demodulasi ............................................................................... 39

4.1.6. Proses Decoding ................................................................................... 39

4.1.7. Proses Pengembalian Data Masukan .................................................... 41

4.1.8. Bit Error Rate ....................................................................................... 42

4.2. Perbandingan Grafik Input dengan Output Nilai SNR ................................ 42

4.2.1. Grafik Perbandingan ketika SNR1 ....................................................... 42

4.2.2. Grafik Perbandingan ketika SNR 9 ...................................................... 43

4.2.3. Grafik Perbandingan ketika SNR 17 .................................................... 45

4.3. Bit Error Rate (BER) ................................................................................... 46

4.3.1. BER untuk Data Individual .................................................................. 46

4.3.2. BER untuk Data Pola Suhu Badan Penderita Demam Berdarah ......... 47

BAB V : KESIMPULAN DAN SARAN ..................................................................... 49


xiv

5.1. Kesimpulan .................................................................................................. 49

5.2. Saran ............................................................................................................ 49

DAFTAR PUSTAKA ................................................................................................... 50

LAMPIRAN


xv

DAFTAR GAMBAR

Gambar 2.1. Struktur dasar Turbo Encoder dan Iterative decoder .................................. 8

Gambar 2.2. (a) Contoh original uninterleave codewords. (b) interleave code symbol .. 10

Gambar 2.3. Contoh DRP Permutasi ................................................................................ 11

Gambar 2.4. Contoh Almost Regular Permutation (ARP) ............................................... 12

Gambar 2.5. Ilustrasi dari soft-input atau soft-output decoder dari Sandi Turbo ............. 14

Gambar 2.6 menunjukkan struktur encoder yang terdapat pada Turbo Codes ................ 15

Gambar 2.7. Diagram Struktur Decoder Turbo Codes ..................................................... 16

Gambar 2.8. Sistem QPSK ............................................................................................... 18

Gambar 2.9. Gaussian Channel ........................................................................................ 20

Gambar 2.10. Bentuk Kurva Normal................................................................................ 21

Gambar 2.11. Gambar Kurva Distribusi Normal dengan yang sudah ditransformasi ...... 22

Gambar 2.12. Kanal AWGN ............................................................................................ 23

Gambar 2.13. Pola Suhu Badan Penderita Demam Berdarah .......................................... 25

Gambar 3.1. Perancangan Sistem Kinerja Transmisi Data pada MATLAB .................... 27

Gambar 4.1. Syntax Program untuk masukan data dari user ............................................ 33

Gambar 4.2. Hasil Ubahan masukan user dari desimal menjadi biner............................. 33

Gambar 4.3. Syntax program Proses Encoding ................................................................ 34

Gambar 4.4. Hasil untuk Proses Encoding ....................................................................... 35

Gambar 4.5. Verifikasi Data Hasil Encoding Turbo Codes ............................................. 35

Gambar 4.6. Diagram Struktur encoder Turbo Codes sesuai input.................................. 36

Gambar 4.7. Syntax Program Modulasi ............................................................................ 37

Gambar 4.8. Hasil dari Syntax Program Modulasi ........................................................... 37

Gambar 4.9. Syntax Program AWGN .............................................................................. 38

Gambar 4.10. Hasil dari Syntax Proses AWGN ............................................................... 38

Gambar 4.11. Syntax Proses Demodulasi ......................................................................... 39

Gambar 4.12. Hasil dari Syntax Proses Demodulasi ........................................................ 39

Gambar 4.13. Syntax program untuk Proses Decoding .................................................... 40

Gambar 4.14. Hasil untuk Proses Decoding ..................................................................... 40

Gambar 4.15. Syntax program untuk mengubah data biner menjadi desimal .................. 41

Gambar 4.16. Hasil ubahan data biner menjadi desimal .................................................. 41

Gambar 4.17. Perhitungan Konversi Biner ke Desimal secara teori ................................ 41


xvi

Gambar 4.18. Program BER............................................................................................. 42

Gambar 4.19. Hasil program BER .................................................................................... 42

Gambar 4.20. Grafik Perbandingan BER dengan Nilai SNR 1 ........................................ 43

Gambar 4.21. Grafik Persen Kesalahan ketika SNR 1 ..................................................... 43

Gambar 4.22. Grafik Perbandingan BER dengan Nilai SNR 9 ........................................ 44

Gambar 4.23. Grafik Persen Kesalahan ketika SNR 9 ..................................................... 44

Gambar 4.24. Grafik Perbandingan BER dengan Nilai SNR 17 ...................................... 45

Gambar 4.25. Grafik Persen Kesalahan ketika SNR 17 ................................................... 46

Gambar 4.26. BER untuk data suhu individual ................................................................ 46

Gambar 4.27. BER untuk Data Pola Suhu Badan Penderita Demam Berdarah ............... 47

Gambar L-1. Ikon MATLAB ........................................................................................... L-4

Gambar L-2. Tampilan Utama Software MATLAB R2017b ........................................... L-5

Gambar L-3. Program Simulasi dengan jenis masukan perseorangan ............................. L-5

Gambar L-4. Program simulasi dengan masukan sekumpulan data ................................. L-6

Gambar L-5. Hasil Keluaran Sekumpulan Data awal yang dikirim ................................. L-6

Gambar L-6. Grafik Perbandingan antara Data Suhu Kirim dengan Data Suhu Diterima

ketika SNR 1 ..................................................................................................................... L-9


ketika SNR 9 ................................................................................................................... L-11


ketika SNR 17 ................................................................................................................. L-13


xvii

DAFTAR TABEL

Tabel 2.1. Symbol modulasi QPSK ................................................................................ 18

Tabel 2.2. Pemetaan Simbol Inphase dan Quadrature ................................................... 19

Tabel 3.1. Contoh Pembuatan Data Masukan dengan software Excel ........................... 28

Tabel 4.1. Hasil penghitungan manual ubahan desimal menjadi biner .......................... 34

Tabel 4.2. Hasil Perhitungan encoding sesuai dengan masukan .................................... 36

Tabel L-1. Perbandingan BER dengan SNR untuk data individual ............................... L-3

Tabel L-2. Perbandingan BER dengan SNR untuk Pola Suhu Badan Penderita DB ..... L-4

Tabel L-3. Data perbandingan Data kirim dengan Data terima dan persentase kesalahan

ketika SNR 1 ................................................................................................................... L-7


ketika SNR 9 ................................................................................................................... L-9


ketika SNR 17 ................................................................................................................. L-11


1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Di era sekarang, komunikasi adalah hal yang sangat dibutuhkan oleh manusia pada

umumnya. Perkembangan dunia telekomunikasi juga sangat pesat dan manusia juga

berlomba-lomba untuk menciptakan terobosan yang membantu manusia berkomunikasi.

Perkembangan alat komunikasi merupakan kemajuan yang tidak bisa dipungkiri. Dari

perangkat yang menggunakan kabel hingga telepon selular atau telepon tanpa

menggunakan kabel.

Pada waktu sekarang orang-orang telah menggunakan telepon selular sebagai bagian

dari hidupnya yang tak bisa dipisahkan. Banyak juga orang menciptakan aplikasi dalam

bentuk jasa yang dapat dinikmati oleh pengguna telepon selular. Tak perlu lagi orang harus

bertatap muka untuk melakukan suatu transaksi atau sekedar mencari informasi. Orang

semakin dimudahkan oleh adanya kemajuan ilmu telekomunikasi sekarang ini.

Salah satu perkembangan dari adanya kemajuan telekomunikasi adalah teknologi

Long Term Evolution (LTE) [1]. Teknologi ini sudah secara luas digunakan oleh negara-

negara maju dan berkembang. Masalah utama dalam teknologi telekomunikasi adalah

galat (error) pada kanal. Suatu metode deteksi dan koreksi error yang baik dibutuhkan

tanpa harus menurunkan pesat data. Proses pengembangan LTE di Indonesia juga sangat

gencar diselaraskan hingga ke daerah-daerah sampai sekarang.

Beberapa aspek kehidupan yang terpengaruh oleh adanya perkembangan dunia

telekomunikasi adalah pada bidang pendidikan, bisnis, seni, olahraga, pemerintahan, dan

kesehatan [2]. Informasi terkait pendidikan, produk, dan pelayanan kesehatan secara

langsung dapat diperoleh dari tenaga-tenaga ahli profesional, pelaku bisnis, dan antar

konsumen. Dunia kesehatan juga tak kalah dalam hal perkembangan e-health atau

telemedicine untuk membantu orang-orang untuk mencari informasi kesehatan secara

cepat. E-health merefleksikan perubahan bagi pelayanan kesehatan di seluruh dunia agar

orang diharapkan dapat semakin mengerti mengenai kesehatan. Dalam telemedicine,

sehingga setiap konsumen mendapatkan hasil secara realtime dan langsung dapat segera

dilakukan tindakan apabila berhubungan dengan nyawa seseorang.


2

Masalah dalam telekomunikasi adalah error saat transmisi, yang diakibatkan oleh

adanya derau dan distorsi [3]. Solusi dari permasalahan tersebut adalah dengan

menggunakan error control coding.

Penggunaan error control coding juga untuk komunikasi luar angkasa, transmisi

data, penyimpanan data, komunikasi perangkat bergerak, pengiriman file, dan transmisi

digital audio atau video [4]. Dibutuhkan penyandian dalam error control coding agar

proses transmisi berjalan dengan baik. Penyandian tersebut dengan menggunakan Turbo

Codes. Turbo Codes diperkenalkan oleh Berrou, Glavieux, dan Thitimajshima pada tahun

1993. Turbo Codes merupakan metode turunan terbaru dari sandi konvolusi dengan unjuk

kerja perhitungan Bit Error Rate (BER) mendekati shannon limit.

Dalam teknologi LTE, Turbo Codes digunakan sebagai metode penyandian kanal.

Turbo Codes dinilai sebagai penyandian kanal yang memberikan kemampuan deteksi dan

koreksi error yang paling baik [5].

Turbo Codes banyak dikembangkan untuk National Aeronautics and Space

Administration (NASA) dan European Space agency (ESA) untuk komunikasi satelit.

Salah satu contoh adalah dalam misi Pathfinder pada tahun 1997, Turbo Codes digunakan

untuk mengirim citra foto dari Mars [6].

Tianyu Xiang dari Universitat Politecnica De Catalunya pada 2015 mengkaji

efisiensi manajemen mobilitas jaringan LTE femtocell [7]. Alasan utama Xiang mengkaji

efisiensi LTE femtocell karena semakin padatnya populasi perangkat seluler yang

menyebabkan jaringan mengalami kongesi . Maka femtocell ini dapat membantu dalam

mengembangkan algoritma baru menggantikan yang konvensional untuk meningkatkan

Quality of Service (QoS) pada jaringan tersebut.

Fatima Furqan dari University of Technology Sidney pada 2015 membahas mengenai

QoS in 4G Wireless Network [8]. Dalam tesis ini, Furqan juga melakukan studi parameter

yang komprehensif yang mempengaruhi kapasitas dan cakupan jaringan 4G. Studi

parameter yang komprehensif berfungsi sebagai dasar untuk merancang QoS efektif untuk

distribusi layanan yang dinamis dan beragam. Hasilnya sangat baik bagi operator jaringan

yang akan membuat pengeluaran secara minimal.

Prassetia M. dari Universitas Lampung pada tahun 2015 membahas mengenai

Mekanisme Carrier Aggregation pada jaringan 4G LTE-Advance [9]. Pengujian dilakukan

untuk melihat performa dari teknik Carrier Aggregation dan membandingkannya dengan


3

teknik non-carrier Aggregation pada frekuensi primer 900MHz dan frekuensi sekunder

1800MHz.

Eko Kuncoro Adiyanto dari Universitas Mercu Buana Jakarta pada 2009 membahas

mengenai Perbandingan Performansi Convolutional Code dengan Convolutional Turbo

Code [10]. Perbandingan dilakukan pada kurva BER berbanding dengan Eb/No

menggunakan parameter yang berbeda-beda seperti modulasi, bit input rate, perpindahan

user, dan kanal. Dari hasil yang didapat, memperlihatkan bahwa Convolutional Turbo

Code memiliki performansi lebih baik dari Convolutional Code.

Eng. Amr Mohamed Ahmed Mohamed Hussien dari Universitas Kairo pada 2008

membahas mengenai Implementation Of Convolutional Turbo Codes and

Timming/Frequency Tracking for Mobile WiMAX [11]. Dalam tesis ini, Hussien

menyajikan model simulasi Convolutional Turbo Code yang digunakan dalam WiMAX

Mobile IEEE802.16e yang memiliki kinerja lebih baik selama skema pengkodean dengan

iterasi yang tinggi. Hussien juga menyajikan implementasi perangkat keras encoder dan

decoder Convolutional Turbo Codes dengan teknik yang efisien sehingga menambah

kecepatan dibandingkan dengan teknik Convolutional yang ada.

Sina Vafi dari University of Wollongong pada 2005 membahas mengenai On The

Design of Turbo Code with Convolutional Interleavers [12]. Tesis ini terkait dengan

penerapan Convolutional Interleavers yang merupakan Interleavers non-block paling

populer untuk Turbo Codes. Convolutional Interleavers sebagai Interleavers deterministik

yang baik dan yang dapat melakukan hal yang sama atau bahkan lebih baik daripada

interleavers deterministik dan acak sebelumnya.

