Eksplorasi Dinamika Trafik Seluler di Milan

Waktu pertama kali kita buka dataset jaringan seluler, bentuknya terlihat seperti tabel deret waktu biasa yang berisi timestamp, ID sel, dan angka aktivitas pengguna.

Tabel 1. Cuplikan data telemetri mentah jaringan seluler Milan.

Di dunia telko, keputusan belanja modal (Capex) memiliki risiko penyesalan yang tidak simetris (asymmetric risk). Memasang satu unit Small Cell infill membutuhkan biaya sekitar €25.000, sedangkan ekspansi satu sektor Macro Carrier bisa menembus €55.000.¹ Jika kapasitas terlalu kecil saat jam sibuk, jaringan akan mengalami kongesti dan pelanggan berpotensi berpindah (churn); sebaliknya jika berlebihan memasang BTS, modal investasi akan mengendap pada perangkat yang menganggur.

Sebelum terburu-buru merancang arsitektur model yang rumit, langkah awal yang paling krusial adalah memahami karakteristik dan dinamika data telemetrinya. Tulisan ini merangkum hasil eksplorasi data mentah pusat kota Milan, empat temuan empiris di baliknya, serta pengujian model baseline sebagai tolok ukur awal.

Kenapa Memilih Data Milan 2013?

Mencari data telemetri seluler yang terperinci (granular) dan kontinu dari jaringan kota komersial sangatlah sulit. Sejak regulasi privasi ketat seperti GDPR berlaku di Eropa, operator telekomunikasi mengunci rapat Call Detail Records (CDR) mereka sebagai rahasia dagang dan data sensitif.

Hasilnya, dataset Telecom Italia Big Data Challenge (Milan, 2013) yang dirilis oleh Barlacchi dkk. (2015)² sampai sekarang masih menjadi tolok ukur standar layaknya "MNIST / ImageNet" di ranah riset spatio-temporal telekomunikasi.³

Dataset aslinya mencakup area satu provinsi penuh dengan 10.000 petak sel. Namun, karena mayoritas wilayah pinggiran trafiknya cenderung sepi, fokus analisis ini dipersempit ke 100 sel di pusat kota (urban core).

Wilayah $10\times 10$ petak grid ini mencakup titik-titik tersibuk di Milan—seperti katedral Piazza del Duomo, stasiun Milano Centrale, dan kawasan belanja San Babila—yang dipantau tanpa putus selama 35 hari berturut-turut (840 jam, 4 November–8 Desember 2013).

Temuan Eksplorasi

Trafik seluler di kota besar itu dipengaruhi langsung oleh jangkauan sinyal radio dan pola mobilitas orang-orang di perkotaan. Asumsi dasar tabular bahwa setiap baris data bersifat Independent and Identically Distributed (I.I.D.) langsung rontok karena empat temuan lapangan ini:

1. Ekor Berat (Heavy Tails) dan Jebakan Kebocoran Data

Waktu melihat sebaran volume aktivitas mentah, bentuk kurvanya miring ke kanan secara ekstrem (kurtosis $>22$). Sebagian besar observasi menumpuk padat di angka rendah di bawah 2.500 unit, tetapi sebarannya memiliki ekor panjang (heavy tail) yang melonjak ekstrem sampai lebih dari 18.000 unit saat jam sibuk di pusat kota (Gambar 1A).

Gambar 1. Sebaran 84.000 observasi trafik seluler di inti kota Milan. (A) Angka mentah berekor berat. (B) Kerapatan kurva mirip Gaussian setelah transformasi $\log (1+y)$.

Jika langsung melatih model menggunakan angka mentah ini, proses pelatihan akan menjadi tidak stabil. Fungsi loss akan sangat didominasi oleh nilai-nilai ekstrem (outliers), sementara jam-jam sepi pada malam hari (yang krusial untuk mengukur kebutuhan dasar jaringan) justru terabaikan. Transformasi $\log (1+y)$ berhasil meredam varians dan mengubahnya menjadi kurva yang mendekati distribusi normal/Gaussian (Gambar 1B).

