ANALISIS PERANCANGAN JARINGAN DWDM

PADA SISTEM KOMUNIKASI SERAT OPTIK BERDASARKAN

PENGARUH TOPOLOGI JARINGAN MENGGUNAKAN

CISCO TRANSPORT PLANNER RELEASE 9.2

PROPOSAL TUGAS AKHIR

Oleh

Rachmawati Tejaningrum

21060110141083

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS DIPONEGORO

2014

Kontrol dan Instrumentasi

Proposal Tugas Akhir

ANALISIS PERANCANGAN JARINGAN DWDM PADA SISTEM KOMUNIKASI SERAT OPTIK BERDASARKAN

PENGARUH TOPOLOGI JARINGAN MENGGUNAKAN CISCO TRANSPORT PLANNER RELEASE 9.2

yang diajukan oleh

Rachmawati Tejaningrum

21060110141083

kepada

Jurusan Teknik Elektro

Fakultas Teknik

Universitas Diponegoro

telah disetujui oleh:

Pembimbing I

Imam Santoso, S.T., M.T

NIP. 197012031997021001

Tanggal: ……………….........

Pembimbing II

Ajub Ajulian Zahra M, S . T. , M . T

NIP. 197107191998022001

Tanggal: ……………….............

Mengetahui,Koordinator Tugas Akhir

Budi Set i yono, S . T . , M . T .

NIP. 197005212000121001

Tanggal: ……..…………………

Kontrol dan Instrumentasi

ABSTRAK

Dalam perancangan sebuah sistem kendali diperlukan analisa tentang sistem tersebut. Penganalisaan sebuah sistem akan lebih mudah jika diketahui model matematiknya. Untuk mengetahui model matematik maka diperlukan proses identifikasi parameter sistem.. Identifikasi sistem adalah usaha untuk mendapatkan sebuah informasi yang berupa model matematik yang didapat dari hasil analisa data masukan dan keluaran dari plant yang sudah terhubung

Penelitian sebelumnya tentang identifikasi sistem on-line yang telah dilakukan menggunakan metode IIR LMS dengan perangkat lunak pendukung berupa Delphi 6.0. Sistem yang telah diidentifikasi adalah sistem orde 1, orde 2 dan orde 3. Untuk memperkecil nilai error dari penelitian sebelumnya maka dalam penulisan ini akan dilakukan identtfikasi dengan metode Least Square dan perangkat lunak pendukungnya adalah Matlab R2008a. Sedangkan untuk sistem yang diidentifikasi adalah sistem orde 1, orde 2, orde 3 dan orde 4 yang dapat divariasikan dengan cara interkoneksi sistem. Interkoneksi sistem yang digunakan adalah cascade, parallel dan juga feed back.

Kata Kunci : identifikasi, sistem orde, least square, interkoneksi sistem

PROPOSAL TUGAS AKHIR

Konsentrasi keilmuan : Kontrol dan Instrumentasi

I. Judul

Analisis Perancangan Jaringan DWDM Pada Sistem Komunikasi Serat Optik

Berdasarkan Pengaruh Topologi Jaringan Menggunakan Cisco Transport

Planner Release 9.2

II. Latar Belakang

Dalam perancangan sebuah sistem kendali diperlukan pengetahuan

mengenai plant yang bersangkutan untuk membantu mendapatkan model

matematiknya. Untuk mendapatkan model matematik tersebut diperlukan adanya

proses identifikasi parameter sistem. Proses identifikasi sistem sendiri dapat

diartikan sebagai proses analisa sistem yang berdasarkan data eksperimental

berupa masukan dan keluaran dari sebuah plant. Proses identifikasi sendiri dapat

dilakukan secara off – line dan juga on – line.

Penelitian mengenai identifikasi sistem ini telah dilakukan sebelumnya baik

dengan cara off – line maupun on – line dengan sistem yang diidentifikasi berupa

sistem orde 1, orde 2 dan orde 3. Identifikasi sistem secara off – line dilakukan

oleh Jody Roostandy dengan metode algoritma genetik. Sedangkan identifikasi

sistem secara on – line telah dilakukan oleh Nikmah Dwi Indriati dengan metode

Least Mean Square. Pada penulisan Tugas Akhir ini akan dilakukan proses

identifikasi secara on – line dengan metode Least Mean Square dengan sistem

yang diidentifikasi berupa sistem orde 1, orde 2, orde 3 dan orde 4 yang dapat

divariasi dari interkoneksi sistem. Interkoneksi sistem yang akan digunakan ialah

interkoneksi cascade, parallel, dan feed back. Pada Tugas Akhir ini akan

dilengkapi dengan sistem Graphical User Interface (GUI) menggunakan

perangkat lunak Matlab R2008a.

