ABSTRAKSI: Metode Monte Carlo (MC) telah banyak diaplikasikan untuk estimasi probabilitas error sistem komunikasi digital. Meskipun memiliki akurasi hasil estimasi probabilitas error yang baik, karena mengolah seluruh bit/sampel yang diperlukan untuk mencapai tingkat probabilitas error tertentu. Akan tetapi, jika suatu sistem memiliki probabilitas error yang sangat rendah, maka jumlah bit yang diolah MC menjadi sangat besar. Hal ini mengakibatkan konsumsi waktu simulasi menjadi relatif sangat lama. Untuk mengatasi permasalahan ini, maka diusulkan metode estimasi Importance Sampling (IS).
Prinsip kerja IS berbasis pada modifikasi probability density function (pdf) dari proses masukan acak. Terdapat dua teknik IS utama yang diujicobakan dalam tugas akhir ini, yaitu Conventional IS (CIS) dan Improved IS (IIS). CIS menggunakan pendekatan penskalaan variansi pada pdf asal/tak bias. Sedangkan teknik IIS berbasis pada pergeseran rataan dari pdf asal. Kemudian, untuk dapat mengestimasi nilai parameter pembiasan optimum di saat proses estimasi probabilitas error berlangsung, maka dicoba metode Adaptive IS (AIS), baik Adaptive CIS (ACIS) maupun Adaptive IIS (AIIS), yang berbasis teknik rekursi Newton stokastik atau Stochastic Gradient Descent. Percobaan IS ini dilakukan pada sistem dengan penerima optimum berupa koheren M-ary Phase Shift Keying (PSK) pada kanal terpengaruh Additive White Gaussian Noise (AWGN).
Dari percobaan didapatkan bahwa perbedaan perbandingan daya sinyal terhadap daya derau dalam Signal to Noise Ratio (SNR) berpengaruh terhadap pencapaian nilai parameter pembiasan yang optimum. Kemudian, faktor pergeseran rataan mampu mencapai speedup lebih tinggi dibandingkan faktor penskalaan variansi pada SNR yang sama. Semakin besar M dalam M-ary PSK, ternyata sistem IS semakin menurun kinerjanya, bahkan menurun drastis pada 8-PSK dan 16-PSK. Dengan metode adaptif mampu dilakukan koreksi terhadap nilai faktor pembiasan optimum. Pada BPSK, metode AIS berfungsi cukup baik, dimana pada SNR 7 dB, dengan metode MC menggunakan 105 sampel percobaan, sedangkan pada AIIS pada variansi estimator yang hampir sama hanya menggunakan sekitar 250 sampel, atau 275 sampel menggunakan perhitungan dari nilai speedup dan sampel MC, dengan akurasi relatif yang lebih baik dari 5 % pada level kepercayaan 90 %. Teknik rekursi Newton stokastik dua dimensi tidak signifikan dalam mencapai perbaikan kinerja AIS QPSK, 8-PSK, dan 16-PSK satu dimensi. Secara umum metode IIS dan AIIS lebih baik kinerjanya dibandingkan CIS dan ACIS.Kata Kunci : ABSTRACT: Monte Carlo (MC) method has been applied to estimate the error probability of digital communication system. Although it has good accuracy while estimate error probability, because MC method is processing all of sample/bit needed to reach certain error probability level. However, if any system had lowest error probability, and then numbers of sample/bit processed by MC method become larger. The effect is time consumption relative becomes longer. To solve this problem, so proposed the other method, that is Importance Sampling (IS) estimation method.
Work principle of IS are based on probability density function (pdf) modification from random input process. IS method consists of two principal technique to be tried in this final project. They are Conventional IS (CIS) and Improved IS (IIS). CIS used approach by variance scaling on the origin/unbiased pdf. Whereas IIS technique based on mean translation from the origin pdf. And then, to estimate the parameter value of optimum biasing in probability error estimation processing, it tried Adaptive IS (AIS) method, also Adaptive CIS (ACIS) and Adaptive IIS (AIIS) based on recursion technique such stochastic Newton (Stochastic Gradient Descent). IS experiment is did in the optimum receiver system with coherent M-ary Phase Shift Keying (PSK) on Additive White Gaussian Noise (AWGN) channel.
From experiments results, the difference of comparison between signal power to noise power or signal to noise ratio (SNR) influenced toward optimum biasing parameter value achievement. Then, mean translation factor able to achieve speedup higher than variance scaling factor in certain SNR. Higher M-ary in PSK modulation obviously IS system has worst performance, even decreased drastically while used 8-PSK and 16-PSK. Adaptive method able to made a correction to optimum biasing factor value. In BPSK, the AIS method has a good working, which on SNR 7 dB, with Monte Carlo method used 105 samples experiment, but in AIIS, with equal estimator variance, only used approximately 250 samples, or 275 samples using calculation of speedup value and MC sample, with relative accuracy is 5 % better on confidence level 90 %. Newton recursion technique-two dimension is not significantly to improve the performance of one dimension AIS-QPSK, 8-PSK, and 16-PSK. Generally, IIS and AIIS performance is better than CIS and ACIS.Keyword: