![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
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.