Jebakan kebocoran data (data leakage) muncul saat melakukan standardisasi Z-score ($\tilde{z}=\frac{z-\mu }{\sigma }$). Kesalahan umum yang sering terjadi adalah menghitung rata-rata $\mu$ dan standar deviasi $\sigma$ dari keseluruhan data 35 hari. Jika hal ini dilakukan, informasi masa depan dari data uji akan bocor ke proses pelatihan, menghasilkan performa model yang tampak bagus semu. Dalam alur (pipeline) ini, parameter ($\mu =7,97,\sigma =0,88$) dihitung murni hanya dari data latih Minggu 1–3 (jam 0–503), tanpa menyentuh data evaluasi Minggu 4 dan 5.

2. Variasi Karakter Kawasan Kota

Kalau kita cuma lihat angka rata-rata seisi kota, karakter tiap kawasan yang unik bakal hilang tertelan. Ketika aku pisahkan sel demi sel selama 168 jam (satu minggu penuh), langsung kelihatan tiga tipe kawasan yang perilakunya beda drastis (Gambar 2).

Gambar 2. Pola trafik selama 168 jam non-stop pada tiga kawasan dengan fungsi berbeda.

• Piazza del Duomo (Sel 5161): Titik wisata dan belanja utama. Trafik dasarnya selalu tinggi, puncak siang harinya tembus 16.000 unit, dan aktivitas malamnya masih ramai sampai larut karena tempat hiburan.
• Milano Centrale (Sel 5262): Stasiun kereta api utama. Puncaknya sangat tajam dan terjadwal rapi mengikuti ritme pekerja komuter — ramai waktu kedatangan pagi (08:00–10:00) dan kepulangan sore (17:30–19:30).
• Perimeter Luar (Sel 4654): Kawasan pinggiran perumahan. Angka hariannya landai dan jarak antara titik tertinggi dan terendahnya nggak terlalu jauh.

3. Puncak Ganda Hari Kerja vs Akhir Pekan yang Santai

Melihat siklus 24 jam di Piazza del Duomo memperlihatkan ritme harian yang beda jauh antara hari kerja dan akhir pekan (Gambar 3):

Gambar 3. Ritme 24 jam di Duomo: dua puncak di hari kerja vs kenaikan santai di akhir pekan.

Di Gambar 3, ritme harian terlihat sangat jelas. Aktivitas jatuh ke titik terendahnya (trough) pada dini hari (02:00–05:00 CET) di kisaran 2.000–2.500 unit saat mayoritas warga tidur. Ketika masuk hari kerja (Senin–Jumat), polanya membentuk dua puncak yang jelas pada jam masuk kantor dan buka toko (10:00–12:00) serta jam pulang kantor dan aktivitas sore (18:00–20:00). Ketika masuk akhir pekan, puncak pagi hilang; keramaian baru merangkak naik secara bertahap menjelang sore (15:00–17:00). Model tabular sederhana yang hanya mengandalkan fitur lag harian kemarin ($y_{t-24}$) untuk memprediksi hari Senin pagi berdasarkan data Minggu pagi akan menghasilkan kesalahan estimasi fase yang besar.

4. Konsentrasi Spasial dan Fenomena Telecoupling

Kebutuhan kapasitas di Milan menumpuk di koridor tengah yang meliputi Cadorna, Duomo, San Babila, sampai ke stasiun Centrale (Gambar 4). Sel-sel di pinggir luar bahkan nggak sampai 20% dari keramaian sel inti.

Gambar 4. Peta panas rata-rata beban trafik di kisi 100 sel pusat kota Milan.

Yang paling menarik, jarak fisik ternyata belum cukup untuk menjelaskan korelasi antar-sel. Graf jarak geografis ($A_{\text{geo}}$) memang efektif untuk menangkap rambatan sinyal radio ke sel tetangga terdekat. Namun, ada sel-sel yang berjarak cukup jauh (>1,5 km) tetapi memiliki dinamika trafik harian yang sangat mirip — fenomena ini disebut telecoupling (Gambar 5).

Gambar 5. Matriks ketetanggaan (adjacency) antar-sel di Milan: Kedekatan jarak fisik ($A_{\mathrm{geo}}$) vs Kesamaan fungsional setelah proses detrending ($A_{\mathrm{sim}}$).

