MONITORING SPEKTRUM FREKUENSI RADIO BERBASIS DEEP LEARNING UNTUK KLASIFIKASI SINYAL CLUSTERING DAN REKOMENDASI AMPLIFIER MENGGUNAKAN SDRSHARP DAN GQRX

Rochmadani, Cindy Alnis (2026) MONITORING SPEKTRUM FREKUENSI RADIO BERBASIS DEEP LEARNING UNTUK KLASIFIKASI SINYAL CLUSTERING DAN REKOMENDASI AMPLIFIER MENGGUNAKAN SDRSHARP DAN GQRX. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (342kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (14kB)
	Text (BAB I PENDAHULUAN) BAB I.pdf - Published Version Restricted to Repository staff only Download (107kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) BAB II.pdf - Published Version Restricted to Repository staff only Download (350kB) | Request a copy
	Text (BAB III METODE PENELITIAN) BAB III.pdf - Published Version Restricted to Repository staff only Download (532kB) | Request a copy
	Text (BAB IV PEMBAHASAN) BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V PENUTUP) BAB V.pdf - Published Version Restricted to Repository staff only Download (11kB) | Request a copy
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (101kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN.pdf - Published Version Restricted to Repository staff only Download (855kB) | Request a copy

Abstract

Monitoring spektrum frekuensi radio merupakan salah satu kegiatan penting dalam pengelolaan spektrum untuk mengetahui karakteristik sinyal, kualitas penerimaan, dan mendukung pengambilan keputusan terhadap penggunaan perangkat penguat sinyal yang tepat. Perkembangan teknologi Software Defined Radio (SDR) memungkinkan proses monitoring dilakukan menggunakan perangkat lunak seperti SDRSharp dan GQRX, yang memiliki karakteristik visualisasi spektrum berbeda sehingga berpotensi memengaruhi kinerja sistem berbasis deep learning. Penelitian ini bertujuan membandingkan performa kedua perangkat lunak tersebut sebagai sumber data dalam sistem monitoring spektrum frekuensi radio berbasis deep learning. Dataset diperoleh dari 20 titik pengukuran yang tersebar pada empat arah pengamatan dengan variasi jarak tertentu. Tahapan penelitian meliputi ekstraksi informasi frekuensi menggunakan Optical Character Recognition (OCR), preprocessing citra, ekstraksi fitur menggunakan GoogLeNet, reduksi dimensi menggunakan Autoencoder, pengelompokan kondisi spektrum menggunakan algoritma DBSCAN, rekomendasi amplifier berdasarkan hasil identifikasi modulasi, serta penentuan keputusan akhir menggunakan metode Majority Voting. Evaluasi sistem dilakukan menggunakan Accuracy, Precision, Recall, F1-Score, OCR Success Rate, dan Silhouette Score. Hasil penelitian menunjukkan bahwa SDRSharp memberikan performa lebih baik pada proses identifikasi modulasi dengan akurasi 100% dan OCR Success Rate sebesar 19,1%, sedangkan GQRX menghasilkan kualitas clustering yang lebih baik dengan Silhouette Score sebesar 0,5927. Kedua perangkat lunak berhasil mengidentifikasi seluruh titik pengukuran sebagai sinyal FM sehingga sistem merekomendasikan penggunaan RF Amplifier pada seluruh lokasi pengamatan.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Software Defined Radio, SDRSharp, GQRX, Deep Learning, Monitoring Spektrum Frekuensi Radio
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	08 Oct 2026 03:00
Last Modified:	08 Oct 2026 03:00
URI:	http://eprints.polsri.ac.id/id/eprint/27203

Actions (login required)

View Item