Perancangan Migrasi Jaringan Gprs Menuju 3G Pada Sistem Automatic Meter Reading (AMR) Di PT. PLN (Persero) UP3 Bandung
Bibliographic record
Abstract
PT. PLN (Persero) UP3 Bandung menggunakan jaringan seluler GPRS sebagai media komunikasi pada sistem Automatic Meter Reading (AMR). Pada lokasi pelanggan yang menggunakan sistem AMR, terpasang sebuah setbox berisikan kWH meter elektronik, modem, dan antena yang telah terintegrasi dengan aplikasi berbasis AMR yaitu Advance Metering Infrastructure ICON (AMICON). Sebuah aplikasi meter elektronik yang berfungsi untuk penarikan data penggunaan daya pelanggan, serta penyambungan dan pemutusan aliran listrik secara daring pada jaringan GPRS. Namun seiring dengan bertambahnya jumlah pelanggan, jaringan GPRS tidak cukup cepat untuk melakukan penarikan data pelanggan. Sehingga perlu adanya migrasi dari jaringan GPRS ke jaringan 3G. Dalam Tugas Akhir ini, dilakukan penelitian mengenai migrasi jaringan GPRS menuju 3G pada sistem AMR di PT. PLN UP3 Bandung. Pembahasan penelitian ini berfokus pada perencanaan pada sisi capacity dan coverage. Proses perencanaan migrasi menuju 3G melibatkan perhitungan jumlah pelanggan sistem AMR yang terus bertambah setiap harinya dan juga membutuhkan akses lebih cepat untuk proses penarikan data penggunaannya. Setelah melakukan perencanaan, proses dilanjutkan dengan simulasi menggunakan software Atoll dan melakukan analisis terhadap hasil perencanaan migrasi jaringan 3G. Hasil yang dicapai pada penelitian ini yaitu nilai pada parameter RSCP untuk permasalahan fail yaitu - 79.6 dB, untuk permasalahan connect yaitu -80.5 dB dan untuk permasalahan login time out yaitu -78.12 dB, pada parameter Ec/No untuk ketiga permasalahan mendapatkan nilai 1, selanjutnya untuk parameter throughput untuk permasalahan fail didapatkan nilai throughput sebesar 44 kbps, untuk permasalahan connect didapatkan nilai throughput sebesar 46 kbps dan pada permasalahan login time out didapatkan nilai throughput sebesar 46 kbps Kata Kunci: sistem Automatic meter Reading, Migrasi Jaringan, RSCP, Ec/No.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.088 | 0.045 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".