Upload
dini-yasa-istiqomah
View
53
Download
16
Embed Size (px)
DESCRIPTION
contoh proposal tugas akhir
Citation preview
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.