|i

Makalah

JARINGAN SYARAF TIRUAN

APLIKASI JARINGAN SARAF TIRUAN SEBAGAI ALAT BANTU
ANALISIS OPTIMALISASI UNJUK KERJA CALL SETUP SUCCESS RATE
(CSSR) PADA KOMUNIKASI GSM

OLEH

SAHRUL HUSU
E1D114019

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS HALU OLEO
KENDARI
2017
 |i

KATA PENGANTAR

Puji syukur kita panjatkan atas kehadirat Tuhan Yang Maha Esa karena atas limpahan
rahmat dan karuniaNyalah sehingga penulis dapat menyelesaikan penyusunan makalah ini
dalam bentuk maupun isinya.

Harapan penulis semoga makalah berjudul “Aplikasi Jaringan Saraf Tiruan Sebagai
Alat Bantu Analisis Optimalisasi Unjuk Kerja Call Setup Success Rate (CSSR) Pada
Komunikasi Gsm” ini membantu menambah pengetahuan dan pengalaman bagi pembaca,
sehingga apabila terdapat hal yang tak sempurna di makalah ini pembaca dapat
menyampaikan sarannya kepada kami.

Makalah ini kami akui masih banyak kekurangan karena pengalaman kami yamg
masih kurang. Oleh karena itu kami harapkan kepada para pembaca untuk memberikan
masukkan yang bersifat membangun untuk kesempurnaan makalah ini.

Kendari, Maret 2017

Penyusun
 | ii

DAFTAR ISI

KATA PENGANTAR ................................................................................... ii

DAFTAR ISI.................................................................................................. iii
BAB I PENDAHULUAN
1.1. Latar Belakang ....................................................................... 1
1.2. Rumusan Masalah .................................................................. 1
1.3. Tujuan Penulisan .................................................................... 1
BAB II PEMBAHASAN
2.1. Teori Dasar ............................................................................. 2
2.1.1Arsitektur Jaringan GSM .................................................. 2
2.1.2 Call Setup Sucess Rate .................................................... 2
2.1.3 Jaringan Saraf Tiruan Perambatan Balik ......................... 4
2.2. Metode .................................................................................... 4
2.2.1Perancangan Sistem ......................................................... 4
2.2.2Tahap Pelatihan Jaringan .................................................. 4
2.2.3Tahap Pengujian ............................................................... 6
2.2.4Tahap Prediksi .................................................................. 7
2.3. Hasil dan Analisis ................................................................... 7
2.3.1Analisis Pelatihan Jaringan ............................................... 7
2.3.2 Hasil Pengujian Data latih ............................................... 8
2.3.3Hasil Pengujian Data Uji .................................................. 9
2.3.4 Prediksi Optimalisasi CSSR ............................................ 10
BAB III PENUTUP
3.1. Kesimpulan ............................................................................ 12
3.2. Saran ....................................................................................... 12
DAFTAR PUSTAKA .................................................................................... 13
 |1

BAB 1

PENDAHULUAN

1.1 Latar belakang

Saat ini teknologi Global System for Mobile Communications (GSM) masih banyak
digunakan oleh para penyedia (provider) layanan telekomunikasi seluler di Indonesia.
Teknologi GSM merupakan salah satu aplikasi teknologi telekomunikasi digital yang
mempunyai frekuensi 900 MHz dan 1800 MHz. Hal yang harus diperhatikan oleh
penyedia layanan telekomunikasi seluler yaitu kinerja jaringan komunikasi GSM. Kinerja
jaringan GSM dapat diketahui salah satunya dengan melihat performansi dari Call Setup
Success Rate (CSSR). Call Setup Success Rate (CSSR) biasanya saling berhubungan
dengan beberapa parameter teknis lainnya dalam suatu jaringan seperti Call Attempt,
SDCCH Block Rate, SDCCH Drop Rate, TCH Availability, TCH Blocking, Total Traffic,
BH TCH, Max Available Circuit Switch. Parameter tersebut digunakan untuk
mengoptimalisasi performansi Call Setup Success Rate (CSSR) dan untuk membuat suatu
keputusan optimalisasi CSSR perlu menggunakan algoritma pengenalan pola, salah
satunya yaitu jaringan saraf tiruan. Parameter tersebut dilatihkan ke jaringan saraf tiruan
sebagai proses pembelajaran dan selanjutnya diproses guna mendapatkan suatu pola yang
mewakili karakteristik data tertentu.
Tolok ukur keberhasilan sistem ini adalah saat jaringan saraf tiruan mampu
memberikan suatu keputusan optimalisasi yang sesuai dengan target optimalisasi yang
dilakukan oleh pihak penyedia layanan telekomunikasi.

