# CAKRA — studi empiris dan riwayat twin (4.20.0)

Panduan ini untuk pengguna VDT. Tidak diperlukan layanan GPU, instalasi solver,
akses admin, atau pengiriman log ke AI untuk fitur di bawah ini. Ini bukan
sertifikasi digital twin 1:1. Data latihan tidak menjadi pengukuran lapangan.

## 1. Siapkan data dan konfigurasi

Workspace memakai judul singkat dan ikon **?** untuk penjelasan lengkap.
Hover, klik/tap, atau fokus dengan Tab; Enter/Space membuka dan Escape menutup.
Nilai hasil, peringatan, status stale dan konfirmasi tetap terlihat. Bantuan
tidak mengubah input atau memakai credit.

Impor log drive test melalui **Upload New File** yang sudah tersedia. Pertahankan
file asli dan identitas sumbernya. Pada VDT → Configuration, gunakan mapping
serving LTE yang tidak ambigu. Inventori sektor harus berasal dari sumber Anda:
lokasi GPS pengukuran atau cellinfo tidak otomatis merupakan lokasi BTS.

Untuk fitting bersama, pilih model **Log distance**. Daya, geometri, pola antena,
receiver dan lingkungan tetap; fitting tidak merekonstruksi parameter tersebut.
Offset per-clutter aktif harus direview/dihapus secara sengaja oleh Anda terlebih
dahulu; aplikasi tidak menghapusnya diam-diam. Tidak perlu menjalankan prediksi
berbayar hanya untuk mengaudit atau menghitung usulan empiris ini.

## 2. Audit kualitas pengukuran

1. Buka Field calibration → Measurements → Campaign readiness.
2. Isi ID kampanye dan referensi kriteria kualitas.
3. Isi batas estimasi akurasi GPS (m), usia update radio (s), gap waktu (s) serta
   batas screening kecepatan GPS (km/h) dari kebutuhan studi Anda.
4. Bila timestamp asli tidak memiliki offset, buka Source clock declaration,
   pilih sumbernya, isi offset UTC dalam menit dan referensi dokumentasinya.
   +420 berarti UTC+07:00. Jangan menetapkannya hanya karena lokasi ada di Jakarta.
5. Pilih Audit campaign. Review sumber/baris yang dikecualikan, lalu Download
   campaign audit.

Tidak ada penghapusan, smoothing GPS, atau pengisian nilai sensor yang belum
diketahui. Umur update yang kosong bukan nol. Urutan nomor baris sumber digunakan
untuk memeriksa regresi jam, walaupun workspace sudah mengurutkan data berdasarkan
waktu. Jarak/kecepatan dipakai untuk screening, bukan pembuktian ketepatan GPS.
Offset UTC bukan koreksi drift perangkat atau skew antara sensor RF dan GPS.

## 3. Hitung eksponen dan offset bersama

1. Buka Field calibration → Joint fitting.
2. Isi Measurement quality. Kriteria ini berdiri sendiri dari audit sebelumnya.
3. Buka Fit criteria. Isi referensi studi, jumlah minimal fit/holdout, minimal
   blok spasial, batas kondisi matriks desain dan rentang log jarak.
4. Isi rentang eksponen di dalam 2–6 dan rentang offset di dalam −40 hingga +40 dB,
   serta target MAE/RMSE/P90 holdout. Itu batas engine, bukan target akurasi universal.
5. Pilih spatial blocks + guard, atau separate source holdout. Untuk holdout sumber,
   pilih sumber perjalanan terpisah. Berkas berbeda saja belum membuktikan survei
   independen. Tetap lengkapi block/guard/seed pada dokumen kriteria.
6. Anda juga bisa Download Criteria template, melengkapi seluruh nilai null dan
   Import study criteria. Template yang masih kosong ditolak; impor hanya mengisi
   formulir, bukan mengganti konfigurasi fisik atau menjalankan prediksi.
7. Pilih Compute joint proposal, lalu Review proposal.

Model memperkirakan dua parameter bersama dengan least-squares terikat. Hanya
baris fit masuk ke perhitungan koefisien. Holdout dipakai untuk pemeriksaan,
bukan untuk memperbaiki koefisien. Solusi dibandingkan dengan baseline dari
snapshot yang sama, tanpa planning margin. Shadow fading, power dan gain antena
tidak ditentukan oleh fitting ini.

