SIMULASI LTE REL. 8 DAN LTE REL. 10 UNTUK ANALISIS PERTUMBUHAN GDP DI INDONESIA

SIMULASI LTE REL. 8 DAN LTE REL. 10 UNTUK ANALISIS PERTUMBUHAN GDP DI INDONESIA Arief Budiman dan Dr. Muhammad Suryanegara ST., M.SC Program Studi Teknik Elektro, Fakultas Teknik Abstrak Penulisan skripsi ini merupakan penambahan analisis dari simulasi forecasting pertumbuhan subscriber, sites, dan biaya pembangunan sites LTE rel.8 dan LTE rel.10 pada referensi [1-2]. Pengembangan yang dilakukan adalah menganalisis dampak penggelaran teknologi 4G dengan pertumbuhan ekonomi di Indonesia. Dengan menggunakan GMM estimator dapat dilihat pengaruh laju dan besar dari GDP per Kapita yang didapatkan dari pengaruh penetrasi pengguna teknologi 4G. Dengan mengikuti fungsi Gompertz, ada tiga skenario yang dilakukan pada skripsi ini untuk penerapan 4G, yang disimulasikan menggunakan MATLAB. Skenario cepat, dengan jangka

waktu perkembangan LTE rel. 8 selama tiga tahun kemudian

digantikan oleh LTE rel. 10 menuntut cepatnya proses penggelaran dan adaptasi teknologi 4G, sehingga kenaikan GDP per Kapita mencapai 211,98% pada tahun awal..

Pada

skenario

lambat,dengan

nilai

variabel

c

yang

hanya

-0,1

(mengindikasikan accelerated growth yang lambat), pertumbuhan GDP per Kapita hanya memperoleh kenaikan 53% pada tahun awal,dan juga dikhawatirkan 4G sudah termasuk teknologi kuno pada periode terakhir forecasting dan segera digantikan dengan teknologi berikutnya. Skenario sedang, memungkinkan dilakukan meskipun terjadi penurunan GDP per Kapita sebesar 6,5% dengan antisipasi pengembangan LTE rel. 10 saat masuk fase terminasi LTE rel. 8, sehingga pengguna dapat segera beradaptasi dengan pengembangan LTE rel. 10 untuk meningkatkan GDP per Kapita. Kata Kunci—4G; forecasting; GDP per Kapita; GMM estimator; kurva Gompertz; LTE

Universitas Indonesia

Simulasi LTE..., Arief Budiman, FT UI, 2013

Abstract This undergraduate thesis is a development of software forecasting simulation for subscriber and sites growth and also cost to build LTE’s rel 8 and LTE’s rel 10 sites [1-2]. The adjustment is to analyze the impact of development of 4G technology with economic growth in Indonesia. By using the GMM estimator can be seen the influence of 4G penetration and GDP per capita. By following Gompertz function, there are three scenarios that build for this undergraduate thesis for 4G implementation, rapid scenario with three years development of LTE rel. 8 and then changing to LTE rel. 10 is forcing the process and adaptation of 4G technology must be quick. In slow scenario with value of variable c is -0,1 (indicating slow accelerated growth) GDP per capita growth only earn 53% increase in the early year and also 4G technology has possibilities become obsolete because of their slow growth process and would be change by the newest technology later. Intermediate growth is also possible to conduct, otherwise GDP percapita decline of 6.5%. However it needs anticipation when developing LTE rel. 10 when entering termination phase of LTE rel. 8. Therefore subscriber can catch up to adapting the development of LTE rel. 10 to improving GDP per capita.. Keywords : 4G; forecasting ; GDP per Kapita; GMM estimator; Gompertz Curve; LTE.

I. PENDAHULUAN Pada penelitian Achmad dan Afid [1-2] telah dirancang suatu simulasi forecasting untuk melihat pertumbuhan subscriber, sites, dan biaya pembangunan sites LTE. Pengembangan software ini akan menampilkan perhitungan subscriber, sites, dan biaya pembangunan sites dengan variasi perhitungan tiap provinsi. Hal tersebut agar pihak

penyelenggara

jaringan

lebih

spesifik

terhadap

pertumbuhan

dan

pengembangan sites. Biaya oembangunan sites aka menjadi suatu investasi, naun belum tentu dapat memberikan suatu garansi keuntungan untuk sektor ekonomi [3].


