Simulasi Machine Learning Untuk Quality Of Transmission Pada Komunikasi Optik

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.