Konsep Dasar Perencanaan Filosofi umum dari desain jaringan telekomunikasi adalah mendapatkan performansi terbaik dengan biaya

implementasi yang minimal. Performansi radio meliputi kualitas kanal kontrol / signalling dan juga kanal suara. Dalam kaitan ini, ukuran dari kualitas transmisi adalah S/(I + N) atau biasa disebut RF signal to impairement ratio. Seorang engineer harus menganalisa S/(I + N) untuk dua kondisi, yang pertama pada kondisi S/(I + N) yang terburuk , sedangkan yang kedua pada kondisi S/(I + N) rata-rata yang dicapai oleh jaringan yang didesain. Dalam hal ini, kondisi performansi rata-rata akan menunjukkan ukuran persepsi pelanggan mengenai kualitas yang akhirnya bermuara pada kepuasan pelanggan. Sedangkan analisa terburuk adalah untuk mencegah berbagai kondisi terburuk yang mungkin saja terjadi. Memanglah sulit untuk mencapai performansi yang diharapkan pada lingkungan komunikasi mobile yang sangat kompleks. Oleh karena itu seorang engineer diharapkan memiliki berbagai pengetahuan untuk melakukan optimalisasi sistem yang nantinya akan melibatkan berbagai solusi kompromi dari berbagai kondisi trade off yang nantinya akan dihadapi. Kapasitas Sistem CDMA Jika diasumsikan bahwa sebuah sel mempunyai N user yang konstan, maka sinyal yang diterima oleh base station pada sel tersebut terdiri dari sinyal user yang diinginkan ditambah (N-1) sinyal dari user penginterferensi. Dengan asumsi kontrol daya bekerja sempurna, maka sinyal terima untuk semua kanal adalah sama, yaitu sebesar S. Sehingga persamaan energy per bit (Eb) dan rapat spektrum daya penginterfernsi (Io) dapat dinyatakan sebagai berikut : Eb =
Io =
S R

S ( N 1) W

Sedangkan persamaan energy bit to interference (Eb/Io) adalah :

Eb S/R W /R = = Io S ( N 1) / W N 1

Dari persamaan di atas diperoleh bahwa kapasitas sel atau jmlah kanal yang dapat diakomodasi oleh satu frekuensi pembawa dengan bandwidth (W) adalah :
N =1 + W /R Eb / I o

Jika N diasumsikan sangat besar maka persamaan di atas dapat disederhanakan menjadi :
N W /R Eb / I o

Jika interferensi dari sel lain, gain aktifitas suara, dan gain sektorisasi antena juga diperhitungkan, maka persamaannya menjadi :
N W /R Eb / I o (1 + f )

Dimana : W R Eb/Io f = lebar pita frekuensi spektral tersebar (Hz) = 1,2288 MHz = data rate sinyal informasi (kbps) = 9,6 kbps = rasio energi per bit terhadap rapat daya penginterfernsi (dB) = gain aktifitas suara ( 2,67 untuk suara dan 1 untuk data) = gain sektorisasi antena ( 2,4 untuk antena trisektoral) = faktor interferensi dari sel lain ( 0,6)

Kapasitas Sistem CDMA2000 1x Kapasitas didefinisikan sebagai jumlah user yang bisa ditampung oleh sebuah cell site dengan harga QoS/GOS yang memadai. Kapasitas dalam sistem CDMA2000 1x akan sangat tergantung pada interferensi dalam sistem itu sendiri. Penambahan jumlah user dalam sistem juga akan menambah level interferensi dalam sistem. Setiap penambahan kapasitas atau bertambahnya interferensi akan menurunkan kualitas sinyal suara dalam batas tertentu. Sehingga bila kapasitas ditingkatkan maka akan berpengaruh pada kualitas sinyal suara, jadi perlu diatur agar kualitas tetap tinggi tanpa banyak mengurangi kapasitas. Dengan demikian terdapat trade off antara kualitas dan kapasitas yang diakses. Fenomena ini disebut dengan soft capacity. Soft capacity merupakan hal yang menguntungkan terutama untuk menghindari dropp call pada saat terjadi handoff. Sistem CDMA menggunakan Universal Frequency Reuse, artinya bandwidth di share untuk semua sel sedangkan transmisinya akan dibedakan dengan suatu spreading sequence yang unik, dan dalam perencanaannya harus dipikirkan pula mengenai Multiple Access Inteference (MAI) yang berasal dari user dari sel-sel didekatnya. Teknik mengurangi multiple access interference dijabarkan sebagai gain kapasitas.

