Perpustakaan Digital ITB

Kereta cepat pada umumnya masih menggunakan sistem komunikasi GSM-R yang merupakan teknologi 2G yang dikhususkan untuk jalur komunikasi kereta dan jika dibandingkan dengan teknologi masa kini sudah jauh tertinggal. Salah satu penyebab sistem komunikasi kereta masih menggunakan GSM-R karena kecepatan transmisi data bukanlah hal utama melainkan keamanan transmisi data tersebut. Dengan berkembangnya sistem komunikasi 5G, kedua hal tersebut dapat dicapai dan digunakan dalam sistem komunikasi kereta. Namun hal tersebut sulit diimplementasikan karena sistem komunikasi 5G menggunakan mmWave yang menyebabkan lebar pita beam kecil. Lebar pita beam yang kecil menjadi hambatan karena untuk mendapatkan transmisi data yang optimal, membutuhkan akurasi beam dari base station ke kereta yang baik sedangkan kereta cepat bergerak dengan kecepatan yang tinggi. Penelitian ini ditujukan untuk mengatasi kesulitan tersebut. Dengan mengimplementasikan algoritma komputasi machine learning, akan dibuat sistem prediksi beam tracking untuk meningkatkan akurasi beam dari base station ke kereta. Algoritma machine learning yang dianalisis pada penelitian ini adalah K- Nearest Neighbors, Neural Network, Lookup Table, Random Forest, Support Vector Machine dan Naive Bayes. Metode penelitian yang digunakan meliputi studi literatur, desain sistem, pengujian serta analisis performa. Hasil penelitian menunjukkan bahwa implementasi algoritma komputasi Neural Network menghasilkan akurasi beam forming dan kecepatan terbaik.