Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Rizal Danisya, Achmad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : eProceedings of Engineering

 1 
Analisis Pengaruh Foliage Loss Terhadap Performa Jaringan 5G Mmwave 26 Ghz Pada Kondisi Los Dan Nlos Di Wilayah Rural Macro (RMA) Fauzil Adim, Hafidzsyah; Rizal Danisya, Achmad; Hikmaturokhman, Alfin
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Indonesia merupakan negara beriklim tropis dengan tingkat kelembapan tinggi serta kepadatan vegetasiyang signifikan, terutama di wilayah pedesaan. Kondisi geografis dan ekologis tersebut menjadikan vegetasi sebagai salah satu faktor dominan yang memengaruhi kualitas propagasi sinyal khususnya pada frekuensi tinggi. Teknologi jaringan 5G dengan pemanfaatan millimeter wave (mmWave) menawarkan kecepatan transmisi data yang tinggi dan kapasitas besar guna memenuhi pertumbuhan eksponensial jumlah perangkat serta kebutuhan akan Bandwidth luas dan latensi rendah. Namun demikian, karakteristik mmWave yang beroperasi pada pita frekuensi di atas 24 GHz menimbulkan tantangan tersendiri terkait keterbatasan jangkauan serta tingginya tingkat redaman sinyal, terutama akibat interaksi dengan vegetasi. Salah satu tantangan utama dalam konteks lingkungan Rural Macro (RMa) adalah foliage loss, Prosessimulasi dilakukan pada frekuensi 26 GHz dengan memanfaatkan pendekatan Statistical Spatial Channel Model (SSCM) yang diimplementasikan melalui perangkat lunak channel simulator NYUSIM. Hasil penelitian menunjukkan bahwa pada frekuensi 26 GHz di lingkungan Rural Macro, kondisi NLOS mengalami penurunan performa sinyal yang lebih signifikan dibandingkan LOS, dengan ratarata received power -116.77 dBm dan pathloss 146.77 dB, jauh lebih buruk dibandingkan LOS (- 100.06 dBm dan 130.06 dB). Foliage loss terbukti menjadi faktor utama redaman, pemilihan numerologi μ = 2 dengan subcarrier spacing 60 kHz dinilai optimal untuk menghindari inter-symbol interference pada kedua skenario.
Analisis Prediksi Hotspot Berbasis Convolutional Neural Network (CNN) Untuk Virtual Small Cell (VSC) Ersa Sabila, Raga; Rizal Danisya, Achmad; Aly Afandi, Mas
eProceedings of Engineering Vol. 12 No. 6 (2025): Desember 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengelolaan trafik pada area dengankepadatan pengguna tinggi menjadi salah satu tantangandalam jaringan 5G. Salah satu pendekatan yang digunakanuntuk mengatasi hal ini adalah penerapan Virtual Small Cell(VSC), yang memungkinkan pembentukan cell virtual secaradinamis tanpa infrastruktur fisik tambahan. Dalampenelitian ini, VSC dikombinasikan dengan teknikbeamforming untuk mengarahkan sinyal ke area-areapotensial (hotspot) secara lebih efisien. Kanal adaptifditerapkan guna menyesuaikan parameter transmisiterhadap kondisi kanal yang berubah secara real-time. Untukmemaksimalkan efektivitas strategi ini digunakan metodeprediksi pergerakan pengguna berdasarkan data heatmapjaringan. Convolutional Neural Network (CNN) dipilih karenakemampuannya dalam mengekstraksi pola spasial dantemporal dari data trafik, sehingga mampu memetakan danmemprediksi distribusi pengguna secara akurat. Hasileksperimen menunjukkan bahwa model CNN-GRU yangdilatih hingga 500 epoch mampu menghasilkan prediksiSINR, RSSI, dan efisiensi bandwidth dengan deviasi kecilterhadap data aktual. Rata-rata selisih masing-masingparameter adalah 3,6 dB untuk SINR, 0,16 dBm untuk RSSI,dan 1,08 bps/Hz untuk efisiensi bandwidth. Temuan inimenunjukkan bahwa CNN dapat digunakan secara efektifdalam sistem prediksi kanal untuk mendukung penerapanbeamforming adaptif pada VSC.Kata kunci— Virtual Small Cell, Hotspot Prediction, 5G,Beamforming, Convolutional Neural Network (CNN)
Co-Authors Afandi, Mas Aly Alfin Hikmaturokhman Ersa Sabila, Raga Fauzil Adim, Hafidzsyah