Matriks ini memetakan hubungan berpasangan antara 100 petak sel (indeks 0–99). Skala warna menunjukkan kekuatan bobot hubungan dari 0 (tidak terhubung) hingga 1 (sangat kuat):

• Panel A (Kedekatan Fisik): Bobot dihitung berdasarkan jarak geografis antarsel menggunakan thresholded Gaussian kernel dengan ambang batas jarak $\kappa =750\text{ m}$. Jika jarak antarsel melebihi 750 meter, bobotnya langsung dianggap nol. Pola pita di sekitar diagonal mencerminkan sel-sel yang bertetangga langsung di peta.
• Panel B (Kemiripan Fungsional): Bobot dihitung dari korelasi Pearson aktivitas trafik internet setelah komponen tren harian/mingguannya dihilangkan (detrending). Panel ini menangkap pasangan sel yang memiliki kesamaan ritme lonjakan aktivitas meskipun secara fisik tidak bertetangga.

Contoh konkretnya terlihat pada pasangan indeks 26 (sel 4860) dan indeks 91 (sel 5555). Pusat sel 4860 berada di koordinat (45,4593° LU, 9,1901° BT) dan sel 5555 berada di (45,4742° LU, 9,1751° BT). Jarak fisik antarpusatnya sekitar 2,02 km (rumus Haversine). Karena jaraknya melampaui ambang batas 750 m, bobot keduanya di matriks fisik Panel A bernilai nol. Namun, korelasi trafik internetnya pada data latih mencapai 0,437, sehingga tetap terhubung dengan bobot kuat di matriks fungsional Panel B. Hal ini membuktikan bahwa dua lokasi perkotaan bisa saling tersinkronisasi ritme aktivitasnya tanpa harus berdampingan di dunia nyata.

Strategi Riset Terkini

Evolusi riset peramalan trafik telekomunikasi selama satu dekade terakhir bisa dirangkum dalam tiga fase:

1. Deret Waktu Klasik (2000–2015): ARIMA, SARIMA, dan Holt-Winters.⁴ Bagus secara hitungan statistik, tetapi buta spasial — menganggap tiap menara BTS hidup sendirian tanpa pengaruh dari sekitarnya.
2. Model Rekuren & 2D-CNN (2015–2018): ConvLSTM⁵ membagi peta kota jadi matriks piksel seperti gambar. Masalahnya, tata ruang kota dan sinyal radio tidak bekerja seperti kisi piksel kamera, dan proses hitung sekuensial RNN membuat pelatihan model menjadi sangat lambat.
3. Spatio-Temporal GNNs (2018–Sekarang): Graph WaveNet (Wu dkk., 2019)⁶ mendobrak kebuntuan ini dengan memadukan Gated Dilated Temporal Convolutions (TCN) dan difusi graf dengan matriks adaptif, menghasilkan akurasi tinggi pada data trafik seluler perkotaan.⁷

Membangun Benchmark Baseline Terlebih Dahulu

Sebelum melompat ke arsitektur deep learning yang kompleks, naluri engineering yang sehat menuntut kita menetapkan tolok ukur (baseline) yang teruji. Tanpa baseline, kita tidak akan pernah tahu apakah biaya komputasi model baru benar-benar sebanding dengan peningkatan akurasinya.

Untuk menguji data uji Minggu ke-5 (145 sliding windows sepanjang horizon 24 jam pada 100 sel inti kota), aku membangun tiga model baseline:

1. Seasonal Naïve ($t-168$ jam):
   Model deterministik yang menebak trafik jam $t+h$ persis sama dengan nilai pada jam yang sama di minggu sebelumnya ($y_{t+h}=y_{t+h-168}$). Karena ritme komuter dan akhir pekan kota Milan sangat konsisten, model sederhana ini mungkin menjadi solusi sederhana yang terbaik.
2. Historical Average (HA Profil Mingguan):
   Menghitung profil rerata historis per jam dalam satu minggu (168 slot waktu) murni dari data latih (Minggu 1–3). Prediksi dibuat berdasarkan nilai historis tanpa kemampuan adaptasi terhadap tren jangka pendek.
3. LightGBM Regressor (Tabular Gradient Boosting):
   Model machine learning tabular terapan dengan rekayasa fitur lag ($t-1,t-2,t-24,t-168$), statistik bergerak 12 jam dan 24 jam (rolling mean & std), serta fitur kalender siklikal (hour-of-day, day-of-week). Model dilatih secara direct multi-horizon untuk memprediksi tiap horizon langkah ke depan ($h\in \{1,\dots ,24\}$).

