Hasil Pencarian  ::  Simpan CSV :: Kembali

"Serat optik sebagai media transmisi berkecepatan tinggi untuk meningkatkan layanan yang baik kepada pelanggan berusaha terus dikembangkan kualitasnya. Salah satu yang dikembangkan adalah kapasitas trnnsmisinya, yang saat ini telah berkembang sampai dengan Dense Wavelength Division Multiplexing(DWDM). Sebagai media transmisi, serat optik dalam pengiriman sinyal dengan mempergunakan sistem DWDM juga tidak lepas dari kelemahan, yaitu kemungkinan hilangnya sinyal dalam perjalanan menuju tujuannya. Oleh karena itu, untuk mengatasinya, telah dikembangkan penguat optik yang dipasang untuk menguatkan kembali intensitas sinyal yang ditransmisikan. salah satu penguat optik yang dipergunakan adalah penguat Raman. Penguat Raman ini temyata memberikan kualitas yang lebih baik dibandingkan dengan penguat lain khususnya erbium-doped fiber amplifier {EDFA) yang banyak dipakai oleh sistem DWDM saat ini. Hal ini ditandai dengan nilai optical signal fo noise ratio {OSNR) dan penguatan yang lebih baik, jarak antar penguat yang lebih jauh, dengan memperhatikan beberapa rugi0rugi yang muncul dalam penerapannya pada system DWDM"

"Jaringan optik dengan dasar Wavelength Division Multiplexing (WDM) adalah jaringan optik yang menggunakan WDM sebagai teknologi multipleksingnya. WDM adalah satu teknologi multipleksing yang memultipleksing beberapa sinyal optik dengan panjang gelombang yang berbeda kedalam satu serat optik tunggal. Teknologi ini bertujuan untuk menggunakan semaksimal mungkin kapasitas dari serat optik. Untuk makin meningkatkan penggunaan kapasitas yang dimiliki oleh serat optik tersebut digunakan Wavelength Converter. Wavelength Converter adalah alat yang memungkinkan diubahnya satu panjang gelombang dalam satu jaringan tanpa mengubah isi informasi dalam sinyal tersebut.Peningkatan kinerja dari satu jaringan optik akibat penggunaan Wavelength Converter dipengaruhi oleh banyak faktor diantaranya; topologi jaringan, besar jaringan, load janngan, jumlah panjang gelombang yang digunakan, jumlah hop yang diperlukan untuk satu sambungan, panjang dari path yang ada, besar dari switch dan panjang interferensi yang ada.Selain itu ada juga faktor dari acknowledgments delay, propagation delay dan processing latencies di dalam jaringan.Skripsi ini menganalisa blocking probability dan utilisasi jaringan WDM akibat pengaruh parameter path length dan switch size. Blocldng probability adalah peluang dibloknya satu permintaan sambungan dalam jaringan, sedangkan utilisasi jaringan adalah tingkat penggunaan kapasitas yang dimilik oleh sebuah jaringan. Pada jaringan WDM path length adalah jumlah hop yang digunakan dalam melakukan satu sambungan dan switch size adalah ukuran switch yang digunakan dalam jaringan tersebut.Hasil perhitungan menunjukkan bahwa penggunaan wavelength converter mempengaruhi meningkatkan kinerja dari satu jaringan optik dengan dasar WDM. Dengan penggunaan WC, maka dihasilkan blocking probability yang lebih rendah dan juga utilisasi jaringan yang lebih tinggi. Selain itu, parameter path length dan switch size juga mempengaruhi kinerja dari jaringan tersebut."

