ABSTRAKSI: Software Defined Radio (SDR) menghadirkan teknologi komunikasi radio generasi berikutnya yang sangat berperan penting dalam menjawab kebutuhan teknologi wireless masa depan.
Penerima yang digunakan pada sistem SDR harus mampu memilih skema modulasi yang tepat untuk bermacam-macam sinyal dengan skema modulasi yang tidak diketahui, sehingga proses rekognisi skema modulasi merupakan salah satu fungsi awal yang harus ada pada SDR. Algoritma rekognisi skema modulasi yang digunakan pada penelitian ini merupakan penggabungan antara metode statistik pada bagian ekstraksi ciri dan metode jaringan syaraf tiruan LVQ pada bagian classifier dan keputusan.
Hasil penelitian menunjukkan kinerja kombinasi 8, yaitu kombinasi parameter aa , da 2 , dp 2 , dan da 2 , menghasilkan akurasi hasil rekognisi terbaik (walaupun tidak untuk modulasi 64QAM). Berdasarkan SNR receiver WiMAX IEEE 802.16e, modulasi QPSK dan 64QAM memberikan kinerja yang meningkat pada kenaikan nilai SNR. Dan berdasarkan accuracy rate ≥ 90 %, modulasi QPSK memiliki akurasi hasil rekognisi 93% pada saat 16 dB (kondisi 32 hidden neuron) dan 90 % pada saat 13 dB (kondisi 64 hidden neuron), modulasi 16QAM memiliki akurasi hasil rekognisi 92 % pada saat 25 dB (kondisi 32 hidden neuron) dan 96 % pada saat 27 dB (kondisi 64 hidden neuron), serta modulasi 64QAM memiliki akurasi hasil rekognisi 99 % pada saat 5 dB (kondisi 32 hidden neuron) dan 90 % pada saat 4 dB (kondisi 64 hidden neuron). Modulasi 16QAM dianggap tidak memenuhi syarat akurasi hasil rekognisi karena dapat dikenali benar ≥ 90 % pada nilai SNR yang besar.
Kata Kunci : Rekognisi Skema Modulasi, Software Defined Radio, SNR receiver WiMAX IEEE 802.16e, Metode Statistik, Jaringan Syaraf Tiruan LVQ.ABSTRACT: Software Defined Radio (SDR) provides radio communication technology which is very important to adequate need of next generation of wireless technology.
Modulation scheme recognition is one of SDR early important function, because receiver used for this kind of system should be able to select a correct demodulation scheme for various signals with unknown modulation scheme. Modulation scheme recognition algorithm that used in this research is a combination between statistic method on features extraction part and the LVQ Neural Network on classifier and decision part.
The research results show that the combination of statistic feature aa, da2, dp2, and da2 have best performance on recognition accuracy (not for 16QAM modulation). Based on SNR receiver WiMAX IEEE 802.16e, QPSK and 64QAM modulation give the increasing result in increasing SNR value. And based on accuracy rate ≥ 90 %, QPSK modulation has recognition result 93% when 16 dB (32 hidden neuron) and 90 % when 13 dB (64 hidden neuron), 16QAM modulation has recognition result 92 % when 25 dB (32 hidden neuron) and 96 % when 27 dB (64 hidden neuron), and 64QAM modulation has recognition result 99 % when 5 dB (32 hidden neuron) and 90 % when 4 dB (64 hidden neuron). 16QAM modulation is assumed not qualified in recognition result because it can be recognize true ≥ 90 % in big SNR value.
Keyword: Modulation Scheme Recognition, Software Defined Radio, SNR receiver WiMAX IEEE 802.16e, Statistical Method, LVQ Neural Network.