universitas indonesia peningkatan kinerja pada

UNIVERSITAS INDONESIA

PENINGKATAN KINERJA PADA SKEMA

KOORDINASI KANAL DINAMIS MAC IEEE 1609.4

DENGAN MODEL BARU MARKOV CHAIN

DISERTASI

Doan Perdana

1206312624

FAKULTAS TEKNIK

PROGRAM STUDI TEKNIK ELEKTRO

D E P O K

JUNI 2015

Peningkatan kinerja..., Doan Perdana, FT UI, 2015.

DAFTAR ISI

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Permasalahan 3

1.3 Tujuan 6

1.4 Kontribusi 7

1.5 Batasan Masalah 9

1.6 Sistematika Penulisan 9

BAB 2 STUDI PROTOKOL STANDAR IEEE 802.11p 12

2.1 Standar IEEE 802.11p (VANET) 12

2.2 Standar IEEE 1609.4 lapisan MAC Multikanal VANET 13

2.3 Skema koordinasi kanal dinamis IEEE 802.11p/1609.4 16

2.4 Model umum Markov chain 28

2.5 Model Markov chain Bianchi 29

2.6 Studi analitikal model Variable CCH Interval (VCI) 37

2.6.1 Probabilitas Transmisi WSA atau RFS 41

2.6.2 Analisis Waktu untuk transmisi paket WSA 44

2.6.3 Optimasi interval CCH 46

2.7 Slot Anomali 49

2.7.1 Bidimensional Markov chain 50

2.8 Model Markov chain Yang 54

2.9 Studi analitikal propagasi kanal Nakagami 62

2.10 Pengaruh efek Doppler 65

2.11 Additive White Gaussian Noise (AWGN) 68

2.12 Distribusi Node di setiap zone i 69

2.13 Nilai optimal Contention Window (CW) 72

BAB 3 MODEL ANALITIKAL THROUGHPUT MULTIKANAL 78

MAC DCF IEEE 1609.4 78

3.1 Pendahuluan 78

3.2 Penelitian Terkait 79

3.2.1 Probabilitas Transmisi WSA 81

3.3 Pemodelan skema koordinasi kanal dinamis 84

3.4 Simulasi dan Pembahasan Hasil 100

3.4.1 Kinerja nilai interval waktu pada kanal CCH 101

3.4.2 Kinerja Aggregate Throughput skema DCF 104

3.4.3 Evaluasi kinerja delay transmisi kanal CCH dan SCH 108

BAB 4 MODEL ANALITIKAL THROUGHPUT ANOMALI KINERJA

MULTIKANAL MAC DCF IEEE 1609.4 112 4.1 Pendahuluan 112



4. 4 Simulasi dan Pembahasan Hasil 136

4.4.1 Kinerja probabilitas pengiriman paket WSA 136


4.4.3 Evaluasi Kinerja delay transmisi kanal CCH dan SCH 144


BAB 5 MODEL ANALITIKAL SLOT WSA MAC DCF IEEE 1609.4 150

5.1 Pendahuluan 150

5.2 Penelitian terkait 151

5.3 Pemodelan skema DCF 153

5.3.1 Model Slot DCF 154

5.4 Markov chain Bidimensional 156


5.5.1 Kinerja Probabilitas transmisi paket WSA 166

5.5.2 Kinerja Aggreagte Throughput skema DCF 170

BAB 6 MODEL ANALITIKAL THROUGHPUT MULTIKANAL MAC DCF

IEEE 1609.4 DENGAN PENGARUH EFEK DOPPLER 175

6.1 Pendahuluan 175


6.2.1 Pengaruh mobilitas node dan efek Doppler 178


6.3.1 Nilai optimal Contention Window (CW) 182

6.3.2 Model Markov chain Tiga Dimensi 184

6.3.3 Interval waktu dari akses contention kanal CCH 189

6.3.4 Perhitungan jumlah Node di setiap zone i 194

6.3.5 Evaluasi Kinerja Aggregate Throughput 199


6.4.1 Interval waktu dari akses contention kanal CCH 202


BAB 7 KESIMPULAN 211

7.1 Kesimpulan 211

7.2 Penelitian selanjutnya 205

DAFTAR PUSTAKA 206


i


ii


iii


iv

DAFTAR GAMBAR

Gambar 2.1 Struktur Jaringan VANET ........................................................................................ 12

Gambar 2.2 Band Channel DSRC ................................................................................................ 13

Gambar 2.3 Layer standar IEEE 802.11p dan IEEE 1609.4......................................................... 15

Gambar 2.4 Pembagian Interval Waktu CCH dan SCH .............................................................. 16

Gambar 2.5 Siklus Peralihan Akses CCH, SCH dan Guard Interval............................................ 16

Gambar 2.7 Skema Variable CCH Interval (VCI) ........................................................................ 19

Gambar 2.8 Skema MAC multikanal VCI.................................................................................... 21

Gambar 2.9 Model Markov chain pada Transmisi WSA ............................................................. 22

Gambar 2.10 Model Protokol Dynamic Interval Division Multikanal MAC (DID-MMAC) ...... 25

Gambar 2.11 Diagram state Markov chain secara umum ............................................................ 27

Gambar 2.12 Model Markov Chain untuk transisi state backoff pada skema DCF ..................... 29

Gambar 2.13 Skema MAC multikanal VCI.................................................................................. 35

Gambar 2.14 Model Markov chain pada Transmisi WSA ........................................................... 37

Gambar 2.15 Model contention reservasi kanal CCH .................................................................. 41

Gambar 2.16 Slot anomali Tinnirello dkk .................................................................................... 46

Gambar 2.17 Model slot Tinnirello dkk. ...................................................................................... 48

Gambar 2.18 Diagram Markov chain Tinnirello dkk ................................................................... 50

Gambar 2.19 Model Markov chain Tiga Dimensi Yang .............................................................. 54

Gambar 2.21 Model antrian Single-server .................................................................................... 67

Gambar 2.22 Lapisan modul software NS-3................................................................................. 71

Gambar 2.23 Arsitektur modul WAVE 802.11p pada NS-3 ........................................................ 72

Gambar 3.1 Model Markov chain pada Transmisi WSA ............................................................. 76

Gambar 3.2 Model Markov chain Bidimensional Perdana dkk. .................................................. 80

Gambar 3.3 Skema pengembangan Variable CCH Interval (VCI) .............................................. 86

Gambar 3.4 Implementasi pengembangan Variable CCH Interval (VCI) di NS-3...................... 87

Gambar 3.5 Model baru contention reservasi kanal CCH Perdana dkk. ...................................... 88

Gambar 3.6 Kinerja interval waktu pada kanal CCH (QPSK) ..................................................... 96

Gambar 3.7 Kinerja interval waktu pada kanal CCH (16-QAM) ................................................. 96

Gambar 3.8 Kinerja interval waktu pada kanal CCH (64-QAM) ................................................. 97

Gambar 3.9 Kinerja Aggregate Throughput skema DCF (QPSK) ............................................... 99


v

Gambar 3.10 Kinerja Aggregate Throughput skema DCF (16-QAM) ....................................... 100


Gambar 3.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK) ......................................... 102

Gambar 3.13 Kinerja delay transmisi kanal CCH dan SCH (16-QAM)..................................... 103

Gambar 3.14 Kinerja delay transmisi kanal CCH dan SCH (64-QAM)..................................... 103


Gambar 4.2 Model Markov chain Tiga Dimensi Perdana dkk. .................................................. 111

Gambar 4.3 Model baru contention reservasi kanal CCH Perdana dkk. .................................... 115


Gambar 4.5 Probabilitas pengiriman paket WSA (QPSK) ......................................................... 128

Gambar 4.6 Probabilitas pengiriman paket WSA (16 QAM) ..................................................... 129

Gambar 4.7 Probabilitas pengiriman paket WSA (64 QAM) ..................................................... 129

Gambar 4.9 Kinerja Aggregate Throughput skema DCF (QPSK) ............................................. 132


Gambar 4.11 Kinerja Aggregate Throughput skema DCF (QPSK) ........................................... 133

Gambar 4.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK) ......................................... 136

Gambar 4.13 Kinerja delay transmisi kanal CCH dan SCH (16 QAM) ..................................... 137

Gambar 4.14 Kinerja delay transmisi kanal CCH dan SCH (64 QAM) ..................................... 137

Gambar 5.1 Diagram Markov chain Tinnirello dkk. .................................................................. 140

Gambar 5.2 Model Slot DCF yang diajukan............................................................................... 143

Gambar 5.3 Model Markov chain Bidimensional ..................................................................... 145

Gambar 5.4 Model baru contention reservasi kanal CCH Perdana dkk. .................................... 149

Gambar 5.5 Kinerja probabilitas transmisi paket WSA (QPSK)............................................... 154

Gambar 5.6 Kinerja probabilitas transmisi paket WSA (16 QAM)........................................... 155

Gambar 5.7 Kinerja probabilitas transmisi paket WSA (64 QAM)........................................... 155

Gambar 5.8 Kinerja Aggregate Throughput skema DCF (QPSK) ............................................. 158

Gambar 5.9 Kinerja aggregate throughput pada kanal SCH (16-QAM) ................................... 159

Gambar 5.10 Kinerja aggregate throughput pada kanal SCH (64-QAM) ................................. 159


Gambar 6.2 Model Markov chain Tiga Dimensi Perdana dkk. .................................................. 170

Gambar 6.3 Model baru contention reservasi kanal CCH .......................................................... 174


vi


Gambar 6.5 Kinerja interval waktu dari akses contention kanal CCH (QPSK) ........................ 187

Gambar 6.6 Kinerja interval waktu dari akses contention kanal CCH (16-QAM) ................... 188

Gambar 6.7 Kinerja interval waktu dari akses contention kanal CCH (64-QAM) .................... 188

Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (QPSK) ........................................ 191




vii

DAFTAR TABEL

Tabel 3.1 Parameter interval waktu pada kanal CCH................................................................ 95

Tabel 3.2 Parameter aggregate throughput skema DCF ........................................................... 99

Tabel 3.3 Parameter delay transmisi kanal CCH dan SCH ......................................................102

Tabel 4.1 Parameter probabilitas pengiriman paket WSA.........................................................128

Tabel 4.2 Parameter aggregate throughput skema DCF ..........................................................132

Tabel 4.3 Parameter delay transmisi kanal CCH dan SCH ......................................................136

Tabel 5.1 Parameter probabilitas transmisi paket WSA ...........................................................154

Tabel 5.2 Parameter aggregate throughput pada kanal SCH ...................................................158

Tabel 6.1 Parameter interval waktu dari akses contention kanal CCH ....................................187

Tabel 6.2 Parameter aggregate throughput pada kanal SCH ......................................................189


viii

DAFTAR SINGKATAN

AC : Access Category

AP : Access Point

ACK : Acknowledgement

AWGN : Additive White Gaussian Noise

BSS : Basic Service Set

BP : Beacon Phase

CCH : Control Channel

CCHI : Control Channel Interval

CSMA/CA : Carrier Sense Multiple Access with Collision Avoidance

CTS : Clear to Send

CW : Contention Window

CWmax : Contention Window maximum

CWmin : Contention Window minimum

CR : Cognitive Radio

DCF : Distributed Coordination Function

DCI : Dynamic CCH Interval

DIFS : DCF Interframe Space

DID-MMAC : Dynamic Interval Division Multichannel

DSA : Dynamic Spectrum Access

DSI : Dynamic Safety Interval

EIFS : Extended Interframe Space

GI : Guard Interval

HCF : Hybrid Coordination Function

IFS : Inter Frame Space

MAC : Medium Access Control

MCM : Multichannel Cognitive MAC

MSDU : MAC Service Data Unit

NS-3 : Network Simulator-3

OFDM : Orthogonal Frequency Division Multiplex

PCF : Point Coordination Function

PHY : Physical

PSDU : PHY Service Data Unit

QAM : Quadrature Amplitude Modulation

QoS : Quality of Service

QPSK : Quadrature Phase Shift Keying


ix

PRP : Peer-to-Peer Reservation Phase

RTS : Request to Send

RFS : Request for Service

SIFS : Short Interframe Space

SINR : Signal to Interference and Noise Ratio

STA : Station

SCH : Service Channel

SCHI : Service Channel Interval

VANET : Vehicle Ad hoc Network

WAVE : Wireless Access Vehicular Environment

WBSS : WAVE Basic Service Set

WSA : WAVE Service Advertisement

VCI : Variable CCH Interval


x

DAFTAR NOTASI

: Durasi time slot

: Delay propagasi

: Probabilitas reservasi kanal berhasil dilakukan

: Probabilitas kanal mengalami tabrakan dalam slot waktu yang sama

: Probabilitas kanal dalam kondisi idle

: Probabilitas kanal mengalami tabrakan dalam zona i

: Probabilitas kanal dalam kondisi sibuk pada zona i

: Probabilitas dari tabrakan i-homogen

: Probabilitas dari tabrakan upper i-heterogeneous

: Interval waktu paket WSA

: Interval waktu aplikasi keamanan

: Interval waktu kanal CCH

: Interval waktu kanal SCH

: Rasio antara dan

: Jumlah dari reservasi kanal CCH selama interval WSA

: Jumlah paket yang berhasil ditransmisikan selama interval SCH

: Jumlah kanal SCH

: Panjang header pada lapisan MAC dan PHY

: Rata-rata interval waktu akses contention kanal CCH

: Rata-rata interval antara dua slot waktu dalam kondisi free yang

berurutan

E[T ] : Rata-rata delay transmisi pada kanal CCH

E[T ] : Rata-rata delay transmisi pada kanal SCH

: Doppler spread

: Durasi AIFS

: Bandwidth

: Ukuran Contention Window

: Ukuran Contention Window maksimum

: Ukuran Contention Window minimum

: Energi perbit

: Energi per simbol

: Jumlah STA

: Daya noise

: Payload dari lapisan MAC yang dikirimkan

: Durasi slot waktu


xi

: Durasi waktu rata-rata selama kanal dirasakan sibuk oleh node dalam

zona i

: Durasi waktu rata-rata selama kanal sibuk karena mengalami tabrakan

: Durasi waktu dari Short Interframe Space (SIFS)

: Durasi waktu untuk mengirimkan sebuah frame ACK oleh node dalam

zona i

: Durasi waktu untuk mengirimkan PHY dan MAC header oleh node

dalam zona i

: Durasi waktu untuk mengirimkan sebuah MSDU oleh node dalam

zona i

: Rata-rata fading SNR

: Gain kanal

: Koefisien korelasi fading

: Rasio ukuran payload untuk panjang paket penuh dengan header

messages.

: Rata-rata panjang paket payload dan laju data


xii

DAFTAR ISTILAH

Anomalous Slot : Slot yang tidak dapat digunakan oleh STA selain STA yang terakhir

melakukan transmisi frame

Performance Anomaly : Degradasi hasil throughput yang dihasilkan oleh node dengan laju

tansmisi tinggi dipengaruhi oleh node dengan laju tranmisi tinggi

Aggregate Throughput : Throughput yang dihasilkan oleh node dengan laju transmisi yang

berbeda-beda.

Nakagami

distribution :

Distribusi probabilitas yang berhubungan dengan distribusi gamma,

dimana terdiri dari dua parameter, yaitu parameter bentuk dan

parameter pengendali penyebaran

Gamma distribution :

Distribusi probabilitas yang terdiri dari dua kelompok parameter

distribusi kontinu, biasanya terdiri dari exponential distribution dan

chi-squared distribution

Rayleigh distribution : Distribusi probabilitas yang diamati ketika besarnya keseluruhan

vektor berhubungan dengan arahnya.

Rician fading : Model stokastik untuk propagasi radio anomali yang disebabkan oleh

pembatalan sebagian sinyal radio dengan sendirinya

ya


ABSTRAK

Nama : Doan Perdana

Program Studi : Teknik Elektro

Judul : Peningkatan Kinerja pada Skema Koordinasi Kanal Dinamis MAC IEEE

1609.4 dengan Model Baru Markov Chain

Intelligent Transportation System (ITS) adalah salah satu teknologi yang

mengintegrasikan antar sistem informasi dan teknologi komunikasi dengan infrastruktur

transportasi, kendaraan, dan pengguna jalan. Salah satu implementasi teknologi Intelligent

Transportation System (ITS) adalah Vehicular Ad Hoc Network (VANET). VANET merupakan

sistem komunikasi kendaraan yang mendukung untuk komunikasi Vehicle to Infrastructure

(V2I) dan Vehicle to Vehicle (V2V). Sebagai bagian dari Intelligent Transportation System

(ITS), komunikasi kendaraan dalam jaringan VANET dapat lebih efektif dalam menghindari

kecelakaan dan kemacetan lalu lintas dari pada jika setiap kendaraan mencoba untuk

memecahkan masalah ini secara individual.

Standar IEEE 1609.4 didefinisikan sebagai mode operasi Multikanal jaringan VANET pada

lapisan Medium Access Control (MAC) yang terdiri dari tujuh kanal frekuensi yang berbeda,

yaitu satu kanal CCH178 akan dialokasikan untuk Control Channel (CCH), yang digunakan

sebagai kanal publik untuk aplikasi keamanan yang relevan di jalan. Enam kanal ya ng lainnya

dialokasikan untuk Service Channel (SCH), yang digunakan sebagai kanal untuk menangani

layanan multimedia dan yang tidak berhubungan dengan keamanan di jalan. Salah satu

permasalahan dalam penjaminan kinerja pada IEEE 1609.4 adalah tingginya mobilitas node

kendaraan dan perubahan lintasan yang berbeda. Hal ini menyebabkan delay yang tinggi dan

throughput yang rendah. Peningkatan kinerja pada standar IEEE 1609.4 dapat dilakukan dengan

optimasi pada proses sinkronisasi interval kanal CCH dan SCH.

Pada disertasi ini dikembangkan model baru Markov chain yang bertujuan untuk

meningkatkan kinerja sistem koordinasi kanal dinamis pada standar multikanal IEEE 1609.4

terhadap pengaruh anomali kinerja, slot anomali, efek Doppler, fading Nakagami dan AWGN.

Perbaikan kinerja yang dilakukan terhadap pengaruh diatas adalah dengan menggunakan nilai

awal optimal Contention Window (CW). Penentuan nilai awal CW akan mempengaruhi kinerja

yang dihasilkan pada model Markov chain yang digunakan. Nilai awal optimal CW didapatkan

dari hasil distribusi node di setiap zone dengan menggunakan distribusi Poisson.

Dari hasil simulasi dan evaluasi kinerja yang dihasilkan, dapat dianalisa bahwa model DCF

yang diajukan pada disertasi ini dapat menurunkan nilai delay transmisi CCH terhadap adanya kanal propagasi Nakagami dengan rata-rata (mean) sebesar 16.84 %. Selanjutnya, dapat

disimpulkan bahwa kinerja yang dihasilkan pada model Markov chain dengan menggunakan

nilai awal optimal CW didapatkan meningkatkan nilai Aggregate Throughput sebesar 42.53% dibandingkan dengan model yang diajukan oleh Wang. Sedangkan model DCF yang diajukan

meningkatkan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA) terhadap

fenomena anomalous slot dengan persentase kenaikan rata-rata (mean) sebesar 11.35 %. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai interval waktu

dari akses contention kanal CCH terhadap efek Doppler dengan persentase kenaikan rata-rata

(mean) sebesar 11.31 %


Kata Kunci: Intelligent Transportation System (ITS), VANET, IEEE 1609.4, Slot Anomali, Anomali kinerja, Efek Doppler, Fading Nakagami, Additive White

Gaussian Noise (AWGN), Aggregate Throughput, Optimal Contention Window

(CW)


xii

ABSTRACT

Name : Doan Perdana

Major : Electrical Engineering

Title : Performance Enhancement on Dynamic Coordination Channel Scheme MAC

IEEE 1609.4 with New Markov Chain Model

Intelligent Transportation System (ITS) is one of the technologies that integrate

information systems and communication technologies with transportation infrastructures,

vehicles and road users. One implementation of the Intelligent Transportation System (ITS) is

Vehicular Ad Hoc Network (VANET). VANET is a vehicle communication system which

supports Vehicle to Infrastructure (V2I) and Vehicle to Vehicle (V2V) communication. As a part

of the Intelligent Transportation System (ITS), vehicles communication in VANET networks can

be more effective in avoiding accidents and traffic congestion than if each vehicle try to solve

this problem individually.

The IEEE 1609.4 standard is defined as the multichannel operation mode of VANET on

Medium Access Control (MAC) layer. One of the problems in guaranteeing the performance of

the IEEE 1609.4 is the high vehicular node mobility and different trajectory changes. These

cause high delay and low throughput. Services Quality assurance to the IEEE 1609.4 standard

can be done using optimizing the synchronization process of CCH and SCH channel intervals so

that delay can be reduced and throughput saturation of SCH channel can be increased.

In this dissertation a new model of the Markov chain will be developed which aims to

evaluate the performance of dynamic channel coordination system on the IEEE 1609.4

multichannel standard against performance anomalies influences, slot anomalies, the Doppler

Effect, Nakagami fading and Additive White Gaussian Noise (AWGN). The performance

improvements that is done to the effect above is to use the optimal initial value of Contention

Window (CW). This is consistent with previous studies that have been done, the determination of

the initial value of Contention Window (CW) will affect the resulting performance of the used

Markov chain model. Optimal initial value Contention Window (CW) is obtained from the

distribution of nodes in each zone by using the Poisson distribution.

From the simulation and performance evaluation results, it can be concluded that the

DCF model in this dissertation can reduce the CCH transmission delay against the propagation

channel Nakagami with an average of 16.84%. Moreover, it can be concluded that the

performance of the resulting Markov chain model using the optimal initial value obtained CW

increases value Aggregate Throughput of 42.8% against the effects of the anomaly performance.

Meanwhile, the probability of packet transmission WSA influenced by anomalous slot with the

percentage of mean increases approximately 11.35 %. Furthermore, it can be analyzed that the

DCF model proposed result is the time interval CCH access contention influenced by anomalous

slot with the percentage of mean increases approximately 11.31%

Keywords : Intelligent Transportation System (ITS), VANET, IEEE 1609.4, Anomalous Slot, Performance Anomaly, Doppler Effect, Fading Nakagami, Additive White

Gaussian Noise (AWGN), Aggregate Throughput, Optimal Contention Window

(CW)


1

Universitas Indonesia

BAB 1 PENDAHULUAN

1.1 Latar Belakang

Intelligent Transportation System (ITS) menjadi salah satu topik yang menjanjikan para

peneliti dan industri untuk dilakukan pengembangan dan penelitian lebih lanjut dalam beberapa

tahun terakhir. ITS adalah salah satu teknologi yang mengintegrasikan antar sistem informasi

dan teknologi komunikasi dengan infrastruktur transportasi, kendaraan, dan pengguna jalan.

Salah implementasi teknologi ITS adalah Vehicular Ad Hoc Network (VANET). VANET

bertujuan untuk memberikan solusi yang efisien dan menarik untuk manajemen lalu lintas dan

menghindari kemacetan di sistem jalan, dan hal tersebut telah menjadi salah satu topik yang

paling menjanjikan dan muncul dari penelitian. Tingkat keandalan yang tinggi diperlukan untuk

aplikasi yang terkait dengan keselamatan pada Control Channel (CCH), sedangkan throughput

yang tinggi, dan tingkat delay yang tinggi merupakan perhatian utama untuk aplikasi

infotainment pada Service Channel (SCH).

Berdasarkan standar IEEE 802.11p, VANETs menggunakan teknik komunikasi jarak

pendek atau Dedicated Short Range Communications (DSRC) [1]. Untuk meningkatkan

keamanan dan keselamatan berkendara, US Federal Communication Commission (FCC) telah

mengalokasikan bandwidth 75 MHz dari spektrum DSRC 5,9 GHz. Alokasi tersebut dibagi

menjadi tujuh kanal frekuensi yang berbeda, yaitu satu Control Channel (CCH) 178 akan

dialokasikan untuk Control Channel (CCH), yang digunakan sebagai kanal publik untuk aplikasi

keamanan yang relevan di jalan [1]. Enam kanal yang lainnya dialokasikan untuk kanal Service

Channel (SCH), yang digunakan sebagai kanal untuk menangani layanan multimedia dan yang

tidak berhubungan dengan keamanan di jalan.

Berdasarkan standar yang dikeluarkan oleh kelompok kerja IEEE 1609, standar IEEE

1609.4 merupakan standar dasar dari sistem operasi Multikanal Medium Access Control (MAC)

pada Vehicular Ad Hoc Network (VANET) [1]. Standar Operasi Multi Saluran IEEE 1609.4

telah diajukan pada tahun 2010 untuk meningkatkan protokol IEEE 802.11p yang ada dengan

operasi multikanal pada penerima sinyal radio tunggal. IEEE 1609.4 menerapkan skema akses

baik waktu maupun frekuensi [1]. Pada standar IEEE 1609.4 didefinisikan mode operasi


2


Multikanal nirkabel radio, parameter akses prioritas, dan karakteristik lain dari MAC dan PHY

pada VANETs [1].

Untuk efisiensi koordinasi akses kanal di CCH dan beberapa kanal SCH, skema koordinasi

kanal global disinkronisasi dan dikembangkan berdasarkan Universal Time Coordinated (UTC)

[2]-[4]. Kanal akses waktu dibagi menjadi interval sinkronisasi dengan panjang tetap sebesar 100

ms, yang terdiri dari interval CCH dan SCH. Berdasarkan standar IEEE 1609.4, setiap

kendaraan secara berkala terus bergantian dari Control Channel Interval (CCHI) dan Service

Channel Interval (SCHI) [2]-[4]. Selama dalam interval CCH, setiap kendaraan diatur ke saluran

pengendali DSRC dan saling bertukaran data yang berkaitan dengan aplikasi keamanan. Selama

dalam interval waktu kanal SCH, kendaraan tersebut mungkin diatur kedalam satu dari 6 saluran

layanan, dan saling memberi informasi mengenai data multimedia, infotainment, dll [2]-[4].

Selain itu, Interval Synchronization (SYNC) merupakan hasil penghitungan interval CCH

dan SCH. Panjang interval SYNC adalah 100 ms dan secara rata dibagi antara interval-interval

saluran kontrol dan layanan. Interval penjaga (Guard Interval), diperkenalkan pada awal setiap

interval untuk mengurangi efek ketidak akuratan penundaan pergantian Radio Frequency (RF)

[5]. Nilai yang umum bagi interval penjaga berkisar antara 4 hingga 6 ms [5]. Selama interval

penjaga (Guard Interval), semua transmisi yang sedang berlangsung digagalkan dan lapisan

MAC dalam kondisi sibuk. Pada awal setiap interval, aktivitas-aktivitas MAC terdahulu ditunda

dan yang baru dimulai atau dimulai kembali, tujuannya untuk memastikan setiap paket

ditransmisikan pada saluran yang tepat [5].

Dari hasil studi literatur dan kajian penelitian terkait, besar dan panjang interval sinkronisasi

yang tetap, yaitu 100 ms, kurang bisa menyesuaikan dengan kondisi trafik layanan yang padat

dan tingkat mobilitas yang tinggi di lingkungan VANETs. Dalam kondisi trafik layanan yang

padat, panjang terbatas Control Channel (CCH) tidak dapat menyediakan bandwidth yang cukup

untuk memberikan sejumlah besar paket keselamatan dan paket control [2]-[4]. Di sisi lain, jika

distribusi node jarang, transmisi sesekali pada Control Channel (CCH) akan menyia-nyiakan

sumber daya kanal, sedangkan beberapa aplikasi memakan bandwidth aplikasi besar, seperti

download video dan memperbaharui peta, tidak dapat memperoleh sumber daya yang cukup

pada kanal SCH [2]-[4]. Untuk mengatasi permasalahan di atas, beberapa kajian penelitian


3


terkait dengan model koordinasi kanal dengan menggunakan skema panjang interval sinkronisasi

yang dinamis telah dicoba dikembangkan oleh para peneliti dengan area penelitian mengenai

VANETs.

1.2 Permasalahan

Salah satu permasalahan dalam layanan kinerja pada IEEE 1609.4 (VANET) adalah

tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda sehingga menyebabkan

delay yang tinggi dan throughput yang rendah. Penjaminan kualitas layanan pada standar IEEE

1609.4 dapat dilakukan dengan skema koordinasi saluran CCH dan SCH secara dinamis. Hal ini

dilakukan dengan optimasi pada proses sinkronisasi interval kanal CCH dan SCH sehingga dapat

mengurangi delay dan meningkatkan saturasi throughput saluran SCH. Telah banyak skema dan

pemodelan yang telah diusulkan untuk mengatasi masalah diatas, namun penelitian yang

diusulkan mempunyai keterbatasan dalam layanan kinerja.

Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang, Q

dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang

membagi interval Control Channel (CCH) menjadi interval keamanan (safety interval) dan

interval WAVE Service Advertisement (WSA). Skema ini dapat menyesuaikan rasio antara

interval CCH dan interval SCH sesuai dengan kondisi jaringan, sehingga dalam kondisi lalu

lintas kendaraan yang berubah secara dinamis, interval CCH dan SCH mampu menyediakan

bandwidth yang tepat untuk memberikan kedua paket keamanan / kontrol dan aliran aplikasi.

Skema VCI yang dikembangkan oleh Wang dkk [2]-[4] dirancang untuk meningkatkan saturasi

throughput pada kanal SCH sambil memastikan transmisi aplikasi keamanan (safety

application).

Selanjutnya, Liu dkk [6] memperkenalkan Dynamic Interval Division Multichannel MAC

(DID-MMAC) untuk penyesuaian dinamis interval CCH/SCH. Protokol Dynamic Interval

Division Multikanal MAC (DID-MMAC) dilakukan dengan membagi interval CCH menjadi tiga

tahap berdasarkan jenis pesan yang berbeda: Service Announce Phase (SAP), Beacon Phase

(BP), dan Peer-to-Peer Reservation Phase (PRP). Pesan WAVE Service Advertisement (WSA)

dan beacon yang ditransmisikan dalam masing-masing SAP dan BP, dan pertukaran pesan


4


kontrol untuk pemesanan SCH dilakukan di PRP. Skema yang diajukan dapat mengurangi delay

transmisi dari safety application tapi kanal SCH tidak terutilisasi dengan baik. Penelitian yang

dilakukan tidak memperhatikan pengaruh interference yang dihasilkan oleh hidden node.

Pada penelitian yang lainnya, D. Zhu dkk [7] memperkenalkan skema Dynamic CCH

Interval (DCI) untuk melakukan dynamic adjustment pada SCH/CCH Interval. Skema Dynamic

CCH Interval (DCI) identik dengan Variable CCH Interval (VCI). Namun perbedaan dengan

VCI yang didasarkan pada rata-rata waktu yang dikonsumsi pada CCH untuk negosiasi layanan

pengiriman paket, DCI menghitung nilai optimal interval WAVE Service Advertisement (WSA)

berdasarkan distribusi probabilitas dari waktu pemesanan untuk paket layanan dalam interval

CCH. Skema DCI mendefinisikan sebagai jumlah maksimum layanan paket data yang dapat

ditransmisikan pada interval SCH yang diberikan [7]. Akhirnya, DCI memperoleh WAVE

Service Advertisement (WSA) Interval yang optimal dengan mencari optimal untuk

meminimalkan perbedaan antara jumlah interval WAVE Service Advertisement (WSA), SCH dan

sinkronisasi sisa kecuali untuk interval keselamatan (safety interval).

Yoo, H dkk [8] memperkenalkan skema Dynamic Safety Interval (DSI) untuk menghitung

interval keselamatan (safety interval) optimal dalam kondisi lalu lintas yang dinamis dengan cara

yang didistribusikan. Berbeda dengan skema disebutkan sebelumnya, DSI hanya membahas

masalah penyesuaian interval keselamatan (safety interval). Secara khusus, DSI menghitung

interval keselamatan (safety interval) mengingat keberadaan node tersembunyi (hidden node).

Skema Dynamic Interval Division Multikanal MAC (DID-MMAC), Variable CCH Interval

(VCI), dan Dynamic CCH Interval (DCI) tidak mempertimbangkan gangguan adanya noise. DSI

bertujuan untuk memungkinkan interval keselamatan untuk mengakomodasi transmisi dari node

dalam domain contention yang sama. Pengertian dari domain contention adalah bagian dari

jaringan di mana paket data dapat bertabrakan dengan satu sama lain ketika dikirim pada

medium secara bersamaan serta node tersembunyi (hidden node) dari mereka.

Disamping model koordinasi kanal, beberapa pendekatan dan kajian analitikal model

dilakukan untuk memperkirakan throughput pengiriman WAVE Service Advertisement

(WSA)/RFS menggunakan skema DCF diperlihatkan pada [2]-[8]. Sebagian besar literatur tersebut

menggunakan pendekatan Markov chain. Namun beberapa literatur juga melakukan


5


pengembangan menggunakan pendekatan non-Markov, seperti pendekatan queueing network oleh

Karamad dkk. [9], pendekatan mean value analysis oleh Lin dkk. [10] dan pendekatan counter

backoff distribution oleh Tinnirello dkk. [11].

Pendekatan Markov chain memiliki keunggulan yaitu jika perancangan model Markov chain

dilakukan secara baik, maka dapat menyederhanakan kompleksitas skema DCF, sehingga model

analitikal skema DCF dapat dibuat lebih mudah. Pengembangan model analitikal skema DCF

menggunakan pendekatan Markov chain banyak dilakukan oleh peneliti dengan mengembangkan

model Bianchi [12]. Wang, Q [2]-[4] mengembangkan [12] agar dapat digunakan untuk

menganalisis kinerja throughput yang dihasilkan pada skema koordinasi kanal standar IEEE

1609.4.

Yang dkk. [13] melakukan kajian penelitian dan pengembangan model analitikal skema

DCF terkait dengan mobilitas node pada standar IEEE 802.11, yaitu dengan mengelompokkan

node dalam sebuah BSS tergantung dari laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps, dan

menetapkan group ID i=1, 2, 3 dan 4 untuk setiap kelompok dari nodes, secara berurutan. Node

yang heterogen ini menunjukkan bahwa durasi untuk mentransmit sebuah frame oleh suatu node

pada setiap group berbeda. Semakin rendah laju transmisi, semakin lama durasi untuk

mentransmit sebuah frame. Misalkan adalah backoff window untuk sebuah station pada

group pada backoff stage . Pada mekanisme DCF konvensional menggunakan CSMA/CA,

semua nodes pada group I manapun memiliki backoff window awal yang sama , untuk semua

i=1, 2, 3, dan 4. Model yang dikembangkan oleh Yang. dkk [13] merupakan pengembangan dari

model Bianchi.

Model Bianchi [12] dan model-model lain yang dikembangkan dari model tersebut

menggunakan asumsi bahwa pengurangan counter backoff yang dilakukan pada awal sebuah

time slot. Penggunaan asumsi ini berdasarkan pada penjelasan dalam dokumen standar IEEE

802.11 yang sebenarnya tidak tepat, karena seharusnya pengurangan nilai counter backoff

dilakukan pada bagian akhir dari sebuah time slot [3]. Penggunaan asumsi pengurangan nilai

counter backoff pada bagian akhir sebuah time slot menyebabkan adanya fenomena slot anomali.

Slot anomali adalah slot pertama setelah keberhasilan proses transmisi frame hanya dapat

digunakan oleh STA yang terakhir melakukan transmisi. STA lain tidak pernah dapat


6


menggunakan slot tersebut. Slot anomali juga muncul ketika terjadi collision saat sebuah frame

ditransmisikan. Slot backoff pertama setelah kemunculan collision tidak dapat digunakan oleh

semua STA. Akibat adanya slot anomali ini adalah durasi transmisi frame dan frame collision

menjadi bertambah lama satu slot. Fenomena slot anomali ini tidak diperhitungkan pada model

analitikal yang diajukan oleh Bianchi dan oleh literatur lain yang mengembangkan model

analitikal dari model Bianchi tersebut.

Tinnirello dkk. di dalam [11] telah menyempurnakan model Bianchi [12], dengan

memperhitungkan masalah slot anomali pada model analitikal throughput skema DCF. Namun

model analitikal pada [11] memperkirakan throughput skema DCF hanya berdasarkan

probabilitas kanal dalam kondisi idle, dalam kondisi transmisi dan dalam kondisi collision.

Model analitikal [11] dan model analitikal yang diajukan oleh peneliti lain [2]-[13] pada

umumnya menggunakan asumsi kanal dalam kondisi ideal tanpa error. Penggunaan asumsi ini

sangat tidak sesuai dengan karakteristik kanal wireless. Kanal wireless banyak dipengaruhi oleh

noise dan interferensi. Dengan demikian model-model analitikal pada [2]-[13] tidak dapat

digunakan untuk memperkirakan throughput skema DCF secara akurat.

1.3 Tujuan

Tujuan penelitian disertasi ini adalah membuat model analitikal baru yang dapat digunakan

untuk memperkirakan secara akurat throughput pengiriman WAVE Service Advertisement

(WSA)/Ready for Service (RFS) melalui skema koordinasi kanal CCH/SCH dinamis terhadap

pengaruh mobilitas node pada standar Multikanal MAC IEEE 1609.4 Model analitikal dibuat

berdasarkan tiga mekanisme pengiriman WSA/RFS yang berbeda pada skema koordinasi kanal

CCH/SCH. Ketiga mekanisme tersebut adalah 1) pengiriman WSA/RFS degan memperhatikan

distribusi dan laju transmisi tiap node, 2) pengiriman WSA/RFS dengan memperhatikan slot

anomali dan bit error akibat pengaruh Additive White Gaussian Noise (AWGN), dan 3)

pengiriman WSA/RFS tanpa memperhatikan slot anomali. Model analitikal pengiriman

WSA/RFS dengan memperhatikan distribusi node tiap zona dibuat berdasarkan proses backoff

pada skema MAC DCF dengan membagi node pada tujuh zona dengan menggunakan distribusi

poisson dan tergantung dari laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps. Sementara itu


7


model analitikal pengiriman WSA/RFS menggunakan slot anomali dibuat berdasarkan proses

backoff pada skema MAC DCF.

Pembuatan model analitikal baru throughput skema DCF dalam disertasi ini dilakukan

dengan memperhitungkan pengaruh fenomena slot anomali pada skema DCF dan

memperhitungkan pengaruh AWGN. Pada model analitikal skema DCF yang diajukan, diasumsi

sebuah frame selain dapat mengalami collision, juga dapat mengalami error akibat adanya

AWGN. Durasi kanal sibuk akibat frame WSA/RFS error dan frame ACK error dihitung

bersama dengan durasi slot anomali. Probabilitas error frame WSA/RFS dan frame ACK

dihitung berdasarkan probabilitas bit error pada kanal propagasi akibat nakagami fading.

Model analitikal baru throughput pengiriman WSA/RFS menggunakan skema koordinasi

kanal CCH/SCH dalam disertasi ini dilakukan dengan memperhitungkan pengaruh distribusi

poisson dan laju transmisi node pada skema DCF. Model analitikal juga memperhitungkan

pengaruh bit error pada kanal propagasi Nakagami terhadap throughput ketiga skema tersebut.

Throughput skema koordinasi kanal CCH/SCH dihitung berdasarkan asumsi frame WSA/RFS

dan ACK dapat mengalami error. Durasi kanal sibuk akibat frame-frame tersebut mengalami

error dihitung bersama dengan durasi slot anomali pada skema DCF.

1.4 Kontribusi

Kontribusi dari disertasi ini dapat dijelaskan sebagai berikut, yaitu telah dihasilkan model

analitikal throughput pengiriman WAVE Service Advertisement (WSA)/RFS dengan skema

koordinasi kanal CCH/SCH pada lapisan Multikanal IEEE 1609.4. Kebaruan model analitikal

yang diajukan adalah model analitikal yang diturunkan dengan menggunakan Markov chain tiga

dimensi dan memperhitungkan nilai optimum initial CW berdasarkan dari distribusi node di

setiap zone. Model analitikal yang diajukan juga memperhatikan adanya masalah anomali kinerja

(performance anomaly) yang menunjukkan adanya degradasi kinerja yang tak diharapkan dari

node-node yang menggunakan laju data tinggi proses backoff pada setiap STA yang akan

memperebutkan medium wireless dengan mengelompokkan node berdasarkan laju transmisi

yang berbeda, yaitu 3, 6, 9, 12, 18, 27 Mbps. Dari studi literatur yang telah dilakukan, diketahui

model-model analitikal sebelumnya yang telah diajukan oleh peneliti lain untuk mengatasi


8


adanya degradasi kinerja di 802.11 dilakukan dengan mengubah nilai initial CW dengan tidak

menentukan nilai optimum dari CW. Disamping penelitian yang dilakukan di 802.11p jarang

dibahas mengenai adanya degradasi kinerja akibat adannya anomali kinerja. Hasil simulasi

memperlihatkan model analitikal yang diajukan dapat memperkirakan throughput lapisan MAC

pada standar IEEE 1609.4 secara akurat. Dengan menggunakan parameter simulasi yang sama,

model analitikal yang diajukan memperlihatkan bahwa throughput skema DCF yang dihasilkan

lebih tinggi dibandingkan model yang diajukan oleh Yang dan Model Wang. Sedangkan untuk

hasil rata-rata delay transmisi pada kanal CCH dan SCH yang dihasilkan lebih rendah

dibandingkan dengan model yang diajukan oleh Yang dan Model Wang.

Dari hasil studi literatur dan penelitian lapisan Multikanal MAC standar IEEE 1609.4 telah

dihasilkan model analitikal throughput slot WSA mempertimbangkan slot anomali pada lapisan

MAC DCF. Kebaruan model analitikal yang diajukan adalah model analitikal yang diturunkan

menggunakan distribusi probabilitas transmisi dengan pendekatan Markov dan probabilitas bit

error karena adanya noise AWGN. Model analitikal yang diturunkan memperhatikan adanya

masalah slot anomali proses backoff pada setiap STA yang akan memperebutkan medium

wireless yang akan mentransmisikan WSA menggunakan skema koordinasi kanal CCH/SCH.

Model analitikal yang dibuat juga Model analitikal yang diturunkan juga memperhatikan

masalah probabilitas paket data WSA dan ACK mengalami error saat ditransmisikan melalui

lapisan Multikanal MAC. Hasil simulasi memperlihatkan model analitikal slot WSA dan Block

ACK yang ajukan dapat memperkirakan throughput pengiriman WSA/RFS melalui lapisan

MAC DCF standar IEEE 1609.4 secara akurat.

Dari hasil studi literatur dan penelitian model slot frame WSA pada Multikanal MAC IEEE

1609.4, telah dihasilkan model analitikal throughput pengiriman WSA dengan pendekatan

Markov chain tiga dimensi dan memperhatikan efek Doppler dari setiap node, yang akan

mempengaruhi delay dan throughput yang dihasilkan lapisan Multikanal MAC DCF IEEE

1609.4. Kebaruan studi yang dilakukan adalah model analitikal yang diturunkan menggunakan

fungsi kepadatan probabilitas (pdf) distribusi Nakagami dengan mempertimbangkan adanya

masalah slot anomali proses backoff pada setiap STA yang akan memperebutkan medium

wireless dan adanya degradasi kinerja akibat pengaruh fenomena anomali kinerja (performance


9


anomaly) dengan mengelompokkan node berdasarkan laju transmisinya. Model analitikal yang

dibuat juga memperhatikan efek Doppler dari setiap node, yang akan mempengaruhi delay dan

throughput yang dihasilkan lapisan Multikanal MAC DCF IEEE 1609.4. Dari studi literatur yang

telah dilakukan, diketahui model-model analitikal sebelumnya yang telah diajukan oleh peneliti

lain tidak memperhatikan kedua permasalahan tersebut.

1.5 Batasan Masalah

Batasan masalah yang dilakukan dalam disertasi ini adalah sebagai berikut.

1. Model analitikal yang diajukan dibatasi pada permasalahan perhitungan throughput dan

nilai rata-rata delay transmisi pada kanal CCH dan SCH berdasarkan probabilitas frame

mengalami collision dan error akibat pengaruh Additive White Gaussian Noise (AWGN).

