Reproduksi Stackelberg Game untuk Efisiensi Energi Multi-carrier 5G Sub-6 GHz

Ega Rizki; Usman Sartoyo; Arini Retnoningsih

doi:10.30595/jrre.v8i1.30816

Authors

Ega Rizki Universitas Kebangsaan Republik Indonesia
Usman Sartoyo Universitas Kebangsaan Republik Indonesia
Arini Retnoningsih Universitas Kebangsaan Republik Indonesia

DOI:

https://doi.org/10.30595/jrre.v8i1.30816

Keywords:

Stackelberg Game, Energy Efficiency, Power Control, Multi-carrier, 5G Sub-6 GHz, Analisis Sensitivitas

Abstract

Penerapan jaringan 5G pada pita frekuensi Sub-6 GHz menghadapi tantangan dalam efisiensi energi dan pengalokasian daya, terutama pada sistem multi-carrier dengan jumlah carrier yang besar. Penelitian ini bertujuan untuk menganalisis performa skema kendali daya berbasis permainan Stackelberg dua-pengguna multi-carrier pada lingkungan 5G modern serta mengevaluasi pengaruh jumlah carrier dan korelasi antar carrier terhadap kinerja sistem. Metode penelitian menggunakan simulasi numerik berbasis Monte Carlo dengan model kanal 3GPP TR 38.901 untuk skenario Urban Macro pada frekuensi 3,5 GHz. Algoritma backward induction diterapkan untuk memperoleh Stackelberg Equilibrium pada konfigurasi K = 2, 4, 8, dan 16 carrier dengan variasi korelasi ρ = 0; 0,3; 0,5; dan 0,7. Hasil simulasi menunjukkan bahwa model dapat direproduksi secara konsisten dengan deviasi maksimum sebesar 0,22% pada nilai utilitas energi dibandingkan hasil referensi. Peningkatan jumlah carrier dari K = 2 menjadi K = 8 meningkatkan efisiensi energi sebesar 15,6%, sedangkan peningkatan hingga K = 16 hanya memberikan kenaikan marginal sebesar 0,4%. Nilai Orthogonalization Index menurun dari 1,00 menjadi 0,94 ketika jumlah carrier meningkat dari 4 menjadi 16. Pada kondisi korelasi tinggi (ρ = 0,7), efisiensi spektrum menurun sebesar 6,6% dan efisiensi energi menurun sebesar 4,4%. Selain itu, skema Stackelberg menunjukkan ketahanan kinerja yang lebih baik dibandingkan pendekatan Nash dengan selisih degradasi sebesar 3,2% pada kondisi korelasi tinggi. Hasil penelitian menunjukkan bahwa pendekatan Stackelberg tetap efektif untuk sistem 5G Sub-6 GHz dengan jumlah carrier optimal pada K = 8 dan batas korelasi efektif hingga ρ = 0,5 untuk mempertahankan orthogonalization yang tinggi.

References

[1] M. Haddad, P. Wiecek, and O. Habachi, “On the Two-user Multi-carrier Joint Channel Selection and Power Control Game,” vol. 6778, no. c, pp. 1–24, 2016, doi: 10.1109/TCOMM.2016.2584609.

[2] S. Parkvall, E. Dahlman, A. Furuskär, and M. Frenne, “Wireless And Radio Communication Nr : The New 5G Radio Access Technology,” no. December, pp. 24–30, 2017.

[3] M. Series, “IMT Vision – Framework and overall objectives of the future development of IMT for 2020 and beyond,” vol. 0, 2020.

[4] Q. Zhu, C. Wang, B. Hua, K. Mao, and S. Jiang, “3GPP TR 38 . 901 Channel Model,” pp. 1–44.

[5] P. Kolodzy, “ET Docket No. 02- 135 November 2002 Federal Communications Commission,” no. 02, 2002.

[6] B. Wang and K. J. R. Liu, “Advances in Cognitive Radio Networks : A Survey,” vol. 5, no. 1, pp. 5–23, 2011.

