TUGAS PENGOLAHAN SINYAL CERDASREVIEW ARTIKELCell Outage Detection and Compensation in Two-Tier

Heterogeneous Networks

Disusun Oleh

NAMA : I KADEK SUSILA SATWIKA

NIM : 1491761028

PROGRAM PASCASARJANA

TEKNIK ELEKTRO

UNIVERSITAS UDAYANA

2015Pertumbuhan jumlah konsumsi trafik disebabkan karena berkembangnya sistem atau generasi jaringan telekomunikasi. Keadaan tersebut mendesak operator jaringan secara signifikan terus meningkatkan kapasitas jaringan. Untuk meminimalisir biaya yang dikeluarkan oleh sebuah perusahaan maka digunakan metode Heterogenous Networks (HetNets) untuk meningkatkan kapasitas jaringan dengan konsumsi daya yang rendah atau low-power nodes (LPNs). Contoh dari penerapan Heterogenous Networks (HetNets) adalah penggunaan pico cell, femto cell, dan relay nodes. LPNs ini menggunakan daya yang sangat kecil berkisar 250 mW sampai 2W dengan coverage area yang kecil. Jika dibandingkan dengan penggunaan makro cell yang mengkonsumsi daya hingga 40W, maka penggunaan LPNs ini dirasa sangat efisien guna memaksimalkan biaya untuk mendapatkan kapsitas yang maksimal.

Gambar 1 Heterogenous Networks (Ericsson, 2014)Dengan adanya Heterogenous Networks (HetNets) dituntut adanya sebuah maintenance jaringan yang kompleks guna melakukan troubleshooting pada saat ada masalah atau kerusakan perangkat pada satu sistem pada satu jaringan makro , maka sistem tersebut harus dimatikan dan harus ada handover untuk memback up jaringan yang mati tersebut. Proses troubleshooting secara traditional adalah dengan cara mematikan sistem secara manual serta mengkonfigurasi handover secara manual pula. Dengan semakin bertambahnya jumlah jaringan maka metode secara menual tersebut dirasa sudah tidak efisien lagi. Oleh karena itu, untuk meminimalisir penggunaan manusia (manual) dan untuk mengefisienkan waktu maka diperlukan sebuah sistem jaringan cerdas untuk mengotomatisasi prosedur troubleshooting pada jaringan makro.Self - Organizing Network (SON) merupakan salah satu metode yang dirasa tepat untuk menangani masalah otomatisasi trobleshooting pada jaringan makro. Self -Organizing Network dapat menghandle pemberhentian sementara secara otomatis sebuah cell (outage cell). Pemberhentian sementara ini bisa disebabkan karena masalah hardware ataupun software. Dalam proses pemberhentian sementara ini ada dua mekanisme yang dilakukan yaitu Cell Outage Detection (COD) yaitu mendetect lokasi terjadinya masalah kemudian mengeksekusi, dan Cell Outage Compensation (COC) yaitu melakukan handover guna membackup jaringan yang sedang dimatikan.

Pada penelitian ini, proses deteksi menggunakan metode K-nearest neighbor (KNN) untuk mendeteksi jaringan terdekat dari sebuah mikro cell. Apabila masalah berada pada jaringan makro maka metode KNN akan medeteksi mikro cell terdekat yang termasuk di dalam makro cell dan secara otomatis akan mematikan sementara jaringan tersebut. Begitu juga sebaliknya apabila masalah terjadi pada mikro cell maka metode KNN akan mencari secara otomatis makro cell dan secara otomatis akan mematikan jaringan tersebut. Pada proses kompensasi atau handover ada beberapa parameter yang digunakan untuk melakukan handover ke cell yang lainnya yaitu kuat sinyal dan ketersediaan kanal. Klasifikasi merupakan pekerjaan yang melakukan pelatihan/pembelajaran terhadap fungsi target f yang memetakan setiap set atribut (fitur) x ke satu dari sejumlah label kelas y yang tersedia. Proses deteksi pada penelitian ini menggunakan metode KNN dimana metode ini bertugas untuk mendeteksi cell-cell dengan jarak yang terdekat. Algoritma KNN ini melakukan klasifikasi berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lain. Untuk metode pengukuran jaraknya, pada penelitian ini menggunakan metode euclidean. Metode euclidean digunakan karenakan penguran jarak menggunakan garis lurus. Rumus KNN yang digunakan adalah:

Untuk mengukur laju eror dalam simulasi ini digunakan rumus :

Dimana :c = Besar cluster c

= RLF (Radio Link Failed)

= Jumlah RLF pada cluster c

= Jumlah data pada cluster c

= Jumlah RLF pada semua cluster

Setelah proses deteksi maka dilanjutkan dengan proses kompensasi atau handover. Proses kompensasi tetap mengacu pada mikro cell yang memiliki kanal yang kosong dan mendeteksi sinyal terkuat maka cell tersebut yang akan mengambil alih sementara user tersebut. Pengukuran jarak pada proses kompensasi menggunakan metode pengukuran jarak Manhattan untuk menentukan cell yang baru.

Peneltian ini menggunakan simulasi 19 macro cell dan 76 pico cell, dimana setiap makro cell terdapat 4 pico cell. Makro cell 0 dan Pico cell 23 diskenariokan mengalami gangguan. Kemudian pico cell 19 dan 22 digunakan sebagai cell kompensasi dari makro cell 0. Kemudian parameter timeslot yang digunakan dalam penelitian ini adalah 1/3 dan 1/10. Throughput rata-rata yang dihasilkan setelah proses kompensasi adalah 88,0% untuk timeslot 1/10 dan 91,4% untuk timeslot 1/3. Artinya semakin besar komposisi timeslot, maka menghasilkan kualitas jaringan yang lebih baik. Pada penelitian ini penggunaan KNN sebagai metode klasifikasi dalam cell outage dirasa berhasil. Karena dalam uji cobanya mampu mendeteksi dalam menkompensasi dengan lancar jaringan yang mengalami masalah baik itu dalam sistem hardware maupun software.