5G NR Network Planning Analysis using 700 Mhz and 2.3 Ghz Frequency in The Jababeka Industrial Area
Notice bibliographique
Résumé
This research designed a 5G NR network using 700 MHz and 2.3 GHz frequencies with 30 MHz bandwidth in the Jababeka industrial area covering an area of 5600 hectares. The Propagation Model used by Urban Macrocell (UMa) in non line of sight (NLOS) conditions according to 3GPP TR 38901 standard with Synchronization signal-reference signal received power (SS-RSRP) and Synchronization Signal to Interference and Noise Ratio (SS-SINR) parameters. Coverage prediction simulation using Atoll 3.4 consists of 4 scenarios. Scenario 1 uses a frequency of 2.3 GHz downlink, scenario 2 uses a frequency of 2.3 GHz uplink, scenario 3 uses a frequency of 700 MHz downlink and scenario 4 uses a frequency of 700 MHz uplink. Parameters analyzed were signal strength (SS-RSRP > -110 dBm) and signal quality (SS-SINR > 5 dB). The simulation results of scenario 1 get a signal strength of 61% and signal quality of 73.71% from the Jababeka area. Scenario 2 gets 100% for signal strength and 75.35% for signal quality. Scenario 3 gets a signal strength of 72.27% and signal quality of 85.30%. Scenario 4 shows a signal strength of 100% and signal quality of 71.04% from the Jababeka area. Planning with a frequency of 700 MHz shows that the signal strength and signal strength parameters are better than the 2.3 GHz frequency, making it suitable for 5G networks in the Jababeka area. The findings of this study are intended to help Indonesian cellular operators plan and deploy their 5G network.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».