NASRUDIN, Daffa Afif (2025) Prediksi Direct Current Load Power pada Base Transceiver Station Menggunakan Multiple Linear Regression. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Download (237kB)
	PDF (Legalitas) LEGALITAS-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Download (278kB)
	PDF (BabI) BAB-I-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Restricted to Repository staff only until 9 January 2027. Download (267kB)
	PDF (BabII) BAB-II-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Restricted to Repository staff only until 9 January 2027. Download (383kB)
	PDF (BabIII) BAB-III-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Restricted to Repository staff only until 9 January 2027. Download (472kB)
	PDF (BabIV) BAB-IV-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Restricted to Repository staff only Download (809kB)
	PDF (BabV) BAB-V-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Download (258kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Download (250kB)
	PDF (Lampiran) LAMPIRAN-Daffa Afif Nasrudin-H1A022098-Tugas Akhir-2026.pdf.pdf Restricted to Repository staff only Download (207kB)

Abstract

Meningkatnya kebutuhan masyarakat akan layanan internet yang stabil membuat operator telekomunikasi perlu mengoptimalkan kinerja Base Transceiver Station (BTS), sementara sebagian besar BTS belum dilengkapi Power Monitoring System (PMS) sehingga data konsumsi arus aktual (DC Load) tidak tersedia, padahal sangat penting untuk perencanaan kapasitas baterai. Permasalahan utama penelitian ini meliputi cara memprediksi DC Load tanpa PMS, membandingkan akurasi penggunaan fitur tunggal dan multifitur, serta menilai kinerja model regresi berdasarkan MAE, MSE, RMSE, dan R². Penelitian ini bertujuan menghasilkan model prediksi DC Load yang akurat dan dapat digunakan sebagai dasar estimasi kebutuhan baterai. Metode penelitian mencakup pengumpulan data BTS Power, trafik, jumlah pengguna terkoneksi, dan PRB dari PT Indosat Ooredoo Hutchison Jawa Tengah, preprocessing, pembangunan model Linear Regression, Decision Tree Regressor, Random Forest Regressor, dan XGBoost, serta evaluasi performa pada data uji. Hasil menunjukkan regresi linear satu fitur menghasilkan R² 0,986 (small hub site) dan 0,969 (end site), sedangkan model multifitur terbaik adalah Random Forest Regressor dengan R² 0,995, MAE 0,941, RMSE 1,753 pada small hub site, serta R² 0,944 pada end site. Secara keseluruhan, model Random Forest Regressor terbukti paling akurat pada beban rendah 0–1,5 kWh, sementara Regresi Linear single-fitur lebih optimal pada beban tinggi >1,5 kWh, sehingga kombinasi keduanya membentuk pendekatan adaptif yang mampu memberikan estimasi DC Load paling presisi di seluruh tipe BTS.

Actions (login required)

View Item