Beberapa artikel di atas menyajikan kinerja sistem telekomunikasi menggunakan

Turbo Codes dengan data umum. Skripsi ini membahas mengenai kinerja transmisi data

menggunakan Turbo Codes. Secara khusus, penelitian ini membahas kinerja sistem

komunikasi 4G-LTE menggunakan data suhu badan penderita demam berdarah.

1.2. Tujuan dan Manfaat

Tujuan dari penelitian ini adalah:

1. menghasilkan program simulasi pengiriman data suhu badan penderita demam

berdarah.

2. Mengetahui kinerja transmisi data suhu badan penderita demam berdarah.


4

Manfaat dari adanya penelitian ini diharapkan dapat:

1. membantu akses pasien ke pusat kesehatan rujukan yang terdekat.

2. Membantu dokter menyatakan bahwa pasien positif menderita DBD dan mendapatkan

pertolongan pertama.

3. Membantu dokter dalam penyeleksian pasien yang harus dirawat di rumah sakit atau

yang hanya menjalani rawat jalan di rumah.

1.3. Batasan Masalah

Batasan masalah yang diambil dalam penelitian ini adalah:

a. Penelitian dilakukan dalam lingkungan jaringan Komunikasi 4G-LTE.

b. Metode penyandian yang digunakan dalam error control coding dalam skripsi ini

adalah Turbo Codes.

c. Encoder Turbo Codes yang digunakan dalam penelitian ini menggunakan code rate

1/3 dan menggunakan Turbo Interleaver.

d. Model kanal yang dipilih dalam saluran transmisi kali ini adalah Additive White

Gausian Noise.

e. Data masukan yang digunakan dalam penelitian ini adalah data ASCII untuk validasi

awal dan pola suhu badan penderita demam berdarah.

f. Penelitian dilakukan dengan simulasi komputer menggunakan software Matlab.

1.4. Metodologi Penelitian

Metode yang dilakukan untuk penulisan ini adalah:

a. Mengumpulkan referensi dari website, jurnal-jurnal, dan buku-buku.

b. Perancangan berupa simulasi software. Tahap ini bertujuan untuk melihat bentuk

dalam permodelan yang optimal dan efisien dari sistem LTE yang telah ada.

c. Proses pengambilan data. Teknik yang digunakan untuk pengambilan data dalam

penelitian ini dengan cara pola suhu badan penderita demam berdarah yang diambil

dari World Health Organization dalam bentuk desimal diubah menjadi biner agar

dapat diolah dalam simulasi software.

d. Pengujian program simulasi. Program simulasi akan diujikan dengan mencoba

memasukkan data kecil atau yang berjumlah sedikit sebagai titik acuan awal untuk

melihat simulasi program yang dibuat. Kemudian hasil program simulasi akan

dibandingkan untuk melihat kesesuaian data awal dengan akhir.


5

e. Analisa dan kesimpulan hasil percobaan simulasi. Analisa dilakukan dengan melihat

kerja dari sistem dengan mengirimkan data pola suhu badan penderita demam

berdarah dalam bentuk biner dan dapat diterima kembali menjadi data awal, dengan

mengubah-ubah SNR menjadi beberapa tahapan yakni 0.1 hingga 10 sehingga dapat

menghitung nilai Bit Error Rate (BER) untuk simulasi sistem transmisi pada software

MATLAB. Kesimpulan hasil percobaan dilakukan untuk mengetahui kinerja transmisi

data dengan melihat BER pada pengiriman data suhu badan penderita demam berdarah

menggunakan Turbo Codes pada sistem komunikasi 4G-LTE.


6

BAB II

DASAR TEORI

2.1. Channel Coding

Channel Coding mengacu pada transformasi sinyal yang dirancang untuk

meningkatkan kinerja komunikasi dengan meningkatkan ketahanan dari berbagai gangguan

saluran, seperti kebisingan, gangguan, dan pemudaran [13]. Channel Coding dapat dibagi

dalam dua kelompok, yaitu waveform coding (penyandian gelombang) dan structured

sequences (urutan terstruktur). Penyandian gelombang dapat mengubah gelombang

menjadi lebih baik, sehingga deteksi kesalahan menjadi lebih baik. Urutan terstruktur

membuat urutan data menjadi sebuah urutan yang lebih baik yang memiliki bit paritas.

Bit paritas dapat digunakan sebagai deteksi dan koreksi suatu kesalahan yang ada.

Channel Coding memiliki prosedur pengkodean yang berbentuk sinyal kode dari suatu

bentuk gelombang atau urutan terstruktur yang lebih baik daripada yang tidak dikodekan

sebelumnya.

2.1.1. Jenis Kontrol Kesalahan

Kesalahan pada bit dapat ditekan seminimal mungkin, sehingga Channel Coding

dapat mengendalikan kesalahan yang ada. Ada dua jenis kontrol kesalahan, jenis pertama

adalah Error Detections and Retransmission yang menggunakan bit paritas (atau

menambahkan bit pada data) untuk mendeteksi bahwa bit yang muncul terdapat kesalahan

atau tidak. Terminal penerima tidak akan memperbaiki kesalahan tersebut bila ada, namun

meminta agar pemancar mentrasmisikan ulang data tersebut. Jenis kedua adalah Forward

Error Correction (FEC) yang hanya membutuhkan link satu arah saja, karena bit paritas

dapat digunakan untuk mengoreksi dan mendeteksi kesalahan yang ada. Walaupun tidak

semua pola kesalahan dapat diperbaiki, koreksi kesalahan hanya diklasifikasikan menurut

kemampuan pengoreksi saja.

2.1.2. Forward Error Correction

Forward Error Correction (FEC) digunakan untuk meningkatkan suatu efisiensi

dari sistem komunikasi nirkabel [14]. Pada sisi transmitter, encoder FEC menambahkan


7

bit paritas. Kemudian pada receiver, decoder FEC memanfaatkan bit paritas tersebut untuk

mengoreksi data yang memiliki kesalahan. Beberapa keunggulan decoder FEC antara lain

decoder FEC tidak dapat menoleransi kesalahan yang terjadi pada data sehingga

kemungkinan kesalahan yang ada kecil. Sistem pengkodean mampu beroperasi dengan

daya pancar yang rendah, mentransmisikan data dengan jarak yang lebih jauh, menoleransi

lebih banyak interferensi, menggunakan antena yang lebih kecil, dan data rate yang

dikirim lebih tinggi.

Sebuah encoder FEC mengambil bit k pada satu waktu dan akan menghasilkan

sebuah output dari n bit, dengan n > k. Walaupun ada kemungkinannya bahwa 2n adalah

urutan dari n bit tersebut, namun hanya sebagian kecil kemungkinannya. Pada artinya 2k

akan valid menjadi codewords. Rasio antara k/n akan disebut sebagai Code Rate yang

dilambangkan dengan r.

Ada dua jenis laju sandi yang terdapat pada decoder FEC ini. Jenis pertama adalah

sandi laju rendah yang ditandai dengan dengan r yang dapat membenarkan kesalahan

saluran lebih banyak daripada sandi laju tinggi. Yang kedua adalah sandi laju tinggi,

dengan laju sandi yang dapat menghemat bandwidth daripada laju sandi sebelumnya. Jadi

pemilihan laju sandi sangat berpengaruh terhadap decoding sandi tersebut .

Ada batas bawah energi yang digunakan untuk mengirimkan 1 bit data. Batas ini

disebut Channel Capacity atau Shannon Capacity yang dikemukakan oleh Claude Shannon

pada tahun 1948. Penemuannya mengenai kapasitas kanal ini dikenal sebagai Information

Theory. Sejak teori ini ada, para insinyur dan matematikawan mulai mencoba membuat

kode supaya mencapai kinerja yang mendekati kapasitas Shannon.

2.2. Sandi Turbo

Pada tahun 1993 beberapa peneliti di Perancis berhasil menemukan dan

mengembangkan Turbo Codes [3]. Bagi perkembangan dalam dunia coding, Turbo Codes

termasuk dalam hasil yang luar biasa, namun hasil tersebut disambut dengan skeptis bagi

beberapa orang. Peneliti yang lain juga melakukan riset untuk Turbo Codes ini supaya

nantinya hasil yang ditunjukkan dapat lebih baik lagi dan mendapatkan perkembangan

yang cukup signifikan pada unjuk kerja Turbo Codes tersebut.

Pada akhir tahun 1990an penemuan mengenai Turbo Codes ini mulai sangat akrab di

dunia teknologi, sehingga banyak dari sistem yang mulai mengadopsi penggunaan Turbo

Codes [14]. Turbo Codes sendiri telah dipergunakan oleh NASA sebagai alat


8

berkomunikasi di antariksa atau di dalam The Consultative Committee of Space Data

System (CCSDS). Penyiaran pun juga telah menggunakan Turbo Codes yaitu dalam

penyiaran video digital atau sistem Digital Video Broadcasting (DVB-T). Standar

telekomunikasi seluler juga telah menerapkan Turbo Codes dengan memasukkannya dalam

standar telekomunikasi seluler generasi yang ketiga yakni UMTS dan CDMA2000.

Gambar 2.1. Struktur dasar Turbo Encoder dan Iterative decoder [15].

Dalam teori informasi, seseorang dapat secara ideal mendekati batas Shannon

sedekat yang diinginkan dengan menggunakan soft-decision decoding dari sandi blok yang

panjang atau sandi konvolusional dengan panjang kendala yang besar [15]. Jika urutan bit

yang diterima tidak sesuai, receiver menyatakan ada kesalahan yang terjadi. Jika jumlah

kesalahan cukup kecil dan strukturnya kuat, receiver dapat mendeteksi bit yang salah dan

merekonstruksi urutan bit. Sandi koreksi kesalahan yang kuat memiliki dua karakteristik

utama, yaitu encoder menerapkan struktur yang memaksimalkan jarak antara dua urutan

bit yang valid dan decoder menggunakan semua informasi yang tersedia di ujung penerima

termasuk bit paritas dan transmisi yang sebelumnya tidak berhasil.

Perbedaan signifikan pertama antara Turbo Codes dan Convolutional Codes adalah

penggunaan encoder berstruktur rekursif. Struktur rekursif itu sistematis, yaitu, bit input

muncul secara langsung sebagai bagian dari bit stream yang dikodekan. Convolutional

codes yang khas menggunakan encoder berstruktur non-rekursif. Dengan mengumpan

salah satu output kembali ke input, struktur pengkodean rekursif diperoleh. Oleh karena

itu, struktur rekursif memungkinkan kombinasi dua sandi untuk membangun sandi yang

11

Turbo

Interleaver

Data Masukan

Interleaver Data Keluaran

Kanal

AWGN

Convolutional

Encoder 2

Decoder

1

Modulasi

Decoder

2

De-

Interleaver

Convolutional

Encoder 1

Interleaver


9

lebih kuat. Struktur rekursif berinteraksi dengan interleaver untuk memberi beberapa

karakteristik kinerja.

Pada Convolutional Codes, urutan bit biasanya memiliki bit paritas. Ini

menginisialisasi keadaan encoder ke semua nol pada akhir urutan bit. Dalam Turbo Codes,

ini memperlihatkan bahwa urutan bit yang valid tidak dapat berisi satu saja. Karena

pengkodean adalah proses linier, ini berarti bahwa urutan masukan yang valid harus

berbeda dari urutan masukan lain.

Encoder turbo mempunyai bagian interleaver di dalamnya. Pada decoder pertama,

keduanya terpisah jauh pada input decoder kedua. Akibatnya, output decoder kedua

berbeda dari keluaran yang benar dalam posisi bit.

Prinsip dasar Turbo Codes adalah dapat bekerja pada SNR rendah. Urutan informasi

yang salah untuk satu decoder kemungkinan akan ditolak oleh decoder lainnya. Karena

interleaver bersifat acak, ada beberapa pola kesalahan bagi kedua decoder tersebut. Salah

satu karakteristik Turbo Codes yang paling menarik adalah sandi dapat bekerja untuk lebih

dari satu sandi saja . Sebenarnya, ini adalah kombinasi dari dua sandi yang bekerja sama

untuk mencapai hasil. Tidak dapat dilakukan hanya menggunakan satu sandi saja. Seperti

ditunjukkan pada Gambar 2.1, kode turbo terbentuk dari rangkaian paralel dua penyusun

konstituen yang dipisahkan oleh interleaver.

Setiap encoder penyusun dapat berupa sandi FEC yang digunakan untuk komunikasi

data konvensional. Namun, dalam praktiknya, encoder penyusun adalah encoder konvolusi

yang sama. Seperti pada Gambar 2.1, Turbo Codes terdiri dari dua encoder penyusun

identik. Aliran data input dan output paritas dari dua encoder paralel kemudian disambung

menjadi satu Turbo Codes tunggal. Interleaver adalah komponen penting dari Turbo

Codes. Ini adalah blok fungsional sederhana yang mengatur ulang urutan bit data dengan

cara yang ditentukan, namun tidak beraturan. Meskipun set bit data akan sama ada pada

output interleaver, urutan bit-bit ini telah diubah.

.

