Skripsi

PEMODELAN PREDIKSI PATH LOSS PADA SKENARIO MODA TRANSPORTASI FREKUENSI UHF (ULTRA HIGH FREQUENCY) DENGAN MENGGUNAKAN METODE HYBRID EMPIRIS MACHINE LEARNING.

---

Penilaian

---

Pemodelan prediksi path loss merupakan hal yang sangat penting dalam pererencanaan dan optimasi jaringan Wireless. Model eksisting yang digunakan dalam prediksi path loss yaitu model empiris masih memiliki keterbatasan dalam akurasi dan penerapan wilayah. Keterbatasan fitur yang digunakan dalam model empiris juga menyebebkan salah satu faktor terhadap tingkat akurasi yang kurang baik. Perbedaan wilayah menyebabkan perbedaan fitur baik lingkungan maupun cuaca. Penelitian ini bertujuan untuk pengembangan model hybrid empiris-machine learning untuk prediksi path loss pada 3 skenario moda transportasi yaitu darat (mobil), perairan (kapal) dan LRT pada frekuensi UHF. Metode penelitian pada prediksi path loss dilakukan dengan menggunakan 3 proses yaitu seleksi fitur, pemodelan hybrid Empiris-Machine learning dan optimasi. Metode seleksi fitur dengan membandingkan 3 metode yaitu Univariate, Genetic Algorithm (GA) dan Particle Swarm Optimization (PSO). Pemodelan hybrid dengan menggunakan model empiris Cost-Hatta dan 3 algoritma machine learning yaitu RF, ANN-MLP, KNN. Kontribusi penelitian ini yaitu memberikan keunggulan dalam hal jumlah fitur, dan pengintegrasian model empiris dengan machine learning dengan pendekatan model seleksi fitur Univariate-GA-PSO pada eksplorasi lokasi moda trasnportasi yang belum diteliti sebelumnya. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa pada moda transportasi darat (mobil), model hybrid terbaik yaitu model CostHatta-RF dengan implementasi 13 fitur hasil seleksi fitur PSO dengan tingkat akurasi RMSE 2.777. Pada moda transportasi air (kapal), model hybrid terbaik yaitu model CostHatta-RF dengan implementasi 17 fitur hasil seleksi fitur Univariate dengan tingkat akurasi RMSE 3.010. Pada moda transportasi LRT, model hybrid terbaik yaitu model CostHatta-RF dengan implementasi 16 fitur hasil seleksi fitur Univariate dengan tingkat akurasi RMSE 3.401. Hasil tersebut memilki tingkat akurasi yang lebih baik dibandingkan dengan penelitian sebelumnya

---

Availability

Inventory Code	Barcode	Call Number	Location	Status
2307006675	T131503	T1315032023	Central Library (Referens)	Available

Detail Information

Series Title

-

Call Number

T1315032023

Publisher

Indralaya : Prodi Doktor Ilmu Teknik, Fakultas Teknik Universitas Sriwijaya., 2023

Collation

xiv, 153 hlm.; ilus.; 29 cm

Language

Indonesia

ISBN/ISSN

-

Classification

621.384 07

Content Type

Text

Media Type

unmediated

Carrier Type

-

Edition

-

Subject(s)

Prodi Doktor Ilmu Teknik
Frekuensi ultra high frequency (UHF)

Specific Detail Info

-

Statement of Responsibility

MURZ

Other version/related

File Attachment

Comments

---

You must be logged in to post a comment