Hermansyah, Hermansyah (2026) ANALISIS KOMPARATIF DAN IMPLEMENTASI ALGORITMA RANDOM FOREST DAN LSTM UNTUK PREDIKSI DEGRADASI OPTICAL POWER PADA JARINGAN FTTH. S2 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (2MB)
	Text ABSTRAK.pdf Download (2MB)
	Text BAB I.pdf Download (2MB)
	Text DAFTAR PUSTAKA.pdf Download (2MB)
	Text TESIS HERMANSYAH.pdf Restricted to Registered users only Download (2MB)

Abstract

ABSTRAK Jaringan Fiber to the Home (FTTH) menjadi infrastruktur utama dalam penyediaan layanan internet berkecepatan tinggi. Namun, kualitas sinyal optical power yang diterima oleh Optical Network Terminal (ONT) dapat mengalami degradasi akibat faktor seperti jarak kabel, jumlah splice dan konektor, usia perangkat, serta kondisi lingkungan. Penelitian ini bertujuan membandingkan algoritma Random Forest dan Long Short-Term Memory (LSTM) untuk memprediksi kondisi jaringan FTTH ke dalam tiga kategori, yaitu Normal, Waspada, dan Kritis, berdasarkan 63.145 data historis dari 58 ONT yang dikumpulkan selama periode Maret hingga Mei 2026. Untuk memastikan perbandingan yang adil, Random Forest dilatih menggunakan fitur tabular hasil rekayasa berupa lag dan statistik rolling window, sedangkan LSTM dilatih menggunakan data sekuensial mentah dengan enam langkah waktu historis. Kinerja kedua model dievaluasi menggunakan accuracy, precision, recall, F1-score, confusion matrix, Mean Absolute Error (MAE), dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa Random Forest secara signifikan mengungguli LSTM, dengan accuracy sebesar 98,41% dan rata-rata macro F1-score 95,49%, dibandingkan LSTM yang hanya mencapai accuracy 70,08%. Evaluasi tambahan menggunakan pembagian data berbasis urutan waktu (time-based split) menunjukkan hasil yang konsisten (98,59%), mengindikasikan performa Random Forest bukan disebabkan oleh kebocoran data. Analisis feature importance mengungkapkan bahwa riwayat optical power sebelumnya menjadi prediktor paling dominan. Model Random Forest dengan performa terbaik selanjutnya diimplementasikan ke dalam dashboard berbasis web yang dilengkapi fitur peringatan dini semi-otomatis melalui WhatsApp untuk mendukung pemeliharaan preventif jaringan FTTH. Kata Kunci: FTTH, LSTM, Optical Power, Prediksi, Random Forest.

Item Type:	Thesis (S2)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Pascasarjana > 71102 - Magister Teknologi Informasi
Depositing User:	Hermansyah Herman
Date Deposited:	03 Sep 2026 08:17
Last Modified:	03 Sep 2026 08:17
URI:	https://rama.unimal.ac.id/id/eprint/22323

Actions (login required)

View Item