Telekomunikasi

Proses identifikasi on – line adalah proses identifikasi yang dilakukan secara

langsung terhubung dengan plant simulator. Untuk menghubungkan antara plant

simulator dengan PC digunakan mikrokontroller ATmega 8535 yang sudah

dilengkapi dengan DAC dan ADC.

III. Batasan Masalah

Untuk menyederhanakan permasalahan dalam Tugas Akhir ini maka

diberikan batasan masalah sebagai berikut:

1. Sistem plant yang digunakan untuk pengujian merupakan plant

simulator dengan op amp LM741 dan mikrokontroller ATmega 8535.

2. Identifikasi sistem orde 1, orde 2, orde 3 dan orde 4 dilakukan dengan

metode Least Square.

3. Variasi sistem orde didapat dengan cara interkoneksi sistem secara

cascade, parallel dan feed back.

4. Penyajian GUI menggunakan perangkat lunak Matlab R2008a.

IV. Tujuan Penelitian

Tujuan pembuatan tugas akhir ini adalah mencari model matematik dari

sistem yang berupa plant simulator berbasis mikrokontroller yang dilakukan

secara on – line dengan memvariasikan orde dengan cara interkoneksi sistem.

V. Tinjauan Pustaka

V.1 Pemodelan Sistem

Metode yang digunakan untuk mendapatkan atau menentukan parameter

model pendekatan dari sistem melalui evaluasi data pengukuran input output

dapat didefinisikan sebagai pemodelan sistem. Secara umum untuk mendapatkan

model pendekatan sistem bisa ditinjau dari dua hal, yaitu :

a. Pendekatan Respon Waktu

Menganalisa sistem dari tanggapannya terhadap waktu, baik waktu kontiyu

maupun waktu diskrit.

b.Pendekatan Respon Frekuensi

Menganalisa sistem dari tanggapannya terhadap frekuensi.

Bentuk umum model matematis adalah sebagai berikut :

`

Dimana :

: variable keluaran pada pengamatan ke-k

: variable fungsi pada pengamatan ke-k

, , …. : parameter yang dicari

V.1.1 Struktur Model Pendekatan

Struktur model pendekatan secara sederhana dapat digambarkan pada

diagram blok di bawah ini, dimana u(k) adalah masukan tersampling, y(k) sebagai

keluaran dan μ(k) adalah noise atau gangguan.

Gambar 1. Diagram blok sederhana struktur model pendekatan

Berikut pembagian bentuk struktur model pendekatan, yaitu :

a. Struktur deterministik (tanpa noise)

- Auto Regressive (AR)

- Moving Average (MA)

- Auto Regressive Moving Average (ARMA)

b. Struktur stokastik (dengan noise)

- Auto Regresive Exogeneous (ARX)

- Moving Average Exogeneous (MAX)

- Auto Regressive Moving Average Exogeneous (ARMAX)

V.2 Konsep Identifikasi Sistem

Identifikasi sistem adalah usaha untuk mendapatkan sebuah informasi yang

berupa model matematik yang didapat dari hasil analisa data masukan dan

keluaran dari plant yang sudah terhubung dan diakhiri dengan proses estimasi

untuk mendapatkan parameter optimal. Dengan kata lain proses identifikasi sistem

merupakan gabungan dari dua tahap, yaitu tahap pembentukan model matematik

serta tahap pengestimasian nilai parameter optimal yang berasal dari proses

eksperimental.

5.2.1 Identifikasi Sistem Teknik Parametik

Metode yang sering digunakan untuk memperkirakan nilai parameter model

sistem adalah dengan teknik parametik. Pada teknik ini nilai parameter dari suatu

sistem dapat diperoleh secara langsung. Hal yang berkenaan dengan identifikasi

parametik diantaranya adalah :

1. Struktur model dan orde sistem

2. Parameter polinomial input dan output

3. Delay time

4. Karakteristik serta dinamik gangguan

5.2.2 Macam – macam Metode Identifikasi

I. Metode Linier Kuadratis

Setiap permasalahan pemodelan matematis atau sejenisnya bisa diselesaikan

secara relative lebih mudah jika model matematis yang dipilih mempunyai

persamaan umum:

y(k) = f1(k)1 + f2(k)2 + . . . + fn(k)n = fT(k)

dimana:

y(k) = variabel keluaran pada pengamatan ke-k

f(k) = variabel atau fungsi dari variabel yang diketahui pada pengamatan

ke-k

= parameter atau konstanta yang akan diamati

a. Orde 1

Untuk permasalahan orde 1 bisa didekati dengan metode linier , dengan

formula:

y(k) = b0 + b1x = [ 1 x(k)][b0 b1]T

dimana:

