universitas indonesia peningkatan kinerja pada
TRANSCRIPT
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.
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
4.2 Penelitian Terkait 113
4.3 Pemodelan skema koordinasi kanal dinamis 118
4. 4 Simulasi dan Pembahasan Hasil 136
4.4.1 Kinerja probabilitas pengiriman paket WSA 136
4.4.2 Kinerja Aggregate Throughput skema DCF 140
4.4.3 Evaluasi Kinerja delay transmisi kanal CCH dan SCH 144
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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 Simulasi dan Pembahasan Hasil 165
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 Penelitian Terkait 176
6.2.1 Pengaruh mobilitas node dan efek Doppler 178
6.3 Pemodelan skema koordinasi kanal dinamis 181
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 Simulasi dan Pembahasan Hasil 201
6.4.1 Interval waktu dari akses contention kanal CCH 202
6.4.2 Kinerja Aggregate Throughput skema DCF 206
BAB 7 KESIMPULAN 211
7.1 Kesimpulan 211
7.2 Penelitian selanjutnya 205
DAFTAR PUSTAKA 206
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
i
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
ii
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
iii
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
v
Gambar 3.10 Kinerja Aggregate Throughput skema DCF (16-QAM) ....................................... 100
Gambar 3.11 Kinerja Aggregate Throughput skema DCF (64-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 4.1 Model Markov chain Tiga Dimensi Yang .............................................................. 106
Gambar 4.2 Model Markov chain Tiga Dimensi Perdana dkk. .................................................. 111
Gambar 4.3 Model baru contention reservasi kanal CCH Perdana dkk. .................................... 115
Gambar 4.4 Model antrian Single-server .................................................................................... 122
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 4.10 Kinerja Aggregate Throughput skema DCF (16-QAM) ....................................... 133
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 6.1 Model Markov chain Tiga Dimensi Yang .............................................................. 162
Gambar 6.2 Model Markov chain Tiga Dimensi Perdana dkk. .................................................. 170
Gambar 6.3 Model baru contention reservasi kanal CCH .......................................................... 174
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
vi
Gambar 6.4 Model antrian Single-server .................................................................................... 180
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
Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (16-QAM) ................................... 192
Gambar 6.7 Kinerja aggregate throughput pada kanal SCH (64-QAM) ................................... 192
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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 %
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
2
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
3
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
4
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
5
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
6
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
7
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
8
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
9
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
10
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
11
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
12
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
13
Universitas Indonesia
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].
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
14
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
15
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
16
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
17
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
18
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
19
Universitas Indonesia
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
dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
20
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
21
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
22
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
23
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
24
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
25
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
26
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
27
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
28
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
29
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
30
Universitas Indonesia
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].
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
31
Universitas Indonesia
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 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
32
Universitas Indonesia
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).
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
33
Universitas Indonesia
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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
34
Universitas Indonesia
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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
35
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
36
Universitas Indonesia
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,
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
37
Universitas Indonesia
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)
Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang
dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
38
Universitas Indonesia
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]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
39
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
40
Universitas Indonesia
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 2.14 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
waktu. Kemudian, model contention diusulkan untuk menganalisis waktu rata-rata yang
dikonsumsi pada kanal CCH untuk melakukan negosiasi pengiriman paket layanan. Akhirnya,
dapat diperoleh rasio optimal antara interval CCH dan SCH.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
41
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
42
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
43
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
44
Universitas Indonesia
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]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
45
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
46
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
47
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
48
Universitas Indonesia
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].
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
49
Universitas Indonesia
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,
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
50
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
51
Universitas Indonesia
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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
52
Universitas Indonesia
(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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
53
Universitas Indonesia
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] :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
54
Universitas Indonesia
(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) .
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
55
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
56
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
57
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
58
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
59
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
60
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
61
Universitas Indonesia
, (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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
62
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
63
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
64
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
65
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
66
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
67
Universitas Indonesia
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]:
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
68
Universitas Indonesia
(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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
69
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
70
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
71
Universitas Indonesia
(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]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
72
Universitas Indonesia
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
dirumuskan sebagai berikut
(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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
73
Universitas Indonesia
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 + 𝑇𝑒𝑎𝑑 + 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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
74
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
75
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
76
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
77
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
78
Universitas Indonesia
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).
Model koordinasi kanal pada standar VANET pertama kali diperkenalkan oleh Wang
dkk. [2]-[4]. Wang dkk [2]-[4] memperkenalkan skema Variable CCH Interval (VCI) yang
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
79
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
80
Universitas Indonesia
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 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
waktu. Kemudian, model contention diusulkan untuk menganalisis waktu rata-rata yang
dikonsumsi pada kanal CCH untuk melakukan negosiasi pengiriman paket layanan. Akhirnya,
dapat diperoleh rasio optimal antara interval CCH dan SCH.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
81
Universitas Indonesia
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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
82
Universitas Indonesia
(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.
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.
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.