Pada hasil penelitian Suryanegara dan Asvial [4] menunjukkan bahwa perkembangan teknologi 3G ke 4G akan terjadi suatu windows opportunity yang dapat dimanfaatkan untuk mencari peluang bisnis. Seperti yang telah terjadi saat pergantian dari teknologi 2G ke 4G yang telah ditampilkan pada referensi [5], bahwa peningkatan penetrasi layanan 3G dapat menghasilkan keuntungan ekonomi secara signifikan. Dengan tiga keuntungan yang menjanjikan dari 4G dibandingkan 3G, diantaranya meningkatkan throughput, lower latency, dan stronger security. Penetrasi pertumbuhan subscriber akan memungkinkan untuk pindah dari 3G ke 4G. Maka pada skripsi ini penulis akan menggunakan metode yang dikembankan oleh [5] yakni menggunakan GMM estimator untuk melihat pertumbuhan GDP per Kapita di Indonesia. Tujuan dari penelitian yang dilakukan untuk skripsi ini antara lain adalah: menambahkan variasi pada simulasi [1-2] untuk menentukkan jumlah subscriber dan sites untuk teknologi LTE di tiap provinsi di Indonesia, serta menganalisis hubungan penggelaran 4G dengan pertumbuhan GDP per Kapita penduduk Indonesia dengan menggunakan metode [5] oleh Andrianaivo dan Kpodar serta Lee, Levendis dan Gutierrez.

II. TINJAUAN TEORITIS A. Fungsi Gompertz untuk Forecasting Teknologi. Fungsi Gompertz merupakan sebuah metode prediksi yang memfokuskan pada perubahan teknologi.Di dalam forecasting diperlukan pemahaman bagaimana teknologi tumbuh, berkembang, dan mencapai derajat saturasi. Salah satu alat bantu paling esensial dalam forecasting adalah penggunaan S-curve yang dapat dilihat pada Gambar 2.1 yang menunjukkan jenis teknologi yang digunakan pada suatu periode, dan persentase penetrasinya kepada penggunan teknologi. Kurva tersebut juga menampilkan adanya fase transisi penggantian suatu teknologi dengan teknologi baru jika teknologi tersebut mencapai saturasi.


Gambar 2.1 Contoh S-curve yang merepresentasikan Perubahan Teknologi ICT [6]

B. Penjelasan Program Perhitungan Subscriber Fungsi Gompertz memiliki rumus, ! ! = !! !!

!!!

(2.1)

Secara matematis koefisien a sebagai penentu batas atas atau saturasi suatu teknologi dengan range nilai (0, ∞) .Koefisien b akan mempengaruhi batas bawah (∞, 0) atau waktu initial growth. Koefisien c akan mempengaruhi accelerated growth (-∞, 0). Untuk lebih jelasnya akan ditampilkan pada Gambar 2.2; 2.3; 2.4. Kurva Gompertz ini akan menjadi tolak ukur penetrasi teknologi 4G yang dinyatakan dalam persentase. Parameter yang dibatasi oleh referensi [1] adalah variabel fungsi Gompertz sehingga pertumbuhansubscriber secara umum merupakan bentuk S-curve. Penggunaan fungsi Gompertz sangat penting untuk meningkatkan cost efficiency dari sebuah keputusan [7]. Fungsi Gompertz mendifinisikan suatu evolusi dari siklus kehidupan, yakni pada masa inisialisasi pertumbuhan dari user bernilai kecil; pada masa pertumbuhan (growth period) meningkat dengan cepat hingga kemudian mencapai saturasi ; kemudian pada masa maturity period fungsi bernilai pada titik


puncak yang stabil, sebelum akhirnya mengalami penurunan [8] karena adanya inovasi teknologi pengganti.

Gambar 2.2 Pengaruh nilai a pada Fungsi Gompertz [6]

Gambar 2.3 Pengaruh nilai b pada Fungsi Gompertz [6]

Gambar 2.4 Pengaruh nilai c pada Fungsi Gompertz [6]


Parameter konfigurasi MIMO, MIMO akan mempengaruhi jumlah sites yang akan dibangun untuk meng-cover penetrasi traffic pertumbuhan subscriber, dengan masing-masing konfigurasi memiliki nilai cell spectral efficiency yang berbeda-beda. Nilai spectral efficiency berhubungan langsung dengan cell capacity, dikarenakan cell capacity adalah bandwidth sebesar spectral efficiency dengan perhitungan matematisnya, !"##!$%$!&'( = !"#$%&'(#))*$*#+$, ! !"#$%&$'ℎ

(2.2)

