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

ALFARESI, BENGAWAN and Nawawi, Zainuddin and Suprapto, Bhakti Yudho (2023) PEMODELAN PREDIKSI PATH LOSS PADA SKENARIO MODA TRANSPORTASI FREKUENSI UHF (ULTRA HIGH FREQUENCY) DENGAN MENGGUNAKAN METODE HYBRID EMPIRIS MACHINE LEARNING. Undergraduate thesis, Sriwijaya University.

	Text RAMA_21001_03043681823007.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
	Text RAMA_21001_03043681823007_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (19MB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (991kB)
	Text RAMA_21001_03043681823007_0003035903_0011027503_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (871kB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (959kB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_06.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_07.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (287kB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_08_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (339kB) | Request a copy
	Text RAMA_21001_03043681823007_0003035903_0011027503_09_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

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

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Path loss, Machine learning, Hybrid, Empiris, UHF, Moda Transportasi
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General)
Divisions:	03-Faculty of Engineering > 21001-Engineering Science (S3)
Depositing User:	Bengawan Alfaresi
Date Deposited:	04 Dec 2023 08:39
Last Modified:	04 Dec 2023 08:39
URI:	http://repository.unsri.ac.id/id/eprint/131503

Actions (login required)

View Item