2. Permasalahan kanal error pada kanal propagasi Nakagami dibatasi pada pembahasan

probabilitas bit mengalami error akibat pengaruh Additive White Gaussian Noise

(AWGN).

3. Penelitian dilakukan dengan pemodelan dan simulasi terhadap skema yang diusulkan.

Simulasi dilakukan dengan bantuan Network Simulator NS3 dan pemodelan serta analisa

keandalan dengan bantuan Matlab.

4. Diasumsikan kesalahan yang diakibatkan oleh gangguan pada lapisan fisik seperti

interferensi telah dapat diselesaikan dengan pengolahan sinyal yang baik dan di luar

lingkup penelitian ini.

1.6 Sistematika Penulisan

Sistematika penulisan disertasi ini diorganisasikan adalah sebagai berikut:

BAB 1. Pendahuluan

Membahas latar belakang pemilihan topik penelitian, permasalahan penelitian, tujuan

penelitian, kontribusi penelitian, batasan masalah serta sistematika penulisan.

BAB 2. Studi Protokol Standar IEEE 1609.4


10


Membahas lapisan protokol IEEE 802.11p dan IEEE 1609.4, mencakup lapisan operasi

Multikanal MAC. Pada lapisan Multikanal MAC akan dibahas mengenai macam-

macam tipe Multikanal MAC dan model yang sesuai Multikanal MAC dengan lapisan

MAC IEEE 1609.4. Pada bab ini, akan dibahas juga mengenai teknik optimasi

Multikanal MAC IEEE 1609.4 dan faktor yang mempengaruhi teknik optimasi

koordinasi kanal pada Multikanal MAC IEEE 1609.4. Network Simulator NS-3 juga

dibahas pada akhir bab ini khususnya yang berhubungan dengan modul lapisan MAC

IEEE 1609.4 pada NS-3.

BAB 3. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan Skema

Koordinasi Kanal Dinamis

Pada Bab ini dibahas model analitikal throughput DCF skema koordinasi kanal dinamis

yang diajukan oleh Wang dkk. Kemudian akan dibahas pemodelan koordinasi kanal

dengan pendekatan Markov chain bidimensional dengan memperhitungkan pengaruh

kanal propagasi akibat adanya pengaruh fading Nakagami. Pada akhir bab ini

disampaikan simulasi model throughput skema DCF dan pembahasan hasil simulasi.

BAB 4. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan Skema

Koordinasi Kanal Dinamis akibat adanya anomali kinerja (performance anomaly)

Pada Bab ini dibahas model Markov chain tiga dimensi yang diajukan oleh Yang dkk.

dan model skema koordinasi kanal yang diajukan oleh Wang dkk. Kemudian akan

dibahas pemodelan koordinasi kanal dengan pendekatan model Markov chain tiga

dimensi dengan memperhitungkan pengaruh adanya anomali kinerja (performance

anomaly). Pada akhir bab ini disampaikan simulasi model throughput skema DCF dan

pembahasan hasil simulasi.

BAB 5. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan

pengaruh Slot Anomali dan Additive White Gaussian Noise (AWGN)

Pada Bab ini dibahas pemodelan DCF Multikanal IEEE 1609.4 berdasarkan pengaruh

slot anomali dan Additive White Gaussian Noise (AWGN) yang menghasilkan

persamaan probabilitas collision, probabilitas transmisi, probabilitas slot idle, dan


11


probabilitas bit error dengan menggunakan skema koordinasi kanal dinamis. Pada

Simulasi dilakukan menggunakan simulasi matematis.

BAB 6. Model Analitikal Throughput Multikanal MAC DCF IEEE 1609.4 dengan

pengaruh Anomali Kinerja (Performance Anomaly) dan adanya efek Doppler

akibat pengaruh mobilitas node

Pada Bab ini dibahas pemodelan DCF Multikanal IEEE 1609.4 berdasarkan pengaruh

anomali kinerja (performance anomaly) dan Additive White Gaussian Noise (AWGN)

yang menghasilkan persamaan probabilitas collision, probabilitas transmisi dan

probabilitas slot idle dan probabilitas bit error dengan mempertimbangkan efek

Doppler dan laju transmisi node yang berbeda dengan menggunakan skema koordinasi

kanal. Pada Simulasi dilakukan menggunakan simulasi matematis.

BAB 7. Kesimpulan

Pada Bab ini disampaikan butir-butir kesimpulan atas analisa yang telah dilakukan dan

pemaparan rencana peluang penelitian selanjutnya.


12


BAB 2 STUDI PROTOKOL STANDAR IEEE 802.11p

2.1 Standar IEEE 802.11p (VANET)

Intelligent Transportation System (ITS) merupakan teknologi yang mengintegrasikan

antar sistem informasi dan teknologi komunikasi dengan infrastruktur transportasi. Salah

implementasi teknologi ITS adalah Vehicular Ad Hoc Network (VANET). VANET merupakan

sistem komunikasi kendaraan dimana mendukung untuk komunikasi Vehicle to Infrastructure

(V2I) dan Vehicle to Vehicle (V2V). Sebagai bagian dari ITS, komunikasi kendaraan dalam

jaringan VANET dapat lebih efektif dalam menghindari kecelakaan dan kemacetan lalu lintas

dari pada jika setiap kendaraan mencoba untuk memecahkan masalah ini secara individual

seperti dijelaskan pada Gambar 2.1.

Gambar 2.1 Struktur Jaringan VANET [14]- [15]

Standar IEEE 802.11p merupakan standar protokol jaringan untuk penyediaan jaringan

VANET [1]. Standar ini mendukung untuk komunikasi Vehicle to Vehicle (V2V) dan Vehicle to

Infrastructure (V2I). Berdasarkan standar IEEE 802.11p, VANETs menggunakan teknik

komunikasi jarak pendek atau Dedicated Short Range Communications (DSRC) [1]. Untuk

meningkatkan keamanan dan keselamatan berkendara, US Federal Communication Commission

telah mengalokasikan bandwidth 75 MHz dari spektrum DSRC 5.9 GHz [1]. Alokasi tersebut

dibagi menjadi tujuh kanal frekuensi yang berbeda, yaitu satu kanal CCH178 akan dialokasikan


13


untuk Control Channel (CCH), yang digunakan sebagai kanal publik untuk aplikasi keamanan

yang relevan di jalan. Enam kanal yang lainnya dialokasikan untuk Service Channel (SCH), yang

digunakan sebagai kanal untuk menangani layanan multimedia dan yang tidak berhubungan

dengan keamanan di jalan.

Berdasarkan kajian penelitian sebelumnya, tingkat efisiensi skema multikanal CCH dan

SCH akan mempengaruhi kinerja lapisan Media Access Control (MAC) dari jaringan VANET.

Maka dari itu pada sub bab selanjutnya, akan dibahas mengenai standar IEEE 1609.4 lapisan

MAC Multikanal VANET.

2.2 Standar IEEE 1609.4 lapisan MAC Multikanal VANET

Standar IEEE 1609.4 didefinisikan sebagai mode operasi multikanal jaringan VANET

pada lapisan Media Access Control (MAC). Salah satu permasalahan dalam sistem komunikasi

pada operasi multikanal standar IEEE 1609.4 adalah penjadwalan multiuser akses dan alokasi

kanal. Untuk efisiensi koordinasi akses kanal di Control Channel (CCH) dan beberapa kanal

Service Channel (SCH), skema koordinasi kanal global disinkronisasi dan dikembangkan

berdasarkan Universal Time Coordinated (UTC), dimana kanal akses waktu dibagi menjadi

interval sinkronisasi dengan panjang tetap sebesar 100 ms, yang terdiri dari interval CCH dan

SCH [2]. Berdasarkan standar IEEE 1609.4, setiap kendaraan secara berkala terus bergantian

dari Control Channel Interval (CCHI) dan Service Channel Interval (SCHI) [1]-[2]. Selama

dalam interval-interval CCH, setiap kendaraan diatur ke saluran pengendali Dedicated Short

Range Communications (DSRC) dan saling bertukaran data yang berkaitan dengan aplikasi

keamanan. Selama dalam interval waktu kanal SCH, kendaraan-kendaraan tersebut mungkin

diatur kedalam satu dari 6 saluran layanan, dan saling memberi informasi infotainment [1]-[5].


14


Critical Safety

Of LifeControl Channel (CCH)

Ch 172 Ch 174 Ch 176 Ch 178 Ch 180 Ch 182 Ch 184

5.85

0

5.85

0

5.85

0

5.85

0

5.85

0

5.85

0

5.85

0

5.85

0

Service Channel (SCH)

Frekuensi (GHz)

Service Channel (SCH)

Gambar 2.2 Band Channel DSRC [16]

Federal Communication Commission (FCC) telah mendesain setiap kanal baik sebagai

Service Channel (SCH) atau sebagai Control Channel (CCH) seperti ditunjukkan pada Gambar

2.2. Kanal 178 adalah control channel (CCH), yang merupakan kanal standar untuk komunikasi

keselamatan publik. Kedua kanal di ujung pita spektrum dicadangkan untuk peruntukan aplikasi

yang dapat mencegah kecelakaan dan komunikasi keselamatan publik dengan daya tinggi.

Sisanya adalah service channel (SCH) yang tersedia untuk penggunaan aplikasi safety dan non

safety.

Seperti diperlihatkan pada Gambar 2.3, standar IEEE 802.11p terdiri dari dua lapisan utama

di bawah yaitu lapisan Media Access Control (MAC) dan lapisan physical (PHY). Lapisan

physical (PHY) dari IEEE 802.11p sama dengan standar 802.11a dan dapat memberikan

kecepatan transmisi data antara 3 sampai dengan 27 Mb/s dengan menggunakan bandwidth 10

MHz, yang merupakan setengah dari alokasi bandwidth standar 802.11a. Disamping itu,

VANETs mendukung komunikasi dengan jarak antara 300-1000 m. Sedangkan untuk lapisan

MAC, akan mengikuti berdasarkan standar yang dikeluarkan oleh kelompok kerja IEEE 1609,

yaitu standar IEEE 1609.4 yang merupakan standar dasar dari sistem operasi Multikanal MAC

pada VANETs. Pada standar IEEE 1609.4 didefinisikan mode operasi Multikanal nirkabel radio,

termasuk operasi interleaving dari kanal CCH dan SCH, parameter akses prioritas, dan

karakteristik lain dari MAC dan PHY pada VANETs.


15


Safety App.Sublayer Application

LayerMessage Sublayer

Network andTransportLayers -WSMP

TransportLayer -

TCP/UDP

NetworkLayer -

Ipv^

LLC Sublayer

MAC Sublayer Extension

MAC Sublayer

PHY Layer

Security S

ervices

SafetyApplications

Non-SafetyApplications

SAE J2735 SAE J2945.1

Standards coveredIn this paper

IEEE1609.2

IEEE1609.3

IEEE 1609.4

IEEE 802.11p

IETF RFC793/768

IETF RFC2460

IEEE 802.2

Gambar 2.3 Layer standar IEEE 802.11p dan IEEE 1609.4 [17]

Dengan mempertimbangkan kondisi trafik dan mobilitas yang tinggi pada sistem operasi

Multikanal standar IEEE 1609.4, maka skema koordinasi akses kanal CCH dan SCH yang

dinamis menjadi hal yang penting dalam peningkatan efisiensi transmisi pada lapisan MAC

IEEE 1609.4/802.11p. Skema ini akan mempengaruhi nilai throughput dan delay transmisi yang

dihasilkan. Maka dari itu pada sub bab selanjutnya ini akan dibahas skema koordinasi kanal

dinamis pada standar IEEE 1609.4.

2.3 Skema koordinasi kanal dinamis IEEE 802.11p/1609.4

Mekanisme koordinasi kanal merupakan skema penting dalam peningkatan efisiensi

transmisi pada lapisan MAC IEEE 1609.4/802.11p. Skema koordinasi kanal dapat

meningkatkan saturasi throughput kanal SCH dan mengurangi tingkat delay transmisi paket

layanan. Skema koordinasi kanal adalah mekanisme koordinasi kanal CCH (aplikasi keamanan)

dan SCH (aplikasi non-keamanan) dalam sistem operasi multi-channel IEEE 1609.4 dengan

memanfaatkan sinkonisasi interval kanal CCH dan SCH. Skema koordinasi kanal dibedakan


16


menjadi dua mekanisme, yaitu skema koordinasi kanal antar kendaraan (Vehicle to Vehicle) dan

skema koordinasi kanal kendaraan dengan infrastruktur (Vehicle to Insfrastructure).

Berdasarkan penjelasan standar IEEE 802.11p, IEEE 1609.4 diterapkan ketika DSRC

beroperasi dalam lingkungan multi-channel, dengan band frekuensi 5.9 GHz. IEEE 1609.4

mendefinisikan manajemen ekstensi MAC yang memungkinkan sebuah sistem dengan satu atau

lebih radio untuk secara efektif beralih di antara saluran-saluran.

Interval Penjaga

Interval CCH

Interval Penjaga

Interval SCH Interval Penjaga

Interval Penjaga

Interval SCH Interval SCH

50 ms50 ms

waktuInterval Penjaga = 4 ms

Periode Sinkronisasi

100 msPeriode sinkronisasi

100 ms

Gambar 2.4 Pembagian Interval Waktu CCH dan SCH [1]

Standar IEEE 1609.4 telah mengatur konsep waktu interval channel dimana dibagi ke

dalam interval control channel (CCH) dan service channel (SCH) secara bergantian [1], seperti

ditunjukkan pada Gambar 2.3. Pada setiap interval Control Channel (CCH) dan Service

Channel (SCH) selalu diawali dengan Guard Interval (GI) sebesar 4ms. Lama waktu untuk

masing-masing interval adalah selama 50ms. Sepasang interval CCH dan SCH akan membentuk

Sync interval, sehingga terdapat sepuluh sync per detik. Hal ini didorong oleh keinginan untuk

memetakan sync interval dengan asumsi umumnya laju pesan keselamatan kendaraan adalah

sebesar 10Hz. Awal CCH interval sejalan dengan waktu dimulainya Universal Time

Coordinated (UTC) atau kelipatan dari 100ms setelahnya, seperti ditunjukkan pada Gambar 2.5.


17


Waktu

Interval CCH Interval CCH Interval CCH Interval CCHInterval SCH Interval SCH Interval SCH Interval SCH

Mulai waktu UTC Akhir waktu UTC

Gambar 2.5 Siklus Peralihan Akses CCH, SCH dan Guard Interval [1]

Koordinasi saluran dirancang untuk mendukung pertukaran data yang melibatkan satu atau

lebih perangkat switching yang beroperasi bergantian secara terus menerus pada kanal CCH dan

SCH. Gambar 2.6 menunjukkan dua contoh dari akses kanal: akses secara kontinu, yang tidak

memerlukan koordinasi channel, dan akses bergantian, yang memerlukan koordinasi channel.

waktu

Interval CCH Interval CCH Interval SCHInterval SCH

(a)CCH

(b)CCH

SCH

Gambar 2.6 Akses Channel: (a) Kontinu (b) Bergantian [1]

Pada umumnya On Board Unit (OBU) DSRC secara default disetel ke kanal CCH untuk

mengirim dan menerima pesan keselamatan secara terus menerus. Jika komunikasi melibatkan

aplikasi non safety pada kanal SCH, maka OBU harus aktif beralih di antara kanal CCH dan

SCH selama sesi layanan. Dengan akses kanal secara bergantian, radio DSRC dapat digunakan

untuk komunikasi keamanan selama CCH interval dan digunakan untuk aplikasi lain selama

SCH interval.

Beberapa skema koordinasi kanal untuk menjamin kualitas layanan (QoS), yaitu sebuah

algoritma dengan mekanisme Centralized Coordination yang disebut sebagai A RSU-Assisted


18


Multi-Channel Coordination MAC Protocol (RAMC) [18], yang didasarkan pada algortima

sebelumnya Dedicated Coordinating Access Point (DCAP) untuk menangani delay yang tinggi

dan menjamin delivery ratio kanal CCH dalam mengirimkan trafik safety application dan

menghasilkan throughput yang tinggi kanal SCH dalam mengirimkan paket non-safety

application. Wang, Q dkk. [2]-[4] mengusulkan algoritma baru yang disebut sebagai Variable

CCH Interval MAC (VCI-MAC) yang didasarkan pada algortima sebelumnya Dedicated

Multikanal MAC (DMMAC) [19] untuk menghasilkan saturasi throughput SCH yang tinggi

serta mengurangi delay transmisi service packet sementara memaintain prioritasi transmisi dari

critical safety information CCH dengan menggunakan panjang paket CCH yang varibel.

Disimpulkan bahwa mekanisme ini bagus untuk lingkungan single hop wireless

communication, sedangkan untuk lingkungan multi hop wireless communication diperlukan

kajian lebih lanjut. Liu dkk.[18] mengusulkan sebuah algoritma dengan mekanisme Centralized

Coordination yang disebut sebagai A RSU-Assisted Multi-Channel Coordination MAC Protocol

(RAMC), yang didasarkan pada algortima sebelumnya Dedicated Coordinating Access Point

(DCAP) untuk menangani delay yang tinggi dan menjamin delivery ratio kanal CCH dalam

mengirimkan trafik safety application dan menghasilkan throughput yang tinggi kanal SCH

dalam mengirimkan paket non-safety application. Huang dkk. [20] mengusulkan An Effective

Channel Utilization Scheme for IEEE 1609.4 Protocol, untuk memaksimalkan throughput

kanal dan efektifitas penggunaan kanal dan menurunkan waktu delay untuk mendapatkan

informasi layanan dari RSU.

Skema Variable CCH Interval (VCI) multikanal Media Access Control (MAC) merupakan

mekanisme skema koordinasi antara saluran CCH dan saluran SCH. Menurut [2]-[4] hasil

simulasi yang diperoleh dapat meningkatkan saturasi throughput saluran SCH dan mengurangi

delay paket layanan, sambil mempertahankan transmisi prioritas informasi keselamatan penting

saluran CCH.

Skema di atas kemudian dikembangkan oleh Ahmad A. dkk [19], yaitu Dedicated Multikanal

MAC (DMMAC) untuk menghasilkan saturasi throughput SCH yang tinggi serta mengurangi

delay transmisi service packet sementara memelihara prioritasi transmisi dari critical safety

information CCH dengan menggunakan panjang paket CCH yang bervariasi.


19


Beberapa skema koordinasi yang lainnya untuk menjamin kualitas layanan (QoS), yaitu

sebuah algoritma [18] dengan mekanisme Centralized Coordination yang disebut sebagai A

RSU-Assisted Multi-Channel Coordination MAC Protocol (RAMC), yang didasarkan pada

algortima sebelumnya Dedicated Coordinating Access Point (DCAP) untuk menangani delay

yang tinggi dan menjamin delivery ratio kanal CCH dalam mengirimkan trafik safety application

dan menghasilkan throughput yang tinggi kanal SCH dalam mengirimkan paket non-safety

application.

2.3.1 Variable CCH Interval (VCI)

Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang


membagi interval kanal CCH menjadi interval keamanan dan interval WSA. Pada skema ini

dapat menyesuaikan rasio antara interval CCH dan interval SCH sesuai dengan kondisi jaringan,

sehingga dalam kondisi lalu lintas kendaraan yang berubah secara dinamis, interval CCH dan

SCH mampu menyediakan bandwidth yang tepat untuk memberikan kedua paket

keamanan/kontrol dan aliran aplikasi. Skema Variable CCH Interval (VCI) yang dikembangkan

oleh Wang dkk [2]-[4] dirancang untuk meningkatkan saturasi throughput pada kanal SCH

sambil memastikan transmisi aplikasi keamanan (safety application).

Algoritma 1. Prosedur dalam memilih selang CCH // Eksekusi oleh node pada awal interval CCH Interval CCH siklus arus sinkronisasi: // CIcurr Interval CCH siklus sinkronisasi sebelumnya: // CIprev // CIwsa_f: Interval CCH diumumkan dalam bingkai WSA // CIvci_f: The CCH Interval diumumkan dalam bingkai VCI // Mengatur default CCH Interval jika CIprev nol tidak sama maka CIcurr = CIprev yang lainnya CIcurr = 50 ms akhir jika // Update Interval CCH saat menerima frame VCI jika menerima bingkai VCI kemudian jika itu adalah pertama kalinya menerima bingkai VCI kemudian Update CIcurr yang lainnya jika CIcurr <CIvci_f kemudian


20


CIcurr = CIvci_f selesai jika selesai jika // Perbarui CCH Interval saat menerima WSA / RFS / ACK bingkai jika menerima WSA / RFS / ACK bingkai kemudian jika belum menerima frame VCI kemudian Update CIcurr yang lainnya jika WSA / RFS / ACK frame dari node akan terhubung untuk kemudian // Di bawah RSUs berbeda jika CIcurr <CIwsa_f kemudian CIcurr = CIwsa_f selesai selesai selesai

Gambar 2.7 Skema Variable CCH Interval (VCI) [2]-[4]

Berdasarkan penelitian yang sudah dilakukan oleh Wang dkk [2]-[4] di atas, maka

dijelaskan bahwa skema ini diawali dengan inisialisasi nilai awal VCI = 50 ms, kemudian proses

update nilai CCH interval pada frame Variable CCH Interval (VCI) dan WAVE Service

Advertisement (WSA)/RFS/ACK. Pada proses di VCI frame, nilai CCH interval akan di update

ketika VCI frame pertama kali diterima, sedangkan pada frame selanjutnya, nilai CCH interval

akan dibandingkan dengan nilai CCH interval yang disiarkan pada VCI frame, apabila nilai CCH

interval < nilai CCH interval yang disiarkan, maka nilai CCH interval sama dengan nilai nilai

CCH interval yang disiarkan pada VCI frame. Sedangkan pada proses di WAVE Service

Advertisement (WSA)/RFS/ACK frame, nilai CCH interval akan di update ketika VCI frame

pertama kali diterima, sedangkan pada frame selanjutnya, nilai CCH interval akan di update

ketika node berada di wilayah cakupan Road Side Unit (RSU).

Skema VCI dapat dijelaskan lebih lanjut sebagai berikut, seperti ditunjukkan dalam

Gambar 2.7 interval CCH baru dimulai dari interval keamanan (safety interval), di mana node

akan mengirimkan informasi keamanan dan menyiarkan paket VCI. Selama interval WSA,

penyedia layanan broadcast paket WSA dan saling mendukung dengan layanan informasi dan


21


identitas kanal SCHs yang akan digunakan. Node yang membutuhkan pelayanan secara opsional

dapat merespon paket WSA dengan ACK. Selain itu, pengguna jasa berinisiatif dapat mengirim

paket RFS untuk membuat perjanjian dengan penyedia layanan. Setelah akhir interval CCH

(CCH interval), node akan menyesuaikan pada kanal SCHs tertentu untuk mengirimkan paket

layanan.

Berbeda dengan pendekatan dasar pererebutan akses kanal antar station (contention)

MAC IEEE 1609,4 yang asli, skema VCI mengadopsi mekanisme koordinasi kanal untuk

memberikan kanal SCHs yang bebas (contention free) dari contention oleh kanal reservasi pada

CCH. Gambar. 2.7 menunjukkan detail dari reservasi kanal dan transmisi layanan data. Pada

awal interval WSA, penyedia layanan akan membroadcast paket WSA, yang berisi identitas

SCHs yang akan digunakan, serta informasi lainnya. Node lain yang membutuhkan pelayanan

bisa secara opsional bersaing untuk merespon dengan ACK. Node yang berhasil mengirim

respon dapat membuat perjanjian dengan penyedia layanan di sumber daya transmisi data dengan

ID SCH yang spesifik dan durasi transmisi.

Waktu UTCInterval Sinkronisasi (Ttotal)

Interval kanal CCH (Tcch) Interval kanal SCH (100-Tcch)

Interval Keamanan (Tsa) Interval WSA (Twsa)

VCI

WSA

ACK

RFS

ACK

WSA

WSACCH

Layanan Data

ACK

Layanan Data

ACK

Safety Information

Interval

Penjaga

SCHsSIFS AIFS SIFS

Node Ni Node Nj

Guard Interval

SIFS SIFS

Gambar 2.8 Skema MAC multikanal VCI [2]-[4]

Menimbang bahwa terlalu banyak penyedia layanan dapat berbagi SCH dalam

lingkungan yang padat, masing-masing penyedia layanan hanya dapat mengirimkan satu paket


22


layanan untuk perebutan akses kanal antar station (contention) sukses. Semua node akan

menyimpan reservasi kanal untuk SCHs dalam antrian khusus dengan memantau reservasi yang

sukses. Selama interval WSA, node yang bertindak sebagai pengguna jasa berinisiatif dapat

mulai reservasi. Sebuah paket RFS akan dikirim oleh pengguna jasa dengan ID dari penyedia

layanan dan jenis layanan. Kemudian, penyedia layanan akan menerima atau menolak

permintaan layanan berdasarkan kondisi kanal. Jika permintaan layanan diterima, paket ACK

dari penyedia layanan akan berisi ID dari kanal SCH yang akan digunakan dalam interval SCH

yang akan datang. Layanan penyedia akan memilih kanal SCH ketika mereka memerlukan CCH

untuk membroadcast paket WSA atau respon terhadap permintaan layanan. Berdasarkan

informasi penggunaan SCH, penyedia layanan memilih kanal yang menampung setidaknya paket

layanan data dalam interval SCH berikutnya. Jika lebih dari satu SCH tersedia, penyedia layanan

istimewa memilih SCH sama digunakan dalam transmisi layanan data sebelumnya. Setelah awal

interval SCH, node yang telah membuat reservasi akan beralih ke SCHs untuk melakukan

transmisi layanan sesuai dengan reservasi catatan dalam antrian yang relevan dengan cara yang

teratur. Node yang belum membuat reservasi bisa tinggal di CCH. Di antara node ini, penyedia

layanan bisa paket broadcast WSA, dan pengguna jasa merekam informasi yang terdapat dalam

paket WSA sehingga pengguna jasa bisa bergabung dengan WAVE Basic Service Set (WBSS)

atau berinisiatif mengirim RFS dalam interval WAVE Service Advertisement (WSA) berikutnya.


23


p

0,Wp-20,20,10,0

i-1,0

0,Wp-2

pp p

p

i,Wz-2i,2i,1i,0 i,Wi-1

pp p

p

m, Wm-2m,2m,1m,0

pp p

m,Wm-1

1-p

1-p

1-p 1-p 1-p

(1-p)/W0

p/Wi

1-p 1-p

p/Wmp/Wm

p/Wm

p/Wm

1-p

1-p 1-p 1-p

(1-p)/W0

p/Wi

Gambar 2.9 Model Markov chain pada Transmisi WAVE Service Advertisement (WSA)[2]-[4]

Pada skema VCI MAC, panjang optimal dari interval CCH sangat penting bagi

kerjasama yang efektif dari sumber daya kanal pada CCH dan SCHS, terutama dalam kondisi

trafik yang padat. Untuk mendapatkan selang optimal ini, pertama-tama kita menerapkan model

Markov chain untuk mengkaji perilaku node tunggal dan memperoleh probabilitas stasioner

bahwa node mengirimkan WAVE Service Advertisement (WSA) atau paket RFS di setiap slot

waktu. Kemudian, model contention diusulkan untuk menganalisis waktu rata-rata yang

dikonsumsi di CCH untuk negosiasi pengiriman paket layanan. Akhirnya, kita memperoleh rasio

optimal antara interval CCH dan SCH.


24


2.3.1.1 Probabilitas Transmisi WAVE Service Advertisement (WSA)

Sebuah model Markov chain diusulkan untuk mendapatkan probabilitas stasioner yang

node mengirimkan WSA atau paket RFS dalam slot waktu acak. Menimbang bahwa WBSS

memiliki node WAVE, yang dapat berkomunikasi satu sama lain melalui hop tunggal. Hal ini

diasumsikan bahwa sejumlah tetap node menyediakan layanan yang selalu di bawah kondisi lalu

lintas jenuh, yaitu, setiap node memiliki WSA atau paket RFS tersedia setelah reservasi sukses

selama interval WSA. Selain itu, baik CCH dan SCHS memiliki tingkat transmisi yang sama.

Misalkan dan menjadi proses stokastik yang mewakili ukuran backoff window

dan backoff state untuk node yang diberikan pada slot waktu t, masing-masing. Biarkan m

menjadi tahap backoff maksimum dan Wi menjadi Contention Window maksimal dari

tahap backoff , di mana , dan = . Proses sebuah node mencoba untuk

mengirim interval Wave Service Advertisement (WSA) atau RFS paket pada slot waktu pada

negara seharusnya independen. Misalkan adalah probabilitas tabrakan yang lebih dari

satu simpul mentransmisikan dalam slot tunggal. Kemudian, proses bidimensional

dapat dimodelkan dengan discrete-time Markov chain, seperti ditunjukkan pada Gambar. 2.9.

2.3.2 Dynamic Interval Division Multichannel (DID-MMAC)

Selanjutnya, Liu dkk [18] memperkenalkan Dynamic Interval Division Multichannel

MAC (DID-MMAC) digunakan untuk penyesuaian interval CCH/SCH secara dinamis.

Selanjutnya DID-MMAC membagi interval CCH menjadi tiga tahap berdasarkan jenis pesan

yang berbeda: Service Announce Phase (SAP), Beacon Phase (BP), dan Peer-to-Peer

Reservation Phase (PRP). WAVE Service Advertisement (WSA) dan pesan beacon yang

ditransmisikan dalam masing-masing Service Announce Phase (SAP) dan Beacon Phase (BP),

dan pertukaran pesan kontrol untuk pemesanan SCH dilakukan di Peer-to-Peer Reservation

Phase (PRP). Skema yang diajukan dapat mengurangi delay transmisi dari safety application tapi

kanal SCH tidak ter-utilisasi dengan baik. Penelitian yang dilakukan tidak memperhatikan

pengaruh interference yang dihasilkan oleh hidden node.


25


Agar dapat menyesuaikan interval SAP dan BP terdistribusi secara dinamis, Dynamic

Interval Division Multichannel MAC (DID-MMAC) memberikan prioritas akses kanal yang

berbeda untuk pesan yang berbeda dengan membedakan Contention Window (CW) dan

Interframe Space (IFS). Berdasarkan standar dari Media Access Control (MAC) IEEE 802.11p,

node yang ingin memulai transmisi memanggil mekanisme carrier-sense untuk menentukan

apakah media sibuk atau tidak. Jika media sibuk, node akan menangguhkan transmisi sampai

medium dalam kondisi idle dalam jangka waktu yang sama dengan IFS. Setelah IFS, node akan

menunggu tambahan acak waktu yang disebut waktu backoff (backoff counter) sebelum memulai

transmisi untuk menghindari tabrakan (collision). Waktu backoff (backoff counter) ditentukan

oleh . adalah satuan waktu dasar dalam proses backoff. Nilainya dalam

kondisi idle tergantung pada durasi yang dibutuhkan oleh teknik PHY berbeda. Misalnya, waktu

slot 9 pada standar 802.11a berbasis OFDM untuk mendeteksi medium state, di mana

adalah nomor acak yang dipilih antara 0 dan CW. Oleh karena itu, karena lebih kecil

dari , pengirim yang memiliki pesan WSA untuk mengirim selalu menang anggapan

untuk mengakses media terhadap pengirim lain yang memiliki sebuah beacon untuk mengirim.

Akibatnya, setelah semua pesan WSA ditransmisikan, transmisi beacon dapat diizinkan untuk

melanjutkan dalam interval CCH. Dalam DID-MMAC, SAP dan BP berakhir ketika kanal dalam

kondisi idle selama masing-masing dan .

PRP dimulai tepat setelah BP. Durasi dari PRP dihitung berdasarkan jaringan real-time

beban lalu lintas. Dalam rangka untuk membuat node untuk menyadari beban lalu lintas, DID-

MAC menambahkan dua bidang baru yang disebut Layanan Indikasi (Service Indication) dan

Lalu Lintas Indikasi (Traffic Indication) pada masing-masing pesan WAVE Service

Advertisement (WSA) dan beacon. Pada kondisi lapangan, SI menunjukkan total ukuran data

layanan, sedangkan TI menunjukkan status pelayanan di sisi kendaraan. Setiap kali sebuah node

menerima pesan WSA dan beacon, dapat dijelaskan bahwa update beban lalu lintas berdasarkan

informasi SI dan TI dalam pesan yang diterima. Durasi PRP diatur secara adaptif sesuai dengan

beban lalu lintas yang diperkirakan yang dipengaruhi oleh protokol negosiasi yang mendasari

komunikasi peer-to-peer. Protokol Dynamic Interval Division Multichannel MAC (DID-MMAC)


26


mengadopsi dari protokol Multichannel MAC (MMAC) [16] yang dimodifikasi sebagai protokol

negosiasi. Protokol ini dapat dijelaskan bahwa digunakan secara dinamis untuk menyesuaikan

interval CCH/SCH yang berkaitan dengan protokol negosiasi kanal SCH.

Interval Sinkronisasi (100 ms)

Interval kanal CCH Interval kanal SCH

SAP Interval WSA (Twsa)

WSA

WSA

Beacon

Beacon

RTS

RTS

RTSCCH

RTS

Layanan Data

ACK

(3) Akhir dari SAP

Interval Penjaga

SCH(s)

Backoffslots AIFSbp

(4) Akhir dari SAP

Interval Penjaga

AIFS SIFS

Bea con

CTS

Layanan Data

ACK

Critical

Safety

frame

Backoffslots

CTS

RTS

CTS

Layanan Data

ACK

Gambar 2.10 Model Protokol Dynamic Interval Division Multikanal MAC (DID-MMAC) [18]

2.3.3 Dynamic CCH Interval (DCI)

Pada penelitian yang lainnya, D. Zhu dkk [7] memperkenalkan skema Dynamic CCH

Interval (DCI) untuk melakukan dynamic adjustment pada SCH/CCH Interval. Algoritma

VCIMMAC identik dengan algoritma Variable CCH Interval (VCI), namun perbedaan dengan

VCI yang didasarkan pada rata-rata waktu yang dikonsumsi pada CCH untuk negosiasi layanan

pengiriman paket, DCI menghitung interval WSA optimal berdasarkan distribusi probabilitas

dari waktu pemesanan untuk paket layanan dalam interval CCH. DCI mendefinisikan sebagai

jumlah maksimum layanan paket data yang dapat ditransmisikan pada interval SCH yang

diberikan. Akhirnya, DCI memperoleh optimal WSA Interval dengan mencari K optimal untuk


27


meminimalkan perbedaan antara jumlah WSA dan selang SCH dan interval sinkronisasi sisa

kecuali untuk interval keselamatan (safety interval).

DCI bertujuan untuk memungkinkan interval keselamatan (safety interval) untuk

mengakomodasi transmisi dari node pada jaringan di mana paket data dapat bertabrakan antara

satu sama lain ketika dikirim pada media yang sama dan node tersembunyi dari mereka. Wilayah

di mana node tersembunyi berada dipengaruhi oleh tiga jenis rentang yang berkaitan dengan

transmisi paket di IEEE 802.11 MAC: jangkauan transmisi , berbagai carrier sensing ,

dan berbagai gangguan Di sini, mewakili rentang di mana paket dapat berhasil diterima

oleh node jika ada ada gangguan dari node lain. terutama dipengaruhi oleh daya transmisi dan

propagasi radio model. adalah rentang di mana pemancar memicu deteksi pembawa. Hal ini

biasanya ditentukan oleh sensitivitas antena. adalah rentang waktu yang node dalam mode

penerimaan mengganggu transmisi dari node lain. Rentang ini adalah parameter merdu yang

secara signifikan dapat mempengaruhi kinerja MAC. Studi pengukuran seperti [15]

menunjukkan bahwa . Selain itu, banyak penelitian menganggap bahwa dan

biasanya lebih dari dua kali [7]. Secara khusus, dan memiliki nilai default dari 2,2 kali

di ns-2 simulator

2.3.4 Dynamic Safety Interval (DSI)

Yoo, H dkk [8] memperkenalkan skema Dynamic Safety Interval (DSI) untuk

menghitung interval keselamatan (safety interval) optimal dalam kondisi lalu lintas yang dinamis

dengan cara yang didistribusikan. Berbeda dengan skema disebutkan sebelumnya, DSI hanya

membahas masalah penyesuaian interval keselamatan (safety interval). Secara khusus, DSI

menghitung interval keselamatan (safety interval) mengingat keberadaan node tersembunyi

(hidden node). Pada skema Dynamic Interval Division Multichannel MAC (DID-MMAC),

Variable CCH Interval (VCI), dan Dynamic CCH Interval (DCI) tidak mempertimbangkan

gangguan adanya noise. Dynamic Safety Interval (DSI) bertujuan untuk memungkinkan interval

keselamatan untuk mengakomodasi transmisi dari node dalam jaringan pada media transmisi

yang sama serta node tersembunyi (hidden node) dari mereka.


28


Dalam melakukan evaluasi dan analisis terhadap kinerja skema multikanal dinamis pada

standar IEEE 1609.4, maka diperlukan analitikal model Markov chain. Maka dari itu pada bab

selanjutnya akan dibahas mengenai model Markov chain pada skema multikanal dinamis lapisan

MAC IEEE 1609.4.

2.4 Model umum Markov chain

Model Markov chain adalah model dari proses stokastik yang dikembangkan oleh Andrei

A. Markov, dimana dapat didefinisikan bahwa kejadian pada sebuah eksperimen bergantung pada

kejadian saat ini dan dengan yang akan datang, serta tidak bergnatung pada kejadian pada

sebelumnya. Dilihat dari prosesnya, Markov chain terdiri dari dua jenis, yaitu Discrete State

Space Markov Process dan Contiunous Time Markov Chain. Pengertian Discrete State Space

Markov Process adalah perubahan discrete state pada titik-titik integer. Sedangkan

Contiunous Time Markov Chain dapat didefinisikan sebagai perubahan discrete state terjadi

pada sembarang waktu.

Berdasarkan pada kajian model Markov chain sebelumnya, pada disertasi ini akan

dilakukan kajian dan evaluasi dengan menggunakan Discrete State Space Markov Process,

karena pada suatu Discrete State, state diperbolehkan untuk berubah ke state yang lain pada

waktu yang discrete. Model sistem Discrete State Space Markov Process dapat digambarkan

dalam persamaan sebagai berikut :

(2.1)

Dimana n = 1, 2, 3 …

Sedangkan Contiunous Time Markov Chain dapat digambarkan dalam persamaan sebagai

berikut :

(2.2)

Dimana n = 1, 2, 3 …

Pada model Contiunous Time Markov Chain, state diperbolehkan untuk berubah ke state yang

lain pada sembarang waktu.


29


Secara umum diagram transisi state pada Markov chain dapat digambarkan sebagai berikut

10 2

i3i1 i2

k1 k2 k3

mm-1 m+1

im+1im-1 im

km Km+1

im-2

km-1 Km+2

Gambar 2.11 Diagram state Markov chain secara umum

Salah satu model Markov chain yang menjadi referensi dari pengembangan standar IEEE

802.11 adalah model yang dikembangkan oleh Bianchi. Dengan model yang dikembangkan oleh

Bianchi dapat dilakukan evaluasi kinerja skema DCF pada standar 802.11 dan dikembangkan

untuk evaluasi pada standar 802.11p. Maka dari itu, pada sub bab selanjutnya akan dibahas

mengenai model Markov chain yang dikembangkan oleh Bianchi.

2.5 Model Markov chain Bianchi

Pada awal tahun 2000-an, Bianchi yang mengajukan model analitikal yang dapat

digunakan untuk menghitung throughput skema DCF [12]-[79]. Model Bianchi tersebut

kemudian banyak dikembangkan oleh peneliti lain untuk menganalisis kinerja skema DCF

menggunakan pendekatan yang berbeda, seperti penggunaan asumsi yang berbeda

terhadap penghentian counter pada prosedur backoff [8]-[9], atau kinerja dihitung

menggunakan jumlah retransmisi yang terbatas [10] dan penggunaan asumsi kanal dalam

kondisi noisy [11]-[79]. Penelitian lainnya pada [12] melakukan perhitungan batas throughput

maksimum dari skema DCF berdasarkan kenaikan kecepatan transmisi lapisan PHY dengan

memperhatikan ukuran overhead protokol.

Model Bianchi [12] dan model-model lain yang dikembangkan dari model tersebut

menggunakan asumsi bahwa pengurangan counter backoff dilakukan pada awal sebuah time

slot. Penggunaan asumsi ini sebenarnya tidak tepat karena seharusnya berdasarkan pada

penjelasan dokumen standar IEEE 802.11 pengurangan nilai counter backoff dilakukan pada

bagian akhir dari sebuah time slot [3]-[79].

Sebagaimana yang telah diketahui dari penelusuran literatur terkait pengembangan

skema akses DCF pada jaringan wireless, diketahui bahwa model analitikal DCF pertama


30


sekali dibuat oleh Bianchi [12] menggunakan pendekatan Markov chain. Model ini kemudian

digunakan dan dikembangkan oleh peneliti-peneliti lain dalam pengembangan model analitikal

DCF maupun EDCA. Oleh karena itu untuk dapat melakukan pengembangan skema

akses WLAN yang berbasis DCF dan EDCA, tahapan untuk memahami model Biachi

merupakan sesuatu yang sangat penting untuk dilakukan [79]. Dari hasil studi tentang model

Bianchi telah dapat dipahami dan dapat dijelaskan sebagaimana penjelasan berikut ini.

Pemodelan matematis untuk kinerja skema DCF pertama sekali dibuat oleh Bianchi

dan dipublikasikan pada [12]. Penelitian-penelitian pengembangan dan analisis protokol

lapisan MAC WLAN banyak mengacu pada model Bianchi tersebut. Kontribusi utama

dari model Bianchi adalah menampilkan model analitikal terhadap throughput maksimum dan

probabilitas kegagalan transmisi paket yang diakibatkan oleh adanya collision [79]. Model

Bianchi menggunakan asumsi kondisi kanal ideal dan tidak ada permasalahan hidden terminal

[79].

Bianchi menggunakan analisis Markov Chain bidimensional dengan tahapan backoff

+ 1 dimana setiap tahap merepresentasikan counter waktu backoff dari sebuah STA seperti

yang diperlihatkan pada Gambar 2.10 [12]. Transisi dari satu tahap ke tahapan yang

lebih tinggi (misalnya dari tahap − 1 ke tahap ) akan terjadi jika STA gagal melakukan

transmisi atau terjadi collision dan transisi ke tahap yang paling rendah (tahap 0) akan

terjadi jika STA berhasil melakukan transmisi [79].


31


p

0,Wp-20,20,10,0

i-1,0

0,Wp-2

pp p

p


pp p

p

m, Wm-2m,2m,1m,0

pp p

m,Wm-1

1 1 1

(1-p)/W0

p/Wi

1 1

p/Wmp/Wm

p/Wm

p/Wm

1

1 1 1

(1-p)/W0

p/Wi

Gambar 2.12 Model Markov Chain untuk transisi state backoff pada skema DCF [12]

Model Bianchi ini menggunakan skala waktu diskrit dan bilangan integer. Dalam skala

waktu diskrit ini, 𝑡 dan𝑡 + 1 menyatakan awal dari dua slot waktu yang berurutan. Setiap STA

akan mengurangi counter backoff disetiap awal slot waktu [79]. Pengurangan counter backoff

akan dihentikan jika kanal dalam kondisi sibuk. Interval waktu antara𝑡 dan 𝑡 + 1 bisa lebih lama

dari pada slot waktu untuk 802.11 karena adanya paket yang sedang ditransmisikan atau adanya

collision [79].

