OPTIMASI RUTE JARINGAN FTTH (FIBER TO THE HOME) PADA …

OPTIMASI RUTE JARINGAN FTTH (FIBER TO THE

HOME) PADA PT. XYZ MENGGUNAKAN

ALGORITMA PSO (PARTICLE SWARM

OPTIMIZATION) DENGAN SKEMA TSP (TRAVELING

SALESMAN PROBLEM)

LAPORAN SKRIPSI

Ahmad Syahrul Fardani 4616030001

PROGRAM STUDI TEKNIK MULTIMEDIA DAN JARINGAN

JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER

POLITEKNIK NEGERI JAKARTA

2020

OPTIMASI RUTE JARINGAN FTTH (FIBER TO THE

HOME) PADA PT. XYZ MENGGUNAKAN

ALGORITMA PSO (PARTICLE SWARM

OPTIMIZATION) DENGAN SKEMA TSP (TRAVELING

SALESMAN PROBLEM)

LAPORAN SKRIPSI

Dibuat untuk Melengkapi Syarat-Syarat yang Diperlukan untuk

Memperoleh Diploma Empat Politeknik

Ahmad Syahrul Fardani

4616030001

PROGRAM STUDI TEKNIK MULTIMEDIA DAN JARINGAN

JURUSAN TEKNIK INFORMATIKA DAN KOMPUTER

POLITEKNIK NEGERI JAKARTA

2020

vii

Jurusan Teknik Informatika dan Komputer – Politeknik Negeri Jakarta

OPTIMASI RUTE JARINGAN FTTH (FIBER TO THE HOME) PADA PT. XYZ

MENGGUNAKAN ALGORITMA PSO (PARTICLE SWARM OPTIMIZATION)

DENGAN SKEMA TSP (TRAVELING SALESMAN PROBLEM)

ABSTRAK

PT. Gerbang Sinergi Prima merupakan salah satu perusahaan telekomunikasi dengan

layanan teknologi FTTH (Fiber To The Home) yang telah banyak memberikan layanan

terbaiknya kepada pelanggan mereka, seperti PT. XYZ. Saat akan dilakukan pemasangan

user baru di PT. XYZ, ODP (Optical Distribution Point) digunakan sebagai penentuan titik awal koordinat yang tepat sampai ke tujuan agar jalur yang dilalui sebagai jalur terbaik

dan optimal serta dapat meminimalisisr biaya pemeliharaan di PT. XYZ. Berdasarkan

permasalahan tersebut perlu dilakukan proses optimasi menggunakan algoritma PSO (Particle Swarm Optimization). Variabel parameter input menggunakan nilai total

redaman = 5,4 dBm, hasil Downlik = 21.4 dBm, dan hasil Uplink = 22.1 dBm. Pengujian

partikel dilakukan pertama kali menggunakan nilai fungsi dalam mencari posisi terbaik sementara. Dimana diasumsikan partikel = jumlah ODP yang digunakan, yaitu 9 buah.

Hasil pengujian partikel berdasarkan pada ODP yang memiliki nilai fungsi minimal,

hasilnya yaitu ODP ke-9 dengan nilai fungsi = 155407.50 sebagai posisi terbaik

sementara. Selanjutnya pengujian kombinasi parameter untuk mencari posisi terbaik akhir berdasarkan ODP dengan nilai fitness terkecil. Adapun parameternya yaitu iterasi = 100,

C1 = 1, C2 = 1, serta bobot inersia (w) = 0.5. Hasil posisi terbaik akhir yaitu iterasi ke-5

dan ODP ke-5 dengan nilai fitness = 152270,00.

Kata Kunci: Downlink, Fiber Optic, FTTH (Fiber To The Home), ODP (Optical

Distribution Point), Power Link Budget, PSO (Particle Swarm Optimization), Redaman,

dan Uplink.

viii


DAFTAR ISI

Halaman

HALAMAN SAMPUL .........................................................................................

HALAMAN JUDUL ............................................................................................

HALAMAN PERNYATAAN ORISINALITAS .............................................. iii

HALAMAN PENGESAHAN ........................................................................... iv

KATA PENGANTAR ........................................................................................ v

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SKRIPSI ........ vi

ABSTRAK ........................................................................................................ vii

DAFTAR ISI ................................................................................................... viii

DAFTAR GAMBAR ......................................................................................... xi

DAFTAR TABEL .......................................................................................... xiii

DAFTAR LAMPIRAN .................................................................................. xiv

BAB I .................................................................................................................. 1

PENDAHULUAN .............................................................................................. 1

1.1 Latar Belakang ........................................................................................... 1

1.2 Perumusan Masalah.................................................................................... 3

1.3 Batasan Masalah ........................................................................................ 3

1.4 Tujuan dan Manfaat ................................................................................... 4

1.4.1 Tujuan ........................................................................................................ 4

1.4.2 Manfaat ...................................................................................................... 5

1.5 Metode Pelaksanaan Skripsi ....................................................................... 5

BAB II ................................................................................................................ 8

TINJAUAN PUSTAKA ..................................................................................... 8

1. Tinjauan Pustaka ......................................................................................... 8

2.1 Fiber Optic................................................................................................. 8

2.1.1 Sistem Komunikasi Fiber Optic ................................................................. 8

2.1.2 Komponen Sistem Komunikasi Fiber Optic ............................................... 9

2.1.3 Jenis-Jenis Fiber Optic ............................................................................ 11

2.2 FTTH (Fiber To The Home) ..................................................................... 14

ix


2.2.1 Redaman pada FTTH (Fiber To The Home) ............................................. 15

2.2.2 Komponen Perangkat pada Jaringan FTTH (Fiber To The Home) ............ 15

2.3 GPON (Gigabit Passive Optical Network) ................................................ 18

2.4 Power Link Budget ................................................................................... 19

2.4.1 Margin Daya ............................................................................................ 19

2.5 Optimasi................................................................................................... 20

2.6 PSO (Particle Swarm Optimization) ......................................................... 20

2.6.1 Nilai Fitness ............................................................................................ 23

2.6.2 Nilai Fungsi ............................................................................................. 23

2.7 Microsoft Visual Studio ............................................................................ 23

2.7.1 Bahasa C# ................................................................................................ 24

2. Penelitian Sejenis ..................................................................................... 24

BAB III ............................................................................................................. 27

PERENCANAAN DAN REALISASI ............................................................ 27

3.1 Perancangan Program Aplikasi ................................................................ 27

3.1.1 Deskripsi Algoritma PSO pada Rute Jaringan FTTH di PT. XYZ ........... 27

3.1.2 Rancangan Optimasi Rute FTTH (Fiber To The Home) di PT. XYZ ....... 29

3.1.2.1 Topologi Rute Jaringan FTTH (Fiber To The Home) di PT. XYZ ........... 29

3.1.2.2 ASPLAN (As-Planning) Rute Jaringan FTTH (Fiber To The Home) di PT.

XYZ ....................................................................................................... 30

3.1.2.3 Layout Rute Jaringan FTTH (Fiber To The Home) di PT. XYZ .............. 30

3.1.2.4 Spesifikasi Perangkat dan Software/Tools ............................................... 31

3.1.3 Cara Kerja Algoritma PSO pada Rute Jaringan FTTH di PT. XYZ ......... 32

3.2 Realisasi Program Aplikasi ..................................................................... 35

3.2.1 Perhitungan Nilai Total Redaman ........................................................... 35

3.2.2 Perhitungan Power Link Budget .............................................................. 37

3.2.3 Pencarian Rute Terbaik Menggunakan Algortima PSO (Particle Swarm

Optimization) ......................................................................................... 39

BAB IV ............................................................................................................. 43

PEMBAHASAN .............................................................................................. 43

4.1 Pengujian ............................................................................................... 43

4.2 Deskripsi Pengujian ................................................................................ 43

x


4.3 Prosedur Pengujian ................................................................................. 44

4.3.1 Pengujian Partikel .................................................................................. 44

4.3.2 Pengujian Kombinasi Parameter ............................................................. 44

4.4 Data Hasil Pengujian .............................................................................. 45

4.1.1 Hasil Pengujian Partikel ......................................................................... 45

4.1.2 Hasil Pengujian Kombinasi Parameter .................................................... 46

4.5 Analisis Data .......................................................................................... 47

4.5.1 Data Hasil Pengujian Partikel ................................................................. 47

4.5.2 Data Hasil Pengujian Kombinasi Parameter ............................................ 48

BAB V .............................................................................................................. 49

PENUTUP ....................................................................................................... 49

5.1 Kesimpulan ............................................................................................. 49

5.2 Saran ....................................................................................................... 50

DAFTAR PUSTAKA ....................................................................................... 51

DAFTAR RIWAYAT HIDUP PENULIS ...................................................... 54

LAMPIRAN ....................................................................................................... -

xi


DAFTAR GAMBAR

Halaman

Gambar 2.1. Jenis-Jenis Konektor Serat Optik.............................................. 10

Gambar 2.2. Jennis-Jenis Kabel Serat Optik ................................................. 11

Gambar 2.3. Jenis-Jenis Fiber Optic ............................................................. 11

Gambar 2.4. Perambatan pada Single Mode Step Index................................. 12

Gambar 2.5. Perambatan pada Multi Mode Step Index .................................. 13

Gambar 2.6. Perambatan pada Multi Mode Graded Index ............................. 13

Gambar 2.7. Jaringan FTTH Secara Umum .................................................. 14

Gambar 2.8. OLT ......................................................................................... 15

Gambar 2.9. ODC ........................................................................................ 16

Gambar 2.10. ODP ......................................................................................... 16

Gambar 2.11. Roset ........................................................................................ 17

Gambar 2.12. ONT ........................................................................................ 17

Gambar 2.13. Arsitektur GPON Secara Umum .............................................. 18

Gambar 3.1. Flowchart Penelitian ................................................................ 28

Gambar 3.2. Topologi Rute Jaringan FTTH di PT. XYZ .............................. 29

Gambar 3.3. ASPLAN Rute Jaringan FTTH di PT. XYZ ............................. 30

Gambar 3.4. Layout Rute Jaringan FTTH di PT. XYZ.................................. 31

Gambar 3.5. Flowchart Algoritma PSO untuk Optimasi Rute Jaringan FTTH

di PT. XYZ ............................................................................. 34

Gambar 3.6. Blok Diagram Algoritma PSO untuk Optimasi Rute Jaringan

FTTH di PT. XYZ .................................................................. 35

Gambar 3.7. Tampilan Aplikasi Console Mengenai Asumsi Dimensi x, y, dan

z ............................................................................................. 39

Gambar 3.8. Tampilan Aplikasi Console Mengenai Data-Data pada Dimensi

x, y, dan z ............................................................................... 40

Gambar 3.9. Tampilan Aplikasi Console Mengenai Keterangan Nilai Fungsi

yang Digunakan ...................................................................... 40

xii


Gambar 3.10. Tampilan Aplikasi Console Mengenai Keterangan Parameter-

Parameter yang Digunakan ..................................................... 41

Gambar 3.11. Tampilan Aplikasi Console Mengenai Hasil Inisialisasi ODP

Dan Posisi Terbaik Sementara ................................................. 41

Gambar 3.12. Tampilan Aplikasi Console Mengenai Hasil Akhir Proses

Optimasi ................................................................................. 42

Gambar 4.1. Grafik Data Pengujian Partikel ................................................ 47

Gambar 4.2. Grafik Data Pengujian Kombinasi Parameter ........................... 48

xiii


DAFTAR TABEL

Halaman

Tabel 2.1. Total Redaman Maksimal pada Passive Splitter ......................... 18

Tabel 3.1. Hasil Nilai Total Redaman PT. XYZ ......................................... 36

Tabel 3.2. Hasil Power Link Budget PT. XYZ ............................................ 38

Tabel 4.1. Hasil Pengujian Partikel ............................................................ 45

Tabel 4.2. Hasil Pengujian Kombinasi Parameter ....................................... 46

xiv


DAFTAR LAMPIRAN

Halaman

L-1. Source Code Algoritma PSO ................................................................. -

L-2. Hasil Pengukuran Menggunakan OTDR ................................................. -

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perkembangan teknologi pada saat ini semakin pesat, salah satunya pada bidang

teknologi telekomunikasi. Sudah bayak perusahaan dibidang telekomunikasi yang

mulai menggunakan teknologi fiber optic dengan tujuan memberikan layanan yang

terbaik. Sistem komunikasi fiber optic saat ini sudah berkembang sangat pesat,

sistem komunikasi tersebut dapat berupa suara, video, dan data sesuai dengan

kemajuan teknologi. Keunggulan dari jaringan komunikasi fiber optic yaitu sebagai

media transmisi yang dapat menyalurkan informasi dengan kapasitas besar dan

keandalan yang tinggi serta dapat dimanfaatkan sebagai sarana transmisi jarak jauh

sehingga dapat memudahkan manusia dalam bertukar informasi dari jarak jauh

dengan waktu yang efektif dan efisien (Umaternate, et al., 2016).

Salah satu perusahaan teknologi yang bergerak dibidang telekomunikasi yaitu PT.

Gerbang Sinergi Prima yang telah menyelesaikan banyak project instalasi dengan

sangat baik. Hal ini telah terbukti PT. Gerbang Sinergi Prima telah mengelola data

pelanggan dan melayani permintaan pelanggan diseluruh indonesia selama lebih

dari 6 tahun lamanya sejak tahun 2008, dengan memiliki kualitas SDM (Sumber

Daya Manusia) yang profesional dan berpengalaman dibidangnya maka keamanan

dan kerahasiaan data pelanggan terjamin dikelola dengan sangat baik (Anonim.,

2020).

PT. XYZ merupakan salah satu user dari PT. Gerbang Sinergi Prima yang baru saja

telah dilakukan proses instalasi fiber optic. Dimana proses instalasi telah berjalan

sesuai dengan rencana, namun dalam kurun waktu beberapa tahun kedepan

tentunya kebutuhan berkomunikasi semakin bertambah sehingga banyak user baru

yang akan memasang layanan komunikasi.

Berdasarkan hal tersebut, jalur dari kabel FTTH (Fiber To The Home) di PT. XYZ

masih terbilang kurang efektif dan efisien karena disebabkan beberapa faktor salah

2


satunya yang utama yaitu pada penempatan perangkat ODP (Optical Distribution

Point) yang dapat menyebabkan jumlah redaman cukup besar dan dapat

mengeluarkan banyak biaya untuk pembelian jumlah kabel fiber optic pada saat

penambahan user. Maka dari itu jalur kabel FTTH (Fiber The To Home) terutama

pada perangkat ODP (Optical Distribution Point) harus dioptimalkan agar dapat

mengurangi nilai redaman dan menghemat banyak biaya untuk pembelian kabel

pada saat penambahan user baru. Jumlah perangkat ODP (Optical Distribution

Point) pada PT. XYZ yaitu 9 buah yang tersebar pada seluruh titik penempatan di

PT. XYZ yang telah direncanakan sebelumnya.