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 :
(3.2)
Sesuai dengan model Markov chain diatas, untuk penyelesaian sebagai fungsi
maka distribusi tetap dari chain untuk , , dan adalah :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
83
Universitas Indonesia
(3.3)
Persamaan pertama dari (3.3) diatas didapatkan dari untuk dan
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
adalah sama dengan satu, maka :
Jadi dapat dituliskan kembali sebagai berikut :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
84
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
85
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
86
Universitas Indonesia
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.
Distribusi tetap dari Markov chain dapat direpresentasikan sebagai
. 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.
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
87
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
88
Universitas Indonesia
(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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
89
Universitas Indonesia
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
probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama
dapat dirumuskan sebagai berikut :
(3.24)
Pada akhirnya, untuk mendapatkan nilai dan , dapat diselesaikan secara numerik salah
satunya dapat diselesaikan dengan menggunakan Matlab.
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).
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
90
Universitas Indonesia
// 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
91
Universitas Indonesia
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
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;
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
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;
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
92
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
93
Universitas Indonesia
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].
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
94
Universitas Indonesia
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]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
95
Universitas Indonesia
=
= (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
dirumuskan sebagai berikut
(3.20)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
96
Universitas Indonesia
4) Didefiniskan bahwa nilai , , dan menunjukkan waktu untuk mentransmisikan
paket WAVE Service Advertisement (WSA), RFS, dan ACK. Dapat diasumsikan bahwa nilai
= . Sedangakn dan masing-masing merupakan waktu SIFS dan DIFS.
Berdasarkan dari Gambar 3.5 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 [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
persamaan sebagai berikut
/ ( + ) + / ( + ) (3.24)
Selanjutnya, probabilitas dari slot waktu dalam kondisi free selama interval waktu
dengan menggunakan distribusi sebagai berikut
P K = k = . , k = 1, 2, 3, … (3.25)
Pada akhirnya dengan menggunakan persamaan (3.23) dan (3.25) dapat diperoleh
persamaan sebagai berikut
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
97
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
98
Universitas Indonesia
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 :
Dimana
; (3.36)
(3.37)
(3.38)
Dengan menggunakan persamaan sebagai probabilitas Symbol Error Rate (SER)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
99
Universitas Indonesia
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
tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda sehingga menyebabkan
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
100
Universitas Indonesia
=
(0.43)
Akhirnya, dengan menggunakan persamaan (3.33) dan (3.35) diatas, maka nilai interval CCH
yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus sebagai
berikut
= (0.44)
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) . (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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
101
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
102
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
103
Universitas Indonesia
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
)
Payload Data (Bytes)
CCH Interval (Nakagami fading)
CCH Interval(Model Qing Wang)
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
)
Payload Data (Bytes)
CCH Interval (Nakagami fading)
CCH Interval(Model Qing Wang)
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-
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
104
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
105
Universitas Indonesia
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 Aggregate
Throughput pada kanal SCH.
Tabel 3.2 Parameter aggregate throughput skema DCF
Parameter Nilai
Protocol MAC IEEE 1609.4
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
Payload paket data
service
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
106
Universitas Indonesia
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)
Payload Data (Bytes)
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)
Payload Data (Bytes)
Aggregate Throughput(Model Qing Wang)
Aggregate Throughput(Nakagami fading)
Aggregate Throughput(NS-3)
Gambar 3.10 Kinerja Aggregate Throughput skema DCF (16-QAM)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
107
Universitas Indonesia
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)
Payload Data (Bytes)
Aggregate Throughput(Model Qing Wang)
Aggregate Throughput(Nakagami fading)
Aggregate Throughput(NS-3)
Gambar 3.11 Kinerja Aggregate Throughput skema DCF (64-QAM)
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
108
Universitas Indonesia
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%.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menggunakan model DCF yang
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
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 delay transmisi
kanal CCH dan SCH.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
109
Universitas Indonesia
Tabel 3.3 Parameter delay transmisi kanal CCH dan SCH
Parameter Nilai
Protocol MAC IEEE 1609.4
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
Payload paket data
service
2000 bytes
Laju transmisi 3 Mbps
PHY header 192 bits
MAC header 256 bits
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
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)
Payload Data (Bytes)
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
110
Universitas Indonesia
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)
Payload Data (Bytes)
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 3.13 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)
Payload Data (Bytes)
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 3.14 Kinerja delay transmisi kanal CCH dan SCH (64-QAM)
Dengan melihat perbandingan antara grafik delay transmisi CCH diatas, dapat dianalisa
sebagai berikut :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
111
Universitas Indonesia
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.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menggunakan model DCF yang
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 %.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
112
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
113
Universitas Indonesia
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.