LTE rel. 8 dan rel. 10 memiliki nilai cell spectral efficiency yang berbeda. Pada Tabel 2.1 akan menunjukkan bahwa cell spectral efficiency LTE rel. 10 lebih besar dari LTE rel. 8. Oleh karena itu, rata-rata pertumbuhan sites untuk LTE rel. 10 lebih kecil dari LTE rel. 8, karena memiliki kapasitas yang lebih besar. Cell capacity akan menentukkan jumlah sites untuk melayani subscriber. Berdasarkan referensi [9], maka didapatkan persamaan (2.3) . Semakin besar nilai cell capacity maka jumlah sites akan berkurang. Karena satu sites dapat menampung traffic yang lebih besar. !"#$! = !"#!$%&#'% ∙

!"#$!"#$ !" ∙!"#$$%& !"#$ !"##!$%$!&'(∙! !"#$%&! ∙!"##! !!"# ∙!" !"#$!

!% !"#$!!"#$!!"# !"% !"#$%"&

.

!"% !"%

∙

(!"#$%"&'$"()) (2.3)

Pemilihan band yang di input oleh user akan menentukan bandwidth yang tersedia. Operasi teknologi LTE dapat dilakukan pada satu atau beberapa band yang telah ditentukan oleh 3GPP. Dengan alokasi 25 band, bandwidth diperoleh dari selisih masing-masing frekuensi pada suatu nomor band. Besarnya bandwidth akan mempengaruhi cell capacity seperti yang disebutkan di persamaan (2.2).


Tabel 2.1 Downlink Konfigurasi MIMO LTE rel. 8 dan rel. 10 [9] Downlink cell spectral efficiency (b/s/Hz.user) Konfigurasi MIMO

LTE rel. 8

LTE rel. 10

2x2

1.69

2.4

4x2

1.87

2.6

4x4

2.67

3.7

C.Metode Perhitungan Biaya Pembangunan Sites Cara menghitung biaya pembangunan sites sederhana, dengan cara mengalikan matriks harga sites dengan laju pertumbuhan sites untuk tahun yang sama. Harga sites setiap lima tahun terjadi rata-rata penurunan jumlah harga sites 50 % atau pertahun mengalami rata-rata penurunan sebesar 10 %. Harga sites untuk konfigurasi MIMO diseragamkan. Harga sites dinyatakan dalam H1, maka harga tahun berikutnya harus dikalikan dengan decrease rate yang telah ditentukan. H1= harga sites H2= H1-( H1 * decrease rate) Maka harga satu sites pada tahun selanjutnya, dapat digunakan persamaan, !! = !!!! − (!!!! ∗ !"#$"%&"$%'")

(2.4)

Laju pertumbuhan sites dapat dihitung dengan persamaan, !"#$%&'($)*$ℎ!"#$%&# = !! − !!!!

(2.5)

D. Metode Kerja Program Referensi Pada Gambar 2.5 akan ditunjukkan screenshoot program referensi [1-2]. Dengan memasukkan variabel fungsi Gompertz a,b,c untuk masing-masing LTE rel. 8 dan rel. 10 dan t forecasting, akan menunjukkan penetrasi untuk masing-masing teknologi. Nilai a akan berpengaruh terhadap saturasi teknologi tersebut. Nilai b akan


mempengaruhi accelerated growth . Nilai c akan mempengaruhi growth period. Nilai t sebagai batasan waktu forecasting. Pemilihan konfigurasi MIMO untuk memilih konfigurasi yang diinginkan, serta merupakan variabel mempengaruhi perhitungan sites. Variabel lain yang juga mempengaruhi perhitungan sites adalah pemilihan band. Fase inisialisasi, transisi, dimasukkan oleh user, sedangkan fase terminasi dihitung oleh program yang merujuk dari rumus dan variabel dari referensi [9]. Dengan nilai traffic untuk setiap user per bulan adalah 4GB, dengan pertumbuhan traffic 5% per tahunnya. Perhitungan biaya merujuk pada referensi [10]. Untuk simulasi tahun 2014, jika ditentukan decrease rate sebesar 10% per tahunnya, maka harga sites menjadi $21,000. Kemudian akan mengalami penurunan selama waktu forecasting.

