Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Seiring dengan perkembangan dalam teknologi seluler, telah terjadi peningkatan yang signifikan terhadap kemampuan dari jaringan, perangkat hand phone dan jumlah aplikasi yang tersedia, terjadi ledakan permintaan akan layanan data. Pengembangan jaringan secara masif untuk jaringan seluler generasi 2G, 3G dan 4G turut memacu pertumbuhan layanan data. Berdasarkan peraturan Menteri Komunikasi dan Informatika nomor 16 tahun 2013 tentang Standar Kualitas Jasa Teleponi Dasar Pada Jaringan Bergerak Seluler, standar tolok ukur QoS hanya dilakukan untuk jenis layanan suara. Dalam penelitian ini akan dilakukan proses analisis terhadap performansi QoS dan QoE layanan data pada jaringan seluler di DKI Jakarta, Tangerang, Bekasi, Bogor dan Depok, Indonesia dengan sistem uji petik secara drive test dan static test. Pada proses drive test dilakukan uji coba untuk aplikasi HTTP (Hypertext Transfer Protocol) dan untuk static test dilakukan uji coba aplikasi PING. Untuk melengkapi hasil analisis dilakukan dengan benchmarking terhadap regulasi layanan data pada ETSI, MCMC, IDA, dan Ofcom. Diharapkan hasil penelitan ini dapat menjadi gambaran secara utuh terhadap performansi QoS dan QoE layanan data pada jaringan seluler yang dapat indikator penting dalam menentukan parameter QoE dan QoS layanan data guna perbaikan regulasi pada penentuan standar tolok ukur QoS dan QoE layanan data pada jaringan seluler di Indonesia. ......Along with the development in the mobile technology, there has been a significant increase in the ability of the network, the device is a mobile phone and the number of applications available, causing explosion in demand for data services. Massive's network development for 2G, 3G and 4G mobile netowork helped increasing the growth of data services. Based on the regulation of the Minister of Communication and Information number 16 of 2013 on Basic Telephone Service Quality Standard On Mobile Cellular Network, the measurement of QoS is only done for voice services. In this study we will perform an analysis of the performance of QoS and QoE data services on mobile networks in Jakarta, Tangerang, Bekasi, Bogor and Depok, Indonesia with pick-test system as drive test and static test. In the drive test conducted trials for application HTTP (Hypertext Transfer Protocol) and for the static test trials conducted PING application. The results of the analysis is completed with regulation benchmarking on data services at the ETSI, MCMC, IDA, and Ofcom. Expected results of this research can be a full picture of the performance of QoS and QoE data services on mobile networks that can be an important indicator in determining the parameters of QoE and QoS data services for the improvement of the regulation on the standard QoS and QoE data services on mobile networks in Indonesia.

Abstrak :
Penelitian ini bertujuan untuk meningkatkan prediksi time series pada jaringan seluler dengan memasukkan variabel lagged ke dalam model peramalan yang berbeda. Penelitian ini berfokus pada memprediksi Total Traffic Volume (Payload) pada jaringan seluler menggunakan model statistik dan machine learning. Teknik feature engineering melibatkan pemilihan variabel lagged, termasuk beban PRB, CQI, dan pengguna RRC, bersama dengan variabel waktu. Model yang memasukkan variabel lagged tambahan, yaitu SARIMAX, LSTM Multi, dan SVR Multi, memiliki performa lebih baik daripada model sebanding univariat tambahan, dengan hasil RMSE yang lebih rendah, MAE yang lebih rendah, dan nilai R-squared yang lebih tinggi. Penelitian ini menekankan pentingnya memasukkan variabel lagged dan menghitung peningkatan akurasi peramalan pada model multi-variabel dibandingkan dengan model variabel tunggal. Temuan ini berkontribusi pada pemahaman tentang peramalan time series pada jaringan seluler dan memberikan panduan untuk prediksi traffic volume yang akurat. ...... This research aims to improve time series prediction in cellular networks by incorporating lagged variables into different forecasting models. The study focuses on predicting the Total Traffic Volume (Payload) in cellular networks using statistical and machine learning models. Feature engineering involves selecting lagged variables, including PRB load, CQI, and RRC users, along with time variables. The models incorporating additional lagged variables, namely SARIMAX, LSTM Multi, and SVR Multi, outperform their counterparts without additional variables, resulting in lower RMSE, MAE, and higher R-squared values. The study highlights the importance of incorporating lagged variable and calculates the improvement of forecasting accuracy at multi-variable models compared to single variable models. These findings contribute to the understanding of time series forecasting in cellular networks and provide insights for accurate traffic volume prediction.

