ANALISIS PENGGUNAAN ALGORITMA REWEIGHT
MESSAGE PASSING BERBASIS ALOKASI SUMBER DAYA
RADIO UNTUK JARINGAN SISTEM KOGNITIF

RAJA ZUFAR ABDILLAH

Informasi Umum

Kode

20.04.2756

Klasifikasi

621.384 - Radio and Radar, Broadcasting stations, Engineering works on radio and television, on Wireless Communication

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Cognitive Radio Networks

Dilihat

341 kali

Informasi Lainnya

Abstraksi

Dewasa ini, teknologi mengalami perkembangan yang sangat pesat terutama dalam bidang telekomunikasi. Pemanfataan telekomunikasi terutama dalam sektor radio kognitif. Cognitive Radio Network (CRN) atau jaringan kognitif radio hadir sebagai solusi peningkatan pemanfaatan sumber daya alokasi. Penelitian jaringan kognitif radio berfokus pada alokasi sumber daya dengan menggunakan alokasi resource yang dioptimalkan. Masalah utama ialah menangani permintaan jaringan seluler, dengan menimalisir maintenance, penggunaan daya yang rendah serta interference yang kecil untuk mendapatkan nilai yang maksimal dan memfokuskan pada nilai data rate yang tinggi agar mencapai performa terbaik. Cognitive Radio Network dikembangkan karena primary user (PU) dan secondary user (SU) tidak perlu mengunakan medium untuk saling berkomunikasi satu sama lain. Konsep ini sangat berguna untuk masa depan meskipun memiliki masalah dalah hal interferensi yang dihasilkan dari PU dan SU karena dalam satu sel yang sama. Hal ini dapat menyebabkan performa Quality of Service (QoS) dalam CRN. Oleh sebab itu, dibutuhkan alokasi resource yang dapat meningkatkan performa QoS seperti meminimalisir data rate, fairness, serta interferensi yang rendah. Maka, digunakan algoritma Reweight Message Passing (ReMPA) untuk mendukung performansi tersebut. Dalam tugas akhir ini penulis membagi ReMPA menjadi dua bagian yaitu ReMPA Sumrate dan ReMPA Fairness. Algoritma Reweight Message Passing dalam tugas akhir ini dapat menjadi solusi untuk PU dan SU dengan menghasilkan kenaikan perfomansi sum rate sebanyak 3,73 % dari algoritma Mean Greedy dan 2,15 % dari algoritma Random pada skenario satu untuk ReMPA Surmate. Pada skenario dua ReMPA Sumrate mengalami penururan dalam perfomansi sum rate sebesar 2,15 % dari Mean Greedy dan 21,74 % dari Random. ReMPA Fairness mengalami kenaikan dalam perfomansi fairness sebesar 13,03% dari Mean Greedy dan 18,64% dari Random pada skenario satu.