Perpustakaan Digital ITB

Komunikasi yang andal pada Vehicular Ad-hoc Network (VANET) merupakan fondasi utama bagi aplikasi keselamatan jalan raya, namun sifat jaringan yang sangat dinamis dan mobilitas tinggi menimbulkan tantangan signifikan dalam manajemen sumber daya radio. Penggunaan parameter komunikasi statis, seperti daya pancar dan laju data, terbukti tidak efisien dalam menghadapi perubahan kondisi kanal dan kepadatan kendaraan, yang berisiko menyebabkan interferensi tinggi dan kegagalan pengiriman pesan kritis. Penelitian ini mengusulkan sebuah sistem kontrol cerdas berbasis Deep Reinforcement Learning (DRL) dengan algoritma Proximal Policy Optimization (PPO) untuk mengatasi masalah tersebut. Tujuan utamanya adalah merancang dan mengevaluasi sebuah agen DRL yang mampu secara adaptif dan simultan mengoptimalkan daya pancar serta skema modulasi-pengkodean (MCS) guna memaksimalkan keandalan komunikasi V2V. Metodologi penelitian ini melibatkan perancangan lingkungan simulasi jalan raya multi-lajur berbasis standar IEEE 802.11bd menggunakan Python. Agen PPO diimplementasikan untuk mempelajari kebijakan kontrol optimal melalui interaksi dengan lingkungan simulasi. Kinerja sistem adaptif ini kemudian dievaluasi dan dibandingkan secara kuantitatif dengan sistem VANET konvensional yang menggunakan parameter statis. Metrik evaluasi utama mencakup Channel Busy Ratio (CBR), Signal-to-Interference-plus-Noise Ratio (SINR), dan Packet Delivery Ratio (PDR). Hasil penelitian menunjukkan bahwa agen PPO berhasil mempelajari kebijakan yang efektif. Sistem adaptif mampu mengelola beban kanal secara cerdas dengan menekan nilai CBR rata-rata hingga berada pada level moderat sekitar 0.5, jauh lebih rendah dibandingkan sistem statis yang mencapai 0.738. Dengan mengurangi kongesti, agen berhasil mempertahankan PDR pada tingkat yang tinggi dan stabil, berkisar antara 78-80%, yang membuktikan prioritas pada keandalan. Sebaliknya, sistem statis menunjukkan kinerja yang buruk dengan SINR rendah (3.53 dB) dan throughput yang tidak efisien (0.249 Mbps). Simpulan dari penelitian ini adalah bahwa pendekatan DRL menggunakan algoritma PPO merupakan solusi yang terbukti unggul dan layak untuk manajemen sumber daya radio yang dinamis di lingkungan VANET, serta mampu meningkatkan keandalan komunikasi yang krusial untuk aplikasi keselamatan.