4.2 Penelitian Terkait
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 4.1 Model Markov chain Tiga Dimensi Yang [13]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
114
Universitas Indonesia
Pada model Markov chain tiga dimensi yang dikembangkan oleh Yang [18] 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. 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,
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
115
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
116
Universitas Indonesia
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)
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 (4.6), (4.7), dan (4.9) diatas maka dapat diperoleh rumus
sebagai berikut
= (4.10)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
117
Universitas Indonesia
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
yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus sebagai
berikut
= (4.13)
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) . (4.14)
E[T ] = (4.15)
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 (4.17)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
118
Universitas Indonesia
4.3 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 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.
Pada sub bab selanjutnya akan dibahas pengembangan skema 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 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.
4.3.1 Model Markov chain Tiga Dimensi
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
119
Universitas Indonesia
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.
Kemudian, probabilitas transisi state dari Markov Chain diperlihatkan pada Gambar 4.2
dapat dijelaskan sebagai berikut:
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
120
Universitas Indonesia
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.
Persamaan (4.15) merepresentasikan probabilitas transisi dari setiap node pada zone i dan
slot waktu t dalam kondisi busy dan terjadi proses tunda transmisi frame sampai dengan kondisi
idle kembali.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
121
Universitas Indonesia
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.
Persamaan (4.18) merepresentasikan probabilitas saat kanal dalam sibuk karena node
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.
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 dan
pada saat node pindah ke zone i+1.
Persamaan (4.20) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi
proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang
maksimum.
Persamaan (4.21) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi
proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
122
Universitas Indonesia
Sesuai dengan model Markov chain diatas, untuk penyelesaian sebagai fungsi
maka distribusi tetap dari chain untuk , , dan adalah :
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 pertama dari (4.24) diatas didapatkan dari untuk dan
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
adalah sama dengan satu, maka :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
123
Universitas Indonesia
(4.26)
(4.29)
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 :
(4.30)
Pada akhirnya, untuk mendapatkan nilai dan , dapat diselesaikan secara numerik salah
satunya dapat diselesaikan dengan menggunakan Matlab.
4.3.2 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].
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
124
Universitas Indonesia
Gambar 4.3 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 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]
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]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
125
Universitas Indonesia
𝑝𝑖𝑑𝑙𝑒 = (1 − 𝜏)𝑛
𝑝𝑏𝑢𝑠𝑦 = 1 − 𝑝𝑖𝑑𝑙𝑒 = 1 − (1 − 𝜏)𝑛 (4.31)
𝑝𝑠𝑢𝑐 = 𝑛𝜏(1 − 𝜏)𝑛−1
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
4) Didefiniskan bahwa nilai , , dan menunjukkan waktu untuk mentransmisikan
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
126
Universitas Indonesia
Berdasarkan dari Gambar 3.3 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 [6-8].
(4.35)
Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai
sebagai berikut
(4.36)
Kemudian nilai variable dapat didefinisikan sebagai berikut
, / ( + )
, / ( + ) (4.37)
, / ( + )
Selanjutnya dengan menggunakan persamaan (4.36) dan (4.37), maka didapatkan
persamaan sebagai berikut
/ ( + ) + / ( + ) (4.38)
Selanjutnya, probabilitas dari slot waktu dalam kondisi free selama interval waktu
dengan menggunakan distribusi sebagai berikut
P K = k = . , k = 1, 2, 3, … (4.39)
Pada akhirnya dengan menggunakan persamaan (4.37) dan (4.39) dapat diperoleh
persamaan sebagai berikut
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
127
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
128
Universitas Indonesia
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
dapat dirumuskan sebagai berikut
(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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
129
Universitas Indonesia
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
Pada sub bab ini akan dilakukan perhitungan jumlah node di setiap zone i dengan
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..
Untuk menghitung distribusi node dalam setiap kelompok, kita menggunakan asumsi yang
sama dengan penelitian sebelumnya [12]. Pertama kita memperkirakan radius komunikasi node
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)
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
130
Universitas Indonesia
(4.52)
Dengan melakukan subsitusi persamaan (1) ke (2) dan dengan definisi maka
dapat dihitung persamaan berikut
(4.53)
Dengan menggunakan
(4.54)
Maka dapat diperoleh nilai cdf sebagai berikut
(4.55)
Selanjutnya, nilai rata-rata jangkauan komunikasi atau dapat diturunkan sebagai
(4.56)
Dengan melakukan subsitusi persamaan (3.104) ke (3.105) dan mengintegralkan batas atas
persamaan maka diperoleh persamaan sebagai berikut
(4.57)
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 (4.57).
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
Dalam kajian analisis yang dilakukan menggunakan asumsi yang sama seperti pada [12].
Hal ini dilakukan untuk memperkirakan rata-rata jumlah node dengan menggunakan distribusi
Poisson. Berdasarkan kajian studi analitis sebelumnya [12], dapat dihitung nilai probabilitas dari
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
131
Universitas Indonesia
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 4.4.