Notasi digunakan untuk menunjukkan ukuran Contention Window minumum

dan notasi digunakan untuk menunjukkan tingkat backoff maksimum dalam model analitikal

yang dibuat. Oleh karena itu maka dan dimana , yang

disebut sebagai backoff stage. Jika transmisi berhasil dilakukan pada semua state (𝑖, 0), maka


32


sebuah nilai random backoff akan dipilih antara 0 sampai dengan dengan probabilitas

. Kondisi tersebut dalam Markov chain direpresentasikan oleh keadaan sampai

. Jika terjadi collision (misalnya pada state ), maka random backoff akan

dipilih dalam range masing-masing dengan probabilitas . Kondisi ini dalam

Markov chain direpresentasikan oleh state sampai dengan . Probabilitas

transisi yang digunakan oleh Bianchi dalam Gambar 4.1 dapat dirumuskan sebagai berikut :

(2.19)

Persamaan pertama dari (1) menyatakan bahwa pada awal setiap slot waktu, counter

backoff akan dikurangkan dengan satu. Persamaan kedua menyatakan bahwa jika counter backoff

mencapai nol maka paket akan ditransmisikan dan kemudian tahapan backoff melakukan transisi

ke tahapan 0 serta counter backoff mulai diinisialisasi kembali dengan nilai counter dipilih dalam

range . Persamaan ketiga dari (1) menyatakan bahwa jika counter backoff dalam

tahap sudah mencapai nol namun usaha transmisi paket gagal dilakukan maka tahap

counter backoff akan ditingkatkan dan ukuran Contention Window akan diinisialisasi kembali

dengan memilih nilai dalam range . Persamaan keempat menyatakan bahwa ketika

tahap backoff mencapai nilai maka pada kondisi tersebut tahapan backoff tidak dapat

ditingkatkan lagi, namun proses retransmisi akan dilakukan secara berulang-ulang sampai

dengan tak berhingga. Asumsi kondisi tidak sesuai dengan operasi multikanal standar IEEE

1609.4 dan oleh Wang dkk. [2]-[4] masalah ini disempurnakan dan akan dijelaskan dalam sub

bab koordinasi kanal dinamis dengan menggunakan model Varible CCH Interval (VCI).


33


Setiap state proses Markov bidimensional model Bianchi direpresentasikan oleh

, dimana adalah proses stokastik yang merepresentasikan counter backoff untuk

STA dan adalah proses stokastik yang merepresentasikan tahapan backoff dari

STA pada waktu . Model Bianchi mengasumsikan bawah pada setiap usaha transmisi dengan

tanpa memperhatikan jumlah kegagalan usaha transmisi, setiap paket akan mengalami collision

dengan probabilitas tetap dan bebas . Dengan kata lain, adalah probabilitas dimana dalam

satu slot waktu, paling kurang dari STA dapat melakukan transmisi dengan baik. Pada

steady state, jika setiap STA mentransmisikan paket dengan probabilitas , maka dapat

dituliskan kembali sebagai :

(2.20)

Distribusi tetap dari Markov chain dapat direpresentasikan sebagai

. Transmisi akan terjadi ketika counter

waktu backoff adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi

dalam slot waktu random adalah :

𝜏 = 𝑏𝑖 ,𝑘𝑚𝑖=0 (2.21)

Sesuai dengan model Markov chain diatas, untuk penyelesaian sebagai fungsi

maka distribusi tetap dari chain untuk , , dan adalah :

𝑏𝑖 ,0 = 𝑝𝑖𝑏0,0, 0 < 𝑖 < 𝑚

𝑏𝑚 ,0 =𝑝𝑚

1 − 𝑝𝑏0,0

𝑏𝑖 ,𝑘 =Wi−k

Wi

𝑏𝑖 ,0, i ∈ 0, m , k ∈ 0, Wi − 1 (2.22)

Persamaan pertama dari (2.22) diatas didapatkan dari untuk dan

persamaan kedua dari (2.22) didapatkan dari . Persamaan ketiga dari

(2.22) didapatkan dari kondisi dan kondisi , jadi :


34


1 − 𝑝 𝑏𝑗 ,0. 𝑖 = 0𝑚𝑗=0

𝑏𝑖 ,𝑘 =Wi − k

Wi

. 𝑝.𝑏𝑖−1,0, 0 < 𝑖 < 𝑚

𝑝. 𝑏𝑚−1,0 + 𝑏𝑚 ,0, 𝑖 = 𝑚 (2.23)

Semua nilai dari persamaan (5) diatas dapat diekspresikan sebagai fungsi dari nilai

dan kondisi probabilitas collision p dengan kenyataan bahwa penjumlah semu nilai

adalah sama dengan satu, maka :


35


1 = 𝑏𝑖 ,𝑘

W i−1

𝑘=0

= 𝑏𝑖,0

𝑚

𝑖=0

Wi − k

Wi

= 𝑏𝑖 ,0.Wi + 1

2= 𝑏𝑖 ,0.

2iW + 1

2

𝑚

𝑖=0

𝑚

𝑖=0

W i−1

𝑘=0

𝑚

𝑖=0

1 = 𝑏0,0 20W + 1

2 + 𝑏𝑖 ,0

2iW + 1

2

𝑚−1

𝑖=0

+ 𝑏𝑚 ,0

2mW + 1

2

1 = 𝑏0,0 W + 1

2 + 𝑝𝑖𝑏0,0

2iW + 1

2

𝑚−1

𝑖=0

+𝑝𝑚

1 − 𝑝𝑏0,0

2mW + 1

2

1 =𝑏0,0

2 W + 1 +

𝑏0,0

2𝑝𝑖 2iW + 1

𝑚−1

𝑖=0

+𝑏0,0

2

𝑝𝑚

1 − 𝑝 2mW + 1

1 =𝑏0,0

2 W + 1 + 𝑝𝑖2iW + 𝑝𝑖

𝑚−1

𝑖=0

+2mW𝑝𝑚

1 − 𝑝+

1

1 − 𝑝

1 =𝑏0,0

2 W + 1 + 2𝑝 𝑖W + 𝑝𝑖

𝑚−1

𝑖=0

+ 2𝑝 𝑚W

1 − 𝑝+

1

1 − 𝑝

1 =𝑏0,0

2 2𝑝 𝑖W + 𝑝𝑖

𝑚−1

𝑖=0

+ 2𝑝 𝑚W

1 − 𝑝+

1

1 − 𝑝

1 =𝑏0,0

2 W 2𝑝 𝑖

𝑚−1

𝑖=0

+ 2𝑝 𝑚

1 − 𝑝+

1

1 − 𝑝

𝑏0,0 =2

W 2𝑝 𝑖𝑚−1𝑖=0 +

2𝑝 𝑚

1 − 𝑝 +

11 − 𝑝

(2.24)


36


Jadi dapat dituliskan kembali sebagai berikut :

𝑏0,0 =2

W 2𝑝 𝑖𝑚−1𝑖=0 +

2𝑝 𝑚

1 − 𝑝 +

11 − 𝑝

=2

W 2𝑝 𝑖𝑚−1𝑖=0 + W

2𝑝 𝑚

1 − 𝑝+

11 − 𝑝

𝑏0,0 =2

1 − 𝑝 1 − 𝑝

W 2𝑝 𝑖𝑚−1𝑖=0 + W

2𝑝 𝑚

1 − 𝑝+

11 − 𝑝

𝑏0,0 =2 1− 𝑝

1 − 𝑝 W 2𝑝 𝑖𝑚−1𝑖=0 + W 2𝑝 𝑚 + 1

𝑏0,0 =2 1 − 𝑝

W 2𝑝 𝑖𝑚−1𝑖=0 − 𝑝W 2𝑝 𝑖𝑚−1

𝑖=0 + W 2𝑝 𝑚 + 1

𝑏0,0 =2 1 − 2𝑝 1 − 𝑝

1 − 2𝑝 𝑊 + 1 + 𝑝𝑊(1 − 2𝑝 𝑚) (2.25)

Akhirnya berdasarkan persamaan (2.23) dan (2.25) merupakan dua buah sistem

persamaan non linier yang memiliki penyelesaian spesifik dan dapat diselesaikan secara numerik

untuk mendapatkan nilai dan , salah satunya dapat diselesaikan dengan Matlab. Jika nilai

dan sudah didapatkan maka throughput saturasi skema DCF yang merupakan rata-rata payload

informasi yang dapat ditransmisikan dalam slot waktu dapat dihitung berdasarkan rumus berikut

:

𝑆𝐷𝐶𝐹 =𝐸[𝑝𝑎𝑦𝑙𝑜𝑎𝑑 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑠𝑖 𝑦𝑎𝑛𝑔 𝑑𝑖𝑡𝑟𝑎𝑛𝑠𝑚𝑖𝑠𝑖𝑘𝑎𝑛 𝑑𝑎𝑙𝑎𝑚 𝑠𝑙𝑜𝑡 𝑤𝑎𝑘𝑡𝑢]

𝐸[𝑝𝑎𝑛𝑗𝑎𝑛𝑔 𝑠𝑙𝑜𝑡 𝑤𝑎𝑘𝑡𝑢]

𝑆𝐷𝐶𝐹 =𝑃𝑠𝑃𝑡𝑟𝐿

1 − 𝑃𝑡𝑟 𝑇𝑖𝑑 + 𝑃𝑡𝑟𝑃𝑠𝑇𝑠 + 𝑃𝑡𝑟 1 − 𝑃𝑠 𝑇𝑐 (2.26)

Dimana adalah probabilitas hanya satu STA yang melakukan transmisi

dalam slot waktu, adalah ukuran rata-rata payload paket, adalah rata-rata waktu yang

dibutuhkan untuk mentransmisikan sebuah paket dengan ukuran (termasuk periode Inter

Frame Space), adalah probabilitas transmisi berhasil dilakukan,


37


adalah durasi kanal dalam kondisi idle (sama dengan satu slot waktu) dan adalah durasi waktu

collision. dan untuk metode akses DCF menggunakan skema Basic Access dan RTS/CTS

adalah sebegai berikut :

𝑇𝑠𝑏𝑎𝑠 = 𝐻 + 𝐿 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐴𝐶𝐾 + 𝐷𝐼𝐹𝑆 + 𝛿

𝑇𝑐𝑏𝑎𝑠 = 𝐻 + 𝐿 + 𝐷𝐼𝐹𝑆 + 𝛿

𝑇𝑠𝑟𝑡𝑠 = 𝑅𝑇𝑆 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐶𝑇𝑆 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐻 + 𝐸 𝑃 + 𝑆𝐼𝐹𝑆 + 𝛿 + 𝐷𝐼𝐹𝑆 + 𝛿

𝑇𝑐𝑟𝑡𝑠 = 𝐻 + 𝐿 + 𝐷𝐼𝐹𝑆 + 𝛿 (2.27)

adalah waktu yang dibutuhkan untuk pengiriman paket header, adalah ukuran payload

paket, adalah waktu yang dibutuhkan untuk pengiriman acknowledgement dan adalah

delay propagasi.

Wang dkk [2]-[4] mencoba melakukan perbaikan terhadap asumsi yang digunakan pada

model Bianchi. Pada model Bianchi jumlah retransmisi diasumsikan dilakukan secara tidak

terbatas, dimana asumsi ini tidak sesuai dengan penjelasan standar operasi multikanal IEEE

1609.4. Wang dkk [2]-[4] mengembangkan skema koordinasi kanal dinamis dengan

menggunakan model bidimensional Markov chain dengan menggunakan jumlah retransmisi

diasumsikan dilakukan secara terbatas. Wang dkk [2]-[4] mengembangkan skema Variable CCH

Interval (VCI) pada operasi multikanal IEEE 1609.4 yang akan dibahas dalam sub bab berikut

ini.

2.6 Studi analitikal model Variable CCH Interval (VCI)



membagi CCH Interval menjadi safety interval dan WAVE Service Advertisement (WSA) interval.

Pada skema ini dapat menyesuaikan rasio antara interval Control Channel (CCH) dan Service

Channel (SCH) sesuai dengan kondisi jaringan, sehingga dalam kondisi lalu lintas kendaraan

yang berubah secara dinamis, interval CCH dan SCH mampu menyediakan bandwidth yang

tepat untuk memberikan kedua paket keamanan / kontrol dan aliran aplikasi. Skema VCI yang


38


dikembangkan oleh Wang dkk [2]-[4] dirancang untuk meningkatkan saturasi throughput pada

kanal SCH sambil memastikan transmisi aplikasi keamanan (safety application).

Pada model [2]-[4], skema Variable CCH Interval (VCI) dapat dijelaskan lebih lanjut

sebagai berikut, seperti ditunjukkan dalam Gambar 2.11, interval CCH baru dimulai dari interval

keamanan (safety interval), di mana node akan mengirimkan informasi keamanan dan

menyiarkan paket VCI. Selama interval WSA, penyedia layanan broadcast paket WSA dan

saling mendukung dengan layanan informasi dan identitas kanal SCHs yang akan digunakan.

Node yang membutuhkan pelayanan secara opsional dapat merespon paket WSA dengan ACK.

Selain itu, pengguna jasa berinisiatif dapat mengirim paket RFS untuk membuat perjanjian

dengan penyedia layanan. Setelah akhir interval CCH (CCH interval), node akan menyesuaikan

pada kanal SCHs tertentu untuk mengirimkan paket layanan.

Berbeda dengan pendekatan dasar perebutan akses kanal antar station (contention) MAC

IEEE 1609.4, skema VCI mengadopsi mekanisme koordinasi kanal untuk memberikan kanal

SCHs yang bebas (contention free) dari contention oleh kanal reservasi pada CCH. Gambar. 2.13

menunjukkan detail dari reservasi kanal dan transmisi layanan data. Pada awal interval WSA,

penyedia layanan akan membroadcast paket WSA, yang berisi identitas Service Channel (SCH)

yang akan digunakan, serta informasi lainnya. Node lain yang membutuhkan pelayanan bisa

secara opsional bersaing untuk merespon dengan ACK. Node yang berhasil mengirim respon

dapat membuat perjanjian dengan penyedia layanan di sumber daya transmisi data dengan ID

SCH yang spesifik dan durasi transmisi.

Interval sinkronisasi (100 ms)

Interval kanal CCH (variable) Interval kanal SCH (variable)

SAP WSA Interval (Twsa)

WSA

WSA

Beacon

Beacon

RTS

RTS

RTSCCH

RTS

Layanan Data

ACK

(3) Akhir SAP

Interval penjaga

SCH(s)

Backoffslots AIFSbp (4) Akhir BP

Interval Penjaga

AIFS SIFS

Bea con

CTS

Layanan Data

ACK

Frame untuk aplikasi

keamanan

Slot

Backoff

CTS

RTS

CTS

Layanan Data

ACK

Gambar 2.13 Skema MAC multikanal VCI [2]-[4]


39


Dengan mempertimbangkan terlalu banyak penyedia layanan dapat berbagi SCH dalam

lingkungan yang padat, masing-masing penyedia layanan hanya dapat mengirimkan satu paket

layanan untuk perebutan akses kanal antar station (contention) sukses. Semua node akan

menyimpan reservasi kanal untuk SCHs dalam antrian khusus dengan memantau reservasi yang

sukses. Selama interval WSA, node yang bertindak sebagai pengguna jasa berinisiatif dapat

mulai reservasi. Sebuah paket RFS akan dikirim oleh pengguna jasa dengan ID dari penyedia

layanan dan jenis layanan. Kemudian, penyedia layanan akan menerima atau menolak

permintaan layanan berdasarkan kondisi kanal. Jika permintaan layanan diterima, paket ACK

dari penyedia layanan akan berisi ID dari kanal SCH yang akan digunakan dalam interval SCH

yang akan datang. Layanan penyedia akan memilih kanal SCH ketika mereka memerlukan CCH

untuk membroadcast paket WSA atau respon terhadap permintaan layanan. Berdasarkan

informasi penggunaan SCH, penyedia layanan memilih kanal yang menampung setidaknya paket

layanan data dalam interval SCH berikutnya. Jika lebih dari satu SCH tersedia, penyedia layanan

istimewa memilih SCH sama digunakan dalam transmisi layanan data sebelumnya. Setelah awal

interval SCH, node yang telah membuat reservasi akan beralih ke SCHs untuk melakukan

transmisi layanan sesuai dengan reservasi catatan dalam antrian yang relevan dengan cara yang

teratur. Node yang belum membuat reservasi bisa tinggal di CCH. Di antara node ini, penyedia

layanan bisa paket broadcast WSA, dan pengguna jasa merekam informasi yang terdapat dalam

paket WSA sehingga pengguna jasa bisa bergabung dengan WAVE Basic Service Set (WBSS)

atau berinisiatif mengirim RFS dalam interval WSA berikutnya.


40


p

0,Wp-20,20,10,0

i-1,0

0,Wp-2

pp p

p


pp p

p

m, Wm-2m,2m,1m,0

pp p

m,Wm-1

1-p

1-p

1-p 1-p 1-p

(1-p)/W0

p/Wi

1-p 1-p

p/Wmp/Wm

p/Wm

p/Wm

1-p

1-p 1-p 1-p

(1-p)/W0

p/Wi

Gambar 2.14 Model Markov chain pada Transmisi WAVE Service Advertisement (WSA) [2]-[4]

Pada model [2]-[4] dapat dijelaskan bahwa pada skema VCI MAC panjang optimal dari

interval CCH sangat penting bagi kerjasama yang efektif dari sumber daya kanal pada CCH dan

SCH, terutama dalam kondisi trafik yang padat. Untuk mendapatkan selang optimal ini, pertama-

tama kita menerapkan model Markov chain untuk mengkaji perilaku node tunggal dan

memperoleh probabilitas stasioner bahwa node mengirimkan WSA atau RFS di setiap slot


dikonsumsi pada kanal CCH untuk melakukan negosiasi pengiriman paket layanan. Akhirnya,

dapat diperoleh rasio optimal antara interval CCH dan SCH.


41


2.6.1 Probabilitas Transmisi WAVE Service Advertisement (WSA) atau Request for Service

(RFS)

Wang dkk. [2]-[4] mengusulkan model Markov chain untuk mendapatkan probabilitas

stasioner yang node mengirimkan WSA atau paket RFS dalam slot waktu acak. Menimbang

bahwa WBSS memiliki node WAVE, yang dapat berkomunikasi satu sama lain melalui hop

tunggal. Hal ini diasumsikan bahwa sejumlah node tetap menyediakan layanan yang selalu di

bawah kondisi lalu lintas jenuh, yaitu, setiap node memiliki WSA atau paket RFS tersedia

setelah reservasi sukses selama interval WSA. Selain itu, baik kanal CCH dan SCH memiliki

tingkat transmisi yang sama.

Berdasarkan model [2]-[4], setiap state proses Markov bidimensional dapat

direpresentasikan oleh dan merupakan proses stokastik yang mewakili ukuran backoff

window dan backoff state untuk node yang diberikan pada slot waktu t, masing-masing. Nilai

menjadi tahap backoff maksimum dan menjadi Contention Window maksimal dari

tahapan backoff , di mana , dan = . Proses sebuah node mencoba untuk

mengirim interval WAVE Service Advertisement (WSA) atau Request for Service (RFS) paket

pada slot waktu pada state menjadi independen. Misalkan adalah probabilitas tabrakan

lebih dari satu node melakukan transmisi dalam slot waktu yang sama. Kemudian, proses

bidimensional dapat dimodelkan dengan Discrete-Time Markov chain (DTMC),

seperti ditunjukkan pada Gambar. 3.

Pada model [2]-[4], model Markov chain yang dikembangkan pada skema Variable CCH

Interval (VCI) dapat dijelaskan sebagai berikut, pertama ketika sebuah node mendeteksi bahwa

kanal dalam kondisi sibuk, waktu counter backoff pada model ini akan menunda sampai kanal

tersebut terdeteksi akan kembali dalam kondisi idle. Kedua, ketika tahap backoff node melebihi

nilai maksimal m, maka akan tetap bernilai m sampai paket WSA atau RFS berhasil

ditransmisikan, bukan di reset ke nilai 0. Distribusi tetap dari Markov chain dapat

direpresentasikan sebagai . Dengan


42


mengembangkan model Markov chain Bianchi, maka probabilitas transisi yang digunakan oleh

Wang dkk. [2]-[4] dalam Gambar 2.10 dapat dirumuskan sebagai berikut :

𝑃 0,𝑘|𝑖, 0 = 1 − 𝑝 𝑊0 , 𝑘 ≤ 0,≤ 𝑊0 − 1, 0 ≤ 𝑖 ≤ 𝑚

𝑃 𝑖,𝑘|𝑖 − 1,0 = 𝑝 𝑊𝑖 , 𝑘 ≤ 0,≤ 𝑊𝑖 − 1, 1 ≤ 𝑖 ≤ 𝑚

𝑃 𝑖,𝑘|𝑖,𝑘 + 1 = 1 − 𝑝, 𝑘 ≤ 0,≤ 𝑊𝑖 − 2, 0 ≤ 𝑖 ≤ 𝑚

𝑃 𝑖, 𝑘|𝑖, 𝑘 = 𝑝, 𝑘 ≤ 0,≤ 𝑊𝑖 − 1, 0 ≤ 𝑖 ≤ 𝑚

𝑃 𝑚,𝑘|𝑚, 0 = 𝑝 𝑊𝑚 , 𝑘 ≤ 0,≤ 𝑊𝑚 − 1 (2.29)

Persamaan diatas dapat dijelaskan bahwa :

1) Setelah pengiriman paket WSA atau RFS berhasil dilakukan, maka tahapan backoff untuk

paket baru akan di reset menjadi 0.

2) Apabila pengiriman paket WSA atau RFS gagal dilakukan, maka akan membuat nilai backoff

stage meningkat.

3) Bila kanal dalam kondisi idle, maka waktu backoff akan turun.

4) Ketika kanal dalam kondisi sibuk, maka waktu backoff akan tetap.

5) Pada nilai backoff stage sudah maksimal, maka nilai Contention Window (CW) akan

ditahan pada nilai maksimal yang terakhir jika transmisi tidak berhasil dilakukan, sedangkan

nilai waktu backoff akan diatur ulang.

Berdasarkan model Markov chain diatas, dapat dirumuskan sebagai berikut

(2.30)

(2.31)

Dengan mempertimbangkan dari persamaan , maka dapat diperoleh rumusan

sebagai berikut :

(2.32)


43


Kemudian dengan melakukan proses normalisasi pada distribusi tetap, maka diperoleh nilai

sebagai berikut :

Dengan menggunakan persamaan (2.31), (2.32), dan (2.33) maka akan diperoleh nilai

sebagai berikut :

Kemudian, probabilitas dimana sebuah node mengirimkan paket WAVE Service Advertisement

(WSA) atau RFS dalam slot waktu yang bebas dapat dinyatakan sebagai :

Dimana nilai

Dengan menggunakan kedua persamaan di atas maka akan diperoleh nilai probabilitas , yaitu

probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama

dapat dirumuskan sebagai berikut :

(2.37)

Pada akhirnya, untuk mendapatkan nilai dan , dapat diselesaikan secara numerik salah

satunya dapat diselesaikan dengan menggunakan Matlab.


44


2.6.2 Analisis Waktu untuk transmisi paket WAVE Service Advertisement (WSA)

Pada model [2]-[4], sebuah model contention diusulkan untuk menganalisis rata-rata

waktu pemesanan kanal CCH, seperti ditunjukkan pada Gambar. 2.13. Didefinisikan bahwa nilai

merepresentasikan interval waktu dari akses contention kanal CCH pada saat reservasi

berhasil dibuat. Dapat diasumsikan bahwa node penyedia layanan selalu memiliki paket WSA.

Berdasarkan model [2]-[4], dalam melakukan analisa untuk transmisi paket WSA atau RFS dapat

dijelaskan sebagai berikut

1) Pada setiap slot waktu selama interval WSA, perjanjian dalam reservasi kanal yang

berhasil dibuat direpresentasikan dengan probabilitas , sedangkan probabilitas kanal

mengalami tabrakan dalam slot waktu yang sama direpresentasikan dengan , dan

probabilitas kanal dalam kondisi idle direpresentasikan dengan . Berdasarkan pada

kondisi tersebut, maka dapat dirumuskan sebagai berikut

𝑝𝑖𝑑𝑙𝑒 = (1 − 𝜏)𝑛

𝑝𝑏𝑢𝑠𝑦 = 1 − 𝑝𝑖𝑑𝑙𝑒 = 1 − (1 − 𝜏)𝑛

𝑝𝑠𝑢𝑐 = 𝑛𝜏(1 − 𝜏)𝑛−1

𝑝𝑐𝑜𝑙 = 𝑝𝑏𝑢𝑠𝑦 − 𝑝𝑠𝑢𝑐 = 1 − (1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛−1 (2.38)

Gambar 2.15 Model contention reservasi kanal CCH [2]-[4]


45


2) Didefiniskan bahwa nilai , , dan menunjukkan waktu untuk mentransmisikan

paket WSA, RFS, dan ACK. Dapat diasumsikan bahwa nilai = . Sedangkan dan

masing-masing merupakan waktu SIFS dan DIFS.

3) Sedangkan , , dan menunjukkan durasi slot waktu dalam kondisi idle, durasi slot

waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal berhasil

dilakukan. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut

(2.39)

Berdasarkan dari Gambar 2.13 diatas dapat diperoleh rumus yang merepresentasikan

nilai rata-rata interval waktu dari akses contention kanal CCH pada saat reservasi berhasil dibuat.

Persamaan dapat diperoleh dengan melalui rumus sebagai berikut.

(2.40)

Dimana nilai merupakan interval antara dua slot waktu dalam kondisi free yang berurutan

sebelum reservasi berhasil dibuat. Selanjutnya nilai dapat didefinisikan sebagai berikut

, / ( + )

, / ( + ) (2.41)

Dengan menggunakan kedua persamaan diatas, maka diperoleh rumus sebagai berikut

= + (2.42)

Selanjutnya, probabilitas dari slot waktu dalam kondisi free selama interval waktu

dengan menggunakan distribusi sebagai berikut


46


P K = k = . , k = 1, 2, 3, … (2.43)

Pada akhirnya dengan menggunakan persamaan (2.42) dan (2.43) dapat diperoleh

persamaan sebagai berikut

E[X] = (1/ ) E[Z] + (2.44)

E[X] = / + (2.45)

2.6.3 Optimasi interval CCH

Pada model [2]-[4], untuk menganalisis nilai yang optimal pada interval CCH dapat

dilakukan sebagai berikut

1) Didefiniskan bahwa merupakan total kanal SCH yang ada di jaringan VANET.

2) Didefiniskan bahwa nilai , , , dan menunjukkan interval waktu pada

kanal CCH, SCH, interval waktu untuk mentransmisikan paket WAVE Service

Advertisement (WSA), dan aplikasi keamanan (Safety Application). Sedangkan interval

sinkronisasi merupakan total dari interval CCH dan SCH dan dapat direpresentasikan

dengan .

(2.46)

3) Kemudian didefinisikan bahwa merupakan rasio antara dan

(2.47)

4) Selanjutnya nilai menunjukkan jumlah dari reservasi kanal CCH selama interval

WAVE Service Advertisement (WSA) dan merupakan jumlah paket yang berhasil

ditransmisikan selama interval SCH.


47


Selama interval CCH, harus disediakan waktu yang cukup untuk transmisi paket

keamanan (safety packet) khususnya pada interval keamanan (safety interval), dimana dapat

dirumuskan sebagai berikut

= x (2.48)

Dimana nilai menunjukkan total node yang mengirimkan safety packet,

menunjukkan kecepatan data (data rate) pada kanal CCH, merupakan faktor yang ditetapkan

berdasarkan lingkungan vehicular saat ini, selanjutnya menunjukkan frekuensi pengiriman dari

pesan keamanan (safety message).

Apabila panjang paket layanan (service packet) adalah tetap, maka durasi waktu

pengiriman paket layanan pada kanal SCH dapat didefinisikan sebagai berikut

(2.49)

Dimana menunjukkan panjang header pada lapisan MAC dan PHY dalam paket

layanan data, sedangkan dimana menunjukkan payload dari paket layanan

(service packet).

Nilai rasio yang optimal antara interval CCH dan SCH dapat dicapai apabila jumlah

reservasi yang dilakukan di kanal CCH sama dengan jumlah paket layanan yang ditransmisikan

di kanal SCH, dalam kondisi , dengan tidak ada kanal yang dalam kondisi idle, yaitu

untuk membuat lebih banyak reservasi kanal CCH selama interval WAVE Service Advertisement

(WSA) atau untuk melakukan transmisi paket layanan yang lebih selama interval SCH.

Berdasarkan persamaan (2.46), (2.47), dan (2.49) diatas maka dapat diperoleh rumus

sebagai berikut

= (2.50)

Selanjutnya dengan menggunakan persamaan (2.49) dan (3.50), maka dapat diperoleh

rumus sebagai berikut


48


Akhirnya, dengan menggunakan persamaan (3.28), (3.30), dan (3.33) nilai interval CCH

yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus sebagai

berikut

= (2.53)

Kemudian dapat didefinisikan nilai total rata-rata delay transmisi paket layanan yang

terdiri dari nilai delay pada interval CCH (T ) dan interval SCH (T ).

E[T ] = ( + 1) . (2.54)

E[T ] = (2.55)

Jika nilai dan sudah didapatkan maka throughput saturasi skema DCF

yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada

kanal SCH dapat dihitung berdasarkan rumus berikut :

= . . V (2.57)

Skema koordinasi kanal dinamis pada standar operasi Multikanal IEEE 1609.4, nilai

throughput dan total rata-rata delay transmisi paket layanan yang dihasilkan dipengaruhi oleh

adanya fenomena slot anomali. Slot anomali menyebabkan adanya slot yang tidak dapat

digunakan oleh STA selain STA yang terakhir melakukan transmisi frame, sehingga

menyebabkan nilai throughput dan total rata-rata delay transmisi paket layanan turun. Maka dari

itu, pada sub bab selanjutnya, akan dibahas mengenai model slot anomali yang dikembangkan

oleh Tinnirello dkk [29].


49


2.7 Fenomena Slot Anomali

Pada sub bab ini akan dijelaskan mengenai fenomena slot anomali dan model skema DCF

yang dikembangkan Tinnirello dkk [11]. Aturan pengurangan nilai counter backoff pada bagian

akhir durasi slot menyebabkan adanya slot yang tidak dapat digunakan oleh STA selain STA

yang terakhir melakukan transmisi frame [79]. Slot ini disebut sebagai slot anomali [79].

Fenomena slot anomali pada skema DCF dimodelkan oleh Tinnirello dkk. pada [11].

Kemunculan slot anomali pada proses backoff DCF dapat dijelaskan berdasarkan Gambar 2.14

Misalkan sebuah STAA pada slot memiliki nilai counter backoff . Jika pada slot tersebut

kanal diketahui dalam kondisi idle maka pada bagian akhir slot nilai counter backoff akan

dikurangi, atau pada slot nilai counter backoff STAA menjadi . Jika pada slot

kanal diketahui dalam kondisi idle, maka pada bagian akhir slot nilai counter backoff

STAA dikurangi menjadi . Pada slot nilai counter backoff telah menjadi nol dan

STAA dapat melakukan transmisi frame.

NodeA mengirim Media transmisi dalam kondisi sibuk

b:2à1 b:1à0

slot t slot t+1 slot t+2 slot t+3 slot t+4

DIFS

b:3à1 b:2à1

Media transmisi dalam kondisi sibuk

Nilai counter backoff (b)

tetap NodeB mengirim

b:1 b:1à0DIFS

NodeA

NodeB

Gambar 2.16 Slot anomali Tinnirello dkk. [11]

Slot anomali juga dapat terjadi pada saat frame yang ditransmisikan mengalami collision

atau mengalami error [79]. Jika transmisi frame oleh STAA pada slot mengalami collision

atau error maka slot pertama setelah durasi EIFS tidak dapat digunakan untuk transmisi frame

oleh STA yang terakhir melakukan transmisi frame atau oleh STA lain yang mendeteksi adanya

collision pada kanal [79]. STAA yang mengetahui frame yang dikirim mengalami collision

karena tidak menerima ACK selama durasi ACK timeout [79]. Selanjutnya setelah periode DIFS,


50


STAA akan menjalankan prosedur backoff untuk memilih kembali secara acak nilai awal counter

backoff [79]. Sementara itu, STA lain yang mengetahui kanal mengalami error atau collision

akan menunggu selama periode EIFS dan kemudian nilai backoff counter pada slot pertama

setelah EIFS tetap sama dengan nilai counter sebelumnya [79]. Oleh karena itu dapat dikatakan

semua STA tidak dapat menggunakan slot pertama setelah periode EIFS. Dengan kata lain, slot

tambahan setelah periode EIFS tidak dapat digunakan oleh STA yang mengalami collision

maupun oleh STA lainnya [79].

2.7.1 Bidimensional Markov chain

Sesuai penjelasan standar IEEE 802.11 [1], beberapa STA dalam sebuah jaringan WLAN

menggunakan medium wireless secara bersama, namun dalam satu waktu tertentu medium

wireless hanya boleh digunakan oleh satu STA saja [79]. Setiap STA yang akan

mentransmisikan data akan saling berkompetisi untuk memperebutkan penggunaan kanal

wireless. Proses perebutan akses kanal antar STA dalam satu jaringan WLAN dapat dimodelkan

menggunakan parameter counter backoff [79]. Parameter counter backoff terdiri dari state dan

stage. State merepresentasikan delay acak yang terjadi sebelum sebuah STA berhasil mengakses

kanal dan stage backoff merepresentasikan jumlah retransmisi sebuah frame. Proses acak yang

merepresentasikan state backoff pada slot dapat dinotasikan sebagai dan proses acak yang

merepresentasikan stage backoff dapat dinotasikan sebagai dengan [79].

Tinnirello pada [11] memodelkan durasi slot bukan berdasarkan ukuran slot yang

sebenarnya, tetapi berdasarkan aturan pengurangan nilai counter backoff sesuai penjelasan pada

[3]. Pemodelan counter backoff pada Tinnirello dkk. mengikuti pemodelan Bianchi [7] namun

menggunakan asumsi yang berbeda terhadap pengurangan nilai counter backoff. Pengurangan

nilai counter backoff pada [11] diasumsikan dilakukan pada bagian akhir durasi slot. Penggunaan

asumsi pengurangan nilai counter backoff ini berpengaruh pada model bidimensional Markov

chain pada [12]. Perbedaan tersebut terdapat pada stage 0. Pada [11] stage 0 terbagi menjadi dua

yaitu 0+ dan 0

- dan masing-masing memiliki jumlah nilai counter yang berbeda.

Tinnirello dkk. pada [11] menjelaskan bahwa setelah STA berhasil mentransmisikan

sebuah frame maka pada akhir slot atau setelah periode DIFS, STA tersebut kembali


51


menjalankan proses backoff untuk persiapan transmisi frame berikutnya. Jika proses backoff

menghasilkan nilai acak counter tidak sama dengan 0, maka bisa dikatakan ada sejumlah

state yang dapat muncul. Masing-masing kemunculan memiliki nilai probabilitas sama dengan

. Jika proses backoff menghasilkan nilai acak counter sama dengan 0, maka

probabilitas kemunculan nilai acak nol tersebut adalah . Pada saat proses

backoff menghasilkan nilai acak counter sama dengan nol, maka STA tidak memasuki slot baru

tetapi tetap pada slot yang sama untuk mentransmisikan frame berikutnya [79].

Pada model [11], STA yang telah berhasil mentransmisikan sebuah frame akan memasuki

slot baru hanya jika nilai acak counter backoff yang dipilih berada dalam range

dan slot idle dengan nilai counter terbesar dimasukkan dalam slot transmisi sebelumnya. STA

lain yang tidak melakukan transmisi frame dan dalam kondisi menghentikan pengurangan nilai

counter akan memasukkan nilai terakhir counter backoff pada slot sebelumnya dan mulai

dikurangi satu kembali [79]. Jika frame yang ditransmisikan oleh STA pada stage

mengalami collision maka STA tersebut akan menunggu selama periode ACKtimeout ditambah

periode DIFS sebelum menjalankan proses backoff baru untuk memilih nilai awal counter

backoff dalam range [79]. Sementara itu STA lain yang mengetahui adanya collision

pada kanal akan menunggu selama periode EIFS ditambah dengan satu slot idle [79].

Pada model [29], stage terbagi menjadi dua yaitu dan . Stage

dimasuki oleh STA ketika frame berhasil ditransmisikan dan kemudian nilai baru counter dipilih

dalam range . Stage dimasuki oleh STA ketika frame yang gagal

ditransmisikan dibuang oleh STA karena batas retransmisi frame telah tercapai dan nilai baru

counter backoff dipilih dalam range .

Misalkan , , dan adalah jumlah

usaha pengulangan transmisi akibat adanya collision, maka dapat didefinisikan hubungan

sebagai berikut :


52


(2.58)

dengan dan .

Tinnirello dkk. [11] memodelkan proses acak bidimensional sebagai proses

discrete-time Markov chain (DTMC) seperti yang diperlihatkan pada Gambar 2.18.

Gambar 2.18 Diagram Markov chain Tinnirello dkk. [11]

Model DTMC tersebut mengasumsikan bahwa probabilitas transmisi sebuah frame

mengalami collision adalah independen dari prosedur backoff [12] dan backoff counter

dikurangi pada akhir dari slot backoff. Oleh karena itu state backoff dari setiap STA dapat

dinotasikan sebagai . adalah tingkat backoff dan adalah delay backoff yang mempunyai

nilai dalam range [79].

Misalkan merupakan distribusi tetap dari Markov

chain dan misal merupakan probabilitas transmisi sebuah STA dalam sebuah slot, maka

[79]. Tingkat backoff 0 dibagi menjadi dua state yaitu 0+ dan 0

- yang menunjukkan

0+,0 0

+,1

1,W1-2

0+,W-3 0

+,W-2 0

-,W-10

-,W-20

-,10

-,0

2,1

1,0 1,1 1,W1-1

2,W2-12,W2-2

R-1,0

2,0

R,WR-1R,WR-2R,1R,0

… …

…

…

…

…

1 1 1 1

1 1

11

1 1

1-p

W-11-p

W-1

1-p

W-1

1-p

W-1

p

W p

W

p

W

p

W

p

W1

p

W1

p

W1

p

W1

p

W2

p

W2

p

W2

p

W2

p

WR

p

WR

p

WR

p

WR


53


transisi ke stage 0 disebabkan oleh dua kondisi yang berbeda [79]. Masing-masing stage

memiliki range nilai backoff counter yang berbeda [79]. Jika STA berhasil melakukan transmisi

frame maka counter backoff akan transisi ke ke stage 0+ yang memiliki nilai counter backoff

dalam range [79]. Sedangkan jika STA gagal melakukan transmisi frame maka

counter backoff akan transisi ke stage 0- yang memiliki nilai counter dalam range

[79]. Probabilitas transisi state backoff pada Gambar 4.4 dapat dirumuskan dalam persamaan

[79] :

(2.59)

Hubungan antar state dalam baris yang sama pada stage dapat dirumuskan sebagai

berkut [79]:

(2.60)

Pada persamaan (2.16), untuk menambah satu slot idle setelah transmisi berhasil

ke dalam slot transmisi sebelumnya. Diketahui maka hubungan antar state

dengan state kolom pertama dapat dirumuskan sebagai berikut [79] :

(2.61)

Semua state dapat diekspresikan sebagai fungsi dari probabilitas , maka jumlah semua

probabilitas transisi dalam Markov chain dapat dirumuskan sebagai berikut [79] :


54


(2.62)

Selanjutnya dapat diekspresikan probabilitas τ yang merupakan probabilitas sebuah STA berhasil

melakukan transmisi dalam sebuah slot. Setiap transmisi muncul ketika nilai backoff counter

mencapai nol. Dengan demikian probabilitas transmisi sebuah STA dapat dirumuskan sebagai

berikut [79]:

(2.63)

Berdasarkan probabilitas transmisi τ, probabilitas collision sebuah STA dapat dirumuskan

sebagai berikut :

(2.64)

Selanjutnya dan dapat diselesaikan menggunakan penyelesaian numerik persamaan non

linier.

Berdasarkan kajian penelitian sebelumnya, kinerja throughput dan total rata-rata delay

transmisi paket layanan yang dihasilkan oleh skema koordinasi kanal dinamis pada standar

Multikanal IEEE 1609.4 dipengaruhi oleh faktor laju data (data rate) node yang berbeda. Maka

dari itu, pada sub bab selanjutnya, akan dibahas mengenai model Markov chain dengan laju data

yang berbeda (multi data rate) pada standar 802.11 yang dikembangkan oleh Yang dkk [13].

2.8 Model Markov chain Yang

Pada sub bab ini akan dijelaskan mengenai fenomena anomali kinerja (performance

anomaly) dan model skema DCF yang dikembangkan Yang dkk [13]. Berdasarkan standar IEEE

802.11 dijelaskan bahwa jika node wireless yang berada dekat dengan Access Point (AP), maka

akan menggunakan laju data (data rate) yang tinggi dan node dengan laju data (data rate) rendah

berada jauh dari Access Point (AP) .


55


2.8.1 Anomali kinerja (performance anomaly)

Yang dkk [13] mengembangkan model Markov chain tiga dimensi untuk melakukan

evaluasi terhadap anomali kinerja (performance anomaly) pada IEEE 802.11 yang menunjukkan

degradasi kinerja yang tak diharapkan dari node-node yang menggunakan laju data tinggi, atau

yang dekat dengan Access Point (AP). Berdasarkan kajian dari [13], kinerja throughput dari node

kecepatan tinggi sangat dipengaruhi oleh node kecepatan rendah, dan mengalami penurunan

throughput walaupun node tersebut dekat dengan Access Point (AP). Hal ini disebabkan oleh

MAC 802.11 menyediakan akses kanal yang sama, yaitu dengan memberikan kesempatan yang

sama bagi node-node untuk mengakses kanal. Kemudian, dengan mengasumsikan data yang

ditransmisikan melewati kanal memiliki besar yang sama, node dengan laju data yang rendah,

sebagai contoh, node yang berada jauh dari AP, akan mendapatkan kanal wireless lebih lama

dibandingkan dengan node dengan kecepatan tinggi, seperti stasiun yang dekat dengan AP.

Dengan demikian, throughput data yang didapat oleh node tidak linear dengan laju transmisi

mereka. Fenomena ini biasa disebut sebagai anomali kinerja (performance anomaly) dari IEEE

802.11.

Pada penelitian tersebut Yang dkk. [13] melakukan evaluasi kinerja terhadap algoritma link

adaptation pada standar IEEE 802.11 dengan mengelompokkan node dalam sebuah BSS

tergantung dari laju transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps, dan menetapkan group ID i=1,

2, 3 dan 4 untuk setiap kelompok dari node, secara berurutan. Dengan node yang heterogen ini,

menunjukkan bahwa durasi untuk mentransmisikan sebuah frame oleh suatu node pada setiap

group berbeda, yaitu, semakin rendah laju transmisi, semakin lama durasi untuk mentransmit

sebuah frame. Misalkan adalah backoff window untuk sebuah station pada group i pada

backoff stage k. Pada mekanisme DCF konvensional menggunakan CSMA/CA, semua nodes

pada group I manapun memiliki backoff window awal yang sama , untuk semua i=1, 2, 3, dan

4. Model yang dikembangkan oleh Yang dkk [13] merupakan pengembangan dari model

Bianchi.

Dalam sub bab selanjutnya akan dibahas mengenai model Markov chain tiga dimensi

yang dikembangkan oleh Yang dkk [13] untuk melakukan evaluasi terhadap anomali kinerja

(performance anomaly) pada IEEE 802.11.


