Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kondisi pasca bencana adalah sebuah kondisi darurat yang membutuhkan pertolongan pertama dari tim penyelamat. Oleh karena itu, dikembangkan pemanfaatan radar yang digunakan untuk mendeteksi manusia dalam kondisi pasca-bencana. Sayangnya, banyaknya parameter yang mempengaruhi pengklasifikasian membatasi pemakaian radar 24 GHz seperti reruntuhan yang menutupi manusia. Oleh karena itu, radar dengan frekuensi yang lebih tinggi dimanfaatkan dengan frekuensi 77 GHz yaitu sinyal milimeter. Metode seperti deep learning dan backpropagation neural network sudah diterapkan pada penelitian-penelitian sebelumnya menggunakan radar sinyal milimeter. Namun, tingkat akurasi dari klasifikasi kelas dari makhluk hidup hanya mencapai 49% dengan jumlah klasifikasi 2 kelas dan 32% dengan jumlah klasifikasi 3 kelas. Oleh karena itu, dikembangkan kembali dengan metode Convolutional Neural Network. Akurasi yang didapatkan meningkat hingga mencapai 99% untuk klasifikasi 2 kelas dan 3 kelas. Namun akurasinya menurun untuk klasifikasi kelas yang lebih banyak hingga 68%. Skripsi ini mengajukan metode 3D-Convolutional Neural Network guna meningkatkan resolusi dari data yang diberikan dalam pelatihan dari model untuk meningkatkan akurasi pada klasifikasi kelas dengan model yang diajukan.

---

The post-disaster condition is an emergency that requires immediate first aid from rescue teams. Therefore, the use of radar has been developed to detect humans in post-disaster conditions. Unfortunately, the numerous parameters affecting classification, such as rubble covering humans, limit the use of 24 GHz radar. Consequently, higher frequency radar, specifically 77 GHz millimeter-wave signals, is utilized. Methods like deep learning and backpropagation neural networks have been applied in previous studies using millimeter-wave radar signals. However, the classification accuracy for living beings reached only 49% for two-class classification and 32% for three-class classification. Therefore, the method was further developed using Convolutional Neural Networks (CNN). The accuracy achieved improved to 99% for both two-class and three-class classifications, but it decreased to 68% for classifications with more classes. This thesis proposes the use of a 3D-Convolutional Neural Network method to enhance the resolution of the data used in model training, aiming to improve the accuracy of class classification with the proposed model."

"Seiring perkembangan teknologi dan tingginya permintaan data, teknologi 5G perlu meningkatkan kapasitas, meningkatkan konektivitas, dan lebih fleksibel terhadap mobilitas pengguna. RoF berbasis gelombang milimeter mampu memberikan transmisi radio berkecepatan tinggi dengan latensi yang rendah sehingga dapat menjadi solusi untuk mencapai fleksibilitas jaringan seluler yang tinggi. Pada penelitian ini, dilakukan perancangan dan simulasi sistem Radio over Fiber berbasis gelombang milimeter dengan frekuensi radio 64 GHz menggunakan software OptiSystem 7.0 untuk memenuhi standar layanan 5G eMBB dan jaringan fronthaul 5G. Performa dari simulasi sistem dianalisis berdasarkan parameter Bit Error Rate (BER), Q Factor, dan Eye Diagram. Untuk peningkatan performa sistem, digunakan EDFA dan teknik kompensasi dispersi Fiber Bragg Grating dan Dispersion Compensating Fiber. Skenario upstream sistem telah memenuhi standar untuk layanan 5G dan jaringan fronthaul 5G dengan bit rate maksimum mencapai 5-10 Gbps. Penggunaan EDFA untuk skenario downstream sistem meningkatkan performa dengan bit rate maksimum 16 Gbps untuk panjang fiber 1 km yang memenuhi standar fronthaul D-RAN. Penggunaan FBG untuk bit rate 16 Gbps meningkatkan parameter untuk panjang fiber 4-10 km, namun tidak memenuhi standar yang dianjurkan. Penggunaan DCF meningkatkan parameter secara signifikan untuk mencapai bit rate maksimum 16 Gbps pada panjang fiber 1-10 km yang memenuhi standar fronthaul C-RAN dan D-RAN.

---

As technology develops and data demands are getting higher, 5G technology needs to increase capacity, improve connectivity, and be more flexible with user mobility. Millimeter-wave based RoF is able to provide high-speed radio transmission with low latency so that it can be a solution to achieve high flexibility of cellular networks. In this study, the design and simulation of a millimeter wave-based Radio over Fiber system with a radio frequency of 64 GHz was conducted using OptiSystem 7.0 software to meet 5G eMBB service standards and 5G fronthaul networks. The performance of the system simulation is analyzed based on the Bit Error Rate (BER), Q Factor, and Eye Diagram parameters. To improve system performance, EDFA and dispersion compensation techniques of Fiber Bragg Grating and Dispersion Compensating Fiber are used. Upstream scenario of the system meets 5G service and fronthaul network standards with peak bit rates reaching 5-10 Gbps. Using EDFA for the system’s downstream scenario improves performance with 16 Gbps peak bit rate for 1 km fiber length which meets D-RAN fronthaul standards. Using FBG with 16 Gbps bit rate increases the parameters for fiber lengths of 4-10 km, but the recommended standards are not achieved. Using DCF significantly increases the parameters to reach peak bit rate of 16 Gbps for fiber lengths of 1-10 km that meets C-RAN and D-RAN fronthaul standards."

"This book deals with the development and use of soft computing methods for tackling challenging design problems in the microwave/millimeter wave domain. The aim in the development of these methods is to obtain the design in small time frame while improving the accuracy of the design for a wide range of applications. To achieve this goal, a few diverse design problems of microwave field, representing varied challenges in the design, such as different microstrip antennas, microwave filters, a microstrip-via and also some critical high power components such as nonlinear tapers and RF-windows are considered as case-study design problems. Different design methodologies are developed for these applications. "