FT(k) = [1 x(k)] = (t)

= [b0 b1]

dan dapat diformulasikan,

= (T )-1 T . y(t)

b. Orde 2

Untuk permasalahan orde 2 bisa didekati dengan metode kuadratis, dengan

formula:

y(k) = b0 + b1x + b2x2 = [1 x(k) x(k)2][b0 b1 b2]T

dimana:

FT(k) = [1 x(k) x(k)2] = (t-1)

= [b0 b1 b2]T

sehingga,

= (T )-1 T y(t)

II. Metode MSE

Kegunaan dari metode MSE adalah untuk meminimalkan kuadrat error dalam

proses identifikasi sistem. Struktur model MSE secara umum seperti pada

gambar 2.1 di bawah ini

Gambar 2. Struktur model MA

dimana:

d(k) = output plant

y(k) = output model

e(k)y(k)

d(k)

b0

b1

bk

∑ ∑

Z-k

x(k)

Z-2Z-1

c(k) = error

a. Orde 1

Untuk sistem orde 1 dilakukan dengan pendekatan linier dalam fungsi alih

sehingga:

H(z) = b0 + b1z-1

ditransformasikan dalam kawasan waktu diperoleh

y(k) = b0x(k) + b1x(k-1)

= [x(k) x(k-1)][b0 b1]T

kemudian dari sini diperoleh nilai R dan P

R = 1/10 xTx

P = 1/10 yTx

dan [b0 b1]T = R-1P

b. Orde 2

Untuk sistem orde 2 dilakukan dengan pendekatan kuadratis dalam fungsi

alih, sehingga:

ditransformasikan dalam kawasan waktu diperoleh

y(k)= b0x(k) + b1x(k-1) +b2x(k-2)

= [x(k) x(k-1) x(k-2)][b0 b1 b2]T

kemudian dari sini diperoleh nilai R dan P

R = 1/10 xTx

P = 1/10 yTx

dan [b0 b1 b2] = R-1P

III. Metode Least Mean Square

Identifikasi parameter sistem dengan metode least mean square mempunyai

bentuk umum:

= (T )-1 y(k)

dengan model matematis outputnya

y(k) = f1(k) + f2(k)2 + . . . + fn(k)n

a. Metode Least Mean Square dengan Struktur AR

1. Offline

Orde 1

Untuk kasus orde 1, pendekatan model dilakukan dengan metode linier

y(k)= a0 y(k-1) + b0 x(k)

= [y(k-1) x(k)][a0 b0]

dimana

[y(k-1) x(k)] = FT(k) = dan

[a0 b0]T =

dengan = (T )-1 y(k)

Orde 2

Untuk kasus orde 2, didekati dengan metode kuadratis

y(k)= a0 y(k-1) + a1 y(k-2) + b0 x(k)

= [y(k-1) y(k-2) x(k)][a0 a1 b0]T

dimana,

[y(k-1) y(k-2) x(k)] = FT(k) =

[a0 a1 b0]T =

dengan = (T )-1 y(k)

2. Online

Orde 1

Dalam kasus orde 1 dengan cara online berarti setiap data saling

mempengaruhi untuk output setelah sampling data tersebut. Yang perlu

diperhatikan adalah nilai bobot

k+1 = k + 2 ck xk = [b0 a1]

dimana,

k = bobot sampling ke-k

= laju konvergensi

ck = error sampling k

xk = [x(k) y(k-1)]T

sehingga diperoleh

y(k) = [x(k) x(k-1)][b0 a1]

Orde 2

Dalam kasus orde 2 dengan cara online, bobot yang digunakan adalah

k+1 = k + 2 ck xk = [b0 b1 a1]

dimana nilai dari xk

xk = [x(k) y(k-1) y(k-2)]

sehingga diperoleh

y(k) = [x(k) y(k-1) y(k-2)][b0 b1 a1]

Gambar struktur model Auto Regressive (AR) adalah

Gambar 3. Struktur Model AR

b. Metode Least Mean Square dengan Struktur Moving Average (MA)

1. Offline

Orde 1

Untuk kasus orde 1 pendekatan model dilakukan dengan metode linier

y(k)= bo x(k) + b1 x(k-1)

