SYAKIRA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Skripsi

Penelitian ini menganalisis pengaruh penerapan Intelligent Reflecting Surface (IRS) terhadap efisiensi energi sistem komunikasi 6G berbasis frekuensi terahertz dengan dukungan Machine Learning. IRS berfungsi sebagai permukaan reflektif pasif yang mampu mengarahkan gelombang elektromagnetik secara adaptif untuk memperkuat sinyal dan mengoptimalkan transmisi data. Tujuan penelitian ini adalah mengevaluasi pengaruh jumlah elemen IRS, bandwidth, jarak, dan daya Electromagnetic Interference (EMI) terhadap Signal-to-Noise Ratio (SNR), Achievable Rate (AR), dan Energy Efficiency (EE), serta menilai kemampuan model Random Forest (RF) dan Extreme Gradient Boosting (XGBoost) dalam memprediksi kinerja sistem. Metode penelitian dilakukan melalui simulasi numerik pada frekuensi 1 THz dengan variasi jumlah elemen IRS (25-1600), bandwidth (0,3-0,8 GHz), serta kondisi dengan EMI. Hasil penelitian menunjukkan bahwa peningkatan jumlah elemen secara signifikan meningkatkan nilai SNR dan EE, serta menjaga kestabilan kinerja sistem pada jarak transmisi yang lebih jauh. Selain itu, peningkatan bandwidth dari 0,3 GHz menjadi 0,8 GHz menaikkan AR dari 4 Gbps menjadi lebih dari 11 Gbps. Model XGBoost memberikan akurasi prediksi terbaik dengan nilai R² = 0,994 dan RMSE = 0.017. Secara keseluruhan, penerapan IRS terbukti mampu meningkatkan kualitas sinyal, kapasitas transmisi, dan efisiensi energi, sedangkan integrasi dengan Machine Learning (ML) memberikan kemampuan prediksi yang cepat dan akurat. Hasil ini menunjukkan bahwa kombinasi IRS dan Machine Learning berpotensi menjadi solusi kunci dalam pengembangan sistem komunikasi 6G yang efisien dan adaptif di masa mendatang. Kata kunci: Intelligent Reflecting Surface, 6G, Signal-to-Noise Ratio, Achievable Rate, Energy Efficiency, Random Forest , XGBoost, Machine Learning. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1708483 2026-01-15 14:07:36 2026-01-15 14:36:23 machine generated