its undergraduate 9290 paper

1

OPTIMASI PENEMPATAN BTS DENGAN MENGGUNAKAN

ALGORITMA GENETIKA

Nama Mahasiswa : Yustaf Pramsistya

NRP : 1204 100 063

Jurusan : Matematika FMIPA-ITS

Dosen Pembimbing : DR. M. Isa Irawan, MT.

Drs. Bandung Arry S, Mi.Komp

Abstrak

Setiap jaringan komunikasi bergerak selular membutuhkan perencanaan sel dengan tujuan untuk

dapat memenuhi kebutuhan pencakupan sel yang ditunjukan oleh jumlah base station, dimana diusahakan

seminimal mungkin tetapi dapat memenuhi kapasitas trafik dan coverage area yang dibutuhkan.

Algoritma genetika adalah suatu algoritma pencarian solusi suatu masalah atau solusi parameter –

parameter yang menganalogikan serta menerapkan mekanisme seleksi alam dan manipulasi genetik.

Algoritma ini juga digunakan untuk mengoptimasi suatu parameter dari suatu permasalahan. Pencarian

solusi menggunakan algoritma genetika yang digunakan bertujuan untuk mengoptimasi coverage area

dengan memperhatikan kemungkinan persebaran MS (Mobile Station). Hasil dari optimasi penempatan

Base Transceiver Station (BTS) dengan algoritma genetika menunjukkan bahwa jumlah BTS pada area

pelayanan yang ditentukan bisa dikurangi dengan tetap menjangkau coverage area pelayanan dan total

traffic yang dilayani.

Kata kunci : Base Transceiver Station (BTS) , Algoritma Genetika, Mobile Station

1. PENDAHULUAN

Setiap jaringan komunikasi bergerak selular

membutuhkan perencanaan sel dengan tujuan

untuk dapat memenuhi kebutuhan pencakupan sel

yang ditunjukan oleh jumlah base station, dimana

diusahakan seminimal mungkin tetapi dapat

memenuhi kapasitas trafik yang dibutuhkan.

Optimasi penempatan BTS ini mencakup dua

aspek yaitu ditinjau dari segi coverage dan dari

segi trafik. Penanganan beban trafik meliputi

prediksi jumlah pelanggan pada setiap sel, dimana

dengan pertimbangan beban trafik yang

diperlukan oleh pelanggan dan beban trafik yang

dapat ditangani dalam sel, dapat diperoleh jumlah

sel yang diperlukan untuk mengatasi beban trafik

yang diperlukan oleh pelanggan.

Dalam tugas akhir ini permasalahan yang

akan dibahas adalah bagaimana mengoptimalkan

penempatan BTS agar mencakup wilayah yang

akan dilayani dengan jumlah seminimal mungkin

tetapi masih menunjukkan unjuk kerja yang baik

ditinjau dari segi teknis yaitu masalah kapasitas

trafik yang disediakan dan kualitas sinyal.

Tujuan dari tugas akhir ini adalah

mengimplementasikan algoritma Genetika untuk

mengoptimalkan proses penentuan lokasi BTS.

Sehingga setelah diselesaikannya tugas akhir ini

dapat memberikan masukan kepada provider

dalam memberikan kenyamanan bagi pelanggan

jasa telekomunikasi.

Dalam upaya mendapatkan suatu hasil yang

efektif, batasan permasalahan diberikan:

1. Proses optimalisasi BTS menggunakan

standar GSM

2. Lokasi optimalisasi BTS dilaksanakan di

wilayah Surabaya, khususnya pada BSC

H_Gemblongan_01, H_Kayoon_02,

Merisi dan Merisi_02.

3. Kemampuan dari masing-masing BTS

dibatasi oleh kapasitas BTS.

4. Proses optimalisasi tidak memperhatikan

kondisi geografis dan faktor biaya.

5. Radius BTS yang dipakai adalah radius

rata-rata BTS.

6. Kapasitas BTS yang dipakai adalah

kapasitas rata-rata BTS.

2

2. DASAR TEORI

2.1 Pengantar GSM

Global System for Mobile

Communication (GSM) adalah standard sistem

seluler generasi kedua yang dibangun untuk

mengatasi masalah pengelompokan pada sistem

seluler pertama di Eropa. GSM adalah sistem

seluler pertama di dunia yang menetapkan

spesifikasi modulasi digital dan arsitektur

palayanan (service) pada network level. Penetapan

standar GSM dilakukan di bawah dukungan

European Technical Standard Institute (ETSI).