III.METODE PENELITIAN A. Pengalaman Dari Substitusi 2G ke 3G Total penetrasi pengguna mobile sudah lebih dari dua kali lipat sejak tahun 2005, yang dapat disebabkan oleh penurunan handset, biaya penggunaan dan peningkatan kualitas layanan dan cakupan jaringan. Peningkatan penetrasi secara signifikan ini membuat layanan dasar seperti panggilan suara dan layanan text dapat dinikmati oleh semua pengguna dengan level pendapatan yang berbeda beda. Kenaikan penetrasi 3G dapat disebabkan oleh dua faktor utama, yang pertama adalah ‘substitution effect’. Yang berasosiasi terhadap konsumen yang sebelumnya memiliki standar mobile connection 2G pindah ke koneksi 3G. Kedua, dapat disebabkan oleh ‘incremental effect’, misalkan, konsumen yang sebelumnya tidak memiliki handphone, kemudian berlangganan koneksi 3G. A. Analisa Hubungan Penetrasi 4G dengan Pertumbuhan Ekonomi Pengembangan teknologi ICT semakin diperhitungkan sebagai faktor yang mempengaruhi pertumbuhan ekonomi. Berdasarkan referensi [11], bahwa ada tiga karakteristik ICT sebagai faktor yang mempengaruhi pertumbuhan ekonomi, yaitu


1. ICT hampir berperan dalam semua sektor bisnis 2. ICT secara kontinyu berkembang dan semakin lama harganya semakin murah bagi konsumen 3. ICT berkontribusi dalam inovasi dan pengembangan produk devais dan layanan yang baru. Pada referensi [11] manfaat dari ICT dapat diklasifikasikan menjadi langsung dan tidak langsung. Pada Tabel 3.4 akan diperlihatkan hubungan langsung dan tidak langsung dari perkembangan ICT. Pengembangan ICT dapat digunakan untuk meningkatkan fungsi pasar dan meningkatkan adanya proses ekspor-impor. Pengembangan ICT akan menurunkan harga yang dialokasikan dalam proses transfer, karena sistem komunikasi yang baik akan menurunkan biaya transaksi [11], dan jaringan komunikasi yang baik akan menggantikan biaya transportasi fisik. Pada referensi [11], penurunan biaya transportasi tersebut akan memberikan kesempatan bagi negara berkembang untuk masuk pada persaingan pasar global. ICT dapat mempengaruhi pertumbuhan ekonomi melalui berbagai cara, meskipun sebenarnya sulit untuk menunjukan hubungan langsung antara ICT dan pertumbuhan ekonomi. Pengembangan ICT dapat menghasilkan lapangan pekerjaan dan meningkatkan pendapatan pemerintah.ICT juga dapat memberikan aliran informasi yang lebih baik, lebih efisien, pasar yang lebih luas, meningkatkan produktivitas, dan dapat menarik investasi yang lebih besar. Sistem komunikasi yang baik mempunyai hubungan timbal balik dengan kesempatan untuk mendapatakan pendapatan yang lebih tinggi, dan pendapatan yang tinggi mempunyai peluang untuk melakukan pengembangan komunikasi yang lebih baik lagi. Di ilustrasikan pada Gambar 3.1. B. Pendekatan Perhitungan Dengan Metode Generalized Method of Moments (GMM) Analisis econometric melihat bagaimana pertumbuhan rata-rata GDP per Kapita dipengaruhi oleh penetrasi 3G dan dengan beberapa penentu pertumbuhan seperti


GDP per Kapita dari tahun sebelumnya, pengeluaran pemerintah dan banyaknya ekspor-impor dan investasi. Tabel 3.1 Perbandingan Manfaat ICT [6] Manfaat Langsung

Manfaat Tidak Langsung

Dari sisi supplier

Dari sisi ICT

Berkontribusi terhadap pengeluaran

Menimbulkan penambahan pendapatan

negara dan menciptakan lapangan kerja Meningkatkan pendapatan pemerintah

Meningkatkan produktivitas perusahaan

Mempengaruhi keseimbangan

Mendukung pasar agar lebih baik dan

pembayaran

lebih besar Berkontribusi untuk pengembangan daerah rural

Gambar 3.1 Hubungan Timbal Balik Pengembangan ICT dengan Pertumbuhan Ekonomi

Teori ekonomi menyarankan adanya hubungan reverse causality diantara variabelvariabel tersebut; semakin tinggi penetrasi 3G diharapkan akan semakin tinggi pertumbuhan GDP per Kapita,dan juga diharapkan semakin cepat pula pembangunan infrastruktur mobile telecommunication.