56


2.8.2 Model Markov chain Tiga Dimensi

Pada model Markov chain tiga dimensi yang dikembangkan oleh Yang [13] dapat

dijelaskan sebagai berikut, didefinisikan adalah suatu random proses yang

merepresentasikan backoff stage dari suatu node pada group i dan adalah suatu random

proses yang merepresentasikan nilai dari backoff counter dari suatu node pada group i. Suatu

random proses baru dapat didefinisikan.

p

i,0,Wp-2i,0,2i,0,1i,0,0

I,k-1,0

i,0,Wp-2

pp p

p

i,kWz-2i,k,2i,k,1i,k,0 i,kWi-1

pp p

p

i,Lretry,m, Wm-2

i,Lretry,2i,Lretry,1i,Lretry,0

pp p

i,Lretry,m,Wm-1

1 1 1

(1-p)/W0

p/Wi

1 1

p/Wmp/Wm

p/Wm

1

1 1 1

(1-pc,i)/Wi,0

p/Wi

1/Wi,0

(Pc,i)/WL,k-1

Gambar 2.19 Model Markov chain Tiga Dimensi Yang [13]

Yang dkk. [13] memodelkan sebagai suatu variabel random uniform pada rentang

. Dengan mengasumsikan probabilitas suatu frame yang ditransmisikan bertabrakan


57


dengan frame lain pada slot waktu tertentu dan probabilitas bahwa suatu kanal sedang sibuk

adalah tidak bergantung pada mekanisme backoff, maka dapat ditentukan sebagai suatu

Markov chain waktu diskrit. State dari Markov chain direpresentasikan sebagai ,

, , , dimana i, k, dan l merepresentasikan group i,

backoff stage k, dan nilai backoff counter l.

Pada model [13], probabilitas transisi state dari Markov Chain diperlihatkan pada

Gambar 2.17. dapat dijelaskan sebagai berikut:

, dimana (2.65)

, dimana (2.66)

, dimana (2.67)

, dimana (2.68)

, dimana (2.69)

Dimana menunjukkan probabilitas bahwa suatu node pada group i dalam konidisi kanal

sedang sibuk dan menunjukkan probabilitas bahwa suatu frame dari suatu node pada group i

mengalami tabrakan (collision) secara berurutan. Pada model [13], probabilitas transisi ini dapat

dijelaskan sebagai berikut:

1. Counter backoff akan berkurang 1 ketika suatu node merasakan bahwa kanal sedang

dalam kondisi idle selama suatu slot waktu,

2. Counter backoff akan berhenti jika suatu node merasakan bahwa kanal sedang sibuk,

3. Suatu node memilih sebuah delay backoff dari backoff stage k selanjutnya setelah suatu

tranmisi yang gagal pada stage k-1,

4. Suatu node memilih sebuah nilai counter backoff menggunakan backoff window dari

backoff stage 0 jika framenya saat ini gagal ditransmisikan, dan mencoba untuk

mentransmisikan sebuah frame baru


58


5. Sebuah node mencoba melakukan transmisi pada batas maksimal, dan akan mencoba

untuk mentransmisikan sebuah frame baru baik untuk transmisi frame berhasil maupun

tidak.

Selanjutnya Yang dkk. [13] memodelkan sebagai distribusi steady state dari Markov

chain untuk suatu node pada group , dengan backoff stage , dan nilai backoff counter . Hal ini

dapat direpresentasikan sebagai . Kemudian dapat

diperoleh persamaan sebagai berikut dengan memperhitungkan distribusi steady state.

, (2.70)

(2.71)

(2.72)

Persamaan (2.70) dan (2.71) dapat diturunkan dari persamaan kesetimbangan pada steady

state, yaitu jumlah dari probabilitas transisi dari suatu state dikalikan dengan probabilitas pada

state sama dengan jumlah dari probabilitas transisi dari suatu state ke state lain dikalikan dengan

probabilitas pada state.

(2.73)

(2.74)

Kemudian probabilitas stasioner bi,0,0 dapat ditemukan dari persamaan diatas. Semua

distribusi stasioner bi,k,l dapat dihitung menggunakan (6)-(9). Untuk menemukan distribusinya,

probabilitas pb,i dan pc,i harus diketahui. Nilai probabilitas pb,i dan pc,i dapat diturunkan dari

distribusi bi,k,l dengan cara sebagai berikut: pertama, probabilitas bahwa suatu node pada group i

mentransmisikan suatu frame pada suatu slot waktu yang diberikan pada

(2.75)


59


Sebuah node dapat mengirimkan suatu frame ketika nilai backoff counternya mencapai

nol. Disamping itu, kanal dalam kondisi sibuk jika minimal satu node sedang melakukan

transmisi sebuah frame. Maka dari itu, kita dapat menentukan pb,i sebagai berikut

(2.76)

Dimana menunjukkan jumlah node pada group . Pada sisi lain, suatu tabrakan terjadi

ketika setidaknya satu node selain node yang sedang mentransmisikan ini, mentransmisikan

suatu frame. Dengan demikian, pc,i diturunkan dengan cara yang serupa dengan

(2.77)

Dengan catatan bahwa terdapat suatu perbedaan diantara dan walaupun mereka

terlihat sama. Pada , node yang dalam fase observasi tidak mengirimkan frame namun hanya

merasakan, dan pada , node ini mengirimkan. Dengan menggunakan (2.73)-(2.77), dapat

diselesaikan secara numerik.Misalkan menotasikan suatu probabilitas bahwa suatu kanal

sedang sibuk pada sebuah slot. Kemudian kita mendapatkan

(2.78)

Probabilitas bahwa suatu station pada group itelah dengan sukses mentransmisikan pada

suatu slot diberikan oleh persamaan

(2.79)

Kemudian, probabilitas bahwa suatu transmisi sukses pada slot waktu tertentu dapat ditentukan

sebagai berikut

(2.80)

Persamaan-persamaan numerik diatas berdasarkan pada analisa untuk suatu laju transmisi

tunggal (single rate) pada [14] dan dikembangkan lebih jauh untuk mempertimbangkan node

dengan laju transmisi beragam (multirate). Kemudian, dapat diasumsikan bahwa jika jumlah

node pada suatu group diberikan secara probabilistik, sebagai contoh, jumlah node pada N

groups terdistribusi secara uniform.


60


Selanjutnya, Yang dkk. [13] melakukan kajian analisis probabilitas tabrakan pada suatu

lingkungan multirate, yang berbeda dari penelitian-penelitian sebelumnya. Ketika suatu tabrakan

terjadi, waktu tabrakan didominasi oleh transmission time yang paling lama (laju transmisi

paling rendah) diantara semua waktu transmisi yang terlibat pada trabrakan tersebut seperti

diilustrasikan pada Gambar 2.17. Diasumsikan bahwa semua node mentransmisikan frame

dengan ukuran yang sama. Didefinisikan bahwa tabrakan disebabkan oleh node pada group i,

dan tabrakan yang disebabkan node pada group j (i tidak sama dengan j) memiliki karakteristik

berbeda. Untuk memformulasikan waktu tabrakan dari node multirate, yaitu secara group, kita

merujuk tipe tabrakan terdahulu sebagai tabrakan i-homogeneous dan selanjutnya sebagai

tabrakan i-heterogeneous, secara berurutan.

Pada model [13], merepresentasikan probabilitas dari tabrakan i-homogen, dan

merupakan probabilitas dari tabrakan i-heterogeneous. Nilai probabilitas dapat

dihitung jika paling sedikit 2 node dalam sebuah group i terjadi tabrakan, dan dirumuskan

sebegai berikut

(2.81)

Kemudian berdasarkan model [13], nilai probabilitas dapat dihitung jika

setidaknya satu node dalam group i dan setidaknya satu node dalam group j terjadi tabrakan

(dimana nilai j lebih kecil dari i), dan dirumuskan sebegai berikut

(2.82)

(2.83)

Selanjutnya, pada model [13] merepresentasikan probabilitas tabrakan dari i-

homogen atau i-heterogeneous yang disebabkan oleh node-node yang ada di group i atau node-

node yang ada di group i dan j dapat dirumuskan sebagai berikut

(2.84)


61


, (2.85)

Pada akhirnya, dapat ditentukan rumus saturasi throughput node dalam group i. Saturasi

throughput dinormalisasi dari node dalam group i dan dapat dihitung sebagai berikut

(2.86)

Dimana

(2.87)

(2.88)

(2.89)

(2.90)

(2.91)

(2.92)

Dimana adalah ukuran MAC Service Data Unit (MSDU) atau muatan payload

dari lapisan MAC yang dikirimkan oleh node yang berada dalam group i, dalam satuan bytes,

sedangkan merupakan laju transmisi node berada dalam group i, adalah durasi slot

waktu. Selanjutnya menunjukkan durasi waktu rata-rata selama kanal dirasakan sibuk

oleh node dalam group i karena transmisi yang sukses, kemudian adalah durasi waktu

rata-rata selama kanal sibuk karena mengalami tabrakan, di mana tingkat transmisi group i

adalah yang terendah. adalah durasi waktu dari Short Interframe Space (SIFS),

merupakan durasi waktu dari DIFS, adalah delay propagasi, adalah waktu yang

dihabiskan untuk mengirimkan sebuah frame ACK oleh node yang berada dalam group i,

adalah waktu yang dihabiskan untuk mengirimkan PHY dan MAC header oleh node yang berada

dalam group i, dan adalah waktu yang dihabiskan untuk mengirimkan sebuah MSDU oleh

node yang berada dalam group i.

Berdasarkan model Markov chain yang dikembangkan oleh Yang [18] diatas, maka dapat

disimpulkan bahwa “performance anomaly” pada IEEE 802.11 menunjukkan degradasi kinerja


62


yang tak diharapkan dari node-node yang menggunakan laju data tinggi, atau yang dekat dengan

AP (Access Point). Kinerja node dalam sebuah Basic Service Set (BSS) tergantung dari laju

transmisi node, yaitu, 11, 5.5, 2, dan 1 Mbps dan kanal propagasi yang digunakan. Berdasarkan

kajian penelitian sebelumnya, kanal propagasi akibat pengaruh fading Nakagami yang sesuai

dengan model kanal di jaringan Vehicular Ad Hoc Network (VANET). Oleh karena itu, pada sub

bab selanjutnya, akan dibahas pemodelan skema koordinasi kanal dinamis dengan menggunakan

kanal propagasi akibat pengaruh fading Nakagami.

2.9 Studi analitikal propagasi kanal Nakagami

Distribusi nakagami adalah distribusi probabilitas yang terakit dengan distribusi gamma.

Distribusi ini memiliki dua parameter, yaitu parameter bentuk dan parameter kontrol . Model

fading Nakagami adalah model murni empiris dan tidak berdasarkan pada hasil yang diperoleh

dari pertimbangan fisik propagasi radio. Berdasarkan kajian analisis sebelumnya yang dilakukan

oleh Nasuf dkk. [21] mengenai model propagasi kanal Nakagami, dapat dihitung estimasi model

analitikal probability density function (pdf) dan n-th order moment nakagami-m dengan

mempertimbangkan noise, multipath dan shadow fading, serta fluktuasi fasa. Dalam melakukan

analisa untuk model propagasi kanal Nakagami dapat dijelaskan sebagai berikut [21]

1. Dalam menentukan distribusi Nakagami-m, dilakukan dengan menggunakan probabilitas

fungsi kepadatan

(2.93)

dimana

2. Kemudian sinyal rusak di penerima akibat adanya noise Additive White Gaussian Noise

(AWGN) dapat didefinisikan sebagai berikut


63


𝑥𝑖 (𝑡) = 𝑟𝑖 𝑒−𝑗𝜃𝑖 𝑠𝑖(𝑡) + 𝑤𝑖 (𝑡)

(2.94)

dimana adalah fungsi kompleks noise AWGN pada kanal simbol interval.

Nilai absolut dari persamaan di atas, didapatkan dengan menormalkan nilai yaitu :

(2.95)

3. Dari hasil pengukuran [7], untuk menemukan PDF dari dalam rangka untuk

memperoleh estimator untuk parameter m dan Ω dari Nakagami-m kanal multipath /

gamma-dibayangi memudar berisik. Hal ini dapat dinyatakan: Nilai absolut dari output

menormalkan correlator adalah:

(2.96)

4. Selanjutnya dapat didefinisikan distribusi Nakagami-m dengan mengusulkan momen

berdasarkan estimator untuk nilai m dan Ω :

(2.97)

dimana F (.; .; .;) adalah fungsi hypergeometric, untuk n = 0,2,4dari fungsi wolfram

pada persamaan (07.23.16.0001.01) kami mendapatkan nilai =1, dimana mewakili

kondisi normalisasi :

(2.98)


64


Dari persamaan dan , estimator momen berbasis dan dapat didefinisikan

sebagai berikut :

(2.99)

dimana j mewakili nilai lokal dari m-parameter, dan Ωj merupakan realisasi dari

estimasi bayangan memudar.

5. Kemudian menentukan nilai parameter estimator Nakagami-m pada kanal akibat adanya

noise multipath-shadowed :

(2.100)

dimana K mewakili jumlah realisasi bayangan memudar sebagai proses random.

6. Akhirnya, memperoleh probabilitas kesalahan sinyal sebagai m-parameter estimator lebih

Nakagami-m multipath :

0

00

1 1exp

12 111

b

ebb

EN

m

m

m

PE

NN

m

E

(2.101)

Berdasarkan beberapa kajian evaluasi dari penelitian sebelumnya, mengenai evaluasi

kinerja pada IEEE 1609.4 yang disebabkan oleh tingginya mobilitas node kendaraan dan

perubahan lintasan yang berbeda, efek Doppler akan mempengaruhi nilai throughput dan delay

transmisi yang dihasilkan. Maka dari itu pada sub bab selanjutnya akan dilakukan evaluasi

pengaruh efek Doppler terhadap kinerja yang dihasilkan pada skema koordinasi kanal dinamis

pada standar IEEE 1609.4.


65


2.10 Pengaruh efek Doppler

Efek Doppler adalah perubahan frekuensi atau panjang gelombang dari sebuah sumber

gelombang yang diterima oleh pengamat, jika sumber suara/gelombang tersebut bergerak relatif

terhadap pengamat/pendengar. Di lingkungan Vehicular Ad Hoc Network (VANET), efek

Doppler yang disebabkan oleh mobilitas yang tinggi, topologi dinamis, dan perubahan lintasan.

Berdasarkan penelitian yang dilakukan oleh Luo dkk. [22], bahwa pada standar IEEE

802.11p dengan menggunakan bandwidth 10Mhz, spektrum Doppler adalah sekitar 59 Hz dan

1.18 Hz pada kecepatan 10.8 km/jam sampai dengan 216 km/jam. Walaupun bandwidth tersebut

lebih kecil dari bandwidth subcarrier (156.25 kHz), penurunan kinerja disebabkan efek Doppler

seharusnya tidak diabaikan. Hal ini disebabkan oleh variasi waktu dari kanal yang merusak

orthogonalitas dari subcarrier yang berbeda dan membangkitkan kekurangan daya pada

subcarrier, dikenal sebagai InterCarrier Interference (ICI).

Dengan asumsi dari sampling sempurna dan sinkronisasi pewaktuan simbol, output kth

( ) dari demodulator FFT pada receiver dapat ditulis sebagai

(2.102)

Dimana adalah simbol termodulasi M-PSK, adalah noise White Gaussian

dengan zero mean dan variansi dan adalah transformasi fourier dari respon impuls

kanal pada waktu n, dimana didefinisikan sebagai

(2.103)

Dimana adalah bilangan dari pembalikan multipath, dan didefinisikan

sebagan offset frekuensi carrier ternormalisasi dan fase noise, dimana dapat dihasilkan dari

Doppler spread yang tidak stabil. Pada kanal mobile fading, efek Doppler dipertimbangkan, dan

diasumsikan cocok dengan complex white Gaussian process dengan rata-rata zero,

dan fungsi autokorelasi

(2.104)

(2.105)


http://id.wikipedia.org/wiki/Frekuensi

http://id.wikipedia.org/wiki/Panjang_gelombang

http://id.wikipedia.org/wiki/Gelombang

66


Dimana didefinisikan sebagai frekuensi penerima akibat pengaruh efek Doppler

𝑓𝑑 = 𝑐 + 𝑣𝑟𝑐 + 𝑣𝑠

𝑓0 (2.106)

adalah kecepatan rambat gelombang

adalah kecepatan pengamat (receiver) relatif terhadap medium

adalah kecepatan sumber gelombang relatif terhadap medium

adalah frekuensi sumber ( 5.9 GHz)

Dimana adalah fungsi Bessel ke 0 dari contoh pertama [17]. Secara khusus di kanal

slow fading kita mempunyai

Untuk kemudahan analisis, di kanal time-variant, di persamaan (2.105) dapat

dipisahkan menjadi 3 bagian: item yang dicari d(k), ICI dan item noise . Kemudian

persamaan (2.1) dapat ditulis kembali dengan

(2.107)

(2.108)

Untuk simbol M-PSK, kita mempunyai . Karenanya, dari persamaan

(2.103) SNR instan dan daya ICI ternormalisasi dari subcarrier ke k data dikurangi.

Dimana mendenotasikan operasi ekspektasi, hal ini dapat dilihat pada persamaan

(2.104). Daya ICI yang dihasilkan Doppler spread dan frekuensi offset naik dengan dan ,

dan kemudian kinerja menurun. Karenanya, efek Doppler dan resultan frekuensi offset memiliki

pengaruh negative pada kinerja sistem, dan perlu untuk dieliminasi pada kanal time-variant.

Apabila kanal time-invariant dengan , persamaan (2.103) dan

(2.107) kemudian menjadi

(2.109)


67


Dari persamaan (2.108), tidak ada ICI pada kasus tsb, dan hanya frekuensi selective

fading timbul. Seperti yang kita tahu ketika diadopsi dari BPSK atau QPSK, maka nilai BER dari

th sub-carrier dapat dihitung melalui kanal AWGN adalah [17]

(2.110)

dimana merupakan signal to noise ratio (SNR) di sisi penerima. Jadi di sisi penerima,

dapat dihitung SNR per bit ( dan rata-rata SNR per symbol ( sebagai berikut :

(2.111)

adalah penjumlahan daya sinyal noise dan sinya interferensi dalam Watt per Hertz.

Persamaan (2.111) juga dapat diekspresikan menggunakan SNR sebagai berikut :

(2.112)

Pada persamaan (2.111), adalah bandwidth kanal. Pada HT-PHY, ukuran Bandwidth kanal

yang dapat digunakan adalah 10 MHz. Setelah informasi SNR, jumlah spatial stream dan jenis

modulasi diketahui maka selanjutnya probabilitas error paket dapat dihitung.

Pada modulasi M-QAM dapat didefiniskan dengan adalah jumlah bit yang

direpresentasikan dalam satu simbol OFDM yang menggunakan perbedaan fase dan amplitudo

sebanyak . Probabilitas error symbol yang dimodulasikan menggunakan M-QAM adalah

[23], [24]:

(2.113)

Oleh karena atau , maka aliran bit yang diperoleh dari hasil demodulasi

sinyal M-QAM memiliki probabilitas bit error sebagai berikut[60], [63]:


68


(2.114)

Fungsi pada persamaan (2.16) dan (2.17), didefinisikan sebagai

(2.115)

2.11 Additive White Gaussian Noise (AWGN)

Additive White Gaussian Noise (AWGN) adalah model derau utama yang menambahkan

sampel suara Gaussian secara independen untuk sinyal input. Pengaruh Additive White Gaussian

Noise (AWGN) menyebabkan kanal mengalami error dan kinerja throughput mengalami

degradasi. Derau AWGN merupakan gangguan yang bersifat Additive atau ditambahkan

terhadap sinyal transmisi,dimodelkan dalam pola distribusi acak Gaussian dengan mean (m) = 0,

standar deviasi (σ) = 1, power spectral density (pdf) = No/2 (W/Hz), dan mempunyai rapat

spektral daya yang tersebar merata pada lebar pita frekuensi tak berhingga. Distribusi AWGN

dengan pdf :

(2.116)

adalah probabilitas kemunculan derau

adalah standar deviasi

adalah nilai rata-rata

adalah variabel (tegangan atau daya sinyal)

Model kanal AWGN adalah kanal ideal yang hanya memiliki AWGN (Additive White

Gaussian Noise) di dalamnya. Kanal ideal berarti kanal ini tidak menyebabkan distorsi

(perubahan bentuk sinyal) pada sinyal yang dikirim, artinya kanal ideal memiliki bandwidth

tidak terbatas dan respon frekuensinya tetap untuk segala frekuensi.


69


Respon Impuls

Derau Gaussian

Gambar 2.20 Model kanal Additive White Gaussian Noise (AWGN)

Kemudian setelah dijelaskan mengenai pengaruh propagasi kanal Nakagami, efek Doppler,

dan Additive White Gaussian Noise (AWGN) yang menyebabkan penurunan kinerja pada skema

koordinasi kanal dinamis Multikanl IEEE 1609.4, maka pada sub bab selanjutnya akan

dijelaskan mengenai perhitungan distribusi node di setiap zone dengan menggunakan distribusi

Poisson.

2.12 Distribusi Node di setiap zone i

Pada sub bab ini akan dilakukan perhitungan jumlah node di setiap zone i dengan

menggunakan distribusi Poisson dan mempertimbangkan propagasi kanal Nakagami. Distribusi

Poisson adalah distribusi probabilitas diskret yang menyatakan peluang jumlah peristiwa yang

terjadi pada periode waktu tertentu apabila rata-rata kejadian tersebut diketahui dan dalam waktu

yang saling bebas sejak kejadian terakhir. Kemudian dengan menggunakan distribusi node dalam

setiap zone i ini maka akan dapat dihitung nilai optimal Indeks CW (Contention Window Index)

berdasarkan pada distribusi node pada setiap zone i, dimana nilai CW yang optimal ini akan

mempengaruhi kinerja node akibat adanya anomali kinerja karena perbedaan laju transmisi data

yang berbeda di setiap zone..

Untuk menghitung distribusi node dalam setiap kelompok, kita menggunakan asumsi yang

sama dengan penelitian sebelumnya [23]. Pertama kita memperkirakan radius komunikasi node

dengan mempertimbangkan propagasi kanal Nakagami. Distribusi Nakagami-m adalah


70


probabilitas distribusi yang terkait dengan distribusi gamma. Fungsi kepadatan probabilitas (pdf)

dari kekuatan sinyal yang diterima [23]-[24] dapat ditulis sebagai

, for (2.117)

dimana adalah fungsi gamma, adalah nilai rata-rata daya yang diterima,

menunjukkan jarak dalam satuan meter, merupakan nilai eksponen path-loss,

, adalah cepat rambat cahaya, menunjukkan frekuensi

carrier, dan merupakan gain antenna pengirim dan penerima, dan menunjukkan nilai

faktor fading.

Dari persamaan diatas, dapat dihitung nilai cdf (Cummulative Distribution Function) dari

nilai jangkauan komunikasi ketika daya yang diterima lebih besar dari nilai ambang daya (power

threshold, ) dan dapat ditentukan sebagai berikut

(2.118)

Dengan melakukan subsitusi persamaan (2.93) ke (2.94) dan dengan definisi

maka dapat dihitung persamaan berikut

(2.119)

Dengan menggunakan

(2.120)

Maka dapat diperoleh nilai cdf sebagai berikut

(2.121)

Selanjutnya, nilai rata-rata jangkauan komunikasi atau dapat diturunkan sebagai

(2.122)

Dengan melakukan subsitusi persamaan (2.118) ke (2.119) dan mengintegralkan batas atas

persamaan maka diperoleh persamaan sebagai berikut


71


(2.123)

Untuk memperoleh nilai rata-rata carrier sense range di mana node dapat merasakan

paket tapi tidak bisa menerimanya, prosedur yang sama seperti diikuti di persamaan (2.99).

Kecuali untuk nilai daya yang diterima , yang didefinisikan sebagai persentase nilai ambang

sebagai = , di mana . Oleh karena itu, nilai rata-rata carrier sense range

dapat ditentukan sebagai berikut

𝐸 𝐿𝐶𝑆 =𝐸 𝑅

𝜌𝛼

(2.124)

Dalam kajian analisis yang dilakukan menggunakan asumsi yang sama seperti pada [23].

Hal ini dilakukan untuk memperkirakan rata-rata jumlah node dengan menggunakan distribusi

Poisson. Berdasarkan kajian studi analitis sebelumnya [23], dapat dihitung nilai probabilitas dari

jumlah kendaraan dalam range dari kendaraan acuan, model mobilitas diperluas untuk

mencakup keamanan minimum di antara jalur masing-masing kendaraan. Jarak minimum ini

adalah variabel acak dan tergantung pada kecepatan kendaraan jika nilai diasumsikan tetap.

Hal ini merupakan waktu respon pengendara untuk melakukan reaksi jika ada kejadian tiba-tiba.

Disamping itu, dapat dijelaskan dengan menggunakan model antrian server tunggal (single-

server queue) seperti ditunjukkan pada Gambar 2.21.

Gambar 2.21 Model antrian Single-server [23]


72


Berdasarkan kajian penelitian sebelumnya [23], ketika jumlah kendaraan yang melintasi

titik referensi yang ditentukan sangat kecil sehingga waktu antar kedatangan/ interarrival time

( ) antara kendaraan di jalur i lebih besar dari . Dalam hal ini, kemungkinan nilai

kendaraan dalam jangkauan komunikasi dari kendaraan acuan (tagged vehicle) yaitu,

dalam jarak di jalur i adalah berdistribusi Poisson dan dapat didefinisikan sebagai berikut

𝑃2𝑅 𝑁𝑐𝑖 = 𝑘 =

2𝛽𝑖𝑅

𝜇 𝑘

𝑘!𝑒−

2𝛽𝑖𝑅

𝜇 (2.125)

sedangkan rata-rata jumlah kendaraan di sekitar kendaraan acuan/penanda di jalur i adalah

(2.126)

Jadi nilai probabilitas dalam jangkauan carrier sense dari kendaraan acuan dapat


(2.127)

Setelah didefinisikan rumus rata-rata jumlah kendaraan di jalur i ( kemudian tahap

selanjutnya adalah menentukan nilai optimal Contention Window Index (CWI).

2.13 Nilai optimal Contention Window (CW)

Nilai awal (initial) Contention Window (CW) adalah inisialisasi dari nilai backoff stage yang

ditentukan berdasarkan model Markov chain yang digunakan. Berdasarkan penelitian

sebelumnya, penentuan nilai Contention Window (CW) dapat ditentukan dengan dua cara, yaitu

dengan random nilai dan optimal nilai. Penentuan nilai awal Contention Window (CW) dengan

metode random nilai, yaitu ditentukan dengan secara random dari nilai awal Contention Window

(CW), yaitu 16, 32, 64, 128, 256, dan 512. Sedangkan untuk penentuan nilai awal dengan nilai

optimal, yaitu dengan inisialisasi nilai Contention Window (CW) yang optimal berdasarkan dari


73


distribusi jumlah node yang ada. Pada disertasi ini, akan digunakan metode inisialisasi nilai

Contention Window (CW) yang optimal berdasarkan dari distribusi jumlah node yang ada. Untuk

menentukan nilai optimal dari CWI kita mengacu dari penelitian sebelumnya dari Chun dkk.

[25], dimana dilakukan dengan mendefinisikan persamaan aggregate throughput sebagai berikut

𝑆 =𝐸 𝑃 + 𝐹𝑒𝑑 . 𝑇𝐷𝑎𝑡𝑎 /𝑇𝑆 . 𝜆.𝑅𝐷𝑎𝑡𝑎 (𝑡)

𝐸 𝐷 (2.128)

dimana adalah waktu node lain dapat berhasil

mengirimkan paket data kecuali node ditandai selama rata-rata waktu tunda (mean delay time).

dan adalah rata-rata panjang paket payload dan laju data. Sedangkan adalah rasio

ukuran payload untuk panjang paket penuh dengan header messages.

Kemudian, persamaan (2) diatas dapat disederhanakan dengan persamaan seperti pada [25]

sebagai berikut

𝑆 =𝑝𝑆 .𝑇𝑆 𝑝𝑖𝐸[𝑈 𝑗 ]𝑖

𝑗=0𝐾−1𝑖=0 . 𝑇𝐷𝑎𝑡𝑎 /𝑇𝑆 . 𝜆.𝑅𝐷𝑎𝑡𝑎 (𝑡)

𝐸 𝐷 +𝐸 𝑃

𝐸 𝐷 (2.129)

𝑆 =𝐸 𝑃 1 + 𝑝𝑆 𝑝𝑖𝐸 𝑈 𝑗 𝑖

𝑗=0𝐾−1𝑖=0

𝐸 𝐷 (2.130)

Berdasarkan kajian analisis sebelumnya [12], nilai CW yang optimal dapat mencapai

throughput maksimal, dengan jumlah node N. Menurut kajian yang dilakukan Shi Chun dkk.

[25], delay jaringan dimodelkan lebih akurat dengan menghitung durasi baru transmisi yang

sukses dan durasi tabrakan .

𝑇𝑆 = 𝑇𝑅𝑇𝑆 + 3𝑇𝑆𝐼𝐹𝑆 + 4𝜎 + 𝑇𝐶𝑇𝑆 + 𝑇𝐷𝐴𝑇𝐴 + 𝑇𝑕𝑒𝑎𝑑 + 𝑇𝐴𝐶𝐾

𝑇𝐶 = 𝑇𝑅𝑇𝑆 + 𝑇𝑆𝐼𝐹𝑆 + 2𝜎 + 𝑇𝐷𝐼𝐹𝑆 (2.131)

di mana dan merupakan waktu transmisi frame lapisan MAC dan PHY header.

Sedangkan nilai dan menunjukkan delay propagasi dan durasi waktu SIFS. Nilai ,

, dan adalah waktu transmisi frame RTS, CTS, dan ACK.


74


Dengan menggunakan persamaaan (2.130), dapat untuk menyederhanakan persamaan

(2.131) dengan menentukan nilai CW dan , selanjutnya dengan mengabaikan

parameter yang kurang dari atau sama dengan parameter urutan ketiga maka diperoleh

rumus persamaan berikut

𝜕𝑆 𝜕𝐶𝑊 =𝑁.𝑇𝑆𝐿𝑂𝑇

2.𝐶𝑊2 + 2 𝑁 − 1 2.𝑇𝑆𝐿𝑂𝑇 .𝐶𝑊

+ 𝑁 − 1 4𝑇𝑆𝐿𝑂𝑇 − 2𝑇𝐶 − 2𝑇𝐸𝐼𝐹𝑆 𝑁2

+ 𝑁 − 1 2𝑇𝐸𝐼𝐹𝑆 − 2𝑇𝐷𝐼𝐹𝑆 − 14𝑇𝑆𝐿𝑂𝑇 𝑁

+ 𝑁 − 1 2𝑇𝐷𝐼𝐹𝑆 + 10𝑇𝑆𝐿𝑂𝑇 𝑁

(2.132)

Kita dapat memperoleh optimal CW dengan memecahkan persamaan (2.132) diatas

sebagai berikut

𝐶𝑊 = 2𝑁 𝑁−1 .𝑇𝑆𝐿𝑂𝑇 𝑇𝐸𝐶𝑆 𝑁−1 2+𝑇1 𝑁−

𝑇2𝑇1

𝑁.𝑇𝑆𝐿𝑂𝑇+

−2 𝑁−1 2𝑇𝑆𝐿𝑂𝑇

𝑁.𝑇𝑆𝐿𝑂𝑇

(2.133)

Dimana

, ,

dan

Akhirnya kita dapat nilai CW yang optimal dari persamaan (2.133) sebagai berikut

(2.134)

Dimana , dan persamaan (2.110) diatas disebut juga dengan indeks CW

(CWI).

Setelah didapatkan rumus untuk nilai CW yang optimal berdasarkan dari jumlah node yang

diperoleh dari distribusi Poisson.


75


2.14. Network Simulator-3

NS-3 merupakan sebuah network simulator baru yang dikembangkan dari NS-2 [26].

Pembuatan NS-3 pertama sekali dilakukan pada tahun 2006 dan versi stabil pertama sekali

diperkenalkan pada Juni 2008 [26]. Tujuan pembuatan NS-3 adalah untuk menyediakan network

simulator yang sesuai dengan kebutuhan penelitian modern dan terkini serta dikembangkan

dalam komunitas open source.

Core dan model objek NS-3 semua ditulis dalam bahasa pemograman C++ dan front end

untuk kode C++ dapat ditulis dalam berbagai bahasa pemograman scripting seperti Phyton, Perl,

dan Tcl dengan menggunakan binding generator khusus. Seperti pendekatan yang dilakukan

pada NS-2, front end ini memungkinkan pengguna untuk membuat objek simulasi dengan bahasa

scripting yang fleksibel tanpa perlu kompilasi. Front end Phyton secara otomatis dibangkitkan

dari file class C++ dan sudah digunakan pada contoh script simulasi.

Komponen utama lapisan arsitektur NS-3 diperlihatkan pada Gambar 2.6 yang terdiri dari

modul core, modul common dan modul simulator. Komponen helper terdiri atas pengembangan

API cross layer. Class-class lainnya diluar lapisan arsitektur dikelompokkan dalam komponen

contrib.

Gambar 2.22 Lapisan modul software NS-3 [26]

Modul core menyediakan tambahan fungsionalitas bahasa C++ agar pemograman

simulasi menjadi lebih mudah, seperti penyediaan smart pointer, rich dynamic type system,

COM-like interface query system, callback objects, dan runtime yang menjelaskan atribut object.


76


Modul common berisi tipe data yang berhubungan dengan manipulasi paket dan header. Modul

simulator berisi manipulasi waktu dan event scheduler. Modul node memberikan pandangan

konseptual kepada modul-modul yang telah disebutkan sebelumnya dan menyediakan fasilitas

dasar dalam network simulator seperti class Node, sebuah abstrak class dasar untuk interface

lapisan link (NetDevice) dan beberapa tipe address. Modul mobility berisi abstrak class dasar

untuk model mobility. Object model mobility dapat di agregat dengan object node untuk

menyediakan node dengan kemampuan untuk mengetahui posisinya sendiri. Modul NS-3 juga

terdiri dari internet stack yang mengimplementasikan stack UDP/TCP/IPv4/IPv6 dan beberapa

implementasi NetDevice seperti PointToPoint, csma, wifi, wimax, lte dan lain-lain. Modul

aplikasi menyediakan beberapa aplikasi seperti OnOff, UdpEcho, V4Ping dan lain-lain yang

menggunakan socket interface seperti pada Linux. Modul terakhir yaitu modul helper,

menyediakan sekumpulan class C++ sederhana yang tidak menggunakan pointer dan

memaketkan level class yang lebih rendah dengan interface yang lebih mudah.

WaveNetDevice

ChannelManager

VSARepeater ChannelCoordinator

SchChannelScheduler

OcbWifiMac

DcaTxop MacRxMiddle

MacLow

YansPhy

Wifi channelFor VANET

SendSend WsmpSend Vsa

ForwardUpForwardVsa

DcaManager

Implement

Exist

Gambar 2.23 Arsitektur modul WAVE 802.11p pada NS-3 [27]

Implementasi NetDevice WiFi standar 802.11 pada NS-3 diported dari YANS (Yet Another

Network Simulator) yang merupakan sebuah proyek model prototipe WiFi PHY/MAC 802.11

yang dibuat oleh Mathieu Lacage dan Tom Hederson dari group penelitian INRIA [26] yang


77


pada awalnya dibuat untuk NS-2. Banyak kemampuan dan masalah perancangan yans telah diuji

coba pada NS-3. Komponen WiFi pada NS-3 terdiri dari beberapa modul dan subclass.

Arsitektur implementasi WiFi pada NS-3 diperlihatkan pada Gambar 2.23.

WifiNetDevice dibuat dari beberapa class yang mengatur pengiriman dan penerimaan

paket. Garis penuh dengan penanda arah pada pada Gambar 2.23 menunjukkan jalur aliran paket

ketika melewati perangkat dan kanal WiFi 802.11. Garis putus-putus menunjukkan hubungan

fungsional class.

Implementasi kanal Contorol Channel (CCH) dan Service Channel (SCH) dengan

menambahkan interval kanal CCH, WSA, dan SCH pada NS-3 diported dari

SchChannelScheduler dan ChannelManager yang meruapakan pengembangan dari modul Wifi

yang dibuat oleh Junling [27]. Junling pertama kali membuat proyek model Wireless Access

Vehicular Environment (WAVE) yang merupakan pengembangan dari modul WiFi PHY/MAC

802.11. Pada modul tersebut Junling menambahkan SetChannelScheduler, ChannelManager,

VSARepeater, dan ChannelCoordinator.


78


BAB 3 MODEL ANALITIKAL THROUGHPUT MULTIKANAL

MAC DCF IEEE 1609.4

3.1 Pendahuluan

Salah satu permasalahan dalam penjaminan kualitas layanan (QoS) pada IEEE 1609.4

(VANET) adalah tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda

sehingga menyebabkan delay yang tinggi dan throughput yang rendah. Penjaminan kualitas

layanan pada standar IEEE 1609.4 dapat dilakukan dengan skema koordinasi saluran CCH dan

SCH secara dinamis. Hal ini dilakukan dengan optimasi pada proses sinkronisasi interval kanal

CCH dan SCH sehingga dapat mengurangi delay dan meningkatkan saturasi throughput saluran

SCH. Telah banyak skema dan pemodelan yang telah diusulkan untuk mengatasi masalah diatas,

namun penelitian yang diusulkan mempunyai keterbatasan dalam penjaminan kualitas layanan

(QoS).



membagi CCH Interval menjadi safety interval dan WAVE Service Advertisement (WSA)

interval. Skema ini dapat menyesuaikan rasio antara interval CCH dan interval SCH sesuai

dengan kondisi jaringan, sehingga dalam kondisi lalu lintas kendaraan yang berubah secara

dinamis, interval CCH dan SCH mampu menyediakan bandwidth yang tepat untuk memberikan

kedua paket keamanan/kontrol dan aliran aplikasi. Skema VCI yang dikembangkan oleh Wang

dkk [2]-[4] dirancang untuk meningkatkan saturasi throughput pada kanal SCH sambil

memastikan transmisi aplikasi keamanan (safety application).

Dalam beberapa tahun terakhir, komunikasi kecepatan tinggi di jalan raya (vehicular

communication) menjadi salah satu topik yang menjanjikan para peneliti dan industri untuk

dilakukan pengembangan dan penelitian lebih lanjut. Standar IEEE 802.11p merupakan standar

protokol jaringan untuk penyediaan jaringan Vehicular Ad hoc Networks (VANETs). Standar ini

mendukung untuk komunikasi Vehicle to Vehicle (V2V) dan Vehicle to Infrastructure (V2I) [1].

Berdasarkan standar IEEE 802.11p, VANETs menggunakan teknik komunikasi jarak pendek

atau Dedicated Short Range Communications (DSRC), dimana untuk meningkatkan keamanan


79


dan keselamatan berkendara, US Federal Communication Commission telah mengalokasikan

bandwidth 75 MHz dari spektrum DSRC 5,9 GHz [16].

Salah satu teknik optimasi yang dilakukan pada standar IEEE 1609.4 yaitu dengan

melakukan optimasi pada skala waktu. Hal ini dapat dilakukan dengan optimasi skema

koordinasi saluran CCH dan SCH secara dinamis, yaitu dengan melakukan optimasi pada proses

sinkronisasi interval kanal CCH dan SCH sehingga dapat mengurangi delay dan meningkatkan

saturasi throughput saluran SCH. Beberapa parameter yang mempengaruhi kinerja koordinasi

kanal dinamis akan dilakukan kajian lebih lanjut pada sub bab ini, yaitu pengaruh mobilitas

node, dan pengaruh kanal propagasi Nakagami.

Bagian selanjutnya dari Bab ini disusun sebagai berikut. Pada Subbab 3.2 dijelaskan

penelitian terkait pemodelan skema DCF, yaitu model DCF Bianchi, dan bidimensional Markov

chain. Pada Subbab 3.3 disampaikan pemodelan skema koordinasi kanal dinamis DCF berupa

skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dkk. dan pembuatan

persamaan matematis throughput skema DCF. Selanjutnya dijelaskan simulasi model analitikal

dan pembahasan hasil simulasi. Pada Subbab 3.4 dijelaskan simulasi model analitikal throughput

skema DCF. Perbandingan hasil simulasi model analitikal DCF dengan model Bianchi uga

disampaikan pada bagian akhir Bab ini.

3.2 Penelitian Terkait

Pada bab ini akan dibahas pengembangan model skema koordinasi kanal dinamis DCF

berupa skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dkk. dan pembuatan

persamaan matematis throughput skema DCF seperti yang telah dijelaskan pada sub bab 2.6


80


p

0,Wp-20,20,10,0

i-1,0

0,Wp-2

pp p

p


pp p

p

m, Wm-2m,2m,1m,0

pp p

m,Wm-1

1-p

1-p

1-p 1-p 1-p

(1-p)/W0

p/Wi

1-p 1-p

p/Wmp/Wm

p/Wm

p/Wm

1-p

1-p 1-p 1-p

(1-p)/W0

p/Wi

Gambar 3.1 Model Markov chain pada Transmisi WAVE Service Advertisement (WSA) [2]-[4]

Dalam skema VCI MAC, panjang optimal dari interval CCH sangat penting bagi

kerjasama yang efektif dari sumber daya kanal pada CCH dan SCH, terutama dalam kondisi

trafik yang padat. Untuk mendapatkan selang optimal ini, pertama-tama kita menerapkan model

Markov chain untuk mengkaji perilaku node tunggal dan memperoleh probabilitas stasioner

bahwa node mengirimkan WAVE Service Advertisement (WSA) atau paket RFS di setiap slot


dikonsumsi pada kanal CCH untuk melakukan negosiasi pengiriman paket layanan. Akhirnya,

dapat diperoleh rasio optimal antara interval CCH dan SCH.


81


3.2.1 Probabilitas Transmisi WAVE Service Advertisement (WSA)

Sebuah model Markov chain diusulkan untuk mendapatkan probabilitas stasioner yang

node mengirimkan WAVE Service Advertisement (WSA) atau paket RFS dalam slot waktu acak.

Menimbang bahwa WBSS memiliki node WAVE, yang dapat berkomunikasi satu sama lain

melalui hop tunggal. Hal ini diasumsikan bahwa sejumlah node tetap menyediakan layanan yang

selalu di bawah kondisi lalu lintas jenuh, yaitu, setiap node memiliki WAVE Service

Advertisement (WSA) atau paket RFS tersedia setelah reservasi sukses selama interval WAVE

Service Advertisement (WSA). Selain itu, baik kanal CCH dan SCH memiliki tingkat transmisi

yang sama.

Setiap state proses Markov bidimensional dapat direpresentasikan oleh dan

merupakan proses stokastik yang mewakili ukuran backoff window dan backoff state untuk node

yang diberikan pada slot waktu t, masing-masing. Nilai menjadi tahap backoff maksimum dan

menjadi Contention Window maksimal dari tahapan backoff , di mana ,

dan = . Proses sebuah node mencoba untuk mengirim interval WAVE Service

Advertisement (WSA) atau RFS paket pada slot waktu pada state menjadi independen.

Misalkan adalah probabilitas tabrakan lebih dari satu node melakukan transmisi dalam slot

waktu yang sama. Kemudian, proses bidimensional dapat dimodelkan dengan

Discrete-Time Markov chain (DTMC), seperti ditunjukkan pada Gambar. 3.1.

Model Markov chain yang dikembangkan pada skema Variable CCH Interval (VCI)

sebagai berikut, pertama ketika sebuah node mendeteksi bahwa kanal dalam kondisi sibuk,

waktu counter backoff pada model ini akan menunda sampai kanal tersebut terdeteksi akan

kembali dalam kondisi idle. Kedua, ketika tahap backoff node melebihi nilai maksimal m, maka

akan tetap bernilai m sampai paket WAVE Service Advertisement (WSA) atau RFS berhasil

ditransmisikan, bukan di reset ke nilai 0. Distribusi tetap dari Markov chain dapat

direpresentasikan sebagai . Dengan

mengembangkan model Markov chain Bianchi, maka probabilitas transisi yang digunakan oleh

Wang dalam Gambar 3.3 dapat dirumuskan sebagai berikut :


82


(3.1)

Persamaan diatas dapat dijelaskan bahwa :

1) Setelah pengiriman paket WAVE Service Advertisement (WSA) atau RFS berhasil dilakukan,

maka tahapan backoff untuk paket baru akan di reset menjadi 0.

