Perpustakaan Digital ITB

Munculnya sistem Industrial Internet of Things (IIoT) menimbulkan tantangan dalam pengalokasian daya yang efisien dan berkelanjutan. Dalam lingkungan padat, setiap node harus menerima daya yang cukup untuk memenuhi datarate-nya, tanpa melebihi batas maksimum konsumsi daya sistem. Untuk menjawab tantangan tersebut, penelitian ini mengusulkan strategi alokasi daya terpusat berbasis Graph Neural Network (GNN), yang dirancang untuk menjamin terpenuhinya dua batasan utama: minimum datarate per node dan total daya sistem yang terkendali. Pendekatan yang diajukan merepresentasikan jaringan komunikasi nirkabel sebagai graph, di mana node-node saling terhubung melalui hubungan interferensi dan kondisi channel. Model GNN yang digunakan dilatih dengan fungsi loss dinamis yang secara adaptif menyesuaikan penalti terhadap pelanggaran datarate dan batas daya. Hanya setelah kedua batasan tersebut dipenuhi secara konsisten, model akan mengalihkan fokusnya pada peningkatan energy efficiency dengan cara meminimalkan daya yang digunakan untuk mempertahankan datarate target, sehingga mengoptimalkan rasio datarate-per-daya sebagai metrik utama efisiensi. Pendekatan ini membedakan dirinya dari metode konvensional yang cenderung memaksimalkan sum-rate, dengan secara eksplisit mendorong konfigurasi alokasi daya yang lebih hemat energi dan tetap memenuhi batasan kualitas layanan (Quality-of-Service, QoS). Hasil evaluasi menunjukkan bahwa metode GNN yang diusulkan secara konsisten melampaui baseline acak dalam hal pemenuhan datarate dan efisiensi energi, dengan tingkat keberhasilan rata-rata di atas 83% dan rasio efisiensi energi hingga lebih dari 800 kali lipat dibanding alokasi acak. Simulasi dilakukan pada skenario 10, 20, dan 30 node, dengan hasil CDF yang menunjukkan distribusi alokasi daya dan performa QoS yang stabil serta hemat energi. Temuan ini membuktikan bahwa model GNN mampu menggeneralisasi pola interferensi kompleks dan menghasilkan keputusan alokasi daya yang adaptif dan efisien, menjadikannya solusi potensial untuk diterapkan pada sistem IIoT industri yang padat dan membutuhkan efisiensi energi tinggi.