Penerapan Deep Reinforcement Learning untuk Optimasi Penggunaan Spektrum Adaptif pada Jaringan 5G di Area Kota Medan

Sitopu, Mutiara Widasari
Simanjuntak, Lucky Trasya
Samuel Natanael

Jurnal Teknologi Rekayasa Jaringan Telekomunikasi (TRekRiTel)
Vol. 5 No. 1 (2025): : April 2025

Peningkatan lalu lintas data secara signifikan di kota-kota besar seperti Medan telah menimbulkan tantangan baru dalam pengelolaan spektrum frekuensi jaringan 5G. Sistem alokasi spektrum tradisional yang statis tidak lagi mampu memenuhi kebutuhan dinamis dari lingkungan urban yang padat. Penelitian ini mengkaji penerapan algoritma Deep Reinforcement Learning (DRL) dalam mengoptimalkan penggunaan spektrum adaptif pada jaringan 5G di wilayah perkotaan. Dengan menggunakan simulasi berbasis Python dan TensorFlow, model pelatihan DRL diuji dalam kondisi padat pengguna untuk mengevaluasi efisiensi alokasi kanal, latensi, dan throughput. Hasil penelitian menunjukkan bahwa pendekatan ini mampu meningkatkan efisiensi penggunaan spektrum hingga 38% dibandingkan metode konvensional. Hal ini menunjukkan bahwa integrasi AI dalam pengelolaan spektrum merupakan solusi potensial dalam mendukung performa jaringan 5G di area seperti Kota Medan.