Muammar Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Elektro 2025

Skripsi

Teknologi komunikasi nirkabel telah berkembang pesat hingga mencapai generasi keenam (6G), yang menawarkan konektivitas lebih cepat, kapasitas lebih besar, dan kinerja jaringan yang lebih baik. Salah satu teknologi pendukung 6G adalah Massive Multiple Input Multiple Output (Massive MIMO), yang memungkinkan penggunaan banyak antena untuk meningkatkan throughput dan efisiensi energi. Namun, peningkatan jumlah antena juga berdampak pada konsumsi daya yang tinggi. Untuk mengatasi tantangan ini, penelitian ini menganalisis dan membandingkan efisiensi energi sistem Massive MIMO 6G menggunakan metode Deep Neural Network (DNN) dan tanpa DNN. Penelitian dilakukan melalui simulasi menggunakan MATLAB dengan skenario satu base station (BS) yang dilengkapi 128 dan 256 antena serta melayani empat pengguna. Hasil menunjukkan bahwa algoritma DNN secara signifikan meningkatkan efisiensi energi dibandingkan tanpa DNN. Hasil simulasi menunjukkan bahwa penggunaan DNN menghasilkan efisiensi energi yang jauh lebih tinggi dibandingkan metode konvensional tanpa DNN pada kedua konfigurasi antena. Untuk sistem dengan 128 antena, efisiensi energi rata-rata meningkat secara substansial dari 0,2963 Mbps/W menjadi 5,8524 Mbps/W, sementara untuk 256 antena meningkat dari 0,1923 Mbps/W menjadi 3,5664 Mbps/W. Selain itu, data rate juga menunjukkan peningkatan yang sangat signifikan, mencapai rata-rata 4518,11 Mbps (128 antena) dan 4582,48 Mbps (256 antena) dengan DNN, dibandingkan 228,75 Mbps (128 antena) dan 246,93 Mbps (256 antena) tanpa DNN. Hasil ini menunjukkan potensi besar DNN dalam meningkatkan performa sistem Massive MIMO 6G. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 157465 2025-06-23 21:47:02 2025-06-24 09:55:12 machine generated