Pada penilitian skripsi ini akan melakukan proses optimasi dengan menggunakan

skema TSP (Traveling Salesman Problem) yang merupakan suatu permasalahan

dengan mencari rute terpendek berdasarkan prinsip pedagang keliling dengan

menggunakan algoritma PSO (Particle Swarm Optimization) yang dapat

diimplementasikan untuk optimasi pencarian rute/jalur terbaik dengan memberikan

solusi untuk permasalahannya dalam bentuk partikel-partikel (Yuliastuti, et al.,

2017).

Pengambilan data berdasarkan pada dokumen As-Planning yang berupa gambar

rute/jalur dari titik ODP (Optical Distribution Point) di PT. XYZ yang telah

ditentukan. Kemudian melakukan perhitungan nilai redaman dan power link budget

pada PT. XYZ secara manual berdasarkan data-data pengukuran yang telah

diperoleh pada laporan instalasi. Setelah hasil diperoleh, mulai melakukan proses

optimasi rute/jalur ODP (Optical Distribution Point) menggunakan algoritma PSO

(Particle Swarm Optimization) yang diimplementasikan pada software Microsoft

Visual Studio dengan menggunakan variabel parameter input berdasarkan pada

hasil dari perhitungan nilai redaman dan power link budget yang telah diperoleh

sebelumnya dengan tujuan untuk mendapatkan rute/jalur yang terbaik. Hasil

optimasi akan menunjukkan rute/jalur yang terbaik dengan menampilkan

keterangan perangkat ODP (Optical Distribution Point) yang memiliki nilai fungsi

minimal atau yang memiliki nilai fitness terkecil. Berdasarkan hasil optimasi

tersebut tentunya dapat menjadi rekomendasi sebagai titik awal penentuan rute/jalur

3


yang terbaik pada perangkat ODP (Optical Distribution Point) saat instalasi user

baru di PT. XYZ.

1.2 Perumusan Masalah

Adapun rumusan masalah pada penelitian ini adalah bagaimana mengoptimalisasi

rute/jalur dari perangkat ODP (Optical Distribution Point) di PT. XYZ

menggunakan algoritma PSO (Particle Swarm Optimization) untuk mencari

rute/jalur terbaik berdasarkan parameter nilai redaman dan power link budget

dengan mendapatkan nilai fungsi minimal atau nilai fitness terkecil?

1.3 Batasan Masalah

Agar ruang lingkup pembahasan menjadi lebih fokus maka diperlukan adanya

batasan masalah sebagai berikut:

a. Proses pengukuran serta pengambilan data berupa dokumen ASPLAN (As-

Planning) dan laporan instalasi PT. XYZ yang telah dilakukan berdasarkan

pada ketentuan PT. Gerbang Sinergi Prima pada divisi Aktivasi yang memiliki

jobdesk mulai dari perencanaan, perancangan, dan instalasi kabel fiber optic

pada user baru.

b. Jumlah ODP (Optical Distribution Point) yang digunakan pada rute/jalur FTTH

(Fiber To The Home) di PT. XYZ yaitu 9 ODP dan Merk GPON yang

digunakan yaitu Huawei.

c. Perhitungan nilai redaman dan power link budget terlebih dahulu dilakukan

secara manual berdasarkan rumus perhitungan masing-masing dan hasil nya

digunakan sebagai variabel parameter input yang digunakan pada proses

optimasi untuk pencarian rute/jalur terbaik.

d. Optimasi menggunakan skema TSP (Traveling Salesman Problem) yang

diimplementasikan pada algoritma PSO (Particle Swarm Optimization) dengan

menggunakan Microsoft Visual Studio 2019 untuk mendapatkan rute/jalur

4


terbaik dengan menampilkan keterangan perangkat ODP (Optical Distribution

Point) yang memiliki nilai fungsi minimal atau yang memiliki nilai fitness

terkecil.

e. Script coding bersifat hardcode dan tampilan hasil akhir simulasi berupa

aplikasi console.

f. Hasil dari simulasi optimasi menggunakan algortima PSO (Particle Swarm

Optimization) akan digunakan sebagai rekomendasi untuk penentuan rute/jalur

yang terbaik pada saat penambahan user baru di PT. XYZ.

1.4 Tujuan dan Manfaat

1.4.1 Tujuan

Adapun tujuan yang dapat diharapkan dalam penelitian ini yaitu sebagai berikut:

a. Memperoleh hasil perhitungan nilai redaman dan power link budget pada PT.

XYZ yang sesuai dengan standardisasi PT. Gerbang Sinergi Prima, kemudian

hasil dari perhitungan tersebut dapat digunakan sebagai variabel parameter

input pada proses optimasi menggunakan algoritma PSO (Particle Swarm

Optimization).

b. Dapat membuat sebuah sistem optimasi rute/jalur FTTH (Fiber To The Home)

berdasarkan parameter-parameter nilai redaman dan power link budget yang

telah diperoleh, proses optimasi menggunakan algoritma PSO (Particle Swarm

Optimization) dan diimplementasikan menggunakan Microsoft Visual Studio.

c. Mendapatkan hasil rute/jalur terbaik terhadap perangkat ODP (Optical

Distribution Point) berdasarkan keterangan dari perangkat ODP (Optical

Distribution Point) yang memiliki nilai fungsi minimal atau yang memiliki nilai

fitness terkecil setelah dilakukan proses optimasi menggunakan algoritma PSO

(Particle Swarm Optimization).

d. Merekomendasikan hasil rute/jalur terbaik pada saat penambahan user baru di

5


PT. XYZ berdasarkan proses optimasi menggunakan algoritma PSO (Particle

Swarm Optimization) yang telah dilakukan.

1.4.2 Manfaat

Adapun manfaat yang dapat diharapkan dalam penelitian ini yaitu sebagai berikut:

a. Hasil perhitungan nilai redaman dan power link budget yang telah dilakukan

dapat diimplementasikan sebagai variabel parameter input dalam proses

optimasi menggunakan algoritma PSO (Particle Swarm Optimization).

b. Hasil pembuatan sebuah sistem optimasi menggunakan algortima PSO

(Particle Swarm Optimization) pada Microsoft Visual Studio dapat digunakan

untuk pencarian rute/jalur terbaik pada perangkat ODP (Optical Distribution

Point) di PT. XYZ berdasarkan parameter-parameter nilai redaman dan power

link budget yang telah diperoleh.

c. Hasil rute/jalur terbaik terhadap perangkat ODP (Optical Distribution Point)

yang diperoleh setelah dilakukan proses optimasi menggunakan algoritma PSO

(Particle Swarm Optimization) dapat sesuai dengan standardisasinya yaitu

perangkat ODP (Optical Distribution Point) yang memiliki nilai fungsi minimal

atau yang memiliki nilai fitness terkecil.

d. Hasil rute/jalur terbaik dari proses optimasi menggunakan algoritma PSO

(Particle Swarm Optimization) yang telah dilakukan dapat ditujukan sebagai

rekomendasi pada saat penambahan user baru di PT. XYZ.

1.5 Metode Pelaksanaan Skripsi

Adapun metode pelaksanaan skripsi adalah sebagai berikut:

a. Analisis Permasalahan

Menganalisis segala bentuk permasalahan terkait dengan topik optimasi

menggunakan algoritma PSO (Particle Swarm Optimization) pada rute/jalur

6


FTTH (Fiber To The Home) yang akan dijadikan bahan skripsi untuk dicari

penyelesaiannya.

b. Studi Literatur

Mencari data-data dan asset penting dari berbagai sumber informasi melalui

buku, jurnal, artikel ilmiah dan literatur lainnya yang akan digunakan sebagai

bahan referensi sebelum menyelesaikan permasalahan yang dihadapi.

c. Analisis Kebutuhan

Menganalisis berbagai kebutuhan seperti metode, alat, dan bahan apa saja yang

dapat digunakan untuk penyelesaian masalah.

d. Perancangan Sistem

Melakukan perancangan skenario terhadap jalur FTTH (Fiber To The Home) di

PT. XYZ serta perancangan sistem optimasi menggunakan algoritma PSO

(Particle Swarm Optimization) pada Microsoft Visual Studio.

e. Pengujian Sistem

Melakukan pengujian terhadap sistem optimasi menggunakan algoritma PSO

(Particle Swarm Optimization) yang diimplementasikan pada software

Microsoft Visual Studio 2019 berdasarkan pada skenario yang telah dibuat

sesuai dengan data-data yang diperoleh dari laporan instalasi yang telah

dilakukan di PT. XYZ.

f. Analisis Hasil Pengujian Sistem

Melakukan analisis terhadap hasil pencarian rute/jalur terbaik menggunakan

algoritma PSO (Particle Swarm Optimization) yang diimplementasikan pada

software Microsoft Visual Studio 2019 berdasarkan keterangan perangkat ODP

(Optical Distribution Point) yang memiliki nilai fungsi minimal atau yang

memiliki nilai fitness terkecil.

7


g. Pembuatan Laporan Penelitian

Melakukan penyusunan laporan dari hasil proses penelitian yang telah

dilakukan sesuai dengan pedoman yang telah ditetapkan oleh panitia skripsi

Jurusan Teknik Informatika dan Komputer Politeknik Negeri Jakarta.

8

BAB II

TINJAUAN PUSTAKA

1. Tinjauan Pustaka

Dalam pembuatan tinjauan Pustaka ini seringkali berkaitan erat dengan karya tulis.

Susunan karya tulis disini ialah membahas tentang “Fiber Optic, FTTH (Fiber To

The Home), GPON (Gigabit Passive Optical Network), Power Link Budget,

Optimasi, PSO (Particle Swarm Optimization), dan Microsoft Visual Studio”.

2.1 Fiber Optic

2.1.1 Sistem Komunikasi Fiber Optic

Secara umum sistem komunikasi yang terdapat pada fiber optic terdiri dari tiga

bagian yaitu pemancar sebagai sumber pengirim informasi, detektor sebagai

penerima informasi, dan media transmisi sebagai sarana untuk melewatkan sinyal

informasi. Dimana pengirim memiliki fungsi untuk mengolah informasi yang akan

disampaikan dengan tujuan dapat melewati suatu media sehingga informasi yang

dikirim dapat sampai dan diterima dengan baik dan benar oleh tujuan/penerima.

Sedangkan perangkat yang ada dipenerima memiliki fungsi menterjemahkan

informasi yang dikirim sehingga maksud dari informasi tersebut dapat dengan

mudah dimengerti (Umaternate, et al., 2016).

Media transmisi yang terdapat pada sistem komunikasi serat optik berupa serat

optik itu sendiri dengan melewatkan informasi yang ada didalamnya berupa sinyal-

sinyal pulsa cahaya. Berbeda dengan komunikasi radio dan komunikasi microwave

yang didalamnya menggunakan panjang gelombang yang lebih pendek. Dalam

sebuah rangkaian komunikasi optik terdiri dari pemancar yang berfungsi

melakukan pengkodean pesan menjadi sinyal optik, kemudian sinyal tersebut

dibawa sampai ketujuan/penerima. Setelah itu pesan yang berupa sinyal optik

tersebut diolah pada sisi receiver (penerima).

9


2.1.2 Komponen Sistem Komunikasi Fiber Optic

Pada intinya kinerja suatu informasi sistem komunikasi fiber optic dapat ditinjau

dari 4 komponen, antara lain yaitu perangkat dan sumber pengirim, perangkat dan

detektor penerima, serta fiber optic dan konektor optic (Umaternate, et al., 2016).

a. Sumber Pengirim

Komponen dalam sebuah sistem komunikasi fiber optic yang berfungsi dapat

mengubah sinyal listrik menjadi sinyal cahaya disebut sumber pengirim. Ada 2

tipe sumber pengirim pada fiber optic yang digunakan untuk mengirim cahaya

informasi melalui fiber optic tersebut, yaitu LED (Light Emitting Diode) yang

memiliki spektrum cahaya lebar dan dipakai pada fiber optic jenis multi mode,

dan LD (Laser Diode) biasa digunakan untuk komunikasi menggunakan fiber

optic jenis single mode karena memiliki spektrum cahaya yang sempit.

b. Detektor Penerima

Fungsi dari detektor optik yaitu sebagai penerima dalam sistem komunikasi

fiber optic. Tugas dari sebuah detektor optik atau photodetector berbanding

terbalik dari apa yang dikerjakan oleh sumber optik sebagai pengirim.

Gelombang sesuai aslinya dengan meminimalisasi loses yang timbul selama

perambatan sehingga dapat menghasilkan sinyal elektrik yang maksimum

dengan daya optik yang kecil dapat dihasilkan dari detektor optik. Ada 2 tipe

detektor optik, yaitu yaitu PIN (positive-intrinsic negative) dan APD

(avalanched photo diode).

PIN (positive-intrinsic negative) diode yang baik digunakan untuk bit rate

rendah dan sensitivitasnya tinggi untuk LED (Light Emitting Diode) sehingga

dapat digunakan untuk komunikasi jarak pendek dengan daya pancar yang lebih

kecil dan pada bit rate 100 Mbps dayanya sudah mulai menurun. Berbeda

dengan sumber cahaya LD (Laser Diode) yang erlihat memiliki daya lebih

besar, stabil, konstan pada bit rate berapapun.

10


Suatu modul terpadu yang mempunyai fleksibilitas penggunaan yang tinggi

dapat diperoleh oleh dioda PIN positive-intrinsic negative) yang memiliki

desain memungkinkan untuk diintegrasikan dengan suatu penguat FET, namun

Dioda PIN kurang sensitif dibandingkan dengan APD (avalanched photo

diode). Tetapi APD (avalanched photo diode) sangat memerlukan penggunaan

suatu konverter (dengan range tegangan kerja dari 25~80V) dan lebih sesuai

untuk digunakan pada sistem jarak jauh.

c. Konektor Serat Optik

Salah satu perlengkapan kabel serat optik yang berfungsi sebagai kabel serat

optik sebagai penghubung serat disebut konektor optik. Dalam hal fungsi dan

tampilan luar konektor ini mirip dengan konektor listrik tetapi konektor pada

serat optik memiliki ketelitian yang lebih tinggi. Apabila sewaktu-waktu serat

akan dilepas saat diperlukan suatu penggantian transmitter atau receiver

maupun untuk melakukan suatu kegiatan perawatan maupun pengukuran sangat

diperlukan sebuah konektor. Gambar 2.1 menunjukkan jenis-jenis konektor

serat optik.

Gambar 2.1 Jenis-Jenis Konektor Serat Optik

Sumber: Umaternate, I., Saifuddin, M. Z., dan Saman, H., 2016

d. Kabel Serat Optik

Sebuah kaca murni yang panjang dan tipis serta berdiameter sangat kecil

(mikron) disebut serat optik. Pemantulan sempurna dengan membuat kedua

11


indeks bias dari core dan cladding berbeda, sehingga cahaya (informasi) dapat

memantul dan merambat di dalamnya merupakan prinsip dari serat optik.

Struktur bagian serat optik terdiri dari core, cladding dan coating. Gambar 2.2

menunjukkan struktur bagian serat optik.

