PENGENALAN POLA MODULASI DIGITAL MENGGUNAKAN … · PENGENALAN POLA MODULASI DIGITAL MENGGUNAKAN...

PENGENALAN POLA MODULASI DIGITAL MENGGUNAKAN TRANSFORMASIWAVELET DAN JARINGAN SYARAF TIRUAN

Budianto¹, A. Ali Muayyadi², Heroe Wijanto³

¹Magister Elektro Komunikasi, Fakultas Teknik Elektro, Universitas Telkom

AbstrakPerkembangan teknologi informasi dan komunikasi dewasa ini mengarah pada pelayanan multimedia dengan kebutuhan bandwidth yang semakin besar. Perkembangan ini memicupengembangan dan penggunaan skema modulasi digital adaptif yang dapat berubah mengikutikeadaan kanal transmisi, dengan tujuan dapat mengirim informasi dengan lebar bandwidth yangsebesar-besarnya dan laju data setinggi-tingginya. Di penerima, penerima harus mampumendeteksi jenis modulasi digital yang digunakan oleh pengirim, sebelum mengekstrak informasiyang dikirim.

Pada penelitian ini dikembangkan suatu sistem pengenalan pola modulasi digital menggunakantransformasi wavelet dan jaringan syaraf tiruan. Jenis modulasi digital yang digunakan adalahASK2, ASK4, FSK2, FSK4, PSK2 dan PSK4. DI saluran transmisi, disimulasikan kondisi kanaldalam lingkungan tanpa noise, dengan noise pada level EbNoR 10dBdan 20dB.Transformasiwavelet digunakan untuk denoising dan untuk mendapatkan rekonstruksi sinyal sebelum prosesekstraksi ciri. Parameter ciri terdiri dari enam parameter: rata-rata modulus, phasa danfrekuensi, variansi modulus, phasa dan frekuensi sinyal. Jaringan syaraf tiruan digunakan untukmemutuskan jenis modulasi yang dikirim. Jaringan syaraf tiruan yang digunakan adalah jaringandengan satu dan dua hidden layer.

Dari hasil pengujian menggunakan jaringan syaraf tiruan single layer didapatkan tingkat akurasipengenalan pola modulasi digital sama dengan 99 % untuk modulasi digital tanpa noise, dan 97%untuk lingkungan EbNoR =20 dB dan EbNR = 10 dB. Hasil pengujian menggunakan jaringansyaraf tiruan dua hidden layer didapatkan tingkat akurasi pengenalan pola sama dengan 99.67 %untuk modulasi tanpa noise dan 99% untuk lingkungan noise EbNR = 20 dB dab EbNR 10dB.

Kata Kunci : Jaringan syaraf tiruan(JST), transformasi wavelet, pengenalan pola modulasi digital,JST satu hidden layer, JST dua hidden layer.

Tugas Akhir - 2011

Fakultas Teknik Elektro Program Studi S2 Magister Elektro Komunikasi

AbstractThe recent advances in information and communication technology tend forward to multi-mediaservices which need increasing band-width as width as possible. This trend triggering developingand using adaptive digital modulation scheme which adaptive to changing communicationchannel. At receiver, receiver have to have ability to deciding what is the type of digital signalthat transmitter sended, before information ekstraction.

At this research,, digital signal recognition system using wavelet transformation and artificialneural network, was developed. The type of digital modulation which used are ASK2, ASK4, PSK2,PSK4, FSK2 and FSK4. At communication channel, AWGN channel is used as channel moddelling.Degradation level of signal to noised environment are modelled at EbNoR 10dB, 20dB and 100dB.Wavelet Transformation is used inorder to denoising noised signal and reconstruction to take-back original signal. There are six important feature will be used and extracted: mean andvariance of amplitudes, phases and frequencies of digital signal. The types of artificial neuralnetwork that used are single hidden layer and double hidden layer. The single hidden layer using5,10or 15 nodes at hidden layer, the double hidden layer using 5,10 0r 15 nodes at first hiddenlayer and 5,10 or 15 at second hidden layer.

From the testing result, for single hidden layer ANN is obtained recognition accuracy level is99,77 for signal without noise, and 97% for signal under condition EbNoR 10 dB and 20dB. Fordouble layer, commonly are obtained, recognition accuracy level are 99% for signal without noiseand 97.67% for signal under condition EbNoR 10 dB and 20dB.

