Arbi, Muhammad Raffael (2026) ANALISIS REKOMENDASI KUALITAS SINYAL KONEKSI IoT BERBASIS JARINGAN SELULER MENGGUNAKAN METODE K-MEANS. S1 thesis, Universitas Mercu Buana-Menteng.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (COVER)
55324110012-Maful-01 Cover - Maful Bms.pdf Download (1MB) |
|
Text (BAB 1)
55324110012-Maful-02 Bab 1 - Maful Bms.pdf Restricted to Registered users only Download (1MB) |
|
Text (BAB 2)
55324110012-Maful-03 Bab 2 - Maful Bms.pdf Restricted to Registered users only Download (2MB) |
|
Text (BAB 3)
55324110012-Maful-04 Bab 3 - Maful Bms.pdf Restricted to Registered users only Download (929kB) |
|
Text (BAB 4)
55324110012-Maful-05 Bab 4 - Maful Bms.pdf Restricted to Registered users only Download (2MB) |
|
Text (BAB 5)
55324110012-Maful-06 Bab 5 - Maful Bms.pdf Restricted to Registered users only Download (259kB) |
|
Text (DAFTAR PUSTAKA)
55324110012-Maful-08 Daftar Pustaka - Maful Bms.pdf Restricted to Registered users only Download (827kB) |
|
Text (LAMPIRAN)
55324110012-Maful-09 Lampiran - Maful Bms.pdf Restricted to Registered users only Download (863kB) |
Abstract
Konektivitas IoT pada mesin EV Charger berperan penting untuk mendukung pemantauan jarak jauh, pelaporan status operasional, dan pencatatan kejadian gangguan secara terpusat. Pada kondisi lapangan, EV Charger CHAEVI DC 100 kW memanfaatkan jaringan seluler melalui router industri sebagai media koneksi IoT, namun kualitas sinyal seluler bersifat dinamis sehingga berpotensi menimbulkan ketidakstabilan koneksi dan mengganggu proses monitoring. Penelitian ini bertujuan menganalisis kualitas sinyal koneksi IoT berbasis jaringan seluler pada EV Charger CHAEVI DC 100 kW menggunakan indikator radio berupa RSSI, RSRP, dan RSRQ, serta membentuk pola kualitas sinyal dengan metode klasterisasi K-Means. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan pengambilan data pada 10 unit EV Charger selama 4 minggu. Data indikator sinyal diperoleh dari antarmuka router/gateway seluler Teltonika dan didokumentasikan melalui tangkapan layar sebagai bukti pengukuran. Data kemudian direkap menjadi dataset, dilakukan pembersihan data dan normalisasi/standardisasi, lalu diterapkan klasterisasi K-Means. Penentuan jumlah klaster dilakukan menggunakan metode elbow dan silhouette score, kemudian hasil klaster diinterpretasikan untuk mengidentifikasi kelompok kualitas sinyal serta pola persebarannya berdasarkan lokasi pengamatan. Hasil penelitian diharapkan menghasilkan pemetaan kelompok kualitas sinyal yang menggambarkan kecenderungan kondisi jaringan pada tiap unit/lokasi, sekaligus memberikan dasar analitis untuk menyusun rekomendasi teknis berbasis data terkait perbaikan kualitas koneksi IoT pada EV Charger. Penelitian ini berkontribusi sebagai studi berbasis pengukuran lapangan yang memanfaatkan klasterisasi untuk memahami pola kualitas sinyal seluler pada perangkat kritikal pengisian kendaraan listrik.
| Item Type: | Thesis (S1) |
|---|---|
| NIM/NIDN Creators: | 41821110019 |
| Uncontrolled Keywords: | Internet of Things, EV Charger, Jaringan Seluler, K-Means, Klasterisasi |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 003 Systems/Sistem-sistem |
| Divisions: | Fakultas Ilmu Komputer > Sistem Informasi |
| Depositing User: | ZAHRA AULIA FEBRIANI |
| Date Deposited: | 01 Sep 2026 02:33 |
| Last Modified: | 01 Sep 2026 02:33 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/103405 |
Actions (login required)
 |
View Item |