"Jaringan optik adalah jaringan telekomunikasi berkapasitas tinggi dengan menggunakan teknologi dan komponen optik. Di Indonesia, CWDM biasanya digunakan pada jaringan optik di daerah urban, hal ini dikarenakan CWDM memiliki bandwidth yang lebar dan sesuai dengan kebutuhan daerah urban yang hanya butuh jarak yang pendek. Machine learning (ML) merupakan salah satu cabang kecerdasan buatan yang sangat cocok untuk menangani masalah kompleks yang sulit dijawab dalam waktu yang wajar. Prediksi Quality of Transmission (QoT) yang akurat sebelum pembentukan koneksi sangat penting untuk penyediaan layanan dan pemanfaatan sumber daya jaringan. Model Coarse Wavelength Division Multiplexing (CWDM) yang digunakan jaringan sesuai dengan standar ITU-T G.694.2 yaitu splitting sebesar 20nm, pada wavelength yang terdaftar pada standar yaitu 1551 nm, 1571 nm, 1591 nm, dan 1611 nm. Pendekatan yang digunakan adalah algoritma jenis linear regression dengan akurasi 82,47%, k-nearest neighbor regression dengan akurasi 77,18%, support vector regression dengan akurasi 83,88%, random forest regression 91,44%, dan deep learning ANN regression dengan akurasi 94,52%. Algoritma machine learning yang paling baik dalam memprediksi kualitas transmisi adalah random forest regressor. Algoritma ini tidak lebih baik dari deep learning yaitu, ANN regression. Namun waktu komputasi pada ANN regression cenderung lebih lama yaitu 12,451 ms sedangkan pada random forest regression hanya 1,9098 ms.

---

An optical network is a high-capacity telecommunications network using optical technology and components. In Indonesia, CWDM is usually used on optical networks in urban areas, this is because CWDM has a wide bandwidth and is in accordance with the needs of urban areas that only need a short distance. Machine learning (ML) is a branch of artificial intelligence that is very suitable for dealing with complex problems that are difficult to answer in a reasonable time. Accurate Quality of Transmission (QoT) prediction prior to connection establishment is critical for service provision and utilization of network resources. The Coarse Wavelength Division Multiplexing (CWDM) model used by the network complies with the ITU-T G.694.2 standard, which is 20nm splitting, the wavelengths registered in the standard are 1551 nm, 1571 nm, 1591 nm, and 1611 nm. The approach used is a linear regression type algorithm with an accuracy of 82.47%, k-nearest neighbor regression with an accuracy of 77.18%, support vector regression with an accuracy of 83.88%, random forest regression of 91.44%, and ANN deep learning regression. With an accuracy of 94.52%. The best machine learning algorithm for predicting transmission quality is the random forest regressor. This algorithm is no better than deep learning i.e., ANN regression. However, the computational time for ANN regression tends to be longer, namely 12.451 ms, while for random forest regression it is only 1.9098 ms. "

"Tugas Akhir ini membahas pembuatan perangkat lunak Fibre Optic Information System (FOIS) yang bertujuan untuk mempermudah dan mempercepat perencanaan sistem komunikasi serat optik baik analog maupun dijital. FOIS merupakan suatu basis data yang terdiri dari 2 basis data utama danlima basis data pendukung. Basis data utama merupakan pusat dan' perencanaan sistem komunikasi serat optik, sedangkan basis data pendukung berfungsi sebagai pusat data-data yang dibutuhkan oleh basis data utama untuk menyelesaikan perencanaan. Langkah pertama untuk melakukan perencanaan sistem komunikasi serat optik adalah memasukkan data-data untuk setiap komponen ke dalam basis data pendulcung. Komponen-komponen itu adalah jenis serat optik, jenis detektor optik, jenis sumber optik, dan konektor serta splice. Setelah semua data telah masuk dalam basis data pendukung, langkah kedua adalah memilih jenis komponen yang kita inginkan dan memasukkan data-data dari basis data pendukung ke dalam basis data utama. Langkah ketiga adalah memasukkan syarat-syarat yang kita inginkan dalam perencanaan, seperti jarak minimum, SNIT, dan lebar pita. Setelah semua data lengkap, proses perhitungan dapat dilaksanakan. FOIS secara otomatis mendeteksi jenis komponen yang digunakan dalam perencanaan, PIN atau API) untuk jenis detektor optik, LAD atau LASER untuk jenis sumber optik, dan singlenrode atau multimode untuk jenis serat opok. Setelah proses perhitungan selesai, maka dibandingkan hasil perhitungan FOIS dengan perhitungan secara manual. Hasil perbandingan menunjukkan FOIS memiliki ketelitian yang sangat tinggi dan juga dapat menyelesaikan perencanaan sistem komunikasi serat optik dengan sangat cepat."