2.3. Interleaver

Teknik pengkodean untuk saluran dengan memori memang sudah dikembangkan,

namun masalah terbesar dari pengkodean tersebut adalah sulitnya mendapatkan keakuratan

dari pengiriman sandi dari saluran tersebut [13]. Teknik yang mengatur durasi dan rentang

memori dari saluran, yaitu time-diversity atau interleaving. Interleaver mengacak simbol

sandi dengan rentang panjang blok (untuk sandi blok) atau constraint lengths (untuk sandi


10

konvolusi). Rentang yang dibutuhkan ditentukan pada saat pengiriman. Rincian pola

redistribusi bit harus diketahui oleh penerima agar arus simbol disisipkan sebelum

didekodekan.

Gambar 2.2. (a) Contoh original uninterleave codewords. (b) interleave code symbol [13].

Gambar 2.2 menunjukkan proses interleaving yang sederhana menggunakan

Uninterleaved codeword, dari A sampai G. Setiap codeword terdiri dari tujuh simbol sandi.

Diangap memiliki kemampuan mengoreksi kesalahan tunggal dalam setiap urutan tujuh

simbol. Jika rentang saluran adalah satu codeword dalam setiap durasi, maka setiap tujuh

simbol dalam satu rentang waktu bisa merusak informasi yang terdapat dalam satu atau

dua codewords. Gambar 2.2 (b) adalah hasil dari proses interleaving codewords pada

Gambar 2.2 (a).

Artinya, setiap simbol sandi dari masing-masing codeword dipisahkan dari

sebelahnya yang telah dipisahkan oleh rentang waktu tujuh simbol. Data hasil interleaving

kemudian digunakan untuk memodulasi gelombang yang ditransmisikan melalui saluran.

Kemudian sandi diterjemahkan. Karena setiap codewords memiliki capability untuk

mengoreksi kesalahan tunggal.

Pada Long Term Evolution (LTE) decoding membutuhkan kecepetan di atas 100

Mbps [16]. Pada Turbo Interleaver LTE proses decoding tidak sesuai dengan kecepatan di

atas. Pilihan solusi untuk mengatasi kecepatan data tersebut, yaitu Almost Regular

Permutation (ARP) dan Quadratic Polynomial Permutation (QPP). QPP banyak

digunakan pada teknologi komunikasi LTE.


11

2.3.1. Almost Regular Permutation

Dapat disebut juga Almost Regular Circular Permutation (ARCP), Almost Regular

Permutation (ARP), atau Dithered Relatively Prime Permutations (DRP) [17]. ARCP,

ARP, dan DRP tidak menyimpang terlalu jauh dari regular permutations, hanya

disesuaikan dengan pola kesalahan sandi sederhana dan untuk memberikan beberapa

gangguan namun tetap terkontrol untuk melawan banyak kesalahan dari sandi. Gambar 2.3

memberi contoh dari kelainan kecil pada saat transmisi. Sebelum Circular Regular

Permutation dilakukan, bit tersebut mengalami permutasi local dahulu. Permutasi ini

dilakukan dalam kelompok bit Cycle Writing (CW). CW adalah pembagi panjang bit k.

Begitu juga dengan Cycle Reading (CR) permutasi dilakukan sebelum bit keluar sebagai

output.

Gambar 2.3. Contoh DRP Permutasi [17]

Cara lain untuk mengganggu regular permutation adalah dengan cara yang

terkendali ditunjukkan pada Gambar 2.4. Sepotong informasi (bit atau simbol) ditempatkan

di setiap baris dan kolom yang saling silang. Dengan Regular permutation, data ini dapat

menghafal baris demi baris dan kolom demi kolom.


12

Gambar 2.4. Contoh Almost Regular Permutation (ARP) [17].

Persamaan ARP dapat dituliskan sebagai berikut:

(2.1)

dengan:

adalah indeks sekuensial dari posisi bit setelah interleaving

Π(j) adalah indeks bit sebelum interleaving sesuai dengan posisi i

K adalah ukuran blok informasi dalam bit

i0 adalah bilangan bulat yang relatif terhadap k

Pj adalah offset konstan

Q(j) adalah vector dengan panjang C

dan C adalah bilangan kecil (misalnya, 4, 8) atau disebut panjang siklus.

Jika:

(2.2)

dengan:

A(j) dan B(j) adalah vektor masing-masing panjang C dan diterapkan secara berkala

untuk .

2.3.2. Quadratic Polynomial Permutation (QPP)

Pembahasan mengenai Quadratic Polynomial Permutation (QPP) memerlukan

pembahasan bentuk polynomial secara umum terlebih dahulu [17]. Untuk mengetahui

polynomial itu sendiri sudah sesuai dengan Polynomial Permutation pada bilangan dengan

modulo N, ZN, maka N terlebih dahulu diberi masukan dengan nilai 2. Sehingga persamaan

suatu polynomial akan menjadi sebagai berikut:


13

(2.3)

dengan:

koefisien a0, a1, a2,…, am dan m adalah bilangan bulat non negatif.

Persamaan polynomial dapat dikatakan Permutation polynomial atas ZN saat f(x)={0,

1, 2, 3,…., N-1}. Modulo N cukup untuk koefisien-koefisien a0, a1, a2,…, am yang berada

pada ZN. Interleaver berbasis QPP dengan invers kuadrat sangat baik walaupun dengan

jangka waktu dan jarak yang minimum dibandingkan dengan kelas interleaver berbasis

QPP tanpa invers kuadrat.

2.4. Turbo Encoder dan Decoder

Cara kerja Turbo encoder dan decoder adalah sebagai berikut. Bit input biner {0, 1}

diwakili oleh tingkat bipolar {+1, -1} dan dilanjutkan ke variabel d, yang mengambil nilai

d = +1 dan d = -1 [17]. Untuk kanal AWGN, fungsi kepadatan probabilitas bersyarat f (x |

d = -1) dan f (x | d = +1) disebut sebagai fungsi likelihood. Kriteria hard decision yang

umum dikenal sebagai Map-Likelihood, memilih simbol dk = +1 atau dk = -1 bergantung

pada titik intersep dari nilai sinyal yang diterima xk dan fungsi kepadatan probabilitas

bersyarat di atas menggunakan ambang batas tetap λ (titik keputusan). Dengan demikian,

dk = +1 jika xk > λ, jika tidak, maka dk = -1.

Aturan keputusan yang lain, dikenal sebagai Maximum a Posteriory Probability

(MAP) memperhitungkan probabilitas posteriori f (d = +1 | x) dan f (d = -1 | x) untuk

membangun hipotesis H1 dan H2 sebagai berikut:

(2.4)

Dengan:

H1 (d = +1), jika f (d = -1 | x) > f (d = +1 | x); Jika tidak, maka H2 (d = -1).

Dengan menggunakan Baye’s Theorem, probabilitas posteriori di atas dapat diganti

dengan ekspresi ekuivalennya, menjadi sebagai berikut:

(2.5)

Uji rasio likelihood adalah sebagai berikut:


14

(2.6)

Jika bit input independen dan identik dengan variabel acak, persamaan di atas

disederhanakan menjadi:

(2.7)

Dengan mengambil logaritma rasio kemungkinan di atas, logaritma rasio tersebut

dikenal sebagai Log-Likelihood Ratio (LLR), yang merupakan bilangan real atau nilai yang

mewakili keluaran soft-decision yang dapat dirumuskan sebagai berikut:

(2.8)

di mana L (x | d) adalah LLR statistik uji x yang diperoleh melalui pengukuran output

saluran x di mana d = +1 atau d = -1 mungkin telah dikirim, dan L (d) menunjukkan LLR

apriori dari bit data d seperti ditunjukkan pada Gambar 2.5. Pengenalan sebuah decoder

akan memperbaiki keandalan proses pengambilan keputusan di atas. Untuk kode yang

sistematis, dapat ditunjukkan bahwa ekspresi LLR (soft output) pada keluaran decoder

dapat ditulis sebagai dengan Linput = (d).

dari detektor (atau input ke decoder), dan Le = (d) mewakili informasi tambahan

yang diperoleh dari proses decoding.

Gambar 2.5. Ilustrasi dari soft-input atau soft-output decoder dari Sandi Turbo. [15]

Urutan output dari decoder terdiri dari nilai-nilai yang mewakili bit data dan paritas.

Dengan demikian, keluaran dekoder LLR dapat didekomposisi menjadi komponen data

yang terkait dengan pengukuran dan komponen ekstrinsik yang ditunjukkan oleh

kontribusi decoder karena paritas. Keluaran komponen Soft-decision L (d) adalah bilangan


15

real yang memberikan keputusan tersebut. Tanda dari parameter output L (d) menunjukkan

Hard-decision, yaitu, untuk nilai positif dari keluaran L(d), menjadi d = +1 dan untuk nilai

negatif dari keluaran L (d), menjadi d = -1. Besarnya output L (d) menunjukkan

reliabilitas. Turbo decoding bergantung pada pertukaran informasi probabilistik antara dua

decoder soft-input soft-output yang ditunjukkan pada Gambar 2.5.

Gambar 2.6. Diagram struktur encoder Turbo Codes

Gambar 2.6 menunjukkan struktur encoder yang terdapat pada Turbo Codes.

Encoder Turbo Codes menggunakan dua encoder Recursive Systematic Convolutional

(RSC) yang terhubung secara parallel dengan Interleaver. Interleaver Turbo mendahului

encoder RSC yang kedua, seperti ditunjukkan pada Gambar 2.6. Generator untuk encoder

diatas adalah

G0 = 133oct = Xk

G1 = 171oct = Zk

G2 = 165oct = Z’k


16

Hasil keluaran dari Turbo Encoder di atas adalah

d0

k = Xk

d1

k = Zk

d2

k = Z‟k

Untuk k = 0, 1,2,..., K-1

Masukan bit ke enkoder turbo dinotasikan dengan c0, c1, c2, c3, ..., cK−1 dan output

bit dari yang pertama dan kedua 8-state konstituen enkoder dilambangkan masing-masing

dengan z0, z1, z2, z3, ..., zK−1 dan z'0, z'1, z'2, z'3, ..., Z‟k−1. Hasil keluaran bit dari

interleaver internal sandi turbo dinotasikan dengan c'k0, c'k1, ..., C′k −1, dan bit-bit ini

akan menjadi input ke enkoder penyusun 8-state konstituen kedua.

Tiga digit biner pertama merupakan klasifikasi dalam masukan awal, yakni masukan

langsung, penyandi 1, dan penyandi 2. Hasil keluaran dari Xk masukan data biner asli.

Untuk Zk adalah hasil keluaran dari Xk+ d1

k, d1

k+1, d1

k+2 = Zk+1, d1

k+2 Penghentian untuk

menyandikan data pada penyandi pertama terjadi ketika semua data telah selesai

disandikan oleh penyandi satu dan sisa dari 3 bit terakhir menjadi umpan untuk memulai

penyandi kedua menyandikan data. Hasil untuk Z’k didapatkan dari 3digit biner akhir yang

diawali dengan 0, Zk+0 = d2

k+1, Xk+1, d2

k+2. Hasil keluaran dari X’k adalah 3 bit terakhir

dari Z’k dan menjadi hasil keluaran terakhir dari sistem encoder turbo codes.

Gambar 2.7. Diagram Struktur Decoder Turbo Codes

Decoder Turbo Codes akan melakukan dengan cara yang berulang, karena proses

umpan balik pada decoding. Setiap iterasi terdiri dari dua iterasi setengah, satu iterasi

setiap RSC. RSC decoder 1 mulai berjalan selama iterasi setengah yang pertama, dan RSC

decoder 2 berjalan selama iterasi pada yang kedua.


17

Nilai W (Xk), 1 < k < K adalah informasi ekstrinsik yang dihasilkan oleh decoder 2

dan diperkenalkan pada input dari decoder 1. Sebelum iterasi pertama, W(Xk) diinisialisasi

ke angka nol. Setelah setiap iterasi sudah lengkap, nilai W(Xk) akan diperbarui untuk

mencerminkan kepercayaan mengenai data yang disebarkan dari decoder 2 kembali ke

decoder 1. W(Xk) tidak didefinisikan K + 1 < k < K + 3 sehingga akan dianggap sebagai 0.

Keluaran dari decoder 1 adalah LLR Xk, diperoleh dengan:

(2.9)

untuk 1 ≤ k ≤ K

dan untuk K+1 ≤ k ≤ K+3 V1 (Xk) = R(Xk)

Begitu juga untuk decoder 2, yaitu dengan:

(2.10)

untuk 1 ≤ k ≤ K

dan untuk K+1 ≤ k ≤ K+3 V2 (X’k) = R(X’k)

Setelah iterasi selesai, diambil sedikit keputusan pada persamaan 2.19, dimana Xk =

1 dengan Λ2 (Xk) > 0 dan Xk = 0 dengan Λ2 (Xk) < 0.