### Arti isian kriteria

| Isian | Kegunaan |
| --- | --- |
| Campaign / quality reference | ID perjalanan dan dokumen dasar batas screening. |
| GPS accuracy / update age | Estimasi akurasi GPS dalam meter dan usia pembacaan radio dalam detik; nilai kosong tidak lolos. |
| Clock gap / GPS speed | Batas jeda rekaman dan screening perpindahan, bukan koreksi GPS otomatis. |
| Fit study reference | Identitas studi yang mendokumentasikan seluruh kriteria berikut. |
| Minimum fit / holdout rows | Jumlah minimal observasi eligible dan matched; minimal engine 20 / 10. Banyaknya baris bukan jaminan independensi. |
| Minimum spatial blocks | Jumlah minimal blok geografis per partisi, minimal 2. Diterapkan pada split spasial, bukan jumlah file sumber. |
| Maximum design condition | Batas sensitivitas numerik desain yang kolomnya dinormalisasi; 1–10000. Tidak ada angka rekomendasi otomatis. |
| Minimum log-distance span | Rentang log10 jarak, dalam dekade; 0 < nilai ≤ 4. Satu dekade berarti rasio jarak 10×, bukan jumlah sampel. |
| Exponent / offset bounds | Kendala optimasi di dalam domain engine; pilih rentang berdasarkan studi, bukan agar holdout lolos. |
| Holdout MAE / RMSE / P90 | Batas error absolut rata-rata, akar error kuadrat rata-rata dan persentil 90 error absolut, dalam dB. Semuanya > 0 hingga 40 dB. |
| Spatial block / guard | Ukuran blok 100–5000 m dan buffer pemisahan 0 hingga ukuran blok; guard harus positif untuk mengizinkan penerapan split spasial. |
| Spatial seed | Integer deterministik untuk pembagian blok. Simpan seed sebelum fitting; jangan mencari seed terbaik terhadap holdout. |
| Holdout sources | ID sumber terpisah dari kampanye aktif. File hasil salinan bukan kampanye independen. |

Impor kriteria menerima JSON schema `cakra.empirical-study`, version `1`, maksimal
100 KB. Template dengan null, unit keliru atau ID holdout tanpa pasangan eligible
ditolak. Nilai template harus berasal dari review studi Anda, bukan angka di tabel
batas engine yang dianggap standar akurasi lapangan.

Rank/kondisi desain menilai apakah eksponen dan offset dapat dibedakan secara
numerik dari variasi jarak. Rank deficient, rentang jarak terlalu sempit,
jumlah/blok yang kurang, target holdout gagal, atau holdout di luar rentang jarak
fit untuk sektornya menghalangi penerapan. Split waktu saja bersifat diagnostik.

Bila kandidat lolos, review manfaat dan batasnya, konfirmasi bahwa ini fitting
empiris, kemudian Apply to draft configuration. Tindakan ini tidak memakai
credit atau melakukan perubahan jaringan nyata. Hasil lama menjadi stale;
jalankan Run lagi melalui gate yang sudah ada dan validasi konfigurasi baru
dengan kampanye independen. Jangan berulang kali tune kriteria terhadap holdout
yang sama. Offset dapat menyerap error instrument/configuration, bukan bukti
penyebab fisik. Download fit & holdout mencakup input hash, kriteria, baris,
support dan batas model; berkas mengandung lokasi/identitas sel yang sensitif.

## 4. Simpan riwayat tanpa menimpa revisi

1. Pada History, beri nama proyek dan Export revision atau Open project.
2. Buka Local asset & configuration history.
3. Isi alasan perubahan serta referensi/basis sumber. Basis awal **Unverified**.
   Synthetic dan Declared field memerlukan referensi; declared field bukan verifikasi.
4. Isi waktu berlaku ber-offset jika diketahui. Jika kosong, waktunya adalah
   waktu pembuatan snapshot, bukan tanggal konfigurasi jaringan yang ditebak.
5. Add snapshot to history, lalu Export twin history.
6. Setelah perubahan draft, Export revision lagi dan tambahkan snapshot baru.
   Compare with parent menampilkan aset/dependency yang berubah.
7. Merge history memvalidasi checksum dan ancestry sebelum menggabungkan.
   Metadata berbeda untuk checksum revisi yang sama ditolak, bukan ditimpa.

Induk yang belum tersedia tetap ditandai missing. Cabang sah diperbolehkan;
review snapshot lama sebelum mengekspor turunannya. Review snapshot tidak
menerapkan input. Apply project inputs tetap tindakan terpisah dan tidak Run.
Checksum bukan tanda tangan, bukti survei, atau autentikasi penulis. Riwayat
dibatasi 30 revisi/40 MB dan hanya hidup selama halaman terbuka. Ekspor sebelum
menutup; simpan berkas sensitif secara privat. Tidak ada cloud sync otomatis.

## 5. Bedakan software PASS dan akurasi lapangan

Measurements → System reference checks → Run reference checks menjalankan sepuluh
kasus numerik sintetis. Download reference checks mencatat expected, actual dan
toleransi. PASS bukan hasil ray tracing Sionna nyata, verifikasi material,
prediksi throughput terukur, atau akurasi satu kota.

Untuk log Bandung tanpa inventori BTS terverifikasi, audit tetap berguna. Jika
parameter/mapping belum tersedia, jangan mengisinya dengan perkiraan lalu
menyatakan hasil sebagai field-calibrated. Ketidaklengkapan harus tetap terlihat.

Referensi semantik log: [manual G-NetTrack](https://gyokovsolutions.com/manual-g-nettrack/).
Kriteria screening di CAKRA merupakan keputusan studi pengguna, bukan angka
ambang yang diberikan manual tersebut.