2) Apabila pengiriman paket WAVE Service Advertisement (WSA) atau RFS gagal dilakukan,

maka akan membuat nilai backoff stage meningkat.






Sedangkan untuk pembuatan model analitikal throughput skema DCF akan menggunakan

model referensi yang dikembangkan oleh Bianchi, seperti yang telah dijelaskan pada sub bab 2.5.


. Transmisi akan terjadi ketika counter

waktu backoff adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi dalam

slot waktu random adalah :

(3.2)




83


(3.3)


persamaan kedua dari (3.3) didapatkan dari . Persamaan ketiga dari (3.3)

didapatkan dari kondisi dan kondisi , jadi :

(3.4)

Semua nilai dari persamaan (3.4) diatas dapat diekspresikan sebagai fungsi dari nilai

dan kondisi probabilitas collision p dengan kenyataan bahwa penjumlah semu nilai


Jadi dapat dituliskan kembali sebagai berikut :


84


Akhirnya berdasarkan persamaan (2) dan (8) merupakan dua buah sistem persamaan non

linier yang memiliki penyelesaian spesifik dan dapat diselesaikan secara numerik untuk

mendapatkan nilai dan , salah satunya dapat diselesaikan dengan Matlab. Jika nilai dan

sudah didapatkan maka throughput saturasi skema DCF yang merupakan rata-rata payload

informasi yang dapat ditransmisikan dalam slot waktu dapat dihitung berdasarkan rumus berikut

:

Dimana adalah probabilitas hanya satu STA yang melakukan transmisi

dalam slot waktu, adalah ukuran rata-rata payload paket, adalah rata-rata waktu yang

dibutuhkan untuk mentransmisikan sebuah paket dengan ukuran (termasuk periode Inter

Frame Space), adalah probabilitas transmisi berhasil dilakukan,

adalah durasi kanal dalam kondisi idle (sama dengan satu slot waktu) dan adalah durasi waktu

collision.

3.3 Pemodelan skema koordinasi kanal dinamis

Pada bagian ini diajukan model analitikal yang dapat digunakan untuk memperkirakan

throughput DCF pada operasi Multikanal standar IEEE 1609.4, dengan menggunakan skema

Variable CCH Interval (VCI) dan mempertimbangkan pengaruh kanal fading nakagami. Model

analitikal yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS dengan laju


85


transmisi data tetap untuk semua node. Pada model yang diajukan menggunakan kanal propagasi

Nakagami.

Pada sub bab selanjutnya akan dibahas pengembangan skema Variable CCH Interval (VCI)

dengan menggunakan model Markov chain bidimensional untuk memperkirakan throughput

DCF pada operasi Multikanal standar IEEE 1609.4. Model Markov chain yang diajukan

sebelumnya tidak mempertimbangkan pengaruh propagasi kanal Nakagami serta noise Additive

White Gaussian Noise (AWGN) pada operasi Multikanal standar IEEE 1609.4.

3.3.1 Model Markov chain Bidimensional

Pada model Markov chain yang diajukan dapat dijelaskan sebagai berikut, didefinisikan

bahwa merupakan model Markov chain bidimensional waktu diskrit yang

merepresentasikan sutau random proses yang diajukan.

0,10,01-p

i,0 i,1 i,W-2

M, 0

1-p

p p

1-p 1-p

p p

1-p 1-p

p p

0,W-2

M, W-2

p/w

p/w

M,1

M+1,0 M+1,W-2M+1,11-p 1-p

p p

p/w

M+f,0 M+f,W-2M+f,11-p

p p

1-p

p/w

i-1,0 i-1,1 i-1,W-21-p 1-p

p pp/w

(1-p

)/ wi

p/wi

Gambar 3.2 Model Markov chain Bidimensional Perdana dkk.


86


Didefinisikan adalah suatu random proses yang merepresentasikan nilai dari backoff

stage dari suatu node dengan nilai . Kemudian dapat didefinisikan sebagai nilai

dari backoff counter dari suatu node pada rentang pada suatu slot waktu. State dari

Markov chain direpresentasikan sebagai , , , dimana i, k

merepresentasikan backoff stage i, dan nilai backoff counter i.


. Dengan mengembangkan model Markov

chain Bianchi [12] dan Wang [2]-[4], maka probabilitas transisi dari Gambar 3.2 dapat

dirumuskan sebagai berikut :

,

(3.8)

Kemudian, probabilitas transisi state dari Markov Chain diatas. dapat dijelaskan sebagai

berikut:

1) Setelah pengiriman paket WAVE Service Advertisement (WSA) atau RFS berhasil dilakukan,

maka tahapan backoff untuk paket baru akan di reset menjadi 0.

2) Apabila pengiriman paket WAVE Service Advertisement (WSA) atau RFS gagal dilakukan,

maka akan membuat nilai backoff stage meningkat.







87


6) Sedangkan apabila transmisi tidak berhasil dilakukan karena adanya error/fading, maka nilai

Contention Window (CW) akan ditahan pada nilai maksimal yang terakhir.

Berdasarkan model Markov chain diatas, dapat dirumuskan sebagai berikut

(3.9)

(3.10)

Dengan mempertimbangkan adanya fading Nakagami pada kanal propagasi yang digunakan,

maka dapat diperoleh rumusan sebagai berikut :

(3.11)

(3.12)

Dimana dapat didefinisikan rentang nilai adalah kondisi kanal propagasi akibat adanya

fading Nakagami.

Kemudian, adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service

Advertisement (WSA) atau RFS dalam slot waktu yang bebas akibat adanya fading Nakagami

dapat dinyatakan sebagai :

Kemudian untuk menghitung nilai maka akan menggunakan persamaan pada model Bianchi

(3.14)

Maka dapat dicari nilai dengan mempertimbangkan kondisi kanal propagasi akibat adanya

fading Nakagami dalam rentang sebagai berikut


88


(3.15)

Kemudian dapat dicari nilai terhadap nilai sebagai berikut

(3.16)

(3.17)

(3.18)

Kemudian dengan menggunakan persamaan (3.14) dan (3.18) maka dapat diperoleh persamaan

sebagai berikut

(3.19)

Kemudian dengan melakukan proses normalisasi pada distribusi tetap, maka diperoleh nilai

sebagai berikut :

Dengan menggunakan persamaan (3.20), (3.21), dan (3.22) maka akan diperoleh nilai sebagai

berikut :


89


adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service Advertisement

(WSA) atau Request for Send (RFS) dalam slot waktu yang bebas akibat adanya fading

Nakagami.

Dengan menggunakan persamaan di atas maka akan diperoleh nilai probabilitas , yaitu



(3.24)



Kemudian setelah dilakukan studi analitikal dengan model bidimensional Markov chain, maka

sub bab selanjutnya akan dijelaskan pengembangan model Variable CCH Interval (VCI) dengan

menggunakan Network Simulator-3 (NS-3).

3.3.2 Model Variable CCH Interval (VCI) di Network Simulator-3 (NS-3)

Pada sub bab ini akan dijelaskan mengenai pengembangan model Variable CCH Interval

(VCI) dengan mempertimbangkan kanal propagasi Nakagami dan penambahan slot informasi

pada kanal Synchronization Channel (SCH) dengan menggunakan tools Network Simulator

(NS-3).


90


// CIvci_f2: The SCH Interval diumumkan dalam bingkai VCI

// CISI: The SCH Interval diumumkan dalam data

// CIack: The CCH Interval diumumkan di ACKframe

// CIrfs_f: The CCH Interval diumumkan pada RFSframe

// CIrfs_f2: Interval SCH diumumkan pada RFSframe

// Mengatur default CCH interval dan SCH Interval

m = Distributed Variabel Acak;

Interferer_Node = 2;

fungsi AWGN (nomor Signal, TxPowerNakagami);

sigpower = 10 * log10 (TxPowerNakagami);

noise = sigpower-SNR;

kebisingan = std :: pow (10, (noise / 10));

ResultPower = TxPowerNakagami + (sqrt (1 * noise)) * randn (1,10, Signal nomor);

endfunction;

Jika (SendIpPackets dan SendWsmpPackets) kemudian

NakagamiPropagationLossModel () = ((2 * std :: pow (m, m)) / std :: pow (tgamma (m), m)) * (std :: pow

(Signal, (2 * m-1)) * exp (- ((m / 1) * std :: pow (sinyal, 2))));

Lossresult = AWGN (SignalNumber, NakagamiPropagationLossModel ());

PropagationLoss = Lossresult;

selesai jika;

Jika jarak (Node, Node lain) <= 150m kemudian

Node tetangga = Node lain;

selesai jika;

Jika siaran (Interferer_Node) dan siaran (Neighbour_Node) maka

Jika jarak (Interferer_Node, Node)> 150m kemudian

Jika jumlah kanal sama (Interferer_Node, Node) maka

Interferer;

yang lainnya

Tidak interferere;

selesai jika;

selesai jika;

selesai jika;

jika CIprev nol tidak sama maka

CIcurr = CIprev

yang lainnya

CIcurr = 50 ms

selesai jika


91


mengulang kembali

Mengacak SIcurr; // Perbarui nilai acak antara 0 hingga 100 ms SCH Interval

Memperbarui CIvci_f2; Memperbarui CIwsa_f2; Memperbarui CIrfs_f2;

Memperbarui CIcurr; Memperbarui CIvci_f; Memperbarui CISI; Memperbarui CIwsa_f; Perbarui CIack;

Memperbarui CIrfs_f;

Sampai Delay saat ini <= Delay sebelumnya dan Throughput saat ini > Throughput sebelumnya;

// Update Interval CCH dan SCH Interval saat menerima frame VCI

jika menerima bingkai VCI kemudian

jika itu adalah pertama kalinya menerima bingkai VCI kemudian





yang lainnya jika CIcurr <CIvci_f kemudian

CIcurr = CIvci_f

selesai jika

selesai jika

// Perbarui CCH Interval saat menerima WSA / RFS / ACK

bingkai

jika menerima WSA / RFS / ACK bingkai kemudian

jika belum menerima frame VCI kemudian





yang lainnya jika WSA / RFS / ACK frame dari node akan

terhubung untuk kemudian

// Di bawah RSUs berbeda

jika CIcurr <CIwsa_f kemudian

CIcurr = CIwsa_f

selesai

selesai

selesai

Gambar 3.3 Skema pengembangan Variable CCH Interval (VCI)


92


Berdasarkan skema yang dikembangkan di atas, dapat dijelaskan bahwa sama dengan

skema yang dikembangkan sebelumnya, skema ini diawali dengan inisialisasi nilai awal VCI =

50 ms, kemudian proses selanjutnya akan dilakukan update nilai CCH interval pada frame VCI

frame, WSA/RFS/ACK, dan frame channel gossip pada kanal CCH dan SCH dengan

mempertimbangkan dengan kanal propogasi fading nakagami dengan pengaruh noise AWGN,

mobilitas node, dan propagasi kanal Nakagami. Sedangkan untuk pengembangan skema

Variable CCH Interval (VCI) pada modul Network Simulator (NS-3).

WaveNetDevice

ChannelManager

VSARepeater ChannelCoordinator

SchChannelScheduler

OcbWifiMac

DcaTxop MacRxMiddle

MacLow

YansPhy

Wifi channelFor VANET

SendSend WsmpSend Vsa

ForwardUpForwardVsa

DcaManager

Implementasi Modul

Eksisting Modul

Kanal CCH Kanal SCH

Interval CCH Interval WSA Interval SCH

Nakagami Propagasi kanal

Additive White

Gaussian Noise

Interval Penjaga Interval Penjaga

Gambar 3.4 Implementasi pengembangan Variable CCH Interval (VCI) di NS-3

Implementasi kanal CCH dank anal SCH dengan menambahkan interval kanal CCH, WSA,

dan SCH pada NS-3 diported dari SchChannelScheduler dan ChannelManager yang meruapakan


93


pengembangan dari modul Wifi yang dibuat oleh Junling. Junling pertama kali membuat proyek

model Wireless Access Vehicular Environment (WAVE) yang merupakan pengembangan dari

modul WiFi PHY/MAC 802.11. Pada modul tersebut Junling menambahkan

SetChannelScheduler, ChannelManager, VSARepeater, dan ChannelCoordinator.

Kemudian pada disertasi ini, dicoba dikembangkan model Multikanal VANET, dengan

menggunakan kanal Control Channel (CCH) dan Service Channel (SCH). Komponen ini pada

NS-3 terdiri dari beberapa modul dan subclass. Arsitektur implementasi Multikanal VANET

pada NS-3 diperlihatkan pada Gambar 3.4. Pada model ini dikembangkan interval CCH, WSA,

dan SCH pada masing-masing kanal Control Channel (CCH) dan Service Channel (SCH).

Pada model ini juga dikembangkan untuk modul dan subclass Nakagami dan Additive

White Gaussian Noise (AWGN) pada NS-3 diported dari YANS (Yet Another Network

Simulator) yang merupakan sebuah proyek model prototipe WiFi PHY/MAC 802.11 yang dibuat

oleh Mathieu Lacage dan Tom Hederson dari group penelitian INRIA [50] yang pada awalnya

dibuat untuk NS-2.

Kemudian setelah dilakukan implementasi di Network Simulator-3 (NS-3), maka pada sub

bab selanjutnya dapat dicari persamaan untuk dilakukan analisis nilai interval waktu dari akses

kanal CCH pada skema koordinasi kanal dinamis.

3.3.3 Interval waktu dari akses kanal CCH

Selanjutnya, untuk melakukan analisis nilai interval waktu dari akses kanal CCH, maka

dibuat model contention kanal CCH yang merupakan pengembangan dari model sebelumnya

[6-8].


94


Gambar 3.5 Model baru contention reservasi kanal CCH Perdana dkk.

Didefinisikan bahwa nilai merepresentasikan interval waktu dari akses contention

kanal CCH pada saat reservasi berhasil dibuat dengan mempertimbangkan kondisi kanal

propagasi akibat adanya fading Nakagami. Dapat diasumsikan bahwa node penyedia layanan

selalu memiliki paket WAVE Service Advertisement (WSA). Dalam melakukan analisa untuk

transmisi paket WAVE Service Advertisement (WSA) atau RFS dapat dijelaskan sebagai berikut

[6-8]

1) Pada setiap slot waktu selama interval WAVE Service Advertisement (WSA), perjanjian

dalam reservasi kanal yang berhasil dibuat direpresentasikan dengan probabilitas ,

sedangkan probabilitas kanal mengalami tabrakan dalam slot waktu yang sama

direpresentasikan dengan , dan probabilitas kanal dalam kondisi idle

direpresentasikan dengan . Berdasarkan pada kondisi tersebut, maka dapat

dirumuskan sebagai berikut [6-8]


95


=

= (3.17)

=

=

2) Sedangkan untuk menghitung probabilits paket error akibat pengaruh kanal Nakagami, dapat

dihitung dengan menggunakan persamaan probabilitas collision dan probabilitas error yang

saling bebas (independent), yaitu dengan menggunakan persamaan (101), (109), dan (113)

serta referensi [15] sebagai berikut

(3.18)

(3.19)

Dimana didefinisikan sebagai probabilitas error karena adanya fading Nakagami

dan didefinisikan sebagai probabilitas bit error pada modulasi QPSK, 16 QAM,

dan 64 QAM.

3) Sedangkan , , dan menunjukkan durasi slot waktu dalam kondisi idle, durasi

slot waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal

berhasil dilakukan. Sedangkan menunjukkan durasi slot waktu dalam kondisi error

akibat adanya pengaruh fading Nakagami. Berdasarkan definisi tersebut maka dapat


(3.20)


96



paket WAVE Service Advertisement (WSA), RFS, dan ACK. Dapat diasumsikan bahwa nilai

= . Sedangakn dan masing-masing merupakan waktu SIFS dan DIFS.



Persamaan dapat diperoleh dengan melalui rumus sebagai berikut [6-8].

(3.21)

Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai

sebagai berikut

(3.22)

Kemudian nilai random variable dapat didefinisikan sebagai berikut

, / ( + )

, / ( + ) (3.23)

, / ( + )

Selanjutnya dengan menggunakan persamaan (3.22) dan (3.23), maka didapatkan


/ ( + ) + / ( + ) (3.24)



P K = k = . , k = 1, 2, 3, … (3.25)




97


𝐸 𝑋 = (1/𝑃𝑠𝑢𝑐 ) 𝐸[𝑍] + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐 + 𝑇𝑒𝑟𝑟𝑜𝑟 (3.26)

𝐸 𝑋 = (𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 ) + 𝑃𝑐𝑜𝑙/ (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑐𝑜𝑙 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 / (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐

(3.27)

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙 .𝑇𝑐𝑜𝑙/𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 .𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐+𝑇𝑠𝑢𝑐 (3.28)

Kemudian setelah diperoleh rumus untuk E[X] maka pada sub bab berikutnya akan

dilakukan perhitungan terhadap kinerja Aggregate Throughput dengan mempertimbangkan kanal

propagasi Nakagami.

3.3.3 Evaluasi Kinerja Aggregate Throughput

Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi

kanal CCH dan SCH dinamis dengan mempertimbangkan kondisi kanal propagasi akibat adanya

fading Nakagami. Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut, pertama

didefiniskan nilai yang merupakan rata-rata payload informasi yang dapat

ditransmisikan dalam slot waktu pada kanal SCH

= + + + + + (0.29)

Selanjutnya, dapat didefiniskan bahwa nilai , , , dan menunjukkan

interval waktu pada kanal CCH, SCH, interval waktu untuk mentransmisikan paket WAVE

Service Advertisement (WSA), dan aplikasi keamanan (Safety Application). Sedangkan interval

sinkronisasi merupakan total dari interval CCH dan SCH dan dapat direpresentasikan dengan

.

+

(3.30)

Kemudian didefinisikan bahwa merupakan rasio antara dan

(3.31)


98





Dimana

; (3.36)

(3.37)

(3.38)

Dengan menggunakan persamaan sebagai probabilitas Symbol Error Rate (SER)


99


Dimana adalah rata-rata fading SNR, adalah gain kanal, dan adalah koefisien

korelasi fading, dimana nilai nya adalah

Selanjutnya berdasarkan referensi [17], maka didapatkan rumus Aggregate Throughput

dengan menggunakan persamaan sebagai berikut :

(3.40)

Salah satu tantangan dalam penjaminan kualitas layanan (QoS) pada IEEE 1609.4 adalah


delay yang tinggi dan throughput yang rendah. Maka dari itu pada sub bab selanjutnya akan

dilakukan evaluasi terhadap delay transmisi yang dihasilkan pada kanal CCH dan SCH di standar

IEEE 1609.4.

3.3.4 Evaluasi Kinerja delay transmisi kanal CCH dan SCH

Pada bagian ini akan dibahas evaluasi dan analisa kinerja delay transmisi kanal CCH dan

SCH dengan menggunakan model Markov chain pada Gambar 3.3. Kajian analisa yang

dilakukan dapat dijelaskan sebagai berikut, pertama nilai rasio yang optimal antara interval CCH

dan SCH dapat dicapai apabila jumlah reservasi yang dilakukan di kanal CCH sama dengan

jumlah paket layanan yang ditransmisikan di kanal SCH, dalam kondisi , dengan tidak

ada kanal yang dalam kondisi idle, yaitu untuk membuat lebih banyak reservasi kanal CCH

selama interval WAVE Service Advertisement (WSA) atau untuk melakukan transmisi paket

layanan yang lebih selama interval SCH.

Berdasarkan penjelasan pada sub bab 2.6 dengan model referensi Wang maka dapat

diperoleh rumus sebagai berikut

β = = = (0.41)

β = (0.42)

Selanjutnya dengan menggunakan model referensi Wang dan penjelasan pada sub bab 2.6, maka

dapat diperoleh rumus sebagai berikut


100


=

(0.43)

Akhirnya, dengan menggunakan persamaan (3.33) dan (3.35) diatas, maka nilai interval CCH


berikut

= (0.44)



E[T ] = ( + 1) . (0.45)

E[T ] = (0.46)

Kemudian setelah dilakukan kajian analisa nilai estimasi model kanal propagasi Nakagami, maka

pada sub bab selanjutnya akan dibahas mengenai simulasi dan pembahasan simulasi yang telah

dilakukan.

3.4 Simulasi dan Pembahasan Hasil

Pada bagian ini digunakan simulasi matematis untuk menganalisis pengaruh

pengembangan skema koordinasi kanal Variable CCH Interval (VCI) terhadap mobilitas node

dengan menggunakan model bidimensional Markov chain pada standar IEEE 1609.4. Kinerja

diukur dengan menghitung kinerja nilai interval waktu pada kanal CCH. Disamping itu, juga

diukur kinerja aggregate throughput dan nilai rata-rata delay transmisi pada kanal CCH. Kinerja

yang diukur dilakukan pada kondisi laju pengiriman data tetap (fixed data rate transmission) dan

dengan memperhatikan kondisi kanal propagasi akibat adanya fading nakagami. Hasil simulasi

memperlihatkan model DCF yang diajukan dapat memperkirakan interval waktu pada kanal

CCH berdasarkan model contention reservasi kanal CCH. Model DCF yang diajukan dapat


101


memperlihatkan throughput yang dihasilkan sesuai dengan kebutuhan amandemen standar IEEE

1609.4.

3.4.1 Kinerja nilai interval waktu pada kanal CCH (CCH Interval)

Simulasi matematis digunakan untuk menginvestigasi nilai interval waktu pada kanal

CCH dengan skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan

adanya kondisi kanal propagasi akibat adanya fading nakagami. Hasil interval waktu pada kanal

CCH dihitung berdasarkan dua variabel, yaitu jumlah paket data yang dikirim dan nilai interval

SCH. Pengaruh kedua variabel tersebut terhadap menginvestigasi nilai interval waktu pada kanal

CCH pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada simulasi

MATLAB yang dijalankan, juga dihitung laju data transmisi dan jumlah node tetap terhadap

model Bianchi dan model Wang. Nilai interval waktu pada kanal CCH pada model Bianchi dan

model Wang ini digunakan sebagai pembanding terhadap model DCF yang diajukan.

Simulasi kinerja Aggregate Throughput pada kanal SCH berdasarkan variabel jumlah

paket data diatur sebagai berikut. Besarnya jumlah paket data ditentukan sesuai dengan standar

802.11p, yaitu 128, 256, 512, 1024, 2048, 3096 bytes. Sedangkan nilai variable interval SCH

akan tergantung pada kondisi trafik jaringan dan jumlah reservasi kanal CCH. Kemudian,

simulasi yang dilakukan dengan menggunakan parameter laju transmisi dan jumlah node yang

tetap. Sedangkan parameter yang lainnya sesuai dengan standar 802.11p.

Berikut parameter yang digunakan untuk simulasi dan analisis Kinerja interval waktu

pada kanal CCH.


102


Tabel 3.1 Parameter interval waktu pada kanal CCH

Parameter Nilai

Protocol MAC IEEE 1609.4

Percobaan 10000 kali

Jumlah kanal CCH 1 Jumlah kanal SCH 6

Payload paket data

service

500 - 2000 bytes

PHY header 192 bits

MAC header 256 bits

WAVE Service

Advertisement

(WSA)/RFS

160 bits + PHY header

ACK 112 bits + PHY header

Slot time 20 μs

SIFS 10 μs

DIFS 50 μs

Parameter fading (m) 0.5

Kecepatan node 120 km/jam

Modulasi QPSK, 16-QAM, 64-QAM

0 500 1000 1500 2000 2500 3000 3500 4000 45000.0415

0.042

0.0425

0.043

0.0435

0.044

0.0445

0.045

0.0455

CC

H In

terv

al (s

)

Payload Data (Bytes)

CCH Interval (Nakagami fading)

CCH Interval(Model Qing Wang)

CCH Interval(NS-3)

Gambar 3.6 Kinerja interval waktu pada kanal CCH (QPSK)


103


0 500 1000 1500 2000 2500 3000 3500 4000 45000.0415

0.042

0.0425

0.043

0.0435

0.044

0.0445

0.045

0.0455C

CH

In

terv

al (s

)




CCH Interval(NS-3)

Gambar 3.7 Kinerja interval waktu pada kanal CCH (16-QAM)

0 500 1000 1500 2000 2500 3000 3500 4000 45000.0415

0.042

0.0425

0.043

0.0435

0.044

0.0445

0.045

0.0455

CC

H In

terv

al (s

)




CCH Interval(NS-3)

Gambar 3.8 Kinerja interval waktu pada kanal CCH (64-QAM)

Dengan melihat perbandingan antara grafik interval waktu pada kanal CCH diatas, dapat

dianalisa sebagai berikut :

Berdasarkan model DCF yang diajukan, telah dilakukan evaluasi performansi pada

modulasi yang berbeda pada sistem OFDM, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil

simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-


104


masing modulasi pada sistem OFDM standar 802.11p mempengaruhi probabilitas pengiriman

paket WSA yang dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang paling

baik dibandingkan modulasi 16 QAM dan 64 QAM, yaitu dengan rata-rata sebesar 3.71%. BER

yang dihasilkan pada modulasi QPSK paling rendah dibandingkan dengan modulasi 16 QAM

dan 64 QAM. Dimana BER yang dihasilkan oleh modulasi 16 QAM dan 64 QAM karena

memodulasikan 4 dan 6 simbol sehingga lebih rentan terhadap noise selama transmisi

dibandingkan dengan modulasi QPSK yang hanya memodulasikan 2 simbol.

Model DCF yang diajukan oleh disertasi ini dapat meningkatkan nilai probabilitas

pengiriman paket WSA terhadap adanya kanal propagasi Nakagami dengan rata-rata (mean)

sebesar 0.90 % dan standar deviasi sebesar 0.26%. Hasil ini jauh lebih baik apabila dibandingkan

dengan probabilitas pengiriman paket WSA yang dihasilkan oleh model Wang terhadap kanal

propagasi Nakagami, dengan rata-rata (mean) sebesar 0.04 % dan standar deviasi sebesar

0.0009%.

Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menggunakan model DCF yang

diajukan pada disertasi ini didapatkan hasil probabilitas pengiriman paket WSA lebih baik

dibandingkan dengan nilai probabilitas pengiriman paket WSA model Wang yaitu dengan nilai

rata-rata (mean) presentase kenaikan sebesar 0.05 % dan standar deviasi sebesar 0.03 %.

3.4.2 Kinerja Aggregate Throughput skema DCF

Sedangkan untuk menganalisis kinerja Aggregate Throughput pada kanal SCH dengan

skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan adanya kondisi

kanal propagasi akibat adanya fading nakagami. Hasil Aggregate Throughput pada kanal SCH

dihitung berdasarkan dua variabel, yaitu jumlah paket data yang dikirim dan nilai interval SCH.

Pengaruh kedua variabel tersebut terhadap menginvestigasi Aggregate Throughput pada kanal

SCH pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada simulasi

MATLAB yang dijalankan, juga dihitung dengan menggunakan parameter laju data transmisi

dan jumlah node tetap terhadap model Bianchi dan model Wang. Nilai interval waktu pada

kanal CCH pada model Bianchi dan model Wang ini digunakan sebagai pembanding terhadap

model DCF yang diajukan.


105


Simulasi kinerja Aggregate Throughput pada kanal SCH berdasarkan variabel jumlah

paket data diatur sebagai berikut. Besarnya jumlah paket data ditentukan sesuai dengan standar





Berikut parameter yang digunakan untuk simulasi dan analisis kinerja Aggregate

Throughput pada kanal SCH.

Tabel 3.2 Parameter aggregate throughput skema DCF

Parameter Nilai




Payload paket data

service

2000 bytes

PHY header 192 bits

MAC header 256 bits

WAVE Service

Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs



Modulasi QPSK, 16 QAM, 64 QAM


106


0 500 1000 1500 2000 2500 3000 3500 4000 45001

1.05

1.1

1.15

1.2

1.25

1.3

1.35

1.4

1.45

1.5x 10

4

Ag

gre

ga

te T

hro

ug

hp

ut (K

bp

s)


Aggregate Throughput(Model Qing Wang)

Aggregate Throughput(Nakagami fading)

Aggregate Throughput(NS-3)

Gambar 3.9 Kinerja Aggregate Throughput skema DCF (QPSK)

0 500 1000 1500 2000 2500 3000 3500 4000 45001

1.05

1.1

1.15

1.2

1.25

1.3

1.35

1.4

1.45

1.5x 10

4

Ag

gre

ga

te T

hro

ug

hp

ut (K

bp

s)





Gambar 3.10 Kinerja Aggregate Throughput skema DCF (16-QAM)


107


0 500 1000 1500 2000 2500 3000 3500 4000 45001

1.05

1.1

1.15

1.2

1.25

1.3

1.35

1.4

1.45

1.5x 10

4

Ag

gre

ga

te T

hro

ug

hp

ut (K

bp

s)






Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa

sebagai berikut :

Evaluasi kinerja aggregate throughput pada disertasi ini dilakukan terhadap tiga modulasi

yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat

disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem

OFDM standar 802.11p berpengaruh pada kinerja aggregate throughput yang dihasilkan. Pada

modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16

QAM. Berdasarkan dari persamaan (3.33), maka dapat disimpulkan bahwa hasil BER yang

tinggi akan diperoleh kinerja aggregate throughput yang paling rendah. Dari hasil performansi

yang dihasilkan, modulasi QPSK kinerja aggregate throughput yang paling baik dibandingkan

dengan modulasi 16 QAM dan 64 QAM, yaitu dengan rata-rata sebesar 0.45%. Hal ini karena

QPSK hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian

Noise (AWGN) selama transmisi.

Sedangkan model DCF yang diajukan oleh disertasi ini dapat meningkatkan nilai aggregate

throughput terhadap adanya kanal propagasi Nakagami dengan rata-rata (mean) sebesar 1.69 %

dan standar deviasi sebesar 0.84%. Hasil ini jauh lebih baik apabila dibandingkan dengan


108


aggregate throughput yang dihasilkan oleh model Wang terhadap kanal propagasi Nakagami,

yaitu dengan rata-rata (mean) sebesar 0.038 % dan standar deviasi sebesar 0.0009%.


diajukan pada disertasi ini didapatkan hasil aggregate throughput lebih baik dibandingkan

dengan nilai aggregate throughput model Wang yaitu dengan nilai rata-rata (mean) presentase

kenaikan sebesar 0.13 % dan standar deviasi sebesar 0.09 %.

3.4.3 Evaluasi kinerja delay transmisi kanal CCH dan SCH

Simulasi matematis digunakan untuk evaluasi kinerja delay transmisi kanal CCH dan

SCH dengan skema DCF yang dipengaruhi oleh model contention reservasi kanal CCH dan

adanya kondisi kanal propagasi akibat adanya fading nakagami. Hasil delay transmisi kanal CCH

dan SCH dihitung berdasarkan dua variabel, yaitu jumlah paket data yang dikirim dan nilai

interval SCH. Pengaruh kedua variabel tersebut terhadap menginvestigasi delay transmisi kanal

CCH dan SCH pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada

simulasi MATLAB yang dijalankan, juga dihitung dengan menggunakan parameter laju data

transmisi dan jumlah node tetap terhadap model Bianchi dan model Wang. Nilai interval waktu

pada kanal CCH pada model Bianchi dan model Wang ini digunakan sebagai pembanding

terhadap model DCF yang diajukan.

Simulasi kinerja delay transmisi kanal CCH dan SCH berdasarkan variabel jumlah paket

data diatur sebagai berikut. Besarnya jumlah paket data ditentukan sesuai dengan standar





Berikut parameter yang digunakan untuk simulasi dan analisis kinerja delay transmisi

kanal CCH dan SCH.


109


Tabel 3.3 Parameter delay transmisi kanal CCH dan SCH

Parameter Nilai




Payload paket data

service

2000 bytes

Laju transmisi 3 Mbps

PHY header 192 bits

MAC header 256 bits

WSA/RFS 160 bits + PHY header


Slot time 20 μs

SIFS 10 μs

DIFS 50 μs




0 500 1000 1500 2000 2500 3000 3500 4000 45000

0.002

0.004

0.006

0.008

0.01

0.012

0.014

Nila

i ra

ta-r

ata

de

lay tra

nsm

isi C

CH

(s)


Nilai rata-rata delay transmisi CCH (Model Qing Wang)

Nilai rata-rata delay transmisi CCH (Nakagami fading)

Nilai rata-rata delay transmisi CCH (NS-3)

Gambar 3.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK)


110


0 500 1000 1500 2000 2500 3000 3500 4000 45000

0.002

0.004

0.006

0.008

0.01

0.012

0.014N

ilai ra

ta-r

ata

de

lay tra

nsm

isi C

CH

(s)





Gambar 3.13 Kinerja delay transmisi kanal CCH dan SCH (16-QAM)

0 500 1000 1500 2000 2500 3000 3500 4000 45000

0.002

0.004

0.006

0.008

0.01

0.012

0.014

Nila

i ra

ta-r

ata

de

lay tra

nsm

isi C

CH

(s)





Gambar 3.14 Kinerja delay transmisi kanal CCH dan SCH (64-QAM)

Dengan melihat perbandingan antara grafik delay transmisi CCH diatas, dapat dianalisa

sebagai berikut :


111


Evaluasi kinerja delay transmisi CCH pada sistem OFDM dilakukan terhadap tiga modulasi,

yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan

bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar

802.11p berpengaruh pada kinerja delay transmisi CCH yang dihasilkan. Modulasi 64 QAM

dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM, karena

memodulasikan 6 simbol dan lebih rentan terhadap Additive White Gaussian Noise (AWGN).

Berdasarkan dari persamaan (3.44), maka dapat disimpulkan bahwa hasil BER yang tinggi akan

diperoleh kinerja delay transmisi CCH yang tinggi. Dari hasil performansi yang dihasilkan,

modulasi QPSK kinerja delay transmisi CCH yang paling baik dibandingkan dengan modulasi

16 QAM dan 64 QAM, yaitu dengan rata-rata sebesar 0.83%. Hal ini karena QPSK hanya

memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise

(AWGN) selama transmisi.

Sedangkan untuk delay transmisi CCH yang dihasilkan pada model DCF yang diajukan

yang lebih rendah dibandingkan nilai delay transmisi CCH dengan memperimbangkan adanya

kanal propagasi Nakagami yaitu dengan nilai rata-rata (mean) sebesar 0.40% dan standar deviasi

sebesar 0.45%. Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan pada disertasi ini

dapat menurunkan nilai delay transmisi CCH terhadap adanya kanal propagasi Nakagami dengan

rata-rata (mean) sebesar 16.84 % dan standar deviasi sebesar 15.52%. Hasil ini jauh lebih baik

apabila dibandingkan dengan delay transmisi yang dihasilkan oleh model Wang terhadap kanal

propagasi Nakagami.


diajukan pada disertasi ini didapatkan hasil delay transmisi CCH lebih baik dibandingkan dengan

nilai delay transmisi CCH model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan

sebesar 1.22 % dan standar deviasi sebesar 1.22 %.


112


BAB 4 MODEL ANALITIKAL THROUGHPUT ANOMALI KINERJA

MULTIKANAL MAC DCF IEEE 1609.4

4.1 Pendahuluan

Perkembangan infrasturktur jaringan wireless telah berkembang begitu cepat. Saat ini

jaringan ad hoc yang berbasis standar IEEE 802.11 cukup banyak tersedia baik di lingkungan

privat maupun di lingkungan publik. Dalam beberapa tahun terakhir, komunikasi kecepatan

tinggi di jalan raya (vehicular communication) menjadi salah satu topik yang menjanjikan para

peneliti dan industri untuk dilakukan pengembangan dan penelitian lebih lanjut. Standar IEEE

802.11p merupakan standar protokol jaringan untuk penyediaan jaringan Vehicular Ad hoc

Networks (VANETs). Standar ini mendukung untuk komunikasi Vehicle to Vehicle (V2V) dan

Vehicle to Infrastructure (V2I). Berdasarkan standar IEEE 802.11p, VANETs menggunakan

teknik komunikasi jarak pendek atau Dedicated Short Range Communications (DSRC), dimana

untuk meningkatkan keamanan dan keselamatan berkendara, US Federal Communication

Commission telah mengalokasikan bandwidth 75 MHz dari spektrum DSRC 5,9 GHz.

Berdasarkan standar yang dikeluarkan oleh kelompok kerja IEEE 1609 standar IEEE

1609.4 merupakan standar dasar dari sistem operasi Multikanal MAC pada VANETs. Standar

Operasi Multi Saluran IEEE 1609.4 telah diajukan pada tahun 2010 untuk meningkatkan

protokol IEEE 802.11p yang ada dengan operasi multi saluran pada penerima sinyal radio

tunggal. IEEE 1609.4 menerapkan skema akses baik waktu maupun frekwensi. Pada standar

IEEE 1609.4 didefinisikan mode operasi Multikanal nirkabel radio, termasuk operasi

interleaving dari kanal CCH dan SCH, parameter akses prioritas, dan karakteristik lain dari

MAC dan PHY pada VANETs.

Salah satu teknik optimasi yang dilakukan pada standar IEEE 1609.4 yaitu dengan

melakukan optimasi pada skala waktu. Hal ini dapat dilakukan dengan optimasi skema

koordinasi saluran CCH dan SCH secara dinamis, yaitu dengan melakukan optimasi pada proses

sinkronisasi interval kanal CCH dan SCH sehingga dapat mengurangi delay dan meningkatkan

saturasi throughput saluran SCH. Beberapa parameter yang mempengaruhi kinerja koordinasi


113


kanal dinamis akan dilakukan kajian lebih lanjut pada sub bab ini, yaitu pengaruh mobilitas

node, pengaruh efek Doppler, dan pengaruh kanal propagasi Nakagami.

Bagian selanjutnya dari Bab ini disusun sebagai berikut. Pada Subbab 4.2 dijelaskan

penelitian terkait pemodelan skema DCF, yaitu model DCF Bianchi, dan bidimensional Markov

chain. Pada Subbab 4.3 disampaikan pemodelan skema koordinasi kanal dinamis DCF berupa

skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dan pembuatan persamaan

matematis throughput skema DCF. Selanjutnya dijelaskan simulasi model analitikal dan

pembahasan hasil simulasi. Pada Subbab 4.4 disampaikan pemodelan mobilitas node dengan

menggunakan model referensi Yang, pembuatan persamaan matematis model Three-

Dimensional Markov Chain, kemudian dijelaskan simulasi model analitikal throughput skema

DCF. Perbandingan hasil simulasi model analitikal DCF dengan model Bianchi dan model

Tinnirello juga disampaikan pada bagian akhir Bab ini.


p

i,0,Wp-2i,0,2i,0,1i,0,0

I,k-1,0

i,0,Wp-2

pp p

p


pp p

p

i,Lretry,m, Wm-2


pp p

i,Lretry,m,Wm-1

1 1 1

(1-p)/W0

p/Wi

1 1

p/Wmp/Wm

p/Wm

1

1 1 1

(1-pc,i)/Wi,0

p/Wi

1/Wi,0

(Pc,i)/WL,k-1



114






random proses baru dapat didefinisikan. Dapat didefinisikan bahwa

pada suatu slot waktu t adalah suatu variabel random uniform pada rentang .

Dengan mengasumsikan probabilitas suatu frame yang ditransmisikan bertabrakan dengan frame

lain pada slot waktu tertentu dan probabilitas bahwa suatu kanal sedang sibuk adalah tidak

bergantung pada mekanisme backoff, maka dapat ditentukan sebagai suatu Markov chain

waktu diskrit. State dari Markov chain direpresentasikan sebagai , ,

, , dimana i, k, dan l merepresentasikan group i, backoff stage k,

dan nilai backoff counter l.

Kemudian, probabilitas transisi state dari Markov Chain diperlihatkan pada Gambar 4.1

dapat dijelaskan sebagai berikut:

, (4.1)

, (4.2)

, (4.3)

, (4.4)

, (4.5)

Dimana menunjukkan probabilitas bahwa suatu node pada group i dalam konidisi kanal

sedang sibuk dan menunjukkan probabilitas bahwa suatu frame dari suatu node pada group i

mengalami tabrakan (collision) secara berurutan. Probabilitas transisi ini dapat dijelaskan

sebagai berikut:

1. Counter backoff akan berkurang 1 ketika suatu node merasakan bahwa kanal sedang

dalam kondisi idle selama suatu slot waktu,

2. Counter backoff akan berhenti jika suatu node merasakan bahwa kanal sedang sibuk,


115


3. Suatu node memilih sebuah delay backoff dari backoff stage k selanjutnya setelah suatu

tranmisi yang gagal pada stage k-1,

4. Suatu node memilih sebuah nilai counter backoff menggunakan backoff window dari

backoff stage 0 jika framenya saat ini gagal ditransmisikan, dan mencoba untuk

mentransmisikan sebuah frame baru

5. Sebuah node mencoba melakukan transmisi pada batas maksimal, dan akan mencoba

untuk mentransmisikan sebuah frame baru baik untuk transmisi frame berhasil maupun

tidak.

Selanjutnya didefinisikan bahwa merupakan distribusi steady state dari Markov chain

untuk suatu node pada group , dengan backoff stage , dan nilai backoff counter . Hal ini dapat

direpresentasikan sebagai .

Sedangkan untuk pembuatan model analitikal throughput skema DCF akan digunakan

model referensi Wang seperti yang telah dijelaskan pada sub bab 2.5.

Untuk menganalisis nilai saturasi throughput dan nilai total rata-rata delay transmisi paket

layanan yang dihasilkan dapat dilakukan sebagai berikut

1) Didefiniskan bahwa merupakan total kanal SCH yang ada di jaringan VANET.

2) Didefiniskan bahwa nilai , , , dan menunjukkan interval waktu pada

kanal CCH, SCH, interval waktu untuk mentransmisikan paket WAVE Service

Advertisement (WSA), dan aplikasi keamanan (Safety Application). Sedangkan interval

sinkronisasi merupakan total dari interval CCH dan SCH dan dapat direpresentasikan

dengan .

(4.6)

3) Kemudian didefinisikan bahwa merupakan rasio antara dan

(4.7)


116


4) Selanjutnya nilai menunjukkan jumlah dari reservasi kanal CCH selama interval

WAVE Service Advertisement (WSA) dan merupakan jumlah paket yang berhasil

ditransmisikan selama interval SCH.

Selama interval CCH, harus disediakan waktu yang cukup untuk transmisi paket

keamanan (safety packet) khususnya pada interval keamanan (safety interval), dimana

dapat dirumuskan sebagai berikut

= x (4.8)

Dimana nilai menunjukkan total node yang mengirimkan safety packet,

menunjukkan kecepatan data (data rate) pada kanal CCH, merupakan faktor yang ditetapkan

berdasarkan lingkungan vehicular saat ini, selanjutnya menunjukkan frekuensi pengiriman dari

pesan keamanan (safety message).

Apabila panjang paket layanan (service packet) adalah tetap, maka durasi waktu

pengiriman paket layanan pada kanal SCH dapat didefinisikan sebagai berikut

(4.9)



(service packet).

Nilai rasio yang optimal antara interval CCH dan SCH dapat dicapai apabila jumlah

reservasi yang dilakukan di kanal CCH sama dengan jumlah paket layanan yang ditransmisikan

di kanal SCH, dalam kondisi , dengan tidak ada kanal yang dalam kondisi idle, yaitu

untuk membuat lebih banyak reservasi kanal CCH selama interval WAVE Service Advertisement

(WSA) atau untuk melakukan transmisi paket layanan yang lebih selama interval SCH.

