Optimasi Performa Gigabit Passive Optical Network Menggunakan Naive Bayes Dalam Analisis Kualitas Jaringan FTTH

Abstract

Perkembangan teknologi informasi mendorong meningkatnya kebutuhan akan layanan internet yang cepat dan stabil melalui teknologi Fiber to the Home (FTTH) berbasis Gigabit Passive Optical Network (GPON). Namun, peningkatan nilai redaman (attenuation) pada jaringan sering menyebabkan penurunan kualitas layanan. Penelitian ini bertujuan mengoptimalkan performa jaringan GPON melalui klasifikasi kualitas jaringan FTTH menggunakan algoritma Naive Bayes. Metode penelitian dilakukan dengan mengumpulkan 428 data log redaman jaringan dari aplikasi Tableau dan Address Verification System (AVS) pada PT. Cahaya Adikarya Perkasa dengan kriteria jarak 1 km dari Optical Line Terminal (OLT). Data kemudian melalui proses pembersihan (data cleaning) dan peabelan manual ke dalam dua kategori, yaitu OK apabila nilai RX Power memenuhi standar toleransi dan Not OK apabila berada di bawah standar. Selanjutnya, model klasifikasi dibangun dan diuji menggunakan perangkat lunak RapidMiner dengan pembagian data sebesar 70% sebagai data latih dan 30% sebagai data uji. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan kualitas jaringan FTTH secara efektif serta memberikan deteksi dini terhadap potensi degradasi sinyal sebelum terjadi loss. Dengan demikian, penerapan algoritma Naive Bayes dapat meningkatkan efisiensi proses optimasi performa jaringan dan mendukung teknisi dalam pemeliharaan infrastruktur telekomunikasi berbasis GPON secara lebih cepat dan akurat.