Analisis Kinerja Jaringan 5G Menggunakan Deep Reinforcement Learning

Asty Raisha Agma (Universitas Negeri Padang)

JRT
Vol. 1 No. 1 (2025): Oktober-Desember

Perkembangan jaringan 5G menghadirkan tantangan baru dalam optimasi performa jaringan yang kompleks dan dinamis. Pengelolaan sumber daya dan pemeliharaan kualitas layanan memerlukan pendekatan cerdas untuk memastikan kecepatan dan keandalan tinggi. Penelitian ini bertujuan menganalisis kinerja jaringan 5G dengan memanfaatkan metode Deep Reinforcement Learning (DRL) untuk optimasi alokasi sumber daya secara adaptif. Metode penelitian meliputi simulasi jaringan 5G menggunakan model DRL, pengumpulan data performa, dan evaluasi melalui metrik throughput, latency, dan packet loss. Hasil penelitian menunjukkan bahwa implementasi DRL mampu meningkatkan efisiensi jaringan secara signifikan dibanding metode konvensional, terutama dalam kondisi lalu lintas tinggi. Sistem adaptif ini memungkinkan jaringan menyesuaikan strategi alokasi sumber daya secara real-time untuk mempertahankan kualitas layanan. Penelitian ini memberikan kontribusi pada pengembangan jaringan 5G yang lebih cerdas, efisien, dan handal, serta membuka peluang untuk penelitian lanjutan dalam pengelolaan jaringan berbasis AI.