1.2 Rumusan masalah

Adapun rumusan masalah dalam makalah ini yaitu :
1. Bagaimanakah bentuk jaringan GSM bekerja ?
2. Apakah metode yang digunakan dalam pengaplikasian JST pada jaringan GSM?
3. Bagaimanakah hasil dari pengaplikasiannya ?

1.3 Tujuan
Adapun tujuan dalam penulisan makalah ini yaitu :
1. Mengetahui kerja dari jaringan GSM .
2. Mengetahui pengaplikasian JST pada jaringan GSM.
 |2

BAB 2
PEMBAHASAN

2.1 Teori Dasar

2.1.1 Arsitektur Jaringan GSM
Secara umum, network element dalam arsitektur jaringan GSM terdiri dari 4
element yaitu :
 Mobile Station (MS)
 Base Station Sub-system (BSS)
 Network Sub-System (NSS)
 Operation and Support System (OSS)
Secara bersama-sama, keseluruhan network element di atas akan membentuk sebuah
PLMN (Public Land Mobile Network).

Gambar 1. Arsitektur Jaringan GSM

Mobile Station (MS) adalah sebuah perangkat yang digunakan oleh suatu pelanggan
untuk melakukan panggilan maupun sms. Base Station Sub-system (BSS)
bertanggung jawab untuk pembangunan dan pemeliharaan hubungan ke MS. BSS
mengalokasikan kanal radio untuk suara dan pesan data, membangun hubungan
radio, dan berfungsi sebagai relay station antara MS dan MSC. Network Sub-System
(NSS) merupakan bagian utama dari jaringan seluler yang terdiri dari : Mobile
Switching Center (MSC), Home Location Register (HLR), Visitor Location Register
(VLR), Authentication Center (AuC), Equipment Identity Registration (EIR).
Operation and Support System (OSS) sering juga disebut dengan OMC (Operation
and Maintenance Center) adalah sub system jaringan GSM yang berfungsi sebagai
pusat pengendalian dan maintenance perangkat (network element) GSM yang
terhubung dengannya. Hal yang harus diperhatikan oleh penyedia layanan
telekomunikasi seluler yaitu kinerja jaringan komunikasi GSM. Kinerja jaringan
GSM dapat diketahui salah satunya dengan melihat performansi dari Call Setup
Success Rate (CSSR).

2.1.2 Call Setup Success Rate (CSSR)

Dalam telekomunikasi, CSSR adalah nilai yang digunakan untuk mengukur
tingkat keberhasilan jaringan dalam memberikan pelayanan baik berupa voice call,
 |3

video call maupun SMS atau dengan kata lain membuka jalan untuk melakukan
komunikasi. Saat hendak melakukan panggilan, call attempt memanggil prosedur call
setup dan jika berhasil maka panggilan akan terhubung. Keberhasilan call setup terdiri
dari dua prosedur yaitu :
Prosedur pertama adalah prosedur untuk membuat koneksi sinyal dari mobile station
(MS) ke jaringan. Hal ini terjadi saat MS mengirimkan sebuah pesan permintaan
kanal dari Random Access Channel (RACH) ke BTS untuk meminta kanal sinyal
SDCCH. MS meminta sinyal SDCCH disebabkan oleh beberapa alasan yaitu:
emergency call, call re-establishment, answer to paging, originating speech call,
originating data call, location updating. Kemudian terjadi proses signaling antara MS
dan jaringan untuk mengaktifkan kanal sinyal SDCCH dan memproses layanan yang
diminta oleh MS. Keberhasilan untuk mendapatkan sinyal SDCCH ditandai dengan
terkirimnya pesan dari MS ke BTS dan ke BSC. Selanjutnya terjadi proses
authentikasi, ciphering, dll yang dilakukan oleh SDCCH.
Prosedur kedua adalah prosedur untuk menempati Radio Resource (kanal suara).
MSC adalah inisiator dari prosedur ini. MSC mengirimkan pesan ke BSC untuk
meminta Radio Resource. Kemudian terjadi proses signaling antara BTS dan BSC
untuk mengalokasikan dan mengaktifkan radio resource yang cocok (Traffic channel-
TCH). Jika TCH tersebut berhasil diduduki oleh MS maka BTS mengirimkan pesan
assignment complete ke BSC dan BSC mengirimkan pesan assignment complete ke
MSC.