Beberapa parameter yang mempengaruhi kapasitas adalah sebagai berikut : Voice Activity Sejak sistem CDMA menggunakan speech coding, maka MAI dapat dikurangi dengan deteksi voice activity sepanjang variable speech transmission. Teknik ini akan mengurangi rate dari speech coder saat periode silent/diam yang dideteksi dalam speech waveform. Voice activity juga menjadi keuntungan bagi sistem multiple access lainnya. Normalnya, jika kita sedang melakukan percakapan di telepon, maka dalam suatu saat hanya ada satu orang saja yang berbicara. Fenomena ini dapat dimonitor pada sistem seluler. Oleh karena itu pada saat periode diam, power dapat dikurangi. Sehingga daya dapat dihemat dan pengaruh terhadap interferensi juga sedikit. Dengan begitu kapasitas sistem bisa dimaksimalkan. Berdasarkan pengamatan di lapangan, ternyata vioce activity sekitar 3/8 atau 25% saja dari percakapan yang dilakukan. Secara teori, voice activity = 3 / 8 dapat dimasukkan dalam persamaan Eb/No, yaitu sebagai berikut :
Eb / N o = G ( N 1) +

Dengan estimasi voice activity 3/8, maka akan dapat menaikkan kapasitas sebesar 8/3 kalinya. 1.3 Peramalan Kebutuhan Prediksi pertambahan jumlah pelanggan hingga beberapa tahun kedepan merupakan faktor yang sangat penting dalam perencanaan jaringan karena menentukan kebijaksanaan dan strategi dalam pengembangan sistem untuk mengantisipasi pertumbuhan pelanggan agar kelak semua target pelanggan dapat terlayani. Ada beberapa metode untuk melakukan prediksi pelanggan, diantaranya : 1. Metode Deret Berkala (Time Series) 2. Metode Eksponensial Smoothing 3. Metode Regresi 4. Metode Iteratif Metode Deret Berkala (Time Series)

Metode ini merupakan metode dengan melakukan pendekatan secara makro. Tujuan dari metode ini adalah menemukan pola dalam deret data yang lalu dan mengekstrapolasikan data tersebut ke masa depan. Langkah penting dalam memilih suatu metode pada Time Series adalah harus mempertimbangkan jenis pola yang akan diramalkan. Ada beberapa macam jenis pola, salah satunya adalah Pola Trend yang paling cocok untuk peramalan jumlah kebutuhan telepon. Untuk prediksi pelanggan dengan Deret Berkala Pola Trend akan dibatasi metode yang digunakan sampai tiga macam saja, yaitu metode Trend Linier, Trend Kuadratik, dan Trend Eksponensial. Prediksi pelanggan dengan Metode Trend Linier Bentuk umum persamaan linier : Y = a + b.X Dimana: Y X = variabel tak bebas hasil ramalan (kepadatan pelanggan) = variabel bebas berupa periode waktu

a & b = konstanta (dihitung dari data sample deret berkala) Bila jumlah pengamatan sebanyak n, maka dari persamaan di atas diperoleh : Y = n.a + b. X XY = a X + b X2 Keterangan : X = unit periode waktu pengamatan (mulai 0,1,2,3 dan seterusnya) Y = data kepadatan pelanggan sebenarnya (per 100 penduduk) Dengan cara eliminasi kedua persamaan tersebut di atas, maka diperoleh konstanta a & b sehingga Y (variabel tak bebas hasil ramalan berupa kepadatan pelanggan) dapat diperoleh. Prediksi pelanggan dengan Metode Trend Kuadratik (Parabola) Metode Trend Kuadratik biasanya sebagai persamaan parabola. Bentuk umum persamaan ini adalah : Y = a + b.X + c.X2 Dimana : pelanggan) X a, b, dan c Y = variabel bebas berupa periode waktu = konstanta (dihitung dari data sample deret berkala) Y = variabel tak bebas hasil ramalan (kepadatan