2.5. Modulasi

Modulasi adalah proses pengubahan suatu parameter data informasi yang akan

ditransmisikan ke dalam suatu media seperti kabel, udara, dan serat optik supaya data

informasi yang dikirimkan dapat diterima dengan baik [18]. Pada transmisi digital terdapat

tiga macam konsep dasar dari modulasi yakni:

a. Amplitude Shift Keying (ASK)

b. Frekuensi Shift Keying (FSK)

c. Phase Shift Keying (PSK)

Teknik modulasi ASK adalah modulasi dengan cara mengubah amplitudo gelombang

sinyal pembawa untuk data digital yang ditumpangkan pada sinyal pembawa. Teknik

modulasi FSK adalah modulasi dengan cara mengubah frekuensi untuk gelombang

pembawa, namun amplitudonya sama. Teknik modulasi PSK adalah modulasi dengan

phasa yang keluarannya berbeda dan jumlahnya terbatas.

Dalam perkembangan teknik modulasi, PSK mempunyai turunan kembali yaitu

Binary Phase Shift Keying (BPSK) dan Quadrature Phase Shift Keying (QPSK).


18

2.5.1. Quadrature Phase Shift Keying (QPSK)

Tujuan dari suatu perancangan sistem komunikasi digital adalah untuk memperoleh

probabilitas kesalahan yang rendah, selain itu juga penggunaan kanal lebar bidang

(bandwitdh) yang efisien [19]. Bagian dari modulasi bandwidth-conservation atau lebih

dikenal dengan Coherent Quadriphase-Shift Keying. QPSK mentransmisikan dua bit

secara simultan dalam waktu interval T. Skema modulasi bandwidth-conservation

ditunjukkan oleh Gambar 2.8.

Gambar 2.8. Sistem QPSK

Pada Gambar 2.8 dua bit yang ditransmisikan ditandai sebagai m1 dan m2, yang

dipisahkan oleh aliran bit tunggal m dimana m1 adalah aliran bit ganjil dan m2 sebagai bit

genap. Seperti ditunjukkan pada Gambar 2.8 diatas m1 akan naik dan m2 akan turun,

sehingga aturan yang diikuti adalah

a. m1 akan memicu sinyal a1 dan m2 memicu sinyal a2

b. m1 = 1 atau 0, a1 = +√E/2 atau -√E/2

c. m2 = 1 atau 0, a2 = +√E/2 atau -√E/2

d. a1 dan a2 akan dikalikan dengan √2/TCos(( 2∏ )f

c t )

atau √(2/T)sin ((2∏)f1Ct)

Sehingga hubungan antara m1 dan m2, a1 dan a2 ditunjukkan pada Tabel 2.1

menjadikan simbol baru dalam bentuk Cos 45 = 1/2√2 yang bernilai 0.7071 seperti diatas.

Setelah diketahui nilai dari simbol baru tersebut yang membedakan antara bilangan positif

dan negatif dari sebuah teknik modulasi multi level menjadi pasangan tegangan real dan


19

imajiner dan dapat disebut sebagai bilangan kompleks. Bilangan real adisebut sebagai

Inphase(I) dan bagian imajiner disebut Quadrature(Q) yang ditunjukkan pada Tabel 2.2.

Tabel 2.1. Symbol modulasi QPSK

Bit Informasi Simbol Modulasi

0,0 0.7071, 0.7071

0,1 0.7071, -0.7071

1,0 -0.7071, 0.7071

1,1 -0.7071, -0.7071

Data Tabel di atas memperlihatkan bilangan real ini adalah bilangan yang dikalikan

dengan frekuensi tinggi sebagai carrier dalam bentuk cosinus, sedangkan imajiner adalah

bilngan yang dikalikan dengan sinus. Kemudian kedua bilangan ini digabungkan dengan

cara ditambahkan dan disebut sebagai simbol baru. Dengan memetakan bit-bit ini menjadi

pasangan bilangan akan meningkatkan kecepatan data tergantung dengan berapa banyak

bit yang direpresentasikan oleh sebuah simbol baru.

Tabel 2.2. Pemetaan Simbol Inphase dan Quadrature

Desimal Bit Informasi Simbol I+Q

0 0,0 1/2√2 + 1/2√2i

1 0,1 1/2√2 - 1/2√2i

2 1,0 -1/2√2 + 1/2√2i

3 1,1 -1/2√2 – 1/2√2i

2.6. Gaussian Channel

Saluran Gaussian dapat dilihat dari rumus 2.11 dan gambar 2.8 [20]. Ini adalah

saluran diskrit pewaktuan dengan output Yi pada waktu i. Persamaan yang umum

digunakan sebagai berikut

(2.11)

dengan:

Yi adalah jumlah input Xi dan noise Zi.

Persamaan 2.11 adalah model untuk beberapa saluran komunikasi yang umum,

seperti saluran telepon kabel, jaringan nirkabel dan satelit.


20

Keterbatasan yang umum pada masukan adalah hambatan energi atau daya.

Asumsikan bahwa batasan daya yang digunakan rata-rata. Untuk setiap codeword (x1, x2,

..., xn) yang dikirim melalui saluran, batasan daya yang digunakan rata-rata adalah:

(2.12)

dengan:

n adalah codewords length

xi adalah variabel acak

P adalah Power Constraint

Noise aditif di saluran semacam ini disebabkan oleh berbagai macam sebab. Namun,

dengan limit theorem.

Gambar 2.9. Gaussian Channel

Asumsikan Transmitter akan memasukkan 1 bit melalui satu saluran. Dengan

keterbatasan daya, yang terbaik yang bisa dilakukan adalah mengirim satu dari dua tingkat,

+ √P atau -√P. Penerima akan melihat Y yang sesuai untuk diterima dan mencoba

memutuskan mana dari dua tingkat yang dikirim. Dengan asumsi bahwa kedua tingkat

tersebut sama-sama dapat terjadi (jika ingin mengirim tepat 1 bit informasi). Aturan

decoding yang optimal adalah memutuskan bahwa +√P dikirim jika Y > 0 dan

memutuskan -√P dikirim jika Y < 0. Probabilitas error dengan skema decoding seperti itu

menjadi [24]:

(2.13)

(2.14)

(2.15)


21

(2.16)

Dengan Φ (x) adalah Cumulative Normal Function

(2.17)

Dengan menggunakan sinyal masukan empat tingkat, saluran Gaussian dapat diubah

menjadi empat saluran input secara diskrit. Dalam beberapa skema modulasi praktis,

gagasan serupa digunakan untuk mengubah saluran secara kontinyu menjadi saluran

diskrit. Keuntungan utama dari saluran diskrit adalah kemudahan pemrosesan sinyal

keluaran untuk koreksi kesalahan, namun beberapa informasi akan hilang dalam kuantisasi

2.6.1. Distribusi Gaussian

Distribusi Normal bisa memberikan gambaran yang jelas dan nyata untuk

perindustrian dan penelitian [21]. Galat dalam pengukuran-pengukuran ilmiah juga dapat

diperbaiki dengan baik oleh distribusi normal ini. Distribusi normal juga dapat disebut

sebagai distribusi Gauss sebagai penghormatan untuk Karl Friedrich Gauss sebagai

ilmuwan yang juga menemukan persamaan sewaktu meneliti error dalam pengukuran.

Secara karakteristik, variabel acak kontinyu berbeda dengan variabel acak diskrit. Variabel

acak kontinyu dapat mencakup keseluruhan bilangan, baik utuh dan pecahan.

Variabel acak secara kontinyu dapat sering disebut sebagai fungsi kepadatan, karena

tidak ada ruang kosong di antara dua nilai tersebut. Fungsi kepadatan adalah dasar untuk

mencari probabilitas di antara dua variabel nilai. Variabel acak kontinyu x yang

distribusinya berbentuk lonceng disebut juga sebagai variabel acak normal. Fungsi

kepadatan variabel acak normal x dengan rataan µ dan σ2 adalah [21]:

(2.18)

dengan:

µ adalah Parameter untuk rata-rata distribusi

e adalah Konstanta matematika yang nilainya mendekati 2.718

π adalah Konstanta matematika yang nilainya mendekati 3.1415

σ2 adalah Parameter untuk variansi pada distribusi

Nilai x pada f(x) mempunyai batas -∞ < x < ∞, sehingga dapat dikatakan bahwa variabel

acak x adalah distribusi normal.


22

Gambar 2.10. Bentuk Kurva Normal

Setiap variabel acak normal x dapat ditransformasikan menjadi satu variabel baru

yang disebut variabel acak normal z dengan rataan nol dan variansi 1. Variabel acak

normal z tersebut dapat dityuliskan sebagai berikut:

(2.19)

Sehingga bila x bernilai antara x = x1 dan x = x2 maka variabel acak z akan bernilai

antara z1 =

dan z2 =

. Persamaan 2.14 dapat dituliskan kembali sebagai

berikut [21]:

(2.20)

Gambar 2.11. Gambar Kurva Distribusi Normal dengan yang sudah ditransformasi


23

2.6.2. Additive White Gaussian Noise

AWGN adalah noise yang ditambahkan dalam setiap kanal transmisi yang ideal [22].

Disebut kanal ideal karena kanal tersebut memiliki bandwidth yang luas dan memiliki

respon terhadap semua jenis frekuensi sehingga tidak mempengaruhi bentuk sinyal yang

keluar karena permasalahan distorsi. Additive berarti ditambahkan dalam proses

pentransmisian suatu sinyal. White Noise berarti frekuensi dari keseluruhan spektralnya

sebagai cahaya putih. Gaussian berarti mengikuti pola distribusi Gaussian atau juga dapat

disebut dengan distribusi normal.

White noise dapat dituliskan sebagai berikut [25]:

(2.21)

dengan:

N0 adalah daya dari noise

f adalah frekuensi

Noise yang muncul sesuai dengan distribusi gaussian dengan rataan nol dan variansi

yang dimiliki tergantung dari kerapatan daya dari noise tersebut. Nilai dari variansi itu

dapat dituliskan sebagai berikut [24]:

(2.22)

Kanal AWGN dapat dikatakan sebagai media untuk transmisi sinyal dalam sistem

telekomunikasi. Output pada kanal AWGN adalah penjumlahan dari input dan noise,

seperti ditunjukkan pada gambar 2.11.

Gambar 2.12. Kanal AWGN


24

2.7. Bit Error Rate

Kesalahan bit pasti akan muncul pada sistem transmisi suatu informasi yang

dilakukan dalam sistem telekomunikasi [22]. Ukuran kesalahan pada bit adalah dengan Bit

Error Rate (BER). BER dihitung dengan cara membandingkan bit yang keluar setelah

pengiriman dengan bit asli atau bit masukan di awal pada saat proses transmisi. Persamaan

umum BER tersebut dapat dituliskan sebagai berikut:

(2.23)

2.7.1. BER untuk QPSK

QPSK adalah pengembangan dari BPSK, sehingga BER pada QPSK adalah sama

dengan yang ada pada BPSK untuk komponen in-phase dan quadrature [23]. Persamaan

BER untuk QPSK adalah sebagai berikut:

(2.24)

dengan:

Ps adalah symbol Probability error untuk QPSK

Q adalah variansi output

Persamaan (2.24) dapat disubstitusi sehingga menghasilkan Ps untuk γs sebagai

berikut:

(2.25)

γs = 2γb = 2A2/N0 dapat dituliskan kembali menjadi:

(2.26)

dengan menggunakan fakta bahwa jarak minimum antara titik konstelasi adalah dmin =

√2A2, persamaan 2.29 dapat dituliskan sebagai berikut:

(2.27)

2.8. Pola Suhu Badan Penderita Demam Berdarah

Demam Berdarah merupakan penyakit yang masih menjadi masalah utama di

Indonesia [24]. Demam Berdarah biasanya memang menyebar di daerah dengan iklim


25

tropis. Penyebar utama virus Demam Berdarah ini adalah Aedes Aegypti, walaupun pada

Kejadian Luar Biasa (KLB) penyebar virus ini juga dikarenakan oleh Aedes Albopictus,

Aedes Polynesisensis, dan Aedes Scutellaris. Penderita yang mengalami Demam Berdarah

umumnya akan mengalami berbagai rasa ketika sakit. Gambaran klinis yang akan di alami

oleh penderita Demam Berdarah meliputi tiga fase, yaitu fase febris, fase kritis, fase

pemulihan.

Fase febris adalah fase dimana penderita akan mendadak mengalami demam tinggi,

berkisar antara dua hingga tujuh hari masa demam. Dari muka penderita akan berwarna

kemerahan, pada tubuh akan mengalami nyeri, dan kepala akan mengalami sakit kepala.

Beberapa kasus Demam Berdarah lain kadang ditemukan juga hingga nyeri tenggorokan,

mual, dan muntah.

Fase kritis akan dialami penderita pada hari ketiga hingga hari ketujuh dengan tanda

suhu tubuh penderita mengalami penurunan suhu badan. Fase ini akan disertai kenaikan

permeabilitas kapiler dan kebocoran plasma yang berlangsung 24-48 jam. Fase ini

terkadang akan mengalami proses syok pada penderita Demam Berdarah.

Fase pemulihan akan terjadi apabila penderita Demam Berdarah telah melewati fase

kritis dan pengembalian cairan dari ekstravaskuler ke intravaskuler secara perlahan 48-72

jam setelah fase kritis.

Gambar 2.13. Pola Suhu Badan Penderita Demam Berdarah

Patogenesis infeksi Demam Berdarah belum sepenuhnya dipahami, berbagai teori

dipelajari agar mendapatkan obat, timbulnya mediator penyulut demam dapat merangsang

pusat termoregulator di hipotalamus sehingga penderitanya demam. Salah satu keadaan

yang terjadi adalah kenaikan permeabilitas kapiler yang menyebabkan kebocoran plasma

sehingga dapat menyebabkan penderita jatuh ke keadaan syok.