Berdasarkan persamaan (4.6), (4.7), dan (4.9) diatas maka dapat diperoleh rumus

sebagai berikut

= (4.10)


117


Selanjutnya dengan menggunakan persamaan (4.9) dan (4.11), maka dapat diperoleh

rumus sebagai berikut

Akhirnya, dengan menggunakan persamaan (4.7), (4.9), dan (4.12) nilai interval CCH


berikut

= (4.13)



E[T ] = ( + 1) . (4.14)

E[T ] = (4.15)




= . . V (4.17)


118





Variable CCH Interval (VCI) dan mempertimbangkan pengaruh mobilitas node. Model

analitikal yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS tergantung

dari laju transmisi node, yaitu 3, 6, 12, dan 27 Mbps berdasarkan distribusi Poisson. Perbedaan

dengan model mobilitas sebelumnya, model yang dikembangkan dengan menggunakan tujuh zone

i node. Pada model yang diajukan menggunakan kanal propagasi Nakagami dan

memperhitungkan efek Doppler yang dihasilkan.


dengan menggunakan model Markov chain tiga dimensi untuk memperkirakan throughput DCF

pada operasi Multikanal standar IEEE 1609.4. Berdasarkan kajian penelitian sebelumnya [16],

[18], [19] mengenai model Markov chain tiga dimensi dilakukan untuk evaluasi anomali kinerja

(performance anomaly) pada IEEE 802.11. Model Markov chain yang diajukan sebelumnya

tidak mempertimbangkan pengaruh anomali kinerja (performance anomaly) pada operasi

Multikanal standar IEEE 1609.4.


Pada model Markov chain tiga dimensi yang diajukan dapat dijelaskan sebagai berikut,

didefinisikan bahwa merupakan model Markov chain tiga dimensi waktu

diskrit yang merepresentasikan sutau random proses yang diajukan.


119


Zone Classification:bà 3 Mbpscà 6 Mbpsdà 12 Mbpseà 27 Mbpsfà 12 Mbpsgà 6 Mbpshà 3 Mbps

a

e f

g

h

Initial Node

b

c

d

0,10,01-p

i,0 i,1 i,W-2

M, 0

1-p

p p

1-p 1-p

p p

1-p 1-p

p p

0,W-2

M, W-2

p/w

p/w

M,1

M+1,0 M+1,W-2M+1,11-p 1-p

p p

p/w

M+f,0 M+f,W-2M+f,11-p

p p

1-p

p/w

i-1,0 i-1,1 i-1,W-21-p 1-p

p pp/w

(1-p

)/w

i

p/ w

i

b c d e f g h

Sama untuk semua kondisi state model Markov chain yang digunakan

Gambar 4.2 Model Markov chain Tiga Dimensi Perdana dkk.

Dapat didefinisikan adalah suatu random proses yang merepresentasikan dari zone

dimana node tersebut berada. Sedangkan adalah suatu random proses yang

merepresentasikan nilai dari backoff stage dari suatu node pada group i dengan nilai .

Kemudian dapat didefinisikan sebagai nilai dari backoff counter dari suatu node pada zone

i. pada rentang pada suatu slot waktu. State dari Markov chain direpresentasikan

sebagai , , , , dimana i, k, dan l merepresentasikan

zone i, backoff stage k, dan nilai backoff counter l.




120


𝑃 𝑧, 𝑠,𝑏 𝑧, 𝑠,𝑏 + 1 = 1 −𝐸 𝑋

𝑡𝑧,dimana 𝑧 ∈ 1,𝑁 , 𝑠 ∈ 0,𝑚 , 𝑏 ∈ 0, 2𝑠𝑊𝑚𝑎𝑥 − 2 (4.13)

𝑃 𝑧, 𝑠,𝑏 𝑧 − 1, 𝑠,𝑏 + 1 =𝐸 𝑋

𝑡𝑧−1,dimana 𝑧 ∈ 2,𝑁 , 𝑠 ∈ 0,𝑚 , 𝑏 ∈ [0, 2𝑠𝑊𝑚𝑎𝑥 − 2] (4.14)

𝑃 𝑧, 𝑠,𝑏 𝑧, 𝑠,𝑏 =𝐸 𝑋

𝑡𝑧, dimana 𝑧 ∈ 1,𝑁 , 𝑠 ∈ 0,𝑚 ,𝑏 ∈ [1,𝑊𝑧 − 1] (4.15)

𝑃 𝑧, 𝑠,𝑏 𝑧 − 1, 𝑠,𝑏 =𝐸 𝑋

𝑡𝑧−1, dimana 𝑧 ∈ 2,𝑁 , 𝑠 ∈ 0,𝑚 ,𝑏 ∈ [1,𝑊𝑧 − 1] (4.16)

𝑃 𝑧, 0,𝑏 𝑧, 𝑠, 0 =1−𝑝𝑐𝑜𝑙

𝑊𝑧 1 −

𝐸[𝑇𝑥𝑠𝑢𝑐 ,𝑧 ]

𝑡𝑧 , dimana 𝑧 ∈ 1,𝑁 , 𝑠 ∈ 0,𝑚 ,𝑏 ∈ [0,𝑊𝑧 − 1] (4.17)

𝑃 𝑧, 0,𝑏 𝑧 − 1, 𝑠, 0 =1−𝑝𝑐𝑜𝑙

𝑊𝑧(1 −

𝐸 𝑇𝑥𝑠𝑢𝑐 ,𝑧−1

𝑡𝑧−1), dimana 𝑧 ∈ 2,𝑁 , 𝑠 ∈ 0,𝑚 ,𝑏 ∈ [0,𝑊𝑧 − 1]

(4.18)

𝑃 𝑧, 𝑠,𝑏 𝑧, 𝑠 − 1,𝑏 + 1 =𝑝𝑐𝑜𝑙

2𝑠𝑊𝑧(1 −

𝐸 𝑇𝑥𝑠𝑢𝑐 ,𝑧

𝑡𝑧),dimana 𝑧 ∈ 1,𝑁 , 𝑠 ∈ 0,𝑚 ,𝑏 ∈ [0, 2𝑠𝑊𝑧 − 1]

(4.19)

𝑃 𝑧, 𝑠,𝑏 𝑧 − 1, 𝑠 − 1,𝑏 + 1 =𝑝𝑐𝑜𝑙

2𝑠𝑊𝑧(1 −

𝐸 𝑇𝑥𝑐𝑜𝑙 ,𝑧−1

𝑡𝑧−1), dimana 𝑧 ∈ 2,𝑁 , 𝑠 ∈ 0,𝑚 ,𝑏 ∈ [0, 2𝑠𝑊𝑧 − 1]

(4.20)

𝑃 𝑧,𝑚, 𝑏 𝑧,𝑚, 0 =𝑝𝑐𝑜𝑙

2𝑚𝑊𝑧(1 −

𝐸 𝑇𝑥𝑐𝑜𝑙 ,𝑧

𝑡𝑧), dimana 𝑧 ∈ 1,𝑁 , 𝑏 ∈ [0, 2𝑠𝑊𝑧 − 1] (4.21)

𝑃 𝑧,𝑚, 𝑏 𝑧 − 1,𝑚, 0 =𝑝𝑐𝑜𝑙

2𝑚𝑊𝑧(1 −

𝐸 𝑇𝑥𝑐𝑜𝑙 ,𝑧

𝑡𝑧−1), dimana 𝑧 ∈ 2,𝑁 ,𝑏 ∈ [0, 2𝑠𝑊𝑧 − 1] (4.22)

Selanjutnya, dapat dijelaskan persamaan probabilitas transisi di atas sebagai berikut :

Persamaan (4.13) merepresentasikan probabilitas transisi dari setiap node pada zone i dan

slot waktu t dalam kondisi idle dan terjadi proses decrement pada backoff counter.

Persamaan (4.14) mengilustrasikan probabilitas transisi dari setiap node pada saat pindah ke

zone i+1 dan dalam kondisi idle dan terjadi proses decrement pada backoff counter.


slot waktu t dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi

idle kembali.


121


Persamaan (4.16) merepresentasikan probabilitas setiap node pada saat pindah ke zone i+1

dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi idle kembali.

Persamaan (4.17) merepresentasikan probabilitas saat kanal dalam sibuk karena node

berhasil melakukan transmisi frame pada slot waktu yang sama.


berhasil melakukan transmisi frame pada slot waktu yang sama dan pada saat node pindah ke

zone i+1.

Persamaan (4.19) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi

proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama.


proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dan

pada saat node pindah ke zone i+1.


proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang

maksimum.



maksimum dan pada saat node pindah ke zone i+1.

Distribusi tetap dari Markov chain yang diajukan diatas dapat direpresentasikan sebagai

. Transmisi akan terjadi ketika nilai backoff

counter adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi dalam slot

waktu random adalah :

(4.23)


122




𝑏𝑖 ,𝑘,0 = 𝑝𝑙𝑏𝑖 ,0,0, 0 < 𝑖 < 𝑁, 0 < 𝑘 < 𝑚, 0 < 𝑙 < 𝑤𝑖 ,𝑘 − 1

𝑏𝑖 ,𝑚 ,0 =𝑝𝑚

1−𝑝𝑏𝑖,0,0 (4.24)

𝑏𝑖 ,𝑘,𝑙 =Wi − k

Wi𝑏𝑖 ,𝑘 ,0, 𝑖 ∈ 1, N ,𝑘 ∈ 0, m , 𝑙 ∈ 0, Wi − 1


persamaan kedua dari (4.24) didapatkan dari . Persamaan ketiga dari

(4.24) didapatkan dari kondisi dan kondisi , jadi :

1 − 𝑝 𝑏𝑗 ,0. 𝑘 = 0𝑚𝑗=0

𝑁𝑖=1

𝑏𝑖 ,𝑘,𝑙 =Wi,k−𝑙

Wi,k

. 𝑝.𝑏𝑖 ,𝑘−1,0, 0 < 𝑘 < 𝑚 (4.25)

𝑝.𝑏𝑖 ,𝑚−1,0 + 𝑏𝑖 ,𝑚 ,0, 𝑘 = 𝑚

Semua nilai dari persamaan (4.25) diatas dapat diekspresikan sebagai fungsi dari

nilai dan kondisi probabilitas collision p dengan kenyataan bahwa penjumlah semu nilai



123


(4.26)

(4.29)




(4.30)




Selanjutnya, untuk melakukan analisis nilai interval waktu dari akses kanal CCH, maka dibuat

model contention kanal CCH yang merupakan pengembangan dari model sebelumnya [6-8].


124




kanal CCH pada saat reservasi berhasil dibuat dengan mempertimbangkan kondisi kanal akibat

adanya pengaruh Additive White Gaussian Noise (AWGN). Dapat diasumsikan bahwa node

penyedia layanan selalu memiliki paket WAVE Service Advertisement (WSA). Dalam melakukan

analisa untuk transmisi paket WAVE Service Advertisement (WSA) atau RFS dapat dijelaskan

sebagai berikut [6-8]




direpresentasikan dengan , dan probabilitas kanal dalam kondisi idle




125



𝑝𝑏𝑢𝑠𝑦 = 1 − 𝑝𝑖𝑑𝑙𝑒 = 1 − (1 − 𝜏)𝑛 (4.31)


𝑝𝑐𝑜𝑙 = 𝑝𝑏𝑢𝑠𝑦 − 𝑝𝑠𝑢𝑐 = 1 − (1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛−1

2) Sedangkan untuk menghitung probabilits paket error akibat pengaruh Additive White

Gaussian Noise (AWGN), dapat dihitung dengan menggunakan persamaan probabilitas

collision dan probabilitas error yang saling bebas (independent), yaitu (101), (109), dan

(113) serta referensi [15] sebagai berikut

(4.32)

(4.33)

Dimana didefinisikan sebagai probabilitas error karena adanya pengaruh Additive

White Gaussian Noise (AWGN) dan didefinisikan sebagai probabilitas bit error

pada modulasi QPSK, 16 QAM, dan 64 QAM.

3) Sedangkan , , dan menunjukkan durasi slot waktu dalam kondisi idle, durasi

slot waktu selama terjadinya tabrakan transmisi, dan durasi slot waktu reservasi kanal

berhasil dilakukan. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut

𝑇𝑖𝑑𝑙𝑒 = 𝑎𝑆𝑙𝑜𝑡𝑇𝑖𝑚𝑒

𝑇𝑐𝑜𝑙 = 𝑇𝑤𝑠𝑎 + 𝑇𝑑𝑖𝑓𝑠 (4.34)

𝑇𝑠𝑢𝑐 = 𝑇𝑤𝑠𝑎 + 𝑇𝑠𝑖𝑓𝑠 + 𝑇𝑎𝑐𝑘 + 𝑇𝑑𝑖𝑓𝑠

𝑇𝑒𝑟𝑟𝑜𝑟 = 𝑇𝑤𝑠𝑎 + 𝑇𝑑𝑖𝑓𝑠 + 𝑇𝑎𝑐𝑘


paket WAVE Service Advertisement (WSA), Request for Send (RFS), dan Acknowledgment

(ACK). Dapat diasumsikan bahwa nilai = . Sedangakn dan masing-

masing merupakan waktu SIFS dan DIFS.


126





(4.35)


sebagai berikut

(4.36)

Kemudian nilai variable dapat didefinisikan sebagai berikut

, / ( + )

, / ( + ) (4.37)

, / ( + )



/ ( + ) + / ( + ) (4.38)



P K = k = . , k = 1, 2, 3, … (4.39)




127


𝐸 𝑋 = 1/𝑃_𝑠𝑢𝑐 𝐸 𝑍 + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐 + 𝑇𝑒𝑟𝑟𝑜𝑟 (4.40)

𝐸 𝑋 = (𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 ) + 𝑃𝑐𝑜𝑙/ (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑐𝑜𝑙 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 / (𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐

(4.41)

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙 .𝐸 𝑇𝑐𝑜𝑙 /𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 .𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐 + 𝐸 𝑇𝑠𝑢𝑐 (4.42)

Dimana menunjukkan bahwa nilai rata-rata durasi satu slot waktu dimana node

dalam kondisi sibuk karena berhasil melakukan transmisi frame, sedangkan merupakan

nilai rata-rata durasi satu slot waktu dimana node dalam kondisi sibuk karena gagal melakukan

transmisi frame dan terjadi collision. Dan adalah probabilitas node berhasil melakukan

transmisi frame.

(4.43)

Sedangkan nilai menunjukkan bahwa durasi waktu node berhasil melakukan tranmsi frame

pada zone i.

(4.44)

Dapat didefinisikan merupakan nilai panjang paket payload, SIFS adalah durasi waktu

pendek dalam IFS, menunjukkan nilai laju transmisi data (transmission data rate), DIFS

adalah durasi waktu DIFS, dan merupakan durasi waktu transmisi paket ACK.

(4.45)

Dimana menunjukkan probabilitas node berhasil melakukan transmisi frame pada

zone i.

Sedangkan nilai direpresentasikan sebagai berikut

=

(4.46)


128


Dapat didefinisikan bahwa merupakan probabilitas homogeneous yang merepresentasikan

probabilitas collision bahwa hanya node pada zone z atau zone yang melakukan transmisi

frame, dimana nilai . Probabilitas merepresentasikan sebagai berikut

a. Node yang mengalami tabrakan di semua zone z.

b. Node yang mengalami tabrakan di semua zone .

c. Node mengalami tabrakan di zone z dan

(4.47)

Selanjutnya menunjukkan probabilitas diverse yang merepresentasikan probabilitas

collision bahwa paling sedikit satu node di zone z atau zone , dimana nilai , dan satu

atau lebih node yang melakukan dengan laju transmisi yang lebih tinggi . Probabilitas


(4.48)

Sedangkan nilai rata-rata durasi waktu transmisi paket mengalami collision pada slot waktu

yang sama di zone z dapat didefinisikan sebagai berikut

(4.49)


129


merupakan durasi waktu transmisi paket mengalami collision pada slot waktu yang

sama di zone z dapat dirumuskan sebagai berikut

(4.50)

Kemudian setelah diperoleh rumus untuk E[X], , , , , dan

maka pada sub bab berikutnya akan dilakukan perhitungan terhadap jumlah node di masing-

masing zone i dengan menggunakan distribusi Poisson dan mempertimbangkan kanal akibat

pengaruh Additive White Gaussian Noise (AWGN).

4.3.3 Perhitungan jumlah Node di setiap zone i


menggunakan distribusi Poisson dan mempertimbangkan kondisi kanal akibat adanya pengaruh

Additive White Gaussian Noise (AWGN). Kemudian dengan menggunakan distribusi node

dalam setiap zone i ini maka akan dapat dilakukan evaluasi akibat adanya anomali kinerja

karena perbedaan laju transmisi data yang berbeda di setiap zone..



dengan mempertimbangkan propagasi kanal Nakagami. Distribusi Nakagami-m adalah

probabilitas distribusi yang terkait dengan distribusi gamma. Fungsi kepadatan probabilitas (pdf)

dari kekuatan sinyal yang diterima [12,13] dapat ditulis sebagai

, for (4.51)





faktor fading.





130


(4.52)

Dengan melakukan subsitusi persamaan (1) ke (2) dan dengan definisi maka

dapat dihitung persamaan berikut

(4.53)

Dengan menggunakan

(4.54)


(4.55)


(4.56)

Dengan melakukan subsitusi persamaan (3.104) ke (3.105) dan mengintegralkan batas atas


(4.57)




sebagai = , di mana . Oleh karena itu, nilai rata-rata carrier sense range

dapat ditentukan sebagai berikut





131







server queue) seperti ditunjukkan pada Gambar 4.4.








(4.60)



(4.61)


132



selanjutnya adalah akan dibahas evaluasi dan analisa aggregate throughput yang dihasilkan

akibat adanya anomali kinerja yang disebabkan oleh laju transmisi data yang berbeda di setiap

zone.



kanal CCH dan SCH dinamis dengan mempertimbangkan kondisi error kanal dan adanya

fenomena anomali kinerja akibat adanya pengaruh Additive White Gaussian Noise (AWGN).

Kajian analisa yang dilakukan dapat dijelaskan sebagai berikut, pertama didefiniskan nilai

yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot

waktu pada kanal SCH

= + + + + (4.62)

Kemudian nilai rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu

pada kanal SCH dapat didefinisikan sebagai berikut

(4.63)

+ (4.64)



(service packet).

Jika nilai sudah didapatkan maka throughput saturasi skema DCF yang

merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal

SCH dapat dihitung berdasarkan rumus berikut :


133


Kemudian dengan menggunakan model Bianchi, maka dapat dihitung persamaan saturasi

throughput yang merupakan rata-rata payload informasi yang dapat ditransmisikan dalam slot

waktu pada kanal SCH dengan mempertimbangkan pengaruh bit error kanal adanya pengaruh

Additive White Gaussian Noise (AWGN) dapat dihitung berdasarkan rumus berikut :

(4.66)

(4.67)

(4.68)

(4.69)

(4.70)

Dimana dapat didefinisikan adalah jumlah node, adalah probabilitas dimana sebuah

node mengirimkan paket WAVE Service Advertisement (WSA) atau Request for Service (RFS)

dalam slot waktu yang bebas akibat adanya fading Nakagami. Sedangkan merupakan

probabilitas pengiriman paket data berhasil dilakukan, adalah jumlah payload informasi yang

dikirimkan. adalah laju data yang dikirimkan.

Dimana

; (4.71)

(4.72)

(4.73)



134



korelasi fading, dimana nilai nya adalah . Dimana didefinisikan sebagai

frekuensi penerima akibat pengaruh efek Doppler

𝑓𝑑 = 𝑐 + 𝑣𝑟𝑐 + 𝑣𝑠

𝑓0 (4.75)

adalah kecepatan rambat gelombang

adalah kecepatan pengamat (receiver) relatif terhadap medium

adalah kecepatan sumber gelombang relatif terhadap medium

adalah frekuensi sumber ( 5.9 GHz)

Selanjutnya berdasarkan referensi [17], maka didapatkan rumus Aggregate Throughput

dengan menggunakan persamaan sebagai berikut :

(4.76)

Salah satu tantangan dalam penjaminan kualitas layanan (QoS) pada IEEE 1609.4 adalah


delay yang tinggi dan throughput yang rendah. Maka dari itu pada sub bab selanjutnya akan

dilakukan evaluasi terhadap delay transmisi yang dihasilkan pada kanal CCH dan SCH di standar

IEEE 1609.4.


Pada bagian ini akan dibahas evaluasi dan analisa kinerja delay transmisi kanal CCH dan

SCH dengan menggunakan model Markov chain pada Gambar 4.2. Kajian analisa yang

dilakukan dapat dijelaskan sebagai berikut, pertama nilai rasio yang optimal antara interval CCH

dan SCH dapat dicapai apabila jumlah reservasi yang dilakukan di kanal CCH sama dengan


135


jumlah paket layanan yang ditransmisikan di kanal SCH, dalam kondisi , dengan tidak

ada kanal yang dalam kondisi idle, yaitu untuk membuat lebih banyak reservasi kanal CCH

selama interval WAVE Service Advertisement (WSA) atau untuk melakukan transmisi paket

layanan yang lebih selama interval SCH.

Berdasarkan penjelasan pada sub bab 2.6 dengan model referensi Wang maka dapat

diperoleh rumus sebagai berikut

β = = = (4.77)

β = (4.78)

Selanjutnya dengan menggunakan persamaan (4.71) dan (4.73), maka dapat diperoleh rumus

sebagai berikut

= (4.79)

Akhirnya, dengan menggunakan persamaan (3.37) dan (3.39) diatas, maka nilai interval CCH


berikut

= (4.80)



E[T ] = ( + 1) . (4.81)

E[T ] = (4.82)

Kemudian setelah dilakukan kajian analisa nilai estimasi model error kanal adanya pengaruh

Additive White Gaussian Noise (AWGN), maka pada sub bab selanjutnya akan dibahas

mengenai simulasi dan pembahasan simulasi yang telah dilakukan.


136


4. 4 Simulasi dan Pembahasan Hasil



dengan menggunakan model Markov chain tiga dimensi pada standar IEEE 1609.4. Kinerja

diukur dengan menghitung parameter probabilitas colliision yang terdiri dari homogeneous

collision dan diverse colliision di setiap zone i. Disamping itu, juga diukur Kinerja aggregate

throughput di setiap zone i. Kedua parameter tersebut dihitung dengan memperhatikan pengaruh

anomali Kinerja karena laju transmisi yang berbeda di setiap zone dan efek Doppler yang

dihasilkan. Hasil simulasi memperlihatkan model DCF yang diajukan dapat memperkirakan

interval waktu pada kanal CCH berdasarkan model contention reservasi kanal CCH. Model DCF

yang diajukan dapat memperlihatkan throughput yang dihasilkan sesuai dengan kebutuhan

amandemen standar IEEE 1609.4.

4.4.1 Kinerja probabilitas pengiriman paket WAVE Service Advertisement (WSA)

Simulasi matematis digunakan untuk menginvestigasi probabilitas pengiriman paket

WAVE Service Advertisement (WSA) dengan skema DCF yang dipengaruhi oleh model

contention reservasi kanal CCH dan adanya anomali Kinerja karena laju transmisi yang berbeda

di setiap zone. Hasil probabilitas pengiriman paket WAVE Service Advertisement (WSA) dihitung

berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone. Pengaruh

kedua variabel tersebut terhadap probabilitas transmisi paket WAVE Service Advertisement

(WSA) pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap

simulasi MATLAB yang dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah

distrbusi node di setiap zone terhadap model Bianchi dan model Yang. Probabilitas transmisi

paket WAVE Service Advertisement (WSA) pada model Wang dan model Yang ini digunakan

sebagai pembanding terhadap model DCF yang diajukan.

Simulasi Kinerja interval waktu pada kanal CCH berdasarkan variabel laju transmisi

diatur sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar

802.11p, yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan

membagi tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3


137


merupakan zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone

dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang

berbeda di setiap zone akan menyebabkan anomali Kinerja akibat adanya perbedaan laju

transmisi rendah terhadap laju transmisi yang tinggi.

Sedangkan untuk distribusi node di setiap zone berdasarkan distribusi Poisson dan

mempertimbangkan pengaruh Additive White Gaussian Noise (AWGN). Banyaknya distribusi

jumlah node di setiap zone akan mempengaruhi kinerja interval waktu pada kanal CCH dan

tingkat reservasi kanal CCH pada node di setiap zone. Selanjutnya setelah mendapatkan

distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai CW (Contention

Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya

anomali kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang

tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW

yang digunakan akan mempengaruhi kinerja yang dihasilkan. Hasil interval waktu pada kanal

CCH akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk [6-8].

Berikut parameter yang digunakan untuk simulasi dan analisis probabilitas pengiriman paket

WAVE Service Advertisement (WSA).


138


Tabel 4.1 Parameter probabilitas pengiriman paket WSA

Parameter Nilai


Zone Zone 1 – Zone 7



Payload paket data service 500 - 2000 bytes

Laju transmisi 3, 6, 12, 27 Mbps

PHY header 192 bits

MAC header 256 bits

WAVE Service Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs

Signal to Noise Ratio 20 dB

Kecepatan node 80-120 km/jam


1

2

3

4

5

6

7

0

10

20

30

40

50

60

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

ZoneDistribusi Node per Zone (nodes)

Pro

ba

bili

tas tra

nsm

isi p

ake

t W

SA

Probabilitas transmisi paket WSA(optimum initial CW)

Probabilitas transmisi paket WSA(Model Duck Yang)

Probabilitas transmisi paket WSA(Model Qing Wang)

Probabilitas transmisi paket WSA(Anomali kinerja)

Gambar 4.5 Probabilitas pengiriman paket WSA (QPSK)


139


12

34

56

7

0

20

40

60

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

0.8


Pro

ba

bili

tas tra

nsm

isi p

ake

t W

SA





Gambar 4.6 Probabilitas pengiriman paket WSA (16 QAM)

1

2

3

4

5

6

7

0

10

20

30

40

50

60

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6


Pro

ba

bili

tas tra

nsm

isi p

ake

t W

SA





Gambar 4.7 Probabilitas pengiriman paket WSA (64 QAM)

Dengan melihat perbandingan antara grafik probabilitas pengiriman paket WSA diatas,

dapat dianalisa sebagai berikut :

Berdasarkan model DCF yang diajukan, telah dilakukan evaluasi performansi pada

modulasi yang berbeda pada sistem OFDM, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil

simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-

masing modulasi pada sistem OFDM standar 802.11p mempengaruhi probabilitas pengiriman


140


paket WSA yang dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang paling

bagus dibandingkan modulasi QPSK dan 16 QAM. BER yang dihasilkan pada modulasi QPSK

paling rendah dibandingkan dengan modulasi 16 QAM dan 64 QAM, yaitu dengan nilai rata-rata

sebesar 2.71%. Dimana BER yang dihasilkan oleh modulasi 16 QAM dan 64 QAM karena

memodulasikan 4 dan 6 simbol sehingga lebih rentan terhadap noise selama transmisi

dibandingkan dengan modulasi QPSK yang hanya memodulasikan 2 simbol.

Sedangkan untuk probabilitas pengiriman paket WSA yang dihasilkan pada model DCF

yang diajukan lebih baik dibandingkan dengan model Yang yaitu dengan nilai rata-rata (mean)

presentase kenaikan sebesar 70.11% dan standar deviasi sebesar 29.51%. Selanjutnya, dapat

dianalisa bahwa model DCF yang diajukan meningkatkan probabilitas pengiriman paket WSA

terhadap fenomena performance anomaly dengan kenaikan presentase rata-rata (mean) sebesar

52.96 % dan standar deviasi sebesar 40.02 %. Hasil ini jauh lebih baik apabila dibandingkan

dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena performance

anomaly yaitu dengan rata-rata (mean) presentase kenaikan sebesar 19.76 % dan standar deviasi

sebesar 40.56 %.

Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial

Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan probabilitas

pengiriman paket WSA yang lebih baik dibandingkan dengan tanpa menentukan nilai optimum

initial Contention Window. Sedangkan hasil interval waktu pada kanal CCH dengan

menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai

interval waktu pada kanal CCH model Wang yaitu dengan nilai rata-rata (mean) presentase

kenaikan sebesar 108.61% dan standar deviasi sebesar 8.79 %.


Untuk melakukan evaluasi kinerja aggregate throughput dengan skema DCF yang

dipengaruhi oleh adanya anomali kinerja dan efek Doppler yang dihasilkan, maka digunakan

model matematis Aggregate Throughput skema DCF. Evaluasi Kinerja aggregate throughput

dihitung berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone.

Pengaruh kedua variabel tersebut terhadap kinerja aggregate throughput pada model DCF yang


141


diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB yang

dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah distrbusi node di setiap

zone terhadap model Yang. Evaluasi hasil Kinerja aggregate throughput model Yang ini

digunakan sebagai pembanding terhadap model DCF yang diajukan.

Simulasi Kinerja aggregate throughput berdasarkan variabel laju transmisi diatur sebagai

berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p, yaitu 3,

6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi tujuh

zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3 merupakan

zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone dengan laju

transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang berbeda di

setiap zone akan menyebabkan anomali kinerja akibat adanya perbedaan laju transmisi rendah

terhadap laju transmisi yang tinggi.

Kemudian selanjutnya, evaluasi aggregate throughput dilakukan dengan

mempertimbangkan efek Doppler yang dihasilkan karena pengaruh mobilitas node dari satu zone

ke zone lainnya. Perpindahan node dari setiap zone dipengaruhi oleh distribusi node di setiap

zone, sedangkan untuk distribusi node di setiap zone dihitung berdasarkan distribusi Poisson dan

mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah mendapatkan


Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya

anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang

tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai CW

yang digunakan akan mempengaruhi Kinerja yang dihasilkan. Hasil evaluasi Kinerja aggregate

throughput akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk. [6-

8] dan model Markov chain yang dikembangkan oleh Yang. Berikut parameter yang digunakan

untuk simulasi dan analisis kinerja aggregate throughput skema DCF.


142


Tabel 4.2 Parameter aggregate throughput skema DCF

Parameter Nilai





Payload paket data

service

2000 bytes


PHY header 192 bits

MAC header 256 bits

WAVE Service

Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs




1 2 3 4 5 6 7

0

20

40

60

0

1

2

3

4

5

6

7

8

9

x 104

Zone

Distribusi Node per Zone (nodes)

Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)

Aggreagate Throughput(nilai optimal CW)

Aggreagate Throughput(Model Duck Yang)

Aggreagate Throughput(Model Qing Wang)

Aggreagate Throughput(Anomali kinerja)



143


12

34

56

7

0

10

20

30

40

50

600

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)




Aggreagate Throughput(Anomali kinerja)


1

2

3

4

5

6

7

0

10

20

30

40

50

60

0

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)




Aggreagate Throughput(Slot anomali)



sebagai berikut :

Evaluasi kinerja aggregate throughput pada sistem OFDM dilakukan terhadap tiga modulasi




144






yang dihasilkan, modulasi QPSK kinerja aggregate throughput yang paling bagus dibandingkan

dengan modulasi 16 QAM dan 64 QAM, yaitu dengan nilai rata-rata sebesar 0.14%. Hal ini

dikarenakan QPSK hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive

White Gaussian Noise (AWGN) selama transmisi.

Sedangkan untuk aggregate throughput yang dihasilkan pada model DCF yang diajukan

yang lebih baik dibandingkan nilai aggregate throughput model Wang yaitu dengan nilai rata-

rata (mean) presentase kenaikan sebesar 40.99% dan standar deviasi sebesar 18.74%.

Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai aggregate

throughput terhadap fenomena anomali kinerja (performance anomaly) dengan rata-rata (mean)

presentase kenaikan sebesar 42.8 % dan standar deviasi sebesar 77.77 %. Hasil ini jauh lebih

baik apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang

terhadap fenomena anomali kinerja (performance anomaly) yaitu dengan rata-rata (mean)

presentase kenaikan sebesar 12.85 % dan standar deviasi sebesar 24.94 %.


Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai

aggregate throughput yang lebih baik dibandingkan menentukan nilai initial Contention

Window berdasarkan standar 802.11p. Sedangkan hasil aggregate throughput dengan


aggregate throughput model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan

sebesar 42.59% dan standar deviasi sebesar 69.41%.


Simulasi matematis digunakan untuk evaluasi Kinerja delay transmisi dengan skema

DCF dengan mempertimbangkan model contention reservasi akses kanal CCH dan anomali

Kinerja karena laju transmisi yang berbeda di setiap zone. Evaluasi Kinerja delay transmisi


145


dihitung berdasarkan tiga variabel, yaitu interval kanal CCH, laju transmisi data, dan jumlah

distrbusi node di setiap zone. Pengaruh ketiga variabel tersebut terhadap Kinerja delay transmisi

pada model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi

MATLAB yang dijalankan, juga dihitung pengaruh variabel interval kanal CCH, laju transmisi

dan jumlah distrbusi node di setiap zone terhadap skema Variable CCH Interval yang

dikembangkan oleh Wang. Evaluasi hasil Kinerja delay transmisi skema Wang ini digunakan

sebagai pembanding terhadap model DCF yang diajukan.

Simulasi Kinerja delay transmisi berdasarkan variable interval kanal CCH dapat

dijelaskan sebagai berikut. Besarnya nilai variabel interval kanal CCH yang terdiri dari nilai

variable safety interval dan interval WAVE Service Advertisement (WSA) dipengaruhi oleh

banyaknya jumlah node yang melakukan reservasi akses kanal CCH. Nilai variable safety

interval dan interval WAVE Service Advertisement (WSA) akan berbeda di setiap zone

tergantung dari laju transmisi dan distribusi jumlah node. Disamping itu nilai rata-rata interval

waktu dari akses contention kanal CCH juga mempengaruhi nilai interval WAVE Service

Advertisement (WSA) yang dihasilkan. Sedangkan besarknya variable laju transmisi diatur

sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p,

yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi

tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3

merupakan zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone

dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang

berbeda di setiap zone akan menyebabkan anomali kinerja akibat adanya perbedaan laju

transmisi rendah terhadap laju transmisi yang tinggi.

Kemudian selanjutnya, evaluasi delay transmisi terhadap pengaruh distribusi node di

setiap zone dihitung berdasarkan distribusi Poisson dan mempertimbangkan pengaruh propagasi

kanal Nakagami. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan

dihitung nilai optimal dari nilai CW (Contention Window) yang dihasilkan. Nilai optimal CW ini

akan digunakan untuk mengatasi adanya anomali Kinerja akibat adanya perbedaan laju transmisi

rendah terhadap laju transmisi yang tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh

Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi Kinerja yang


146


dihasilkan. Hasil evaluasi Kinerja aggregate throughput akan dibandingkan skema koordinasi

kanal yang dikembangkan oleh Wang dkk. [6-8] dan model Markov chain yang dikembangkan

oleh Yang. Berikut parameter yang digunakan untuk simulasi dan analisis Kinerja delay

transmisi kanal CCH dan SCH.

Tabel 4.3 Parameter delay transmisi kanal CCH dan SCH

Parameter Nilai





Payload paket data service 2000 bytes


PHY header 192 bits

MAC header 256 bits

WAVE Service Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs





147


1

2

3

4

5

6

7

0

0.002

0.004

0.006

0.008

0.01

0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

ZoneE[Tcchdelay]

E[T

sch

de

lay]

Nilai rata-rata delay transmisi (nilai optimal CW)

Nilai rata-rata delay transmisi (Model Duck Yang)

Nilai rata-rata delay transmisi (Model Qing Wang)

Nilai rata-rata delay transmisi (Anomali kinerja)

Gambar 4.12 Kinerja delay transmisi kanal CCH dan SCH (QPSK)

12

34

56

7

0

0.002

0.004

0.006

0.008

0.01

0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

Zone

E[Tcchdelay]

E[T

sch

de

lay]





Gambar 4.13 Kinerja delay transmisi kanal CCH dan SCH (16 QAM)


148


1

2

3

4

5

6

7

0

1

2

3

4

5

6

7

8

9

x 10-3

0

0.01

0.02

0.03

0.04

ZoneE[Tcchdelay]

E[T

sch

de

lay]





Gambar 4.14 Kinerja delay transmisi kanal CCH dan SCH (64 QAM)

Dengan melihat perbandingan antara grafik delay transmisi CCH diatas, dapat dianalisa

sebagai berikut :

Evaluasi kinerja delay transmisi CCH pada sistem OFDM dilakukan terhadap tiga modulasi,

yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang dilakukan dapat disimpulkan

bahwa hasil BER yang dihasilkan oleh masing-masing modulasi pada sistem OFDM standar

802.11p berpengaruh pada kinerja delay transmisi CCH yang dihasilkan. Modulasi 64 QAM

dihasilkan BER paling tinggi dibandingkan dengan modulasi QPSK dan 16 QAM, karena

memodulasikan 6 simbol dan lebih rentan terhadap Additive White Gaussian Noise (AWGN).

Berdasarkan dari persamaan (4.76), maka dapat disimpulkan bahwa hasil BER yang tinggi akan

diperoleh kinerja delay transmisi CCH yang tinggi. Dari hasil performansi yang dihasilkan,

modulasi QPSK kinerja delay transmisi CCH yang paling baik dibandingkan dengan modulasi

16 QAM dan 64 QAM, yaitu dengan nilai rata-rata sebesar 0.75%. Hal ini dikarenakan QPSK

hanya memodulasikan dua simbol sehingga lebih tahan terhadap Additive White Gaussian Noise

(AWGN) selama transmisi.

Sedangkan untuk delay transmisi CCH yang dihasilkan pada model DCF yang diajukan

yang lebih rendah dibandingkan nilai delay transmisi CCH model Yang yaitu dengan nilai rata-


149


rata (mean) sebesar 0.41% dan standar deviasi sebesar 0.24%. Selanjutnya, dapat dianalisa

bahwa model DCF yang diajukan menurunkan nilai delay transmisi CCH terhadap fenomena

anomali kinerja (performance anomaly) dengan rata-rata (mean) sebesar 0.87 % dan standar

deviasi sebesar 0.16%. Hasil ini jauh lebih baik apabila dibandingkan dengan delay transmisi

yang dihasilkan oleh model Yang terhadap fenomena anomali kinerja (performance anomaly)

yaitu dengan rata-rata (mean) meningkat sebesar 0.47 % dan standar deviasi sebesar 0.14 %.


Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai delay

transmisi CCH yang lebih rendah dibandingkan menentukan nilai initial Contention Window

berdasarkan standar 802.11p. Sedangkan hasil delay transmisi CCH dengan menggunakan nilai

optimum initial Contention Window lebih baik dibandingkan dengan nilai delay transmisi CCH

model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 23.97 % dan

standar deviasi sebesar 21.96 %.


150


BAB 5 MODEL ANALITIKAL SLOT WAVE SERVICE ADVERTISEMENT (WSA) MAC

DCF IEEE 1609.4

5.1 Pendahuluan

Berdasarkan draft amandemen standar IEEE 1609.4 dan kajian dari beberapa penelitian

sebelumnya, model slot WAVE Service Advertisement (WSA) akan menentukan nilai yang

optimal dari reservasi kanal CCH pada skema koordinasi kanal dinamis Multikanal MAC IEEE

1609.4. Maka dari itu evaluasi terhadap pemodelan slot WAVE Service Advertisement (WSA)

menjadi penting dilakukan karena terkait dengan probabilitas transmisi paket WAVE Service

Advertisement (WSA), Kinerja aggregate throughput, dan nilai rata-rata delay transmisi pada

kanal CCH dan SCH yang dihasilkan pada skema koordinasi kanal dinamis pada standar

Multikanal 1609.4. Maka dari itu perlu dilakukan kajian dan analisis untuk evaluasi ukuran

frame WAVE Service Advertisement (WSA) dengan mempertimbangkan variable distribusi

jumlah node dan laju transmisi di setiap zone seperti yang sudah dibahas pada bab sebelumnya.

Pada bagian ini diajukan model analitikal slot WAVE Service Advertisement (WSA) dengan

memperhatikan adanya fenomena anomali slot pada skema DCF yang dimodelkan oleh

Tinnirello dkk. di [29]. Disamping itu model analitikal yang diajukan juga mempertimbangkan

bit error karena pengaruh adanya Additive White Gaussian Noise (AWGN). Model analitikal

yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS tergantung dari laju

transmisi node, yaitu 3, 6, 12, dan 27 Mbps berdasarkan distribusi Poisson. Perbedaan dengan

model mobilitas sebelumnya adalah model yang dikembangkan menggunakan tujuh zone i node

dan dikembangkan pada kondisi kanal yang tidak ideal yaitu adanya pengaruh Additive White

Gaussian Noise (AWGN) dan propagasi kanal Nakagami.

Pada sub bab selanjutnya akan dibahas kajian model Bidemensional Markov chain untuk

memperkirakan probabilitas bit error terhadap model analitikal yang diajukan pada operasi

Multikanal standar IEEE 1609.4. Berdasarkan kajian yang dikembangkan oleh dkk. [29]

mengenai model Markov chain dilakukan untuk evaluasi adanya fenomena slot anomali pada

IEEE 802.11. Model Markov chain yang diajukan sebelumnya tidak mempertimbangkan


151


pengaruh propagasi kanal Nakagami serta Additive White Gaussian Noise (AWGN) pada operasi

Multikanal standar IEEE 1609.4.

5.2 Penelitian terkait

Pada bab ini akan dibahas pengaruh fenomena slot anomali pada 802.11 dengan

menggunakan model referensi Tinnirello dkk. [29] pada skema koordinasi kanal dinamis IEEE

1609.4, yaitu dengan model Bidimensional Markov Chain dan pembuatan persamaan matematis

throughput skema DCF seperti yang dijelaskan pada sub bab 2.7.

Tinnirello dkk. [29] memodelkan proses acak bidimensional sebagai proses

discrete-time Markov chain (DTMC) seperti yang diperlihatkan pada Gambar 5.1.

Gambar 5.1 Diagram Markov chain Tinnirello dkk. [29]

Model DTMC tersebut mengasumsikan bahwa probabilitas transmisi sebuah frame

mengalami collision adalah independen dari prosedur backoff [7] dan backoff counter

dikurangi pada akhir dari slot backoff. Oleh karena itu state backoff dari setiap STA dapat

0+,0 0

+,1

1,W1-2

0+,W-3 0

+,W-2 0

-,W-10

-,W-20

-,10

-,0

2,1

1,0 1,1 1,W1-1

2,W2-12,W2-2

R-1,0

2,0

R,WR-1R,WR-2R,1R,0

… …

…

…

…

…

1 1 1 1

1 1

11

1 1

1-p

W-11-p

W-1

1-p

W-1

1-p

W-1

p

W p

W

p

W

p

W

p

W1

p

W1

p

W1

p

W1

p

W2

p

W2

p

W2

p

W2

p

WR

p

WR

p

WR

p

WR


152


dinotasikan sebagai . adalah tingkat backoff dan adalah delay backoff yang mempunyai

nilai dalam range .

Misalkan merupakan distribusi tetap dari Markov

chain dan misal merupakan probabilitas transmisi sebuah STA dalam sebuah slot, maka

. Tingkat backoff 0 dibagi menjadi dua state yaitu 0+ dan 0

- yang menunjukkan

transisi ke stage 0 disebabkan oleh dua kondisi yang berbeda. Masing-masing stage memiliki

range nilai backoff counter yang berbeda. Jika STA berhasil melakukan transmisi frame maka

counter backoff akan transisi ke ke stage 0+ yang memiliki nilai counter backoff dalam range

. Sedangkan jika STA gagal melakukan transmisi frame maka counter backoff akan

transisi ke stage 0- yang memiliki nilai counter dalam range . Probabilitas transisi

state backoff pada Gambar 4.4 dapat dirumuskan dalam persamaan :

(5.1)


berkut :

(5.2)

Pada persamaan (5.2), untuk menambah satu slot idle setelah transmisi berhasil ke

dalam slot transmisi sebelumnya. Diketahui maka hubungan antar state

dengan state kolom pertama dapat dirumuskan sebagai berikut :


153


(5.3)

Semua state dapat diekspresikan sebagai fungsi dari probabilitas , maka jumlah semua

probabilitas transisi dalam Markov chain dapat dirumuskan sebagai berikut :

(5.4)

Selanjutnya dapat diekspresikan probabilitas τ yang merupakan probabilitas sebuah STA berhasil

melakukan transmisi dalam sebuah slot. Setiap transmisi muncul ketika nilai backoff counter

mencapai nol. Dengan demikian probabilitas transmisi sebuah STA dapat dirumuskan sebagai

berikut:

Berdasarkan probabilitas transmisi τ, probabilitas collision sebuah STA dapat dirumuskan

sebagai berikut :

Selanjutnya dan dapat diselesaikan menggunakan penyelesaian numerik persamaan non

linier.

