Article Per Year (5 Year)
p-Index From 2020 - 2025
2.177
P-Index
This Author published in this journals
All Journal Journal of Software Engineering Ampera KARYA: Jurnal Pengabdian Kepada Masyarakat Jurnal Pustaka Mitra : Pusat Akses Kajian Mengabdi Terhadap Masyarakat Journal Of Human And Education (JAHE) Jurnal Pustaka Data : Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer Jurnal Pustaka AI : Pusat Akses Kajian Teknologi Artificial Intelligence Elektriese: Jurnal Sains dan Teknologi Elektro Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Jurnal Benuanta Jurnal Rekayasa Sistem Informasi dan Teknologi Jurnal Pustaka Robot Sister Jurnal Pustaka Paket
Baradja, Abdillah
Unknown Affiliation
Aerospace Engineering Agriculture, Biological Sciences & Forestry Arts Humanities Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Physics Public Health Social Sciences Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
Pelatihan Penggunaan Teknologi Zoom untuk Meningkatkan Akses Pendidikan Baradja, Abdillah; Tjendrowasono, Tri Irianto; Sukoco, Sukoco; Sudalyo, Ramadhian Agus Triono
Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat) Vol 1 No 2 (2021): Jurnal Pustaka Mitra (Pusat Akses Kajian Mengabdi Terhadap Masyarakat)
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakamitra.v1i2.697

Abstract

Pandemi COVID-19 telah memaksa sistem pendidikan di seluruh dunia untuk beradaptasi dengan pembelajaran jarak jauh. Teknologi konferensi video, seperti Zoom, telah muncul sebagai solusi potensial untuk tantangan ini, menawarkan peluang untuk meningkatkan akses dan kualitas pendidikan. Pengabdian kepada masyarakat ini mengevaluasi efektivitas penggunaan Zoom dalam konteks pendidikan, dengan fokus pada keterlibatan siswa, aksesibilitas, dan hasil pembelajaran. Melalui pendekatan mixed-methods yang menggabungkan survei online, studi kasus, dan eksperimen kuasi, pengabdian kepada masyarakat ini mengungkap bahwa Zoom secara signifikan dapat meningkatkan akses pendidikan dan memperkaya pengalaman pembelajaran. Namun, tantangan seperti keterbatasan akses internet dan kelelahan layar juga diidentifikasi. Temuan ini menyarankan bahwa dengan dukungan infrastruktur yang memadai dan strategi pengajaran yang efektif, Zoom dapat menjadi alat pembelajaran jarak jauh yang berharga. Rekomendasi untuk praktik pendidikan dan kebijakan pendidikan disajikan untuk memaksimalkan potensi teknologi ini.
Pemanfaatan Recurrent Neural Network (RNN) Untuk Meningkatkan Akurasi Prediksi Mata Uang Pada Forex Trading Baradja, Abdillah; Sukoco, Sukoco
Journal of Software Engineering Ampera Vol. 4 No. 2 (2023): Journal of Software Engineering Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalsea.v4i2.505

Abstract

Penelitian ini berfokus pada penerapan teknologi machine learning, khususnya Recurrent Neural Network (RNN) dan variasinya seperti Long Short-Term Memory (LSTM) dan Gated Recurrent Unit (GRU), untuk meningkatkan akurasi dalam prediksi pergerakan mata uang di pasar Forex. Dalam konteks di mana machine learning mendominasi analisis data cepat dalam trading forex, risiko keuangan yang tinggi, ketidakpastian pasar yang kompleks, dan tantangan ketidakakuratan prediksi model menjadi kendala utama. Penelitian ini membahas kemampuan RNN dalam memproses data berurutan dan mempertahankan informasi jangka pendek, yang menawarkan solusi terhadap keterbatasan neural network konvensional dalam analisis data berurutan. Dengan menggunakan data harga EUR/USD dari dua tahun terakhir, kami menemukan bahwa implementasi RNN, khususnya melalui LSTM dan GRU, menghasilkan penurunan signifikan dalam kesalahan prediksi, menunjukkan peningkatan kinerja model. Hasil ini menegaskan efektivitas RNN dalam memprediksi dinamika pasar Forex dan menjanjikan pendekatan yang lebih akurat dan andal dalam pemodelan dan peramalan harga mata uang, yang merupakan kunci untuk praktik trading Forex yang sukses. Ini memperkuat potensi machine learning dalam menyediakan alat yang kuat untuk trader dan analis dalam menghadapi pasar yang sangat tidak pasti dan fluktuatif.
Penerapan Machine Learning untuk Meningkatkan Prediksi Mata Uang Forex dengan Indikator Teknikal Baradja, Abdillah; Sukoco, Sukoco; Tjendrowasono, Tri Irianto
Jurnal Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence) Vol 2 No 1 (2022): Pustaka AI (Pusat Akses Kajian Teknologi Artificial Intelligence
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakaai.v2i1.700

