FERDIANSYAH, Endi Rizal and Rochim, Adian Fatchur and Syafei, Wahyul Amien (2024) PERAMALAN TRAFFIC JARINGAN LTE MENGGUNAKAN METODE HOLT-WINTER’S MULTIPLICATIVE SEASONAL DAN ROLLING FORECAST UNTUK OPTIMALISASI INVESTASI PERUSAHAAN TELEKOMUNIKASI DI INDONESIA. Masters thesis, UNIVERSITAS DIPONEGORO.

	Text 1.Cover.pdf Download (1MB)
	Text BAB I.pdf Download (109kB)
	Text BAB II.pdf Download (621kB)
	Text BAB III.pdf Restricted to Repository staff only Download (557kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Download (167kB)
	Text DAFTAR PUSTAKA.pdf Download (133kB)

Abstract

Perkembangan pesat penggunaan internet seluler, terutama dalam jaringan LTE, menimbulkan tantangan bagi operator seluler dalam menjaga Kualitas Layanan (QoS) dan mengoptimalkan perencanaan desain jaringan. Peramalan volume lalu lintas yang akurat menjadi krusial untuk perencanaan jaringan dan alokasi sumber daya yang efektif. Penelitian ini bertujuan untuk mengusulkan peningkatan akurasi metode Holt's Winter Multiplicative Seasonal (HWMS) dengan menerapkan teknik Rolling Forecast untuk mencapai hasil peramalan yang lebih baik. Dengan menggunakan kumpulan data publik dari 56 cell, evaluasi berdasarkan Mean Absolute Percentage Error (MAPE) mengungkapkan urutan kesalahan prediksi sebagai berikut: HWMS & Rolling Forecast (20,47%), HWMS Saja (30,06%), FbProphet (30,45%), dan Auto Regressive Integrated Moving Average (ARIMA) (31,52%). Cell - cell tersebut dikategorikan sebagai "Baik" (59%), "Wajar" (39%), dan "Kurang Baik" (2%). Hasil-hasil tersebut menunjukkan bahwa metode yang diusulkan mencapai persentase cell yang jauh lebih tinggi dalam kategori "Baik," dengan perbedaan 45% dibandingkan dengan HWMS tanpa Rolling Forecast, yang hanya mencapai 14%. Selain itu, metode yang diusulkan melampaui ARIMA sebesar 50% dan FbProphet sebesar 37% dalam kategori yang sama. Lebih lanjut, saat diterapkan pada data nyata dari sebuah perusahaan telekomunikasi di Indonesia, metode yang diusulkan mengidentifikasi 11 cell yang memerlukan solusi dari total 100 cell. Sebagai perbandingan, metode ARIMA mengidentifikasi 3 cell, FbProphet mengidentifikasi 12 cell, dan HWMS tanpa Rolling Forecast mengidentifikasi 9 cell. Dengan demikian, perusahaan dapat memberikan solusi untuk 11 cell yang diidentifikasi tanpa perlu investasi berlebihan sambil tetap mempertahankan potensi pendapatan.
Kata kunci: Traffic Forecasting, LTE Network, HWMS, Rolling Forecast, ARIMA, FbProphet.

The rapid growth of mobile internet usage, particularly in LTE networks, poses challenges for mobile operators in maintaining Quality of Service (QoS) and optimizing network design planning. Accurate traffic volume forecasting is crucial for network planning and effective resource allocation. This study aims to propose an enhancement to the accuracy of the Holt's Winter Multiplicative Seasonal (HWMS) method by applying the Rolling Forecast technique to achieve better forecasting results. Using a public dataset of 56 cells, the evaluation based on Mean Absolute Percentage Error (MAPE) reveals the following sequence of prediction errors: HWMS & Rolling Forecast (20.47%), HWMS Only (30.06%), FbProphet (30.45%), and Auto Regressive Integrated Moving Average (ARIMA) (31.52%). The cells are categorized as "Good" (59%), "Reasonable" (39%), and "Poor" (2%). The results indicate that the proposed method achieves a significantly higher percentage of cells in the "Good" category, with a 45% difference compared to HWMS without Rolling Forecast, which only achieved 14%. Moreover, the proposed method outperforms ARIMA by 50% and FbProphet by 37% in the same category. Furthermore, when applied to real data from a telecommunications company in Indonesia, the proposed method identified 11 cells that require solutions out of a total of 100 cells. In comparison, the ARIMA method identified 3 cells, FbProphet identified 12 cells, and HWMS without Rolling Forecast identified 9 cells. Thus, the company can provide solutions for the identified 11 cells without the need for excessive investment while still maintaining revenue potential.
Keyword : Traffic Forecasting, LTE Network, HWMS, Rolling Forecast, ARIMA, FbProphet.

Actions (login required)

View Item