Electronic Theses and Dissertation

Perkembangan teknologi Wi-Fi IEEE 802.11ac telah menghadirkan peningkatan signifikan dalam throughput jaringan nirkabel, namun tantangan dalam menjaga kualitas layanan tetap ada akibat sifat dinamis kanal nirkabel. Mekanisme adaptasi kecepatan (RA) memainkan peran krusial dalam mengatasi tantangan ini. Penelitian ini secara komprehensif mengevaluasi kinerja algoritma RA berbasis heuristik (MinstrelHT) dan probabilistik (Thompson Sampling), dengan IdealWifiManager sebagai tolok ukur, dalam jaringan IEEE 802.11ac. Menggunakan platform simulasi NS-3, evaluasi difokuskan pada dampak variasi lebar kanal (20, 40, 80, dan 160 MHz) dalam tiga tipe skenario: variasi jarak (dengan/tanpa interferensi) dan variasi kepadatan stasiun. Hasil penelitian mengungkap adanya trade-off fundamental antara efisiensi skalabilitas dan resiliensi koneksi. Pada skenario kepadatan tinggi (20 stasiun) di kanal 160 MHz, Thompson Sampling menunjukkan skalabilitas superior dengan menghasilkan throughput 118% lebih tinggi dibandingkan MinstrelHT (24.6 Mbps vs. 11.3 Mbps), membuktikan ketangguhannya dalam mengelola tubrukan paket. Sebaliknya, MinstrelHT unggul dalam resiliensi, menjadi satu-satunya algoritma yang mampu mempertahankan koneksi hingga 100 meter pada kanal 160 MHz di mana Thompson Sampling gagal, serta menunjukkan stabilitas yang jauh lebih baik di bawah interferensi berat. Peningkatan lebar kanal terbukti memperburuk inefisiensi MinstrelHT di bawah beban padat, sementara Thompson Sampling tetap robust. Temuan ini merekomendasikanm Thompson Sampling untuk lingkungan padat yang menuntut efisiensi tinggi (misalnya, perkantoran atau area publik) dan MinstrelHT untuk aplikasi yang memprioritaskan jangkauan dan stabilitas koneksi (misalnya, tautan nirkabel tetap atau IoT).

The advancement of IEEE 802.11ac Wi-Fi technology has introduced significant improvements in wireless network throughput, yet challenges in maintaining quality of service persist due to the dynamic nature of the wireless channel. Rate adaptation (RA) mechanisms play a crucial role in addressing this challenge. This research comprehensively evaluates the performance of the heuristic-based (MinstrelHT) and probabilistic-based (Thompson Sampling) RA algorithms, with IdealWifiManager as a benchmark, in an IEEE 802.11ac network. Using the NS-3 simulation platform, the evaluation focused on the impact of channel width variations (20, 40, 80, and 160 MHz) across three key scenarios: distance variation (with/without interference) and station density variation. The results reveal a fundamental trade-off between scalable efficiency and connection resilience. In a high-density scenario (20 stations) on a 160 MHz channel, Thompson Sampling demonstrated superior scalability by delivering 118% higher throughput compared to MinstrelHT (24.6 Mbps vs. 11.3 Mbps), proving its robustness in managing packet collisions. Conversely, MinstrelHT excelled in resilience, being the only algorithm to maintain a connection up to 100 meters on a 160 MHz channel where Thompson Sampling failed, and demonstrating far better stability under heavy interference. Increasing the channel width was found to exacerbate MinstrelHT's inefficiency under heavy load, while Thompson Sampling remained robust. These findings lead to the recommendation of Thompson Sampling for dense environments demanding high efficiency (e.g., offices or public areas) and MinstrelHT for applications that prioritize range and connection stability (e.g., fixed wireless links or IoT).