Gambar 4.4 Model antrian Single-server [12]
Berdasarkan kajian penelitian sebelumnya [12], 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
sedangkan rata-rata jumlah kendaraan di sekitar kendaraan acuan/penanda di jalur i adalah
(4.60)
Jadi nilai probabilitas dalam jangkauan carrier sense dari kendaraan acuan dapat
dirumuskan sebagai berikut
(4.61)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
132
Universitas Indonesia
Setelah didefinisikan rumus rata-rata jumlah kendaraan di jalur i ( kemudian tahap
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.
4.3.4 Evaluasi Kinerja Aggregate Throughput
Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi
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)
Dimana menunjukkan panjang header pada lapisan MAC dan PHY dalam paket
layanan data, sedangkan dimana menunjukkan payload dari paket layanan
(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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
133
Universitas Indonesia
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)
Dengan menggunakan persamaan sebagai probabilitas Symbol Error Rate (SER)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
134
Universitas Indonesia
Dimana adalah rata-rata fading SNR, adalah gain kanal, dan adalah koefisien
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
tingginya mobilitas node kendaraan dan perubahan lintasan yang berbeda sehingga menyebabkan
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.
4.3.5 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 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
135
Universitas Indonesia
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
yang optimum bisa dihitung. Hal ini dapat dilakukan dengan mendapatkan rumus sebagai
berikut
= (4.80)
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) . (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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
136
Universitas Indonesia
4. 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 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
137
Universitas Indonesia
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).
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
138
Universitas Indonesia
Tabel 4.1 Parameter probabilitas pengiriman paket WSA
Parameter Nilai
Protocol MAC IEEE 1609.4
Zone Zone 1 – Zone 7
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
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
160 bits + PHY header
ACK 112 bits + PHY header
Slot time 20 μs
SIFS 10 μs
DIFS 50 μs
Signal to Noise Ratio 20 dB
Kecepatan node 80-120 km/jam
Modulasi QPSK, 16 QAM, 64 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
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
139
Universitas Indonesia
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
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 4.6 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
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 4.7 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
140
Universitas Indonesia
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 %.
4.4.2 Kinerja Aggregate Throughput skema DCF
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
141
Universitas Indonesia
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
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 skema DCF.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
142
Universitas Indonesia
Tabel 4.2 Parameter aggregate throughput skema DCF
Parameter Nilai
Protocol MAC IEEE 1609.4
Zone Zone 1 – Zone 7
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
Payload paket data
service
2000 bytes
Laju transmisi 3, 6, 12, 27 Mbps
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
Signal to Noise Ratio 20 dB
Kecepatan node 80-120 km/jam
Modulasi QPSK, 16-QAM, 64-QAM
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)
Gambar 4.9 Kinerja Aggregate Throughput skema DCF (QPSK)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
143
Universitas Indonesia
12
34
56
7
0
10
20
30
40
50
600
1
2
3
4
5
6
7
8
9
x 104
ZoneDistribusi 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)
Gambar 4.10 Kinerja Aggregate Throughput skema DCF (16-QAM)
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
ZoneDistribusi 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(Slot anomali)
Gambar 4.11 Kinerja Aggregate Throughput skema DCF (QPSK)
Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa
sebagai berikut :
Evaluasi kinerja aggregate throughput pada sistem OFDM 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
144
Universitas Indonesia
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 (4.67), 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 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 %.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial
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
menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai
aggregate throughput model Wang yaitu dengan nilai rata-rata (mean) presentase kenaikan
sebesar 42.59% dan standar deviasi sebesar 69.41%.
4.4.3 Evaluasi Kinerja delay transmisi kanal CCH dan SCH
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
145
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
146
Universitas Indonesia
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
Protocol MAC IEEE 1609.4
Zone Zone 1 – Zone 7
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
Payload paket data service 2000 bytes
Laju transmisi 3, 6, 12, 27 Mbps
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
Signal to Noise Ratio 20 dB
Kecepatan node 80-120 km/jam
Modulasi QPSK, 16-QAM, 64-QAM
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
147
Universitas Indonesia
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]
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 4.13 Kinerja delay transmisi kanal CCH dan SCH (16 QAM)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
148
Universitas Indonesia
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]
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 4.14 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-
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
149
Universitas Indonesia
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 %.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial
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 %.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
150
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
151
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
152
Universitas Indonesia
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)
Hubungan antar state dalam baris yang sama pada stage dapat dirumuskan sebagai
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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
153
Universitas Indonesia
(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
Pada bagian ini diajukan model analitikal yang dapat digunakan untuk memperkirakan
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
154
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
155
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
156
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
157
Universitas Indonesia
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)
Hubungan antar state dalam baris yang sama pada stage dapat dirumuskan sebagai
berkut :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
158
Universitas Indonesia
(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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
159
Universitas Indonesia
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 :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
160
Universitas Indonesia
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
probabilitas collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama
dapat dirumuskan sebagai berikut :
(5.28)
Pada akhirnya, untuk mendapatkan nilai dan , dapat diselesaikan secara numerik salah
satunya dapat diselesaikan dengan menggunakan Matlab.
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.
5.4.1 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].