Gambar 2.2 Jenis-Jenis Kabel Serat Optik


2.1.3 Jenis-Jenis Fiber Optic

Beberapa jenis serat dari jaringan fiber optic biasanya dapat dengan mudah

diketahui hanya dengan melihat transmitter (media transmisi data) yang

digunakannya. Berikut ini jenis-jenis serat optik (Umaternate, et al., 2016):

Gambar 2.3 Jenis-Jenis Fiber Optic

Sumber: https://www.kajianpustaka.com/2018/07/pengertian-jenis-dan-prinsip-kerja-serat-

optik.html/ 14/04/20-21:06

12


a. Single Mode

Penggunaan kabel fiber optic ini hanya memungkinkan terjadinya satu modus

cahaya saja yang dapat tersebar melalui inti pada suatu waktu. Oleh sebab itu

kabel jaringan fiber optic jenis single mode hanya memiliki inti (core) yang

relatif kecil, dengan diameter sekitar 0.00035 inch atau 9 micron, serta hanya

menggunakan tranmitter laser semikonduktor yang mengirimkan sinar laser

inframerah dengan panjang gelombang mencapai 1300-1550 nm.

b. Multi Mode

Jenis kabel fiber optic yang memiliki inti (core) yang lebih besar dibanding

milik kabel fiber optic jenis single mode yakni berdiameter sekitar 0.0025 inch

atau 62.5 micron disebut Muliti mode. Penggunaan kabel fiber optic jenis ini

memungkinkan ratusan modus cahaya tersebar melalui serat secara bersamaan

karena ukuran yang lebih besar. LED sebagai media transmisinya, serta lebih

ditujukan untuk kepentingan komersil itulah tujuan dari kabel fiber optic jenis

multi mode.

Jenis susunan indeks bias dapat dibedakan menjadi 3 jenis berdasarkan profil

indeks bias dan mode gelombang yang berbeda terjadi pada perambatan cahaya

yang dimiliki serat optik, susunan indeks bias tersebut antara lain yaitu:

1. Single Mode Step Index

Gambar 2.4 Perambatan pada Single Mode Step Index


13


Ukuran core pada jenis single mode step index ini jauh lebih kecil dari

cladding-nya dibuat demikian agar rugi-rugi transmisi berkurang akibat

fading maka dari itu baik core maupun cladding nya dibuat dari bahan silica

glass.

2. Multi Mode Step Index

Gambar 2.5 Perambatan pada Multi Mode Step Index


Serat optik multi mode step index digunakan dalam transmisi jarak pendek

dengan laju data yang rendah dan memiliki loss yang besar. Pelebaran pulsa

mengakibatkan adanya perbedaan bit-bit data yang ditransmisiskan

sehingga pada serat optik multi mode step index pulsa disisi terima akan

lebih besar dibandingkan dengan pulsa disisi kirim. Diameter core pada

jenis multi mode step index ini lebih besar diameter cladding-nya. Maka

dari itu dampak dari besarnya diameter core menyebabkan rugi-rugi dispersi

waktu transmitter nya besar.

3. Multi Mode Graded Index

Gambar 2.6 Perambatan pada Multi Mode Graded Index


14


Sejumlah lapisan gelas yang memiliki indeks bias yang berbeda, indeks bias

yang tertinggi terdapat pada pusat core dan berangsur-angsur turun hingga

yang terendah terdapat pada batas antar core dan cladding merupakan

bagian core dari jenis serat optik multi mode graded index. Berdasarkan hal

tersebut dapat terjadi dispersi waktu berbagai mode cahaya yang merambat

berkurang sehingga cahaya akan tiba pada waktu yang bersamaan. Gambar

diatas ini menunjukan perambatan gelombang dalam multi mode graded

index.

2.2 FTTH (Fiber To The Home)

Suatu arsitektur JARLOKAF yang memungkinkan pernarikan kabel serat optik

sangat dekat dengan pelanggan disebut FTTH (Fiber To The Home). Keinginan

masyarakat akan layanan akses yang berkualitas serta peningkatan layanan Triple

Play sebagai pemicu utama teknologi ini semakin berkembang. FTTH (Fiber To

The Home) memiliki jarak maksimum antara sentral dengan pelanggan berkisar

20km. Panjang gelombang yang digunakan yaitu 1490nm untuk downstream dan

sinyal optik, serta panjang gelombang 1310nm untuk upstream digunakan untuk

mengirim data dan suara (Mutaharrik., dan Sugito., 2016). Gambar 2.7 pada

menujukkan jaringan FTTH secara umum.

Gambar 2.7 Jaringan FTTH Secara Umum

Sumber: http://www.elektroindonesia.com/elektro/tel30a.html/ 14/04/20-21:27

15


2.2.1 Redaman pada FTTH (Fiber To The Home)

Perhitungan nilai redaman pada FTTH (Fiber To The Home) adalah sebagai berikut

ini (Fitriyani, et al., 2015):

Redaman G652D = Jarak (km) × 0,35

Redaman Splice = 0,1 dB × n Splice

Redaman Splitter ODP 1 : 8 = 10,38 dB

Redaman Splitter OTP 1 : 8 = 10,38 dB

Redaman Total = Redaman Kabel OLT sampai ODP + Redaman

Kabel ODP sampai OTP + Redaman Kabel OTP

sampai ONT + Redaman Splitter ODP + Redaman

Redaman Splitter OTP + Redaman Splice

2.2.2 Komponen Perangkat pada Jaringan FTTH (Fiber To The Home)

Komponen Perangkat Pada Jaringan FTTH (Fiber To The Home) adalah sebagai

berikut (Alfarizi, M., 2015):

a. OLT (Optical Line Terminal)

Fungsi dari OLT yaitu menyediakan interface antara sistem PON dengan

penyedia layanan (service provider) data, video, dan jaringan telepon. OLT

akan membuat link ke sistem operasi penyedia layanan melalui NMS (Network

Management System). Gambar 2.8 menunjukkan OLT.

Gambar 2.8 OLT

Sumber: https://en.wikipedia.org/wiki/Optical_line_termination/ 14/04/20-21:39

16


b. ODC (Optical Distribution Cabinet)

ODC berfungsi sebagai penghubung jaringan optik antara perangkat OLT

sampai perangkat ODC. Sarana transmisi optik dari OLT terhadap pengguna

dan sebaliknya dapat disediakan oleh ODC maka dari itu letak perangkat ODC

ini terletak pada rumah kabel. Proses transmisi menggunakan komponen optik

pasif. Konektor dan passive splitter termasuk beberapa komponen perangkat

interior pada ODC.

Gambar 2.9 ODC Sumber: https://paz-indonesia.com/paket/optical-distribution-cabinet-odc-with-splitter-144-

port/ 14/04/20-21:41

c. ODP (Optical Distribution Point)

Titik pembagian Instalasi atau terminasi yang pembagiannya memakai splitter

dan langsung siap menuju HomePassed atau titik rumah pelanggan disebut

ODP (Optical Distribution Point). Persyaratan utama untuk menjamin

kemampuan transmisi pada kabel fiber optic yaitu terminasi yang baik dari

fiber. Gambar 2.10 menunjukkan ODP.

Gambar 2.10 ODP

Sumber: https://www.mylinkwell.com/portfolio-item/lw-odb-24c-optical-distribution-point-

odp-box-24/ 14/04/20-21:47

17


d. Roset

Sebagai titik tambat akhir dari suatu alur jaringan fiber optic yaitu Drop Cable

yang menggunakan fiber optic tipe G657 dan hanya terdapat konektor beserta

patch cord untuk sambungan ke ONT merupakan fungsi dari roset. Gambar

2.11 menunjukkan roset.

Gambar 2.11 Roset

Sumber: http://www.dtcnetconnect.com/DtC/index.php/dtc-fttx-solution/ 14/04/20-21:48

e. ONT (Optical Network Terminal)

Suatu end device atau last point jalur serat optik yang berasal dari STO atau

OLT disebut ONT. Perangkat ONT menyediakan interface antara jaringan optik

dengan pelanggan untuk layanan data, suara, dan video. Sinyal optik yang

ditransmisikan melalui ODP (Optical Distribution Point) diubah oleh ONU

menjadi sinyal elektrik yang diperlukan untuk service pelanggan. Gambar 2.12

menunjukkan ONT.

Gambar 2.12 ONT

Sumber: https://www.amazon.in/Technomart-Technologies-1POTS-Router-

Antenna/dp/B07S69NZ27/ 14/04/20-21:50

18


2.3 GPON (Gigabit Passive Optical Network)

Pengembangan dari teknologi PON yang memiliki sistem point to multipoint

dengan menggunakan serat optik tunggal dalam pendistribusian traffic Triple Play

disebut GPON (Gigabit Passive Optical Network). GPON menerapkan sistem point

to multipoint dengan dibantu oleh perangkat passive berupa splitter yang dapat

mengirimkan ke beberapa ONT. Downstream memiliki panjang gelombang operasi

yaitu sebesar 1480-1500nm dan sedangkan untuk upstream memiliki panjang

gelombang 1260-1360nm (Mutaharrik., dan Sugito., 2016). Gambar 2.13

menujukkan arsitektur GPON secara umum. Pada halaman lampiran, tabel 2.1

menunjukkan batasan maksimal nilai total redaman pada passive splitter.

Gambar 2.13 Arsitektur GPON Secara Umum

Sumber: http:// https://community.fs.com/blog/overview-of-gpon-technology.html/ 14/04/20-21:54

Adapun penjelasan mengenai batasan dan ukuran total redaman maksimal pada

passive splitter yaitu pada tabel berikut ini:

Tabel 2.1 Total Redaman Maksimal pada Passive Splitter

Network Element Batasan Ukuran

Splitter 1 : 2 Maksimal 3,70 dB





19


2.4 Power Link Budget

Dalam sistem transmisi serat optik, power link budget merupakan hal yang penting.

Power link budget dapat diperoleh dengan mengurangkan seluruh redaman serat

optik pada sistem daya yang dikirimkan oleh transmitter. Dalam perencanaan

sistem serat optik harus memastikan bahwa sistem tersebut mempunyai daya yang

cukup dengan tujuan untuk mengemudikan receiver pada level yang diinginkan

(Agil., dan Zulfin., 2015).

Hasil power link budget dapat dihitung dengan persamaan berikut ini (Pramundia,

N. O., Sudiarta, P. K., dan Gunantara, N., 2015):

Prx = Ptx – (αf + αc + αs +M)

Dengan:

Prx = daya sinyal yang diterima (dBm)

Ptx = daya optik yang dipancarkan dari sumber cahaya (dBm)

αf = redaman kabel serat optik (panjang kabel (km) × loss kabel (0,35))

αc = redaman pada konektor (jumlah konektor × loss konektor (0,5))

αs = redaman pada splicer (jumlah splice × loss splice (0,5))

M = nilai yang digunakan untuk mengkompensasi redaman yang terjadi pada

fiber optic.

2.4.1 Margin Daya

Agar suatu sistem komunikasi dapat berlangsung secara terus menerus maka sinyal

yang diterima harus berada diatas ambang. Perbedaan sinyal dalam bentuk C/N

dengan satuan dB antara batas ambang (minimum) dengan sinyal puncak (peak)

yang diharapkan disebut dengan link margin. Sedangkan margin daya secara

definitif merupakan suatu kenaikan daya pancar yang harus dilakukan dengan

tujuan agar level daya diterima ≥ level daya terima minimum (thershold) yang

diijinkan (Fayakun, et al., 2018).

20


2.5 Optimasi

Pada umumnya algoritma optimasi sering digunakan untuk memecahkan masalah

teknik. Optimasi merupakan bentuk suatu kegiatan atau usaha dengan tujuan untuk

mendapatkan hasil terbaik dengan peryaratan atau aturan yang diberikan.

Menggunakan suatu metode optimasi bertujuan untuk memperoleh hasil yang

terbaik (Wanto, A., 2017).

2.6 PSO (Particle Swarm Optimization)

Kennedy dan Eberhart telah memperkenalkan metode optimasi global pada tahun

1995 berdasarkan penelitian yang telah dilakukan terhadap perilaku kawanan

burung dan ikan. Dalam Particle Swarm Optimization terdapat kecepatan partikel

yang dimiliki oleh setiap partikel sehingga dapat bergerak dalam ruang pencarian

dengan kecepatan yang dinamis disesuaikan dengan perilaku historis mereka.

Selama proses pencarian setiap partikel memiliki kecenderungan untuk bergerak

menuju ke daerah pencarian yang lebih baik (Muhamad, et al., 2017).

Sebuah metode yang biasanya digunakan untuk menyelesaikan suatu permasalahan

mengenai optimasi yang memiliki sifat stotastik yaitu dapat memberi solusi

permasalahan dalam bentuk partikel, dan partikel tersebut akan digunakan secara

acak sebanyak n partikel disebut metode PSO (Particle Swarm Optimization)

(Anggodo, et al., 2017).

Algoritma PSO (Particle Swarm Optimization) dapat diimplementasikan pada

skema TSP (Traveling Salesman Problem) sebagai penyelesaian masalah yang

diimplementasikan untuk menentukan rute/jalur terbaik dari jaringan FTTH (Fiber

The To Home). TSP akan melewati setiap titik-titik dari letak perangkat pada

rute/jalur jaringan FTTH (Fiber The To Home) sehingga dapat menentukan

rute/jalur yang efektif dan efisien.

PSO (Particle Swarm Optimization) secara matematis dapat diselesaikan, misalnya

sebuah ruang pencarian didefinisikan sebagai A ⸦ Rn dan fungsi tujuan

didefinisikan f : A → Y ⸦ R. Dimana metode PSO (Particle Swarm Optimization)

21


ini merupakan algoritma berbasis populasi yang menyelidiki ruang secara

bersamaan. Pada PSO (Particle Swarm Optimization) populasi disebut swarm dan

individu-individunya disebut partikel, swarm didefinisikan sebagai himpunan:

S = {C1 .C2, C3, …, Cm}

Dari m partikel (calon solusi), dapat didefinisikan sebagai berikut:

C1 = {Ci1, Ci2, Ci3, …, Cim}T €, i = 1,2,3, … . ,m

Pergerakan partikel-partikel akan menyesuaikan posisi mereka dengan

menggunakan kecepatan (velocity) pada ruang pencariannya. Adapun kecepatan

(velocity) dapat didefinisikan sebagai berikut ini:

V1 = {Vi1, Vi2, Vi3, …,Vim}T €, i = 1,2,3, … . ,m

Rumus kecepatan diatas akan disesuaikan secara bertahap dengan tujuan partikel-

partikel tersebut dapat mengunjungi setiap wilayah A. Dalam kasus ini T

merupakan jumlah iterasi (perulangan) maka posisi pada saat ini dan masing-

masing kecepatannya yaitu Ci (t) dan Vi (t). Kecepatan tersebut tentunya akan

diperbarui sesuai dengan informasi dari algoritma PSO (Particle Swarm

Optimization). Dalam kasus ini juga tentunya partake S akan mengingat dan

menyimpan posisi terbaik yang pernah dikunjungi selama proses pencarian dan

tetap diingat dalam memori. Berdasarkan hal tersebut memori yang dipertahankan

PSO (Particle Swarm Optimization) adalah:

P = {p1best, p2best, …, p3best}

Memori yang mengandung posisi terbaik yaitu:

pibest = {pi1, pi2, …, pi3}T €, i = 1,2,3, … . ,m

Serta pernah dikunjungi sebagai partikel sehingga posisinya ini dapat didefinisikan

sebagai berikut:

pibest (t) = arg min fi (t)

Dengan arg min fi (t) merupakan partikel fi (t) yang minimal.