26

World Health Organization (WHO) telah mengeluarkan pedoman baru tahun 2009

untuk mengatasi supaya Demam Berdarah tidak cepat menyebar di lingkungan. Sehingga

perlu adanya sosialisasi supaya pedoman tersebut dapat memberikan efek baik bagi

lingkungan dan kesehatan.


27

BAB III

PERANCANGAN SISTEM

3.1. Gambaran Sistem

Proses perancangan sistem untuk mengetahui kinerja transmisi data suhu badan

penderita demam berdarah melalui beberapa proses, yaitu encoding data suhu badan

menjadi biner, penambahan AWGN, decoding biner menjadi data suhu badan kembali.

Perancangan sistem ditunjukkan pada Gambar 3.1.

Gambar 3.1. Perancangan Sistem Kinerja Transmisi Data pada MATLAB

Gambar 3.1 menunjukkan proses yang akan dilakukan pada sistem untuk melihat

kinerja transmisi data dengan menggunakan data masukan berupa suhu badan penderita

demam berdarah. Simulasi kinerja transmisi data suhu badan penderita demam berdarah

menggunakan software MATLAB. Gambar 3.1 memperlihatkan fungsi utama pada sistem,

yaitu interleaving, penyandian, modulasi dan pengawasandi. Data masukan berupa suhu

badan yang akan dimasukkan ke dalam sistem diubah dahulu menjadi biner, sehingga

dapat disandikan melalui proses penyandian. Hasil penyandian akan diteruskan melewati

Modulasi agar bisa masuk dalam kanal AWGN.

Setelah melewati kanal AWGN, sandi dikembalikan melalui De-Modulasi kembali

untuk dilakukan proses pengawasandian. Sandi akan menjadi data keluaran, namun setelah

melewati proses De-Interleaving terlebih dahulu. Data keluaran inilah yang akan menjadi

hasil akhir atas sistem kinerja transmisi data yang menggunakan Turbo Codes pada

komunikasi 4G-LTE.

Data Masukan Interleaving Encoder 1 Modulasi

AWGN

De-Modulasi Decoder 1

Data Keluaran De-Interleaving

Bit Error Rate

Encoder 2 LTE Turbo

Encoder

Decoder 2

Interleaving

Interleaving LTE Turbo

Decode


28

3.1.1. Analisis Kebutuhan Sistem

Perancangan sistem yang digunakan untuk mengetahui kinerja transmisi data suhu

badan penderita demam berdarah membutuhkan file dalam format “.xls”. File dalam

format “.xls” tersebut merupakan data suhu badan penderita demam berdarah yang

berbentuk desimal. Data tersebut akan diubah menjadi data biner (data yang terdiri dari

angka 0 dan 1) yang dimasukkan secara manual ke dalam perancangan sistem.

3.2. Pembuatan Data Masukan

Pembuatan data masukan bertujuan untuk menentukan jumlah data yang akan

ditransmisikan dalam sistem kinerja transmisi data. Data masukan didapatkan dari data

suhu badan penderita demam berdarah. Proses pembuatan data masukan ini ditunjukkan

pada Syntax program 3.1.

b = de2bi(d,n) (3.1)

dengan:

d = data masukan yang ingin diubah menjadi biner

n = jumlah bit dalam kolom yang ingin di buat

Data suhu badan penderita Demam Berdarah yang diperoleh dari World Health

Organization (WHO) berbentuk data kurva. Data kurva tersebut diubah ke dalam bentuk

desimal dengan mengambil data secara berkala dalam kurun waktu yang telah ditentukan.

Setelah data dalam bentuk desimal didapatkan, maka data tersebut harus diubah terlebih

dahulu menjadi bentuk data biner. Data tersebut akan menjadi masukan untuk sistem

kinerja transmisi yang dimasukkan secara manual.

Tabel 3.1. Contoh Pembuatan Data Masukan dengan software Excel

Hari Suhu Badan Biner

36 00100100

36 00100100

36 00100100

36 00100100

36 00100100

36 00100100


29

Hari 1

36 00100100

36 00100100

36 00100100

36 00100100

36 00100100

36 00100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

37 10100100

3.3. Perancangan Encoder Turbo Codes

Pada sistem Turbo Codes, proses selanjutnya adalah melakukan proses Encoding

Turbo Codes. Proses perancangan encoder pada Turbo Codes sistem kinerja transmisi

menggunakan Code Rate (Cr) = 1/3, Encoder ini adalah Parallel Concenated

Convolutional Code (PCCC) dengan 2 encoder 8-state constituent yang bekerja langsung

dengan disematkannya interleave didalamnya. Fungsi encoder pada sistem ini adalah

mengubah data masukan yang berupa data biner menjadi data sandi. Satu data biner akan

dilakukan penyandian menjadi tiga data baru yang meliputi satu data adalah data asli, dua

data adalah data paritas. Ditunjukkan pada Syntax 3.2 dan diharapkan mendapatkan hasil

kerja yang sesuai.

output = lteTurboEncode(input) (3.2)


30

3.4. Proses Modulasi

Setelah bit input sudah dapat disandikan oleh encoder, maka proses selanjutnya

adalah memodulasi bit-bit yang telah menjadi simbol baru dalam proses modulasi sebelum

ditransmisikan ke dalam kanal.Modulasi yang digunakan dalam sistem ini adalah

Quadrature Phase Shift Keying (QPSK). Syntax 3.3 menunjukkan Program modulasi.

out = lteSymbolModulate(in,mod) (3.3)

dengan :

in = input, masukan yang akan dimodulasikan

mod = modulasi yang diinginkan, seperti „QPSK‟, „16QAM‟, „64QAM‟

3.5. Perancangan AWGN

Suatu kanal transmisi memiliki noise yang timbul akibat perangkat transmitter dan

perangkat receiver. Noise inilah yang disebut dengan AWGN karena noise ini bersifat

Additive atau ditambahkan pada sinyal transmisi dengan pola acak dari Gaussian. SNR

yang digunakan yaitu dengan lima belas tahapan dengan urutan dari 1 hingga 15. Syntax

3.4 adalah rumus AWGN yang telah ada dalam software MATLAB sehingga langsung

dapat digunakan dalam sistem yang akan dibuat.

y = awgn(x,snr,sigpower) (3.4)

dengan :

x = input, masukan yang akan diproses AWGN

snr = Signal to Noise Ratio yang diinginkan

sigpower = Signal Power dalam dBW

3.6. Proses De-Modulasi

Pengembalian dari proses AWGN menuju De-Modulasi dilakukan dengan syntax

De-modulasi seperti Pada syntax 3.5. Dengan menggunakan rumus yang telah adaroses

pemindahan ini dilakukan untuk mengembalikan data input dapat di decoding sehingga

nantinya di akhir dapat menjadi data output.

out = lteSymbolDemodulate(in,mod) (3.5)

dengan :

in = input, masukan yang akan dilakukan De-Modulasi

mod = modulasi yang diinginkan, seperti „QPSK‟, „16QAM‟, „64QAM‟


31

3.7. Proses Decoding Turbo Codes

Proses Decoding atau Pengawasandian dilakukan supaya data dapat kembali dibaca

pada akhir proses transmisi ini. Dua Decoder pada sistem ini menggunakan algoritma

Maximum a-posteriori Probability (MAP) dengan masukan yang sama dari model Parallel

Concenated Convolutional Code (PCCC). Sehingga di dalam sistem Turbo Encoder ini

sudah tersemat Interleave dan De-Interleave yang langsung dapat bekerja dan

menghasilkan output yang akan langsung dilanjutkan dalam proses selanjutnya. Fungsi

untuk proses Decoding Turbo Codes ditunjukkan dalam Syntax 3.6.

output = lteTurboDecode(input) (3.6)

3.8. Penerjemahan Kembali Data Biner menjadi Desimal

Syntax 3.7 adalah rumus yang digunakan untuk mengubah data biner yang telah

menjadi data keluaran. Data biner tersebut diubah bentuknya menjadi data desimal seperti

bentuk awal dari data suhu badan penderita demam berdarah. Data biner tersebut diubah

menjadi data desimal secara berkala dengan memilah setiap delapan bit.

Out = bi2de(in) (3.7)

3.9. Menghitung BER pada Sistem

Untuk menghitung BER yang diinginkan, dapat dengan menggunakan perhitungan

yang akan membantu untuk melihat seberapa besar kesalahan yang ada pada saat

penerimaan. Data-data yang dikirimkan dalam bentuk paket akan dapat ditentukan

kesalahannya dengan menggunakan BER. BER inilah yang akan melihat nilai kinerja

untuk sistem perancangan yang dibuat. Semakin kecil BER, maka perancangan sistem

yang dibuat dikatakan berhasil. Pengubahan SNR juga akan mempengaruhi BER pada

akhirnya, karena dapat terjadi bahwa signal power lebih tinggi dari noise power yang ada.

Z = mod(b+i ,2)

X = sum(z(:)==1)

Y = size(b,2)

BER = x/y (3.8)


32

BAB IV

HASIL DAN PEMBAHASAN

Bab ini akan membahas mengenai langkah yang digunakan untuk menjalankan

Kinerja Transmisi Data Suhu Badan Penderita Demam Berdarah Menggunakan Turbo

Codes Pada Sistem Komunikasi 4G-LTE dengan simulasi yang dijalankan pada Software

MATLAB baik masukan secara perseorangan dan sekumpulan data yang telah dibuat,

Syntax program yang digunakan, dan membahas mengenai data hasil pengujian simulasi.

Spesifikasi laptop yang digunakan untuk menjalankan simulasi program Kinerja

Transmisi Data Suhu Badan Penderita Demam Berdarah Menggunakan Turbo Codes Pada

Sistem Komunikasi 4G-LTE adalah sebagai berikut:

1. Merk dan Tipe Laptop : Asus TP550-L Series

2. Processor : Intel(R) Core(TM) i3-4030U [email protected]

3. Memory : 4096MB RAM

4. Versi MATLAB : R2017b

5. Sistem Operasi : Windows 8 (64bit)

4.1. Penjelasan dan Validasi Data dari setiap Syntax program

4.1.1. Pembuatan Data Masukan

Data masukan yang dibuat dalam program ini terdiri menjadi dua bagian, yakni data

masukan yang dimasukkan sendiri oleh user dan sekumpulan data yang dibuat menyerupai

pola suhu badan demam berdarah. Pembuatan data masukan dari user telah diberi range

antara tiga puluh enam hingga empat puluh, dimana itu mewakili suhu badan manusia

normal hingga mengalami demam tinggi. Sedangkan pembuatan data masukan yang sudah

menjadi sekumpulan dibuat untuk mewakili pola suhu badan manusia yang mengalami

demam berdarah dengan range yang sama seperti data masukan user.

program yang dijalankan pada software MATLAB seperti ditunjukkan dalam

Gambar 4.1


mailto:[email protected]

33

Gambar 4.1. Program untuk masukan data dari user

Dapat terlihat pada Gambar 4.1 bahwa input ditentukan sendiri oleh user dengan

mengirimkan suhu badan penderita. Data masukan juga telah diberikan range antara tiga

puluh enam hingga empat puluh yang merepresentasikan suhu badan manusia normal

hingga mengalami demam tinggi. Jika data masukan berada di bawah atau di atas range

tersebut maka program tidak berjalan dan akan langsung mendapatkan peringatan.

Masukan dalam program MATLAB adalah ubahan dari desimal atau angka menjadi

data biner agar data masukan dapat diolah sesuai keinginan sistem. Contoh dari ubahan

desimal menjadi biner ditunjukkan pada Gambar 4.2.

Gambar 4.2. Hasil Ubahan masukan user secara desimal menjadi biner

Cara mengetahui ubahan data masukan yang user lakukan dengan yang program

hasilkan adalah sama, dengan melakukan pembagian habis dengan angka dua karena basis

dari biner adalah dua pangkat n. Apabila angka setelah dibagi dengan angka dua

menghasilkan bilangan tidak dengan sisa maka dianggap “nol” dan angka setelah dibagi

dua menghasilkan sisa atau tidak genap maka menjadi “satu” seperti ditunjukkan dalam

Tabel 4.1 berikut.

clear clear clear clear clc disp('Konversi'); a=input('Suhu Badan = '); if a>=36 && a<=40 %---desimal -> biner---% b=de2bi(a,40); disp(['Biner_Suhu = ' num2str(b)]);

Konversi

Suhu Badan = 36

Biner_Suhu = 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0


34

Tabel 4.1. Hasil penghitungan manual ubahan desimal menjadi biner

36 : 2 = 18 sehingga sisa 0





1 : 2 = 0.5 sehingga sisa 1

Hasil biner 36 = 0 0 1 0 0 1

Setelah membandingkan data yang dihasilkan program MATLAB dengan data yang

dihitung secara manual adalah sama maka dapat dikatak bahwa program MATLAB yang

dibuat menghasilkan ubahan nilai yang benar atas desimal yang dimasukkan oleh user.

