Perpustakaan Digital ITB

Komunikasi satelit Low earth orbit (LEO) menawarkan potensi konektivitas global dengan latensi rendah, namun dihadapkan pada tantangan optimasi yang kompleks akibat pergerakan satelit yang cepat dan keterbatasan daya yang melekat. Masalah seperti handover yang sering dan alokasi daya yang tidak efisien dapat secara langsung bberlebihan dan memberikan sanksi atas kegagalan dalam mencapai data rate minimum yang telah ditetapkan. Melalui mekanisme ini, model dilatih untuk mencapai throughput sistem yang optimal dan memastikan pemenuhan data rate minimum bagi User Terminal, sembari tetap mematuhi batasan daya maksimum yang diizinkan per satelit. Hasil evaluasi menunjukkan bahwa pendekatan unsupervised learning terbukti efektif dalam optimasi alokasi daya dan manajemen handover pada sistem komunikasi satelit LEO. Model ini berhasil mencapai throughput yang efisien dan memberikan kinerja yang andal dalam menjaga kualitas layanan bagi pengguna.erdampak negatif pada kualitas layanan (QoS) dan kinerja keseluruhan jaringan. Penelitian ini berfokus pada penerapan unsupervised learning sebagai solusi untuk optimasi alokasi daya dan manajemen handover pada sistem komunikasi satelit LEO. Untuk meneliti hal ini, sebuah lingkungan simulasi telah dibangun yang mereplikasi sistem komunikasi satelit LEO yang terdiri dari 5 pengguna dan mensimulasikan berbagai jumlah satelit dalam area cakupan seluas 1000 x 1000 km. Model unsupervised learning dirancang khusus untuk memproses data input yang merefleksikan kondisi jaringan, seperti posisi satelit, lokasi pengguna, dan besaran path loss. Tujuan utama dari model ini adalah untuk menghasilkan alokasi daya yang optimal serta indikator Handover yang efisien, dan dikembangkan untuk menentukan alokasi daya dan keputusan paling efektif. Perancangan fungsi loss merupakan aspek krusial dalam pelatihan model ini. Fungsi ini diformulasikan untuk mencapai dua tujuan utama: memaksimalkan throughput sistem secara keseluruhan dan meningkatkan jumlah User Terminal yang berhasil memenuhi target kualitas layanan yang ditentukan. Di samping itu, fungsi loss juga menerapkan penalti untuk mengendalikan penggunaan daya yang