Abstract

Dalam era digital saat ini, pemanfaatan machine learning dalam perdagangan Forex menjadi semakin relevan, terutama untuk meningkatkan akurasi prediksi nilai tukar mata uang. Penelitian ini bertujuan untuk mengeksplorasi penerapan machine learning, khususnya model Gradient Boosting Machine (GBM), yang diintegrasikan dengan indikator teknikal sebagai metode untuk meningkatkan prediksi mata uang Forex. Metode penelitian ini melibatkan penggunaan indikator teknikal utama seperti Moving Average Convergence Divergence (MACD), Relative Strength Index (RSI), dan Bollinger Bands, yang diintegrasikan ke dalam model GBM untuk memprediksi pergerakan harga. Hasil dari penelitian ini menunjukkan bahwa model GBM yang diintegrasikan dengan indikator teknikal signifikan meningkatkan akurasi, presisi, recall, dan nilai F1 dibandingkan dengan model baseline. Temuan ini menegaskan bahwa kombinasi antara machine learning dan analisis teknikal menyediakan pendekatan yang lebih efektif dan adaptif dalam prediksi pasar Forex.
Penyuluhan Dharma Wanita Persatuan Kabupaten Wonogiri Tentang Hoax Rusydi, Muhammad Taufik; Baradja, Abdillah
Jurnal Benuanta Vol 3 No 1 (2024): Jurnal Benuanta Vol. 3 No.1 Tahun 2024
Publisher : FMIPA-Unikaltar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61323/jb.v3i1.93

Abstract

Dalam era digital yang ditandai dengan kemajuan teknologi informasi, fenomena penyebaran informasi palsu atau hoax telah menjadi isu serius yang memengaruhi berbagai aspek kehidupan masyarakat. Hoax dapat muncul dalam berbagai bentuk, termasuk berita palsu, foto atau video manipulatif, rumor palsu, dan klaim palsu. Dalam konteks ini, literasi digital menjadi kunci dalam membangun kemampuan masyarakat untuk mengidentifikasi dan menanggapi informasi palsu. Dampak dari penyebaran hoax sangat luas dan mencakup penurunan kepercayaan masyarakat terhadap informasi, konflik sosial, kerugian reputasi individu atau organisasi, dan bahkan dampak ekonomi. Pentingnya pemahaman akan hoax ini menjadikan penulis melakukan penyuluhan di Dharma Wanita Persatuan Kabupaten Wonogiri dengan tujuan untuk menyampaikan informasi tentang hoax sehingga di akhir pelaksanaan penyuluhan ini para peserta dapat memahami berbagai macam bentuk hoax, bahaya hoax dan cara menanggulangi hoax.
Pengaplikasian Deep Reinforcement Q-Learning Untuk Prediksi Perdagangan Valas Otomatis Baradja, Abdillah; Tjendrowasono, Tri Irianto
Jurnal Rekayasa Sistem Informasi dan Teknologi Vol. 1 No. 3 (2024): Februari
Publisher : Yayasan Nuraini Ibrahim Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59407/jrsit.v1i3.519

Abstract

Bursa valas, pasar finansial terbesar di dunia dengan transaksi harian $5 triliun USD, adalah tempat investor dan pedagang membeli, menjual, dan menukar mata uang asing. Menghadapi tantangan membuat keputusan perdagangan yang tepat, inovasi teknologi seperti machine learning menawarkan solusi. Khususnya, Deep Reinforcement Learning (DRL), yang telah menunjukkan keunggulan atas manusia dalam berbagai tugas, termasuk game, menjanjikan potensi revolusioner dalam perdagangan valas. Menggunakan algoritma Deep Q-Network (DQN) Learning, penelitian ini bertujuan untuk mengembangkan model yang dapat memaksimalkan keuntungan dan meminimalkan risiko dalam lingkungan perdagangan yang kompleks dan dinamis. Kami menerapkan Deep Q-network (DQN) dan Deep Recurrent Q-network (DRQN) untuk mengembangkan sistem perdagangan harian otomatis pada pasangan mata uang EURUSD, memanfaatkan data perdagangan harian sebagai indikator lingkungan. Dalam penelitian kami, kinerja agen DRL dibandingkan dengan model tradisional dan DQN acak, menunjukkan bahwa algoritma DQN kami mengungguli model standar, sementara DRQN lebih superior, memanfaatkan pola tersembunyi dalam data urutan waktu. Hasil ini menekankan potensi penggunaan machine learning untuk menciptakan sistem perdagangan valas yang efisien dan menghasilkan keuntungan jangka panjang secara konsisten, menggambarkan langkah maju signifikan dalam teknologi perdagangan. Kata kunci: Machine Learning, Prediksi Harga Valas, Perdagangan Otomatis, Deep Reinforcement Learning
PELATIHAN PENINGKATAN KEAHLIAN MENGGUNAKAN CANVA SEBAGAI MEDIA PENGAJARAN UNTUK GURU DI SMP DIPONEGORO SURAKARTA, KOTA SURAKARTA DAN JAWA TENGAH Baradja, Abdillah; Sukoco; Tjendrowasono, Tri Irianto
Jurnal Pengabdian Kolaborasi dan Inovasi IPTEKS Vol. 2 No. 1 (2024): Februari
Publisher : CV. Alina

