Penelitian ini mengusulkan sebuah mekanisme prediksi Dynamic Wavelength Bandwidth Allocation (DWBA) berbasis deep learning dengan menggunakan model Long Short-Term Memory (LSTM) untuk meningkatkan kualitas layanan (QoS) dalam jaringan akses optik generasi berikutnya (NG-EPON), khususnya dalam mendukung aplikasi Tactile Internet (TI) seperti streaming 4K/8K, telesurgery, augmented reality (AR), dan virtual reality (VR). Model yang dikembangkan, bernama LSTM-DWBA, memanfaatkan pesan kontrol MPCP dan waktu siklus antara Optical Line Terminal (OLT) dan Optical Network Units (ONUs) untuk memprediksi kebutuhan bandwidth pengguna akhir secara lebih akurat dan adaptif. Dengan integrasi teknologi Software-Defined Networking (SDN) dan komputasi awan, sistem ini mampu mengurangi delay, jitter, dan packet drop, serta meningkatkan utilisasi jaringan. Hasil simulasi menunjukkan bahwa pendekatan ini mampu mengatasi kendala overhead pesan kontrol dan bottleneck QoS, sehingga memberikan kontribusi penting bagi pengembangan infrastruktur jaringan optik yang cerdas dan efisien.
Unduh Jurnal Lengkap (PDF)
Download PDF
- 29 Dec
- 2022