OPTIMASI PENEMPATAN BTS DENGAN MENGGUNAKAN … fileTujuan dari tugas akhir ini adalah menerapkan ......

1

OPTIMASI PENEMPATAN BTS

DENGAN MENGGUNAKAN ALGORITMA GENETIKA

YUSTAF PRAMSISTYA

NRP : 1204 100 063

Dosen Pembimbing :

DR. M. Isa Irawan, MT

Drs. Bandung Arry S, Mi.Komp

Proposal Bisnis Plan ITS

PENDAHULUAN

Latar Belakang

Sistem komunikasi yang semakin berkembang dan

tidak terbatas saat pengguna dalam keaadaan diam

ataupun bergerak

Setiap jaringan komunikasi bergerak selular

membutuhkan perencanaan sel yang ditunjukan oleh

jumlah base station

jumlah base station diusahakan seminimal mungkin

tetapi dapat memenuhi kapasitas trafik yang

dibutuhkan


Perumusan Masalah

Dalam tugas akhir ini permasalahan yang akan

dibahas adalah bagaimana mengoptimalkan

penempatan BTS, agar mencakup wilayah yang

akan dilayani dengan jumlah seminimal mungkin

tetapi masih menunjukkan unjuk kerja yang baik

ditinjau dari segi teknis, yaitu masalah kapasitas

trafik yang disediakan.


Tujuan Dan Manfaat

Tujuan dari tugas akhir ini adalah menerapkan

algoritma Genetika untuk mengoptimalkan lokasi

BTS. Sehingga dapat memberikan masukan

kepada operator jasa telekomunikasi dalam

menentukan lokasi BTS.


Batasan Masalah

Proses optimasi BTS menggunakan standar GSM

Proses optimasi BTS dilaksanakan di wilayah

Surabaya, khususnya pada BSC

H_Gemblongan_01, H_Kayoon_02, Merisi dan

Merisi_02.

Kemampuan dari masing-masing BTS dibatasi oleh

kapasitas trafik dari BTS

Proses optimasi tidak memperhatikan kontur

permukaan tanah dan faktor biaya.

Kapasitas BTS yang dipakai adalah kapasitas rata-

rata BTS.


DASAR TEORI

Kanal Pada GSM

Kanal terkait pada pengulangan satu burst

pada setiap frame. Burst adalah unit waktu

terkecil pada TDMA. Kanal pada GSM dapat

dikategorikan sebagai kanal traffic dan kanal

control.


DASAR TEORI (2)

Pembagian Sel

Untuk lebih meningkatkan kapasitas dan kualitas

sel, dilakukan teknik sektorisasi yaitu membagi

sel menjadi beberapa bagian (biasanya 3 atau 6

bagian; dikenal dengan sektorisasi 120 atau 30).

Jika digunakan sektorisasi 120, TDMA pada TRx

menghasilkan 8 kanal TDMA tiap TRx, bisa

dihitung bahwa dalam satu sel dapat

menampung trafik yang setara dengan 3 X 4 X 8

= 96 kanal TDMA atau sebesar 84,1 erlang

dengan GoS 2%


DASAR TEORI (3)

Algoritma Genetika

Algoritma genetika adalah algoritma pencarian

heuristik yang didasarkan atas mekanisme evolusi

biologis. Keberagaman pada evolusi biologis adalah

variasi dari kromosom antar individu organisme.

Variasi kromosom ini akan mempengaruhi laju

reproduksi dan tingkat kemampuan organisme untuk

tetap hidup. Pada dasarnya ada 4 kondisi yang sangat

mempengaruhi proses evaluasi, yaitu:

Kemampuan organisme untuk melakukan reproduksi.

Keberadaan populasi organisme yang bisa melakukan

reproduksi.

Keberagaman organisme dalam suatu populasi.

Perbedaan kemampuan untuk survive.