Model matematisnya ln !"#$%&'($!,! − ln !"#$%&'($!,!!! = !! ln !"#$%&'($!,!!! + ! !! ln !"#$%&'($!,!!! + ! ln(!"#$%&!,! ) + ! ln 3!"#$!,! ) + !!,! Г + ƞ! +

∈!,! (3.1) Di mana Xi.t mencakup: ln

!"#$%& !"#$% !"#$%&'$"& , ln , ln , ln(!"#$%&!,! ) !"#!,! !"#!,! !"#!,!

Ƞ1 merupakan specify effect suatu negara Pada sisi sebelah kiri adalah rata-rata pertumbuhan GDP per Kapita, yang merupakan fungsi dari lag dari GDP per Kapita, penetrasi 3G, penetrasi mobile, dan faktor penentu pertumbuhan ekonomi. Faktor-faktor tersebut adalah, pengeluaran pemerintah, jumlah ekspor-impor, jumlah investasi dan tenaga kerja. Semua variabel dalam bentuk logaritmik. Kemudian dengan transformasi sederhana, persamaan 3.1 akan menjadi, ln !"#$%&'($!,! ! ln(!"#$%&!,! )

= ! ln !"#$%&'($!,!!! + !! ln !"#$%&'($!,!!! + ′ + !!,! Г + ƞ! + ∈!,!

(3.2) Di mana γ= (1+a1) Persamaan 3.2 mengasumsikan penetrasi mobile dan 3G secara kontemporer satu endogen, sedangkan variabel regresi lainnya diasumsikan sudah ditentukan. Pada Tabel 3.3 mendapatkan bahwa laju pertumbuhan 1% dari penetrasi 3G akan meningkatkan perekonomian sebesar 0.015%. Sedangkan dari referensi [8] di Indonesia, dengan rata-rata penetrasi layanan 3G 10% selama 2008-20011, akan memiliki kenaikan GDP per Kapita mengalami kenaikan sebesar 1.5%. Koefisien inilah yang akan digunakan penulis untuk melihat dampak dari penetrasi 4G terhadap pertumbuhan ekonomi.


Tabel 3.3 Hasil regresi berdasarkan referensi [5] Hasil Econometric Arellano-Bond panel-data estimasi dinamis

Number of obs=192 Number of Groups=96 Obs per group avg=2

Number of Instruments=44

ln_gdpercap

Wald chi2(8)= 460.88 Prob>chi2 = 0.00000 Koef

L1. ln(GDPpercap)

0.068107

L2.ln(GDPpercap)

0.0135005

ln_govexp

-0.0273462

ln(Inv/GDP)

-0.518597

ln(Trade/GDP)

0.0856448

ln(Labour)

0.6884214

ln(MobPen)

0.0651293

ln(3GPen)

0.0150549

_cons

-3.081036

C. Pengembangan Software Untuk Analisa Pengaruh Penetrasi 4G Dengan Pertumbuhan GDP di Indonesia Pengembangan dilakukan dengan mengambil data jumlah subscriber dari software referensi [1]. Pada pengembangan skripsi ini, LTE rel. 8 dan LTE rel. dianggap satu menjadi teknologi 4G.Kemudian dilihat penetrasi pertumbuhan subscriber 4G. Setelah mendapatakan pertumbuhan penetrasi pengguna 4G akan dicari koefisien pertumbuhan dengan perhitungan, !"#$"% !"#"$%&'( =

!"#$%&'#(&! ! !"#$%&'#(&!!! !"#$%&'#(&!!!

! 100%

!"#$%&%#' !"#$#%&" !"#$%ℎ =

!"#$"% !"#"$%&'( !"#$$%#& 4! ! 1.5% (3.4) 10 % (!"#$"% !"#"$%&'( 3!)


(3.3)

Menghitung besarnya jumlah GDP per Kapita tiap tahun dengan hubungan pertumbuhan subscriber 4G dengan rumus, !"#$%&'($! = !"#$%&'($!!! +

!"#$%&'($!!! ! !"#$ !"#$#%&" !"#$%! !""

(3.5) Kemudian setelah mendapatkan koefisien pertumbuhan ekonomi tiap tahun, akan digunakan untuk menghitung GDP per Kapita setiap tahunnya dengan pertumbuhan sebesar koefisien tersebut. Karena forecasting dimulai sejak tahun 2014, maka diperlukan inisiasi GDP per Kapita, data GDP per Kapita diambil dari [12] dimana setelah dikalikan nilai tukar mata uang dari [13] akan didapatkan nilainya sebesar Rp 37,839,373.27. GDP per Kapita inisialisasi inilah yang menjadi awal mulai perhitungan dampak penetrasi pengguna 4G dengan pertumbuhan GDP per Kapita. Namun pengembangan kedua ini hanya bisa dilakukan pada negara Indonesia saja, karena untuk menghitung dampaknya terhadap setiap provinsi diperlukan perhitungan dan koefisien yang lebih lanjut lagi. IV.