4.1.2. Proses Encoding

Sistem Komunikasi LTE yang digunakan pada program encoding disini adalah

menggunakan LTE Convolutional Encode. Dengan Code Rate yang digunakan adalah 1/3

dan memiliki pembangkit polynomial G0=133oct, G1=171oct, G2=165oct [28].

Menunjukkan bahwa setiap satu bit diwakilkan menjadi tiga bit setelah proses encoding

sebelum dikirim menuju saluran. Syntax program Encoding pada MATLAB ditunjukkan

pada Gambar 4.3.

Gambar 4.3. Syntax program Proses Encoding

Syntax program yang terlihat pada Gambar 4.3 di atas adalah wakil dari semua rumus

yang telah dijadikan satu menjadi satu program utuh yakni lteTurboEncode. Proses

Encoding akan ditunjukkan pada hasil setelah melakukan execute untuk program ini dan

hasil tersebut terdapat pada Gambar 4.4.

%---Encoding---% disp('Encoding') d=lteTurboEncode(c)


35

Gambar 4.4. Hasil untuk Proses Encoding

Setelah hasil Syntax program Proses Encoding seperti Gambar 4.5 didapatkan,

selanjutnya adalah mencocokkan dengan teori yang telah ada.

Bit 1 hingga 40

0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 = Xk

Bits from Input

Bit 41 hingga 80

0 0 0 1 0 0 1 1 1 0 1 1 0 0 1 0 1 1 1 0 0 1 0 1 1 1 0 0 1 0 1 1 1 0 0 1 0 1 1 1 = Zk

Xk + d1

k Xk + 1 Xk + 2 d1

k +2 Tail bits

Bit 81 hingga 120

0 0 1 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 1 0 1 1 1 1 1 0 1 1 1 0 = Z’k

Tail bit form Zk Interleave Zk+1 Tail bits

Bit 121 hingga 132

0 1 0 1 1 1 0 0 1 1 1 0 = X’k

Tail bits from 2 encoders

Gambar 4.5. Verifikasi Data Hasil Encoding Turbo Codes

Seratus Tiga Puluh Dua bit yang ada pada hasil tersebut adalah bit baru yang

merepresentasikan Empat Puluh bit informasi asli. Dasar teori yang ditunjukkan dalam

Gambar 2.6 dan dibuat berdasarkan gambar tersebut maka diagram yang digunakan untuk

memenuhi hasil seperti diatas adlah sebagai berikut.

e =

1×132 int8 row vector

Columns 1 through 30

0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 1 1 0 1 1 0 0 1 0 1 1 1 0


0 1 0 1 1 1 0 0 1 0 1 1 1 0 0 1 0 1 1 1 0 0 1 0 1 1 1 0 0 0


0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 0 0 1 0 1 1 1 1 1 0 1 1 1 0


0 1 0 1 1 1 0 0 1 1 1 0


36

+

+

+++

+++

+

+

+

+

+

+

+

+

Xk

+ + + + Zk

Ck +

+ + +

+ + + + Z‟k

+

+ + +

X‟k

Gambar 4.6. Diagram Struktur encoder Turbo Codes sesuai input

Setelah mendapatkan struktur diagram yang diinginkan untuk mencapai hasil sesuai

dengan yang diatas, maka dapat dilakukan penghitungan untuk hasil masukan menjadi

sebuah data yang telah di encoding seperti pada tabel berikut ini.

Tabel 4.2 Hasil Perhitungan encoding sesuai dengan masukan

Shift Output

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 0 2 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 1 3 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 4 1 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 5 0 1 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 6 0 0 1 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 7 1 0 0 1 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 0 1 0 0 1 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 0 0 1 0 0 1 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 10 0 0 0 1 0 0 1 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 11 0 0 0 0 1 0 0 1 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 12 0 0 0 0 0 1 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 13 0 0 0 0 0 0 1 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 14 0 0 0 0 0 0 0 1 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 15 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 16 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 17 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 18 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 19 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 20 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 21 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 22 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 23 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 24 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 25 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 0 26 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 0 0 0 27 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 0 28 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 0 0 29 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 0 0 30 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0 0 0 0 31 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 0 32 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 0 33 0 0 0 0 0 0 0 0 1

0 0 0 0 0 0 34 0 0 0 0 0 0 0 0 0

0 0 0 0 0 35 0 0 0 0 0 0 0 0 0

0 0 0 0 36 0 0 0 0 0 0 0 0 1

0 0 0 37 0 0 0 0 0 0 0 0 0

0 0 38 0 0 0 0 0 0 0 0 1

0 39 0 0 0 0 0 0 0 0 1

Input Register

Turbo Code

Internal Interleaver


37

4.1.3. Proses Modulasi

Sisitem Transmisi Digital menggunakan modulasi sebagai pembangkit akan bit

informasi sebelum ditransmisikan dalam saluran. Jenis modulasi yang digunakan dalam

program MATLAB ini adalah modulasi Quadrature Phase Shift Keying (QPSK). QPSK

adalah lanjutan dari modulasi Binary Phase Shift keying (BPSK) yang keduanya sama-

sama memiliki tipe dari sinyal M-Ary. Modulasi QPSK ini memodulasi data bit ke dalam

sebuah simbol Inphase baru yang merepresentasikan dua bit dan setiap simbol baru

tersebut memberikan satu dari empat kemungkinan dari antara bit 00, 01, 10, 11.

Dengan representasi dari setiap simbol baru hasil dari dua bit informasi sebelumnya

membuat QPSK mempunya sudut fasa sebesar sembilan puluh derajat. Sehingga setiap dua

bit kemungkinan tersebut berada pada sudut empat puluh lima derajat. Syntax program

MATLAB yang dibuat sebagai bentuk modulasi QPSK terlihat pada Gambar 4.7.

Gambar 4.7. Syntax Program Modulasi

Syntax program yang digunakan berjenis QPSK dan yang akan dimodulasi adalah

bit-bit hasil dari syntax program Encoding dengan huruf “e” yang juga tertera dalam

gambar di atas. Hasil dari Syntax Modulasi di atas dapat dilihat pada Gambar 4.8.

Gambar 4.8. Hasil dari Syntax Program Modulasi

%---modulasi---% disp('Modulasi') j=lteSymbolModulate(d,'QPSK')y=vec2mat(j,66)

y =

Columns 1 through 6

0.7071 + 0.7071i 0.7071 + 0.7071i 0.7071 + 0.7071i 0.7071 + 0.7071i 0.7071 + 0.7071i

0.7071 + 0.7071i


0.7071 + 0.7071i 0.7071 + 0.7071i 0.7071 - 0.7071i 0.7071 + 0.7071i 0.7071 + 0.7071i

0.7071 + 0.7071i


0.7071 + 0.7071i 0.7071 + 0.7071i 0.7071 + 0.7071i 0.7071 + 0.7071i 0.7071 - 0.7071i -

0.7071 - 0.7071i


-0.7071 + 0.7071i 0.7071 + 0.7071i -0.7071 + 0.7071i 0.7071 - 0.7071i -0.7071 - 0.7071i

0.7071 + 0.7071i


38

Hasil Program Modulasi di atas memperlihatkan bahwa setiap dua bit hasil proses

Encoding sesuai dengan Tabel 2.1 dan 2.2. Sehingga 132 bit yang telah dilakukan proses

Encoding dapat dibuat dalam bentuk simbol baru dengan proses modulasi QPSK.

4.1.4. Proses AWGN

Data informasi yang telah melewati proses modulasi akan langsung dilakukan

pengiriman menuju saluran pada Proses AWGN. Data informasi tersebut ditambahkan

Noise sehingga hasil keluaran pada AWGN adalah penjumlahan data informasi yang

masuk dengan Noise.

Syntax Program AWGN yang dibuat pada MATLAB sebagai bentuk baru sewaktu

dikirim ke saluran dapat dilihat pada Gambar 4.9.

Gambar 4.9. Syntax Program AWGN

Program AWGN yang dibuat memiliki beberapa unsur didalamnya seperti huruf “j”

pada syntax berarti target dari data informasi yang akan ditambahkan Noise, “10” berarti

Signal to Noise Ratio yang digunakan untuk proses AWGN, “20” berarti Signal Power

yang digunakan dalam dBW, dan “S” dalam bentuk „Linear‟ seperti yang tertera dalam

syntax yang menandakan bahwa Signal Power diukur dalam Watt.

Hasil dari Syntax Proses AWGN dapat dilihat pada Gambar 4.10 yang

memperlihatkan hasil penjumlahan dari data informasi dengan Noise.

Gambar 4.10. Hasil dari Syntax Proses AWGN

%---AWGN---% disp('AWGN'); f=awgn(j, 15, 20, 'linear') v=vec2mat(f,66)

v =

Columns 1 through 6

1.3545 + 0.7486i 0.6768 + 1.6617i 0.4787 + 1.6647i 0.0843 + 0.6576i 0.3625 + 0.1447i -

0.2086 - 0.5774i

.

.


-0.2711 + 1.5455i 0.1772 + 0.4542i -0.9799 - 0.1734i 2.0582 + 0.4861i -1.6242 - 0.5549i

0.5280 + 0.2711i


39

4.1.5. Proses Demodulasi

Proses Demodulasi adalah proses pengembalian hasil dari AWGN yang masuk ke

dalam sistem penerima supaya simbol-simbol Inphase dapat dikembalikan ke dalam bit-bit

informasi awal. Syntax program untuk Proses Demodulasi dapat dilihat pada Gambar 4.11.

Gambar 4.11. Syntax Proses Demodulasi

Proses Demodulasi dalam program memberikan perbedaan dari hasil AWGN yang

masih berupa matriks baris dan kolom menjadi vektor baris dan membalik positif dan

negatif dari simbol-simbol Inphase dari data informasi yang melewati kanal AWGN

supaya dapat dijadikan kembali bit-bit informasi awal. Masukan untuk proses Demodulasi

adalah “f” yang berarti hasil dari proses AWGN dan symbol „QPSK‟ yang menandakan

modulasi yang digunakan adalah QPSK untuk Demodulasi program ini. Hasil dari Gambar

4.9 dapat dilihat pada Gambar 4.12.

Gambar 4.12. Hasil dari Syntax Proses Demodulasi

4.1.6. Proses Decoding

Setelah melewati proses demodulasi dan mendapatkan bit-bit yang akan diubah

kembali ke dalam bit-bit informasi, maka proses selanjutnya adalah menggunakan proses

Decoding untuk mengembalikan 132 bit Cyclic Redundance Codes menjadi 40 bit

%---DeModulasi---% disp('DeModulasi') k=lteSymbolDemodulate(f,'QPSK') t=vec2mat(k,132)

t =


-1.3545 -0.7486 -0.6768 -1.6617 -0.4787 -1.6647 -0.0843 -0.6576 -0.3625 -

0.1447 0.2086


0.5774 -1.9873 -0.7681 -1.0008 0.3973 0.2141 -0.7749 -1.4953 -0.8621 -0.2932

-1.1495

.

.


-1.5455 -0.1772 -0.4542 0.9799 0.1734 -2.0582 -0.4861 1.6242 0.5549 -0.5280

-0.2711


40

informasi yang sama ketika masuk dalam proses Interleaving. Syntax program untuk

Proses Decoding ditunjukkan pada Gambar 4.13 berikut.

Gambar 4.13. Syntax program untuk Proses Decoding

Masukan yang digunakan dalam Proses Decoding adalah dengan tanda huruf “k”

yang mana menunjukkan hasil dari lteSymbolDemodulate, program yang dijalankan

sebelum Proses Decoding. Hasil dari syntax tersebut akan mengkonversi bit-bit Inphase ke

dalam bit informasi namun belum menjadi data asli seperti awal dikarenakan bit-bit ini

sama dengan bit-bit awal ketika sudah menjadi hasil dari proses Interleave. Pada prosesnya

program Decoding adalah pembalik dari Proses Encoding seperti ditunjukkan dalam

Gambar 4.14.

Gambar 4.14. Hasil dari Proses Decoding

Melihat hasil keluaran dari decode di atas, dapat diartikan bahwa hasil keluaran dari

proses decode sesuai dengan hasil yang sama dengan hasil dari proses interleave. Empat

puluh bit tersebut memrepresentasikan data sebelum masuk ke dalam proses encode,

sehingga 92 bit tersisa merupakan bit-bit tersisa agar sesuai dengan jumlah proses encode

diawal.

%---Decoding---% disp('Decoding'); g=lteTurboDecode(k) r=vec2mat(g,132)

r =

1×40 int8 row vector


0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


0 0 0 0 0 0 0 0 0 0 0


41

4.1.7. Proses Pengembalian Data Masukan

Pengembalian data kembali ke bentuk asal setelah melewati proses De-Interleaving

menggunakan proses pembalik seperti di awal yang mengubah data desimal menjadi biner

yang ditunjukkan oleh huruf “i” yang mana adalah hasil daripada proses De-Interleave,

sekarang biner telah menjadi desimal. Syntax program untuk pengembalian data masukan

menjadi desimal kembali terlihat pada Gambar 4.15.

Gambar 4.15. Syntax program untuk mengubah data biner menjadi desimal

Syntax program tersebut memperlihatkan konversi kembali biner menjadi desimal

agar dapat dikenali lagi sebagai masukan yang memang dimasukkan oleh user. Hasil dari

ubahan data biner menjadi desimal ditunjukkan oleh Gambar 4.16.

