Simulasi Machine Learning Untuk Quality Of Transmission Pada Komunikasi Optik

Alifia Safrida Arini, Kris Sujatmoko, Brian Pamukti

Abstract

Abstrak
Seiring dengan munculnya data science, penerapan machine learning pada sistem
komunikasi optik mulai banyak dilakukan. Dengan machine learning, waktu komputasi
yang diperlukan menjadi lebih cepat dengan tingkat akurasi yang tinggi. Dalam penelitian
ini, parameter Q-factor untuk Quality of Transmission (QoT) pada sistem komunikasi fiber
optik diprediksi menggukan tiga algoritma machine learning, yaitu Linear Regression (LR),
Decision Tree (DT) dan Random Forest (RF). Data sintetik yang digunakan untuk melatih
algoritma machine learning tersebut merupakan sistem komunikasi fiber optik dengan tiga
jumlah kanal yang berbeda, yaitu 16, 32 dan 64. Hasil dari algoritma DT dan RF memiliki
tingkat akurasi yang tinggi dengan nilai prediksi hampir sama dengan nilai asli. Sedangkan
algoritma LR memiliki performansi yang lebih rendah.
Kata kunci : machine learning, QoT, Q-factor, linear regression, decision tree, random
forest.
Abstract
Along with the emergence of data science, the application of machine learning in optical
communication systems is widely used. By using machine learning, the computation time can
be done quickly with high accuracy rate. This study, Q-factor parameter for Quality of
Transmission (QoT) of an optical fiber communication system is predicted by using three
machine learning algorithm, namely Linear Regression (LR), Decision Tree (DT) and
Random Forest (RF). The synthetic data that used for training machine learning algorithms
are optical fiber communication system with three different number of channels, i.e., 16, 32
and 64. The results of DT and RF algorithms has high accuracy rate with predicted values
almost the same as the original. While the LR algorithm has lower performance.
Keywords: machine learning, QoT, Q-factor, linear regression, decision tree, random forest.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0