T1 T2 T3 T4
Gambar 2. Diagram alir Call Setup pada GSM

Sehingga dapat disimpulkan bahwa keberhasilan call setup ditandai ketika Mobile
Station (MS) mampu menduduki kanal sinyal SDCCH dan menduduki traffic channel
(TCH). Hal ini dapat dilihat pada gambar berikut:
 |4

Gambar 3. Diagram Keberhasilan Call Setup

Berdasarkan standar ITU-T (International Telecommunication Union–

Telecommunications), nilai CSSR harus mencapai > 95%. Tetapi biasanya pihak
operator memiliki standar nilai CSSR yang lebih tinggi dari standar ITU-T. PT
Indosat Tbk menetapkan standar nilai CSSR >= 98%. Secara umum, perhitungan
CSSR menggunakan rumus sebagai berikut :
CSSR = (1 - TCH Block Rate)*(1 - SDCCH Block Rate)*(1 - SDCCH
Drop Rate)*(1 - TCH Ass Failure Rate) (1)
Call Setup Success Rate (CSSR) biasanya saling berhubungan dengan
beberapa parameter teknis lainnya dalam suatu jaringan seperti Call Attempt, SDCCH
Block Rate, SDCCH Drop Rate, TCH Availability, TCH Blocking, Total Traffic, BH
TCH, Max Available Circuit Switch. Parameter tersebut digunakan untuk
mengoptimalisasi performansi Call Setup Success Rate (CSSR) dan untuk membuat
suatu keputusan optimalisasi CSSR perlu menggunakan algoritma pengenalan pola,
salah satunya yaitu jaringan saraf tiruan.

2.1.3 Jaringan Saraf Tiruan Perambatan Balik

Jaringan Saraf Tiruan Perambatan Balik (Backpropagation Neural Network)
merupakan salah satu model dari jaringan saraf tiruan umpan maju dengan
menggunakan pelatihan terbimbing yang disusun berdasar pada algoritma kesalahan
perambatan balik. Pola masukan dan target diberikan sebagai sepasang data. Bobot-
bobot awal dilatih dengan melalui tahap maju untuk mendapatkan galat keluaran yang
selanjutnya galat ini digunakan dengan tahap mundur untuk memperoleh nilai bobot
yang sesuai agar dapat memperkecil nilai galat sehinggga target keluaran yang
dikehendaki tercapai. Tujuan dari model ini adalah untuk mendapatkan keseimbangan
antara kemampuan jaringan untuk mengenali pola yang digunakan selama proses
pelatihan berlangsung serta kemampuan jaringan memberikan tanggapan yang benar
terhadap pola masukan yang berbeda dengan pola masukan selama pelatihan

2.2 Metode
2.2.1 Perancangan Sistem
Sebelum membuat suatu sistem optimalisasi Call Setup Success Rate (CSSR)
terlebih dahulu dilakukan perancangan sistem. Perancangan sistem merupakan
tahapan penting dalam mengaplikasikan suatu konsep, baik dalam bentuk software
 |5

ataupun hardware agar dalam pembuatannya dapat berjalan secara sistematis dan
terstruktur sehingga dapat berjalan sesuai dengan apa yang dikehendaki. Berikut ini
gambar perancangan arsitektur jaringan saraf tiruan untuk optimalisasi CSSR :

Gambar 4. Perancangan arsitektur jaringan syaraf tiruan

Perancangan arsitektur jaringan yang digunakan dalam sistem sebagai berikut:
Metode Pembelajaran : Supervised Learning
Algoritma Pelatihan Jaringan : traingdx
Algoritma Pelatihan Bobot dan Bias : learngdm
Vektor Masukan : Matriks ukuran 8x3
Jumlah Neuron Hidden Layer : 50 buah
Jumlah Hidden Layer : 1 buah
Fungsi Aktivasi Hidden Layer : logsig
Jumlah Output Layer : 1 buah
Fungsi Aktivasi Output Layer : tansig
Vektor Keluaran : Matriks ukuran 1x3