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
161
Universitas Indonesia
Gambar 5.4 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 akibat
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]
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 , 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]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
162
Universitas Indonesia
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
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.
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
(5.32)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
163
Universitas Indonesia
4) Didefiniskan bahwa nilai , , dan menunjukkan waktu untuk mentransmisikan
paket Wave Service Advertisement (WSA), Request for Service (RFS), dan Acknowledgment
(ACK). Dapat diasumsikan bahwa nilai = . Sedangakn dan masing-
masing merupakan waktu SIFS dan DIFS.
Berdasarkan dari Gambar 5.4 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 [6-8].
+ (5.33)
Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai
sebagai berikut
(5.34)
Kemudian nilai variable dapat didefinisikan sebagai berikut
, / ( + )
, / ( + ) (5.35)
, / ( + )
Selanjutnya dengan menggunakan persamaan (5.34) dan (5.35), maka didapatkan
persamaan sebagai berikut
/ ( + ) + / ( + ) (5.36)
Selanjutnya, probabilitas dari slot waktu dalam kondisi free selama interval waktu
dengan menggunakan distribusi sebagai berikut
P K = k = . , k = 1, 2, 3, … (5.37)
Pada akhirnya dengan menggunakan persamaan (5.36) dan (5.37) dapat diperoleh
persamaan sebagai berikut
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
164
Universitas Indonesia
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
Kemudian setelah diperoleh rumus untuk E[X] maka pada sub bab berikutnya akan
dilakukan perhitungan terhadap kinerja Aggregate Throughput dengan mempertimbangkan error
kanal adanya Additive White Gaussian Noise (AWGN) dan adanya slot anomali
5.5.2 Evaluasi Kinerja Aggregate Throughput
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.
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 dapat dihitung berdasarkan rumus berikut :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
165
Universitas Indonesia
Dimana
(5.29)
(5.30)
Dengan menggunakan persamaan sebagai probabilitas Symbol Error Rate (SER)
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)
5.5 Simulasi dan Pembahasan Hasil
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
166
Universitas Indonesia
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
diajukan disimulasikan menggunakan MATLAB. Pada setiap simulasi MATLAB 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
mempertimbangkan pengaruh propagasi kanal Nakagami. Selanjutnya setelah mendapatkan
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
167
Universitas Indonesia
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
Protocol MAC IEEE 1609.4
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
Payload paket data
service
0, 256, 512, 1024, 2048,
3072, 4096 bytes bytes
Laju transmisi 3, 6, 12, 27 Mbps
Laju transmisi masing-
masing kanal CCH dan
SCH
3 Mbps
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
Signal to Noise Ratio 20 dB
Kecepatan node 80-120 km/jam
Modulasi QPSK, 16-QAM, 64-QAM
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
168
Universitas Indonesia
12
34
56
7
0
20
40
60
-10
0
10
20
30
40
50
60
ZoneDistribusi Node per Zone (nodes)
Pro
ba
bilita
s 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 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
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 5.6 Kinerja probabilitas transmisi paket WAVE Service Advertisement (WSA) (16 QAM)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
169
Universitas Indonesia
1
2
3
4
5
6
7
0
10
20
30
40
50
60
-10
0
10
20
30
40
50
60
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 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
170
Universitas Indonesia
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 %.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial
Contention Window berdasarkan dari distribusi node tiap zone dapat menghasilkan nilai
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
171
Universitas Indonesia
Sedangkan untuk perhitungan distribusi node 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 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
Protocol MAC IEEE 1609.4
Zone Zone 1 – Zone 7
Jumlah kanal CCH 1 Jumlah kanal SCH 6
Payload paket data service 0, 256, 512, 1024, 2048,
3072, 4096 bytes
Laju transmisi 3, 6, 12, 27 Mbps
Laju transmisi masing-masing
kanal CCH dan SCH
3 Mbps
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
Signal to Noise Ratio 20 dB
Kecepatan node 80-120 km/jam
Modulasi QPSK, 16-QAM, 64-QAM
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
172
Universitas Indonesia
12
34
56
7
010
2030
4050
600
1
2
3
4
5
6
7
8
9
x 104
ZoneDistribusi 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(Slot anomali)
Gambar 5.8 Kinerja Aggregate Throughput skema DCF (QPSK)
1 23 4
5 67
0
20
40
60
0
1
2
3
4
5
6
7
8
9
x 104
ZoneDistribusi 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(Slot anomali)
Gambar 5.9 Kinerja aggregate throughput pada kanal SCH (16-QAM)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
173
Universitas Indonesia
12
34
56
7
010
2030
4050
600
1
2
3
4
5
6
7
8
9
x 104
ZoneDistribusi 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(Slot anomali)
Gambar 5.10 Kinerja aggregate throughput pada kanal SCH (64-QAM)
Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa
sebagai berikut :
Evaluasi kinerja aggregate throughput pada sistem OFDM 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 (5.26), 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 bagus dibandingkan
dengan modulasi 16 QAM dan 64 QAM, karena 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 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
174
Universitas Indonesia
apabila dibandingkan dengan presentase kenaikan yang dihasilkan oleh model Yang terhadap
fenomena anomalous slot yaitu dengan presentase kenaikan rata-rata (mean) sebesar 76.18 %.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial
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
menggunakan nilai optimum initial Contention Window lebih baik dibandingkan dengan nilai
aggregate throughput model Wang yaitu dengan presentase kenaikan nilai rata-rata (mean)
sebesar 128.98 %.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
175
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
176
Universitas Indonesia
skema DCF. Perbandingan hasil simulasi model analitikal DCF dengan model Bianchi dan
model Tinnirello juga disampaikan pada bagian akhir Bab ini.