Abstrak :
ABSTRAK
Pemakaian trafik data pada jaringan seluler, dalam hal ini UMTS (Universal Mobile Telecommunications System), dewasa ini semakin meningkat seiring dengan perkembangan teknologi pendukungnya. Hal ini memunculkan ide untuk mengalirkan trafik data seluler tersebut ke jaringan nirkabel lain, yaitu Wi-Fi (Wireless Fidelity). Proses pemindahan trafik data dari jaringan UMTS ke jaringan WiFi dan juga sebaliknya (pemindahan trafik data dari jaringan WiFi ke jaringan UMTS) disebut sebagai proses UMTS?WiFi Offload. Untuk melakukan proses offloading tersebut digunakan algoritma VHO (Vertical HandOver). Sampai saat ini, belum ditemukan suatu penelitian yang membahas protokol routing khusus yang mampu mengalirkan trafik kepada access point lain yang berada pada sebuah cluster. Di sisi lain, teknologi MANET (Mobile Ad-Hoc Network) memiliki beberapa konsep routing protokol, yakni reaktif, proaktif, dan hibrid. Penelitian dilakukan untuk menentukan suatu metode algoritma hibrid pada jaringan MANET, dalam hal ini GZRP (Genetic Zone Routing Protocol), yang mampu dikembangkan bersama dengan VHO sehingga permasalahan bottle neck trafik data yang terdapat pada jaringan UMTS-WiFi offload dapat diatasi. Berdasarkan penelitian yang telah dilakukan dapat disimpulkan beberapa hal sebagai berikut. Penelitian yang dilakukan dengan menggunakan protokol routing GZRP yang dikombinasikan dengan VHO pada jaringan UMTS?WiFi offload menghasilkan beberapa peningkatan performansi jaringan, antara lain adanya efisiensi total waktu yang diperlukan oleh stasiun bergerak untuk melakukan handover (dari jaringan UMTS ke jaringan Wi-Fi dan dari jaringan Wi-Fi ke jaringan UMTS) pada jaringan UMTS?WiFi offload sebesar 2.757 detik dan 3.824 detik. Di samping itu, nilai RSSI pengguna layanan, data rate, dan throughput masing-masing meningkat 30 dBm, 2 Mbps, dan 2 Mbps. Proses yang diajukan mengurangi total trafik pada area WiFi, delay sinkronisasi, dan konsumsi power masingmasing sebesar 5 Mbps, 600 ms dan 35%. Penelitian tentang jaringan UMTS?WiFi Offload dengan seleksi data inputan menggunakan Roullete Wheel and Rank (N?GZRP) menghasilkan kesimpulan sebagai berikut. Dengan metode ini, pemakaian power berjalan stabil dan efisiensi kebutuhan power meningkat sebesar 35% dan 60% jika dibandingkan dengan RW?GZRP (Roulette Wheel GZRP) dan ZRP (Zone Routing Protocol). Throughput algoritma ini memiliki nilai tiga kbps lebih besar dari throughput yang dihasilkan oleh algoritma ZRP. Algoritma yang diajukan ini mampu mengurangi nilai delay apabila dibandingkan dengan RW?GZRP dan ZRP masingmasing sebesar 20 ms dan 1400ms. Pada pengujian terakhir dikembangkan kombinasi antara GZRP dan VHO sebagai solusi dari permasalahan yang ada. Proses yang dilakukan dengan variasi parameter input sistem jaringan UMTS?Wi-Fi Offload menghasilkan kesimpulan sebagai berikut. Pada saat Bx > Bth; Cx > Cth, akan dilakukan pemindahan data trafik dari jaringan UMTS menuju ke jaringan Wi-Fi tanpa memperhatikan nilai Power yang terdapat pada UE (User Equipment). Pada saat terdapat suatu nilai Cx < Cth, tidak akan dilakukan pemindahan data trafik dari jaringan UMTS menuju ke jaringan Wi-Fi. Perubahan nilai Power pada UE tidak mempengaruhi kinerja Jaringan UMTS?Wi-Fi Offload. Dengan demikian, jaringan UMTS? Wi-Fi Offload bekerja hanya dengan memperhatikan nilai Bandwidth dan Kapasitas Data Trafik. Pada saat Bx > Bth; Cx > Cth, akan dilakukan pemindahan data trafik dari jaringan UMTS menuju ke jaringan Wi-Fi tanpa memperhatikan nilai Power yang terdapat pada UE dan peningkatan nilai Bandwidth pada UE mampu meningkatkan kinerja jaringan UMTS? Wi-Fi Offload, khususnya dalam aktivitas pemindahan data dari jaringan UMTS menuju ke jaringan Wi-Fi.