Pada gambar 4. terdapat lapisan masukan, lapisan tersembunyi dan lapisan

keluaran untuk optimalisasi Call Setup Success Rate (CSSR). Pada lapisan masukan
terdiri dari 8 parameter CSSR (X1 – X8) yaitu Call Attempt, SDCCH Block Rate,
SDCCH Drop Rate, TCH Availability, TCH Blocking Rate, Total Traffic, BH TCH
(Busy Hour Traffic Channel), Max Available Circuit Switch. Selanjutnya pada lapisan
tersembunyi terdiri dari 50 buah neuron dan lapisan keluaran (Y) terdiri dari 1 buah
neuron untuk memberikan keputusan optimalisasi CSSR. Terdapat 4 keputusan
optimalisasi CSSR yang dikodekan dalam bentuk angka yaitu Normal (1),
penambahan TCH (2),penambahan SDCCH(3),HCR (4). Berikut ini diagram alir
sistem pengujian optimalisasi CSSR yang digambarkan pada gambar 5.
 |6

Gambar 5 Diagram alir sistem pengujian

2.2.2 Tahap Pelatihan Jaringan
Tahap pelatihan Jaringan Saraf Tiruan (JST) adalah tahap untuk memperoleh
nilai bobot dan bias dari tiap basis data. Untuk mendapatkan nilai bobot dan bias
harus dilakukan pelatihan JST terlebih dahulu. Dalam pelatihan JST ini membutuhkan
nilai basis data sebagai vektor masukan dan dilatih sesuai target yang telah
ditentukan. Data masukan CSSR berupa matriks yang berukuran 3x8. Matriks ini
terlebih dahulu di-transpose menjadi berukuran 8x3 agar sesuai dengan arsitektur
jaringan yang telah ditentukan dan selanjutnya akan dimasukkan ke jaringan. Jaringan
akan dilatih sesuai dengan target optimalisasi CSSR. Ada 4 target optimalisasi CSSR
yang masing-masing target optimalisasi dikodekan dalam bentuk angka yaitu Normal
(1), penambahan TCH (2), penambahan SDCCH (3), HCR (4). Pada tahap pelatihan
ini akan dibuat 4 buah jaringan yang masing-masing jaringan mewakili karakteristik
tiap BTS sehingga mampu memberikan keputusan optimalisasi yang sesuai dengan
target optimalisasi CSSR. Setelah melakukan pelatihan jaringan tersebut maka akan
didapatkan nilai bobot dan bias yang dapat digunakan dalam tahap pengujian.
2.2.3 Tahap Pengujian
Tahap Pengujian adalah tahap dimana data masukan CSSR baik data yang
sudah dilatihkan ke JST (data latih) maupun data yang belum pernah dilatihkan ke
JST (data uji) akan diuji dengan menggunakan jaringan saraf tiruan yang telah
dilatihkan sebelumnya pada tahap pelatihan. Pada awalnya, data masukan CSSR
berupa matriks yang berukuran 3x8. Matriks ini terlebih dahulu di-transpose menjadi
berukuran 8x3 agar sesuai dengan arsitektur jaringan yang telah ditentukan dan
selanjutnya akan dimasukkan ke jaringan. Pada tahap pengujian dibutuhkan nilai
bobot dan bias dari hasil pelatihan jaringan agar JST dapat memberikan keputusan
optimalisasi yang sesuai dengan target optimalisasi CSSR. Jadi keluaran dari jaringan
ini adalah matriks berukuran 1x3. Setelah data masukan CSSR diuji dengan
menggunakan JST maka akan diketahui persentase keberhasilan JST dalam
 |7

memberikan keputusan optimalisasi CSSR yang sesuai dengan target optimalisasi

CSSR.
2.2.4 Tahap Prediksi
Tahap prediksi adalah tahap dimana JST mampu memberikan prediksi
optimalisasi CSSR terhadap data CSSR yang baru. Hal ini mungkin dilakukan karena
dengan diketahuinya persentase keberhasilan JST pada tahap pengujian maka JST
yang memiliki persentase keberhasilan paling tinggi dirasa mampu memproses data
CSSR yang baru untuk dilakukan optimalisasi CSSR. Pada tahap ini untuk
menghasilkan JST yang mampu memberikan prediksi optimalisasi CSSR yang tepat
maka data CSSR yang baru harus berada dalam range nilai yang telah ditentukan
karena JST telah dilatihkan dengan data data yang berada dalam range nilai tersebut
pada tahap pelatihan

