Perpustakaan Digital ITB

Layanan video streaming upstream menghadapi tantangan adaptasi bitrate pada jaringan volatil, di mana kapasitas, delay, dan packet loss berubah secara dinamis. Pendekatan Adaptive Bitrate (ABR) berbasis Reinforcement Learning (RL) telah menunjukkan potensi dibandingkan metode heuristik konvensional, namun masih menghadapi dilema lingkungan pelatihan: simulator menghasilkan kesenjangan dengan kondisi nyata, sedangkan pelatihan langsung pada sistem produksi memerlukan infrastruktur berskala besar dan tidak dapat direproduksi. Penelitian ini mengembangkan lingkungan emulasi jaringan volatil sebagai pendekatan antara kedua ekstrem tersebut dengan menggunakan Docker containerization, WebRTC/GStreamer/VP8 sebagai transport media nyata, dan Linux Traffic Control (TBF + NetEm) sebagai mekanisme pengendalian jaringan yang digerakkan oleh trace bandwidth seluler NYU-METS. Model ABR diimplementasikan menggunakan arsitektur actor-critic berbasis Conv1D yang dilatih dengan Proximal Policy Optimization (PPO), mengambil keputusan bitrate diskret berdasarkan riwayat throughput, RTT, packet loss, dan jitter dari umpan balik RTCP. Pengujian fungsional menunjukkan seluruh komponen WebRTC, mekanisme traffic shaping, dan pipeline media berjalan sesuai spesifikasi. Lingkungan berhasil menghasilkan empat perilaku emergent tanpa diprogram secara eksplisit: bufferbloat, RTT carryover antar-skenario, packet loss dari tail-drop, dan throughput capping. Evaluasi model menunjukkan agen telah mempelajari arah adaptasi yang benar — kecenderungan menurunkan bitrate saat kondisi jaringan memburuk dan menaikkannya saat kapasitas tersedia meningkat secara signifikan di atas baseline pada seluruh dataset. Distribusi dataset pelatihan terbukti menentukan titik konvergensi kebijakan, dan augmentasi trace proporsional menghasilkan kebijakan yang lebih luas dan tidak terkunci pada satu tingkat bitrate. Namun, frekuensi overshoot yang masih tinggi menunjukkan kebijakan belum sepenuhnya konvergen, menyisakan ruang perbaikan pada kualitas sinyal pembelajaran dan durasi pelatihan.