ABSTRAKSI: Sistem komunikasi bergerak pada umumnya menggunakan antena yang memiliki beam tetap. Smart antenna merupakan antena susunan adaptif yang bisa mengubah pola radiasi atau parameter-parameter lain sesuai dengan perubahan parameter-parameter sinyal yang akan datang. Smart antenna tersebut akan mengarahkan pola radiasinya secara maksimum menuju sinyal yang dituju dan meminimumkan pengarahannya pada sinyal pengganggu. Diharapkan dengan penggunaan smart antenna tersebut akan meningkatkan kinerja dari sistem komunikasi bergerak.
Tugas akhir ini menganalisis kinerja smart antenna yang menggunakan algoritma least mean square (LMS) dan Recursive least square (RLS ) pada sistem WiMAX. Algoritma LMS dan RLS tersebut akan meminimalisasikan penjumlahan kuadrat estimasi error pada pembobotan elemen antena. Simulasi ini akan menganalisis mean square error (MSE) terhadap signal to noise ratio (SNR) menggunakan parameter uji berupa jumlah user yang diinginkan, jumlah interferensi, jumlah antena, dan jumlah subcarrier. Serta simulasi ini akan menganalisa kualitas sinyal dengan mengamati signal to noise and interference ratio (SNIR) terhadap perubahan besarnya jumlah interferensi.
Hasil yang didapatkan adalah kinerja smart antenna semakin baik pada penggunaan algoritma RLS yang ditunjukkan pada grafik MSE yang cenderung semakin menurun pada peningkatan SNR dalam skala 0 dB sampai dengan 20 dB dan besarnya nilai SNIR pada kondisi ideal, yaitu sebesar 21,5dB. Penurunan MSE akan dipengaruhi oleh pengurangan sinyal pengganggu, penambahan jumlah antena, pengurangan jumlah subcarrier, lambatnya pergerakan yang dilakukan oleh user. Peningkatan nilai SNIR ditunjukkan dengan memperlambat kecepatan user. Pada kondisi multiuser dengan menggunakan 4 elemen antena, simulasi memberikan satu beam untuk 4 user yang berdekatan,yaitu pada sudut kedatangan 00, 100, 200 dan 300. Nilai mean square error hasil algoritma LMS lebih cepat konvergen mendekati nol dibandingkan nilai mean square error hasil algoritma RLS. Nilai forgetting factor dan ste-size optimum yang diperoleh dari simulasi ini adalah sebesar 0,9.Kata Kunci : beam, smart antenna, least mean square, Recursive least square, mobile WiMAX, forgetting factor, step-sizeABSTRACT: Mobile communication systems typically use an antenna that has a fixed beam. Smart antenna is an adaptive array antenna that can change the radiation pattern or other parameters in accordance with changes in signal parameters that will come. Smart antennas will direct the maximum radiation pattern toward the target signal in the signal direction and minimize distractions. Hopefully, with the use of smart antennas will improve the performance of mobile communication systems.
This thesis analyze the performance of smart antenna using least mean square algorithm (LMS) and Recursive least square (RLS) in WiMAX systems. LMS and RLS algorithm will minimize the sum of the squared estimation error in the weighting of the antenna elements. This simulation will analyze the mean square error (MSE) of the signal to noise ratio (SNR) using the test parameters of the desired number of users, amount of interference, the number of antennas, and the number of subcarriers. And this simulation will analyze the signal quality by observing the signal to noise and interference ratio (SNIR) against changes in the amount of interference.
The result is better performance of smart antenna on the use of the RLS algorithm is shown on the graph of MSE which tends to decrease on increasing the SNR in the scale of 0 dB to 20 dB and the value of SNIR in ideal conditions, that is equal to 21.5 dB. The decrease of MSE will be affected by the reduction in confounding signals, increasing the number of antennas, reducing the number of subcarriers, the slow movement performed by the user. Increasing the value of SNIR is indicated by slowing the speed of the user. On multiuser using four antenna elements, the simulation gives a beam adjacent to four users, namely the arrival at an angle of 00, 100, 200 and 300. Mean square error value results LMS algorithm converge faster than the value approaches zero mean square error of the RLS algorithm. Algorithm use forgetting factor value Ste-factor and the optimum size of the simulation is set at 0.9.Keyword: beam, smart antenna, least mean square, Recursive least square, mobile WiMAX, forgetting factor, step-size