Gambar 4.16. Hasil ubahan data biner menjadi desimal

Hasil ubahan data biner yang telah berubah menjadi desimal harus dilakukan

verifikasi terlebih dahulu. Verifikasi dapat dilakukan dengan menjumlahkan setiap bit-bit

biner dengan 2n dikarenakan biner berbasis 2 sehingga akan menghasilkan desimal sebagai

berikut.

Gambar 4.17. Perhitungan Konversi Biner ke Desimal secara teori

Biner = 0 0 1 0 0 1 0 0

Penjumlahan =

0.20+0.21+1.22+0.23+0.24+1.25+0.26+0.27 =

0 + 0 + 4 + 0 + 0 + 32 + 0 + 0 = 36

%---Biner -> Desimal---% disp('Konversi Kembali'); disp(['Biner_Suhu = ' num2str(i)]) Suhu=bi2de(i)

Konversi Kembali

Biner_Suhu = 0 0 1 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

0 0 0 0 0 0

Suhu =

36


42

4.1.8. Bit Error Rate

Setelah data suhu yang diterima dari bentuk biner sehingga dapat dikembalikan

dalam bentuk desimal, maka dapat dihitung Bit Error yang terjadi. Program untuk

menghitung Bit Error yang terjadi terlihat dalam 4.18.

Gambar 4.18. Program Bit Error Rate

Program diatas adalah sebagai alat untuk menghitung bit-bit yang dikirim hingga

diterima kembali dapat dikembalikan menjadi bentuk semula. Hasil dari program diatas

diperlihatkan dalam Gambar 4.19.

Gambar 4.19. Hasil Program Bit Error Rate

4.2. Perbandingan Grafik Total Data Suhu Badan yang dikirim dengan

Data Suhu Badan yang Diterima pada SNR tertentu

4.2.1. Grafik Perbandingan ketika SNR 1

Nilai SNR 1 adalah nilai terendah dalam parameter yang dimasukkan dalam AWGN.

Dapat terlihat bahwa data masukan dengan data keluaran sangat berbeda. Dikarenakan

Noise masih terlalu tinggi sedangkan daya untuk mengembalikan data suhu badan pada

saat diterima masih rendah. Sehingga error yang terjadi masih cukup tinggi pada nilai data

suhu badan yang diterima. Grafik perbandingan ditunjukkan pada Gambar 4.20.

%---BER---% z=mod(b+i,2) x=sum(z(:)==1) y=size(b,2) BER=x/y

x =

0

y =

40

BER =

0


43

Gambar 4.20. Grafik Perbandingan Jumlah Total Data Suhu dikirim dengan Data Suhu

diterima ketika Nilai SNR 1

Setelah diketahui perbandingan antara Total Data Suhu Badan Penderita DBD

dengan Data Suhu yang diterima, maka dapat dihitung kesalahan dalam persen untuk

masing-masing data. Persentase kesalahan dapat dilihat dalam Gambar 4.21.

Gambar 4.21. Grafik Persen Kesalahan ketika SNR 1 untuk 72 data suhu yang dikirm


Grafik yang terjadi ketika SNR pada nilai 9, mulai terdapat nilai data suhu yang

dikirim dapat dikembalikan walaupun bisa dikatakan masih tergolong buruk. Dikarenakan

0%

100%

200%

300%

400%

500%

600%

1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69

Persen Kesalahan

Persen Kesalahan

Dat

a Su

hu

Bad

an d

iter

ima

Jumlah Total Data Suhu Badan Penderita DBD


44

nilai SNR belum mencukupi untuk mengembalikan data suhu badan yang dimasukkan

dengan Noise yang masih cukup tinggi. Dengan Daya yang masih tergolong kecil

dimungkinkan data suhu badan yang diterima masih terdapat kesalahan dalam

pengembalian. Grafik perbandingan ini ditunjukkan pada Gambar 4.22.

Gambar 4.22. Grafik Perbandingan Jumlah Total Data Suhu dikirim dengan Data Suhu

diterima ketika SNR 9

Data Suhu Badan yang diterima ketika nilai SNR 9 diatas dapat dilihat bahwa nilai-

nilai data suhu yang dikirim dengan warna garis biru masih belum menunjukkan hasil yang

memuaskan. Karena garis berwarna kuning yang menandakan data suhu badan yang

diterima masih menghasilkan nilai yang tidak sesuai. Persen kesalahn ketika nilai SNR 9

dapat dilihat dalam Gambar 4.23.


Dat

a Su

hu

Bad

an D

iter

ima



45


Perlahan dapat terlihat nilai data suhu badan yang diterima semakin baik ketika nilai

SNR 17. Dengan nilai SNR tersebut memungkinkan Noise dapat dilewati dengan Daya

yang cukup besar. Nilai data suhu yang diterima terlihat dapat kembali sama seperti data

yang dikirimkan. Grafik perbandingan ditunjukkan pada Gambar 4.24.

Gambar 4.24. Grafik perbandingan Jumlah Total Data Suhu dikirim dengan Data Suhu

diterima ketika SNR 17

Ketika SNR 17, data yang dikirimkan sejumlah 72 data dapat dikembalikan dengan

baik menjadi data yang diterima. Persentase kesalahan juga memperlihatkan 0% pada 72

data yang diterima ketika SNR 17. Grafik persentase kesalahan dapat dilihat dalam

Gambar 4.25.

Dat

a Su

hu

Bad

an d

iter

ima



46


4.3. Bit Error Rate (BER)

4.3.1. BER Untuk Data Suhu Individual

Gambar 4.26 merupakan grafik BER berbanding SNR dengan parameter

pengulangan [29]. Data yang digunakan berjumlah 5 data yaitu suhu 36, 37, 38, 39, dan 40

dengan masing-masing data diulang sebanyak 15 kali. Setiap pengulangan diikuti oleh

penetapan nilai SNR dari 1 hingga 15. Hasil dari pengulangan data dengan diikuti kenaikan

SNR tersebut akan menghasilkan nilai BER yang semakin turun yang dapat dilihat dari

Tabel L-1. Hal ini disebabkan karena Signal power yang dihasilkan lebih tinggi dari Noise.

Gambar 4.26. BER untuk data suhu individual

0%

20%

40%

60%

80%

100%

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75

Persen Kesalahan

Persen Kesalahan

0

0.1

0.2

0.3

0.4

0.5

0.6

0 3 6 9 12 15

BER

SNR

Perbandingan BER dengan SNR untuk Data Suhu Individual

36

37

38

39

40


47

Bila SNR lebih besar dari 13, Nilai BER tidak mengalami perubahan lagi karena

Nilai data suhu badan yang dikirim menghasilkan nilai yang sama dengan data yang

diterima. Tabel dan nilai perbandingan BER dengan SNR untuk suhu individual dapat

dilihat pada L-1.

4.3.2. BER Untuk Data Pola Suhu Badan Penderita Demam Berdarah

Gambar 4.27 adalah grafik yang dihasilkan dari perbandingan BER dengan SNR

untuk pola suhu badan penderita demam berdarah. Pola suhu badan penderita demam

berdarah dibuat berdasarkan data grafik dari sumber dan di ubah ke dalam desimal yang

membentuk pola suhu yang sama seperti penderita demam berdarah. Fungsi dari desimal-

desimal tersebut adalah masukan untuk program agar diubah ke dalam biner dan

ditransmisikan sesuai dengan proses yang telah dibuat. Data yang digunakan dalam Pola

Data Suhu Badan yang dikirimkan sejumlah 24 data dalam 1 hari dengan pengambilan data

selama 3 hari, sehingga jumlah keseluruhan data yang dikirimkan adalah 72 data. Data

yang dikirim juga dilakukan pengulangan sebanyak 15 kali. Setiap pengulangan sebanyak

15 kali juga diikuti kenaikan nilai SNR dari 1 hingga 16. Sehingga jumlah keseluruhan

pengulangan data yang dilakukan sebanyak 255 pengambilan data

Gambar 4.27. BER untuk Data Pola Suhu Badan Penderita Demam Berdarah

Dapat dilihat bahwa hasil perbandingan antara BER dengan SNR sama seperti hasil

perbandingan pada data individual yang menunjukkan bahwa ketika SNR 16 maka nilai

0

0.05

0.1

0.15

0.2

0.25

0.3

0.35

0.4

0.45

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

BER

SNR

BER untuk Data Pola Suhu Badan Demam Berdarah

Pola

Suhu

Bada

n


48

BER akan menghasilkan nilai 0. Tabel dan nilai perbandingan BER dengan SNR untuk

pola suhu badan penderita demam berdarah dapat dilihat pada L-2.


49

BAB V

KESIMPULAN DAN SARAN

5.1. Kesimpulan

Berdasarkan penelitian yang telah dilakukan, mulai dari tahap perancangan program,

pengujian program, hasil pengujian program, dan pembahasan dapat ditarik kesimpulan

sebagai berikut:

1. Program simulasi pengiriman data Suhu Badan Individual dan Program Pola

Suhu Badan Demam Berdarah dapat bekerja dengan baik.

2. Setiap sub sistem dari program simulasi dapat berjalan dengan benar.

3. Kinerja Transmisi Data Program suhu badan individual dengan modulasi

Quadrature Phase Shift Keying dapat bekerja dengan baik yang ditunjukkan

dengan menghasilkan Bit Error Rate yang mencapai angka 0 yang diartikan

pula ketika bit yang dikirim dapat diterima kembali dengan baik tanpa ada

kesalahan ketika nilai SNR 13.

4. Kinerja Transmisi Data Program simulasi Pola Suhu Badan Penderita Demam

Berdarah dengan modulasi Quadrature Phase Shift Keying dapat bekerja

dengan baik yang ditunjukkan dengan menghasilkan Bit Error Rate yang

mencapai angka 0 atau dapat diartikan bit yang dikirm dapat diterima

sepenuhnya dan tidak mengalami error ketika nilai SNR 16.

5.2. Saran

Dengan dibuatnya software program Suhu Badan Individual dan Suhu Badan Pola

Penderita Demam Berdarah ini, saran yang dapat diberikan dalam pengembangannya ke

depan, antara lain:

1. Mencoba untuk mengembangkan dengan pola-pola penyakit yang lain dan

bisa menjadi basis data yang lebih akurat dengan kinerja yang baik.

2. Dapat dibuat menjadi aplikasi yang nyata bagi masyarakat dan dunia

kesehatan.


50

Daftar Pustaka

[1] Hati, Sofiet Isa Mashuri, 2012, Simulasi Pengawasandi Turbo pada LTE berbasis Matlab,

Skripsi: JTETI, Fakultas Teknik, Universitas Gajah Mada.

[2] Kay, M., Santos, J., Takane, M., 2009, Global observatory for E-HealthSeries, World

Health Organization, Vol. 2, no.1, hal 8-9.

[3] Berrou, C., Glavieux, A., 1996, Near Shannon Limit Error Correction Coding and

Decoding: Turbo Codes, in IEEE Transactions on Communication, Geneva, Switzerland,

pp. 1261-1271.

[4] Costello, D.J., Hagenauer, J., Imai, H., 1998, Application Of error Control Coding, vol. 44,

pp. 2531-2560.

[5] Chandra, Daryus, 2013, Implementasi pada FPGA Atas SOVA untuk pengawasandi Turbo,

Skripsi: JTETI, Fakultas Teknik, Universitas Gajah Mada.

[6] Burr, A., 2001, Turbo Codes: The Ultimate Error Control Codes?, Electronics &

Communication Engineering Journal, pp. 155-165.

[7] Xiang, T., 2014, Efficient Mobility Management in LTE Femtocell Network, Thesis

proposal, Department De Telematica, Universitat Politecnica De Catalunya.

[8] Furqan, F., 2015, Quality of Service in 4G Wireless Network, Thesis, iNext Research

Centre, University of Technology Sydney.

[9] Muhharam, P., 2016, Mekanisme Carrier Aggregation pada Jaringan 4G LTE- Advance,

Skripsi, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Lampung.

[10] Kuncoro, E., 2009, Perbandingan Performansi Convolutinal Code dengan Convolutional

Turbo Code, Tugas Akhir, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Mercu

Buana Jakarta.

[11] Hussien, Mohamed, A. M., 2008, Implementation Of Convolutional Turbo Codes and

Timing/Frequency Tracking for Mobile WiMAX, Thesis, Faculty of Engineering, Cairo

University.

[12] Vafi, S., 2005, On The Design Of Turbo Codes With Convolutional Interleavers, Thesis,

School Of Electrical, Computer, And Telecommunication Engineering, The University Of

Wollongong.

[13] Bernard, Sklar, 2001, Digital Communications Fundamentals And Applications, 2nd

edition, Prentice Hall PTR, New Jersey.


51

[14] Dowla, F., 2004, Handbook Of RF and Wireless Technologies, 1st edition, Imprint Of

Elsevier, United States of America.

[15] Ahmadi, S., 2014, LTE-Advance A Practical System Aproach to Understanding the 3GPP

LTE Releases 10 and 11 Radio Access Technologies, Imprint Of Elsevier, United States of

America.