=[x(k) x(k-1)] [bo b1]T

di mana

[x(k) x(k-1)] = FT(k) = ϕ

[bo b1]T = θ

dengan

θ=(ϕTϕ)-1 ϕT y(k)

Gambar struktur model struktur MA

Z-1

Z-1

Z-1

∑b0

a1

a2

a0

x(k) y(k)

Gambar 4. Struktur model MA

Orde 2

Sedangkan untuk orde 2, pendekatan model dilakukan dengan metode

kuadratis

y(k)= b0 x(k) + b1 x(k-1) + b2 (k-2)

=[x(k) x(k-1) x(k-2)] [b0 b1 b2]

dimana,

[x(k) x(k-1) x(k-2)] = FTk = ϕ

[b0 b1 b2]T = θ

dengan

θ=(ϕTϕ)-1 ϕT y(k)

2. Online

Orde 1

untuk kasus orde 1 pembobotan dilaksanakan dengan formula

ωk+1=ωk +2μ ek xk = [b0 b1]

dimana,

ωk = bobot sampling ke k

μ = laju konvergensi

ek = error sampling ke k

xk = [x(k) x(k-1)]

sehingga diperoleh

y(k)=[x(k) x(k-1)] [b0 b1]T

Orde 2

Untuk kasus orde 2, pembobotan diformulasikan

e(k)y(k)

d(k)

b0

b1

bk

∑ ∑

Z-k

x(k)

Z-2Z-1

ωk-1=ωk +2μ ek xk=[b0 b1 b2]

dimana,

ωk = bobot sampling ke k

μ = laju konvergensi

ek = error sampling ke k

xk = [xk x(k-1) x(k-2)]

sehingga diperoleh

y(k) = [x(k) x(k-1) x(k-2)] [b0 b1 b2]T

c. Metode Least Mean Square dengan Struktur ARMA

1. Offline

Orde 1

Untuk kasus orde 1, dalam identifikasi sistem dengan struktur ARMA,

model didekati dengan motede linier

y(k)= bo x(k) + b1 x(k-1 )+a0 y(k-1)

=[x(k) x(k-1) y(k-1)] [b0 b1 a0]T

dimana,

[x(k) x(k-1) y(k-1)] = FT(k) = ϕ

[bo b1 a0]T = θ

dengan

θ = (ϕTϕ)-1 ϕT y(k)

Orde 2

Untuk kasus sistem orde 2, dalam identifikasi sistem model didekati

dengan metode kuadratis

y(k)= b0 x(k) + b1 x(k-1) + b2 x(k-2)+ a0 y(k-1) +a1 y(k-2)

=[x(k) x(k-1) x(k-2) y(k-1) y(k-2)] [b0 b1 b2 a0 a1]T

dimana,

[x(k) x(k-1) x(k-2) y(k-1) y(k-2)] = FTk = ϕ

[b0 b1 b2 a0 a1]T = θ

dengan

θ=(ϕTϕ)-1 ϕT y(k)

2. Online

Orde 1

untuk kasus orde 1 pembobotan dilaksanakan dengan formula

ωk+1=ωk +2μ ek x(k)=[b0 b1 a0]

dimana,

ωk = bobot sampling ke k

μ = laju konvergensi

ek = error sampling ke k

xk = [xk x(k-1) y(k-1)]

sehingga diperoleh

y(k)=[x(k) x(k-1) y(k-1)] [b0 b1 a0]T

Orde 2

Untuk kasus orde 2, pembobotan diformulasikan

ωk+1=ωk + 2μ ek xk=[b0 b1 b2 a0 a1 ]

dimana,

xk = [x(k) x(k-1) x(k-2) y(k-1) y(k-2)]

sehingga diperoleh

y(k)=[x(k) x(k-1) x(k-2) y(k-1) y(k-2)] [b0 b1 a0 a1]T

Gambar 5. Struktur model ARMA

V.3 Interface

Agar dapat menghubungkan antara plant simulator dengan PC ataupun

sebaliknya, maka diperlukan pendesainan interface. Dalam pembuatan interface

sendiri diperlukan berbagai macam device pendukung, baik berupa perangkat keras

maupun perangkat lunak. Agar perangkat keras dan perangkat lunak dapat

memahami bahasa keduanya maka diperlukan sebuah konverter. Konverter sendiri

ada dua jenis, yaitu Analog to Digital Converter dan juga Digital to Analog

Converter.

