Search

ABSTRAK Kondisi kendaraan yang saling bergerak pada sistem komunikasi Vehicle-to-Vehicle (V2V) menyebabkan daya sinyal yang diterima berfluktuasi. Selain itu, dengan adanya pergeseran frekuensi Doppler mengakibatkan semakin sulitnya menjaga level Bit Error Rate (BER) kurang dari 0,001. Mengubah threshold channel gain pada modulasi adaptif adalah salah satu metode yang dapat diterapkan untuk menjaga level performansi tanpa mengorbankan nilai Signal to Noise Ratio (SNR). Sayangnya threshold yang memberikan SNR optimal belum diketahui. Pada penelitian ini digunakan algoritma random forest regression untuk mencari nilai threshold channel gain demi didapatkannya nilai SNR terbaik. Dari hasil prediksi dengan jumlah estimator sebanyak 7, didapatkan threshold 0.1 dan 0.3 hanya membutuhkan SNR sebesar 25.59 dB untuk menjaga BER di level < 0.001. Kata kunci: Modulasi Adaptif, Pergeseran Doppler, Random Forest Regression ABSTRACT The condition of the moving vehicles in the Vehicle-to-Vehicle (V2V) communication system leads to fluctuating received signal power. In addition, the Doppler shift increases the difficulty to maintain the Bit Error Rate (BER) less than 0.001. Changing the channel gain threshold in adaptive modulation is one method that can be applied to maintain the performance level without sacrificing the Signal to Noise Ratio (SNR) value. Unfortunately, the threshold that provides the optimal SNR is not yet known. In this research, a random forest regression algorithm is used to determine the channel gain threshold in order to obtain the best SNR value. Based on the prediction results the number of estimators of 7, it is obtained that the thresholds of 0.1 and 0.3 only require an SNR of 25.59 dB to keep the BER at the level < 0.001. Keywords: Adaptive Modulation, Doppler Shift, Random Forest Regression

ABSTRAK Komunikasi Vehicle to Infrastructure (V2I) memungkinkan kendaraan dapat terhubung ke berbagai macam infrastruktur. Dengan kondisi kendaraan yang bergerak, maka kondisi lingkungan yang dilewati mempengaruhi parameter komunikasi. Implementasi modulasi adaptif pada skema V2I memperbolehkan sistem menggunakan skema modulasi yang berbeda untuk mengakomodasi perubahan kondisi lingkungan. Pada penelitian ini digunakan skema modulasi QPSK, 8PSK, dan 16-QAM dengan memanfaatkan reinforcement learning dan algoritma epsilon greedy untuk menentukan skema modulasi yang digunakan berdasarkan level AWGN. Dari hasil simulasi dengan kondisi nilai epsilon yang divariasikan dari 0.1 hingga 0.5 didapatkan bahwa semakin tinggi nilai epsilon maka semakin sering agen tidak memilih skema modulasi dengan reward tertinggi. Kata kunci: Reinforcement learning, Modulasi Adaptif, AWGN ABSTRACT Vehicle to Infrastructure (V2I) communication allows vehicles to be connected to various infrastructures. Under the scenario of a moving vehicle, the environmental conditions which is passed by the vehicle will affect the communication parameters. The adaptive modulation implementation in the V2I scheme allows the system to use different modulation schemes to accommodate changing environmental conditions. In this study, the QPSK, 8PSK, and 16-QAM modulation schemes were used by utilizing reinforcement learning and the epsilon greedy algorithm to determine the modulation scheme used based on AWGN level. From the simulation results with the conditions of the epsilon value varying from 0.1 to 0.5, it is found that the higher the epsilon value, the more often the agent does not choose the modulation scheme with the highest reward. Keywords: Reinforcement learning, Adaptive Modulation, AWGN