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59407/jpki2.v2i1.539

Abstract

Penelitian ini menyajikan pembahasan yang bertujuan untuk mengevaluasi efektivitas pelatihan menggunakan Canva sebagai media pengajaran bagi guru di SMP Diponegoro Surakarta, Kota Surakarta, Jawa Tengah. Metodologi penelitiannya menggunakan penelitian kualitatif dengan pendekatan studi kasus. Hasil menunjukkan bahwa pelatihan menggunakan Canva efektif dalam meningkatkan keahlian guru dalam menyiapkan media pengajaran yang interaktif dan menarik. Keahlian ini kemudian diaplikasikan oleh guru untuk meningkatkan kualitas proses belajar-mengajar serta menciptakan suasana pembelajaran yang lebih menyenangkan dan menstimulasi inovasi dan kreativitas siswa. Artikel ini merekomendasikan agar sekolah-sekolah lain mengadakan pelatihan serupa bagi guru-gurunya dan berinvestasi dalam peningkatan literasi digital bagi tenaga pendidik.
PELATIHAN DETEKSI HOAX UNTUK PELAJAR DI SMKN 1 KISMANTORO WONOGIRI, JAWA TENGAH Rusydi, Muhammad Taufik; Baradja, Abdillah; Sudalyo, Ramadhian Agus Triono; Mukti, Bayu; Oktaviandre, Frido; Nugrohotomo, Gesang Kristianto
KARYA: Jurnal Pengabdian Kepada Masyarakat Vol 4 No 3 (2024): KARYA: Jurnal Pengabdian Kepada Masyarakat
Publisher : FKIP Universitas Samawa

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

Abstract

Maraknya penyebaran informasi palsu atau hoax di kalangan pelajar dapat memengaruhi pemahaman mereka terhadap isu-isu penting, terutama di era digital yang semakin berkembang. Kegiatan ini bertujuan untuk memberikan pelatihan deteksi hoax kepada pelajar di SMKN 1 Kismantoro, Wonogiri, Jawa Tengah, guna meningkatkan kemampuan literasi digital dan membangun kesadaran akan bahaya hoax. Metode pelaksanaan melibatkan pendekatan partisipatif melalui penyuluhan, diskusi kelompok, serta simulasi. Hasil pelatihan menunjukkan kemampuan pelajar mengenali ciri-ciri hoax dan menggunakan sumber informasi yang kredibel. Hasil kegiatan ini menegaskan pentingnya pelatihan literasi digital sebagai upaya preventif dalam menghadapi penyebaran hoax di kalangan generasi muda yang diharapkan kegiatan serupa dapat diadopsi oleh institusi pendidikan lain untuk membentuk generasi yang kritis dan melek informasi.
Pengembangan Expert Advisor Berbasis Indikator Moving Average dan Relative Strength Index dalam Trading Kripto Romadhoni, Alvian Nur; Kusanti, Jani; Baradja, Abdillah
Jurnal Pustaka Robot Sister (Jurnal Pusat Akses Kajian Robotika, Sistem Tertanam, dan Sistem Terdistribusi) Vol 3 No 2 (2025): Jurnal Pustaka Robot Sister (Pusat Akses Kajian Robotika, Sistem Tertanam, dan Si
Publisher : Pustaka Galeri Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55382/jurnalpustakarobotsister.v3i2.1036