[7] F. Challenge, “Spectrum Sensing for Cognitive Radio : Recent Advances and Future Challenge,” pp. 1–29, 2021.

[8] S. Haykin, “Cognitive Radio : Brain-Empowered,” vol. 23, no. 2, pp. 201–220, 2005.

[9] T. Zhang, “Collaborative Cognitive Wireless Network Optimization Model and Network Parameter Optimization Algorithm,” vol. 2023, 2023, doi: 10.1155/2023/3748089.

[10] Z. Li, X. Liu, and Z. Ning, “Dynamic spectrum access based on deep reinforcement learning for multiple access in cognitive radio,” Phys. Commun., vol. 54, p. 101845, 2022, doi: 10.1016/j.phycom.2022.101845.

[11] Z. Li, W. Wang, Q. Wu, S. Member, and X. Wang, “Multi-Operator Dynamic Spectrum Sharing for Wireless Communications : A Consortium Blockchain Enabled Framework,” pp. 1–13, 2022, doi: 10.1109/TCCN.2022.3212369.

[12] D. Niyato, S. Member, E. Hossain, and S. Member, “Competitive Pricing for Spectrum Sharing in Cognitive Radio Networks : Dynamic Game , Inefficiency of Nash Equilibrium , and Collusion,” vol. 26, no. 1, pp. 192–202, 2008.

[13] J. Zhang and Q. Zhang, “Stackelberg Game for Utility-Based Cooperative Cognitive Radio Networks,” pp. 23–31, 2009.

[14] I. F. Akyildiz, W. Lee, M. C. Vuran, and S. Mohanty, “And N Etworks A Survey on Spectrum Management in Cognitive Radio Networks,” no. April, pp. 40–48, 2008.

[15] D. Communications, M. K. Benbraika, O. Kraa, Y. Himeur, and K. Telli, “Interference Management Based on Meta-Heuristic Algorithms,” pp. 1–21, 2024.

[16] I. F. Akyildiz, W. Lee, and K. R. Chowdhury, “Spectrum Management in Cognitive Radio Ad Hoc Networks,” no. August, pp. 6–12, 2009.

[17] D. B. Rawat, S. Member, S. Shetty, C. Xin, and S. Member, “Stackelberg-Game-Based Dynamic Spectrum Access in Heterogeneous Wireless Systems,” vol. 10, no. 4, pp. 1494–1504, 2016.

[18] A. Deme, D. Dajab, and D. C. Nyap, “Computer Analysis of the COST 231 Hata Model and Least Squares Approximation for Path Loss Estimation at 900MHz on the Mountain Terrains of the Jos-Plateau , Nigeria,” vol. 4, no. 9, 2013.

[19] 3GPP, “TR 138 901 - V19.1.0 - 5G; Study on channel model for frequencies from 0.5 to 100 GHz (3GPP TR 38.901 version 19.1.0 Release 19),” vol. 0, 2025.

[20] K. K. D. I. R. INDONESIA, “Peraturan Dirjen Sumber Daya Dan Perangkat Pos Dan Informatika Nomor 5,” 2019, Kementerian Komunikasi dan Informatika Republik Indonesia, Jakarta.

[21] I. W. Mustika, K. Yamamoto, H. Murata, and S. Yoshida, “Potential Game Approach for Self-Organized Interference Management in Closed Access Femtocell Networks,” 2011.

[22] S. Ghosh, D. De, and P. Deb, “Energy and Spectrum Optimization for 5G Massive MIMO Cognitive Femtocell Based Mobile Network Using Auction,” Wirel. Pers. Commun., no. 0123456789, 2019, doi: 10.1007/s11277-019-06179-3.

[23] I. Ahmad, Z. Kaleem, and R. Narmeen, “Quality-of-Service aware Game Theory-based Uplink Power Control for 5G Heterogeneous Networks”.