2.2 Mobile Station (MS)

Mobile Station (MS) merupakan

perangkat yang dapat berkomunikasi dengan

menggunakan jaringan GSM. Telepon Selular dan

PCMCIA plug-in cards. Meskipun MS bukan

merupakan bagian dari wired network, MS

mempunyai peran yang penting dalam

fungsionalitas jaringan. MS membantu jaringan

dalam mengukur kualitas sinyal radio untuk

menentukan handover.

Dalam jaringan telepon konvensional,

telepon direpresentasikan sebagai pelanggan

ketika terhubung dalam jaringan. Pada GSM,

identitas pelanggan dan peralatan komunikasinya

terpisah. Subscriber Identity Module (SIM)

merepresentasikan identitas pelanggan terhadap

jaringan. MS tidak akan berfungsi tanpa sebuah

SIM. Algoritma proses otentifikasi dan ekripsi

disimpan pada SIM bersama informasi pelanggan.

2.3 Network Switching Subsystem (NSS)

NSS terdiri dari MSC, HLR, VLR, Auc,

dan EIR Salah satu bagian MSC akan digunakan

untuk melakukan hubungan ke luar seperti PSTN,

ISDN. Proses pengolahan panggilan pada NSS

terletak pada MSC dan Gateway-MSC (G-MSC).

MSC melakukan fungsi switching pada sistem.

Elemen ini mengontrol panggilan menuju/dari MS

lain serta sistem data.

Home Location Register (HLR) adalah

database yang digunakan untuk melakukan

penyimpanan dan penanganan data pelanggan.

Visitor Location Register (VLR) informasi

sementara tentang pelanggan yang dibutuhkan

oleh MSC untuk melayani kebutuhan pelanggan.

VLR terintegrasi dengan MSC. Ketika MS

melakukan panggilan ke daerah MSC yang baru,

VLR yang terkoneksi ke MSC tersebut meminta

data tentang MS dari HLR.

2.4 Base Station Subsystem (BSS)

BSS mempunyai fungsi utama

menyediakan konektivitas untuk MSS. BSS

diimplementasikan sebagai dua entitas, yaitu :

a. Base Station Controller (BSC)

b. Base Transceiver Station (BTS)

BSC merupakan unit kontrol dari BSS, dimana

satu BSC dapat terhubung dengan beberapa BTS.

BSC menangani alokasi dari kanal radio, frequncy

hopping, handover dari BTS ke BTS (kecuali

pada inter-MSC-handover dimana pengontrolan

berada pada tanggung jawab MSC). Fungsi

penting BSC adalah sebagai konsentrator dimana

berbagai koneksi berkecepatan rendah yang

terhubung ke BTS akan berkurang sampai

sejumlah kecil koneksi yang menuju MSC.

BSC menyediakan informasi yang

dibutuhkan untuk Network Management

Subsystem (NMS). Database untuk semua tempat,

termasuk informasi seperti frekuensi pembawa,

pembawa, daftar frekuensi hopping, level

pengurangan daya, penerimaan sinyal untuk

perhitungan batas sel, semuanya disimpan di

BSC. Data ini diperoleh langsung dari bagian

perencanaan radio yang mengikutsertakan

pemodelan dari propagasi sinyal begitu pula

dengan proyeksi traffic.

Di dalam BTS terdapat radio penerima

dan pengirim dengan telepon pelangan. Daerah

perkotaan yang besar sangat membutuhkan

sejumlah besar BTS, dengan begitu kebutuhan

untuk BTS adalah keharusan, dan biayanya

seminimum mungkin. BTS yang jangkauan

luasnya lebih besar dari picocell memiliki

beberapa pengirim dan penerima (TRX), yang

melayani beberapa frekuensi yang berbeda dan

sektor sel yang berbeda. BTS pada umumnya

memiliki 1 sampai 12 TRX dalam 1, 2, atau 3

sektor walaupun jumlah ini berbeda-beda.