---

ABSTRACT
The usage of data traffic on mobile networks, in this case the UMTS (Universal Mobile Telecommunications System), recently increased along with the advancement of its supporting technologies. This led to the idea to discharge the mobile data traffic to another wireless network, which is the Wi-Fi (Wireless Fidelity). The process of moving data traffic from UMTS network to a WiFi network and vice versa (the transfer of data traffic from the WiFi to UMTS network) called UMTS-WiFi Offload process. To perform the offloading process, the VHO (Vertical Handover) algorithm is used. Until now, we have not found a study that addresses the specific routing protocols which can divert traffic to another access point on a cluster. On the other hand, MANET (Mobile Ad-Hoc Network) technology has some concepts of routing protocols: reactive, proactive, and hybrid. This study was conducted to determine a method of hybrid algorithm in MANET network: GZRP (Genetic Zone Routing Protocol), which is able to be developed in conjunction with VHO so that the bottleneck problem of traffic data in the UMTS network-WiFi offload can be overcome. Based on the research that has been done, some conclusions can be taken as follows. Research carried out by using a routing protocol GZRP combined with VHO on the UMTSWiFi offload produces some improvements in network performance, for example, the efficiency of the total time required by the mobile station to perform handover (from a UMTS network to a Wi-Fi network and from the network Wi-Fi networks to UMTS) on the UMTSWiFi offload is 2.757 seconds and 3.824 seconds. In addition, the RSSI value of the service users, data rate, and throughput are improved by 30 dBm, 2 Mbps, and 2 Mbps. The proposed process reduced the total traffic on WiFi area, delay synchronization, and power consumption of by 5 Mbps, 600 ms and 35%. Research on the UMTS-WiFi network Offload with input data selection using Roulette Wheel and Rank (N-GZRP) resulted in the following conclusions. With this method, the power consumption is stable and power efficiency is enhanced by 35% and 60% compared with the RW-GZRP (Roulette Wheel GZRP) and ZRP (Zone Routing Protocol).The throughput of this algorithm is 3 kbps greater than generated by the algorithm ZRP. The proposed algorithm is able to reduce delay, compared to the value of RW-GZRP and ZRP, with the value of 20 ms and 1400ms. In the last test, the combination of GZRP and VHO was developed as the solution to the existing problems. The process done by varying input parameters UMTS network systems- Wi-Fi Offload gives following conclusions. At the time of Bx> Bth; Cx> Cth, the data traffic transfer from UMTS network to a Wi-Fi network will be done, regardless of the power value in the UE (User Equipment). At the moment when Cx value < Cth, displacement of traffic data from UMTS to Wi-Fi network will not be performed. Changes in the power value in the UE will not affect the performance of UMTS - Wi-Fi Offload. Thus, UMTS - Wi-Fi Offload only works with regard to bandwidth value and data traffic capacity. At the time of Bx> Bth; Cx> Cth, the traffic data transfer will be done from UMTS to the Wi-Fi network regardless to the power value in the UE, and increased bandwidth value on the UE can improve the performance of UMTS - Wi-Fi Offload, especially in the activity of data transfer from UMTS to Wi-Fi network