22


Yang mendasari metode PSO (Particle Swarm Optimization) ini adalah perilaku

sosial sehingga mekanisme pertukaran informasi harus selalu ada dan

memungkinkan untuk antara partikel yang satu dengan partikel yang lainnya dapat

saling berkomunikasi.

Algoritma PSO (Particle Swarm Optimization) akan mendekati minimum global

dengan posisi terbaik yang pernah dikunjungi oleh setiap partikel. Dengan catatan

jika g sebagai posisi terbaik dengan nilai fungsi terendah P pada t iterasi yang

diberikan. Adapun persamaan fungsinya yaitu:

gbest (t) = arg min f (pibest (t))

Dengan persamaan fungsi arg min f (pibest (t)) adalah pibest dengan f (pibest (t)) yang

minimal.

Kecepatan posisi akan diperbarui oleh masing-masing partikel, dengan persamaan

fungsinya sebagai berikut:

Vin = wVin + c1r1(pibest – Cin) + c2r2(gbest – Cin)

Cin = Cin + Vin

Dimana w merupakan koefisien inerisa pada interval [0,1], c1c2 berupa bilangan

konstanta positif yang merupakan koefisien akselerasi, r1r2 merupakan bilangan

acak pada interval [0,1] (Anggodo, et al., 2017).

Dalam beberapa studi kasus mengenai topik optimasi, khususnya pada algoritma

PSO (Particle Swarm Optimization), implementasinya menggunakan beberapa

variabel parameter yang berbeda sesuai dengan kebutuhan pada simulasi yang

dilakukan untuk mencari sebuah solusi optimal, seperti dalam studi kasus simulasi

ini menggunakan beberapa dimensi, dimana dalam kasus simulasi ini, dimensi

merupakan banyaknya variabel permasalahan yang tentunya sangat bergantung

pada masing-masing topik. Jika permasalahan dari sebuah topik hanya berjumlah 2

maka hanya diperlukan x dan y saja; jika berjumlah 4 maka harus ada 4 variabel

permasalahan misalnya w,x,y,z. Dengan begitu, variabel permasalahan yang

digunakan tergantung pada masing-masing studi kasus yang ada (Stefano., 2015).

23


2.6.1 Nilai Fitness

Nilai fitness adalah nilai yang dimiliki oleh masing-masing individu untuk

menentukan tingkat kesesuaian individu tersebut dengan kriteria atau tujuan

(obyektif) permasalahan yang ingin dicapai. Nilai fitness suatu kromosom

menggambarkan kualitas kromosom dalam populasi tersebut untuk dipilih sebagai

calon solusi. Didalam evolusi alam, individu yang bernilai fitness terbaik yang akan

bertahan hidup. Sedangkan individu yang bernilai fitness buruk akan mati

(Suprayogi., dan Mahmudy., 2015).

2.6.2 Nilai Fungsi

Nilai fungsi merupakan salah satu model dari program linear yang digunakan dalam

ilmu terapan sebagai suatu teknik dalam pengambilan keputusan untuk

memecahkan masalah optimasi. Dengan adanya nilai fungsi tujuan dapat

mengoptimumkan sebuah fungsi dari variabel-variabel tujuan sehingga

memperoleh sebuah solusi terbaik dari sejumlah kemungkinan solusi yang dimiliki.

Solusi terbaik disebut sebagai solusi optimum yang dapat memberikan nilai fungsi

tujuan terkecil untuk sebuah pemecahan masalah (Rumahorbo., dan Mansyur.,

2016).

2.7 Microsoft Visual Studio

Salah satu produk software dari Microsoft adalah Microsoft Visual Studio, dimana

Microsoft Visual Studio ini biasa digunakan untuk melakukan pengembangan

berbagai jenis aplikasi. Jenis-jenis aplikasi yang dapat dikembangkan oleh

Microsoft Visual Studio antara lain aplikasi bisnis, aplilasi personal, maupun

komponen aplikasinya. Bentuk aplikasi yang dapat dibuat menggunakan Microsoft

Visual Studio berupa aplikasi console, aplikasi Windows, maupun aplikasi

berbentuk Web. Kompiler yang terdapat pada paket Microsoft Visual Studio antara

lai yaitu Visual C++, Visual C#, Visual Basic, Visual Basic.Net, Visual InterDev,

Visual J++, Visual J#, Visual FoxPro, dan Visual SourceSafe (Umagapi., dan

Hasan., 2018).

24


2.7.1 Bahasa C#

C# (tanda baca “#” dibaca “Sharp”) adalah bahasa pemrograman yang diciptakan

oleh Microsoft, dimana secara khusus merupakan salah satu bahasa pemrograman

yang baru karena C# tidak berevolusi dari bahasa C# versi bukan teknologi .NET.

dengan demikian, tentunya bahasa C# dapat memaksimalkan kemampuan yang

dimilikinya tanpa khawatir dengan masalah kompabilitas terhadap versi-versi

sebelumnya (Azis., dan Tarwoto., 2017).

2. Penelitian Sejenis

Penelitian ini dilakukan berkaitan dari hasil penelitian-penelitian yang pernah

dilakukan terdahulu sebagai bahan perbandingan dan kajian. Beberapa penelitian

yang telah dilakukan terdahulu yaitu mengenai topik optimalisasi jaringan

komunikasi fiber optic, implementasi algoritma optimasi untuk rute/jalur FTTH

(Fiber To The Home), serta implementasi algoritma PSO (Particle Swarm

Optimization) untuk penentuan posisi target terdekat.

(Kartiria, K., 2017) melakukan penelitian mengenai optimalisasi jaringan

komunikasi fiber optic PT. Telkom pada jalur link STO Padang hingga Bukittinggi.

Penelitian yang dilakukan yaitu menganalisis hasil Power Budget untuk menilai dan

mengevaluasi kelayakan jaringan komunikasi pada jalur tersebut. Untuk

mengetahui kualiatas dan kelayakan dari jalur link tersebut perlu dilakukan

pengukuran dengan menggunakan alat ukur OTDR (Optical time-domain

reflectometer) dan Power Meter dengan tujuan dapat melihat besaran redaman serat

optik sepanjang jalur link STO Padang hingga Bukit Tinggi. Berdasarkan hasil yang

telah diperoleh dan dianalisis bahwa jalur link STO Padang hingga Bukittinggi

dapat dikatakan optimal karena sesuai dengan standardisasi yang berlaku pada PT.

Telkom yaitu komunikasi jarak jauh pada redaman maksimal yang perbolehkan

tidak lebih dari 0.25dB/Km.

Penelitian diatas dapat berpengaruh pada studi kasus yang dijadikan bahan

penelitian dalam skripsi ini, yaitu mengenai analisis hasil perhitungan power link

25


budget dan besaran total redaman fiber optic sepanjang rute/jalur FTTH (Fiber To

The Home) di PT. XYZ dengan tujuan untuk menilai dan mengevaluasi kualitas

serta kelayakan dari rute/jalur FTTH (Fiber To The Home) di PT. XYZ.

(Tianto, R., 2017) melakukan penelitian mengenai instalasi jaringan fiber optic di

Surabaya Timur tepatnya di Kelurahan Panjang Jiwo. Penelitian yang dilakukan

tersebut bertujuan untuk menganalisa dan mengoptimasi jumlah penggunaan kabel

fiber optic, yaitu penempatan pelanggan baru di ODP (Optical Distribution Point).

Pada penelitian tersebut juga merancang jaringan kabel fiber optic tanpa

memperhatikan hambatan (antenuation) pihak perusahaan yang hanya

mengizinkan peneliti untuk mengukur panjang kabel yang tersambung dari ODC

(Optical Distribution Cabinet) menuju ODP (Optical Distribution Point) dan

berakhir di pelanggan. Pada penempatan pelanggan, jarak pelanggan tidak melebihi

100 meter dari letak ODC (Optical Distribution Cabinet). Adapun metode optimasi

yang digunakan dalam penelitian tersebut yaitu menggunakan metode Integer

Linier Programming Hub Location Problem.

Pada penelitian diatas menjelaskan mengenai optimasi rute fiber optic

menggunakan metode Integer Linier Programming Hub Location Problem.

Penelitain tersebut dapat berkaitan dengan studi kasus optimasi pada penelitian

skripsi ini, yaitu berfokus pada penempatan user baru di PT. XYZ pada perangkat

ODP (Optical Distribution Point) yang sudah tersedia, tujuannya untuk

menganalisis dan mengoptimalisasi rute/jalur FTTH (Fiber To The Home) di PT.

XYZ dari letak ODC (Optical Distribution Cabinet) hingga ke perangkat user

dengan menggunakan algoritma optimasi yang berbeda, yaitu algoritma PSO

(Particle Swarm Optimization).

(Priyadana, et al., 2018) melakukan penelitian mengenai Algoritma PSO (Particle

Swarm Optimization) untuk penentuan posisi target terdekat yang

diimplementasikan pada Multi Mobile Robot. Penelitian yang dilakukan tersebut

menggunakan 3 (tiga) buah autonomous mobile robot yang sifatnya homogen

sebagai objek untuk pengimplementasiaan algoritma PSO (Particle Swarm

26


Optimization). Sekelompok mobile robot tersebut akan menentukan robot dengan

jarak yang terdekat dengan titik target TPr (robot handler) yang berjumlah 3 (tiga)

buah, dimana TPr (robot handler) tersebut dieksekusi oleh mobile robot sesuai pada

posisi mereka dengan titik target yang harus diselesaikan. Peneliti melakukan

pengujian dengan mengambil sampling data odometri setiap 250 milisekon dan data

frame komunikasi robot. Hasil yang diperoleh berupa pemodelan sistem mengenai

hasil implementasi algoritma PSO (Particle Swarm Optimization) pada sekumpulan

mobile robot untuk menentukan robot mana yang posisinya terdekat dengan target.

Penelitian diatas dapat berkaitan dengan studi kasus yang dijadikan bahan

penelitian pada skripsi ini mengenai optimasi menggunakan algoritma PSO

(Particle Swarm Optimization). Penelitian diatas menggunakan algoritma PSO

(Particle Swarm Optimization) dengan tujuan untuk penentuan posisi target

terdekat yang diimplementasikan pada Multi Mobile Robot. Sedangkan, penelitian

pada skripsi ini mengimplementasikan algoritma PSO (Particle Swarm

Optimization) untuk proses optimasi rute/jalur FTTH (Fiber To The Home) di PT.

XYZ dengan tujuan untuk memperoleh hasil rute/jalur terbaik.

27

BAB III

PERENCANAAN DAN REALISASI

3.1 Perancangan Program Aplikasi

Pada bagian ini menjelaskan mengenai topik penelitian Skripsi yang berupa

program aplikasi harus dilengkapi dengan beberapa poin. Adapun poin-poin

tersebut adalah sebagai berikut ini:

3.1.1 Deskripsi Algoritma PSO pada Rute Jaringan FTTH di PT. XYZ

Dalam penelitian ini algoritma PSO (Particle Swarm Optimization) akan

diimplementasikan untuk mencari jalur terbaik pada rute/jalur FTTH (Fiber To The

Home) di PT. XYZ. Dimana PT. XYZ ini merupakan user dari PT. Gerbang Sinergi

Prima yang telah dilakukan proses instalasi fiber optic. Proses optimasi dimulai dari

pengambilan data yang berupa gambar rute/jalur dari titik ODP (Optical

Distribution Point) di PT. XYZ yang telah ditentukan berdasarkan pada dokumen

As-Planning. Setelah itu melakukan perhitungan nilai redaman dan power link

budget pada PT. XYZ secara manual berdasarkan data-data hasil pengukuran yang

telah diperoleh pada laporan instalasi. Setelah hasil perhitungan diperoleh, maka

selanjutnya melakukan proses optimasi rute/jalur ODP (Optical Distribution Point)

pada PT. XYZ menggunakan algoritma PSO (Particle Swarm Optimization) yang

diimplementasikan pada software Microsoft Visual Studio. Adapaun variabel

parameter input yang digunakan yaitu berdasarkan pada hasil dari perhitungan nilai

redaman dan power link budget yang telah diperoleh sebelumnya dengan tujuan

untuk mendapatkan rute/jalur yang terbaik. Hasil dari optimasi tersebut akan

menunjukkan rute/jalur yang terbaik dengan menampilkan keterangan perangkat

ODP (Optical Distribution Point) yang memiliki nilai fungsi minimal atau nilai

fitness terkecil, serta dapat menjadi rekomendasi kepada PT. Gerbang Sinergi Prima

pada saat proses instalasi user baru di PT. XYZ. Gambar 3.1 menunjukkan

flowchart penelitian proses optimasi pada rute/jalur FTTH (Fiber To The Home) di

PT. XYZ menggunakan algortima PSO (Particle Swarm Optimization).

28


Gambar 3.1 Flowchart Penelitian

Mulai

Mendapatkan data dan informasi dari

PT. Gerbang Sinergi Prima berupa

rute/jalur PT. XYZ dengan titik lokasi

masing-masing ODP beserta rutenya

Menentukan lokasi penelitian

Apakah hasil nilai

redaman dan power

link budget sesuai

dengan standard PT.

Gerbang Sinergi

Prima, ≤ 25 dBm?

Menentukan titik lokasi perangkat

ODP pada PT. XYZ berdasarkan

dokumen As-Planning

Mengukur jarak panjang kabel dari

letak POP sampai ke pelanggan

Optimasi rute/jalur ODP

menggunakan algoritma PSO

dengan variabel parameter;

Dimensi x; hasil downlink, batas

minimal, dan batas maksimal

Dimensi y; hasil uplink, batas


Dimensi z; hasil total redaman,

batas minimal, dan batas maksimal

Selesai

T

Y

Y

T

Analisis hasil optimasi

rute/jalur ODP menggunakan

algoritma PSO

Apakah hasil optimasi

menunjukkan ODP

dengan nilai fungsi

minimal atau fitness

terkecil?

Menghitung nilai redaman dan

power link budget pada PT.

XYZ secara manual

berdasarkan data pada laporan

instalasi

29


3.1.2 Rancangan Optimasi Rute FTTH (Fiber To The Home) di PT. XYZ

Dalam melakukan suatu penelitian diperlukan suatu rancangan yang terstruktur dari

proses awal hingga proses akhir. Tujuannya agar penelitian yang dilakukan

mendapatkan hasil yang maksimal dan sesuai dengan rancangan yang telah dibuat.