Gambar 2.1 Arsitektur Logical Structure pada

BSS

Arsitektur GSM secara garis besar terdiri

dari 2 subsistem yang terkoneksi dan berinteraksi

3

antar sistem dan dengan user melalui network

interface, subsistem tersebut adalah :

Base Station Subsystem (BSS)

Network and Switching System (NSS)

Setiap subsistem BSS terdiri dari

beberapa Base Station Controller (BSC) yang

berfungsi mengkoneksikan MS ke NSS via

MSCs. Sedangkan NSS berfungsi mengatur

fungsi switching dari sistem dan menjamin MSC

agar dapat berkomunikasi dengan network yang

lain seperti halnya PSTN dan ISDN. Fungsi

operasi dan maintenance keseluruhan sistem

GSM dikontrol oleh subsistem OSS, pada

subsistem ini seorang engineer dapat memonitor,

menganalisa dan melakukan troubleshooting

terhadap segala aspek dari sistem GSM

Gambar 2.2 Diagram Dari Arsitektur Sistem

GSM

Mobile Station akan berkomunikasi dengan

BSS melalui interface radio, sebuah BSS terdiri

dari beberapa Base Station Controller yang

terhubung kedalam satu MSC. Setiap BSC

biasanya mengontrol sampai beberapa ratus BTS,

lokasi BTS ini akan tersebar dimana-mana sesuai

dengan coverage area yang diinginkan sebuah

provider.Sedangkan koneksi yang umumnya

dipakai oleh BTS untuk mengkoneksikan dirinya

ke BSC adalah dengan dedicated line atau

microwave links. Proses handoff yang sering

terjadi antar dua BTS dalam satu BSC hanya akan

dikontrol oleh BSC tidak sampai melibatkan MSC

untuk mengurangi beban switching.

2.5 Kanal pada GSM

Kanal terkait pada pengulangan satu burst

pada setiap frame dimana karakteristiknya

tergantung pada posisi dan frekuensinya dalam

frame. Burst adalah unit waktu terkecil pada

TDMA. Sedangkan frame adalah kumpulan dari

beberapa burst dimana setia burst dialokasikan ke

MS yang berbeda. Karakteristik ini bersifat siklik

dan berulang setiap 3 jam. Kanal pada GSM dapat

dikategorikan sebagai kanal traffic dan kanal

control. Kanal juga dapat diklasifikasikan sebagai

dedicated. Kanal dedicated terhubung pada

sebuah MS dimana umumnya digunakan oleh idle

MS.

2.6 Pembagian Sel

Pembagian area dalam kumpulan sel-sel

merupakan prinsip penting GSM sebagai sistem

telekomunikasi selular. Tiap sel mengacu pada

satu frekuensi pembawa / kanal / ARFCN

tertentu. Pada kenyataannya jumlah kanal yang

dialokasikan terbatas, sementara jumlah sel bisa

saja berjumlah sangat banyak. Untuk memenuhi

hal ini, dilakukan teknik pengulangan frekuensi

(frequency re-use).

Jelas bahwa semakin besar jumlah

himpunan kanal, semakin sedikit jumlah kanal

tersedia per sel dan oleh karenanya kapasitas

sistem menurun. Namun, peningkatan jumlah

himpunan kanal menyebabkan jarak antara sel

yang berdekatan kanal semakin jauh, dan ini

mengurangi resiko terjadi interferensi. Sekali lagi,

desain sistem GSM memerlukan kompromi antara

kualitas dan kapasitas.

Pada kenyataannya, model satu sel

dengan satu kanal transceiver (TRx, tentunya

menggunakan antena omni-directional) jarang

digunakan. Untuk lebih meningkatkan kapasitas

dan kualitas, desainer melakukan teknik

sektorisasi. Prinsip dasar sektorisasi ini adalah

membagi sel menjadi beberapa bagian (biasanya 3

atau 6 bagian; dikenal dengan sektorisasi 1200

atau 300). Tiap bagian ini kemudian menjadi

sebuah BTS (Base Transceiver Station).

Kebanyakan vendor memperbolehkan sampai

dengan 4 TRx per BTS untuk sektorisasi 1200.