Abstrak :
Jaringan selular GSM adalah salah satu jaringan telepon bergerak yang mengalami pertumbuhan yang sangat cepat, namun jaringan ini perkembangannya terbatas karena tidak dapat menjangkau daerah pinggiran yang luas seperti daerah suburban, pembangunan infiwtru tur GSM di wilayah ini sangat mahal. Dilain pihak sistem telepon satelit dapat menjangkau daerah yang sangat luas baik didarat, laut, dan udara tanpa banyak menambahkan infrastruktur di darat. Maka sistem terpadu kedua jaringan ini adalah solusi yang tepat untuk dapat memperoleh layanan komunikasi bergerak yang luas dan handal. Dalam sistem terpadu ini, digunakan satelit orbit rendah Iridium (LEO Satellit) dan sebuah terminal gander (dual mode terminal ) yang dapat melakukan percakapan baik pada link frekuensi radio selular maupun link frekuensi satelit, clan jaringan iti di rancang untuk dapat mengambil keuntungan maksimun dari kedua sub-sistem, satelit dan sellular. Sistem terpadu ini menerapkan prosedur GSM, dimana jaringan satelit hanya dipakai apabila terminal pelanggan di luar jangkauan jaringan GSM, atau pada saat itu beban trafik pada jaringan GSM penuh (overload). Dalam tugas skripsi ini akan dilakukan pembahasan terhadap sistem GSM, sistem satelit orbit rendah Iridium, dan analisis terhadap integrasi kedua jaringan ini, yang meliputi; arsitektur jaringan, lokalisasi pesawat pelanggan dan proses handover dalam sistem terpadu, serta pengolahan panggilan pada ruas satelit dalam sistem terpadu.

Abstrak :
ABSTRACT
Penggunaan dan perkembangan dari teknologi telekomunikasi menjadi perhatian utama dalam era ICT ini. Menurut CISCO VNI Mobile 2017, diprediksikan pada tahun 2021 bahwa perangkat yang terhubung ke jaringan data mencapai 11.6 milyar. Dari perangkat tersebut, sebesar 86 merupakan perangkat smartphone. Untuk mengakomodasi hal tersebut, perancangan jaringan seluler butuh dimaksimalkan dengan melakukan pemodelan berdasarkan kondisi geografis. Pemodelan bisa dilakukan dengan menggunakan metode Physical Optic PO untuk pengaruh terhadap refleksi ground dan dinding bangunan. Digunakan pendekatan metode PO near to far field untuk didapatkan waktu komputasi yang lebih cepat. Pemodelan dilakukan untuk mengetahui mengetahui pengaruh ketinggian transmitter dan lebar jalanan terhadap path loss pada kondisi Line of Sight LOS maupun Non Line of Sight NLOS. Pada kondisi LOS didapatkan nilai Path Loss Exponent PLE sebesar 1.9 ndash; 2.2, sedangkan pada kondisi NLOS didapatkan dengan nilai 3.1 ndash; 3.2.