V.3.1 Analog to Digital Converter (ADC)

Langkah pertama yang harus dilakukan sebelum memproses sinyal analog

dengan alat digital adalah mengkonversikannya ke dalam bentuk digital. Prosedur

ini dinamakan konversi analog ke digital (A/D) dan alat yang digunakan adalah

ADC. Ketelitian ADC dalam melakukan konversi ditentukan oleh resolusi dari

ADC itu sendiri. Besarnya resolusi dari ADC dapat dihitung dari persamaan di

bawah ini :

FSV (Full-Scale Voltage) adalah tegangan penuh dari ADC. Jika ADC 8 bit dengan

tegangan skala penuh 5 Volt, maka resolusi ADC tersebut sebesar :

V.3.2 Digital to Analog Converter (DAC)

Proses konversi digital menjadi sinyal analog dikenal dengan istilah

konversi digital ke analog (D/A), dan alat pengkonversinya dinamakan DAC.

Resolusi suatu DAC dinyatakan oleh persamaan :

Semakin kecil resolusi suatu ADC maka semakin tinggi ketelitian DAC dalam

memberikan keluaran tegangan analog. Jadi untuk DAC 8 bit mempunyai resolusi

sebesar :

V.4 Mikrokontroller ATmega 8535

VI. Metode Penelitian

Metode yang digunakan dalam menyelesaikan Tugas Akhir ini

meliputi beberapa tahap yaitu:

1. Tahap I

Tahap I meliputi studi literatur. Mempelajari permasalahan yang akan

dibahas pada Tugas Akhir melalui beberapa buku literatur, baik dari

perpustakaan, artikel, maupun internet.

2. Tahap II

Tahap II meliputi pembuatan plant simulator yang orde 1, orde 2, orde 3

dan orde 4 yang berbasis mikrokontroller ATmega 8535.

3. Tahap III

Tahap III meliputi pembuatan interface antara hardware ke PC yang

tersusun atas pembuatan database dan coding Matlab.

4. Tahap IV

Tahap IV meliputi analisis plant simulator semua orde dan pembuatan

laporan Tugas Akhir. Pada tahap ini akan dilakukan analisis baik secara

pehitungan manual maupun perhitungan yang diperoleh dari perangkat

lunak Matlab.

VII. Jadwal Pelaksanaan Penelitian

Tabel 1 Jadwal Pelaksanaan Pembuatan Tugas Akhir

No Nama Kegiatan April Mei Juni

1. Literatur Review

2. Mendefinisikan Masalah

3. Membuat Hipoteis – hipotesis

Alternatif

4. Mempelajari Software dan

Hardware

5. Mensimulasikan percobaan

6. Penulisan Proposal

7. Persetujuan Dosen

Pembimbing

8. Penyerahan Proposal TA

9. Pembuatan Plant untuk

Identifikasi

10. Pembuatan Interface ke

Komputer

11. Pengambilan Data dari Plant

Simulator

12. Validasi Data dan Pengolahan

Data

13. Analisa data, kesimpulan dan

saran

14. Penulisan Laporan dan

Konsultasi Laporan

VIII. Penutup

Proposal Tugas Akhir ini dibuat belum dalam format yang

sebenarnya, sehingga masih sangat memungkinkan adanya perubahan yang

disesuaikan dengan kondisi yang ada. Atas perhatiannya, penulis ucapkan

terima kasih.

DAFTAR PUSTAKA

[1] Rodiah, Hana Adha. Perancangan Peningkatan Kapasitas Link 10 Gigabit

Pada Jaringan Backbone DWDM Sumatera Di PT. Chevron Pacific

Indonesia. Laporan Kerja Praktek Teknik Elektro Undip. 2013.

[2] Sitorus, Maya Armys Roma. Analisis Perancangan Serat Optik DWDM Jalur

Semarang-Solo-Jogjakarta di PT. INDOSAT. Laporan Tugas Akhir Teknik

Elektro Universitas Indonesia. 2009.

[3] Salim, Dian Agus. Perencanaan Jaringan Serat Optik DWDM PT. Bakrie

Telecom, Tbk Bogor-Bandung. Laporan Tugas Akhir Teknik Elektro

Universitas Indonesia. 2008.

[4] Leza, Yorashaki Martha, Analisis Perencanaan Sistem Transmisi Serat Optik

DWDM PT. Telkom Indonesia,Tbk Indonesia Jakarta-Banten. Laporan Tugas

Akhir Teknik Elektro Universitas Indonesia. 2011.

[5] Cisco System. Cisco Transport Planner Release 9.2 DWDM Operations

Guide. USA : Cisco System, Inc. 2010. http://www.cisco.com.