6.2 Penelitian Terkait
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
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 6.1 Model Markov chain Tiga Dimensi Yang [13]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
177
Universitas Indonesia
Pada model Markov chain tiga dimensi yang dikembangkan oleh Yang [18] 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. 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 6.1
dapat dijelaskan sebagai berikut:
, (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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
178
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
179
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
180
Universitas Indonesia
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
181
Universitas Indonesia
Fungsi pada persamaan (2.16) dan (2.17), didefinisikan sebagai
(6.19)
6.3 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 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).
Pada sub bab selanjutnya akan dibahas pengembangan skema 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
182
Universitas Indonesia
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.
[14], dimana dilakukan dengan mendefinisikan persamaan aggregate throughput sebagai berikut
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 (3.62) diatas dapat disederhanakan dengan persamaan seperti pada
[14] sebagai berikut
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
183
Universitas Indonesia
Berdasarkan kajian analisis sebelumnya [11], nilai CW yang optimal dapat mencapai
throughput maksimal, dengan jumlah node N. Menurut kajian yang dilakukan Shi Chun dkk.
[14], delay jaringan dimodelkan lebih akurat dengan menghitung durasi baru transmisi yang
sukses dan durasi tabrakan .
(6.23)
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.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
184
Universitas Indonesia
(6.25)
Dimana
, ,
dan
Akhirnya kita dapat nilai CW yang optimal dari persamaan (6.30) sebagai berikut
(6.26)
Dimana , dan persamaan (6.31) diatas disebut juga dengan indeks CW (CWI).
Setelah didapatkan rumus untuk nilai CW yang optimal berdasarkan dari jumlah node yang
diperoleh dari distribusi Poisson.
6.3.2 Model Markov chain Tiga Dimensi
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
185
Universitas Indonesia
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
dapat dijelaskan sebagai berikut:
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
186
Universitas Indonesia
, (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 :
Persamaan (6.27) merepresentasikan probabilitas transisi dari setiap node pada zone i dan
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.
Persamaan (6.29) merepresentasikan probabilitas transisi dari setiap node pada zone i dan
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
187
Universitas Indonesia
Persamaan (6.31) merepresentasikan probabilitas saat kanal dalam sibuk karena node
berhasil melakukan transmisi frame pada slot waktu yang sama.
Persamaan (6.32) merepresentasikan probabilitas saat kanal dalam sibuk karena node
berhasil melakukan transmisi frame pada slot waktu yang sama dan pada saat node pindah ke
zone i+1.
Persamaan (6.33) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi
proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama.
Persamaan (6.34) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi
proses collision ketika lebih dari satu node melakukan transmisi pada slot waktu yang sama dan
pada saat node pindah ke zone i+1.
Persamaan (6.35) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi
proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang
maksimum.
Persamaan (6.36) merepresentasikan probabilitas saat kanal dalam sibuk karena terjadi
proses collision atau berhasil melakukan transmisi frame pada kondisi nilai backoff stage yang
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
188
Universitas Indonesia
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
adalah sama dengan satu, maka :
(6.41)
(6.43)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
189
Universitas Indonesia
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 :
(6.44)
Pada akhirnya, untuk mendapatkan nilai dan , dapat diselesaikan secara numerik salah
satunya dapat diselesaikan dengan menggunakan Matlab.
6.3.3 Interval waktu dari akses contention 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].
Gambar 6.3 Model baru contention reservasi kanal CCH
Didefinisikan bahwa nilai merepresentasikan interval waktu dari akses contention
kanal CCH pada saat reservasi berhasil dibuat dengan mempertimbangkan kondisi kanal akibat
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]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
190
Universitas Indonesia
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 , probabilitas kanal dalam kondisi idle direpresentasikan
dengan , dan probabilitas kanal dalam kondisi error akibat adanya efek Doppler
direpresentasikan dengan . Berdasarkan pada kondisi tersebut, maka dapat
dirumuskan sebagai berikut [6-8]
=
=
=
= (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.
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 daalam kondisi error akibat
adanya pengaruh efek Doppler. Berdasarkan definisi tersebut maka dapat dirumuskan
sebagai berikut
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
191
Universitas Indonesia
(6.48)
4) Didefiniskan bahwa nilai , , dan menunjukkan waktu untuk mentransmisikan
paket WAVE Service Advertisement (WSA), Request for Service (RFS), dan Acknowledgment
(ACK). Dapat diasumsikan bahwa nilai = . Sedangakn dan masing-
masing merupakan waktu SIFS dan DIFS.