METODE PENELITIAN

Mulai

Selesai

Identifikasi

permasalahan

Kesimpulan

Analisa dan

Pembahasan

Pengujian

Perangkat

Lunak

Implementasi

Perangkat

Lunak

Analisa

Perancangan

Sistem

Persiapan data

Studi literatur

Evaluasi

Evaluasi


PERANCANGAN DAN IMPLEMENTASI

Perhitungan Kapasitas BTS

Dengan mengambil contoh BTS

MICKODIKAL3XXX pada BSC

H_Gemblongan_01 yang memiliki konfigurasi

2/2/2 (3 sektor dengan masing-masing sektor

terdiri dari 2 TRX=16 kanal) dan mengambil 2

kanal untuk SDCCH dan BCCH , maka untuk

satu sektor BTS mempunyai 14 kanal TCH atau

sebesar 8.2003 erlang (dari tabel erlang),

kemudian dari hasil perhitungan persektor

didapatkan total kapasitas BTS = 3 x 8,2003 =

24,6009 erlang.


Menentukan Real Coverage & Blank Area

FINISH

Real Blank Area

START

Membentuk coverage area

tiap-tiap BTS

Cari gabungan dari semua coverage area

BTS

Real coverage Area

Cari irisan dari gabungan BTS dengan area

BSC yang dioptimalkan


Proses Optimasi Menggunakan GA


Inisialisasi Populasi

Proses ini diambil dari Id BTS yang sudah ada, tiap

chromosome merepresentasikan kombinasi dari BTS

dengan jumlah gene per chromosome = jumlah BTS

optimum, tiap gene bertipe Integer.

Contoh:

kebutuhan trafik BSC H_Kayoon_02 = 1433,36 erlang

kapasitas BTS pada BSC H_Kayoon_02 = 38,807 erlang

maka jumlah BTS optimum =

=36,935 37

Interval random = interval Id_BTS pada BSC H_Kayoon_02

= 1 – 48

maka didapatkan :


Evaluasi Fungsi Obyektif

g_union =

g_intersect =

Fitness = Luas ( g_intersect )

popsize

i

iAreaBTS1

_=

AreaBSCuniong __


UJI COBA PERANGKAT LUNAK

Uji Coba Hasil Optimasi

Proses optimasi disimpan kedalam bentuk file

(*.mdb) kemudian di tampilkan dalam bentuk

tabel oleh perangkat lunak yang selanjutnya

diplot dalam file tower.shp untuk bisa

divisualisasikan kedalam perangkat lunak.


Proses Pencarian Real Coverage Area


Proses Optimasi


Hasil Proses Optimasi


Perbandingan


PENUTUP

Kesimpulan

Metode Genetic Algorithm bisa digunakan untuk

mengoptimasikan lokasi BTS.

Hasil optimasi menggunakan algoritma genetika

bisa mengurangi 35 BTS dengan tetap menjangkau

coverage area pelayanan dan total traffic yang

dilayani, dengan rincian sebagai berikut :

BSC H_Gemblongan_01 yang semula berjumlah 48 BTS

dapat dikurangi menjadi sebanyak 35 BTS.

BSC H_Kayoon_2 yang semula berjumlah 48 BTS

menjadi 37 BTS.

BSC H_Merisi yang semula berjumlah 37 BTS menjadi

30 BTS, dan

BSC H_Merisi_02 yang semula berjumlah 41 BTS

menjadi 37 BTS


Saran

Harus dilakukan pengaturan ulang lokasi BTS,

sehingga penghutanan oleh menara BTS dapat

dicegah demi estetika tata kota. Terdapat dua

solusi dalam hal ini, yaitu :

Dilakukan pembongkaran untuk BTS yang tidak

diperlukan.

Dibuat menara bersama oleh satu perusahaan

sendiri, yang mempunyai tanggung jawab atas

semua urusan jaringan, sehingga para operator

dapat terfokus pada peningkatan layanan kepada

pelanggan.

OPTIMASI PENEMPATAN BTS DENGAN MENGGUNAKAN … fileTujuan dari tugas akhir ini adalah menerapkan ......

Documents

Transcript of OPTIMASI PENEMPATAN BTS DENGAN MENGGUNAKAN … fileTujuan dari tugas akhir ini adalah menerapkan ......