[16] Nimbalker, A., Blankenship, Y., Classon, B., 2008, ARP and QPP Interleavers For LTE

Turbo Coding, The Direction of IEEE Communications Society for publication in the

WCNC 2008 proceedings, United States of America.

[17] Berrou, C., 2007, Codes And Turbo codes, 1st edition, Springer-Verlag, Paris, France.

[18] Saefudin, N., 2010, Perancangan Dan Realisasi Demodulator QPSK, Skripsi, Jurusan

Teknik Elektro, Fakultas Teknik dan Ilmu Komputer, Universitas Komputer Indonesia.

[19] Hapsara, K. A., Santoso, I., Ajulian A., 2007, Kinerja Modulasi Digital Dengan Metode

PSK, Skripsi, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro Semarang.

[20] Cover, M. T., Thomas, J. A., 2006, Elements Of Information Theory, 2nd

edition, Wiley-

Interscience, Hoboken, New Jersey.

[21] Purba, S. U., 2011, Penaksiran Parameter μ dan σ2 Pada Distribusi Normal Menggunakan

Metode Bayes dan Maksimum Likelihood, Tugas Akhir, Jurusan Matematika, Fakultas

Matematika dan Pengetahuan Alam, Universitas Sumatera Utara, Medan.

[22] Pamungkas, W., Isnawati, A. F., 2012, Modulasi Digital Dengan Menggunakan Matlab,

Jurnal Infotel, Volume 4, No. 2, hal. 3-4.

[23] Goldsmith, A., 2004, Wireless Communication, Thesis, Stanford University.

[24] Sudjana, P., 2010, Diagnosis Dini Penderita Demam Berdarah Dewasa, Pusat Data dan

Surveilans Epidemiologi Kementrian Kesehatan Republik Indonesia, Volume 2, hal 21-25.

[25] Shankhwar, A. K., Sharma, S., 2013, Fast Converging Generalized Turbo Decoding

Scheme, http://file.scirp.org/Html/2-6101259_28228.htm#txtF4. Diakses 13 Maret 2018.

[26] Srivastva, A., Gupta, S.K., Agrawal, S.K., 2017, Evaluation Of BER for AWGN, Rayleigh

and Rician Fading Channels Under Various Modulation Scheme, International Journal for

Innovations in Engineering, Science, and Management, Volume 5.


http://file.scirp.org/Html/2-6101259_28228.htm#txtF4

L-1

LAMPIRAN

1. Sintaks program Suhu Badan:

1.1. Suhu Badan Individual (Suhu_Badan_Indiv.m) :

clear clear clc disp('Konversi'); a=input('Suhu Badan = '); if a>=36 && a<=40 %---desimal -> biner---% b=de2bi(a,40); disp(['Biner_Suhu = ' num2str(b)]); %---Interleaver---% disp('Interleave'); c=randintrlv(b,1023) %---Encoding---% disp('Encoding') d=lteTurboEncode(c) %e=double(d) e=vec2mat(d,132) %---modulasi---% disp('Modulasi') j=lteSymbolModulate(d,'QPSK') y=vec2mat(j,66) %---AWGN---% disp('AWGN'); f=awgn(j, 15, 20, 'linear') v=vec2mat(f,66) %---DeModulasi---% disp('DeModulasi') k=lteSymbolDemodulate(f,'QPSK') t=vec2mat(k,132) %---Decoding---% disp('Decoding'); g=lteTurboDecode(k) r=vec2mat(g,132) %---DeInterleaver---% disp('DeInterleave'); h=randdeintrlv(g,1023) i=vec2mat(h,40)


L-2

%---Biner -> Desimal---% disp('Konversi Kembali'); disp(['Biner_Suhu = ' num2str(i)]) Suhu=bi2de(i) %---BER---% z=mod(b+i,2) x=sum(z(:)==1) y=size(b,2) BER=x/y elseif a<36 disp('suhu sudah terlalu rendah, segera lakukan tindakan!') else disp('suhu sudah terlalu tinggi, segera lakukan tindakan!') end

1.2. Suhu Badan Penderita Demam Berdarah (Suhu_Badan_PolDB.m):

clear clear clc %disp('Konversi'); a=[36 36 36 36 36 36 36 36 36 36 36 36 36 36 37 37 37 37 38 38 38 38 38 37 37 39 39 38 39 39 39 39 40 40 40 40 40 39 39 39 39 39 38 38 38 38 38 38 37 37 37 37 37 37 37 38 38 37 37 37 37 37 36 36 36 36 36 36 37 37 36 36]; for i=1:72 %---desimal -> biner---% b(i,:)=de2bi(a(i),40) %---Interleaver---% disp('Interleave'); c(i,:)=randintrlv(b(i,:),1023) %---Encoding---% disp('Encoding') d(i,:)=lteTurboEncode(c(i,:)) %j(i,:)=double(d(i,:)) %---Modulasi---% disp('Modulasi') k(i,:)=lteSymbolModulate(d(i,:),'QPSK') %---AWGN---% disp('AWGN'); y(i,:)=awgn(k(i,:), 17, 10,'linear')


L-3

%---Demodulasi---% disp('Modulasi') l(i,:)=lteSymbolDemodulate(y(i,:),'QPSK') %---Decoding---% disp('Decoding'); e(i,:)=lteTurboDecode(l(i,:)) %---DeInterleaver---% disp('DeInterleave'); f(i,:)=randdeintrlv(e(i,:),1023) g(i,:)=vec2mat(f(i,:),40) % %---Biner -> Desimal---% disp('Konversi Kembali'); disp(['Biner = ' num2str(g(i,:))]) Pola(i,:)=bi2de(g(i,:)) %---BER---% z=mod(b(i,:)+g(i,:),2) x=sum(z(:)==1) t=size(b(i,:),2) BER=x/t end plot(a) hold plot(Pola)

2. Data Hasil Perbandingan BER dengan SNR untuk Individual

Tabel L-1. Perbandingan BER dengan SNR untuk data individual

SNR Bit Error Rate

36 37 38 39 40

0,1 0,45 0,5 0,45 0,425 0,5

1 0,425 0,45 0,475 0,4 0,5

2 0,4 0,375 0,375 0,4 0,4

3 0,35 0,35 0,325 0,375 0,3

4 0,35 0,325 0,25 0,35 0,275

5 0,325 0,3 0,175 0,325 0,225

6 0,275 0,275 0,15 0,2 0,175

7 0,25 0,2 0,1 0,175 0,15

8 0,225 0,175 0,075 0,15 0,1

9 0,175 0,15 0,058 0,1 0,075

10 0,15 0,1 0,041 0,075 0,058

11 0,1 0,058 0,025 0,041 0,033

12 0,058 0,041 0,016 0,025 0,016


L-4

13 0 0,016 0 0 0

14 0 0 0 0 0

15 0 0 0 0 0

Rata-

rata 0,22081 0,2072 0,1572 0,19006 0,1754

3. Data hasil perbandingan BER dengan SNR untuk Pola Suhu Badan

Penderita DB

Tabel L-2. Perbandingan BER dengan SNR untuk Pola Suhu Badan Penderita DB

SNR 1 2 3 4 5 6 7

BER 0,33929 0,39826 0,39826 0,375 0,34821 0,30357 0,25

SNR 8 9 10 11 12 13 14

BER 0,19643 0,17857 0,16964 0,13393 0,09821 0,0625 0,02679

SNR 15 16 17

BER 0,00893 0.00893 0

4. Langkah Menjalankan Program Simulasi

4.1. Simulasi Program dengan masukan secara perseorangan

1. Buka terlebih dahulu Software MATLAB yang berada pada desktop dalam

bentuk ikon seperti Gambar L-1.

Gambar L-1. Ikon MATLAB

2. Setelah ikon telah dilakukan tindakan membuka, maka tampilan utama pada

Software MATLAB akan terbuka dengan wujud seperti pada Gambar L-2.


L-5

Gambar L-2. Tampilan utama Software MATLAB R2017b

3. Setelah tampilan utama MATLAB muncul, langkah selanjutnya adalah dengan

menuju Home dan pilih menu open, maka pilih file program yang telah

disimpan dalam folder. Nama file program dibuat dengan nama des2bin.m

sebagai simulasi program untuk jenis masukan secara perseorangan. Seperti

terlihat pada Gambar L-3 di bawah ini.

Gambar L-3. Program Simulasi dengan jenis masukan perseorangan

4.2. Simulasi Program dengan Sekumpulan Data

1. Mengulangi langkah pada nomor 1 dan 2 diatas yang akan langsung

menghasilkan tampilan utama Software MATLAB, perbedaan dengan simulasi


L-6

diatas adalah dari input yang telah dibuat menjadi sekumpulan data. Nama file

program untuk menjalankan simulasi ini adalah des2bin_2.m, sehingga terdapat

perbedaan simulasi yang dihasilkan. Seperti ditunjukkan pada Gambar L-4.

Gambar L-4. Program simulasi dengan masukan sekumpulan data

2. Maka hasil keluaran yang akan nampak pada simulasi program ini adalah

sekumpulan data kembali yang sesuai dengan masukan awal. Dalam hal ini

terlihat seperti masukan “a” yang nantinya keluaran hasil akan terlihat seperti itu

kembali. Ditunjukkan oleh Gambar L-5 di bawah ini.

Gambar L-5. Hasil Keluaran Sekumpulan Data awal yang dikirim


L-7

5. Data Persentase Kesalahan Perbandingan Data Suhu Badan dikirim

dengan Data Suhu diterima

5.1. Data Perbandingan Ketika SNR 1

Tabel L-3. Data Perbandingan Data Kirim dengan Data Terima dengan Persentase

Kesalahan ketika SNR 1

Data

Kirim

Data

Diterima Kesalahan

Persen

Kesalahan

36 88 52 144%

36 63 27 75%

36 140 104 289%

36 32 4 11%

36 77 41 114%

36 25 11 31%

36 38 2 6%

36 221 185 514%

36 67 31 86%

36 84 48 133%

36 56 20 56%

36 246 210 583%

36 180 144 400%

36 243 207 575%

37 220 183 495%

37 114 77 208%

37 29 8 22%

37 176 139 376%

38 229 191 503%

38 158 120 316%

38 33 5 13%

38 165 127 334%

38 121 83 218%

37 108 71 192%

37 211 174 470%

39 233 194 497%

39 24 15 38%

38 40 2 5%

39 246 207 531%

39 191 152 390%

39 103 64 164%

39 52 13 33%

40 59 19 48%


L-8

40 114 74 185%

40 95 55 138%

40 174 134 335%

40 201 161 403%

39 22 17 44%

39 22 17 44%

39 75 36 92%

39 169 130 333%

39 134 95 244%

38 145 107 282%

38 209 171 450%

38 139 101 266%

38 160 122 321%

38 124 86 226%

38 79 41 108%

37 164 127 343%

37 39 2 5%

37 37 0 0%

37 26 11 30%

37 70 33 89%

37 6 31 84%

37 41 4 11%

38 118 80 211%

38 25 13 34%

37 55 18 49%

37 37 0 0%

37 211 174 470%

37 199 162 438%

37 116 79 214%

36 54 18 50%

36 135 99 275%

36 213 177 492%

36 183 147 408%

36 218 182 506%

36 36 0 0%

37 216 179 484%

37 208 171 462%

36 29 7 19%

36 181 145 403%


L-9


ketika SNR 1

5.2 Data Perbandingan ketika SNR 9



Data

Kirim

Data

Diterima Kesalahan

Persen

Kesalahan

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 244 208 578%

36 251 215 597%

37 168 131 354%

37 37 0 0%

37 37 0 0%

37 37 0 0%

0

50

100

150

200

250

300

36 37 38 39 40

Dat

a Su

hu

Dit

eri

ma

Data Suhu Kirim

Data Diterima

Data Diterima


L-10

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

37 37 0 0%

37 37 0 0%

39 39 0 0%

39 39 0 0%

38 38 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

40 255 215 538%

40 40 0 0%

40 40 0 0%

40 40 0 0%

40 40 0 0%

39 112 73 187%

39 39 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

38 38 0 0%

38 53 15 39%

37 37 0 0%

37 37 0 0%

37 37 0 0%


L-11

37 37 0 0%

37 37 0 0%

36 241 205 569%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

37 73 36 97%

37 37 0 0%

36 36 0 0%

36 36 0 0%


ketika SNR 9

5.3 Data Perbandingan ketika SNR 17



Data

Kirim

Data

Diterima Kesalahan

Persen

Kesalahan

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

35

65

95

125

155

185

215

245

36 36.5 37 37.5 38 38.5 39 39.5 40

Data Diterima


L-12

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

37 37 0 0%

37 37 0 0%

39 39 0 0%

39 39 0 0%

38 38 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

40 40 0 0%

40 40 0 0%

40 40 0 0%

40 40 0 0%

40 40 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

39 39 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%

38 38 0 0%


L-13

38 38 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

38 38 0 0%

38 38 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

37 37 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

36 36 0 0%

37 37 0 0%

37 37 0 0%

36 36 0 0%

36 36 0 0%


ketika SNR 17

36

36.5

37

37.5

38

38.5

39

39.5

40

36 37 38 39 40

Data Diterima

Data Diterima


kinerja transmisi data suhu badan penderita demam … · 2019. 1. 29. · dimaz damar wisya w....

Documents