---

ABSTRACT
The use and development of telecommunication technology is a major concern in this ICT era. According to CISCO VNI Mobile 2017, it is predicted by 2021 that devices connected to data networks reach 11.6 billion. Out of these devices, 86 is a smartphone. To accommodate this, the design of cellular networks needs to be maximized by modeling based on geographical conditions. Modeling of cellular networks can be done by using Physical Optic PO method to influence the effect of ground reflection and wall reflection. The method of near to far field PO is used to obtain faster computation time. Modeling is done to fine out the influence of transmitter height and street width to path loss in Line of Sight LOS and Non Line of Sight NLOS condition. In the LOS condition, Path Loss Exponent PLE is 1.9 ndash 2.2, while NLOS condition is 3.1 ndash 3.2.

Abstrak :
OpenAirInterface(OAI) 5G adalah suatu perangkat lunak berbasis open source yang dapat mengimplementasikan sistem jaringan telekomunikasi berbasis LTE serta susunan protokolnya, yang berstandar 3GPP, pada suatu komputer umum. OpenAirInterface 5G digunakan untuk melakukan riset pengembangan jaringan 4G menjadi 5G dengan biaya yang lebih murah. Pada skripsi ini dilakukan pengujian konesp Virtual Network Function pada jaringan OpenAirInterface 5G dengan cara mengevaluasi kinerja sistem OpenAirInterface 5G pada platform cloud yang terkelola oleh Juju Orchestration. Digunakan platform cloud yang terkelola oleh Metal as a Service(MAAS) untuk memudahkan penyebaran infrastruktur, baik fisik mapun virtual, dan Juju Orchestration untuk mempercepat dan mempermudah penyebaran aplikasi OpenAirInterface diatas platform cloud. Pengujian kinerja layanan dilakukan dengan cara menguji bitrate, latensi, jitter, performa streaming, dan performa browsing. Oai cloud memiliki hasil bitrate rata-rata 12,60 Mbps pada proses unduh, hasil bitrate rata-rata 17,50 Mbps pada proses unggah, waktu rata-rata 51,64 ms pada latensi, dan waktu rata-rata 11,40 ms pada jitter. Sedangkan pada Oai fisik memiliki hasil bitrate rata-rata 12,56 Mbps pada proses unduh, hasil bitrate rata-rata 17,42 Mbps pada proses unggah, waktu rata-rata 54,44 ms pada latensi, dan waktu rata-rata 12,48 ms pada jitter . Dari hasil yang didapat dapat diambil kesimpulan bahwa performa internet Oai cloud lebih unggul walaupun nilai perbedaannya yang tidak signifikan dan sedikit. Namun walaupun begitu, Oai cloud masih memiliki kelebihannya yang sangat berbeda jaruh dalam kemampuan skalabilitasnya dikarenakannya memiliki kemampuan penyebaran aplikasi secara otomatis dan cepat yang dilakukan oleh Juju Orchestration. ......OpenAirInterface (OAI) 5G is an open source based software that can implement LTE-based telecommunications systems and its protocols, which uses the 3GPP standard, on a public computer. OpenAirInterface 5G is used to conduct research on the development of 4G to 5G at a lower cost. In this work we evaluate the concept of Virtual Networks on the OpenAirInterface 5G network by evaluating the performance of our the OpenAirInterface 5G system on a cloud platform managed by Juju Orchestration. The cloud platform used is managed by Metal as a Service (MAAS) to help allocate the network infrastructure, both physical and virtual. Juju Orchestration is used to accelerate and automate the deployment and configuration of OpenAirInterface applications on the cloud platforms. The performance evaluation is done by testing the bitrate, latency, jitter, streaming performance, and browsing performance. OAI cloud has an average bitrate of 12.60 Mbps during the download process, an average bitrate of 17.50 Mbps for the upload process, an average time of 51.64 ms at latency, and an average time of 11.40 ms at jitter. The physical OAI has an average bitrate of 12.56 Mbps in the download process, the average bitrate of 17.42 Mbps in the upload process, the average time of 54.44 ms on latency, and the average time of 12.48 ms at jitter. From the results obtained it can be concluded that the the performance quality of OAI cloud is better even though the differences are not significant and small. However, OAI cloud still has its big advantages in term of its scalability process for the ease of automation deployment of application carried out by Juju