Adapun rancangan proses optimasi yang akan dilakukan dalam penelitian ini yaitu

mengenai topologi, layout, dan ASPLAN (As-Planning) dari rute jaringan FTTH

(Fiber To The Home) di PT. XYZ, serta spesifikasi dari perangkat dan

software/tools yang digunakan dalam proses optimasi tersebut. Berikut ini adalah

penjelasan mengenai rancangan optimasinya:

3.1.2.1 Topologi Rute Jaringan FTTH (Fiber To The Home) di PT. XYZ

Topologi jaringan biasa digunakan sebagai cara atau metode yang dipakai untuk

mengkoneksikan antara perangkat satu dengan perangkat yang lainnya sehingga

dapat berkomunikasi satu sama lain. Dengan adanya topologi rute jaringan FTTH

(Fiber To The Home) di PT. XYZ tentunya dapat menghubungkan jaringan yang

ada dalam suatu jalur transmisi tersebut sehingga sebuah informasi dapat dikirim

dari satu tempat ke tempat yang lainnya sesuai dengan alamat yang dituju. Gambar

3.2 merupakan topologi dari rute jaringan FTTH (Fiber To The Home) di PT. XYZ.

Gambar 3.2 Topologi Rute Jaringan FTTH di PT. XYZ

30


3.1.2.2 ASPLAN (As-Planning) Rute Jaringan FTTH (Fiber To The Home) di

PT. XYZ

ASPLAN (As-Planning) digunakan sebagai penjelasan mengenai rute/jalur FTTH

(Fiber To The Home) secara terperinci, mulai dari letak lokasi POP (Point of

Presence) hingga ke lokasi perangkat user. Dalam penelitian ini, rute/jalur FTTH

(Fiber To The Home) di PT. XYZ melalui 9 ODP (Optical Distribution Point) yang

terdiri dari 1 ODC (Optical Distribution Cabinet) menggunakan kabel distribusi

yang menghubungkan langsung pada 8 ODP (Optical Distribution Point),

kemudian dari ODP (Optical Distribution Point) yang terkahir menggunakan kabel

drop yang menghubungkan ke roset dan menggunakan kabel indoor untuk

menghubungkan roset tersebut dengan ONT (Optical Network Termination) yang

berada pada ruang server disisi user. Setelah semua kabel pada masing-masing

perangkat berhasil terhubung maka selanjutnya mengaktifkan layanan pada PT.

XYZ. Gambar 3.3 merupakan ASPLAN (As-Planning) dari rute jaringan FTTH

(Fiber To The Home) di PT. XYZ.

Gambar 3.3 ASPLAN Rute Jaringan FTTH di PT. XYZ

3.1.2.3 Layout Rute Jaringan FTTH (Fiber To The Home) di PT. XYZ

Layout dapat disebut sebagai bentuk dan manajemen lapangan. Tujuan utama

dibuatnya sebuah Layout adalah untuk menyajikan gambar dan teks agar mudah

31


dipahami bagi pembaca untuk menerima informasi yang disajikan. Demikian juga

dalam suatu rancangan rute/jalur FTTH (Fiber To The Home) tentunya diperlukan

sebuah layout dengan tujuan agar user tersebut dapat mengetahui kondisi real

mengenai rute/jalur dari jaringan FTTH (Fiber To The Home) yang akan

diimplementasikan. Gambar 3.4 merupakan Layout dari rute jaringan FTTH (Fiber

To The Home) di PT. XYZ.

Gambar 3.4 Layout Rute Jaringan FTTH di PT. XYZ

3.1.2.4 Spesifikasi Perangkat dan Software/Tools

Berikut adalah spesifikasi perangkat dan software/tools berdasarkan parameter

yang disesuaikan dengan case:

a. ODP (Optical Distribution Point) sebagai ODC (Optical Distribution Cabinet)

yang memiliki fungsi sebagai tempat instalasi sambungan jaringan optik,

spesifikasi didalamnya menggunakan FDT (Fiber Distribution Terminal)

passive splitter 1 : 8, merk GPON yang digunakan yaitu Huawei.

b. OTP (Optical Termination Premises) sebagai ODP (Optical Distribution Point)

yang memiliki fungsi sebagai titik terminasi kabel drop optic untuk membagi

satu satu core optic ke beberapa pelanggan, dengan spesifikasi menggunakan

passive splitter 1 : 8, merk GPON yang digunakan yaitu Huawei.

c. Software Microsoft Visual Studio dengan menggunakan Bahasa c# dan hasil

akhir berupa aplikasi berbentuk console.

32


3.1.3 Cara Kerja Algortima PSO pada Rute Jaringan FTTH di PT. XYZ

Algoritma ini mengoptimasi permasalahan dengan cara menggerakan partikel atau

calon solusi di dalam ruang permasalahan menggunakan fungsi tertentu untuk

posisi dan kecepatan dari partikel. Pergerakan partikel dipengaruhi oleh solusi

terbaik partikel tersebut, dan solusi terbaik secara umum yang didapatkan dari

partikel lain. Sekumpulan partikel ini dinamakan swarm, dan pada akhirnya swarm

ini akan bergerak menuju kepada solusi terbaik. Dalam kasus ini dapat diasumsikan

ada sebaran titik 3 dimensi, yaitu dimensi x, y, z. Dimana masing-masing dimensi

memiliki sebuah konstanta dan batas rentang titik yang dapat digunakan (Stefano.,

2015). Berikut cara kerja dari algoritma PSO (Particle Swarm Optimization) untuk

pencarian rute terbaik pada jaringan FTTH (Fiber To The Home) di PT. XYZ:

a. Mengasumsikan bahwa terdapat sebaran 3 (tiga) titik dimensi, yaitu dimensi x

= hasil downlink dari poses perhitungan power link budget secara manual,

dimensi y = hasil uplink dari poses perhitungan power link budget secara

manual, sedangkan dimensi z = hasil total redaman dari proses perhitungan

secara manual. Masing-masing dimensi memiliki data berupa hasil perhitungan

dan batas rentang titik yang terdiri dari batas minimal serta batas maksimal yang

dapat digunakan dalam pencarian rute terbaik.

b. Melakukan inisialisasi data terhadap jumlah partikel dengan ketentuan S = {C1,

C2, …, Cm}, kecepatan awal dengan ketentuan (V1) dengan i = 1, 2, 3, …, m.

Dimana m adalah ukuran dari swarm, serta iterasi = 100.

c. Menghitung nilai fitness awal dari posisi setiap partikel acak berdasarkan nilai

fungsi yang digunakan, yaitu f(x, y, z) = (kx * x^2) + (ky * y^2) + (kz * z^2)

dimana x + y + z harus bernilai 200. Dimana rumus nilai fungsi tersebut

dijadikan sebagai pencarian posisi terbaik sementara dalam pengujian partikel.

d. Lakukan pengecekan terhadap hasil nilai fitness tersebut. Jika hasil nilai fitness

yang diperoleh ini lebih baik (minimal) dari nilai fitness yang ada, maka ambil

posisi acak ini sebagai posisi terbaik sementara.

33


e. Setelah memperoleh hasil posisi terbaik sementara, maka langkah selanjutnya

melakukan pengujian kombinasi parameter untuk memperoleh hasil posisi

terbaik akhir berdasarkan nilai fitness terkecil. Adapaun parameter-parameter

yang digunakan yaitu bobot inertia (w), bobot kognitif (c1) = bobot pbest (posisi

terbaik yang pernah dicapai partikel), dan bobot sosial (c2) = gbest (posisi

terbaik dari keseluruhan partikel dalam kelompok). Nilai yang digunakan dalam

kasus ini yaitu bobot inertia (w) = 0.5, bobot kognitif (c1) = 1, dan bobot sosial

(c2) = 1. Dimana partikel S akan mengingat dengan menyimpan posisi terbaik

yang pernah dikunjungi selama pencarian dan diingat dalam memori.

f. Melakukan proses pencarian posisi terbaik akhir sebanyak jumlah

iterasi/perulangan = 100 untuk setiap partikel. Kemudian cari kecepatan

perpindahan yang baru dengan rumus v baru = (w * v sekarang) + (c1 * r1 *

(posisi terbaik - posisi sekarang)) + (c2 * r2 * (posisi umum terbaik - posisi

sekarang)). Catatan: jika kecepatan yang baru ternyata diluar batas minimal dan

batas maksimal pada masing-masing dimensi, maka kembalikan nilainya agar

masuk dalam batas kecepatan tersebut.

g. Lakukan update posisi yang baru dengan cara posisi lama + kecepatan baru.

Catatan: jika posisi yang baru ternyata diluar batas variabel minX dan maksX,

maka kembalikan posisinya agar masuk dalam batas.

h. Menghitung nilai fitness untuk posisi partikel/ODP yang baru. Catatan: jika

terdapat hasil nilai fitness paling terkecil, maka dijadikan sebagai posisi terbaik

akhir.

i. Jika iterasi (perulangan) sudah mencapai batas maksimum maka proses tersebut

sudah selesai, namun jika belum selesai maka kembali lagi ke langkah 6 (enam),

yaitu melakukan pencarian posisi terbaik akhir.

Adapun Gambar 3.5 merupakan flowchart mengenai cara kerja dari algoritma PSO

(Particle Swarm Optimization) yang diimplementasikan untuk pencarian rute

terbaik pada jaringan FTTH (Fiber To The Home) di PT. XYZ.

34


Gambar 3.5 Flowchart Algoritma PSO untuk Optimasi Rute Jaringan FTTH di PT. XYZ

Mulai

Apakah

terdapat ODP

dengan nilai

fungsi

minimal atau

nilai fitness

terkecil?

Menghitung nilai fitness

berdasarkan nilai fungsi yang

digunakan dengan rumus

f(x, y, z) = (kx * x^2) + (ky * y^2) +

(kz * z^2)

Selesai

Y

T

Menghitung nilai fitness untuk

posisi partikel yang baru

Masukkan Nilai Variabel Parameter;

Dimensi x; hasil downlink, batas


Dimensi y; hasil uplink, batas minimal,

dan batas maksimal

Dimensi z; hasil total redaman, batas


Inisialisasi: jumlah dimensi,

data pada setiap dimensi,

kecepatan awal (v1), jumlah

ODP, jumlah iterasi, total

posisi

Masukkan bobot inersia (w),

bobot kognitif (c1), dan bobot

sosial (c2)

Update kecepatan,

iterasi = 100

Update posisi partikel baru dengan

cara posisi lama + posisi baru

35


Adapun Gambar 3.6 adalah blok diagram mengenai cara kerja dari algoritma PSO

(Particle Swarm Optimization) yang diimplementasikan untuk pencarian rute

terbaik pada jaringan FTTH (Fiber To The Home) di PT. XYZ.

Gambar 3.6 Blok Diagram Algoritma PSO untuk Optimasi Rute Jaringan FTTH di PT. XYZ

Penjelasan blok diagram diatas yaitu langkah awal melakukan input berupa data-

data dan parameter-parameter pada dimensi x, y, dan z di Microsoft Visual Studio.

Kemudian pada Microsoft Visual Studio akan melakukan proses pencarian

rute/jalur terbaik dengan menggunakan algoritma PSO (Particle Swarm

Optimization) berdasarkan data dan parameter input sebelumnya. Dimana hasil nya

ditampilkan dalam bentuk aplikasi console yang berisi penjelasan mengenai

informasi rute/jalur terbaik.

3.2 Realisasi Program Aplikasi

Hasil realisasi mengenai optimasi rute/jalur FTTH (Fiber To The Home) di PT.

XYZ menggunakan Algoritma PSO (Particle Swarm Optimization) dengan skema

TSP (Traveling Salesman Problem) dengan tampilan berupa aplikasi berbentuk

console adalah sebagai berikut:

3.2.1 Perhitungan Nilai Total Redaman

Menghitung nilai total redaman pada rute/jalur FTTH (Fiber To The Home) di PT.

XYZ secara manual dengan rumus sebagai berikut ini:

Input: Data dan

Parameter

Dimensi x, y, z

Output: Informasi

Rute/Jalur Terbaik

Aplikasi Console

(Microsoft Visual Studio)

Algoritma

Particle Swarm

Optimization

Pencarian Rute/Jalur

36


Redaman Total = Redaman Kabel OLT sampai ODP +

Redaman Kabel ODP sampai OTP +

Redaman Kabel OTP sampai ONT +

Redaman Splitter ODP + Redaman Splitter

OTP + Redaman Splice

Data-data yang digunakan untuk perhitungan nilai total redaman berdasarkan pada

laporan instalasi yang telah dibuat. Hasil dari perhitungan nilai total redaman akan

digunakan sebagai salah satu parameter dalam perhitungan power link budget.

Adapun hasil dari implementasi perhitungan nilai total redaman pada jalur FTTH

(Fiber To The Home) di PT. XYZ yang dilakukan secara manual adalah sebagai

berikut ini:

Tabel 3.1 Hasil Nilai Total Redaman PT. XYZ

Parameter Nilai Total Redaman Hasil (dBm)

Redaman Kabel OLT sampai ODP (km) 3.33

Redaman Kabel ODP sampai OTP 1 (km) 0

Redaman Kabel ODP sampai OTP 2 (km) 0.03325

Redaman Kabel OTP 2 sampai OTP 3 (km) 0.2625






Redaman Kabel OTP 6 sampai ONT (km) 0.02345

Redaman Splitter ODP (km) 3.633

Redaman Splitter OTP (km) 3.633

Redaman Splice (km) 1.6

Total (dBm) 5.40

Berdasarkan Tabel 3.1 dapat dilihat bahwa hasil dari perhitungan nilai total

redaman pada jalur FTTH (Fiber To The Home) di PT. XYZ yang dilakukan secara

manual memperoleh nilai yang baik karena telah memenuhi standardisasi yang

berlaku di PT. Gerbang Sinergi Prima dengan ketententuan batas maksimal nilai

total redaman yaitu ≤ 25 dBm.

37


3.2.2 Perhitungan Power Link Budget

Perhitungan nilai power link budget bertujuan untuk menghitung anggaran daya

yang diperlukan dalam instalasi rute/jalur FTTH (Fiber To The Home) sehingga

level daya yang diterima tidak kurang dari sensitivitas minimum. Adapun

parameter-parameter yang digunakan pada perhitungan nilai power link budget

pada rute/jalur FTTH (Fiber To The Home) di PT. XYZ yang dilakukan secara

manual diperoleh berdasarkan pada data-data dan informasi dari laporan instalasi

yang telah diselesaikan.