2.3 Hasil dan Analisis

2.3.1 Analisis Pelatihan Jaringan
Proses pelatihan ini dilakukan untuk mencari konfigurasi jaringan yang terbaik
dengan cara mengubah konstanta belajar (learning rate) dan jumlah neuron pada
lapisan tersembunyi sehingga didapatkan nilai Mean Squared Error (MSE) dan epoch
untuk dilakukan analisis. Adapun nilai MSE dan epoch yang didapatkan dari hasil
pelatihan dapat dilihat pada tabel 1. dan 2.

*Hasil pelatihan dapat berubah dengan hasil tabel 1 dan 2

karena inisialisasi bobot yang berbeda untuk setiap kali pelatihan.
 |8

Keterangan:
LT = Jumlah neuron pada lapisan tersembunyi
KB = Konstanta belajar
Dapat dilihat pada tabel 1. dan 2. bahwa variasi jumlah neuron pada lapisan
tersembunyi dan variasi konstanta belajar dapat mempengaruhi nilai MSE dan epoch
yang dihasilkan. Hal ini terbukti pada tabel diatas bahwa nilai MSE terbesar terdapat
pada konfigurasi jaringan dengan jumlah neuron lapisan tersembunyi 10 dan
konstanta belajar 0.05. Sedangkan nilai MSE terkecil terdapat pada konfigurasi
jaringan dengan jumlah neuron lapisan tersembunyi 50 dan konstanta belajar 0.01.
Namun jika dilihat dari nilai epoch yang dihasilkan maka konfigurasi jaringan
dengan jumlah neuron lapisan tersembunyi 10 dan konstanta belajar 0.05 memiliki
nilai epoch yang lebih kecil daripada epoch yang dihasilkan pada konfigurasi jaringan
dengan jumlah neuron lapisan tersembunyi 50 dan konstanta belajar 0.01. Hal ini
membuktikan bahwa untuk mendapatkan nilai MSE yang kecil maka dibutuhkan
jumlah epoch yang relatif besar dan sebaliknya untuk mendapatkan nilai MSE yang
besar maka dibutuhkan jumlah epoch yang kecil. Oleh karena itu, konfigurasi jaringan
yang terbaik adalah konfigurasi jaringan dengan jumlah neuron lapisan tersembunyi
50 dan konstanta belajar 0.01 karena konfigurasi tersebut mampu menghasilkan nilai
MSE yang relatif kecil dibandingkan konfigurasi jaringan yang lainnya sehingga
layak digunakan pada tahap pengujian.

2.3.2 Hasil Pengujian Data Latih

Data performansi Call Setup Success Rate (CSSR) yang digunakan untuk data
latih berjumlah 540 data. Data tersebut dilatihkan dan diuji dengan menggunakan 4
buah jaringan yaitu BTS Unnes Sekaran menggunakan jaringan dengan nama
‘Jaringanduapuluhsatu.mat’, DCS Salatiga menggunakan jaringan dengan nama
‘Jaringanduapuluh.mat’, BTS Ujung-Ujung menggunakan jaringan dengan nama
‘jaringansembilanbelas.mat’, BTS Singorojo menggunakan jaringan dengan nama
‘Jaringanduapuluhdua.mat’. Dari hasil pengujian data latih dapat diketahui persentase
keberhasilan jaringan dalam memberikan keputusan optimalisasi yang sesuai dengan
target optimalisasi. Berikut ini rumus persentase keberhasilan optimalisasi CSSR :

𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑝𝑢𝑡𝑢𝑠𝑎𝑛 𝑦𝑎𝑛𝑔 𝑠𝑒𝑠𝑢𝑎𝑖 𝑑𝑒𝑛𝑔𝑎𝑛 𝑡𝑎𝑟𝑔𝑒𝑡