Keywords : Artificial Neural network (ANN), Wavelet Transformation, Single hidden layer ANN,double hidden layer ANN, Pattern Recognition.

Powered by TCPDF (www.tcpdf.org)

Tugas Akhir - 2011


BAB I PENDAHULUAN

1.1 Latar Belakang

Kemajuan teknologi informasi dan komunikasi mengarah pada pemakaian skema modulasi digital yang mempunyai lebar pita yang adaptif mengikuti kondisi kanal komunikasi. Perkembangan ini memicu kebutuhan sistem pengenalan tipe modulasi digital di penerima. Pengenalan tipe modulasi digital merupakan sistem yang dikembangkan untuk menentukan suatu tipe modulasi yang digunakan pada pemancar berdasarkan ciri-ciri sinyal modulasi digital yang digunakan.

Secara umum, ada dua pendekatan filosofi untuk pendekatan menyelesaian masalah penentuan tipe modulasi digital, 1) pendekatan keputusan teoritis (decision-theoritic) dan 2) pendekatan pengenalan pola statistic[5]. Pada pendekatan penentuan teoritis, peluang dan hipotesis argument uji digunakan untuk merumuskan masalah pengenalan modulasi. Pada pendekatan pengenalan pola statistik, sistem klasifikasi dibagi dalam dua sub sistem. Pertama adalah sub sistem ekstraksi ciri, yang fungsinya adalah mengekstrak ciri-ciri dari data yang diterima. Kedua adalah sub sistem pengenal pola, yang fungsinya adalah menentukan tipe modulasi suatu sinyal. Kerja dari sub sistem pengenal pola terdiri dari dua tahap - 1) phase pelatihan untuk mengatur struktur jaringan dan 2) phase pengujian yang memberikan keputusan penentuan tipe modulasi. Juga terdapat

1

Tugas Akhir - 2011


Bab I Pendahuluan 2

pendekatan lain yang merupakan kombinasi dari kedua pendekatan di atas.

Penelitian dengan judul Pengenalan pola modulasi digital menggunakan wavelet dan jaringan syaraf tiruan ini, menggunakan pendekatan pengenalan pola statistik; langkah pertama akan diekstrak enam ciri sinyal modulasi digital menggunakan pendekatan statistik, langkah kedua akan menentukan tipe modulasi digital. Pada langkah pertama, sinyal yang diterima akan di denoising menggunakan transformasi wavelet, kemudian dari sinyal yang telah denoising, akan diekstrak ciri-cirinya. Pada langkah kedua , penentuan tipe modulasi akan menggunakan jaringan syaraf tiruan. Langkah kedua ini terdiri dari dua phase; phase pertama jaringan akan dilatih untuk menentukan bobot dan bias, phase kedua jaringan akan diuji untuk menentukan tipe modulasi sinyal.

Transformasi Wavelet digunakan untuk proses denoising dan rekonstruksi sinyal di penerima. Dengan demikian transformasi wavelet berperan sebagai filter di penerima. Kelebihan denoising menggunakan transformasi wavelet dibandingkan dengan filter biasa adalah kesederhanaan rancangan dan kemampuan dalam menekan noise dan melakukan rekonstruksi sinyal yang lebih baik.

Jaringan syaraf tiruan digunakan untuk proses pengambilan keputusan penentuan jenis modulasi digital yang dikirim. Penggunaan JST sebagai pengambil keputusan, karena JST dapat memproses beberapa input, dalam penelitian ini berupa ekstraksi ciri sinyal, secara paralel sehingga waktu proses

Pengenalan Pola Modulasi Digital Menggunakan Transformasi Wavelet dan Jaringan Syaraf Tiruan

Tugas Akhir - 2011


Bab I Pendahuluan 3

akan cepat dibandingkan dengan jenis pengambil keputusan lainnya. Alasan lainnya adalah JST dapat mengolah input dengan ciri dimana batas ambang pengambilan keputusan sangat sulit ditentukan.