Tujuan menghitung nilai power link budget pada rute/jalur FTTH (Fiber To The

Home) di PT. XYZ untuk memperoleh nilai uplink dan downlink dengan ketentuan

syaratnya yaitu nilai margin daya pada keduanya harus > 0 (nol) dB. Pada

perhitungan power link budget dalam kasus ini, panjang gelombang yang digunakan

untuk menghitung nilai uplink yaitu 1310 nm (0.35 dB/Km), sedangkan panjang

gelombang yang digunakan untuk menghitung nilai downlink yaitu 1490 nm

(0.28dB/Km). Berikut ini merupakan rumus yang digunakan untuk menghitung

nilai power link budget pada jalur/rute FTTH (Fiber To The Home) di PT. XYZ:

a. Perhitungan uplink dan margin daya dengan rumus sebagai berikut ini:

αtot

= L.αserat

+ Nc.α

c + Ns. α

s + Sp + Redaman Instalasi

Untuk Perhitungan margin daya sebagai berikut ini:

Pr = Pt - α

tot - 6

Sehingga hasil akhir dari perhitungan uplink dan margin daya dengan rumus

sebagai berikut ini:

M = (Pt – Pr (Sensitivitas)) - αtot - SM

b. Perhitungan downlink dan margin daya dengan rumus sebagai berikut ini:

αtot

= L.αserat

+ Nc.α

c + Ns. α

s + Sp + Redaman Instalasi

38


Untuk Perhitungan margin daya sebagai berikut ini:

Pr = Pt - α

tot - 6

Sehingga hasil akhir dari perhitungan downlink dan margin daya dengan rumus


M = (Pt – Pr (Sensitivitas)) - αtot - SM

*catatan: SM = Safty Margin, untuk fiber optic biasanya selalu bernilai 6 dBm.

Setelah hasil power link budget diperoleh, maka prosedur pengujian selanjutnya

melakukan proses optimasi menggunakan algoritma PSO (Particle Swarm

Optimization) dengan data dan parameter input menggunakan hasil dari total

redaman dan power link budget. Hasil

Adapun hasil dari implementasi perhitungan nilai power link budget pada jalur

FTTH (Fiber To The Home) di PT. XYZ yang dilakukan secara manual adalah


Tabel 3.2 Hasil Power Link Budget PT. XYZ

Parameter Power Link Budget Hasil (dBm)

Daya Optik yang dipancarkan dari Sumber Cahaya 12

Nilai yang digunakan untuk Mengkompnesasi Redaman yang

Terjadi pada Fiber Optic

-25

Redaman Serat optik G.652 (1310/1490) / (Downstream 0.28) /

POP - ODP (km)

2.66476


ODP – OTP (km)

0.19404


OTP – ONT (km)

0.01876

Redaman Serat optik G.657 (1310/1490) / (Upstream 0.35) /

POP - ODP (km)

3.33095


ODP - OTP (km)

0.24255


OTP - ONT (km)

0.02345

Redaman Pada Konektor 2

Redaman Pada Splicer 0.8

39


Tabel 3.2 Lanjutan

Parameter Power Link Budget Hasil (dBm)

Passive Splitter 1:8 10.38

Redaman Instalasi 5.40

Total Downlink (dBm) 21.45756

Margin Daya (dBm) 9.54244

Total Uplink (dBm) 22.12375

Margin Daya (dBm) 8.87625

Berdasarkan tabel diatas bahwa hasil perhitungan power link budget pada rute/jalur

FTTH (Fiber To The Home) di PT. XYZ masih dalam standardisai yang

diberlakukan oleh ITU-T (International Telecommunication Union of

Telecommunication) yaitu hasil margin daya > 0 (nol) dBm.

3.2.3 Pencarian Rute Terbaik Menggunakan Algortima PSO (Particle

Swarm Optimization)

Hasil pencarian rute terbaik dapat ditampilkan berupa aplikasi console yang

diimplementasikan pada software Microsoft Visual Studio. Adapun realisasinya

adalah sebagai berikut ini:

a. Mengasumsikan bahwa terdapat sebaran 3 (tiga) titik dimensi yaitu dimensi x,

dimensi y, dan dimensi z. Dimana ketiganya memiliki kriteria masing-masing

yaitu dimensi x merupakan hasil downlink dari poses perhitungan power link

budget secara manual yang telah dilakukan sebelumnya, dimensi y merupakan

hasil uplink dari poses perhitungan power link budget secara manual yang telah

dilakukan sebelumnya, sedangkan dimensi z merupakan hasil redaman dari

proses perhitungan redaman secara manual yang telah dilakukan sebelumnya.

Gambar 3.7 tampilan aplikasi console mengenai asumsi dimensi x, y, dan z.

Gambar 3.7 Tampilan Aplikasi Console Mengenai Asumsi Dimensi x, y, dan z

40


Setiap dimensi memiliki data berupa hasil dari perhitungan sebelumnya dan

batas rentang titik yang terdiri dari batas minimal serta batas maksimal.

Batasan-batasan tersebut berfungsi sebagai batasan constrain yang artinya

jumlah nilai (hasil) dari masing-masing dimensi tidak boleh melebihi angka

tersebut. Gambar 3.8 merupakan tampilan aplikasi console mengenai data-data

pada dimensi x, y, dan z.

Gambar 3.8 Tampilan Aplikasi Console Mengenai Data-Data pada Dimensi x, y, dan z

b. Menentukan nilai fungsi dengan rumus f(x, y, z) = (kx * x^2) + (ky * y^2) + (kz

* z^2) dan posisi dimana fungsi tersebut mengembalikan nilai minimal dengan

Batasan nilai bahwa x + y + z harus bernilai 200. Gambar 3.9 tampilan aplikasi

console mengenai keterangan nilai fungsi yang digunakan.

Gambar 3.9 Tampilan Aplikasi Console Mengenai Keterangan Nilai Fungsi yang Digunakan

Selain itu terdapat beberapa parameter atau konstanta yang harus diketahui,

antara lain:

1. Menentukan dimensi permasalahan dengan mengasumsikan bahwa jumlah

dimensi yang dicari solusinya yaitu 3 dimensi.

2. Menentukan jumlah partikel yang digunakan dalam proses optimasi dengan

mengasumsikan bahwa jumlah partikel = jumlah ODP (Optical Distribution

Point). Dalam case ini mengguakan 9 ODP (Optical Distribution Point).

3. Menentukan jumlah iterasi yang digunakan oleh setiap partikel/ODP

41


(Optical Distribution Point) dalam proses optimasi dengan mengasumsikan

bahwa jumlah iterasi yang digunakan yaitu 100 kali.

4. Menentukan total posisi yang harus dicapai dengan mengasumsikan bahwa

semua solusi yang ditentukan oleh masing-masing individu harus berjumlah

sebanyak variabel ini. Dimana total posisi = total user baru yang akan

memasang layanan jaringan FTTH (Fiber To The Home) di PT. XYZ.

Dalam kasus ini total posisi/total user baru yang harus dicapai adalah 200.

Pada gambar 3.10 tampilan aplikasi console mengenai keterangan parameter

atau konstanta digunakan.

Gambar 3.10 Tampilan Aplikasi Console Mengenai Keterangan Parameter-Parameter

yang Digunakan

c. Menginisialisasi data pada masing-masing ODP (Optical Distribution Point)

dengan posisi acak sehingga masing-masing ODP (Optical Distribution Point)

memiliki nilai fungsi yang berbeda. Hasil dari nilai fungsi yang telah diperoleh

dapat ditetapkan sebagai posisi terbaik sementara karena masih harus mencari

nilai terbaik untuk menetapkan posisi terbaik akhir. Gambar 3.11 tampilan

aplikasi console mengenai hasil inisialisasi ODP (Optical Distribution Point)

dan posisi terbaik sementara.

Gambar 3.11 Tampilan Aplikasi Console Mengenai Hasil Inisialisasi ODP

dan Posisi Terbaik Sementara

42


d. Melakukan proses pencarian mengeni posisi terbaik, fitness terbaik, dan posisi

terbaik akhir. Hasil yang diperoleh yaitu berdasarkan prinsip TSP (Traveling

Salesman Problem) dimana setiap partikel telah mengunjungi posisi setiap

dimensi dan menyimpan pada memori mengenai posisi terbaik yang telah

dikunjungi sebelumnya hingga partikel tersebut kembali lagi pada posisi awal,

sehingga pada kasus ini telah diperoleh hasil yang dicari yaitu posisi terbaik

akhir adalah ODP (Optical Distribution Point) 5. Gambar 3.12 tampilan

aplikasi console mengenai hasil akhir proses optimasi.

Gambar 3.12 Tampilan Aplikasi Console Mengenai Hasil Akhir Proses Optimasi

43

BAB IV

PEMBAHASAN

4.1 Pengujian

Pengujian yang dilakukan pada penelitian ini terdiri dari 2 tahapan. Pertama

melakukan pengujian terhadap jumlah partikel yang digunakan dalam implementasi

pencarian rute terbaik, kedua melakukan pengujian terhadap parameter-parameter

yang digunakan atau dengan kata lain yaitu pengujian kombinasi parameter.

4.2 Deskripsi Pengujian

Pada penelitian ini, pengujian pertama yang dilakukan yaitu pengujian partikel.

Dimana dalam studi kasus penelitian ini, partikel diasumsikan sebagai jumlah dari

perangkat ODP (Optical Distribution Point) yang terdapat pada rute/jalur FTTH

(Fiber To The Home) di PT. XYZ yaitu sebanyak 9 buah. Pengujian ini bertujuan

untuk mencari posisi terbaik sementara berdasarkan rumus nilai fungsi. Dimana

dalam prosesnya setiap dimensi harus mencapai totalposisi yaitu = 200 untuk

melakukan inisialisasi awal terhadap ke-9 ODP tersebut. Hasil pengujian yang akan

diperoleh yaitu keterangan mengenai ODP (Optical Distribution Point) ke-1 hingga

ODP (Optical Distribution Point) ke-9 dengan masing-masing memiliki nilai

fungsi yang berbeda. ODP (Optical Distribution Point) dengan nilai fungsi terkecil

dijadikan sebagai posisi terbaik sementara.

Pengujian kedua yang dilakukan yaitu pengujian kombinasi parameter. Adapun

parameter-parameter yang digunakan antara lain yaitu iterasi (perulangan)

sebanyak 100 kali terhadap 9 partikel dalam pencarian posisi terbaik, parameter C1

dengan nilai 1, C2 dengan nilai 1, serta bobot inersia (w) sebesar 0.5. Hasil

pengujian yang akan diperoleh yaitu keterangan mengenai sample terbaik dari

jumlah iterasi ke-i beserta ODP (Optical Distribution Point) ke-i secara acak,

dimana setiap iterasi (perulangan) dan ODP (Optical Distribution Point) tersebut

memiliki nilai fitness yang berbeda-beda. Iterasi (perulangan) dan ODP (Optical

44


Distribution Point) dengan nilai fitness terkecil dapat dijadikan sebagai posisi

terbaik akhir.

4.3 Prosedur Pengujian

Adapun prosedur pengujian yang dilakukan pada penelitian ini yaitu pengujian

partikel dan pengujian kombinasi parameter. Berikut ini merupakan penjelasan

mengenai prosedur dari masing-masing pengujian yang dilakukan:

4.3.1 Pengujian Partikel

Pengujian partikel yang dilakukan dalam penelitian ini yaitu menggunakan rumus

nilai fungsi yang diimplementasikan untuk mencari posisi terbaik sementara dengan

totalposisi yang harus dicapai oleh setiap dimensi yaitu = 200, penjelasannya seperti

berikut ini: (f(x, y, z) = (kx * x^2) + (ky * y^2) + (kz * z^2) = 200). Pengujian

dilakukan terhadap ke-9 partikel/ODP dengan tujuan untuk melakukan inisialisasi

awal pada setiap partikel/ODP dengan hasil akhirnya yaitu masing-masing

memiliki nilai fungsi yang berbeda.

4.3.2 Pengujian Kombinasi Parameter

Pengujian yang dilakukan pada tahap ini menggunakan beberapa parameter pada

proses input dalam mencari posisi terbaik akhir, adapun parameter-parameter input

yang digunakan dalam penelitian ini antara lain yaitu iterasi (perulangan) 100 kali

terhadap 9 partikel/ODP, parameter C1 dengan nilai 1, C2 dengan nilai 1, serta bobot

inersia (w) sebesar 0.5. Pengujian pada tahap ini dilakukan setelah memperoleh

hasil posisi terbaik sementara dengan melakukan update posisi terbaru terhadap

partikel-partikel sebelumnya dengan menghitung nilai fitness. Adapun tujuannya

yaitu untuk memperoleh hasil pencarian posisi terbaik akhir dengan memiliki nilai

fitness terkecil.

45


4.4 Data Hasil Pengujian

Pengujian yang telah dilakukan dapat menghasilkan data-data yang akan digunakan

sebagai bahan analisis dari penelitian ini. Adapun data-data dari hasil pengujian

tersebut adalah sebagai berikut ini:

4.4.1 Hasil Pengujian Partikel

Pengujian partikel yang telah dilakukan sebelumnya dapat memperoleh sebuah

tabel data pengujian. Adapun penjelasan mengenai tabel data pengujiannya adalah


Tabel 4.1 Hasil Pengujian Partikel

ODP Ke- Nilai Fungsi

1 171483.20

2 168679.50

3 185845.10

4 198388.30

5 175294.00

6 176030.00

7 218232.00

8 209418.00

9 155407.50

Berdasarkan tabel 4.1, hasil pengujian partikel yang diperoleh adalah keterangan

mengenai ke-9 ODP dengan hasil nilai fungsi yang berbeda-beda. Berdasarkan

studi kasus dalam penelitian ini, nilai fungsi digunakan sebagai pengambilan

keputusan dalam menentukan solusi optimum untuk memperoleh posisi terbaik

sementara. Dalam prosesnya, nilai fungsi diimplementasikan sebagai totalposisi

yang harus dicapai oleh setiap dimensi yaitu totalposisi = 200, dan digunakan

sebagai proses inisialisasi awal terhadap ke-9 partikel/ODP. Jika ke-9 partikel/ODP

tersebut masing-masing telah memperoleh hasil nilai fungsi, maka artinya dimensi

46


tersebut telah mencapai pada totalposisi yang dituju. Hasilnya, ODP dengan nilai

fungsi minimal dijadikan sebagai posisi terbaik sementara.

4.4.2 Hasil Pengujian Kombinasi Parameter

Pengujian kombinasi parameter yang telah dilakukan pada tahapan sebelumnya

dapat menghasilkan sebuah tabel data pengujian. Berikut ini merupakan penjelasan

mengenai tabel data pengujiannya:

Tabel 4.2 Hasil Pengujian Kombinasi Parameter

Iterasi ke- ODP ke- Nilai fitness

3 1 153499.20

3 8 153162.80

4 1 152650.80

4 5 152475.20

5 1 152353.20

5 4 152284.80

5 5 152270.00

Berdasarkan tabel 4.2, hasil dari pengujian kombinasi parameter yang diperoleh

adalah keterangan mengenai 7 sample iterasi (perulangan) terbaik dari proses

optimasi menggunakan algoritma PSO (Particle Swarm Optimization) pada studi

kasus penelitian ini. Partikel/ODP secara acak akan mencari posisi-posisi terbaik

yang pernah dilaluinya kemudian disimpan dalam memory, setelah itu posisi-posisi

terbaik tersebut dimunculkan berdasarkan cara kerja optimasi dari algortima PSO

(Particle Swarm Optimization) itu sendiri. Semakin banyak iterasi (perulangan)

yang dilakukan terhadap partikel/ODP dalam proses mencari posisi terbaik akhir

maka semakin kompleks hasil nilai fitness yang diperoleh. Maka dari itu hasil

pengujian kombinasi parameter yang dapat diperoleh dalam penelitian ini yaitu

menjadikan nilai fitness terkecil diantara yang lainnya sebagai solusi pencarian

posisi terbaik akhir.

