Perpustakaan Digital ITB

Kemajuan teknologi komunikasi telah menyebabkan peningkatan signifikan dalam penggunaan jaringan seluler generasi 4G, yang menghasilkan tantangan dalam pengelolaan sumber daya jaringan untuk menjaga kualitas layanan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi trafik jaringan seluler berbasis algoritma statistik, machine leaming, dan deep leaming guna mengoptimalkan performa jaringan. Metode yang digunakan mencakup SARIMA, Random Forest, K Nearest Neighbor, dan Long Short-Term Memory (LSTM). Proses pengembangan melibatkan tahap persiapan data, pemodelan prediksi menggunakan berbagai algoritma, serta integrasi ke dalam dashboard interaktif berbasis Streamlit. Evaluasi model dilakukan menggunakan metrik MSE, MAE, dan R2 untuk mengukur akurasi prediksi. Sistem ini dirancang untuk memprediksi trafik jaringan secara efisien, menangkap pola musiman, fluktuasi, dan hubungan non-linear dalam data. Hasil penelitian menunjukkan bahwa pendekatan dengan Machine Leaming dan Deep Leaming ini mampu menghasilkan prediksi yang lebih akurat dibandingkan metode konvensional. Dashboard yang dihasilkan mempermudah operator jaringan dalam menganalisis dan mengambil keputusan berbasis data. Sistem ini diharapkan dapat mendukung pengelolaan jaringan seluler yang lebih baik, khususnya dalam menghadapi tantangan dinamika trafik jaringan.