5.3 Pemodelan skema DCF


throughput SCH yang ditransmisikan melalui lapisan MAC DCF dan melalui lapisan HT-PHY.

Sama seperti model Tinnirello dkk., model DCF yang diajukan memperhitungkan pengaruh slot

anomali pada durasi slot transmisi dan durasi slot collision. Namun tidak hanya

memperhitungkan pengaruh slot anomali, model DCF yang diajukan juga memperhitungkan


154


pengaruh bit error akibat adanya pengaruh AWGN pada kanal CCH dan SCH terhadap

throughput pengiriman WAVE Service Advertisement (WSA). Disamping itu juga diperhitungkan

efek Doppler dari setiap node, yang akan mempengaruhi delay dan throughput yang dihasilkan

lapisan MAC DCF IEEE 1609.4 multikanal.

5.3.1 Model Slot DCF

Untuk memodelkan durasi slot DCF, digunakan asumsi bahwa kerusakan pada sebuah

frame yang ditransmisikan dapat terjadi berdasarkan tiga kondisi yang berbeda, yaitu frame

WAVE Service Advertisement (WSA) collision, dan frame WAVE Service Advertisement (WSA)

error. Frame WAVE Service Advertisement (WSA) collision didefinisikan sebagai frame WAVE

Service Advertisement (WSA) mengalami kerusakan disebabkan oleh lebih dari satu STA

melakukan transmisi WAVE Service Advertisement (WSA) pada satu slot yang sama. Frame

WAVE Service Advertisement (WSA) error didefinisikan sebagai frame WAVE Service

Advertisement (WSA) mengalami kerusakan diakibatkan oleh kondisi kanal yang buruk saat

frame WAVE Service Advertisement (WSA) ditransmisikan. Kanal buruk didefinisikan sebagai

SINR dari sinyal yang membawa bit-bit WAVE Service Advertisement (WSA) yang diterima.

Pada slot collision dan slot error, STA yang mengirimkan frame WAVE Service

Advertisement (WSA) akan menunggu frame ACK sampai dengan durasi ACKtimeout habis.

Setelah muncul durasi DIFS baru kemudian STA yang mengalami collision atau error dapat

menjalankan proses backoff berikutnya. STA non-collision atau STA non-error yang mengetahui

kanal dalam kondisi collision atau error akan menunggu kemunculan durasi EIFS. Setelah durasi

EIFS habis, baru STA non-collision atau non-error menjalankan proses backoff.


155


Gambar 5.2 Model Slot DCF yang diajukan

Berdasarkan penyebab kerusakan sebuah frame ketika diterima oleh receiver, dimodelkan

slot DCF yang terdiri dari empat tipe slot yang berbeda. Keempat tipe slot tersebut diperlihatkan

pada Gambar 5.2. Keempat tipe slot tersebut adalah slot idle, slot transmisi WAVE Service

Advertisement (WSA), slot WAVE Service Advertisement (WSA) collision, dan slot WAVE

Service Advertisement (WSA) error. Pada setiap akhir durasi tipe slot, kecuali slot idle, terdapat

satu slot tambahan berupa slot anomali.

Masing-masing tipe slot memiliki probabilitas kemunculan yang berbeda-beda.

Probabilitas slot idle, probabilitas slot transmisi dan probabilitas slot collision dapat dihitung

menggunakan model Bianchi dan model Tinnirello. Model Bianchi dan model Tinnirello

menghitung probabilitas ketiga tipe slot berdasarkan probabilitas transmisi, probabilitas collision

dan jumlah STA yang memperebutkan kanal. Probabilitas slot WAVE Service Advertisement

(WSA) error dihitung berdasarkan probabilitas paket WAVE Service Advertisement (WSA)

mengalami error yang disebabkan oleh kondisi kanal CCH mengalami gangguan Additive White


156


Gaussian Noise (AWGN) dan adanya efek Doppler yang dihasilkan akibat adanya mobilitas

node yang tinggi.

5.4 Markov chain Bidimensional

Pada sub bab ini akan dibahas mengenai model Markov chain Bidimensional yang

merupakan pengembangan model Markov chain Bianchi dengan mempertimbangkan pengaruh

AWGN dan fenomena slot anomali.

0-,10-,01-p 1-p

0-,W-3 0-,W-21-p

p p p

0,10,01-p

i,0 i,1 i,W-2

M, 0

1-p

p p

1-p 1-p

p p

1-p 1-p

p p

0,W-2

M, W-2

p/w

p/w

M,1

M+1,0 M+1,W-2M+1,11-p 1-p

p p

p/w

M+f,0 M+f,W-2M+f,11-p

p p

1-p

p/w

i-1,0 i-1,1 i-1,W-21-p 1-p

p pp/w

(1-p

)/w

i

p/w

i

Gambar 5.3 Model Markov chain Bidimensional

Pada model Markov chain bidimensional yang diajukan pada Gambar 5.3 dapat

dijelaskan sebagai berikut. Didefinisikan bahwa merupakan model Markov chain

waktu diskrit yang merepresentasikan suatu random proses yang diajukan. merupakan suatu

random proses yang merepresentasikan nilai backoff stage dengan . Pada nilai

backoff stage ini dilakukan penambahan batasan nilai dengan

mempertimbangkan error akibat adanya Additive White Gaussian Noise (AWGN). Kondisi ini


157


akan dicapai apabila sampai usaha transmisi yang maksimal -th, waktu backoff akan

meningkat dengan faktor 2, setelah itu dalam kondisi freeze pada saat sampai

Kemudian dapat didefinisikan sebagai nilai dari backoff counter dari suatu node

pada zone i. Pada rentang pada suatu slot waktu. State dari Markov chain

direpresentasikan sebagai , , , dimana i, dan k

merepresentasikan nilai backoff counter i dan backoff stage k.

Selanjutnya dengan menggunakan asumsi yang dengan referensi model Tinnirello,

dengan mempertimbangkan adanya pengaruh slot anomali, maka dapat didefinisikan

merupakan distribusi tetap dari Markov chain dan misal

merupakan probabilitas transmisi sebuah node/station (STA) dalam sebuah slot, maka

. Tingkat backoff 0 dibagi menjadi dua state yaitu 0+ dan 0

- yang menunjukkan

transisi ke stage 0 disebabkan oleh dua kondisi yang berbeda. Masing-masing stage memiliki

range nilai backoff counter yang berbeda. Jika STA berhasil melakukan transmisi frame maka

counter backoff akan transisi ke ke stage 0+ yang memiliki nilai counter backoff dalam range

. Sedangkan jika STA gagal melakukan transmisi frame maka counter backoff akan

transisi ke stage 0- yang memiliki nilai counter dalam range . Probabilitas transisi

state backoff pada Gambar 5.3 dapat dirumuskan dalam persamaan :

(5.15)


berkut :


158


(5.16)

Pada persamaan (5.16), untuk menambah satu slot idle setelah transmisi berhasil

ke dalam slot transmisi sebelumnya. Diketahui maka hubungan antar state

dengan state kolom pertama dapat dirumuskan sebagai berikut :

(5.17)

Dengan mempertimbangkan adanya error pada kanal yang digunakan akibat pengaruh Additive

White Gaussian Noise (AWGN), maka dapat diperoleh rumusan sebagai berikut :

(5.18)

(5.19)

Dimana dapat didefinisikan rentang nilai adalah kondisi kanal propagasi akibat adanya

pengaruh Additive White Gaussian Noise (AWGN).

Kemudian, adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service

Advertisement (WSA) atau RFS dalam slot waktu yang bebas akibat adanya pengaruh Additive

White Gaussian Noise (AWGN) dapat dinyatakan sebagai :


159


Kemudian untuk menghitung nilai maka akan menggunakan persamaan pada model Bianchi

1 − 𝑝 𝑏𝑗 ,0. 𝑖 = 0𝑚𝑗=0

𝑏𝑖 ,𝑘 =Wi − k

Wi

. 𝑝.𝑏𝑖−1,0, 0 < 𝑖 < 𝑚

𝑝. 𝑏𝑚−1,0 + 𝑏𝑚 ,0, 𝑖 = 𝑚 (5.21)

Maka dapat dicari nilai dengan mempertimbangkan kondisi kanal propagasi akibat adanya

fading Nakagami dalam rentang sebagai berikut

(5.22)

Kemudian dapat dicari nilai terhadap nilai sebagai berikut

(5.23)

(5.24)

(5.25)

Kemudian dengan menggunakan persamaan (3.14) dan (3.18) maka dapat diperoleh persamaan

sebagai berikut

(5.26)

Semua state dapat diekspresikan sebagai fungsi dari probabilitas , jumlah semua probabilitas

transisi dalam Markov chain dengan adanya pengaruh Additive White Gaussian Noise (AWGN)

dan bit error dapat dirumuskan sebagai berikut :


160


adalah probabilitas dimana sebuah node mengirimkan paket WAVE Service Advertisement

(WSA) atau RFS dalam slot waktu yang bebas akibat adanya pengaruh Additive White Gaussian

Noise (AWGN).

Dengan menggunakan persamaan di atas maka akan diperoleh nilai probabilitas , yaitu



(5.28)



Kemudian dari persamaan diatas, maka pada sub bab selanjutnya dapat dicari persamaan untuk

dilakukan analisis nilai interval waktu dari akses kanal CCH pada skema koordinasi kanal

dinamis.




[6-8].


161





adanya Additive White Gaussian Noise (AWGN) dan adanya slot anomali. Dapat diasumsikan

bahwa node penyedia layanan selalu memiliki paket WAVE Service Advertisement (WSA).

Dalam melakukan analisa untuk transmisi paket WAVE Service Advertisement (WSA) atau RFS

dapat dijelaskan sebagai berikut [6-8]




direpresentasikan dengan , probabilitas kanal dalam kondisi idle direpresentasikan

dengan , dan probabilitas kanal dalam kondisi slot anomali direpresentasikan dengan

. Berdasarkan pada kondisi tersebut, maka dapat dirumuskan sebagai berikut

[6-8]


162



𝑝𝑏𝑢𝑠𝑦 = 1 − 𝑝𝑖𝑑𝑙𝑒 = 1 − (1 − 𝜏)𝑛


𝑝𝑐𝑜𝑙 = 𝑝𝑏𝑢𝑠𝑦 − 𝑝𝑠𝑢𝑐 = 1 − (1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛−1

𝑝𝑠𝑙𝑜𝑡 _𝑎𝑛𝑜𝑚 = 𝑝𝑏𝑢𝑠𝑦 + 𝑝𝑐𝑜𝑙 = 2 − 2(1 − 𝜏)𝑛 − 𝑛𝜏(1 − 𝜏)𝑛−1 (5.29)

2) Sedangkan untuk menghitung probabilits paket error akibat pengaruh Additive White

Gaussian Noise (AWGN), dapat dihitung dengan menggunakan persamaan probabilitas slot

anomali dan probabilitas error yang saling bebas (independent), yaitu (101), (109), dan

(113) serta referensi [15] sebagai berikut

(5.30)

(5.31)

Dimana didefinisikan sebagai probabilitas collision akibat pengaruh slot anomali,

didefinisikan sebagai probabilitas error karena adanya pengaruh Additive White

Gaussian Noise (AWGN) dan didefinisikan sebagai probabilitas bit error pada

modulasi QPSK, 16 QAM, dan 64 QAM.



dilakukan. Berdasarkan definisi tersebut maka dapat dirumuskan sebagai berikut

(5.32)


163



paket Wave Service Advertisement (WSA), Request for Service (RFS), dan Acknowledgment






+ (5.33)


sebagai berikut

(5.34)


, / ( + )

, / ( + ) (5.35)

, / ( + )



/ ( + ) + / ( + ) (5.36)



P K = k = . , k = 1, 2, 3, … (5.37)




164


𝐸 𝑋 = (1/𝑃𝑠𝑢𝑐 ) 𝐸[𝑍] + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒

𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 /(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 /(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 .𝑇𝑐𝑜𝑙/𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 .𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐+𝑇𝑠𝑢𝑐


dilakukan perhitungan terhadap kinerja Aggregate Throughput dengan mempertimbangkan error

kanal adanya Additive White Gaussian Noise (AWGN) dan adanya slot anomali


Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi kanal

dinamis CCH dan SCH dengan menggunakan bidimensional Markov chain. Kajian analisa yang

dilakukan dapat dijelaskan sebagai berikut. Pertama didefiniskan bahwa merupakan total

kanal SCH yang ada di jaringan VANET.



waktu pada kanal SCH dapat dihitung berdasarkan rumus berikut :


165


Dimana

(5.29)

(5.30)


Dimana adalah rata-rata fading SNR, adalah gain kanal, dan adalah

koefisien korelasi fading, dimana nilai nya adalah

maka dapat diperoleh rumus persamaaan saturasi throughput sebagai berikut

Sehingga rumus Aggregate Throughput dapat diperoleh dengan menggunakan persamaan

sebagai berikut :

(5.33)


Pada bagian ini akan dibahas simulasi matematis untuk menganalisis slot model paket

WAVE Service Advertisement (WSA) yang diajukan terhadap pengaruh adanya slot anomali, bit

error, dan efek Doppler yang dihasilkan dengan menggunakan model bidimensional Markov


166


chain pada standar IEEE 1609.4. Kinerja diukur dengan menghitung parameter probabilitas

collission yang terdiri dari probabilitas bit error akibat adanya pengaruh AWGN dan probabilitas

transmisi paket WAVE Service Advertisement (WSA) pada kanal CCH. Disamping itu, juga

diukur Kinerja aggregate throughput pada kanal SCH. Kedua parameter tersebut dihitung

dengan memperhatikan pengaruh slot anomali karena adanya adanya slot yang tidak dapat

digunakan oleh STA selain STA yang terakhir melakukan transmisi frame. Hasil simulasi

memperlihatkan model DCF yang diajukan dapat memperkirakan probabilitas transmisi paket

WAVE Service Advertisement (WSA) berdasarkan slot model paket WAVE Service Advertisement

(WSA) yang diajukan. Model DCF yang diajukan dapat memperlihatkan throughput yang

dihasilkan sesuai dengan kebutuhan amandemen standar IEEE 1609.4.

5.5.1 Kinerja Probabilitas transmisi paket WAVE Service Advertisement (WSA)

Simulasi matematis digunakan untuk menginvestigasi Kinerja probabilitas transmisi

paket WAVE Service Advertisement (WSA) dengan skema DCF yang dipengaruhi oleh model

contention reservasi kanal CCH dan adanya slot anomali karena adanya slot yang tidak dapat

digunakan oleh selain STA yang terakhir melakukan transmisi frame. Probabilitas transmisi

paket WAVE Service Advertisement (WSA) dihitung berdasarkan dua variabel, yaitu distribusi

node di setiap zone dan bit error akibat adanya noise AWGN. Pengaruh kedua variabel tersebut

terhadap probabilitas transmisi paket WAVE Service Advertisement (WSA) pada model DCF yang


dijalankan, juga dihitung pengaruh Additive White Gaussian Noise (AWGN) yang dihasilkan

terhadap model Bianchi dan model Tinnirello. Probabilitas transmisi paket WAVE Service

Advertisement (WSA) pada model Bianchi dan model Tinnirello ini digunakan sebagai

pembanding terhadap model DCF yang diajukan.

Sedangkan untuk perhitungan distribusi node berdasarkan distribusi Poisson dan


distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai Contention Window

(CW) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya slot

anomali yang ada, bit error akibat adanya pengaruh noise AWGN, dan adanya efek Doppler


167


yang dihasilkan adanya mobilitas node. Hal ini sesuai dengan kajian yang dilakukan oleh Model

Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi Kinerja yang dihasilkan.

Hasil probabilitas transmisi paket WAVE Service Advertisement (WSA) akan dibandingkan skema

koordinasi kanal yang dikembangkan oleh Wang [6-8]. Berikut parameter yang digunakan untuk

simulasi dan analisis kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA).

Tabel 5.1 Parameter probabilitas transmisi paket WSA

Parameter Nilai




Payload paket data

service

0, 256, 512, 1024, 2048,

3072, 4096 bytes bytes


Laju transmisi masing-

masing kanal CCH dan

SCH

3 Mbps

PHY header 192 bits

MAC header 256 bits

Wave Service

Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs





168


12

34

56

7

0

20

40

60

-10

0

10

20

30

40

50

60


Pro

ba

bilita

s tra

nsm

isi p

ake

t W

SA

(%

)





Gambar 5.5 Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) (QPSK)

1

2

3

4

5

6

7

0

10

20

30

40

50

60

-10

0

10

20

30

40

50

60


Pro

ba

bili

tas tra

nsm

isi p

ake

t W

SA

(%

)





Gambar 5.6 Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) (16 QAM)


169


1

2

3

4

5

6

7

0

10

20

30

40

50

60

-10

0

10

20

30

40

50

60


Pro

ba

bili

tas tra

nsm

isi p

ake

t W

SA

(%

)Probabilitas transmisi paket WSA(optimum initial CW)




Gambar 5.7 Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) (64 QAM)

Dengan melihat perbandingan antara grafik probabilitas transmisi paket WAVE Service

Advertisement (WSA) diatas, dapat dianalisa sebagai berikut :

Berdasarkan model DCF yang diajukan, pada disertasi ini dilakukan evaluasi performansi

probabilitas transmisi paket WAVE Service Advertisement (WSA) pada sistem OFDM terhadap

tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari hasil simulasi yang

dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-masing modulasi

pada sistem OFDM standar 802.11p mempengaruhi probabilitas pengiriman paket WSA yang

dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang paling bagus dibandingkan

modulasi QPSK dan 16 QAM. BER yang dihasilkan pada modulasi QPSK paling rendah

dibandingkan dengan modulasi 16 QAM dan 64 QAM. Dimana BER yang dihasilkan oleh

modulasi 16 QAM dan 64 QAM karena memodulasikan 4 dan 6 simbol sehingga lebih rentan

terhadap noise selama transmisi dibandingkan dengan modulasi QPSK yang hanya

memodulasikan 2 simbol.

Sedangkan untuk probabilitas pengiriman paket WSA yang dihasilkan pada model DCF

yang diajukan lebih baik dibandingkan nilai probabilitas transmisi paket WAVE Service

Advertisement (WSA) model Yang yaitu dengan nilai rata-rata (mean) presentase kenaikan


170


sebesar 8.47 % dan standar deviasi sebesar 24.64 %. Selanjutnya, dapat dianalisa bahwa model

DCF yang diajukan meningkatkan nilai probabilitas transmisi paket WAVE Service

Advertisement (WSA) terhadap fenomena anomalous slot dengan presentase kenaikan rata-rata

(mean) sebesar 11.35 % dan standar deviasi sebesar 18.78 %. Hasil ini jauh lebih baik apabila

dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena

anomalous slot yaitu dengan rata-rata (mean) presentase kenaikan sebesar 4.63 % dan standar

deviasi sebesar 5.40 %.



probabilitas transmisi paket WAVE Service Advertisement (WSA) yang lebih baik dibandingkan

menentukan nilai initial Contention Window berdasarkan standar 802.11p. Sedangkan hasil

probabilitas transmisi paket WAVE Service Advertisement (WSA) dengan menggunakan nilai

optimum initial Contention Window lebih baik dibandingkan dengan nilai probabilitas transmisi

paket WAVE Service Advertisement (WSA) model Wang yaitu dengan nilai rata-rata (mean)

presentase kenaikan sebesar 10.15% dan standar deviasi sebesar 2.08 %.

5.5.2 Kinerja Aggreagte Throughput skema DCF

Simulasi matematis digunakan untuk evaluasi kinerja aggregate throughput dengan

skema DCF yang dipengaruhi oleh adanya slot anomali karena adanya slot yang tidak dapat

digunakan oleh STA selain STA yang terakhir melakukan transmisi frame dan efek Doppler

yang dihasilkan karena adanya mobilitas node yang tinggi. Evaluasi Kinerja aggregate

throughput dihitung berdasarkan dua variabel, yaitu bit error akibat adanya noise AWGN dan

efek Doppler yang dihasilkan akibatnya mobilitas node yang tinggi. Pengaruh kedua variabel

tersebut terhadap Kinerja aggregate throughput pada model DCF yang diajukan disimulasikan

menggunakan MATLAB. Pada setiap simulasi MATLAB yang dijalankan, juga dihitung

pengaruh variabel bit error akibat adanya noise AWGN dan efek Doppler yang dihasilkan

akibatnya mobilitas node yang tinggi terhadap model Tinnrello. Evaluasi hasil Kinerja aggregate

throughput model Yang ini digunakan sebagai pembanding terhadap model DCF yang diajukan.


171


Sedangkan untuk perhitungan distribusi node berdasarkan distribusi Poisson dan



Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi adanya slot

anomali yang ada, bit error akibat adanya pengaruh Additive White Gaussian Noise (AWGN),

dan adanya efek Doppler yang dihasilkan adanya mobilitas node. Hal ini sesuai dengan kajian

yang dilakukan oleh Model Bianchi, bahwa initial nilai CW yang digunakan akan mempengaruhi

kinerja yang dihasilkan. Hasil probabilitas transmisi paket WAVE Service Advertisement (WSA)

akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk [6-8].

Hasil evaluasi kinerja aggregate throughput akan dibandingkan skema koordinasi kanal

yang dikembangkan oleh Wang [6-8] dan model Markov chain yang dikembangkan oleh

Tinnirello. Berikut parameter yang digunakan untuk simulasi dan analisis kinerja aggregate

throughput pada kanal SCH.

Tabel 5.2 Parameter aggregate throughput pada kanal SCH

Parameter Nilai




Payload paket data service 0, 256, 512, 1024, 2048,

3072, 4096 bytes


Laju transmisi masing-masing

kanal CCH dan SCH

3 Mbps

PHY header 192 bits

MAC header 256 bits

Wave Service Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs





172


12

34

56

7

010

2030

4050

600

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)






1 23 4

5 67

0

20

40

60

0

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)





Gambar 5.9 Kinerja aggregate throughput pada kanal SCH (16-QAM)


173


12

34

56

7

010

2030

4050

600

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)







sebagai berikut :









dengan modulasi 16 QAM dan 64 QAM, karena hanya memodulasikan dua simbol sehingga

lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi.


yang lebih baik dibandingkan dengan nilai aggregate throughput model Yang yaitu dengan nilai

rata-rata (mean) presentase kenaikan sebesar 0.18 %. Selanjutnya, dapat dianalisa bahwa model

DCF yang diajukan meningkatkan nilai aggregate throughput terhadap fenomena anomalous slot

dengan rata-rata rata-rata (mean) presentase kenaikan sebesar 76.51%. Hasil ini jauh lebih baik


174


apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap

fenomena anomalous slot yaitu dengan presentase kenaikan rata-rata (mean) sebesar 76.18 %.



aggregate throughput yang lebih baik dibandingkan menentukan nilai initial Contention

Window berdasarkan standar 802.11p. Sedangkan hasil aggregate throughput dengan


aggregate throughput model Wang yaitu dengan presentase kenaikan nilai rata-rata (mean)

sebesar 128.98 %.


175


BAB 6 MODEL ANALITIKAL THROUGHPUT MULTIKANAL MAC DCF IEEE 1609.4

DENGAN PENGARUH EFEK DOPPLER

6.1 Pendahuluan

Berdasarkan kajian pada bab sebelumnya, terdapat permasalahan terkait dengan

penyebab turunnya Kinerja pada Multikanal MAC IEEE 1609.4, yaitu adanya anomali Kinerja

dan slot anomali. Fenomena anomali kinerja terjadi karena pengaruh perbedaan laju transmisi

rendah dan tinggi pada distribusi node di setiap zone. Perbedaan laju transmisi ini akan

menyebabkan hasil kinerja node dengan laju transmisi tinggi yang seharusnya memiliki hasil

throughput yang tinggi akan menghasilkan throughput yang rendah. Permasalahan yang lainnya

adalah adanya anomalous slot yang berpengaruh pada probabilitas transmisi paket WAVE

Service Advertisement (WSA) dan aggregate throughput yang dihasilkan. Hal ini terjadi karena

adanya slot yang tidak dapat digunakan oleh STA selain STA yang terakhir melakukan transmisi

frame.

Dengan mempertimbangkan permasalahan tersebut diatas, pada bab ini akan dibahas

studi analitikal model pada Multikanal MAC 1609.4 dengan pengaruh kinerja anomali dan slot

anomali. Analitikal model yang dibuat dengan menggunakan model Markov chain tiga dimensi

dengan menggunakan skema koordinasi kanal yang dikembangkan oleh Wang dkk, yaitu

Variable CCH Interval (VCI). Beberapa parameter yang mempengaruhi kinerja koordinasi kanal

dinamis akan dikaji lebih lanjut pada sub bab ini, yaitu pengaruh mobilitas node, pengaruh efek

Doppler, dan pengaruh kanal propagasi Nakagami.

Bagian selanjutnya dari Bab ini disusun sebagai berikut. Pada Sub bab 6.2 dijelaskan

penelitian terkait pemodelan skema DCF, yaitu model DCF Bianchi, dan three-dimensional

Markov chain. Pada Sub bab 6.3 disampaikan pemodelan skema koordinasi kanal dinamis DCF

berupa skema Variable CCH Interval (VCI) yang dikembangkan oleh Wang dkk. dan

pembuatan persamaan matematis throughput skema DCF. Selanjutnya dijelaskan simulasi model

analitikal dan pembahasan hasil simulasi. Pada Sub bab 6.4 disampaikan pemodelan mobilitas

node dengan menggunakan model referensi Yang, pembuatan persamaan matematis model

Three-Dimensional Markov Chain, kemudian dijelaskan simulasi model analitikal throughput


176


skema DCF. Perbandingan hasil simulasi model analitikal DCF dengan model Bianchi dan

model Tinnirello juga disampaikan pada bagian akhir Bab ini.


Pada bab ini akan dibahas pengaruh fenomena “performance anomaly” pada skema

koordinasi kanal dinamis pada standar multikanal IEEE 1609.4, yaitu berupa model referensi

Yang, yaitu dengan model Three-Dimensional Markov Chain dan pembuatan persamaan

matematis throughput skema DCF seperti yang dijelaskan pada sub bab 2.8.1.

p

i,0,Wp-2i,0,2i,0,1i,0,0

I,k-1,0

i,0,Wp-2

pp p

p


pp p

p

i,Lretry,m, Wm-2


pp p

i,Lretry,m,Wm-1

1 1 1

(1-p)/W0

p/Wi

1 1

p/Wmp/Wm

p/Wm

1

1 1 1

(1-pc,i)/Wi,0

p/Wi

1/Wi,0

(Pc,i)/WL,k-1



177






random proses baru dapat didefinisikan. Dapat didefinisikan bahwa

pada suatu slot waktu t adalah suatu variabel random uniform pada rentang .

Dengan mengasumsikan probabilitas suatu frame yang ditransmisikan bertabrakan dengan frame

lain pada slot waktu tertentu dan probabilitas bahwa suatu kanal sedang sibuk adalah tidak

bergantung pada mekanisme backoff, maka dapat ditentukan sebagai suatu Markov chain

waktu diskrit. State dari Markov chain direpresentasikan sebagai , ,

, , dimana i, k, dan l merepresentasikan group i, backoff stage k,

dan nilai backoff counter l.



, (6.1)

, (6.2)

, (6.3)

, (6.4)

, (6.5)

Selanjutnya didefinisikan bahwa merupakan distribusi steady state dari Markov chain

untuk suatu node pada group , dengan backoff stage , dan nilai backoff counter . Hal ini dapat

direpresentasikan sebagai .

Sedangkan untuk pembuatan model analitikal throughput skema DCF akan digunakan

model referensi Wang seperti yang telah dijelaskan pada sub bab 2.5.


178


Kemudian dapat diperoleh persamaan sebagai berikut dengan memperhitungkan

distribusi steady state.

, (6.6)

(6.7)

(6.8)

Persamaan (6.6) dan (6.7) dapat diturunkan dari persamaan kesetimbangan pada steady

state, yaitu jumlah dari probabilitas transisi dari suatu state dikalikan dengan probabilitas pada

state sama dengan jumlah dari probabilitas transisi dari suatu state ke state lain dikalikan dengan

probabilitas pada state.

Berdasarkan model Markov chain yang dikembangkan oleh Yang [18] diatas, maka dapat

disimpulkan bahwa anomali kinerja pada IEEE 802.11 menunjukkan degradasi kinerja yang tak

diharapkan dari node-node yang menggunakan laju data tinggi, atau yang dekat dengan Access

Point (AP). Pengelompokaan node dalam sebuah BSS menurut laju transmisi node, yaitu, 11, 5.5,

2, dan 1 Mbps akan berpengaruh pada interval WAVE Service Advertisement (WSA) sehingga

akan mempengaruhi nilai optimum dari interval CCH yang dihasilkan dan nilai rata-rata delay

transmisi kanal CCH. Oleh karena itu, pada sub bab selanjutnya, akan dibahas pemodelan skema

koordinasi kanal dinamis dengan mempertimbangkan pengaruh mobilitas node dan efek Doppler

yang dihasilkan.

6.2.1 Pengaruh mobilitas node dan efek Doppler

Efek Doppler adalah perubahan frekuensi atau panjang gelombang dari sebuah sumber

gelombang yang diterima oleh pengamat, jika sumber suara/gelombang tersebut bergerak relatif

terhadap pengamat/pendengar. Di lingkungan Vehicular Ad Hoc Network (VANET), efek

Doppler yang disebabkan oleh mobilitas yang tinggi, topologi dinamis, dan perubahan lintasan.

Pada standar IEEE 802.11p dengan menggunakan bandwidth 10Mhz, spektrum Doppler

adalah sekitar 59 Hz dan 1.18 Hz pada kecepatan 10.8 km/jam sampai dengan 216 km/jam.

Walaupun bandwidth tersebut lebih kecil dari bandwidth subcarrier (156.25 kHz), penurunan


http://id.wikipedia.org/wiki/Frekuensi

http://id.wikipedia.org/wiki/Panjang_gelombang

http://id.wikipedia.org/wiki/Gelombang

179


kinerja disebabkan efek Doppler seharusnya tidak diabaikan. Hal ini disebabkan oleh variasi

waktu dari kanal yang merusak orthogonalitas dari subcarrier yang berbeda dan membangkitkan

kekurangan daya pada subcarrier, dikenal sebagai InterCarrier Interference (ICI).

Dengan asumsi dari sampling sempurna dan sinkronisasi pewaktuan simbol, output kth

( dari demodulator FFT pada receiver dapat dutulis sebagai

(6.9)

Dimana adalah simbol termodulasi M-PSK, adalah noise White Gaussian

dengan zero mean dan variansi dan adalah transformasi fourier dari respon impuls

kanal pada waktu n, dimana didefinisikan sebagai

(6.10)

Dimana adalah bilangan dari pembalikan multipath, dan didefinisikan

sebagan offset frekuensi carrier ternormalisasi dan fase noise, dimana dapat dihasilkan dari

Doppler spread yang tidak stabil. Pada kanal mobile fading, efek Doppler dipertimbangkan, dan

diasumsikan cocok dengan complex white Gaussian process dengan rata-rata zero,

dan fungsi autokorelasi

(6.11)

(6.12)

Dimana adalah fungsi Bessel ke O dari contoh pertama [17]. Secara khusus di kanal

slow fading kita mempunyai

Untuk kemudahan analisis, di kanal time-variant, di persamaan (6.11) dapat

dipisahkan menjadi 3 bagian: item yang dicari d(k), ICI dan item noise . Kemudian

persamaan (2.1) dapat ditulis kembali dengan

(6.13)

(6.14)


180


Untuk simbol M-PSK, kita mempunyai . Karenanya, dari persamaan

(6.11) SNR instan dan daya ICI ternormalisasi dari subcarrier ke k data dikurangi.

Dimana mendenotasikan operasi ekspektasi, hal ini dapat dilihat pada persamaan

(2.3). Daya ICI yang dihasilkan doopler spread dan frekuensi offset naik dengan dan , dan

kemudian kinerja menurun. Karenanya, efek Doppler dan resultan frekuensi offset memiliki

pengaruh negative pada kinerja sistem, dan perlu untuk dieliminasi pada kanal time-variant.

Apabila kanal time-invariant dengan , persamaan (6.13) dan (6.14)

kemudian menjadi

(6.15)

Dari persamaan (2.13), tidak ada ICI pada kasus tsb, dan hanya frekuensi selective fading

timbul. Seperti yang kita tahu ketika diadopsi dari BPSK atau QPSK, maka nilai SER dari th

sub-carrier dapat dihitung melalui kanal AWGN adalah [17]

(6.16)

Pada modulasi M-QAM dapat didefiniskan dengan adalah jumlah bit yang

direpresentasikan dalam satu simbol OFDM yang menggunakan perbedaan fase dan amplitudo

sebanyak . Probabilitas error simbol yang dimodulasikan menggunakan M-QAM adalah

[23], [24]:

(6.17)

Oleh karena atau , maka aliran bit yang diperoleh dari hasil demodulasi

sinyal M-QAM memiliki probabilitas bit error sebagai berikut [23], [24]:

(6.18)


181


Fungsi pada persamaan (2.16) dan (2.17), didefinisikan sebagai

(6.19)




Variable CCH Interval (VCI) dan mempertimbangkan pengaruh mobilitas node. Model

analitikal yang diajukan dilakukan dengan mengelompokkan node dalam sebuah BSS tergantung

dari laju transmisi node, yaitu 3, 6, 12, dan 27 Mbps dengan menggunakan distribusi Poisson.

Disampaing itu, pada bab ini juga diajukan model analitikal slot paket WAVE Service

Advertisement (WSA), dengan mempertimbangkan pengaruh efek Doppler terhadap kinerja

aggregate throughput dan delay transmisi yang dihasilkan. Adanya efek Doppler yang

disebabkan oleh mobilitas yang tinggi, topologi dinamis, dan perubahan lintasan. Pada model

yang diajukan juga mempertimbangkan error kanal akibat adanya pengaruh fading Nakagami

Dengan mempertimbangkan permasalahan tersebut diatas. maka pada bab ini akan dibahas

studi analitikal model pada Multikanal MAC 1609.4 dengan pengaruh anomali kinerja

(performance anomaly) dan adanya pengaruh efek Doppler. Analitikal model yang dibuat

dengan menggunakan model Markov chain tiga dimensi dengan menggunakan skema koordinasi

kanal yang dikembangkan oleh Wang dkk, yaitu Variable CCH Interval (VCI).


dengan menggunakan model Markov chain tiga dimensi untuk memperkirakan throughput DCF

pada operasi Multikanal standar IEEE 1609.4. Berdasarkan kajian penelitian sebelumnya [16],

[18], [19] mengenai model Markov chain tiga dimensi dilakukan hanya untuk evaluasi terhadap

anomali kinerja (performance anomaly) pada IEEE 802.11. Sedangkan pada model Markov

chain yang diajukan digunakan untuk melakukan evaluasi terhadap skema koordinasi kanal

dinamis pada standar multikanal IEEE 1609.4. Disamping itu, model Markov chain yang

diajukan mempertimbangkan pengaruh efek Doppler yang disebabkan oleh mobilitas yang

tinggi, topologi dinamis, dan perubahan lintasan serta mempertimbangkan error kanal akibat


182


adanya fading Nakagami. Pada bab ini juga akan dibahas solusi untuk mengatasi adanya anomali

kinerja (performance anomaly) pada standar multikanal IEEE 1609.4, yaitu dengan

menggunakan nilai optimal Contention Window (CW) pada model Markov chain yang diajukan.

Nilai optimal Contention Window (CW) berdasarkan dari jumlah distribusi node di setiap zone

yang diperoleh dari distribusi Poisson. Nilai optimal Contention Window (CW) dapat dijelaskan

seperti yang dijelaskan pada sub bab 2.10 sebagai berikut.

6.3.1 Nilai optimal Contention Window (CW)

Nilai awal (initial) Contention Window (CW) adalah inisialisasi dari nilai backoff stage

yang ditentukan berdasarkan model Markov chain yang digunakan. Berdasarkan penelitian

sebelumnya, penentuan nilai Contention Window (CW) dapat ditentukan dengan dua cara, yaitu

dengan random nilai dan optimal nilai. Penentuan nilai awal Contention Window (CW) dengan

metode random nilai, yaitu ditentukan dengan secara random dari nilai awal Contention Window

(CW), yaitu 16, 32, 64, 128, 256, dan 512. Sedangkan untuk penentuan nilai awal dengan nilai

optimal, yaitu dengan inisialisasi nilai Contention Window (CW) yang optimal berdasarkan dari

distribusi jumlah node yang ada. Pada disertasi ini, akan digunakan metode inisialisasi nilai

Contention Window (CW) yang optimal berdasarkan dari distribusi jumlah node yang ada. Untuk

menentukan nilai optimal dari CWI kita mengacu dari penelitian sebelumnya dari Shi Chun dkk.






Kemudian, persamaan (3.62) diatas dapat disederhanakan dengan persamaan seperti pada

[14] sebagai berikut


183






(6.23)




Dengan menggunakan persamaaan (3.114), dapat untuk menyederhanakan persamaan

(3.112) dengan menentukan nilai CW dan , selanjutnya dengan mengabaikan

parameter yang kurang dari atau sama dengan parameter urutan ketiga maka diperoleh

rumus persamaan berikut

(6.24)

Kita dapat memperoleh optimal CW dengan memecahkan persamaan (6.24) diatas sebagai

berikut


184


(6.25)

Dimana

, ,

dan


(6.26)

Dimana , dan persamaan (6.31) diatas disebut juga dengan indeks CW (CWI).


diperoleh dari distribusi Poisson.


Pada model Markov chain tiga dimensi yang diajukan dapat dijelaskan sebagai berikut,

didefinisikan bahwa merupakan model Markov chain tiga dimensi waktu diskrit

yang merepresentasikan sutau random proses yang diajukan.


185


Zone Classification:bà 3 Mbpscà 6 Mbpsdà 12 Mbpseà 27 Mbpsfà 12 Mbpsgà 6 Mbpshà 3 Mbps

a

e f

g

h

Initial Node

b

c

d

0,10,01-p

i,0 i,1 i,W-2

M, 0

1-p

p p

1-p 1-p

p p

1-p 1-p

p p

0,W-2

M, W-2

p/w

p/w

M,1

M+1,0 M+1,W-2M+1,11-p 1-p

p p

p/w

M+f,0 M+f,W-2M+f,11-p

p p

1-p

p/w

i-1,0 i-1,1 i-1,W-21-p 1-p

p pp/w

(1-p

)/w

i

p/ w

i

b c d e f g h

Sama untuk semua kondisi state model Markov chain yang digunakan

Gambar 6.2 Model Markov chain Tiga Dimensi Perdana dkk.

Didefinisikan adalah suatu random proses yang merepresentasikan dari zone dimana

node tersebut berada. Sedangkan adalah suatu random proses yang merepresentasikan nilai

dari backoff stage dari suatu node pada group i dengan nilai . Kemudian dapat

didefinisikan sebagai nilai dari backoff counter dari suatu node pada zone i. pada rentang

pada suatu slot waktu. State dari Markov chain direpresentasikan sebagai ,

, , , dimana i, k, dan l merepresentasikan zone i, backoff

stage k, dan nilai backoff counter l.

Kemudian, probabilitas transisi state dari Markov Chain diperlihatkan pada gambar 6.2



186


, (6.27)

, (6.28)

, (6.29)

, (6.30)

, (6.31)

, (6.32)

, (6.33)

, (6.34)

, (6.35)

, (6.36)

Selanjutnya, dapat dijelaskan persamaan probabilitas transisi di atas sebagai berikut :


slot waktu t dalam kondisi idle dan terjadi proses decrement pada backoff counter.

Persamaan (6.28) merepresentasikan probabilitas transisi dari setiap node pada saat pindah

ke zone i+1 dalam kondisi idle dan terjadi proses decrement pada backoff counter.


slot waktu t dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi

idle kembali.

Persamaan (6.30) merepresentasikan probabilitas setiap node pada saat pindah ke zone i+1

dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi idle kembali.


187



berhasil melakukan transmisi frame pada slot waktu yang sama.


berhasil melakukan transmisi frame pada slot waktu yang sama dan pada saat node pindah ke

zone i+1.


proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama.


proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dan

pada saat node pindah ke zone i+1.



maksimum.



maksimum dan pada saat node pindah ke zone i+1.

Distribusi tetap dari Markov chain yang diajukan diatas dapat direpresentasikan sebagai

. Transmisi akan terjadi ketika nilai backoff

counter adalah sama dengan nol. Jadi probabilitas sebuah STA melakukan transmisi dalam slot

waktu random adalah :

(6.37)

Sesuai dengan model Markov chain diatas, untuk penyelesaian sebagai fungsi maka

distribusi tetap dari chain untuk , , dan adalah :

, ,

(6.38)


188


Persamaan pertama dari (6.43) diatas didapatkan dari untuk

dan persamaan kedua dari (6.43) didapatkan dari .

Persamaan ketiga dari (6.43) didapatkan dari kondisi dan kondisi

, jadi :

(6.39)

Semua nilai dari persamaan (6.44) diatas dapat diekspresikan sebagai fungsi dari

nilai dan kondisi probabilitas collision p dengan kenyataan bahwa penjumlah semu nilai


(6.41)

(6.43)


189





(6.44)



6.3.3 Interval waktu dari akses contention kanal CCH



[6-8].

Gambar 6.3 Model baru contention reservasi kanal CCH



adanya efek Doppler. Dapat diasumsikan bahwa node penyedia layanan selalu memiliki paket

WAVE Service Advertisement (WSA). Dalam melakukan analisa untuk transmisi paket WAVE

Service Advertisement (WSA) atau RFS dapat dijelaskan sebagai berikut [6-8]


190





direpresentasikan dengan , probabilitas kanal dalam kondisi idle direpresentasikan

dengan , dan probabilitas kanal dalam kondisi error akibat adanya efek Doppler



=

=

=

= (6.45)

2) Sedangkan untuk menghitung probabilitas paket error akibat pengaruh efek Doppler, dapat

dihitung dengan menggunakan persamaan probabilitas collision dan probabilitas error

Doppler yang saling bebas (independent), yaitu (101), (109), dan (113) serta referensi [15]

sebagai berikut

(6.46)

(6.47)

Dimana didefinisikan sebagai probabilitas error karena adanya pengaruh efek

Doppler dan didefinisikan sebagai probabilitas bit error pada modulasi QPSK, 16

QAM, dan 64 QAM.



dilakukan. Sedangkan menunjukkan durasi slot waktu daalam kondisi error akibat

adanya pengaruh efek Doppler. Berdasarkan definisi tersebut maka dapat dirumuskan

sebagai berikut


191


(6.48)


paket WAVE Service Advertisement (WSA), Request for Service (RFS), dan Acknowledgment






(6.49)


sebagai berikut

(6.50)


, / ( + )

, / ( + ) (6.51)

, / ( + )



/ ( + ) + / ( + ) (6.52)


192




P K = k = . , k = 1, 2, 3, … (6.53)



𝐸 𝑋 = (1/𝑃𝑠𝑢𝑐 ) 𝐸[𝑍] + 𝑇𝑖𝑑𝑙𝑒 + 𝑇𝑠𝑢𝑐 (6.54)

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙/(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑐𝑜𝑙 ) 𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 /(𝑃𝑖𝑑𝑙𝑒 + 𝑃𝑒𝑟𝑟𝑜𝑟 ) 𝑃𝑠𝑢𝑐 + 𝑇𝑠𝑢𝑐

(6.55)

𝐸 𝑋 = 𝑇𝑖𝑑𝑙𝑒 /𝑃𝑠𝑢𝑐 + 𝑃𝑐𝑜𝑙 .𝑇𝑐𝑜𝑙/𝑃𝑠𝑢𝑐 + 𝑃𝑒𝑟𝑟𝑜𝑟 .𝑇𝑒𝑟𝑟𝑜𝑟 /𝑃𝑠𝑢𝑐+𝑇𝑠𝑢𝑐 (6.56)


dilakukan perhitungan terhadap kinerja Aggregate Throughput dengan mempertimbangkan error

kanal adanya efek Doppler.