Jika digunakan TDMA pada TRx, menghasilkan 8

kanal TDMA tiap TRx, bisa dihitung bahwa

dalam satu sel dapat menampung trafik yang

setara dengan 3 X 4 X 8 = 96 kanal TDMA atau

sebesar 84,1 erlang dengan GoS 2%. (Erlang

merupakan satuan trafik dan GoS(Grade of

Service) menyatakan derajat keandalan layanan,

berapa jumlah blocking yang terjadi terhadap

panggilan total).

Pada prakteknya tidak semua kanal

TDMA tersebut bisa digunakan untuk kanal

pembicaraan (TCH = Traffic Channel). Dalam

sebuah BTS juga diperlukan SDCCH (Stand-

alone Dedicated Control Channel) yang

digunakan untuk call setup dan location updating

serta BCCH (Broadcast Control Channel) yang

4

merupakan kanal downlink yang memberikan

informasi dari BTS ke MS mengenai jaringan, sel

yang kedatangan panggilan, dan sel-sel di

sekitarnya

2.7 Pembahasan Algoritma Genetika

Algoritma genetika atau Genetic

Algorithm (GA) adalah algoritma pencarian

heuristik yang didasarkan atas mekanisme evolusi

biologis. Keberagaman pada evolusi biologis

adalah variasi dari kromosom antar individu

organisme. Variasi kromosom ini akan

mempengaruhi laju reproduksi dan tingkat

kemampuan organisme untuk tetap hidup. Pada

dasarnya ada 4 kondisi yang sangat

mempengaruhi proses evaluasi, yaitu:

a. Kemampuan organisme untuk melakukan

reproduksi.

b. Keberadaan populasi organisme yang bisa

melakukan reproduksi.

c. Keberagaman organisme dalam suatu

populasi.

d. Perbedaan kemampuan untuk survive.

Individu yang lebih kuat atau fit akan memiliki

tingkat survival dan tingkat reproduksi yang lebih

tinggi jika dibandingkan dengan individu yang

kurang fit. Pada kurung waktu tertentu (generasi),

populasi secara keseluruhan akan lebih banyak

memuat organisme yang fit.

2.7.1 Algoritma

Berikut ini ditunjukkan sebuah algoritma

pemrograman sederhana GA, dengan metode

seleksi roulette whell, single point Crossover,

mutasi.

Inisialisasi :

1. membangkitkan kromosom secara acak

dari range masing-masing variabel,

sebanyak popsize. Dimana dalam satu

kromosom terdiri dari individu-individu

variabel x kemudian dilakukan evaluasi

dengan fungsi yang ditentukan.

Optimasi :

1. menghitung nilai fitness untuk

tiap kromosom ( i = 1, . . ,

popsize)

2. menghitung total fitness, popsize

i

ivfF1

)(

3. apabila diinginkan nilai minimal

maka digunakan invers, nilai fitness

akan diinverskan dahulu sebelum

dihitung totalnya.

4. hitung nilai probabilitas untuk setiap

kromosom FvfP ii /)(

(i = 1, 2, . . . , popsize)

5. hitung probabilitas komulatif iq

untuk setiap kromosom i

j

ji Pq1

6. melakukan proses seleksi dengan

tahapan sebagai berikut :

­ membangkitkan bilangan r secara

acak (float) pada range [ 0,1]

­ jika r < iq maka kromosom

pertama akan terpilih

­ jika ii qrq 1 maka

kromosom yang ke – i yang

terseleksi

7. melakukan operator crossover dengan

tahapan sebagai berikut :

­ membangkitkan bilangan r secara

acak (float) pada range [ 0, 1]

­ jika r < pc maka kromosom

terseleksi untuk proses crossover

­ menentukan titik crossover dan

melakukan penyilangan

8. melakukan operator mutasi dengan

tahapan sebagai berikut :

­ membangkitkan bilangan r secara

acak (float) pada range [ 0 - 1]

sebanyak jumlah bit dalam

populasi

­ jika r < pm maka individu

tersebut mengalami mutasi

9. melakukan evaluasi lagi dan

menghitung nilai fitness tiap

kromosom. Kemudian dicari nilai

fitness yang paling optimal dan

dibandingkan dengan fitness terbaik

sebelumnya.

