Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURNAL REKAYASA TEKNOLOGI INFORMASI
Muhammad Juan Farza Rafly Alganiyu
Politeknik Negeri Sriwijaya
Computer Science & IT Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Real-Time Lightweight Monitoring System for 5G Standalone Networks Using MQTT and Node-RED Muhammad Juan Farza Rafly Alganiyu; Sopian Soim; Mohammad Fadhli
JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING Vol. 10 No. 1 (2026): Issues July 2026
Publisher : Universitas Medan Area

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31289/jite.v10i1.18144

Abstract

The rapid development of 5G Standalone networks requires a monitoring system capable of operating in real time while maintaining efficient computational resource utilization. This study aims to design and implement a lightweight monitoring system based on Message Queuing Telemetry Transport and Node-RED for a Universal Software Radio Peripheral B210-based 5G Standalone infrastructure. The proposed system applies a publish/subscribe communication architecture in which telemetry data are distributed through Message Queuing Telemetry Transport and visualized using a Node-RED dashboard interface. The research environment utilizes Open5GS and srsRAN to generate and monitor network parameters in real time. The results demonstrate that the developed monitoring system is capable of displaying telemetry information responsively with stable data transmission performance and low computational overhead. In addition, the lightweight telemetry architecture successfully supports centralized monitoring without significantly affecting the operational performance of the main system. Therefore, the proposed approach can be considered an effective alternative solution for supporting efficient and real-time operational monitoring in Software Defined Radio-based 5G Standalone environments
Sistem Rekomendasi Pupuk Berdasarkan Kondisi Dan Jenis Tanah Menggunakan LightGBM Aryanti Aryanti; Aknes Tasia Pratama; Dava Anugrah Limanda; Hisanah Nakhwah Aulia Faruly; Muhammad Juan Farza Rafly Alganiyu
Jurnal Rekayasa Teknologi Informasi (JURTI) Vol 10, No 3 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i3.26964

Abstract

Pemupukan yang tidak tepat masih menjadi permasalahan dalam sektor pertanian karena dapat menurunkan produktivitas tanaman, meningkatkan biaya produksi, serta menyebabkan penggunaan pupuk yang kurang efisien. Oleh karena itu, diperlukan sistem rekomendasi pupuk yang dapat membantu petani menentukan jenis pupuk yang sesuai berdasarkan kondisi tanah. Penelitian ini mengembangkan sistem rekomendasi pupuk berbasis machine learning menggunakan algoritma Light Gradient Boosting Machine (LightGBM) untuk mendukung pertanian presisi. Dataset yang digunakan terdiri dari 10.000 data dengan delapan parameter input, yaitu jenis tanah (clay, silt, sandy, loamy), kelembaban tanah, pH tanah, kandungan karbon organik, serta kadar nitrogen, fosfor, dan kalium. Target prediksi terdiri dari tujuh kelas pupuk. Tahapan penelitian meliputi preprocessing (data cleaning, label encoding, dan normalisasi min-max), pembagian dataset dengan rasio 80:20, pelatihan model LightGBM dengan konfigurasi n_estimators=500 dan learning_rate=0,1, serta evaluasi menggunakan confusion matrix dan classification report. Hasil eksperimen menunjukkan akurasi sebesar 86,35% pada data pengujian. Analisis feature importance menunjukkan bahwa Soil Moisture merupakan fitur paling berpengaruh, diikuti Soil pH, Organic Carbon, dan Nitrogen Level. Model menunjukkan performa sangat baik pada kelas Urea dan DAP dengan f1-score mencapai 0,95. Hasil penelitian membuktikan bahwa LightGBM efektif untuk klasifikasi multi-kelas dalam sistem rekomendasi pupuk dan berpotensi mendukung pertanian presisi yang lebih efisien dan berkelanjutan.
Sistem Rekomendasi Pupuk Berdasarkan Kondisi Dan Jenis Tanah Menggunakan LightGBM Aryanti Aryanti; Aknes Tasia Pratama; Dava Anugrah Limanda; Hisanah Nakhwah Aulia Faruly; Muhammad Juan Farza Rafly Alganiyu
Jurnal Rekayasa Teknologi Informasi Vol. 10 No. 3 (2026): Jurnal Rekayasa Teknologi Informasi (JURTI)
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jurti.v10i3.26964

Abstract

Pemupukan yang tidak tepat masih menjadi permasalahan dalam sektor pertanian karena dapat menurunkan produktivitas tanaman, meningkatkan biaya produksi, serta menyebabkan penggunaan pupuk yang kurang efisien. Oleh karena itu, diperlukan sistem rekomendasi pupuk yang dapat membantu petani menentukan jenis pupuk yang sesuai berdasarkan kondisi tanah. Penelitian ini mengembangkan sistem rekomendasi pupuk berbasis machine learning menggunakan algoritma Light Gradient Boosting Machine (LightGBM) untuk mendukung pertanian presisi. Dataset yang digunakan terdiri dari 10.000 data dengan delapan parameter input, yaitu jenis tanah (clay, silt, sandy, loamy), kelembaban tanah, pH tanah, kandungan karbon organik, serta kadar nitrogen, fosfor, dan kalium. Target prediksi terdiri dari tujuh kelas pupuk. Tahapan penelitian meliputi preprocessing (data cleaning, label encoding, dan normalisasi min-max), pembagian dataset dengan rasio 80:20, pelatihan model LightGBM dengan konfigurasi n_estimators=500 dan learning_rate=0,1, serta evaluasi menggunakan confusion matrix dan classification report. Hasil eksperimen menunjukkan akurasi sebesar 86,35% pada data pengujian. Analisis feature importance menunjukkan bahwa Soil Moisture merupakan fitur paling berpengaruh, diikuti Soil pH, Organic Carbon, dan Nitrogen Level. Model menunjukkan performa sangat baik pada kelas Urea dan DAP dengan f1-score mencapai 0,95. Hasil penelitian membuktikan bahwa LightGBM efektif untuk klasifikasi multi-kelas dalam sistem rekomendasi pupuk dan berpotensi mendukung pertanian presisi yang lebih efisien dan berkelanjutan.
Co-Authors Aknes Tasia Pratama Aryanti Aryanti Dava Anugrah Limanda Hisanah Nakhwah Aulia Faruly Mohammad Fadhli Sopian Soim, Sopian