1.2 Tujuan Penelitian

Tujuan yang ingin dicapai pada penelitian ini adalah:

1. Merancang dan mengimplementasikan perangkat lunak untuk mengolah sinyal modulasi digital dan menentukan tipe modulasi digital menggunakan transformasi wavelet dan jaringan syaraf tiruan JST.

2. Menganalisa kinerja sistem penentuan tipe modulasi digital untuk mendapatkan keakuratan dan kecepatan penentuan tipe modulasi digital.

1.3 Perumusan Masalah

Langkah-langkah dalam melakukan penentuan tipe modulasi digital adalah pemrosesan awal (preprocessing), denoising menggunakan transformasi wavelet, ekstraksi ciri (feature extraction), phase pelatihan jaringan, serta phase pengujian untuk menentukan tipe modulasi digital menggunakan JST.

Perumusan seluruh masalah yang dikaji dalam penelitian ini antara lain :

Pembuatan program penentuan tipe modulasi digital menggunakan transformasi wavelet dan jaringan syaraf tiruan.


Tugas Akhir - 2011


Bab I Pendahuluan 4

Analisis parameter statistik digunakan untuk ekstraksi ciri .

Analisis parameter JST yang digunakan untuk penentuan tipe modulasi digital.

Analisis performansi program aplikasi dalam menentukan tipe modulasi digital dari hasil pengujian.

Analisis tingkat keberhasilan sistem, nilai akurasi sebagai parameter yang digunakan untuk menyatakan ketepatan suatu sistem dalam menentukan tipe modulasi digital dan kecepatan sistem.

1.4 Batasan Masalah

Dalam perumusan masalah tersebut diatas diberikan batasan sebagai berikut:

1. Input sistem adalah sinyal termodulasi digital tipe ASK2, ASK4, PSK2, PSK4, FSK2 dan FSK4 tanpa noise muapun dengan noise pada EbNoR 10 dB dan 20 dB. Setiap sampel sinyal input mempunyai panjang 100 bit, banyaknya sampel sebanyak 100 sampel per skema sinyal pada lingkungan EbNoR . Sinyal akan dilalukan pada filter raised Cosine dengan faktor roll off 0.25 dan faktor up sampling 10. Sinyal dimodulasi dan diambil bentuk anvelope complex-nya. Jadi analisa sinyal dilakukan dalam bentuk base-band.

2. Sinyal modulasi digital, pada fase preprocessing, akan di denoising menggunakan dekomposisi wavelet. Jenis wavelet yang digunakan adalah wavelet symlet8 dan level dekomposisi yang digunakan adalah level 3.


Tugas Akhir - 2011


Bab I Pendahuluan 5

3. Ekstraksi ciri Sinyal akan dilakukan dengan menghitung nilai rata-rata dan variansi dari modulus, phasa dan frekuensi sinyal.

4. Pada fase pelatihan jaringan dan pengujian jaringan, akan digunakan 1800 sampel data yang terdiri dari 100 sampel data untuk jenis modulasi berturut-turut : ASK2, ASK4, PSK2, PSK4, FSK2 dan FSK4 pada lingkungan tanpa noise, EbNoR 10dB dan 20dB.

5. Arsitektur jaringan syaraf tiruan JST yang digunakan adalah JST dengan satu hidden layer dan dua hidden layer. Untuk arsitektur satu hidden layer, akan digunakan hidden layer dengan 5, 10 dan 15 node, sedangkan untuk dua hidden layer akan digunakan 5, 10 dan 15 node baik pada hidden layer pertama maupun hidden layer kedua.

6. Alat bantu yang digunakan pada penelitian ini adalah MATLAB versi R2006A atau 7.2.0.

1.5 Metodologi Penelitian

Metodologi yang digunakan dalam penulisan tesis ini adalah :

Studi Literatur Bertujuan untuk mempelajari dasar teori mengenai modulasi digital, sistem pengenalan modulasi digital, pembangkitan sinyal dimodulasi digital, transformasi wavelet, jenis ciri yang akan diekstrak, penentuan ciri yang diekstrak, jaringan syaraf tiruan dengan beberapa tipe


Tugas Akhir - 2011


Bab I Pendahuluan 6

arsitektur jaringan dan algoritma yang dikembangkan untuk pengenalan tipe modulasi digital.