10. Kembali ke langkah 3 sampai

generasi maksimal yang diinginkan

3. PERANCANGAN DAN IMPLEMENTASI

3.1 Analisis Sistem

Telah disinggung pada pembahasan

sebelumnya bahwa perangkat lunak yang akan

dibuat berkaitan dengan optimalisasi penempatan

BTS. Dimana nanti perangkat lunak yang akan

dibuat memiliki fungsi untuk mengoptimalkan

lokasi BTS

5

3.1.1 Perhitungan Kapasitas BTS

Dengan mengambil contoh BTS

MICKODIKAL3XXX pada BSC

H_Gemblongan_01 yang memiliki konfigurasi

2/2/2 (3 sektor dengan masing-masing sektor

terdiri dari 2 TRX=16 kanal) dan mengambil 2

kanal untuk SDCCH dan BCCH , maka untuk

satu sektor BTS mempunyai 14 kanal TCH atau

sebesar 8.2003 erlang (dari tabel erlang),

kemudian dari hasil perhitungan persektor

didapatkan total kapasitas BTS = 3 x 8,2003 =

24,6009 erlang.

3.2 Perancangan Algoritma.

Perancangan algoritma yang digunakan

dalam aplikasi, secara garis besar dibagi menjadi

dua bagian yaitu algoritma menentukan real

coverage area & real blank area dan algoritma

untuk proses optimalisasi menggunakan

Algoritma Genetika (GA).

3.2.1 Algoritma real coverage & real blank

Algoritma ini bertujuan untuk menentukan

luas area yang tercover oleh BTS yang sudah ada,

selanjutnya menghitung luas blank area dengan

mengurangkan luas wilayah keseluruhan dengan

luas area yang tercover.

Gambar 3.1 Flowchart Proses Pencarian

coverage area & blank area

3.2.2 Algoritma Optimalisasi Menggunakan

GA

Proses optimalisasi lokasi BTS dimulai dari

penetuan daerah (BSC) yang akan dioptimalkan,

lalu kemudian dilanjutkan dengan mencari jumlah

BTS optimum dengan cara membagi kebutuhan

trafik dengan rata-rata kapasitas BTS didaerah

tersebut. Setelah diperoleh jumlah BTS optimum

maka selanjutnya dijalankan proses algoritma

genetika dengan jumlah gen per chromosome =

jumlah BTS optimum, proses GA akan berjalan

sebanyak jumlah generasi yang sudah ditentukan

sebelumnya.

Gambar 3.2 Flowchart Proses Optimalisasi

Inisialisasi Populasi

Proses Inisialisasi Populasi diambil dari

koordinat BTS yang sudah ada, tiap

chromosome merepresentasikan kombinasi

dari lokasi BTS dengan jumlah gene per

chromosome = jumlah BTS optimum, tiap

gene bertipe Integer dan merepresentasikan

Id_BTS. Contoh:

- kebutuhan trafik BSC H_Kayoon_02 =

1433,36 erlang

- kapasitas BTS pada BSC H_Kayoon_02

= 38,807 erlang

- maka jumlah BTS optimum

=BTSkapasitas

trafikkebutuhan= 36,935 37 buah

- Interval random = interval Id_BTS pada

BSC H_Kayoon_02 = 1 - 48

Dengan menjalankan fungsi random pada

Id_BTS, maka didapatkan :

1 2 3 4 5 6 7 8 ... 37

Chromosome1 = 3|1|5|7|13|41|24|37| ... |22

FINISH

Real Blank Area

START

Membentuk coverage area

tiap-tiap BTS

Cari gabungan dari semua coverage area

BTS

Real coverage Area

Cari irisan dari gabungan BTS dengan area

BSC yang dioptimalkan

6

Evaluasi fungsi Obyektif

Proses Evaluasi bertujuan untuk

memberikan nilai fitness pada masing-masing

chromosome, dengan penjabaran fungsi

obyektif sebagai berikut:

- g_union = popsize

i

iAreaBTS1

_=

- g_intersect = g_union BSC_Area

- fitness = )secint_( tergLuas .

jadi fungsi obyektifnya adalah :

)_)_Luas((f(x)1

AreaBSCAreaBTSpopsize

i

i

3.2.3 Perancangan Perangkat Lunak

Arsitektur yang digunakan memiliki output

berupa hasil akhir dalam menentukan proses

optimalisasi lokasi BTS berdasarkan kebutuhan

trafik dan coverage area. Untuk proses

optimalisasi ini melibatkan empat BSC yaitu BSC

H_Gemblongan_01, BSC H_Kayoon_02, BSC

Merisi, dan BSC Merisi_02.