METODE SIMULASI

A. Batasan Skenario Simulasi Faktor yang akan mempengaruhi forecasting pada setiap skenario adalah waktu inisialisasi dan terminasi dari LTE rel. 8 dan 10. Untuk fase inisalisasi, skenario akan memulai fase tersebut pada tahun 2014 untuk skenario cepat, dikarenakan menurut referensi [14] , paling cepat LTE akan digelar pada tahun 2014. Hal tersebut akan mempengaruhi panjang periode fase inisialisasi, transisi, dan terminasi. Selain itu, semua simulasi akan memantau periode forecasting selama 25 tahun. B. Skenario Forecasting Skenario Cepat Pada skenario cepat, deployment LTE akan dilakukan secepat mungkin. Selain itu, nilai-nilai variabel Gompertz juga dimodelkan agar memiliki growth speed dan acceleration yang cepat. Skenario cepat ini akan memiliki implikasi sedikitnya waktu


LTE rel. 8 untuk berkembang, kemudian segera digantikan dengan LTE rel. 10, maka agar dicapai saturasi pada masa transisi nilai penetrasi pada LTE rel. 8 dibatasi menjadi 70%. Parameter simulasi dapat dilihat pada Tabel 4.1. Tabel 4.1.Parameter Skenario Cepat [1]

Variabel Gompertz LTE rel. 8 Variabel Gompertz LTE rel. 10 Tahun Inisialisasi LTE rel. 8 Tahun inisialisasi LTE rel. 10

A= 70; b= --5; c= -0.6 A=100; b= -8; c= -0.6 2014 2017

Skenario Sedang LTE rel. 8 diharapkan akan berkembang hingga penetrasinya 80% sebelum digantikan dengan LTE rel. 10. Selain itu, waktu inisialisasi untuk LTE rel. 10 juga terjadi pada waktu yang tidak terlalu cepat yakni pada 2020, yang berarti memberikan enam tahun waktu fase inisialisasi. Pada skenario ini diharapkan kedua jenis teknologi mengalami maturity namun tidak mengalami waktu saturasi yang panjang. Parameter simulasi skenario sedang ditunjukkan pada Tabel 4.2.


Tabel 4.2. Parameter Skenario Sedang [1]


A= 80; b= -4; c= -0.5 A=100; b= -7; c= -0.3 2014 2020

Skenario Lambat Pada simulasi skenario lambat, pertumbuhan penetrasi LTE dibuat selambat-lambatnya. Dengan asumsi bahwa kesiapan dari pelaku bidang telekomunikasi masih lambat. Tahun inisialisasi LTE rel. 10 diundur hingga 2025. Oleh karena keterlambatan ini, kedua teknologi bisa tumbuh hingga mencapai maturity dan saturasi. Dengan demikian, kedua nilai penetrasi yang disimbolkan dengan variabel a berada pada nilai 100. Tabel 4.3 menunjukkan parameter forecast untuk skenario lambat. Tabel 4.3. Parameter Skenario Lambat [1]


V.

A= 100; b= -4; c= -0.1 A=100; b= -3; c= -0.15 2014 2025

HASIL SIMULASI

Dengan memasukkan masing-masing variable simulasi maka akan didapatkan hasil pertumbuhan subscriber dan pertumbuhan GDP per Kapita. Akan ditampilkan gambar grafik untuk masing-masing skenario. Hasil total subscriber 4G dan pertumbuhan GDP per Kapita skenario cepat.

Gambar 4.1 Total Subscriber 4G Skenario Cepat dan Pertumbuhan GDP per Kapita Skenario Cepat


Gambar 4.1 Total Subscriber 4G Skenario Cepat dan Pertumbuhan GDP per Kapita Skenario Cepat

Hasil total subscriber 4G dan pertumbuhan GDP per Kapita skenario sedang.

Gambar 4.2 Total Subscriber 4G Skenario Cepat dan Pertumbuhan GDP per Kapita Skenario Sedang

Hasil total subscriber 4G dan pertumbuhan GDP per Kapita skenario lambat.