Pembangkitan Sinyal Modulasi Digital dan Pengumpulan Data Bertujuan untuk membangkitkan data modulasi digital tanpa dan dengan noise, mendapatkan data ciri sinyal modulasi digital akan digunakan sebagai masukkan dari algoritma penentuan jenis modulasi digital yang dikembangkan.

Studi Pengembangan Aplikasi Bertujuan untuk menentukan metodologi pengembangan perangkat lunak yang digunakan dengan pendekatan terstruktur dan melakukan analisa perancangan.

Implementasi Perangkat Lunak Bertujuan untuk melakukan implementasi metode pada perangkat lunak sesuai dengan analisa perancangan yang telah dilakukan.

Analisa Performansi Bertujuan untuk melakukan analisa performansi sistem dengan parameter peluang keberhasilan penentuan tipe modulasi digital.

Mengambil Kesimpulan Bertujuan untuk menarik kesimpulan berdasarkan analisa-analisa yang telah dilakukan terhadap hasil pengujian.

1.6 Sistematika Penulisan


Tugas Akhir - 2011


Bab I Pendahuluan 7

Laporan disusun dalam lima bab dengan sistematika penulisan sebagai berikut :

BAB I PENDAHULUAN

Bab ini membahas latar belakang, tujuan penelitian, perumusan masalah, batasan masalah, metodologi penelitian, dan sistematika penulisan.

BAB II DASAR TEORI Bab ini membahas teori yang mendukung dan mendasari penulisan Tesis ini, meliputi teknik modulasi digital, sistem penentuan tipe modulasi digital, transformasi wavelet, jaringan syaraf tiruan, pengenalan tipe modulasi digital, dan penentuan ekstraksi ciri.

BAB III PERANCANGAN SISTEM DAN SIMULASI Bab ini membahas tentang model perancangan tahap pemrosesan awal, ekstraksi ciri, proses pelatihan dan proses pengujian untuk penentuan tipe modulasi menggunakan JST.

BAB IV ANALISA HASIL SIMULASI Bab ini membahas hasil simulasi yang diperoleh dan memberikan analisa terhadap hasil simulasi tersebut.

BAB V KESIMPULAN DAN SARAN Bab ini berisi kesimpulan dari analisis yang telah dilakukan dan saran untuk pengembangan lebih lanjut.


Tugas Akhir - 2011


Bab I Pendahuluan 8



Tugas Akhir - 2011


BAB V KESIMPULAN DAN SARAN

5.1 Kesimpulan

Dari hasil analisis terhadap pengujian yang dilakukan pada sistem pengenalan pola modulasi digital menggunakan denoising transformasi wavelet dan klasifikasi jaringan syaraf tiruan, maka dapat diambil kesimpulan sebagai berikut :

1. Pada Tesis ini telah dirancang dan direalisasikan program sistem pengenalan pola modulasi digital menggunakan dekomposisi transformasi wavelet sebagai denoising pada proses preprocessing dan klasifikasi pengenalan pola menggunakan JST, dengan tingkat kesalahan MSE pada fase pelatihan berturut turut sebesar, 0.00459, 0.00298, 0.00200 untuk jaringan 1 hidden layer dengan jumlah unit pada hidden layer berturut-turut 5, 10 dan 15. Sedangkan untuk jaringan dengan 2 hidden layer nilai MSE untuk semua jaringan yang dilatih lebih kecil dari 1e-04.

2. Pada fase pelatihan jaringan, jaringan dengan 2 hidden layer dengan jumlah unit berturut-turut 15 dan 15, memberikan jumlah epoch pada proses iterasi pembaruan nilai bobot jaringan dan waktu latih terkecil, yaitu 953 epoch dan 42 detik.

