Perpustakaan Digital ITB

Perkembangan jaringan internet yang pesat di era digital ini memberikan domino effect terhadap kebutuhan lalu lintas jaringan seluler yang andal dan juga masif. Pemanfaatan internet yang sudah menjadi kebutuhan sehari-hari melalui perangkat digital seperti telepon, streaming, hingga cloud juga mendorong peningkatan lalu lintas jaringan seluler. Peningkatan kebutuhan jaringan seluler ini memberikan tantangan dalam pengelolaan sumber daya jaringan seluler yang disebabkan oleh peningkatan kompleksitas traffic jaringan seluler. Untuk mengatasi tantangan ini, diperlukan sistem prediksi yang mampu memproyeksikan traffic jaringan seluler secara akurat untuk membantu proses decision making pengelolaan sumber daya jaringan seluler oleh network administrator. Penggunaan algoritma prediksi konvensional yang sudah tidak lagi relevan dan mampu untuk memprediksi kompleksitas lonjakan, menimbulkan kebutuhan baru akan sistem prediksi yang lebih andal dalam memprediksi kompleksitas traffic jaringan seluler menggunakan algoritma-algoritma baru. Kehadiran teknologi artijicial intelligence dapat menjadi angin segar dalam prediksi traffic jaringan seluler yang sedang dibutuhkan ini. Pemanfaatan algoritma prediksi dalam Capstone design ini dimulai dari machine learning yaitu decision tree kemudian ensemble learning menggunakan Extra Gradient Boosting dan dilanjutkan hingga algoritma prediksi deep learning yaitu Gated Recurrent Unit diharapkan mampu menjadi salah satu alat bantu proses decision making pengelolaan sumber daya jaringan seluler oleh network administrator. Hasil pengujian menunjukkan bahwa semua model prediksi dalam sistem ini mencapai akurasi tinggi yang menunjukkan sistem ini berpotensi untuk digunakan sebagai salah satu alat bantu proses decision making pengelolaan sumber daya jaringan seluler oleh network administrator.