Hasil Evaluasi Baseline

Evaluasi performa ketiga model pada data uji Minggu ke-5 dirangkum pada Tabel 2:

Tabel 2. Perbandingan performa model baseline pada data uji Minggu ke-5 (100 sel urban Milan, $H=24$ jam).

Dari hasil benchmark ini, terlihat dua temuan penting:

• Ketajaman Jangka Pendek vs Kestabilan Siklus: Pada horizon 1 jam pertama ($h=1$), LightGBM sangat dominan dengan WAPE cuma 7,56% berkat fitur lag terdekat ($t-1,t-2$). Tetapi ketika horizon ditarik lebih jauh (12–24 jam), keunggulan lag tersebut memudar sehingga WAPE LightGBM terdegradasi ke kisaran 20%. Di horizon panjang inilah Seasonal Naïve justru lebih unggul (WAPE 18,83% pada $h=24$) karena persistensi mingguan tidak mudah terombang-ambing oleh variasi sesaat.
• Keterbatasan Spasial: Ketiga baseline ini mengasumsikan tiap sel berdiri sendiri tanpa interaksi spasial. Tidak ada satu pun model yang memanfaatkan rembesan sinyal antar-sel bertetangga maupun korelasi telecoupling antar-pusat keramaian.

Wawasan

Dari serangkaian eksplorasi data mentah dan pengujian baseline ini, beberapa kesimpulan utama yang aku dapatkan:

• Masalah telemetri jaringan yang sekilas mirip data tabular biasa ternyata menyimpan struktur graf spasial dan ritme temporal yang kuat.
• Normalisasi sembarangan akan membocorkan data masa depan (data leakage); isolasi partisi awal secara ketat adalah keharusan.
• Kedekatan geografis di peta tidak selalu mencerminkan kesamaan perilaku. Kawasan fungsional yang saling berjauhan dapat memiliki dinamika trafik yang sinkron (telecoupling).
• Model tabular seperti LightGBM unggul telak di jangka pendek, namun model berbasis musiman mingguan (Seasonal Naïve) terbukti lebih tangguh untuk horizon panjang.

Di tulisan berikutnya, aku bakal membahas perancangan arsitektur Spatio-Temporal Graph Neural Network (ST-GNN) di PyTorch untuk mengawinkan keunggulan temporal dan spasial ini, serta bagaimana menguji apakah model berbasis graf benar-benar mampu mengungguli tolok ukur baseline yang sudah kita tetapkan di sini.

---

Referensi

Footnotes

1. Estimasi acuan belanja modal mengacu pada studi benchmark TCO jaringan seluler heterogen (HetNet). Lihat S. Tombaz dkk., "Energy and Cost-Efficient Ultra-High-Capacity Wireless Access," IEEE Wireless Communications, vol. 18, no. 5, 2011; J. Markendahl & P. Werding, "A comparative study of deployment options, capacity and cost structure for macrocellular and femtocell networks," IEEE BlackSeaCom, 2013; serta Small Cell Forum (SCF), "Urban Small Cell Architecture and Economics," Dokumen SCF106, 2015. ↩

2. A. Barlacchi dkk., "A multi-source dataset of urban life in the city of Milan and the Province of Trentino," Scientific Data, vol. 2, hlm. 150055, 2015. DOI: 10.1038/sdata.2015.55 ↩

3. C. Zhang, H. Zhang, D. Yuan, dan M. Zhang, "Citywide cellular traffic prediction based on densely connected convolutional neural networks," IEEE TMC, vol. 20, no. 4, hlm. 1651–1665, 2021. ↩

4. G. E. Box dkk., Time Series Analysis: Forecasting and Control, edisi ke-5. Wiley, 2015. ↩

5. X. Shi dkk., "Convolutional LSTM network: A machine learning approach for precipitation nowcasting," dalam NeurIPS, 2015. ↩

6. Z. Wu, S. Pan, G. Long, J. Jiang, dan C. Zhang, "Graph WaveNet for deep spatial-temporal graph modeling," dalam IJCAI, 2019, hlm. 1907–1913. ↩

7. X. Wang dkk., "Spatio-temporal analysis and prediction of cellular traffic in metropolis," IEEE TMC, vol. 18, no. 9, hlm. 2039–2052, 2019. ↩