Kekurangan dan kelebihan perangkat lunak

tersebut ditinjau dari segi sistem yaitu :

Kekurangan : masih memiliki kelemahan

karena tidak memperhatikan segi geografis.

Kelebihan : dapat memperoleh lokasi-lokasi

dan jumlah BTS yang lebih optimal dari

sebelumnya, berdasarkan kebutuhan trafik

dari masing-masing BSC. Sehingga dengan

hasil yang optimal tersebut dapat

meminimalkan jumlah BTS yang

dibutuhkan dalam satu BSC.

3.2.4 Perancangan Interface

Salah satu aspek penting dalam pembuatan

perangkat lunak adalah perancangan interface,

karena perancangan interface yang baik

berbanding lurus dengan tingkat user friendly

sebuah perangkat lunak. Artinya sistem dirancang

dengan sedemikian rupa agar pemakai dapat

beradaptasi dengan mudah dalam pemakaian

perangkat lunak tersebut.

Para pemakai perangkat lunak cenderung

menyukai tampilan grafis karena lebih mudah

dimengerti. Agar tampilan grafis dari perangkat

lunak tersebut sesuai dengan yang diharapkan,

maka dibuat perancangan interface sebuah

perangkat lunak. Perancangan interface dalam

Tugas Akhir ini adalah perancangan form Utama

dan perancangan form Optimasi.

Gambar 3.3 Perancangan Form Program

3.3 Implementasi Perangkat Lunak

Setelah desain dibuat, maka tahap

selanjutnya adalah mengimplementasikan desain

yang telah dibuat kedalam bentuk perangkat lunak

yang dikembangkan dengan menggunakan bahasa

pemrograman Visual Basic 6.0.

Berikut akan dijelaskan beberapa prosedur

dan fungsi program yang digunakan dalam

implementasi aplikasi optimalisasi menggunakan

Algoritma Genetika.

3.1.1 Tahap Implementasi Interface

Sub bab ini akan menjelaskan tampilan

program yang telah dibuat. Tampilan perangkat

lunak ini terdiri dari Figure Utama, Figure Real

coverage area, dan Figure Optimasi

4. UJI COBA PERANGKAT LUNAK

4.1. Uji Coba Hasil Optimasi

Proses optimasi disimpan kedalam bentuk

file (*.mdb) kemudian di tampilkan dalam bentuk

tabel oleh perangkat lunak yang selanjutnya diplot

dalam file tower.shp untuk bisa divisualisasikan

kedalam perangkat lunak.

Menu Program

Hasil Tampilan Program

L

a

y

o

u

t

7

Tabel 5.1 Data Awal Yang Digunakan Dalam

Proses Optimalisasi

Input data dari masing-masing BSC untuk

dilakukan proses-proses selanjutnya. Dimulai

dengan penghitungan kebutuhan BTS,

perhitungan luas coverage area dan proses

optimalisasi.

Gambar 5.1 Proses Pencarian coverage area

Setelah didapatkan input data, langkah

selanjutnya adalah menghitung luas coverage area

dari semua BTS yang ada pada BSC yang

ditentukan, setelah itu hasil perhitungannya

ditampilkan seperti pada Gambar 5.1 (berwarna

merah), sedangkan luasannya di tampilkan dalam

bentuk message box yang kemudian di simpan

kedalam database.

Setelah koordinat-koordinat BTS

ditemukan, hasilnya ditampilkan kedalam

perangkat lunak berupa tabel hasil optimasi dan

ploting koordinat-koordinat BTS seperti pada

Gambar 5.2.

Gambar 5.2 Proses Optimasi

Hasil dari proses optimasi dapat dilihat

pada Gambar 5.3 berikut :

Gambar 5.3 Hasil Dari Proses optimasi

Pada gambar 5.3 terlihat bahwa jumlah

BTS hasil optimasi berkurang dengan

coverage area yang hampir sama. Dari hasil

tersebut tampak bahwa proses optimasi telah

menyatakan hasil optimal yang diharapkan.

Dengan hasil berupa lokasi-lokasi BTS yang

optimal.

