Belajar Telecom Engineer - Optimization & Drive Testing

#Pendahuluan

Setelah di episode 10 kita memahami sistem OSS/BSS yang memantau dan mengelola seluruh elemen jaringan, kini kita masuk ke salah satu pekerjaan paling ikonik telecom engineer: optimasi jaringan radio. Jaringan dibangun (episode 3-5), tapi kualitasnya hidup atau mati di tangan proses optimasi — siklus berkelanjutan mengukur, menganalisis, dan menyetel.

Mengapa optimasi begitu penting? Karena desain awal selalu ideal di atas kertas, sedangkan realita lapangan penuh kejutan: gedung baru menghadang sinyal, trafik meledak di satu kampus, interferensi antar-site muncul setelah site baru aktif. Optimasi adalah jawaban operator terhadap pertanyaan pelanggan yang tak pernah selesai: "kenapa internet lambat?"

#Tiga Angka Suci Radio: RSRP, RSRQ, SINR

Semua diagnosis radio dimulai dari tiga metrik per-UE ini:

Tabel praktis yang dipakai engineer saat membaca drive test:

RSRP ≥ -80 dBm   : excellent
RSRP -80..-90    : good
RSRP -90..-100   : fair (mulai rentan)
RSRP < -100 dBm  : poor (edge cell)
 
SINR > 20 dB     : excellent → modulasi tinggi, throughput maksimum
SINR 13..20      : good
SINR 0..13       : fair — biasanya terbatas interferensi
SINR < 0         : buruk — sinyal tenggelam interferensi

Kombinasi diagnosa klasik: RSRP bagus + SINR buruk = masalah interferensi, bukan coverage. Ini kesalahan interpretasi paling umum pemula — menyalahkan daya padahal musuhnya tetangga co-channel.

#KPI Jaringan: Sudut Pandang Operator

Jika RSRP/SINR adalah sudut pandang UE, operator melihat agregat per-cell:

KPI inilah yang naik-turunnya dilaporkan mingguan, menjadi KPI divisi, dan menentukan prioritas investasi. Engineer optimasi hidup dari dashboard KPI ini.

#Drive Test: Mengukur Jaringan dari Jalanan

Drive test = mobil keliling membawa UE measurement + GPS, merekam layer-1/2/3 message untuk memetakan perilaku nyata jaringan. Tools komersialnya TEMS Investigation, Nemo Handy, atau QXDM; hari ini sebagian besar juga digantikan MDT (Minimization of Drive Test) — laporan measurement dari jutaan UE komersial yang dikirim otomatis ke OSS.

Apa yang dicari saat drive test:

• Coverage hole: RSRP < -105 dBm di area seharusnya served.
• Overshooting: satu cell mendominasi area jauh → interferensi lintas cluster.
• Ping-pong HO: handover bolak-balik dua cell → threshold/hysteresis salah.
• Missing neighbor: UE jatuh ke RLF karena relasi neighbor tidak didefinisikan.
• Slow HO / late HO: SINR sudah negatif tapi handover belum terjadi.

#Siklus Optimasi

Optimasi bukan aksi sekali jalan, melainkan loop:

Leverage yang dimiliki RF engineer, dari termurah ke termahal:

1. Parameter tuning: CIO/hysteresis/time-to-trigger untuk mobilitas; power control.
2. RF tuning: electrical/mechanical downtilt, azimuth, height.
3. Feature activation: ICIC/eICIC, carrier aggregation, load balancing antar-layer.
4. Capacity/site solution: new carrier, small cell, site baru.

Aturan emas industri: jangan sentuh hardware kalau parameter bisa; jangan tambah site kalau tuning cukup.

#Praktik: Analisis Data Drive Test dengan Python

Latihan episode ini: olah CSV hasil drive test (kolom tipikal: timestamp, lat, lon, rsrp, sinr, pci) dan temukan area bermasalah.

import pandas as pd
 
df = pd.read_csv("drive_sample.csv", parse_dates=["timestamp"])
 
# Ringkas kondisi coverage
def bucket(rsrp):
    if rsrp >= -80: return "excellent"
    if rsrp >= -90: return "good"
    if rsrp >= -100: return "fair"
    return "poor"
 
df["bucket"] = df.rsrp.apply(bucket)
print(df.bucket.value_counts(normalize=True).round(3) * 100)
 
# Temukan sample SINR buruk walau RSRP bagus → indikasi interferensi
interference = df[(df.rsrp > -90) & (df.sinr < 0)]
print(f"Sample interferensi: {len(interference)}")
print(interference.groupby("pci").agg(
    n=("sinr", "size"), avg_sinr=("sinr", "mean")).sort_values("n"))
 
# Deteksi ping-pong: HO antar PCI sama dalam < 3 detik berulang
df["ho_from_prev"] = df.pci.ne(df.pci.shift()) & df.timestamp.diff().dt.total_seconds() < 3
print(f"Kemungkinan ping-pong events: {int(df.ho_from_prev.sum())}")

Hasil yang menarik akan tampak seperti: bucket fair/poor terkonsentrasi di koordinat tertentu, dan beberapa PCI punya rata-rata SINR rendah dengan jumlah sample besar — kandidat utama interferensi. Visualisasikan dengan folium/geopandas untuk heatmap peta; pola geografis langsung terlihat.

#Contoh Countermeasure

Dari temuan interferensi di atas (PCI X dominan dengan SINR buruk):

Cell pair A→B : CIO +2 dB, TTT 320ms → percepat HO keluar dari area buruk
Cell dominan  : eDowntilt +2° → kurangi overshoot tanpa membuat hole

Setelah change, verifikasi 7 hari KPI: drop rate turun? throughput naik? Kalau ya, dokumentasikan sebagai best practice cluster tersebut.

#Common Pitfalls

• Mengobati gejala dengan site baru: menambah daya/site tanpa menganalisis interferensi hanya memindahkan masalah ke tetangga.
• Menilai dari rata-rata: KPI mean bisa bagus sementara 5% pengguna menderita parah. Lihat distribusi (persentil) dan geolokasi keluhan.
• Change tanpa baseline: tanpa snapshot KPI pra-change, kalian tidak bisa membuktikan perbaikan — dan tim tidak akan percaya metode kalian lagi.

#Penutup

Inti yang harus dibawa pulang:

• Tiga angka personal (RSRP/RSRQ/SINR) + KPI agregat (CSSR/drop/HO) adalah bahasa ganda optimasi.
• Kombinasi diagnosa penting: RSRP bagus + SINR buruk = interferensi.
• Drive test (dan MDT modern) memetakan pengalaman nyata; siklus optimasi harus berbasis data dan selalu diverifikasi pasca-change.
• Kalian sudah mengolah data drive test dengan Python — skill yang langsung dipakai kerja.

Di episode 12 kita bicara kapasitas: traffic model Erlang, dimensioning cells, dan capacity planning — ilmu memastikan jaringan tak hanya bagus, tapi juga muat. Sampai jumpa!