Pemodelan Frekuensi Pada Kanal Vehicle to Vehicle Menggunakan Software Defined Radio (SDR) Di Kota Salatiga
Abstract
Sistem komunikasi antar kendaraan saat ini sudah banyak yang di aplikasikan seperti perangkat kanal Vehicle To Vehicle (V2V). Pada sistem telekomunikasi pada perangkat kanal V2V yang menggunakan jaringan VANETs ini masih memiliki kelemahan dan kekuranngan pada sebuah frekuensi. Frekuensi sangat berpengaruh terhadap pengiriman data infomasi yang dikirimkan melalui perangkat kanal Vehicle To Vehicle (V2V) melalui jaringan VANETs. Dari hal tersebut membutuhkan pemodelan frekuensi pada perangkat kanal V2V untuk dapat mengirimkan data infomasi antar kendaraan dengan presisi. Tujuan dari penelitian yang dilakukan membuat sebuah model frekuensi pada kanal V2V menggunakan SDR yang dapat mengetahui nilai frekuensi yang tepat untuk sistem telekomunikasi antar kendaraan di jalan. Metode dengan SDR yang untuk menentukan nilai frekuensi yang tepat tanpa adanya interferensi sinyal yang ada pada lingkungan sekitar perangkat kanal V2V. Selanjutnya memasukkan nilai frekuensi ke dalam sistem channel coding. Untuk pemodelan frekuensi juga menggunakan perangkat Software Defined Radio (SDR) yang digunakan untuk mengetahui kondisi gelombang sinyal frekuensi yang sedang melakukan pengiriman data pada antar kendaraan tersebut. Dari hasil simulasi SDR maka didapat gelombang sinyal pengiriman data antar kendaraan dengan kondisi yang baik ataupun kondisi pengiriman data yang buruk. Ketika kondisi gelombang sinyal baik maka pengiriman data antar kendaraan dengan nilai frekuensi tersebut tidak memiliki interferensi, sedangkan ketika kondisi gelombang sinyal tidak baik maka pengiriman data kendaraan dengan nilai frekuensi tersebut memiliki interferensi. Hasil dari pengujian model frekuensi berupa bentuk gelombang sinyal yang ditampilkan pada perangkat SDR. Hasil penelitian yang dilakukan ini untuk mengetahui nilai frekuensi yang tepat ketika melakukan pengiriman dan penerimaan data pada perangkat kanal V2V.
Keywords
References
Turjman, F. A. (2017). “Cognitive caching for the future sensors in fog networking”. Pervasive
Mobile Computing, 42, 317–334.
Nazibullah, J. A. H., dan Bimantoro, F. (2021). “Dampak Variasi Model Propagasi Terhadap
Protokol Routing Reaktif, Proaktif, Dan Hybrid Di Jaringan Vanet (Studi Kasus Kota Bima)”,
JTIKA, Vol. 3, No. 1.
Almoualem, F., Satam, P., Ki, J. G., and Hariri, S. (2017). “SDR Based Resilient Wireless
Communications”. 114-119. 10.1109/ICCAC.18.
Balatsoukas, S. A., Parizi, M. B., and Burg, A. (2015). “LLR-based successive cancellation list
decoding of polar codes”. IEEE Trans. On Sig. Proc. vol. 63. no. 19. pp. 5165–5179.
3GPP: (2017). TR 38.913 Study on Scenarios and Requirements for Next Generation Access
Technologies.
Arshad, S., Feng, C., Liu, Y., Hu, Y., Yu, R., Zhou, S., and Li, H. (2017). Wi-chase: A WiFi based
human activity recognition system for sensorless environments. IEEE 18th International
Symposium on A World of Wireless. Mobile and Multimedia Networks (WoWMoM). Macau.
China. pp. 1–6.
Gu, Y., Ren, F., and Li, J. (2016). PAWS: Passive Human Activity Recognition Based on WiFi
Ambient Signals. IEEE Internet of Things Journal. vol. 3. no. 5. pp. 796–805.
Hessar, M., Najafi, A., Iyer, V., and Gollakota, S. (2020). TinySDR:Low-Power SDR Platform for
Over-the-Air Programmable IoT Testbeds. in 17th USENIX Symposium on Networked Systems
Design and Implementation (NSDI) 20, 1031–1046.
Ioana, A., Korodi, A., dan Silea, I. (2022). Automotive IoT Ethernet-Based Communication
Technologies Applied in a V2X Context via a Multi-Protocol Gateway. Sensor. 22, 6382.
Muslam, M. M. A. (2024). Enhancing Security in Vehicle-to-Vehicle Communication: A
Comprehensive Review of Protocols and Techniques. Vehicles. 6. 450–467.
https://doi.org/10.3390/vehicles6010020.
Kurniawati, N., dan Ningsih,Y. K. (2021). “Reinforcement Learning-Based Adaptive
Modulation for Vehicular Communication,” in 2021 18th International Conference on Electrical
Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-
CON), pp. 224–227, doi: 10.1109/ECTI-CON51831.2021.9454740.
Helmling, M., and Scholl, S. (2016). Database of channel codes and ML simulation results.
University of Kaiserslautern URL: www.uni-kl.de/channel-codes.
DOI: https://doi.org/10.30591/smartcomp.v14i3.8201
Refbacks
- There are currently no refbacks.

This work is licensed under a Creative Commons Attribution 4.0 International License.
========================================================================
Smart Comp Indexed By:
![]() | ![]() | ![]() | ![]() |
![]() | ![]() | ![]() |
This work is licensed under a Creative Commons Attribution 4.0 International License.