Untuk menguji hasil dari proses

optimasi akan di plot dengan menggunakan

software ArcView GIS 3.2 dan ditampilkan

secara visual kedalam perangkat lunak. Hasil

pengujian dapat dilihat pada gambar 5.4 dan

gambar 5.5 berikut ini :

Gambar 5.4 Lokasi-lokasi BTS yang ada

sekarang

8

Gambar 5.5 Lokasi-lokasi BTS hasil optimasi

Dari hasil optimasi pada BSC

H_Gemblongan_01 yang divisualisasikan oleh

gambar 5.5 jika dibandingkan dengan sebelum

dioptimasi (gambar 5.4) terlihat cukup banyak

perbedaan, yaitu sebesar 13 BTS bisa dikurangi.

Sedangkan untuk BSC H_Kayoon_02 sebesar 11

BTS, BSC Merisi sebesar 7 BTS dan BSC

Merisi_02 sebesar 4 BTS, total semuanya adalah

sebanyak 35 BTS bisa dikurangi.

5. PENUTUP

5.1 Kesimpulan

Dari hasil uji coba yang telah dilakukan

terhadap optimalisasi penempatan lokasi BTS

menggunakan algoritma genetika, maka dapat

diambil kesimpulan bahwa:

1. Metode Genetic Algorithm bisa digunakan

untuk mengoptimasikan lokasi BTS.

2. Hasil optimasi menggunakan algoritma

genetika bisa mengurangi 35 BTS dengan

tetap menjangkau coverage area pelayanan

dan total traffic yang dilayani, dengan

rincian sebagai berikut :

- BSC H_Gemblongan_01 yang semula

berjumlah 48 BTS dapat dikurangi

menjadi sebanyak 35 BTS.

- BSC H_Kayoon_2 yang semula

berjumlah 48 BTS menjadi 37 BTS.

- BSC H_Merisi yang semula berjumlah 37

BTS menjadi 30 BTS, dan

- BSC H_Merisi_02 yang semula

berjumlah 41 BTS menjadi 37 BTS

5.2.Saran

Harus dilakukan pengaturan ulang lokasi

BTS, sehingga penghutanan oleh menara BTS

dapat dicegah demi estetika tata kota. Terdapat

dua solusi dalam hal ini, yaitu :

1. Dilakukan pembongkaran untuk BTS

yang tidak diperlukan.

2. Dibuat menara bersama oleh satu

perusahaan sendiri, yang mempunyai

tanggung jawab atas semua urusan

jaringan, sehingga para operator dapat

terfokus pada peningkatan layanan

kepada pelanggan.

DAFTAR PUSTAKA

[1] Azizi, N. (2006). “GSM 900”.

http://azizi.ca/gsm.

[2] Aria, Muhammad. (2006). “ Aplikasi

Algoritma Genetik Untuk Optimasi

Penjadwalan Mata Kuliah”. Jurusan

Teknik Elektro, Universitas Komputer

Indonesia.

[3] Bianchi, G. (2007). “GSM – Switcing &

Mobility”.http://www.tti.unipa.it/mat_bianc

hi/rm.pdf.

[4] Depkominfo. (2009). “Standar Kualitas

Pelayanan Jasa Teleponi Dasar Pada

Jaringan Bergerak Seluler”.

http://www.depkominfo.go.id.

[5] Elektro Indonesia. (2008). “ Mengenal

GSM ”.

http://www.elektroindonesia.com/elektro/el

03a.html

[6] Nokia Corporation. (2003). “ Extended

Planning Introduction Training

Document“, Nokia corporation.

[7] Rahayu, Vivin Mardi. (2009). “ Optimasi

Bordering BSC Pada Jaringan GSM

Menggunakan Algoritma Djikstra ”.

Jurusan Matematika, Institut Teknologi

Sepuluh Nopember.

[8] Wikipedia (2009) “ Algoritma Genetika “,

http://id.wikipedia.org/wiki/Algoritma_Gen

etika.

[9] Winanda, Lila Ayu R. (2005). “Penentuan

Lokasi Tower Crane Menggunakan

Algoritma Genetika Pada Proyek

Perkantoran Halim Sakti ”. Jurusan Teknik

Sipil, Institut Teknologi Sepuluh

Nopember.