Ahmad Dairabi Syahputra Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Skripsi

Perkembangan teknologi komunikasi seluler kini telah memasuki era 5G, yang ditandai dengan kecepatan tinggi, latensi rendah, dan konektivitas yang luas. Namun, kinerja jaringan 5G sangat dipengaruhi oleh faktor lingkungan. Misalnya, struktur bangunan yang padat di daerah urban dapat memengaruhi kinerja dibandingkan dengan kondisi yang lebih terbuka yang umumnya ditemukan di daerah suburban. Studi ini bertujuan untuk menganalisis dan membandingkan kinerja jaringan seluler 5G di lingkungan urban dan suburban menggunakan dua model propagasi: Sakagami Extended dan Stanford University Interim (SUI). Metodologi penelitian menggunakan simulasi berbasis MATLAB pada frekuensi 2,3 GHz dengan lebar pita 10 MHz. Parameter yang dianalisis meliputi path loss, Effective Isotropic Radiated Power (EIRP), Received Signal Strength Indicator (RSSI), Signal-to-Interference plus Noise Ratio (SINR), dan data rate. Hasil simulasi menunjukkan bahwa model Sakagami Extended memberikan performa yang lebih baik dibandingkan model SUI di seluruh parameter. Nilai rata-rata Pathloss yang dihasilkan Sakagami Extended adalah 138,44 dB di area urban dan 130,79 dB di area suburban, lebih rendah sekitar 9–12% dibanding SUI. Nilai RSSI tercatat −93,67 dBm di urban dan −86,02 dBm di suburban, atau sekitar 15–18% lebih kuat dibandingkan model SUI. Pada parameter SINR, Sakagami Extended menghasilkan −0,13 dB di urban dan 7,52 dB di suburban, jauh lebih tinggi dibanding SUI yang bernilai negatif. Oleh karena itu, data rate yang dihasilkan mencapai 18,6 Mbps di urban dan 32,61 Mbps di suburban, sedangkan SUI hanya sekitar 7,61 Mbps dan 8,63 Mbps. Secara keseluruhan, Sakagami Extended terbukti lebih akurat dan konsisten dalam memprediksi kinerja jaringan 5G, serta lebih sesuai digunakan untuk perencanaan jaringan di lingkungan urban maupun suburban. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1708505 2026-01-15 15:10:34 2026-01-15 15:41:12 machine generated