47


4.5 Analisis Data

Berdasarkan data-data yang telah diperoleh dari hasil pengujian partikel dan

pengujian kombinasi parameter sebelumnya, maka perlu dilakukan analisis

terhadap data-data tersebut untuk mengetahui hasil akhir dari pengujian dalam

penelitian ini. Berikut ini merupakan penjelasan mengenai analisis terhadap data-

data tersebut:

4.5.1 Data Hasil Pengujian Partikel

Hasil pengujian partikel yang telah dilakukan sebelumnya dapat sebuah

memperoleh grafik data mengenai keterangan 9 ODP dengan masing-masing

memiliki nilai fungsi yang berbeda-berbeda. Dimana ODP dengan nilai fungsi

minimal dapat dijadikan sebagai posisi terbaik sementara. Gambar 4.1

menunjukkan grafik data dari hasil pengujian partikel.

Gambar 4.1 Grafik Data Pengujian Partikel

Berdasarkan gambar 4.1 mengenai hasil pengujian partikel yang telah dilakukan

dapat memperoleh keterangan bahwa ODP ke-9 memiliki nilai fungsi minimal yaitu

sebesar 155407.50. Dengan demikian posisi terbaik sementara dimiliki oleh ODP

ke-9.

1 2 3 4 5 6 7 8 9

171483.2 168679.5185845.1

198388.3

175294 176030

218232209418

155407.5

0

50000

100000

150000

200000

250000

Pengujian Partikel

ODP Ke- Nilai Fungsi

48


4.5.2 Data Hasil Pengujian Kombinasi Parameter

Hasil dari pengujian kombinasi parameter yang telah dilakukan pada tahapan

sebelumnya dapat menghasilkan sebuah grafik data mengenai iterasi (perulangan)

ke- dan ODP ke-. Dimana setiap iterasi (perulangan) dan ODP tersebut masing-

masing memiliki nilai fitness yang berbeda-beda. Iterasi (perulangan) dan ODP

dengan nilai fitness terkecil dapat dijadikan sebagai posisi terbaik akhir. Gambar

4.2 menunjukkan grafik data dari pengujian kombinasi parameter yang telah

dilakukan pada tahapan sebelumnya.

Gambar 4.2 Grafik Data Pengujian Kombinasi Parameter

Berdasarkan gambar 4.2 mengenai hasil pengujian kombinasi parameter yang telah

dilakukan, nilai fitness terkecil dimiliki oleh iterasi ke-5 dan ODP ke-5 dengan nilai

fitness 152270.00. Dengan demikian posisi terbaik akhir dimiliki oleh ODP ke-5

pada iterasi ke-5.

49

BAB V

PENUTUP

5.1 Kesimpulan

Adapun kesimpulan yang diperoleh dari hasil penelitian skripsi ini mengenai

optimasi rute jaringan FTTH (Fiber To The Home) pada PT. XYZ menggunakan

algoritma PSO (Particle Swarm Optimization) dengan skema TSP (Traveling

Salesman Problem) adalah sebagai berikut ini:

a. Hasil perhitungan nilai total redaman secara manual memperoleh nilai sebesar

5.40 dBm. Dimana hasil tersebut dapat memenuhi standardisasi yang berlaku

pada PT. Gerbang Sinergi Prima yaitu ≤ 25dBm.

b. Hasil perhitungan power link budget yang terdiri dari downlink dan uplink dapat

memperoleh nilai yang baik. Hasil downlink sebesar 21.45756 dBm dengan

margin daya sebesar 9.54244 dBm. Sedangkan hasil uplink sebesar 22.12375

dBm dengan margin daya 8.87625 dBm. Dimana hasil keduanya tersebut dapat

memenuhi standardisasi ITU-T (Internatioanal Telecommunication Union of

Telecommunication), yaitu hasil margin daya ≥ 0 (nol) dBm.

c. Pada pengujian partikel, menggunakan 9 partikel sebagai ODP yang terdapat

pada rute FTTH (Fiber To The Home) di PT. XYZ dengan iterasi (perulangan)

100 kali. Hasil pengujian yang diperoleh yaitu keterangan 9 ODP dengan

masing-masing memiliki nilai fungsi yang berbeda, ODP dengan nilai fungsi

minimal dijadikan posisi terbaik sementara, yaitu pada ODP ke-9 dengan nilai

fungsi 155407.50.

d. Pada pengujian kombinasi parameter, menggunakan parameter C1 dengan nilai

1, C2 dengan nilai 1, serta bobot inersia (w) sebesar 0.5. Hasil pengujian

memperoleh rute-rute terbaik pada setiap iterasi (perulangan) dan masing-

masing memiliki nilai fitness yang berbeda-beda. ODP pada iterasi (perulangan)

yang memiliki nilai fitness terkecil dijadikan sebagai posisi terbaik akhir, yaitu

ODP ke-5 pada iterasi (perulangan) ke-5 dengan nilai fitness sebesar 152270.00.

50


2.5 Saran

Adapun saran dari hasil penelitian skripsi ini mengenai optimasi rute jaringan

FTTH (Fiber To The Home) pada PT. XYZ menggunakan algoritma PSO (Particle

Swarm Optimization) dengan skema TSP (Traveling Salesman Problem) yaitu

metode dan algoritma yang digunakan dapat dikembangkan dengan metode dan

algortima optimasi lain yang lebih baik dan relavan pada studi kasus yang akan

dijadikan bahan penelitian selanjutnya sehingga dapat memperoleh hasil yang lebih

optimal daripada penelitian ini, serta untuk penelitian selanjutnya dapat

ditambahkan hasil akhirnya berupa UI (User Interface) maupun GUI (Graphic User

Interface) agar lebih menarik dan mudah dipahami oleh reviewer.

51


DAFTAR PUSTAKA

Agil, W., dan Zulfin, M. 2015. “Analisis Rugi-Rugi Serat Optik Di Pt. Icon+

Regional Sumbagut”. Singuda ENSIKOM, Vol.11, No.29, hlmn. 19-23.

Sumatera Utara: Universitas Sumatera Utara (USU).

Alfarizi, M. 2015. “Pembuatan Desain Jaringan Fiber To The Home (ftth) Pada

Perumahan Buah Batu Square Bandung”. e-Proceedings of Applied Science

Vol.1, No.2. Bandung: Telkom University.

Anggodo, Y. P., Cahyaningrum, W., Fauziyah, A. N., Khoiriyah, I. L., Kartikasari,

O., dan Cholissodin, I. 2017. “Hybrid K-Means dan Particle Swarm

Optimization untuk clustering nasabah kredit”. Jurnal Teknologi Informasi

dan Ilmu Komputer (JTIIK) p-ISSN, 2355, 7699.

Anonim, 2020. “Pelayanan Terbaik PT. Gerbang Sinergi Prima”.

https://www.gsp.co.id/en/ .[16 April 2020]

Azis, A., dan Tarwoto, T. 2017. “Aplikasi Pelayanan Surat Kelahiran dan Kematian

Desa Kemiri Kec. Sumpiuh Kab. Banyumas”. JUITA: Jurnal

Informatika, 5(1), 7-13.

Fatmawati, B. P., dan Noviani, E. 2015. “Penyelesaian Travelling Salesman

Problem Dengan Metode Tabu Search”. BIMASTER, 4(01).

Fayakun, K., Afandi, A., Afifah, F., dan Ramza, H. 2018. “ANALISA

PERBANDINGAN PENGUKURAN MARGIN SINYAL DVB-S2 PADA

SATELIT ASIASAT 9”. JURNAL KAJIAN TEKNIK ELEKTRO, 3(2), 162-

172.

Fitriyani, A., Damayanti, T. N., dan Yudha, M. S. 2015. “Perancangan Jaringan

Fiber To The Home (FTTH) Perumahan Nataendah Kopo”. eProceedings

of Applied Science, 1(2).

Kartiria, K. 2017. “Optimalisasi Jaringan Komunikasi Serat Optik Melalui Analisa

Power Budget (Studi Kasus PT. Telkom di STO Padang)”. Jurnal Teknik

Elektro, 6(1), 28-36.

Muhamad, H., Prasojo, C. A., Sugianto, N. A., Surtiningsih, L., dan Cholissodin, I.

2017. “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle

Swarm Optimization Pada Data Iris”. Jurnal Teknologi Informasi dan Ilmu

Komputer (JTIIK), p-ISSN, 2355-7699. Vol.4, No.3, hlmn 180-184.

Malang: Universitas Brawijaya.

https://www.gsp.co.id/en/

52


Mutaharrik, M. I., dan Sugito, S. 2016. “Perancangan Jaringan Fiber To The Home

(ftth) Menggunakan Teknologi Gigabit Passive Optical Network (gpon) Di

Central Karawaci”. e-Proceedings of Engineering, Vol.3, No. 1, Page 576.

Bandung: Universitas Telkom.

Pramundia, N. O., Sudiarta, P. K., dan Gunantara, N. 2015. “Analisis Kualitas

Jaringan Gpon Pada Layanan Iptv PT. Telkom Di Daerah Denpasar,

Bali”. Jurnal Spektrum, 2(2), 85-91.

Priyadana, I. R., Sumbodo, B. A. A., dan Widodo, T. W. 2018. “Implementasi

Algoritma PSO Pada Multi Mobile Robot Dalam Penentuan Posisi Target

Terdekat”. IJEIS (Indonesian Journal of Electronics and Instrumentation

Systems), 8(1), 13-24.

Rumahorbo, R. L., dan Mansyur, A. 2016. “Konsistensi metode simpleks dalam

menentukan nilai optimum”. KARISMATIKA: Kumpulan Artikel Ilmiah,

Informatika, Statistik, Matematika dan Aplikasi, 3(1).

Stefano, 2015. “Algoritma PSO (Particle Swarm Optimization)”.

https://piptools.net/algoritma-pso-particle-swarm-optimization/ .[24 Maret

2020]

Suprayogi, D. A., dan Mahmudy, W. F. 2015. “Penerapan algoritma genetika

traveling salesman problem with time window: Studi kasus rute antar

jemput laundry”. Jurnal Buana Informatika, 6(2).

Tianto, R. 2017. “Analisis Dan Optimasi Pada Jaringan Kabel Fiber Optik Kerumah

(Fiber To The Home) di Surabaya Timur Menggunakan Integer Linier

Programming”. (Doctoral dissertation, Institut Teknologi Sepuluh

Nopember).

Umagapi, D., dan Hasan, S. 2018. “SISTEM INFORMASI PENGENDALIAN

INTERNAL PROSEDUR PENCATATAN AKUNTANSI PENGGAJIAN

PADA PT. HALMAHERA KARYA TIMUR PERSADA

MENGGUNAKAN VISUAL STUDIO”. IJIS-Indonesian Journal On

Information System, 3(2).

Umaternate, I., Saifuddin, M. Z., dan Saman, H. 2016. “Sistem Penyambungan dan

Pengukuran Kabel Fiber Optik Menggunakan Optical Time Domain

Reflectometer (OTDR) pada PT. Telkom Kandatel Ternate”. PROtek:

Jurnal Ilmiah Teknik Elektro, 3(1), 26-34.

Wanto, A. 2017. “Optimasi Prediksi Dengan Algoritma Backpropagation Dan

Conjugate Gradient Beale-Powell Restarts”. Jurnal Nasional Teknologi dan

Sistem Informasi, 3(3), 370-380.

https://piptools.net/algoritma-pso-particle-swarm-optimization/

53


Yuliastuti, G. E., Mahmudy, W. F., dan Rizki, A. M. 2017. “Penanganan Fuzzy

Time Window pada Travelling Salesman Problem (TSP) dengan

Penerapan Algoritma Genetika”. MATICS, 9(1), 38-43.

54

DAFTAR RIWAYAT HIDUP PENULIS

Ahmad Syahrul Fardani

Lulus dari Madrasah Ibtidaiyah Umdatur

Rasikhien Jakarta Timur tahun 2010,

Madrasah Tsanawiyah Umdatur Rasikhien

Jakarta Timur tahun 2013, dan SMK

Dinamika Pembangunan 1 Jakarta Timur

tahun 2016. Gelar Sarjana Terapan (D4)

diperoleh pada tahun 2020 dari Program Studi

Teknik Multimedia dan Jaringan, Jurusan

Teknik Informatika dan Komputer,

Politeknik Negeri Jakarta.