% Optimalisasi = 𝑥100%
total data uji

Persentase keberhasilan optimalisasi CSSR terhadap data latih dari 4 BTS dapat
dilihat pada gambar 6.
 |9

Gambar 6. Grafik perbandingan Hasil pengujian data latih

Dapat dilihat pada gambar 6. bahwa persentase keberhasilan optimalisasi

CSSR paling tinggi terdapat pada BTS Ujung-Ujung dengan persentase keberhasilan
99,26% dan persentase keberhasilan optimalisasi CSSR paling rendah terdapat pada
DCS Salatiga dengan persentase keberhasilan 87,41%. Tetapi secara keseluruhan,
persentase keberhasilan optimalisasi CSSR terhadap seluruh data latih dapat
dikatakan baik karena memiliki persentase keberhasilan 92,96%.

2.3.3 Hasil Pengujian Data Uji

Data performansi Call Setup Success Rate (CSSR) yang digunakan untuk data
uji berjumlah 540 data. Dari hasil pengujian data uji dapat diketahui persentase
keberhasilan jaringan dalam memberikan keputusan optimalisasi yang sesuai dengan
target optimalisasi. Berikut ini rumus persentase keberhasilan optimalisasi CSSR :

𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑒𝑝𝑢𝑡𝑢𝑠𝑎𝑛 𝑦𝑎𝑛𝑔 𝑠𝑒𝑠𝑢𝑎𝑖 𝑑𝑒𝑛𝑔𝑎𝑛 𝑡𝑎𝑟𝑔𝑒𝑡

% Optimalisasi = 𝑥100%
total data uji

Persentase keberhasilan optimalisasi CSSR terhadap data uji dari 4 BTS dapat dilihat
pada gambar 7.

Gambar 7. Grafik perbandingan hasil pengujian data uji

 | 10

Dapat dilihat pada gambar 7. bahwa persentase keberhasilan optimalisasi CSSR

paling tinggi terdapat pada BTS Unnes Sekaran dengan persentase keberhasilan
99,26% dan persentase keberhasilan optimalisasi CSSR paling rendah terdapat pada
DCS Salatiga dengan persentase keberhasilan 85,19%. Tetapi secara keseluruhan,
persentase keberhasilan optimalisasi CSSR terhadap seluruh data uji dapat dikatakan
baik karena memiliki persentase keberhasilan 90,56%.

2.3.4 Prediksi Optimalisasi CSSR

Data performansi Call Setup Success Rate (CSSR) yang digunakan untuk
prediksi optimalisasi CSSR diperoleh dengan memasukkan nilai parameter CSSR
secara manual berdasarkan range nilai parameter yang telah ditentukan. Berikut ini
contoh prediksi optimalisasi CSSR dengan menggunakan data diluar data latih dan
data uji :
 Total Traffic = 345
Call Attempt = 3000
BH TCH = 32
Max Available CS = 35
TCH Availability = 100
SDCCH Drop Rate = 2,1
SDCCH Block Rate = 3.4
TCH Block Rate =0
Nama Optimalisasi = Penambahan SDCCH
 Total Traffic = 421
Call Attempt = 3100
BH TCH = 45
Max Available CS = 25
TCH Availability = 100
SDCCH Drop Rate = 0,002
SDCCH Block Rate = 0,01
TCH Block Rate = 4,3
Nama Optimalisasi = Penambahan TCH
 Total Traffic = 389
Call Attempt = 4000
BH TCH = 39
Max Available CS = 35
TCH Availability = 100
SDCCH Drop Rate = 2,5
SDCCH Block Rate = 8,5
TCH Block Rate = 4,5
Nama Optimalisasi = HCR
 Total Traffic = 345
Call Attempt = 4000
BH TCH = 35
 | 11

Max Available CS = 32
TCH Availability = 100
SDCCH Drop Rate = 0,005
SDCCH Block Rate =0
TCH Block Rate =0
Nama Optimalisasi = Normal
 | 12