Gambar 4.3 Total Subscriber 4G Skenario Cepat dan Pertumbuhan GDP per Kapita Skenario Lambat

VI. PEMBAHASAN Skenario Cepat Pertumbuhan GDP per Kapita merupakan implikasi dari skenario pertumbuhan subscriber yang diterapkan. Pada fase inisialisasi terjadi peningkatan secara signifikan, hal ini menujukkan


seperti yang telah terjadi pada pergantian 2G ke 3G, bahwa pada tahun tahun awal akan bertambahnya investasi yang mendukung dalam perkembangan ICT. Setelah memasuki fase terminasi dengan basis teknologi LTE rel. 10 yang berkembang dengan cepat maka pengembangan yang dilakukan pada teknologi tersebut akan memasuki fase saturasi yang cepat pula. Inilah yang terjadi apabila suatu teknologi dihentikan dalam pengembangannya. Kunci dari skenario cepat ini adalah, investasi yang dilakukan pada fase inisialisasi agar suatu bangsa dapat meraih manfaat ekonomi dalam pengembangan ICT sehingga dapat menguasai persaingan dengan bangsa-bangsa lain. Skenario Sedang Saat fase transisi di mana ada dua teknologi yang berkembang pada fase tersebut, kondisi saturasi terjadi pada teknologi LTE rel. 8 kemudian ditambah dengan subscriber LTE rel. 10. Pada fase terminasi, terjadi penurunan jumlah subscriber pada tahun 2027 saat semakin menurunnya subscriber LTE rel. 8.Kemudian subscriber 4G diasumsikan hanya LTE rel. 10. Pada tahun terakhir forecasting 2038, LTE rel. 10 belum mencapai kondisi saturasi dibandingkan populasi penduduk. Faktor-faktor yang mempengaruhi jika berkaca pada pengalaman saat substitusi 2G ke 4G adalah pihak vendor dan regulator dalam penentu pengembangan infrastruktur dan kebijakan tidak tergesa-gesa dalam menciptakan suatu kondisi yang kondusif untuk pengembangan 4G tersebut. Dan seperti yang telah disebutkan sebelumnya, bahwa teknologi 4G pada forecasting sedang belum mencapai kondisi saturasi, sehingga masih dapat berkembang lagi baik untuk sisi subscriber yang mempengaruhi pertumbuhan GDP per Kapita. Skenario Lambat Terjadi fase transisi yang cukup panjang antara LTE rel. 8 dan LTE rel. 10.

Kondisi

pertumbuhan subscriber pun cukup stabil bagi total subscriber 4G. Kondisi yang stabil tersebut memungkinkan bagi pihak regulator untuk menentukan kebijakan dalam membuat situasi yang kondusif dalam adaptasi teknologi 4G. Besarnya nilai GDP per Kapita pada skenario lambat lebih kecil dibandingkan pada skenario sedang, apalagi cepat. Hal tersebut merupakan cerminan dari kondisi perencanaan dan proses adaptasi untuk teknologi 4G. Berdasarkan

pengalaman saat substitusi 2G ke 3G adanya

kemungkinan dari sisi regulator dan infrastruktur belum memadai untuk melakukan


pengembangan lebih lanjut. Sehingga menyebabkan para subscriber ataupun calon subscriber masih menunggu untuk mengambil keputusan dalam menggunakan teknologi 4G tersebut. Sehingga hasil dari skenario lambat ini dapat menjadi bahan analisa bagi pihak regulator, operator, maupun vendor untuk menciptakan kondisi dan layanan agar teknologi 4G dapat berkembang pada kondisi yang tepat, dan bangsa dapat mendapatkan manfaat dalam pengembangan teknologi 4G ini.