Berdasarkan dari Gambar 6.3 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 [6-8].
(6.49)
Berdasarkan model contention reservasi kanal CCH diatas, maka didapatkan nilai
sebagai berikut
(6.50)
Kemudian nilai variable dapat didefinisikan sebagai berikut
, / ( + )
, / ( + ) (6.51)
, / ( + )
Selanjutnya dengan menggunakan persamaan (5.34) dan (5.35), maka didapatkan
persamaan sebagai berikut
/ ( + ) + / ( + ) (6.52)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
192
Universitas Indonesia
Selanjutnya, probabilitas dari slot waktu dalam kondisi free selama interval waktu
dengan menggunakan distribusi sebagai berikut
P K = k = . , k = 1, 2, 3, … (6.53)
Pada akhirnya dengan menggunakan persamaan (3.23) dan (3.25) dapat diperoleh
persamaan sebagai berikut
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)
Kemudian setelah diperoleh rumus untuk E[X] maka pada sub bab berikutnya akan
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
193
Universitas Indonesia
(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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
194
Universitas Indonesia
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
dapat dirumuskan sebagai berikut
(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
Pada sub bab ini akan dilakukan perhitungan jumlah node di setiap zone i dengan
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..
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
195
Universitas Indonesia
Untuk menghitung distribusi node dalam setiap kelompok, kita menggunakan asumsi yang
sama dengan penelitian sebelumnya [12]. Pertama kita memperkirakan radius komunikasi node
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)
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
(6.71)
Dengan melakukan subsitusi persamaan (1) ke (2) dan dengan definisi maka
dapat dihitung persamaan berikut
(6.72)
Dengan menggunakan
Maka dapat diperoleh nilai cdf sebagai berikut
(6.73)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
196
Universitas Indonesia
Selanjutnya, nilai rata-rata jangkauan komunikasi atau dapat diturunkan sebagai
(6.74)
Dengan melakukan subsitusi persamaan (4) ke (5) dan mengintegralkan batas atas
persamaan maka diperoleh persamaan sebagai berikut
(6.75)
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 (6.75).
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
(6.76)
Dalam kajian analisis yang dilakukan menggunakan asumsi yang sama seperti pada [12].
Hal ini dilakukan untuk memperkirakan rata-rata jumlah node dengan menggunakan distribusi
Poisson. Berdasarkan kajian studi analitis sebelumnya [12], 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 6.4
Gambar 6.4 Model antrian Single-server [12]
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
197
Universitas Indonesia
Berdasarkan kajian penelitian sebelumnya [12], 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
(6.77)
sedangkan rata-rata jumlah kendaraan di sekitar kendaraan acuan/penanda di jalur i adalah
(6.78)
Jadi nilai probabilitas dalam jangkauan carrier sense dari kendaraan acuan dapat
dirumuskan sebagai berikut
(6.79)
Setelah didefinisikan rumus rata-rata jumlah kendaraan di jalur i ( kemudian tahap
selanjutnya adalah menentukan nilai optimal CWI (Contention Window Index). Untuk
menentukan nilai optimal dari CWI kita mengacu dari penelitian sebelumnya dari Shi Chun dkk.
[14], dimana dilakukan dengan mendefinisikan persamaan aggregate throughput sebagai berikut
(6.80)
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 (6.80) diatas dapat disederhanakan dengan persamaan seperti pada
[14] sebagai berikut
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
198
Universitas Indonesia
(6.81)
Berdasarkan kajian analisis sebelumnya [11], nilai CW yang optimal dapat mencapai
throughput maksimal, dengan jumlah node N. Menurut kajian yang dilakukan Shi Chun dkk.
[14], delay jaringan dimodelkan lebih akurat dengan menghitung durasi baru transmisi yang
sukses dan durasi tabrakan .
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.
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
199
Universitas Indonesia
(6.83)
Dimana
, ,
dan
Akhirnya kita dapat nilai CW yang optimal dari persamaan (6.83) sebagai berikut
(6.84)
Dimana , dan persamaan (6.72) diatas disebut juga dengan indeks CW (CWI).
Setelah didapatkan rumus untuk nilai CW yang optimal berdasarkan dari jumlah node yang
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.
6.3.5 Evaluasi Kinerja Aggregate Throughput
Pada bagian ini akan dibahas evaluasi dan analisa sistem throughput skema koordinasi
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)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
200
Universitas Indonesia
+ (6.87)
Dimana menunjukkan panjang header pada lapisan MAC dan PHY dalam paket
layanan data, sedangkan dimana menunjukkan payload dari paket layanan
(service packet).