Dimana menunjukkan bahwa nilai rata-rata durasi satu slot waktu dimana node

dalam kondisi sibuk karena berhasil melakukan transmisi frame, sedangkan merupakan

nilai rata-rata durasi satu slot waktu dimana node dalam kondisi sibuk karena gagal melakukan

transmisi frame dan terjadi collision. Dan adalah probabilitas node berhasil melakukan

transmisi frame.

(6.57)

Sedangkan nilai menunjukkan bahwa durasi waktu node berhasil melakukan tranmsi frame

pada zone i.


193


(6.58)

Dapat didefinisikan merupakan nilai panjang paket payload, SIFS adalah durasi waktu

pendek dalam IFS, menunjukkan nilai laju transmisi data (transmission data rate), DIFS

adalah durasi waktu DIFS, dan merupakan durasi waktu transmisi paket ACK.

(6.59)

Dimana menunjukkan probabilitas node berhasil melakukan transmisi frame pada

zone i.

Sedangkan nilai direpresentasikan sebagai berikut

=

(6.60)

Dapat didefinisikan bahwa merupakan probabilitas homogeneous yang merepresentasikan

probabilitas collision bahwa hanya node pada zone z atau zone yang melakukan transmisi

frame, dimana nilai . Probabilitas merepresentasikan sebagai berikut

a. Node yang mengalami tabrakan di semua zone z.

b. Node yang mengalami tabrakan di semua zone .

c. Node mengalami tabrakan di zone z dan

(6.66)


194


Selanjutnya menunjukkan probabilitas diverse yang merepresentasikan probabilitas

collision bahwa paling sedikit satu node di zone z atau zone , dimana nilai , dan satu

atau lebih node yang melakukan dengan laju transmisi yang lebih tinggi . Probabilitas


(6.67)

Sedangkan nilai rata-rata durasi waktu transmisi paket mengalami collision pada slot waktu

yang sama di zone z dapat didefinisikan sebagai berikut

(6.68)

merupakan durasi waktu transmisi paket mengalami collision pada slot waktu yang

sama di zone z dapat dirumuskan sebagai berikut

(6.69)

Kemudian setelah diperoleh rumus untuk E[X], , , , , dan

maka pada sub bab berikutnya akan dilakukan perhitungan terhadap jumlah node di masing-

masing zone i dengan menggunakan distribusi Poisson dan mempertimbangkan kanal propagasi

Nakagami.

6.3.4 Perhitungan jumlah Node di setiap zone i


menggunakan distribusi Poisson dan mempertimbangkan propagasi kanal Nakagami. Kemudian

dengan menggunakan distribusi node dalam setiap zone i ini maka akan dapat dihitung nilai

optimal Indeks CW (Contention Window Index) berdasarkan pada distribusi node pada setiap

zone i, dimana nilai CW yang optimal ini akan mempengaruhi kinerja node akibat adanya

anomali kinerja karena perbedaan laju transmisi data yang berbeda di setiap zone..


195




dengan mempertimbangkan propagasi kanal Nakagami. Berdasarkan penelitian sebelumnya [12],

distribusi propagasi Nakagami menganggap bahwa parameter yang digunakan dapat disesuaikan

dengan berbagai pengukuran empiris dan model Rayleigh dan distribusi Ricean. Distribusi

Nakagami-m adalah probabilitas distribusi yang terkait dengan distribusi gamma. Fungsi

kepadatan probabilitas (pdf) dari kekuatan sinyal yang diterima [12,13] dapat ditulis sebagai

, untuk (6.70)





faktor fading.




(6.71)

Dengan melakukan subsitusi persamaan (1) ke (2) dan dengan definisi maka

dapat dihitung persamaan berikut

(6.72)

Dengan menggunakan


(6.73)


196



(6.74)

Dengan melakukan subsitusi persamaan (4) ke (5) dan mengintegralkan batas atas


(6.75)




sebagai = , di mana .

Oleh karena itu, nilai rata-rata carrier sense range dapat ditentukan sebagai berikut

(6.76)









server queue) seperti ditunjukkan pada Gambar 6.4



197







(6.77)


(6.78)



(6.79)


selanjutnya adalah menentukan nilai optimal CWI (Contention Window Index). Untuk

menentukan nilai optimal dari CWI kita mengacu dari penelitian sebelumnya dari Shi Chun dkk.


(6.80)





Kemudian, persamaan (6.80) diatas dapat disederhanakan dengan persamaan seperti pada

[14] sebagai berikut


198


(6.81)








Dengan menggunakan persamaaan (5.70), dapat untuk menyederhanakan persamaan (6.81)

dengan menentukan nilai CW dan , selanjutnya dengan mengabaikan parameter

yang kurang dari atau sama dengan parameter urutan ketiga maka diperoleh rumus

persamaan berikut

(6.82)

Kita dapat memperoleh optimal CW dengan memecahkan persamaan (6.82) diatas sebagai

berikut


199


(6.83)

Dimana

, ,

dan


(6.84)

Dimana , dan persamaan (6.72) diatas disebut juga dengan indeks CW (CWI).


diperoleh dari distribusi Poisson, maka sub bab selanjutnya akan dibahas evaluasi dan analisa

aggregate throughput dengan menggunakan nilai CW yang optimal untuk meningkatkan Kinerja

yang dihasilkan akibat adanya anomaly Kinerja yang disebabkan oleh laju transmisi data yang

berbeda di setiap zone.



kanal CCH dan SCH dinamis dengan mempertimbangkan kondisi error kanal dan adanya

fenomena anomali kinerja akibat adanya pengaruh efek Doppler. Kajian analisa yang dilakukan

dapat dijelaskan sebagai berikut, pertama didefiniskan nilai yang merupakan rata-rata

payload informasi yang dapat ditransmisikan dalam slot waktu pada kanal SCH

= + + + + (6.85)

Kemudian nilai rata-rata payload informasi yang dapat ditransmisikan dalam slot waktu

pada kanal SCH dapat didefinisikan sebagai berikut

(6.86)


200


+ (6.87)



(service packet).






waktu pada kanal SCH dengan mempertimbangkan pengaruh bit error kanal adanya pengaruh

Additive White Gaussian Noise (AWGN) dapat dihitung berdasarkan rumus berikut :

(6.89)

(6.90)

(6.91)

(6.92)

(6.93)


201


Dimana dapat didefinisikan adalah jumlah node, adalah probabilitas dimana sebuah

node mengirimkan paket WAVE Service Advertisement (WSA) atau RFS dalam slot waktu yang

bebas akibat adanya fading Nakagami. Sedangkan merupakan probabilitas pengiriman paket

data berhasil dilakukan, adalah jumlah payload informasi yang dikirimkan. adalah laju

data yang dikirimkan.

Dengan menggunakan persamaan sebagai probabilitas SER (Symbol Error Rate)

(6.94)


korelasi fading, dimana nilai nya adalah

maka dapat diperoleh rumus persamaaan saturasi throughput sebagai berikut

(6.95)

Sehingga rumus Aggregate Throughput dapat diperoleh dengan menggunakan persamaan

sebagai berikut :

(6.96)




dengan menggunakan model Markov chain tiga dimensi pada standar IEEE 1609.4. Kinerja

diukur dengan menghitung parameter probabilitas colliision yang terdiri dari homogeneous

collision dan diverse colliision di setiap zone i. Disamping itu, juga diukur Kinerja aggregate

throughput di setiap zone i. Kedua parameter tersebut dihitung dengan memperhatikan pengaruh

anomali Kinerja karena laju transmisi yang berbeda di setiap zone dan efek Doppler yang

dihasilkan. Hasil simulasi memperlihatkan model DCF yang diajukan dapat memperkirakan


202


probabilitas transmisi paket WAVE Service Advertisement (WSA) berdasarkan model contention

reservasi kanal CCH. Model DCF yang diajukan dapat memperlihatkan throughput yang

dihasilkan sesuai dengan kebutuhan amandemen standar IEEE 1609.4.

6.4.1 Interval waktu dari akses contention kanal CCH

Simulasi matematis digunakan untuk menginvestigasi Kinerja nilai merepresentasikan

interval waktu dari akses contention kanal CCH pada saat reservasi berhasil dibuat yang

dipengaruhi adanya anomali Kinerja karena laju transmisi yang berbeda di setiap zone dan

pengaruh anomalous slot. Nilai interval waktu dari akses contention kanal CCH dihitung

berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone. Pengaruh

kedua variabel tersebut terhadap nilai interval waktu dari akses contention kanal CCH pada

model DCF yang diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi

MATLAB yang dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah distrbusi

node di setiap zone terhadap model Tinnirello dan Yang. Nilai interval waktu dari akses

contention kanal CCH pada model Tinnirello dan Yang ini digunakan sebagai pembanding

terhadap model DCF yang diajukan.

Simulasi Kinerja nilai interval waktu dari akses contention kanal CCH berdasarkan

variabel laju transmisi diatur sebagai berikut. Besarnya laju transmisi ditentukan sesuai dengan

laju transmisi standar 802.11p, yaitu 3, 6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan

node dilakukan dengan membagi tujuh zone berdasarkan distribusi node. Tujuh zone dibedakan

menjadi zone 1 – zone 3 merupakan zone actual, zone 5 – zone 7 merupakan zone mirror, dan

zone 4 merupakan zone dengan laju transmisi paling tinggi, yaitu 27 Mbps. Dengan

menggunakan laju transmisi yang berbeda di setiap zone akan menyebabkan anomali Kinerja

akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi yang tinggi.

Sedangkan untuk distribusi node di setiap zone berdasarkan distribusi Poisson dan

mempertimbangkan pengaruh propagasi kanal Nakagami. Banyaknya distribusi jumlah node di

setiap zone akan mempengaruhi Kinerja interval waktu dari akses contention kanal CCH dan

probabilitas terjadinya bit error rate karena pengaruh AWGN dalam pengiriman paket antara

node di setiap zone. Selanjutnya setelah mendapatkan distribusi node setiap zone, kemudian akan


203


dihitung nilai optimal dari nilai Contention Window (CW) yang dihasilkan. Nilai optimal CW ini

akan digunakan untuk mengatasi adanya anomali Kinerja akibat adanya perbedaan laju transmisi

rendah terhadap laju transmisi yang tinggi. Hasil interval waktu dari akses contention kanal CCH

akan dibandingkan skema koordinasi kanal yang dikembangkan oleh Wang dkk [6-8]. Berikut

parameter yang digunakan untuk simulasi dan analisis interval waktu dari akses contention kanal

CCH.

Tabel 6.1 Parameter interval waktu dari akses contention kanal CCH

Parameter Nilai





Payload paket data

service

500 - 2000 bytes


PHY header 192 bits

MAC header 256 bits

Wave Service

Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs





204


12

34

56

7

0

10

20

30

40

50

60

-1

0

1

2

3

4

5

6

7

8


Tim

e in

terv

al C

CH

acce

ss c

on

ten

tio

n (

ms)

Time interval CCH access contention(optimum initial CW)

Time interval CCH access contention(Model Duck Yang)

Time interval CCH access contention(Model Qing Wang)

Time interval CCH access contention(Anomalous Slot)

Gambar 6.5 Kinerja interval waktu dari akses contention kanal CCH (QPSK)

1

2

3

4

5

6

7

0

10

20

30

40

50

60

-1

0

1

2

3

4

5

6

7

8


Tim

e in

terv

al C

CH

acce

ss c

on

ten

tio

n (

ms)





Gambar 6.6 Kinerja interval waktu dari akses contention kanal CCH (16-QAM)


205


1

2

3

4

5

6

7

0

10

20

30

40

50

60

-2

0

2

4

6

8

10


Tim

e in

terv

al C

CH

acce

ss c

on

ten

tio

n (

ms)





Gambar 6.7 Kinerja interval waktu dari akses contention kanal CCH (64-QAM)

Dengan melihat perbandingan antara grafik interval waktu dari akses contention kanal CCH

diatas, dapat dianalisa sebagai berikut :

Berdasarkan model DCF yang diajukan, pada disertasi ini dilakukan evaluasi performansi

sistem OFDM terhadap tiga modulasi yang berbeda, yaitu QPSK, 16 QAM, dan 64 QAM. Dari

hasil simulasi yang dilakukan dapat disimpulkan bahwa hasil BER yang dihasilkan oleh masing-

masing modulasi pada sistem OFDM standar 802.11p mempengaruhi interval waktu dari akses

contention kanal CCH yang dihasilkan. Pada modulasi QPSK didapatkan hasil performansi yang

paling bagus dibandingkan modulasi QPSK dan 16 QAM. BER yang dihasilkan pada modulasi

QPSK paling rendah dibandingkan dengan modulasi 16 QAM dan 64 QAM. Dimana BER yang

dihasilkan oleh modulasi 16 QAM dan 64 QAM karena memodulasikan 4 dan 6 simbol sehingga

lebih rentan terhadap noise selama transmisi dibandingkan dengan modulasi QPSK yang hanya

memodulasikan 2 simbol.

Sedangkan untuk interval waktu dari akses contention kanal CCH yang dihasilkan pada

model DCF yang diajukan lebih baik dibandingkan dengan model Yang yaitu dengan nilai rata-

rata (mean) presentase kenaikan sebesar 10.05 % dan standar deviasi sebesar 11.90 %.


206


Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai interval waktu

dari akses contention kanal CCH terhadap efek Doppler dengan rata-rata rata-rata (mean)

presentase kenaikan sebesar 11.31 % dan standar deviasi sebesar 17.79 %. Hasil ini jauh lebih

baik apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang

terhadap fenomena anomalous slot yaitu dengan rata-rata (mean) presentase kenaikan sebesar

7.81 % dan standar deviasi sebesar 11.85 %.


Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai interval

waktu dari akses contention kanal CCH yang lebih baik dibandingkan dengan tanpa menentukan

nilai optimum initial Contention Window. Sedangkan hasil interval waktu dari akses contention

kanal CCH dengan menggunakan nilai optimum initial Contention Window lebih baik

dibandingkan dengan nilai probabilitas transmisi paket WAVE Service Advertisement (WSA)

model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 9.38 % dan standar



Untuk melakukan evaluasi Kinerja aggregate throughput dengan skema DCF yang

dipengaruhi oleh adanya anomali Kinerja dan efek Doppler yang dihasilkan, maka digunakan

model matematis Aggregate Throughput skema DCF. Evaluasi kinerja aggregate throughput

dihitung berdasarkan dua variabel, yaitu laju transmisi dan jumlah distrbusi node di setiap zone.

Pengaruh kedua variabel tersebut terhadap Kinerja aggregate throughput pada model DCF yang


dijalankan, juga dihitung pengaruh variabel laju transmisi dan jumlah distrbusi node di setiap

zone terhadap model Yang dan Tinnirello. Evaluasi terhadap Kinerja aggregate throughput

model Tinnirello ini digunakan sebagai pembanding terhadap model DCF yang diajukan.

Simulasi Kinerja aggregate throughput berdasarkan variabel laju transmisi diatur sebagai

berikut. Besarnya laju transmisi ditentukan sesuai dengan laju transmisi standar 802.11p, yaitu 3,

6, 12, dan 27 Mbps. Kemudian, untuk pengelompokkan node dilakukan dengan membagi tujuh

zone berdasarkan distribusi node. Tujuh zone dibedakan menjadi zone 1 – zone 3 merupakan


207


zone actual, zone 5 – zone 7 merupakan zone mirror, dan zone 4 merupakan zone dengan laju

transmisi paling tinggi, yaitu 27 Mbps. Dengan menggunakan laju transmisi yang berbeda di

setiap zone akan menyebabkan anomali Kinerja akibat adanya perbedaan laju transmisi rendah

terhadap laju transmisi yang tinggi.

Kemudian selanjutnya, evaluasi aggregate throughput dilakukan dengan

mempertimbangkan pengaruh AWGN dan efek Doppler karena pengaruh mobilitas node dari

satu zone ke zone lainnya. Perpindahan node dari setiap zone dipengaruhi oleh distribusi node di

setiap zone, sedangkan untuk distribusi node di setiap zone dihitung berdasarkan distribusi

Poisson dan mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah

mendapatkan distribusi node setiap zone, kemudian akan dihitung nilai optimal dari nilai CW

(Contention Window) yang dihasilkan. Nilai optimal CW ini akan digunakan untuk mengatasi

adanya anomali Kinerja akibat adanya perbedaan laju transmisi rendah terhadap laju transmisi

yang tinggi. Hal ini sesuai dengan kajian yang dilakukan oleh Model Bianchi, bahwa initial nilai

CW yang digunakan akan mempengaruhi kinerja yang dihasilkan. Hasil evaluasi Kinerja

aggregate throughput akan dibandingkan skema koordinasi kanal yang dikembangkan oleh

Wang dkk. [6-8] dan model Markov chain yang dikembangkan oleh Yang. Berikut parameter

yang digunakan untuk simulasi dan analisis kinerja aggregate throughput pada kanal SCH.


208


Tabel 6.2 Parameter aggregate throughput pada kanal SCH

Parameter Nilai





Payload paket data service 2000 bytes


PHY header 192 bits

MAC header 256 bits

Wave Service Advertisement

(WSA)/RFS



Slot time 20 μs

SIFS 10 μs

DIFS 50 μs




1 2 3 4 5 6 70

20

4060

0

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)

Aggreagate Throughput(optimum initial CW)



Aggreagate Throughput(Anomalous Slot)

Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (QPSK)


209


1 2 3 4 5 6 7

010

2030

4050

600

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)






1

2

3

4

5

6

7

0

10

20

30

40

50

60

0

1

2

3

4

5

6

7

8

9

x 104


Ag

gre

ag

ate

Th

rou

gh

pu

t S

CH

s (

kb

ps)







210



sebagai berikut :









dengan modulasi 16 QAM dan 64 QAM, karena hanya memodulasikan dua simbol sehingga

lebih tahan terhadap Additive White Gaussian Noise (AWGN) selama transmisi.


yang lebih baik dibandingkan nilai aggregate throughput model Yang yaitu dengan nilai rata-

rata (mean) presentase kenaikan sebesar 41.33% dan standar deviasi sebesar 18.75 %.

Selanjutnya, dapat dianalisa bahwa model DCF yang diajukan meningkatkan nilai aggregate

throughput terhadap fenomena anomalous slot dengan rata-rata rata-rata (mean) presentase

kenaikan sebesar 65.08 % dan standar deviasi sebesar 71.36 %. Hasil ini jauh lebih baik apabila

dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap fenomena

anomalous slot yaitu dengan rata-rata (mean) presentase kenaikan sebesar 38.89 % dan standar




aggregate throughput yang lebih baik dibandingkan menentukan nilai initial Contention Window

berdasarkan standar 802.11p. Sedangkan hasil aggregate throughput dengan menggunakan nilai

optimum initial Contention Window lebih baik dibandingkan dengan nilai aggregate throughput

model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan sebesar 42.64 % dan

standar deviasi sebesar 69.34 %.


211


BAB 7 KESIMPULAN

7.1 Kesimpulan

Kesimpulan hasil penelitian disertasi ini dapat disampaikan sebagai berikut :

1. Model analitikal skema DCF yang diajukan dalam disertasi ini dapat digunakan untuk

memperkirakan throughput secara akurat data layanan kanal SCH dan delay transmisi yang

dihasilkan. Berdasarkan simulasi yang dilakukan, dapat disimpulkan bahwa model analitikal

yang diajukan dapat memperkirakan throughput secara akurat dibandingkan dengan model

referensi Wang dengan kenaikan presentase rata-rata (mean) sebesar 42.53 %. Sedangkan

terhadap pengaruh anomali kinerja (performance anomaly) mengalami kenaikan rata-rata

(mean) sebesar 40.18 % dibandingkan dengan model referensi yang diajukan oleh Yang.

2. Dari hasil simulasi yang dilakukan dapat disimpulkan bahwa nilai Bit Error Rate (BER) yang

dihasilkan oleh masing-masing modulasi QPSK, 16 QAM, dan 64 QAM pada sistem OFDM

standar 802.11p berpengaruh pada kinerja delay transmisi CCH dan aggregate throughput

yang dihasilkan. Modulasi 64 QAM dihasilkan BER paling tinggi dibandingkan dengan

modulasi QPSK dan 16 QAM, karena memodulasikan 6 simbol dan lebih rentan terhadap

Additive White Gaussian Noise (AWGN). Berdasarkan dari persamaan (4.76), maka dapat

disimpulkan bahwa hasil BER yang tinggi akan diperoleh kinerja delay transmisi CCH yang

tinggi. Dari hasil performansi yang dihasilkan, modulasi QPSK menghasilkan delay

transmisi CCH dan aggregate throughput yang lebih baik dibandingkan dengan modulasi 16

QAM dan 64 QAM, karena hanya memodulasikan dua simbol sehingga lebih tahan terhadap

Additive White Gaussian Noise (AWGN) selama transmisi.

3. Hasil simulasi model analitikal memperlihatkan jika jumlah distribusi node yang melakukan

pengiriman paket WAVE Service Advertisement (WSA) meningkat maka probabilitas paket

WAVE Service Advertisement (WSA) collision dan slot anomali meningkat. Kondisi

peningkatan jumlah slot anomali dapat diakibatkan juga oleh pengiriman paket WAVE

Service Advertisement (WSA) yang error akibat adanya pengaruh AWGN. Hasil simulasi

yang dilakukan memperlihatkan bahwa peningkatan slot anomali akan menyebakan


212


aggregate throughput yang dihasilkan turun. Jumlah reservasi kanal CCH yang meningkat

juga akan memyebabkan jumlah slot anomali meningkat.

4. Hasil simulasi model analitikal memperlihatkan nilai awal Contention Window (CW) yang

optimal berdasarkan distribusi node akan meningkatkan aggregate throughput dan delay

transmisi akibat adanya performance anomaly. Hasil simulasi akibat adanya performance

anomaly hanya menghasilkan aggregate throughput 42.49 Mbps, sedangkan dengan

menggunakan awal Contention Window (CW) yang optimal menghasilkan aggregate

throughput 296.74 Mbps. Hasil simulasi akibat adanya performance anomaly hanya

menghasilkan delay transmisi 61 ms, sedangkan dengan menggunakan awal Contention

Window (CW) yang optimal menghasilkan delay transmisi 54 ms.

5. Hasil simulasi model analitikal memperlihatkan nilai awal Contention Window (CW) yang

optimal berdasarkan distribusi node akan meningkatkan aggregate throughput akibat adanya

anomalous slot. Nilai optimal CW ini akan digunakan untuk mengatasi adanya slot anomali

yang ada dan bit error akibat adanya pengaruh noise AWGN. Hasil simulasi akibat adanya

anomalous slot hanya menghasilkan aggregate throughput 42.22 Mbps, sedangkan dengan

menggunakan awal Contention Window (CW) yang optimal menghasilkan aggregate

throughput 296.8 Mbps.

7.2 Peluang Penelitian

Pengembangan lanjutan dari penelitian ini mencakup dua field utama. Kedua field

tersebut adalah pengembangan protokol IEEE 802.11p dan modul IEEE 1609.4 pada Network

Simulator NS-3. Beberapa penelitian terkait dengan pada modul IEEE 1609.4, yaitu terkait

utilisasi penggunaan kanal CCH dan SCH. Sedangkan penelitian terkait dengan pengembangan

protokol IEEE 802.11p, yaitu pengembangan model kanal propagasi dan pengaruh mobilitas

node di lingkungan VANET. Berdasarkan draft amandement yang dikeluarkan oleh Working

Group (WG) IEEE 1609.4, bahwa penggunaan kanal SCH tidak ter-utilisasi sebesar 50% pada

saat interval waktu kanal CCH. Hal ini akan menyebabkan delay transmisi yang meningkat pada

kanal SCH. Maka dari itu, diperlukan manajemen resource yang lebih efesien terhadap

penggunaan kanal CCH dan SCH.


213


Di masa yang akan datang, penggunaan manajemen resource yang lebih efesien terhadap

penggunaan kanal CCH dan SCH, yaitu dengan meminimalisir penggunaan Guard Interval (GI)

dengan mempertimbangkan model kanal propagasi dan pengaruh mobilitas node di lingkungan

VANET menjadi topik yang menarik untuk diteliti. Hal ini karena sesuai dengan draft

amandement yang dikeluarkan oleh Working Group (WG) IEEE 1609.4 dan IEEE 802.11p ,

bahwa penggunaan kanal SCH tidak ter-utilisasi sebesar 50% pada saat interval waktu kanal

CCH.


214


REFERENSI [1] IEEE Standard for Wireless Access in Vehicular Environments (WAVE)--Multi-

channel Operation. IEEE Std 1609.4-2010 (Revision of IEEE Std 1609.4-2006), 2011:

p. 1-89.

[2] Wang, Q et al., An IEEE 802.11p-Based Multikanal MAC Scheme With Channel

Coordination for Vehicular Ad Hoc Networks. Intelligent Transportation Systems, IEEE

Transactions on, 2012. 13(2): p. 449-458.

[3] Wang, Q et al,. An Enhanced Multi-Channel MAC for the IEEE 1609.4 Based Vehicular

Ad Hoc Networks. in INFOCOM IEEE Conference on Computer Communications

Workshops , 2010. 2010.

[4] Wang, Q, S. Leng, Y. Zhang, and H. Fu, “A QoS supported multichannel MAC for

vehicular Ad Hoc networks,” in Proceedings of the IEEE 73rd Vehicular Technology

Conference (VTC ’11), Budapest, Hungary, May 2011.

[5] Ghandour, A.J., et al., Modeling and simulation of WAVE 1609.4-based multi-channel

vehicular ad hoc networks, in Proceedings of the 5th International ICST Conference on

Simulation Tools and Techniques 2012, ICST (Institute for Computer Sciences, Social-

Informatics and Telecommunications Engineering): Desenzano del Garda, Italy. p. 148-

156.

[6] L. Liu, W. Xia, and L. Shen, “An adaptive multi-channel MAC protocol with dynamic

interval division in vehicular environment,” in Proceedings of the 1st International

Conference on Information Science and Engineering (ICISE ’09), pp. 2534–2537,

Nanjing, China, December 2009.

[7] D. Zhu and D. Zhu, “Performance analysis of A multi-channel MAC with Dynamic

CCH interval in WAVE system,” in Proceedings of the 2nd International Conference

On Systems Engineering and Modeling, Beijing, China, April 2013.

[8] H. Yoo and D. Kim, “A dynamic safety interval protocol for VANETs,” in

Proceedings of the ACM Research in Applied Computation Symposium (RACS ’12),

pp. 209–214, October 2012.

[9] E. Karamad and F. Ashtiani,“Performance analysis of IEEE 802.11 DCF and 802.11e

EDCA based on queuing networks”,IET Commun., Vol. 3, Iss. 5, pp: 871-881. 2009.

[10] Y. Lin and V. W. Wong.,“Saturation throughput of IEEE 802.11e EDCA based on mean

value analysis”,Proc. IEEE WCNC ’06, April. 2006.

[11] Tinnirello, I.; Bianchi, G.; Yang Xiao; "Refinements on IEEE 802.11 Distributed

Coordination Function Model Approaches," Vehicular Technology, IEEE Transactions

on , vol.59, no.3, pp.1055-1067, March 2010.

[12] Bianchi, G.; , "Performance analysis of the IEEE 802.11 distributed coordination

function," Selected Areas in Communications, IEEE Journal on, vol.18, no.3, pp.535-

547, Mar 2000.


215


[13] Yang, Y.D., Tae-Jin Lee, Jin Bong Chang, and Sunghyun Choi, “Performance

Enhancement of Multirate IEEE 802.11 WLANs with Geographically Scattered

Stations”, IEEE Transactios on Mobile Computing , Vol. 5, No.7, July 2006.

[14] N. Cheng, N. Lu, P. Wang, X. Wang, F. Liu, “A QoS-Provision Multi-Channel MAC in

RSU-Assisted Vehicular Networks (Poster)”, In Proc. of IEEE Vehicular Networking

Conference, pp. 193-197, Nov 2011.

[15] M. Ahyar, Evaluasi Kinerja Operasi Multi Channel untuk Aplikasi Safety dan Non

Safety pada Vehicular Ad Hoc Network IEEE 802.11p/1609.4, Master Thesis, Electrical

Engineering Department, Faculty of Engineering, University of Indonesia, 2013. [16] Qi Chen, D.Jiang and L. Delgrossi. IEEE 1609.4 DSRC Multi-Channel Operations and

Its Implications on Vehicle Safety Communications. In Proc. Of IEEE VTC-Spring,

Taipei, pp. 1-5, 2010.

[17] Kenney, J.B, “Dedicated Short-Range Communications (DSRC) Standards in the

United States”, In Proc. of the IEEE, vol. 99, pp 1162-1182, July 2011.

[18] Kai, L., et al. RAMC: A RSU-Assisted Multi-Channel Coordination MAC Protocol for

VANET. in GLOBECOM Workshops, 2009 IEEE. 2009.

[19] Ahmad, A., et al. A new adapted back-off scheme for broadcasting on IEEE 1609.4

control channel in VANET. in Ad Hoc Networking Workshop (Med-Hoc-Net), 2012

The 11th Annual Mediterranean. 2012.

[20] Huang., C.M, Y. Chia-Ching, and H. Huai-De. An Effective Channel Utilization Scheme

for IEEE 1609.4 Protocol. in Ubiquitous Information Technologies & Applications,

2009. ICUT '09. Proceedings of the 4th International Conference on. 2009.

[21] Nasuf H., Mirza M., Melita A.C., and Mesud H., “Estimation of Nakagami Distribution

Parameters Based on Signal Samples Corrupted with Multiplicative and Additive

Disturbances,” 49th International Symposium ELMAR-2007, 12-14 September 2007,

Zadar, Croatia.

[22] Luo, T., Wen, Z., Li. J, Chen, H.H, Saturation Throughput Analysis of WAVE

Networks in Doppler Spread Scenarios, September 2009. IET Communcations in

special on Vehicular Ad Hoc and Sensor Networks.

[23] Timo Bingmann, "Accuracy Enhancements of the 802.11 Model and EDCA QoS

Extensions in ns-3," Master's thesis, University of Karlsruhe, April 2009.

[24] Andrea Goldsmith,“Wireless Communications”,Cambridge University Press, New

York, NY, USA, 1st edition, 2005.

[25] Khalid Abdel Hafeez, Lian Zhao, Bobby Ma, and Jon W. Mark, Performance Analysis

and Enhancement of the DSRC for VANET’s Safety Applications, IEEE Transactions

on Vehicular Technology, Vol. 62, No. 7, September 2013.

[26] J.G. Proakis and M. Salehi, Digital Communications. New York, NY, USA : McGraw-

Hill, 2008.


http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=5

216


[27] Chun, S., Dai Xianhua, Liang Pigyuan, and Zhang Han “Adaptive Access Mechanism

with Optimal Contention Window Based on Node Estimation Using Multiple

Theresholds,” IEEE Transactions Wireless Communicatios, Vol. 11, No. 6, June 2012.

[28] Mathieu Lacage, An ns-3 tutorial, Tunis, April, 7-8th2009.www.nsnam.org/tutorials/ns-

3-tutorial-tunis-apr09.pdf, diakses pada 18 Maret 2010.

[29] Junling Bu and Mingjian Lu, Implementation and Evaluation of WAVE 1609.4/802.11p

in ns-3. Workshop on ns-3 (WSN3), May 7, 2014, Georgia Institute of Technology in

Atlanta GA

[30] Jafari, A., Performance Evaluation of IEEE 802.11p for Vehicular Communication

Networks. PhD Dissertation, Faculty of Arts, Computing, Engineering, and Sciences,

Postgraduate Program, Sheffield Hallam University, South Yorkshire, England, UK,

2011.

[31] Doan P. and Riri F.S. Mobility Models Performance Analysis using Random Dijkstra

Algorithm and Doppler Effect for IEEE 1609.4 Standard, “International Journal of

Simulation, Systems, Science, and Technology, United Kingdom Simulation Society”

(Impact Factor 2011 : 1.00), Dec 2013.

[32] Di Felice, M., et al. Enhancing the performance of safety applications in IEEE

802.11p/WAVE Vehicular Networks. in World of Wireless, Mobile and Multimedia

Networks (WoWMoM), 2012 IEEE International Symposium on a. 2012.

[33] Dongxia, X., T. Sakurai, and H.L. Vu, An Access Delay Model for IEEE 802.11e

EDCA. Mobile Computing, IEEE Transactions on, 2009. 8(2): p. 261-275.

[34] Eichler, S. Performance Evaluation of the IEEE 802.11p WAVE Communication

Standard. in Vehicular Technology Conference, 2007. VTC-2007 Fall. 2007 IEEE 66th.

2007.

[35] Fazio, P., et al. A New Channel Assignment Scheme for Interference-Aware Routing in

Vehicular Networks. in Vehicular Technology Conference (VTC Spring), 2011 IEEE

73rd. 2011.

[36] F. Bai, N. Sadagopan, and A. Helmy, “The IMPORTANT framework for analyzing

the Impact of Mobility on Performance of Routing Protocols for Adhoc Networks”,

Elsevier Ad Hoc Networks vol. 1 (2003), pp. 383-403, 2003.

[37] Fernandes, R. and Fernandes, R., Scalable VANET Simulations with NS-3, Vehicular

Technology Conference (VTC Spring), 2012 IEEE 75th 6-9 May 2012, pp. 1-5, ISSN :

1550-2252

[38] Fiore, M., et al. Vehicular Mobility Simulation for VANETs. in Simulation Symposium,

2007. ANSS '07. 40th Annual. 2007.

[39] Furlong, W.P.; Guha, R.; , "OFDMA Extension of NS-3 WiMAX Module," Computer

Modeling and Simulation (EMS), 2010 Fourth UKSim European Symposium on , vol.,

no., pp.426-431, 17-19 Nov. 2010


http://ieeexplore.ieee.org/search/searchresult.jsp?searchWithin=p_Authors:.QT.Fernandes,%20R..QT.&searchWithin=p_Author_Ids:37530733600&newsearch=true

http://ieeexplore.ieee.org/search/searchresult.jsp?searchWithin=p_Authors:.QT.Fernandes,%20R..QT.&searchWithin=p_Author_Ids:37530733600&newsearch=true

http://ieeexplore.ieee.org/xpl/mostRecentIssue.jsp?punumber=6238551



217


[40] George K. Karagiannidis, Niko C.S and P. Takis Mathiopoulos “The N * Nakagami

Fading Channel Model,” IEEE Communication Letters 2005.

[41] Grafling et al. Performance evaluation of IEEE 1609 WAVE and IEEE 802.11p for

vehicular communications. in Ubiquitous and Future Networks (ICUFN), 2010 Second

International Conference on. 2010.

[42] Harri, J., F. Filali, and C. Bonnet, Mobility models for vehicular ad hoc networks: a

survey and taxonomy. Communications Surveys & Tutorials, IEEE, 2009. 11(4): p. 19-

41.

[43] Haerri, J., F. Filali and C. Bonnet. 2005. A framework for mobility models generation

and its application to inter-vehicular networks. In 3rd IEEE International Workshop on

Mobility Management and Wireless Access (MobiWac’05).

[44] H. Arbabi and M. C. Weigle, "Highway Mobility and Vehicular Ad-Hoc Networks in

NS-3,"CoRR, vol. abs/1004.4554, 2010.

[45] Hong, K., et al. Evaluation of Multi-Channel Schemes for Vehicular Safety

Communications. in Vehicular Technology Conference (VTC 2010-Spring), 2010 IEEE

71st. 2010.

[46] Hyon-Young Choi; Sung-Gi Min; Youn-Hee Han; Jungsoo Park; Hyoungjun Kim; ,

"Implementation and Evaluation of Proxy Mobile IPv6 in NS-3 Network Simulator,"

Ubiquitous Information Technologies and Applications (CUTE), 2010 Proceedings of

the 5th International Conference on , vol., no., pp.1-6, 16-18 Dec. 2010

[47] Inan, I., F. Keceli, and E. Ayanoglu, Analysis of the 802.11e enhanced distributed

channel access function. Communications, IEEE Transactions on, 2009. 57(6): p. 1753-

1764.

[48] Jérôme Haerri, Fethi Filali, and Christian Bonnet, “On Meaningful Parameters for

Routing in VANETs Urban Environments under Realistic Mobility Patterns”, in Proc. of

AutoNet 2006 1st IEEE Workshop on Automotive Networking and Applications (in

conjuction with IEEE Globecom 2006), December 1st 2006 SanFrancisco, CA, USA.

[49] Jérôme Herri, Marco Fiore, Fethi Fialli, and Christian Bonnet , “Vehicular mobility

simulation with VanetMobiSim”, Journal Simualtion Volume 87 Issues 4, April 2011,

Pages 275-300, Society for Computer Simulation International San Diego, CA, USA.

[50] J. Harri, F. Filali, C. Bonnet, and Marco Fiore. VanetMobiSim: generating realistic

mobility patterns for VANETs. In VANET '06: Proceedings of the 3rd international

workshop on Vehicular ad hoc networks, pages 96-97, New York, NY, USA, 2006.

[51] J Haerri, F. Filali, and C. Bonnet, “A Framework for Mobility Models Generation and

its Application to Inter-Vehicular Networks”, 3rd IEEE International Workshop on

Mobility Management and Wireless Access (MobiWac’05), Maui, Hawaii, U.S.A., June

2005.


218


[52] J. Mo, H.-S. W. So, and J. Walrand, “Comparison of multichannel MAC protocols,”

IEEE Transactions on Mobile Computing, vol. 7, no. 1, pp. 50–65, 2008.

[53] Julian Cheng and Norman C.B, “ Generalised Moment Estimators for the Nakagami

Fading Parameter,” IEEE Communication Letters, Vol. 6, No. 4, April 2002.

[54] Kun-Wah Yip and Tung-Sang Ng, “A Simulation Model for Nakagami-m Fading

Channels, m < 1”, IEEE Transactions on Commnucations, Vol. 48, No.2, February

2000.

[55] Lam, R.K. and P.R. Kumar. Dynamic Channel Reservation to Enhance Channel Access

by Exploiting Structure of Vehicular Networks. in Vehicular Technology Conference

(VTC 2010-Spring), 2010 IEEE 71st. 2010.

[56] Mittag, J., et al., A comparison of single- and multi-hop beaconing in VANETs, in

Proceedings of the sixth ACM international workshop on VehiculAr InterNETworking

2009, ACM: Beijing, China. p. 69-78.

[57] Muhammad Alam, Muhammad Sher, Syed Afaq Husain, Integrated Mobility Model

(IMM) for VANETs Simulation and Its Impact, International Conference on Emerging

Technologies, 2009.

[58] M. Ahyar, Riri F.S, Performance Evaluation of Multi-channel Operation for Safety and

Non-Safety Application on Vehicular Ad Hoc Network IEEE 1609.4, International

Journal of Simulation Systems, Science, and Technology (IJSSST), Vol.14 No.1

February 2013, ISSN : 1473-8031.

[59] Mrs. Vaishali D. Kahirnar, and Dr. S.N. Pradhan. Mobility Models for Vehicular Ad-hoc

Network Simulation, IEEE Symposium on Computers & Informatics, 2011.

[60] M.Kostiü, “An analytical approach to performance analysis for channel subject to

shadowing and fading”, IEEE Proc. On Communications, vol. 152, No. 6, 2005,

pp. 821-827

[61] M. A. Ismail, G. Piro, L. A. Grieco, and T. Turletti, "An Improved IEEE 802.16 WiMAX

Module for the ns-3 Simulator," in Proceedings of the Second International ICST

Conference on Simulation Tools and Techniques Malaga, ES, 2010.

[62] N. Lu, Y. S. Ji, F. Q. Liu, and X. H. Wang, “A dedicated multi-channel MAC protocol

design for VANET with adaptive broadcasting,” in Proc. WCNC, 2010, pp. 1–6

[63] Perdana, D., Sari, F.S, Performance Evaluation of Multi-channel Operation IEEE

1609.4 Based on Multi-hop Dissemination, International of Journal Computer Science

and Network Security VOL. 13 No. 3, 2013, ISSN No. : 1738-79060.

[64] Perdana, D. and Sari, F.S., Performance Comparison of IEEE 1609.4 and 802.11e with

EDCA Implementation in MAC Sublayer, The 5th International Conference on

Information Technology and Electrical Engineering (ICITEE), ISBN: 978-1-4799-

0425-9, Jogjakarta, October, 07-08th 2013.

[65] Paul, A.B.; Konwar, S.; Gogoi, U.; Chakraborty, A.; Yeshmin, N.; Nandi, S.; ,


219


"Implementation and performance evaluation of AODV in Wireless Mesh Networks

using NS-3," Education Technology and Computer (ICETC), 2010 2nd International

Conference on , vol.5, no., pp.V5-298-V5-303, 22-24 June 2010.

[66] Q.T. Zhang, “A note on the estimation of Nakagami-m fading parameter”, IEEE

Comm. Lett., vol. 6, pp. 237-238, June 2002.

[67] Sang-woo, C., C. Jin, and L. Sang-sun. Adaptive EDCA mechanism for vehicular ad-

hoc network. in Information Networking (ICOIN), 2012 International Conference on.

2012.

[68] Shah, N., D. Habibi, and I. Ahmad. Multikanal Cognitive Medium Access Control

Protocol for Vehicular Ad-Hoc Networks. in Vehicular Technology Conference (VTC

Fall), 2012 IEEE. 2012.

[69] Shan, W., et al. Maximizing Saturation Throughput of Control Channel in Vehicular

Networks. in Mobile Ad-hoc and Sensor Networks (MSN), 2011 Seventh International

Conference on. 2011.

[70] Sommer, C., Dressler, F., Progressing toward realistic mobility models in VANET

simulations, IEEE Communications Vol. 46 Issues : 11, Pages : 132-137, ISSN : 0163-

6804, November 2008.

[71] Stanica, R., E. Chaput, and A.L. Beylot. Enhancements of IEEE 802.11p Protocol for

Access Control on a VANET Control Channel. in Communications (ICC), 2011 IEEE

International Conference on. 2011.

[72] Sunghyun, C., et al. IEEE 802.11 e contention-based channel access (EDCF)

performance evaluation. in Communications, 2003. ICC '03. IEEE International

Conference on. 2003.

[73] S. Krishnan and P. Chaporkar, "Stochastic approximation algorithm for optimal

throughput performance of wireless LANs," in Proceedings of the ACM SIGCOMM

2010 conference on SIGCOMM, New York, NY, USA, 2010, pp. 409-410.

[74] Yingtian, D., et al. Performance analysis and enhancement of IEEE 802.11p/1609

protocol family in vehicular environments. in Intelligent Transportation Systems

(ITSC), 2010 13th International IEEE Conference on. 2010.

[75] Yunfei Chen and Norman C. Beaulieu “ Estimation of Ricean and Nakagami distribution

parameters using noisy samples”, IEEE Proc. On Communications, vol. 1, 2004 pp.

562-566

[76] Z. Kong, D. H. K. Tsang, B. Bensaou, and D. Gao. (2004). Performance analysis of the

IEEE 802.11e contention-based channel access. IEEE J. Select. Areas Commun. pp:

2095–2106, December.


220


[77] M. Abramowitz and I.A. Stegun, Eds. Handbook of Mathematical Functions. New

York: Dover, 1972.

[78] The Wolfram Function Site, http://functions.wolfram.com, terakhir diakses pada 18

Maret 2015.

[79] Arif Yuliar T., New Analytical Model for IEEE 802.11n MAC Throughput with

Anomalous Slot and HT-PHY MIMO-OFDM Channel Error Consideration. PhD

Dissertation, Electrical Engineering Department, Faculty of Engineering, University

of Indonesia, 2012.


221


LAMPIRAN A

Penurunan persamaan (3.33) :


222




223




224



225


(7.1)


universitas indonesia peningkatan kinerja pada

Documents