Abstract

Perkembangan teknologi dalam dunia digital trading telah mendorong penggunaan Expert Advisor (EA) untuk meningkatkan efisiensi dan objektivitas dalam pengambilan keputusan trading. Penelitian ini bertujuan untuk merancang dan mengembangkan EA berbasis indikator Moving Average (MA) dan Relative Strength Index (RSI) serta mengevaluasi performanya melalui backtesting pada platform TradingView. MA digunakan untuk mengidentifikasi arah tren sementara RSI digunakan untuk mendeteksi kondisi overbought, oversold dan konsolidasi. Pengujian dilakukan pada empat sampel instrumen trading, yaitu dua aset crypto (BTCUSDT dan ETHUSDT) dan dua pasangan mata uang forex (EURUSD dan USDJPY), menggunakan timeframe 1 jam dengan rentang data historis dari tahun 2021 hingga 2025. Strategi trading yang diimplementasikan pada EA ini mengikuti arah tren utama dengan aturan beli memperhatikan konfirmasi dari sinyal MA dan RSI. Penelitian Expert Advisor (EA) berhasil dikembangkan menggunakan bahasa Pine Script v5 di TradingView. Strategi yang digunakan adalah memicu sinyal beli saat RSI melakukan crossover ke atas level 50 dan harga berada di atas garis MA, dengan eksekusi entry yang disertai Take Profit (10%) dan Stop Loss (1%). Backtest menunjukkan performa terbaik pada instrumen crypto (BTCUSDT dan ETHUSDT). BTCUSDT menghasilkan profit bersih 833,01 USD (166,60%) dengan drawdown 34,92%, sementara ETHUSDT mencatat profit bersih 703,26 USD (140,65%) dengan drawdown 37,52%. Hal ini menunjukkan bahwa EA sangat responsif terhadap instrumen dengan volatilitas tinggi.
Program Pelatihan Pengawasan Gadget Untuk Wali Murid Di Sdn Semanggi Kec. Pasar Kliwon, Kota Surakarta, Jawa Tengah Baradja, Abdillah; Muhammad Taufik Rusydi
Journal Of Human And Education (JAHE) Vol. 3 No. 2 (2023): Journal Of Human And Education (JAHE)
Publisher : Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jh.v4i1.671

Abstract

Penelitian ini bertujuan untuk mengevaluasi efektivitas Program Pelatihan Pengawasan Gadget bagi wali murid di SDN Semanggi, Kec. Pasar Kliwon, Kota Surakarta, Jawa Tengah. Metode penelitian menggunakan pendekatan kuantitatif dengan desain penelitian pra-eksperimen. Instrumen pengumpulan data berupa kuesioner dan observasi. Hasil penelitian menunjukkan peningkatan signifikan dalam pengetahuan dan keterampilan pengawasan gadget, serta perubahan perilaku orang tua terhadap pemanfaatan teknologi oleh siswa belajar. Program pelatihan ini berpotensi meningkatkan pemahaman orang tua dalam mengelola penggunaan gadget di rumah. Implikasi praktis penelitian ini adalah meningkatkan kualitas pembelajaran dengan mengintegrasikan teknologi secara bertanggung jawab.
Prediksi Pergerakan Mata Uang dengan Convolutional Neural Network pada Trading Forex: Studi Kasus EUR/USD Baradja, Abdillah
Elektriese: Jurnal Sains dan Teknologi Elektro Vol. 12 No. 02 (2022): Artikel Riset Oktober 2022
Publisher : Yayasan Cita Cendekiawan Al Khwarizmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/elektriese.v12i02.3627

Abstract

Prediksi pergerakan pasar di forex trading merupakan tantangan besar karena ketidakstabilan dan sifat non-linear pasar. Kecerdasan Buatan (AI), khususnya pembelajaran mendalam, telah menarik perhatian sebagai alat bantu dalam pengambilan keputusan trading, mengingat keberhasilannya dalam berbagai aplikasi lain. Penelitian ini bertujuan untuk menguji efektivitas jaringan saraf konvolusional (Convolutional Neural Network - CNN) dalam memprediksi pergerakan pasar forex. Penelitian ini menggunakan metode pembelajaran terawasi dengan algoritma propagasi balik untuk melatih CNN. Data yang digunakan diperoleh dari platform MetaTrader, mencakup nilai tukar harian EUR/USD selama dua tahun (2018-2019). CNN dirancang dengan tiga jenis lapisan: konvolusi, sub-sampling, dan terhubung penuh, dengan tujuan untuk mengidentifikasi pola dalam data dan menghasilkan prediksi yang akurat. Hasil eksperimen menunjukkan peningkatan marginal dalam kinerja CNN dibandingkan dengan model neural network lainnya, terutama dalam hal kesalahan prediksi dan ketepatan sasaran. Walaupun demikian, CNN memerlukan waktu dan sumber daya yang lebih banyak untuk pelatihan. CNN menunjukkan potensi dalam meningkatkan akurasi prediksi pergerakan pasar forex dibandingkan dengan model jaringan saraf lainnya, terutama karena kemampuannya dalam preprocessing data dan mengurangi noise. Namun, tantangan terkait waktu dan sumber daya pelatihan perlu ditangani untuk penerapan yang lebih efisien.
Co-Authors Gesang Kristianto Nugrohotomo Jani Kusanti Muhammad Taufik Rusydi Mukti, Bayu Oktaviandre, Frido Romadhoni, Alvian Nur Sukoco Sukoco Sukoco Tri Irianto TJ