BAB 3
PENUTUP

3.1 Kesimpulan

Dari hasil pengujian dan analisis yang telah dilakukan pada bab sebelumnya maka
dapat diambil kesimpulan bahwa konfigurasi jaringan yang terbaik adalah konfigurasi
jaringan dengan jumlah neuron pada lapisan tersembunyi sebanyak 50 buah dan
konstanta belajar bernilai 0,01 karena menghasilkan nilai MSE yang relatif kecil yaitu
1,11e-11 dengan epoch 461. Persentase keberhasilan optimalisasi CSSR paling tinggi
pada data latih terdapat pada BTS Ujung-Ujung sebesar 99,26% dan paling rendah
terdapat pada DCS Salatiga sebesar 87,41%. Tetapi secara keseluruhan, persentase
keberhasilan optimalisasi CSSR terhadap seluruh data latih dapat dikatakan baik karena
memiliki persentase keberhasilan 92,96%. Persentase keberhasilan optimalisasi CSSR
paling tinggi pada data uji terdapat pada BTS Unnes Sekaran sebesar 99,26% dan paling
rendah terdapat pada DCS Salatiga sebesar 85,19%. Tetapi secara keseluruhan,
persentase keberhasilan optimalisasi CSSR terhadap seluruh data uji dapat dikatakan
baik karena memiliki persentase keberhasilan 90,56%. Adapun saran yang dapat
diberikan sehubungan dengan pelaksanaan penelitian ini adalah penelitian ini dapat
dikembangkan untuk mengoptimalisasi unjuk kerja Call Setup Success Rate (CSSR)
pada layanan data dengan menggunakan sampel data parameter BTS yang lebih banyak
dan dapat dikembangkan menggunakan variasi tipe jaringan saraf tiruan yang lain seperti
perceptron, hopfield, ADALINE, LVQ. Selain itu, juga dapat dikembangkan untuk
mengoptimalisasi unjuk kerja Handover Successfull Rate (HOSR) dan Call Drop Rate
(CDR) pada operator seluler

3.2 Saran
 | 13

DAFTAR PUSTAKA

[1]. Heine, Gunnar. GSM Networks: Protocols, Terminology, and Implementation.

London: Artech House. 1999.
[2]. Hermawan, Arief. Jaringan Saaf Tiruan Teori dan Aplikasi. Yogyakarta: Andi Offset. 2006.
[3]. Kollar, Martin. Evaluation of Real Call Setup Success Rate in GSM. Acta Electrotechnica et
Informatica. 2008; 8(3): 53-56.
[4]. Jong, J. S. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta:
Andi Offset. 2005.
[5]. Adhi, Agung Rizqie. Analisis Optimalisasi Handover Successfull Rate Terhadap TCH Drop
Rate Pada Jaringan GSM. Laporan Tugas Akhir Teknik Elektro Undip. 2012.
[6]. Warassih, Anggit Praharasty. Analisis Kualitas Panggilan Pada Jaringan GSM Menggunakan
Tems Investigation. Laporan Tugas Akhir Teknik Elektro Undip. 2010.
[7]. Jatmiko, Heri Setio. Pengolahan Data dan Analisis Call Setup Success Rate (CSSR)
Performance PT. Indosat Tbk. Semarang. Laporan Kerja Praktek Teknik Elektro Undip.2012.
[8]. Alfin Hikmaturokhman, Ali Muayyadi, Irwan Susanto, Andi Ulva T Wello. Analisis
Performansi Pada Jaringan GSM 900/1800 Di Area Purwokerto. Seminar Nasional Aplikasi
Teknologi Informasi (SNATI). 2010; ISSN: 1907- 5022: F18-F23.
[9]. Budiyadi, Andrie. Analisis dan Optimalisasi Parameter Radio GSM. Laporan Tugas Akhir
Teknik Elektro Undip.2011.
[10]. Mishra, Ajay R. Editors. Advanced Celluler Network Planning and Optimisation.
England: John Wiley & Sons, Ltd. 2007.
[11]. Taufiq, Mochamad Nur. Sistem Pengenalan Plat Nomor Polisi Kendaraan Bermotor
Dengan Menggunakan Metode Jaringan Saraf Tiruan Perambatan Balik. Laporan Tugas
Akhir Teknik Elektro Undip. 2012.
[12]. Usman, Uke Kurniawan. GSM.
http://nic.unud.ac.id/~lie_jasa/materi%20%28GSM%29.pdf (diakses tanggal 18 juni 2013).
| 14