VII. KESIMPULAN Hasil pengembangan software simulasi LTE rel. 8 dan rel. 10 untuk analisis pertumbuhan GDP di Indonesia memiliki beberapa kesimpulan, antara lain: 1. Pembangunan sites tiap provinsi dipengaruhi oleh jumlah subscriber tiap-tiap provinsi. Hal ini penting bagi penyelenggara jaringan agar lebih detail dalam membangun sites. 2. Skenario cepat, sangat kecil kemungkinannya dicapai di Indonesia dengan kondisi pertumbuhan subscriber yang cepat, mempunyai nilai pertumbuhan GDP per Kapita pada periode inisiasi sebesar 211,98% menunjukkan dengan kesiapan yang cepat, maka manfaat yang didapat pun sangat besar. Namun butuh adaptasi infrastruktur dan regulasi yang cepat agar sesuai dengan skenario tersebut. 3. Skenario sedang merupakan keadaan paling mungkin dilihat dari segi penetrasi dan laju pertumbuhan yang kondisinya hampir mencapai saturasi. Pada fase inisiasi GDP per Kapita mengalami kenaikan 140%. GDP per Kapita sempat mengalami penurunan harus diantisipasi pada fase terminasi dengan cara pengembangan layanan yang lebih fokus di LTE rel. 10, agar para pengguna dapat segera beradaptasi untuk meningkatkan perekonomiannya, sehingga GDP per Kapita yang didapatkan lebih stabil. 4. Skenario lambat dengan laju pertumbuhan yang lambat dan tenggat waktu yang lama juga memungkinkan dalam penerapan jika kondisi dan situasi yang tepat untuk 4G berkembang belum tersedia. Walaupun tetap menunujukkan hubungan yang positif dengan pertumbuhan fase inisiasi 53,18%. 5. Pengaruh perkembangan 4G harus dalam kondisi yang

tepat, agar memperoleh manfaat

yang tepat. Dengan koordinasi semua pemain di bidang telekomunikasi.Sehingga penggelaran jaringan 4G dapat bermanfaat untuk meningkatkan GDP per Kapita Indonesia.


VII. Saran 1. Perhitungan hubungan perkembangan ICT masih dapat dilakukan dengan faktor lain, di antaranya jumlah bandwidth yang terpakai untuk meningkatkan pertumbuhan GDP per Kapita. 2. Perhitungan yang spesifik untuk analisis hubungan pengembangan ICT dan pertumbuhan GDP per Kapita tiap provinsi juga dapat dilakukan, terutama karena kondisi geografis dan populasi Indonesia yang belum merata.

VIII. KEPUSTAKAAN [1] Ramadhan, Achmad ,Rancang Bangun Simulasi Forecasting Pertumbuhan Subscriber dan Sites untuk LTE rel. 8 danLTE rel. 10, Desember 2012. [2] Kurnia, Afid , Rancang Bangun Simulasi Forecasting Pertumbuhan Biaya Pembangunan Sites untuk LTE rel. 8 dan LTE rel. 10, Desember 2012 [3] Deloitte, TheThe impact of 4G technology on commercial interactions, economic growth, and U.S. competitiveness. Agustus 2012 [4] Suryanegara, M. and Asvial, M. (2012). In searching for 4G Service Applications: A case of Indonesian Market. Paper presented on preparation for the submission to Telecommunications Policy. [5] Williams,C. Solomon g. dan Pepper R. What is the impact of mobile telephony on economic growth?. November 2012. [6] Vanston, Lawrence K. & Ray L. Hodges., (1998) Forecasts for Higher Bandwidth Broadband Services. Technology Futures, Inc. [7] Chen, Mingliang. (2002). A Study of the Customer Life Cycle Model. Journal of Zhejiang University. [8] Song Zelong, Zhou Guocheng, dan Zhou Jianmei. (2005). Customer Life Cycle Theory and the Marketing “Five Elements” in the Use of Telecommunications Companies. Communications World.


[9] Nokia Siemens Networks. (2010). Mobile broadband with HSPA capacity and cost aspects.

Diambil

dari:

http://www.nokiasiemensnetworks.com/

system/files/document/Mobile_ broadband_A4_ 26 041.pdf [10] md7.

(2010)/

For

Cell

Sites

It's

About

Time.

Diambil

dari:www.md7.com/assets/001/5073.pdf [11] Andrinaivo, M. dan Kpodar, K. ICT, Financial and Growth: Evidence from African Countries. IMF Working Paper. 2011 [12] Prospek Ekonomi 2013 dan 2014. Bappenas.go.id//print/3641/prospek-ekonomi-2013dan-2014/ diakses 29 Juni 2013 [13] Nilai tukar mata uang asing, mata uang. Id.rateq.com. diakses 29 Juni 2013 [14] Indonesia Foresees Widespread Adoption of 4G in 2014 at the earliest. www.the jakartaglobe.com/archive.indonesia-foresees-widespread-adoption-of-4g-in-2014-at-theearliest/ (diakses tanggal 25 Mei 2013)


SIMULASI LTE REL. 8 DAN LTE REL. 10 UNTUK ANALISIS PERTUMBUHAN GDP DI INDONESIA

Recommend Documents