Cara menghitung konstanta a, b, dan c memakai persamaan normal : = an + bX + cX2

XY = aX + bX2 + cX3 X2Y = aX2 + bX3 + cX4 Keterangan : 1. X = unit periode waktu pengamatan Untuk n = ganjil (misal n = 3) maka : X1 = -1 ; X2 = 0 ; X3 = 1 Untuk n = genap (misal n = 2) maka : X1 = -1 ; X2 = 1 2. Y = data kepadatan pelanggan sebenarnya (per 100 penduduk) Dengan cara mengeliminasi ketiga persamaan tersebut diatas, maka diperoleh konstanta a, b, dan c sehingga Y (variabel tak bebas hasil ramalan berupa kepadatan pelanggan) dapat diperoleh. Prediksi pelanggan dengan Metode Trend Eksponensial Bentuk persamaan metode Trend Eksponensial : Y = a.bX Dimana : pelanggan) X a, b, dan c = variabel bebas berupa periode waktu = konstanta (dihitung dari data sample deret berkala) Y = variabel tak bebas hasil ramalan (kepadatan

Bentuk persamaan metode Trend Eksponensial tersebut dapat diubah menjadi bentuk persamaan linier sebagai berikut : Y = a.bX........ Log Y = log a.bX Log Y = log a + log bX Log Y = log a + X (log b) Bila log Y = Yo ; log a = ao dan log b = bo, maka persamaan Trend Eksponensial tersebut menjadi : Yo = ao + bo.X Sehingga :

Y ' = 10 ( a0 +b0 X )
Konstanta-konstanta ao dan bo dapat dicari dengan cara eliminasi kedua persamaan di bawah ini : Y0 = a0.n + b0 X XY0 = a0 X + b0 X2

Y0

= log Y

Keterangan : 1. X = unit periode waktu pengamatan Untuk n = ganjil (misal n = 3) maka : X1 = -1 ; X2 = 0 ; X3 = 1 Untuk n = genap (misal n = 2) maka : X1 = -1 ; X2 = 1 2. Y = data kepadatan pelanggan sebenarnya (per 100 penduduk)

Langkah-langkah dalam prediksi pelanggan Tahapan dalam prediksi pertambahan jumlah pelanggan adalah sebagai berikut : 1. Dari data jumlah penduduk dari tahun ke tahun serta jumlah pelanggan yang ada dari tahun ke tahun dapat ditentukan kepadatan pelanggan sebenarnya (per 100 penduduk) untuk daerah yang direncanakan. Persamaan yang digunakan : Kepadatan pelanggan tahun ke-n =

pelanggan tahun ke - n penduduk t ahun ke - n

x 100

Kepadatan pelanggan yang diperoleh dari persamaan diatas digunakan sebagai variabel Y yang digunakan sebagai acuan dalam perhitungan untuk metode Trend Linier, Kuadratik maupun Eksponensial untuk mencari variabel Y (variabel tak bebas hasil ramalan). 2. Ketiga metode tersebut dicoba satu per satu untuk dibuktikan metode mana yang paling sesuai untuk dipakai dalam prediksi pelanggan., dimana dipilih yang mempunyai selisih jumlah sekecil mungkin antara kepadatan pelanggan sebenarnya dengan kepadatan hasil perhitungan. 3. Setelah metode ditetapkan, maka dapat digunakan persamaannya dalam menentukan kepadatan pelanggan untuk prediksi hingga tahun ke-n sesuai kebutuhan perencanaan yang akan diterapkan sampai berapa tahun. 4. Prediksi pertambahan jumlah penduduk hingga tahun ke-n dihitung secara Pn = Po ( 1 + h )n Keterangan : Pn = prediksi jumlah penduduk hingga tahun ke-n Po = jumlah penduduk tahun ke-0 (tahun yang dijadikan sebagai acuan) h = laju pertumbuhan penduduk rata-rata per tahun terpisah. Persamaannya adalah sebagai berikut :

5.

Sehingga prediksi pertambahan jumlah pelanggan hingga tahun ke-n dapat

kepadatan pelanggan tahun ke - n x Pn 100

diperoleh. Persamaannya adalah sebagai berikut : Prediksi pelanggan tahun ke-n =

Jumlah pelanggan hasil prediksi yang diperoleh akan dibagi luas wilayah dari daerah layanan untuk memperoleh jumlah pelanggan per kilometer persegi.