3. Pada fase pengujian JST, nilai akurasi jaringan 1 hidden layer dengan jumlah unit pada hidden layer 5, 10, 15 berturut-turut adalah : untuk PSK4, 97% benar, yang lain

135

Tugas Akhir - 2011


BAB V Kesimpulan dan Saran 136

100%; PSK2, 94 % pada lingkungan Eb/No 10dB, PSK4, 99% untuk Eb/No 10dB dan 20dB, 97% untuk Eb/No 100dB modulasi lain 100%; PSK2, 94 % pada lingkungan Eb/No 10dB, PSK4, 99% untuk Eb/No 10dB dan 20dB, 97% untuk Eb/No 100dB modulasi lain 100%. Sedangkan akurasi untuk jaringan dengan 2 hidden layer, pada jaringan dengan jumlah unit 5 pada hidden layer pertama memberikan keputusan untuk PSK4, 99% benar yang lainnya 100% benar. Untuk Jaringan 10-5 dan 10-15 untuk PSK4, 99%benar, dan sinyal lainnya 100% benar. Untuk jaringan 15-10 untuk PSK4, 98% benar dan sinyal lainnya 100% benar, Sisa jaringan memberikan keputusan 100% benar untuk semua jenis modulasi.

4. Secara keseluruhan, untuk jaringan 2 hidden layer, dengan nila MSE < 1e-04, akan memberikan tingkat keputusan benar di atas 99%

5. Jaringan 2 hidden layer dengan jumlah unit berturut-turut 15 dan 10 merupakan jaringan paling baik di antara arsitektur lainnya. Jaringan ini memberikan jumlah epoch, waktu latih dan kesalahan paling kecil, berturut-turut 953 epoch, 42 detik dan 1e-05.

6. Parameter yang digunakan untuk denoising pada proses ekstraksi ciri dengan dekomposisi transformasi wavelet sym8 pada level dekomposisi 3.

7. Denoising Ekstraksi ciri menggunakan dekomposisi transformasi wavelet digunakan untuk mengurang pengaruh noise dan merekonstruksi sinyal sebelum terkena noise.


Tugas Akhir - 2011


BAB V Kesimpulan dan Saran 137

8. Waktu yang diperlukan untuk melakukan pengenalan pola modulasi digital adalah 0.0802 det detik, sehingga sistem diharapkan dapat bekerja real time.

5.2 Saran

Pengembangan yang dapat dilakukan pada tesis ini :

Penggunaan ekstraksi ciri, terlihat pada ciri rata-rata frekuensi sinyal, ciri ini tidak memberikan kontribusi pada pengenalan pola modulasi sinyal sehingga dapat dikeluarkan dari parameter ciri yang diteliti. Disarankan untuk dilakukan penelitian hanya menggunakan 5 ciri sinyal, dengan mengeluarkan ciri rata-rata frekuensi.



Tugas Akhir - 2011


Daftar Pustaka

[1] Sugiharto,Aris.,”Pemrograman GUI dengan

MATLAB”. ANDI Yogyakarta, 2006.

[2] Sahid, Drs.,M.Sc.,”Pengantar Komputasi Numerik dengan MATLAB”. ANDI Yogyakarta, 2005.

[3] Jong Jek Siang.Drs.,M.Sc.,”Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan MATLAB”. ANDI Yogyakarta, 2005 2009.

[4] Gunaidi Abdia Away.,”The Shortcut of MATLAB Programming”. Informatika Bandung, 2006.

[5] Azzouz,Elsayed Elsayed and Nandi,Asoke Kumar.,”Automatic Modulation Recognition of Communication Signal”. Kluwer Academic publishers Boston/Dordrecht/London, 1996.

[6] Lusk, Craig P., “Wavelet analysis and its Application to Modolation Characterization’.,Thesis, Virginia Polytechnic InstitutFahmi, Blacksburg Virginia, May 7, 1999.

[7] Polikar, R. “The Wavelet Tutorial”. Department of Electrical and Computer Engineering, Rowan University. 1995.

[8] The MathWorks, “Communication Toolbox User’s Guide”, 2007.

[9] The MathWorks, “Wavelet Toolbox User’s Guide”, 2007.

Tugas Akhir - 2011


[10] Novamizanti,Ledya.“Identification of Iris Pattern Using Wavelet Transformation Decomposition and Lavenshtein Distance.,, Thesis, Pasca Sarjana ITTTelkom Bandung, 2010.


Tugas Akhir - 2011


PENGENALAN POLA MODULASI DIGITAL MENGGUNAKAN … · PENGENALAN POLA MODULASI DIGITAL MENGGUNAKAN...

Documents

Transcript of PENGENALAN POLA MODULASI DIGITAL MENGGUNAKAN … · PENGENALAN POLA MODULASI DIGITAL MENGGUNAKAN...