LAMPIRAN

L-1 Source Code Algoritma PSO

Module Module1 Private rnd As Random = Nothing Sub Main() Try Console.WriteLine("") Console.WriteLine("Optimasi Rute FTTH PT.XYZ Menggunakan Algoritma PSO (Particle Swarm Optimization)") Console.WriteLine("") Console.WriteLine("Pencarian Posisi Terbaik dengan Nilai Fungsi Minimal") Console.WriteLine("") Console.WriteLine("Diasumsikan ada sebaran titik 3 dimensi, yaitu dimensi x, y, z") Console.WriteLine("") Console.WriteLine("Dimensi x Merupakan Hasil Downlink dari Proses Perhitungan Power Link Budget Secara Manual yang telah dilakukan") Console.WriteLine("Dimensi y Merupakan Hasil Uplink dari Proses Perhitungan Power Link Budget Secara Manual yang telah dilakukan") Console.WriteLine("Dimensi z Merupakan Hasil Redaman Total dari Proses Perhitungan Redaman Secara Manual yang telah dilakukan") Console.WriteLine("") Console.WriteLine("Masing-Masing Dimensi Memiliki Hasil Perhitungan dan Batas Rentang Titik yang Dapat Digunakan") Console.WriteLine("") Console.WriteLine("") Console.WriteLine("Data pada Masing-Masing Dimensi Adalah Sebagai Berikut :") Console.WriteLine("Dimensi, Hasil, Batas Minimal, Batas Maksimal") Console.WriteLine("x , 21.4 , 30 , 80") Console.WriteLine("y , 22.1 , 50 , 100") Console.WriteLine("z , 5.4 , 80 , 150") Console.WriteLine("") Dim data(2)() As Double data(0) = New Double() {21.4, 30, 80} data(1) = New Double() {22.1, 50, 100} data(2) = New Double() {5.4, 80, 150} Console.WriteLine("Nilai fungsi yang diketahui adalah dengan rumus f(x, y, z) = (kx * x^2) + (ky * y^2) + (kz * z^2)") Console.WriteLine("Tentukan posisi dimana fungsi tersebut mengembalikan nilai minimal") Console.WriteLine("Dengan batasan nilai bahwa x + y + z harus bernilai 200") Console.WriteLine("") rnd = New Random(0) 'Tentukan dimensi permasalahan 'Diasumsikan dalam kasus ini, dimensi bernilai 3 karena ada 3 dimensi yang akan dicari solusinya Const dimensi As Integer = 3

(Lanjutan)

'Tentukan jumlah partikel yang digunakan dalam perhitungan 'Diasumsikan dalam kasus ini Jumlah partikel = Jumlah ODP 'jumlah partikel/ODP yang digunakan adalah 9 partikel/ODP Const jumlahODP As Integer = 9 'Tentukan jumlah iterasi yang digunakan oleh setiap partikel untuk melakukan proses 'Diasumsikan dalam kasus ini, jumlah iterasi yang digunakan adalah 100 kali Const jumlahIterasi As Integer = 100 'Tentukan total posisi yang harus dicapai 'Semua solusi yang ditemukan oleh masing-masing individu harus berjumlah sebanyak variabel ini 'Dalam kasus ini total posisi diasumsikan sebagai batasan jumlah user baru 'Diasumsikan dalam kasus ini, total posisi/user yang harus dicapai adalah 200 Const totalPosisi As Integer = 200 'Tentukan batas kecepatan untuk perpindahan posisi partikel/ODP dalam setiap proses 'Diasumsikan dalam kasus ini nilai minimal dan nilai maksimal adalah 10% dari masing-masing batas nilai pada tiap-tiap dimensi 'Dalam kasus ini, apabila nilai minimal dan maksimal dari sebuah dimensi adalah 30 dan 80, 'Maka nilai minimalnya adalah -(100-50)/50 = -1, dan nilai maksimalnya adalah (100-50)/50 = 1 Dim minKecepatan(dimensi - 1) As Double Dim maksKecepatan(dimensi - 1) As Double For i As Integer = 0 To dimensi - 1 minKecepatan(i) = -(data(i)(2) - data(i)(1)) / 10 maksKecepatan(i) = (data(i)(2) - data(i)(1)) / 10 Next Console.WriteLine("jumlah Dimensi = " & dimensi) Console.WriteLine("jumlah ODP = " & jumlahODP) Console.WriteLine("jumlah Iterasi = " & jumlahIterasi) Console.WriteLine("total posisi yang harus dicapai = " & totalPosisi) Console.WriteLine("") Dim swarm(jumlahODP - 1) As Partikel Dim posisiTerbaik(dimensi - 1) As Double Dim fitnessTerbaik As Double = Double.MaxValue Console.WriteLine("Inisialisasi ODP pada posisi acak :") Console.WriteLine("") Dim indeksPosisiTerbaik As Integer = -1 Dim posisi(dimensi - 1) As Integer

(Lanjutan)

'1. Lakukan Inisialisasi data pada masing-masing partikel/ODP For i As Integer = 0 To swarm.Length - 1 Dim jumlahPosisi As Integer = 0 Do While jumlahPosisi <> totalPosisi '1a. Inisialisasi semua posisi partikel/ODP awal dengan posisi acak 'Setiap dimensi memiliki batas minimal dan maksimal sendiri-sendiri, sesuai pada isian parameter data jumlahPosisi = 0 For j As Integer = 0 To posisi.Length - 1 posisi(j) = rnd.Next(data(j)(1), data(j)(2)) jumlahPosisi += posisi(j) Next j '1b. Perlu diingat bahwa jumlah posisi diatas belum tentu sesuai dengan parameter totalPosisi 'Oleh karena itu, lakukan penyesuaian posisi agar jumlah posisi selalu bernilai sama dengan parameter totalPosisi Dim selisih As Integer = totalPosisi - jumlahPosisi Dim idx As Integer = rnd.Next(dimensi) Dim posisiBaru As Integer = posisi(idx) + selisih If posisiBaru < data(idx)(1) Then Continue Do If posisiBaru > data(idx)(2) Then Continue Do jumlahPosisi = jumlahPosisi - posisi(idx) + posisiBaru posisi(idx) = posisiBaru Loop '1c. Inisialisasi nilai kecepatan semua partikel/ODP awal dengan nilai kecepatan acak Dim kecepatanAcak(dimensi - 1) As Double For j As Integer = 0 To kecepatanAcak.Length - 1 Dim lo As Double = -1.0 * Math.Abs(data(j)(2) – data(j)(1)) / 10 Dim hi As Double = Math.Abs(data(j)(2) - data(j)(1)) / 10 kecepatanAcak(j) = (hi - lo) * rnd.NextDouble() + lo Next j '1d. Hitung nilai fitness dari posisi acak tersebut 'Karena tujuan permasalahan adalah mencari nilai minimal, maka semakin rendah nilai fungsi akan semakin baik 'Penjelasan lebih detail tentang fungsi ini dapat dilihat pada penjelasan skrip dibawah ini Dim fitness As Double = HitungFitness(posisi, data) swarm(i) = New Partikel(posisi, fitness, kecepatanAcak, posisi, fitness) Console.WriteLine("ODP " & (i + 1).ToString.PadRight(2) & " nilai fungsi = " & swarm(i).fitness.ToString("F2"))

(Lanjutan)

'1e. Lakukan pengecekan nilai fitness, 'Jika nilai fitness ini lebih baik dari nilai fitness umum, maka ambil posisi acak ini sebagai posisi terbaik umum If swarm(i).fitness < fitnessTerbaik Then fitnessTerbaik = swarm(i).fitness swarm(i).posisi.CopyTo(posisiTerbaik, 0) indeksPosisiTerbaik = i End If Next i Console.WriteLine("") Console.WriteLine("") Console.WriteLine("Posisi terbaik sementara :") Console.WriteLine("") Console.WriteLine("ODP " & indeksPosisiTerbaik + 1 & " nilai fungsi = " & fitnessTerbaik.ToString("F2")) Console.WriteLine("")

'2. Tentukan bobot inertia (w), bobot kognitif (c1) = bobot pbest (posisi terbaik yang pernah dicapai partikel), 'dan bobot sosial (c2) = gbest (posisi terbaik dari keseluruhan partikel dalam kelompok) 'Nilai acuan untuk masing-masing variabel dapat dilihat di http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=00870279 'Diasumsikan dalam kasus ini, nilai bobot tersebut akan mengikuti nilai acuan yang sudah ada Const w As Double = 0.5 Const c1 As Double = 1 Const c2 As Double = 1 'nilai random untuk c1 dan c2 Dim r1, r2 As Double Console.WriteLine("Mulai Proses Pencarian Posisi Terbaik, Fitness Terbaik, dan Posisi Terbaik Akhir :") Console.WriteLine("")

'3. Lakukan proses pencarian posisi terbaik sebanyak jumlah perulangan (poin 3a - 3f) Dim iterasi As Integer = 0 Do While iterasi < jumlahIterasi iterasi += 1 Dim kecepatanBaru(dimensi - 1) As Double Dim posisiBaru(dimensi - 1) As Integer Dim fitnessBaru As Double For i As Integer = 0 To swarm.Length - 1 Dim partikelTerpilih As Partikel = swarm(i) '3a. Lakukan perulangan untuk setiap partikel 'Cari kecepatan perpindahan posisi yang baru dengan rumus: 'v baru = (w * v skrg) + (c1 * r1 * (posisi terbaik – posisi skrg)) + (c2 * r2 * (posisi umum terbaik – posisi skrg))

(Lanjutan)

'Jika kecepatan yang baru ternyata diluar batas minKecepatan dan maksKecepatan pada masing-masing dimensi, 'maka kembalikan nilainya agar masuk dalam batas Kecepatan For j As Integer = 0 To partikelTerpilih.kecepatan.Length - 1 r1 = rnd.NextDouble() r2 = rnd.NextDouble() kecepatanBaru(j) = (w * partikelTerpilih.kecepatan(j)) + (c1 * r1 * (partikelTerpilih.posisiTerbaik(j) – partikelTerpilih.posisi(j))) + (c2 * r2 * (posisiTerbaik(j) – partikelTerpilih.posisi(j))) If kecepatanBaru(j) < minKecepatan(j) Then kecepatanBaru(j) = minKecepatan(j) ElseIf kecepatanBaru(j) > maksKecepatan(j) Then kecepatanBaru(j) = maksKecepatan(j) End If Next j kecepatanBaru.CopyTo(partikelTerpilih.kecepatan, 0) '3b. Lakukan update posisi yang baru dengan cara posisi lama + kecepatan baru 'Jika posisi yang baru ternyata diluar batas variabel minX dan maksX (0 - 5), maka kembalikan posisinya agar masuk dalam batas For j As Integer = 0 To partikelTerpilih.posisi.Length - 1 posisiBaru(j) = partikelTerpilih.posisi(j) + kecepatanBaru(j) If posisiBaru(j) < data(j)(1) Then posisiBaru(j) = data(j)(1) ElseIf posisiBaru(j) > data(j)(2) Then posisiBaru(j) = data(j)(2) End If Next j '3c. Sama seperti perhitungan sebelumnya, jumlah posisi yang baru belum tentu sesuai dengan parameter totalPosisi 'Oleh karena itu, lakukan penyesuaian posisi agar jumlah posisi selalu bernilai sama dengan parameter totalPosisi Dim jumlahPosisi As Integer = 0 For k As Integer = 0 To dimensi - 1 jumlahPosisi += posisiBaru(k) Next Do While jumlahPosisi <> totalPosisi Dim selisih As Integer = totalPosisi - jumlahPosisi Dim selisihPerDimensi(dimensi - 1) As Integer

(Lanjutan)

Dim idx As Integer = -1 Do While selisih <> 0 idx = rnd.Next(dimensi) If selisih > 0 Then If posisiBaru(idx) + selisihPerDimensi(idx) < data(idx)(2) Then selisihPerDimensi(idx) += 1 selisih -= 1 End If Else If posisiBaru(idx) + selisihPerDimensi(idx) > data(idx)(1) Then selisihPerDimensi(idx) -= 1 selisih += 1 End If End If Loop For k As Integer = 0 To dimensi - 1 Dim posBaru As Integer = posisiBaru(k) + selisihPerDimensi(k) If posBaru < data(k)(1) Then Continue Do If posBaru > data(k)(2) Then Continue Do Next For k As Integer = 0 To dimensi - 1 Dim posBaru As Integer = posisiBaru(k) + selisihPerDimensi(k) jumlahPosisi = jumlahPosisi - posisiBaru(k) + posBaru posisiBaru(k) = posBaru Next Loop posisiBaru.CopyTo(partikelTerpilih.posisi, 0) '3d. Hitung nilai fitness untuk posisi yang baru fitnessBaru = HitungFitness(posisiBaru, data) partikelTerpilih.fitness = fitnessBaru

'3e. Jika nilai fitness baru lebih baik dari nilai fitness sebelumnya, maka ambil posisi yang baru sebagai posisi terbaik partikel tersebut If fitnessBaru < partikelTerpilih.fitnessTerbaik Then posisiBaru.CopyTo(partikelTerpilih.posisiTerbaik, 0) partikelTerpilih.fitnessTerbaik = fitnessBaru End If '3f. Jika nilai fitness baru ternyata lebih baik dari nilai fitness umum, maka ambil posisi yang baru sebagai posisi terbaik secara umum If fitnessBaru < fitnessTerbaik Then posisiBaru.CopyTo(posisiTerbaik, 0) fitnessTerbaik = fitnessBaru

(Lanjutan)

Dim s As String = swarm(i).ToString() If s <> "" Then Console.Write("Perulangan " & iterasi & ", ODP " & i & " : ") Console.WriteLine(s) End If End If Next i Loop Console.Write(vbLf & "Posisi Terbaik = ") For i As Integer = 0 To posisiTerbaik.Length - 1 Console.Write(posisiTerbaik(i).ToString("F0") & " ") Next i Console.WriteLine("") Console.WriteLine("") Console.WriteLine("") Console.Write("Fitness Terbaik = " & fitnessTerbaik.ToString("F2")) Console.WriteLine("") Console.WriteLine("") Console.WriteLine("") Console.WriteLine("Posisi Terbaik Akhir = ODP " & posisiTerbaik.Length + 2 & "") Console.WriteLine("") Console.WriteLine("") Console.ReadLine() Catch ex As Exception Console.WriteLine("Error: " & ex.Message) Console.ReadLine() End Try End Sub

'Gunakan fungsi ini untuk menghitung nilai fitness pada masing-masing partikel 'Rumus yang digunakan adalah sesuai dengan rumus yang sudah ditentukan, yaitu 'f(x, y, z) = (kx * x^2) + (ky * y^2) + (kz * z^2) Private Function HitungFitness(ByVal posisi() As Integer, ByVal data()() As Double) As Double Dim hasil As Double = 0.0 For i As Integer = 0 To posisi.Length - 1 hasil += data(i)(0) * posisi(i) * posisi(i) Next i Return hasil End Function

Public Class Partikel Public posisi() As Integer Public fitness As Double

(Lanjutan)

Public kecepatan() As Double Public posisiTerbaik() As Integer Public fitnessTerbaik As Double Public lastString As String = ""

Public Sub New(ByVal posisi() As Integer, ByVal fitness As Double, ByVal kecepatan() As Double, ByVal posisiTerbaik() As Integer, ByVal fitnessTerbaik As Double) Me.posisi = New Integer(posisi.Length - 1) {} posisi.CopyTo(Me.posisi, 0) Me.fitness = fitness Me.kecepatan = New Double(kecepatan.Length - 1) {} kecepatan.CopyTo(Me.kecepatan, 0) Me.posisiTerbaik = New Integer(posisiTerbaik.Length - 1) {} posisiTerbaik.CopyTo(Me.posisiTerbaik, 0) Me.fitnessTerbaik = fitnessTerbaik End Sub

Public Overrides Function ToString() As String Dim s As String = "" s &= "posisi: " For i As Integer = 0 To Me.posisi.Length - 1 s &= Me.posisi(i).ToString("F0") & " " Next i s &= ", " s &= "Fitness = " & Me.fitness.ToString("F2") If s <> lastString Then lastString = s Return s Else Return "" End If End Function End Class End Module

L-2 Hasil Pengukuran Menggunakan OTDR

a. OTDR ODP 1

(Lanjutan)

(Lanjutan)

b. OTDR ODP 2

(Lanjutan)

(Lanjutan)

c. OTDR ODP 3

(Lanjutan)

(Lanjutan)

d. OTDR ODP 4

(Lanjutan)

(Lanjutan)

e. OTDR ODP 5

(Lanjutan)

(Lanjutan)

f. OTDR ODP 6

(Lanjutan)

(Lanjutan)

g. OTDR ODP 7

(Lanjutan)

(Lanjutan)

h. OTDR ODP 8

(Lanjutan)

(Lanjutan)

i. OTDR ODP 9

(Lanjutan)

OPTIMASI RUTE JARINGAN FTTH (FIBER TO THE HOME) PADA …

Documents

Transcript of OPTIMASI RUTE JARINGAN FTTH (FIBER TO THE HOME) PADA …