Scribd Logo
Importer

Bienvenue sur Scribd !

  • Jurnal Ristek Des 2012

    Transféré par

    deetective
    6 vues4 pages
    jurnal trafik dari ristek 2012

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Signaler ce document
    jurnal trafik dari ristek 2012

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    6 vues4 pages

    Jurnal Ristek Des 2012

    Transféré par

    deetective
    jurnal trafik dari ristek 2012

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF ou lisez en ligne sur Scribd
    Signaler comme contenu inapproprié
    sur 4
    Volt, No.2, Desember 2012 Jumal Ristek ISSN: 2089-99963 PREDIKSI TRAFIK KOMUNIKASI SUARA PADA JARINGAN GSM T. TELKOMSEL MENGGUNAKAN METODE NEURAL NETWORK Dani Achmad ', Amil Ahmad Iham,’ Merna Baharuddin * Program Studi Elektro, Universitas Fajar Makassar 2Jurusan Teknik Elektro, Prodi Informatika, Fakultas Teknik, Universitas Hasanuddin Surusan Teknik Elektro, Prodi Elektro, Fakultas Teknik, Universitas Hasanuddin Absirak — Penelitian ini bertujuan untuk merancang suatu sistem perangkat lunak yang. smemprediksitrafik komunikasi suara pada jaringan GSM PT Telkomsel dengan menggunakan metode Neural Network Backpropagation. Metode yang. digunakan dalam penelitian ini adalah dengan simulasi program pada Matlab, di mana parameter trafik yang diprediksi adalah TCH Full rate in busy time dan TCH Half rate in ‘basy time. Penelitian ini dimulai dari pelatihan prediksi, pengujian prediksi, dan prediksi yang sebenarnys akan Parameter-parameter trafik komunikasi suara tersebut ‘yang hasil prediksi setiap langkah diolah kembali untuk iperolch nilai total trafiknya. Adapun data yang igunakan adalah data trafk dari bulan November 2011 impai dengan April 2012. Hasil dari penelitian ini dalah sebuah program perangkat lunak untuk ‘memprediksitrafk komunikasisuara pada jaringan GSM rmenggunakan metode Neural Network Backpropagi dengan tingkat kekuratan prediksi div atas 75% yang nantinya dapat digunakan oleh pihak PT Telkomsel dalam pengoptimalisasian dan modernisasi_perangkat ‘yang tepat guna. ‘Kata kunci: predikst, rik, GSM, Telkomsel, Neural ‘network, Backpropagation 1. PENDAHULUAN Hingga saat ini pengguna telekomunikasi seluler semakin meningkat, namun dalam penerapan teknologi telekomunikasi ini terdapat keterbatasan-keterbatasan yakni terbatasnya kanal pembicaraan seiring dengan bbanyaknya jumiah pelanggan telekomunikasi seluler, sehingaa mengakibatkan apa yang disebut dengan lock call Monitoring dan prediksi trafik dalam suatu jaringan memainkan peran yang penting dalam perancangan, manajemen dan optimasi sistem telekomunikasi yang modern. Prediksi yang akurat dan handal memungkinkan perencanaan kapasitas dari sebuah jaringan telekomunikasi tepat waktu dan dapat menjaga ‘tingkat quality of service vang dibutubkan. Jaringan saraf tiruan atau juga disebut simulated neural network (SNN), atau umumnya hanya disebut neural network (NN), adalah prosesor terdstribusi paralel yang tersusun dari unit-unit _pemrosesan sederhana, yang memiliki kecenderungan untuk ‘menyimpan ilmu eksperimental dan. menyediakannya untuk digunakan. Neural network memiliki kemampuan pemrosesan komputasi dengan cukup handal. dalam mencari solusi dari permasalahan yang rumit dan ompleks dan juga dapat digunakan untuk proses prediksi Dalam penelitian ini akan dirancang sebuah perangkat lunak neural network yang akan memprediksi trafik dari komunikasi suara jaringan GSM PT. $$ Telkomsel dengan mengambil sampel trafik di Site STO Gorontalo dengan metode backpropagation Tujuan dari penelitian ini adalah untuk menyesuaikan model neural network untuk memperoleh sifat-sifattraik komunikasi suara jaringan GSM dengan metode hackpropagation dan menggunakannya untuk Pemprediksi trafik komunikasi suarajeringan GSM. Penelitian ini dikarapkan dapat memberi manfaat berupa referensi berbagai provider GSM di Indonesia, Kkhususnya PT. Telkomsel dalam memberi_prediksi trafik pada kanal suara GSM agar mampu mendesain dan memanajemen sistem lebih baik kedepannya, membantu dalam —-mengoptimalkan sistem telekomunikasi dengan perencanaan kapasitas jaringan yang tepat dan level quality of service (QoS) yang ibutubkan, 1h, METODE PENELITIAN ini akan dirancang suatu perangkat lunak yang mampu untuk mempredikst trafik komunikasi suara pada jaringan GSM PT. Telkomsel dengan metode neural network backpropagation Metodologi penelitian dilakukan dengan proses simulasi program yang dibuat pada Matlab Data penelitian bersumber dari BTS Site STO Gorontalo PT Telkomsel dengan perangkat BTS adalah ZTE GSM BS8018 dengan konfigurasi site 4/4/4 (tiga sektor. Penelitian dimulai dengan melakukan studi literatur yang berkenaan dengan penelitian kemudian dilakukan pengambilan data trafik dan parameternya dari Bulan November 2011 hingsa April 2012. Data yang diperoleh kemudian dipilah untuk menentukan data proses latihan, pengujian, dan prediksi. Data input untuk proses pelatihan adalah dari bulan November 2011 hingga Februari 2012 dan data ouput proses pelatihan adalah data di bulan Maret 2012. Untuk proses pengujian digunakan data input dari Desember 2011 hingga Maret 2012 dan data ouput adalah data di bulan April 2012. Sedangkan untuk proses prediksi adalah memprediksi di bulan Mei 2012 dengan input dari Januari 2012 hingga April 2012 Data yang digunakan dalam prediksi neural network ini berupa ‘TCH Full rate in busy time dan TCH Half rate in busy time. Tika pelatiban dan prediksi sudah menghasilkan persentase Kesalahan yang kecil kemudian dilanjutkan dengan proses prediksi yang sebenarnya untuk trafik bulan mei 2012. Hasil dari pelatihan dan pengujian tersebut kemudian diolah dengan dimasukkan ke dalam persamaan (1) berikut untuk memperoleh prediksi nilai total traffic: Hal -1 ‘VoLT, No2 Desember 2012 TCH total traffic = Fe Para in busy tines TCH Half rate in busy tne) oa o Proses validasi hasil pelatihan dan. pengujian ‘menggunakan persamaan (2) yakni _persamaan ‘matematis yang digunakan untuk _memperoleh ppersentase Kebenaran dari hasil prediksi yang ada

    Vous aimerez peut-être aussi