EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Penjadwalan Adaptif Siklus Kerja Sensor IoT Bertenaga Baterai Menggunakan Reinforcement Learning: Studi Simulasi

Willy Artanika Rikarda, Imam Mualim

Journal of Technology and Data Science · 25.02.2026 · 4 (1) · 285-298

DOI: 10.59025/3b1369e8 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Journal of Technology and Data Science, online erschienen am 25.02.2026. Verfasst von Willy Artanika Rikarda und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Sensor IoT bertenaga baterai menghadapi dilema fundamental antara konservasi energi dan responsivitas QoS. Penjadwalan tidur statis (fixed duty cycle) hemat energi tetapi membuang siklus aktif saat trafik rendah, sementara penjadwalan berbasis ambang sederhana rentan oscillation pada beban dinamis. Penelitian ini mengusulkan kerangka reinforcement learning berbasis Q-learning tabular untuk pengambilan keputusan siklus kerja adaptif yang menyeimbangkan usia baterai dengan latensi paket. Lingkungan disimulasikan sebagai Markov Decision Process dengan ruang keadaan tiga dimensi (level baterai, beban antrian, kelas trafik) dan empat aksi diskrit interval tidur. Agen dilatih pada generator trafik sintetis Poisson selama 50.000 episode dengan epsilon-greedy exploration dan dievaluasi pada lima skenario pengujian termasuk lonjakan trafik dan baterai rendah. Hasil simulasi menunjukkan agen RL memperpanjang masa pakai baterai 28,4% dibanding penjadwalan tetap dan 14,7% dibanding penjadwalan ambang, dengan latensi rerata tetap di bawah batas QoS 2 detik. Studi ini berkontribusi pada tiga aspek: formulasi MDP kompak yang sesuai untuk mikrokontroler kelas TelosB/CC2650, demonstrasi konvergensi Q-learning tabular tanpa fungsi pendekatan, serta evaluasi sensitivitas terhadap variasi trafik. Keterbatasan utama mencakup pelatihan offline dan validasi simulasi, dengan rencana lanjutan berupa adaptasi tile coding, integrasi solar harvest, dan validasi testbed fisik.

Zitieren

APA

Rikarda, W. A., & Mualim, I. (2026). Penjadwalan Adaptif Siklus Kerja Sensor IoT Bertenaga Baterai Menggunakan Reinforcement Learning: Studi Simulasi. Journal of Technology and Data Science, 4(1), 285-298. https://doi.org/10.59025/3b1369e8

Vancouver

Rikarda WA, Mualim I. Penjadwalan Adaptif Siklus Kerja Sensor IoT Bertenaga Baterai Menggunakan Reinforcement Learning: Studi Simulasi. Journal of Technology and Data Science. 2026;4(1):285-298. doi:10.59025/3b1369e8

BibTeX
@article{Rikarda2026,
  author = {Rikarda, Willy Artanika and Mualim, Imam},
  title = {Penjadwalan Adaptif Siklus Kerja Sensor IoT Bertenaga Baterai Menggunakan Reinforcement Learning: Studi Simulasi},
  journal = {Journal of Technology and Data Science},
  year = {2026},
  volume = {4},
  number = {1},
  pages = {285--298},
  doi = {10.59025/3b1369e8}
}
Kostenlos starten →