ABSTRAKSI: Dunia telekomunikasi berkembang begitu pesat, terutama untuk komunikasi nirkabel. Namun, salah satu yang menjadi penghambat perkembangan tersebut adalah terbatasnya alokasi frekuensi yang dapat dipakai. Padahal, jika diteliti lebih lanjut, penggunaan frekuensi saat ini masih belum efektif dan efisien, khususnya untuk waktu tertentu. Dalam cognitive radio, alokasi frekuensi bersifat dinamis. Oleh karena itu, komponen paling penting dari teknologi cognitive radio adalah spectrum sensing, yaitu kemampuan merasakan dan mendeteksi adanya penggunan dalam frekuensi tertentu.
Dalam tugas akhir ini akan disimulasikan algoritma spectrum sensing dengan menggunakan Hidden Markov Model (HMM). Tugas akhir ini diawali dengan pembangkitan sinyal dengan menggunakan software MATLAB R2009a. Sinyal yang dibangkitkan pada spektrum 1900 MHz. Setelah dibangkitkan sinyal akan dicuplik dan dikuantisasi kedalam 5 dan 10 level. Keluaran dari hasil kuantisasi adalah pola power spectrum density (PSD) yang diamati pada frekuensi yang berbeda. Setelah itu, dari hasil HMM training dan perhitungan forward variable, akan dilakukan deteksi dari variabel – variabel yang ada. Pola inilah yang menjadi dasar pengambilan keputusan penggunaan frekuensi pada cognitive radio.
Hasil dari simulasi program dapat disimpulkan bahwa metode Hidden Markov Model (HMM) dapat digunakan untuk algoritma spectrum sensing yaitu dengan akurasi 88.73%. Selain itu, metode HMM juga handal ketika diujikan dengan berbagai skenario yang berbeda. Oleh karena itu, perlu dilakukan penelitian dan pengembangan lebih lanjut untuk memaksimalkan kinerja metode HMM untuk algoritma spectrum sensing.Kata Kunci : cognitive radio, spectrum sensing, power spectrum density (PSD), Hidden Markov Model (HMM)ABSTRACT: Telecommunication world growth so rapidly, especially for wireless communication. However, one of which is the bottleneck of these developments is the limited allocation of frequencies that can be used. In fact, if researched further, the frequency of use is still noteffect4e and efficient, especially for a certain time. In cognitive radio, frequency allocation is dynamic. Therefore, the most important component of cognitive radio technology is spectrum sensing, the ability to sense and detect the frequency of use incertain.
In this final project will be simulated spectrum sensing algorithms using hidden markov model (HMM). This final project begins with the generation of a signal by using the software MATLAB R2009a. Signal generated at 1900 MHz spectrum. Having raised and the quantized signal will be sampled into 5 and 10 levels. The output of the quantization result is a pattern of power spectrum density (PSD) were observed at different frequencies. After that, the results of HMM training and the calculation of the forward variable, will be the detection of the variables – variables that exist. The pattern is the basis for decision making in cognitive radio.
The results of the simulation program can be concluded that the method of hidden markov model (HMM) can be used for spectrum sensing algorithms with 88.73% accuration. In addition, the HMM method is also reliable when tested with a variety of different scenarios. Therefore, needs to be done further research and development to maximize the performance of the HMM method for spectrum sensing algorithms.Keyword: cognitive radio, spectrum sensing, power spectrum density (PSD), Hidden Markov Model (HMM).