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 :
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 :
(6.89)
(6.90)
(6.91)
(6.92)
(6.93)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
201
Universitas Indonesia
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)
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
(6.95)
Sehingga rumus Aggregate Throughput dapat diperoleh dengan menggunakan persamaan
sebagai berikut :
(6.96)
6.4 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 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
202
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
203
Universitas Indonesia
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
Protocol MAC IEEE 1609.4
Zone Zone 1 – Zone 7
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
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
160 bits + PHY header
ACK 112 bits + PHY header
Slot time 20 μs
SIFS 10 μs
DIFS 50 μs
Signal to Noise Ratio 20 dB
Kecepatan node 80-120 km/jam
Modulasi QPSK, 16-QAM, 64-QAM
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
204
Universitas Indonesia
12
34
56
7
0
10
20
30
40
50
60
-1
0
1
2
3
4
5
6
7
8
ZoneDistribusi Node per Zone (nodes)
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
ZoneDistribusi Node per Zone (nodes)
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 6.6 Kinerja interval waktu dari akses contention kanal CCH (16-QAM)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
205
Universitas Indonesia
1
2
3
4
5
6
7
0
10
20
30
40
50
60
-2
0
2
4
6
8
10
ZoneDistribusi Node per Zone (nodes)
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 6.7 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 %.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
206
Universitas Indonesia
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 %.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial
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
deviasi sebesar 5.44 %.
6.4.2 Kinerja Aggregate Throughput skema DCF
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
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 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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
207
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
208
Universitas Indonesia
Tabel 6.2 Parameter aggregate throughput pada kanal SCH
Parameter Nilai
Protocol MAC IEEE 1609.4
Zone Zone 1 – Zone 7
Percobaan 10000 kali
Jumlah kanal CCH 1 Jumlah kanal SCH 6
Payload paket data service 2000 bytes
Laju transmisi 3, 6, 12, 27 Mbps
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
Signal to Noise Ratio 20 dB
Kecepatan node 80-120 km/jam
Modulasi QPSK, 16-QAM, 64-QAM
1 2 3 4 5 6 70
20
4060
0
1
2
3
4
5
6
7
8
9
x 104
ZoneDistribusi Node per Zone (nodes)
Ag
gre
ag
ate
Th
rou
gh
pu
t S
CH
s (
kb
ps)
Aggreagate Throughput(optimum initial CW)
Aggreagate Throughput(Model Duck Yang)
Aggreagate Throughput(Model Qing Wang)
Aggreagate Throughput(Anomalous Slot)
Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (QPSK)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
209
Universitas Indonesia
1 2 3 4 5 6 7
010
2030
4050
600
1
2
3
4
5
6
7
8
9
x 104
ZoneDistribusi Node per Zone (nodes)
Ag
gre
ag
ate
Th
rou
gh
pu
t S
CH
s (
kb
ps)
Aggreagate Throughput(optimum initial CW)
Aggreagate Throughput(Model Duck Yang)
Aggreagate Throughput(Model Qing Wang)
Aggreagate Throughput(Anomalous Slot)
Gambar 6.6 Kinerja aggregate throughput pada kanal SCH (16-QAM)
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
ZoneDistribusi Node per Zone (nodes)
Ag
gre
ag
ate
Th
rou
gh
pu
t S
CH
s (
kb
ps)
Aggreagate Throughput(optimum initial CW)
Aggreagate Throughput(Model Duck Yang)
Aggreagate Throughput(Model Qing Wang)
Aggreagate Throughput(Anomalous Slot)
Gambar 6.7 Kinerja aggregate throughput pada kanal SCH (64-QAM)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
210
Universitas Indonesia
Dengan melihat perbandingan antara grafik aggregate throughput diatas, dapat dianalisa
sebagai berikut :
Evaluasi kinerja aggregate throughput pada sistem OFDM 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 (5.26), 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 bagus dibandingkan
dengan modulasi 16 QAM dan 64 QAM, karena 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 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
deviasi sebesar 10.43 %.
Berdasarkan hasil diatas dapat disimpulkan bahwa dengan menentukan nilai optimum initial
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 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 %.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
211
Universitas Indonesia
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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
212
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
213
Universitas Indonesia
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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
214
Universitas Indonesia
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 mul- tichannel 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 environ- ment,” 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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
215
Universitas Indonesia
[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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
216
Universitas Indonesia
[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
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
217
Universitas Indonesia
[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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
218
Universitas Indonesia
[52] J. Mo, H.-S. W. So, and J. Walrand, “Comparison of multichan- nel 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.; ,
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
219
Universitas Indonesia
"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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
220
Universitas Indonesia
[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.
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
221
Universitas Indonesia
LAMPIRAN A
Penurunan persamaan (3.33) :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
222
Universitas Indonesia
Penurunan persamaan (4.37) :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
223
Universitas Indonesia
Penurunan persamaan (5.43) :
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
224
Universitas Indonesia
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.
225
Universitas Indonesia
(7.1)
Peningkatan kinerja..., Doan Perdana, FT UI, 2015.