Article Per Year (5 Year)
p-Index From 2021 - 2026
8.078
P-Index
This Author published in this journals
All Journal EXPERT: Jurnal Manajemen Sistem Informasi dan Teknologi JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA JURNAL TEKNIK INFORMATIKA DAN SISTEM INFORMASI Jurnal Teknologi Terpadu Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Jurnal Teknologi Informasi dan Multimedia Prosiding National Conference for Community Service Project Jurnal E-Komtek JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) JITU : Journal Informatic Technology And Communication Journal of Innovation Information Technology and Application (JINITA) Telcomatics Journal of Information System and Technology (JOINT) Conference on Management, Business, Innovation, Education and Social Sciences (CoMBInES) Conference on Community Engagement Project (Concept) Conference on Business, Social Sciences and Technology (CoNeScINTech) Madani: Jurnal Pengabdian Masyarakat dan Kewirausahaan Jurnal Inovatif : Inovasi Teknologi Informasi dan Informatika Jurnal Pengabdian Masyarakat Indonesia (JPMI) Jurnal Ilmiah Betrik : Besemah Teknologi Informasi dan Komputer Jurnal ilmiah teknologi informasi Asia
Haeruddin, .
Universitas Internasional Batam
Aerospace Engineering Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Library & Information Science Social Sciences Other

Published : 53 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 53 Documents
Search

 2   3   4   5   6 
Pengembangan Sistem Prediksi Harga Saham Berbasis Web Menggunakan Model LSTM dan CNN–LSTM Haeruddin, Haeruddin; Rinaldo, Rinaldo; Gautama, Gautama
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 1 (2026): Februari 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i1.3518

Abstract

This study discussed the challenges of stock price prediction, which is volatile and exhibits non-linear patterns, as well as the need for an easily accessible system to present prediction results quickly. A web-based application was developed to predict the closing prices of Indonesian non-banking stocks (ASII, TLKM, and UNVR) by utilizing daily market data that were updated periodically through an application programming interface. The integrated pre-trained models used were long short-term memory (LSTM) and convolutional neural network–long short-term memory (CNN-LSTM), which were integrated into the application for one-step-ahead (t+1) inference. The system development methodology followed the software development life cycle waterfall model. Functional testing using a black-box testing approach showed that the core features ran according to the requirements, so the application was considered suitable as a web-based medium for prediction and visualization.Keywords: Stock price prediction; Web application; Deep learning; Application programming interface; Non-banking stocksAbstrakPergerakan harga saham yang volatil dan non-linear menuntut pendekatan prediksi yang adaptif serta sistem yang mudah diakses. Penelitian ini bertujuan untuk mengembangkan suatu sistem prediksi harga penutupan saham dan menyajikannya secara cepat. Penelitian ini telah mengembangkan aplikasi berbasis web untuk prediksi harga penutupan saham emiten non-perbankan Indonesia (ASII, TLKM, dan UNVR) dengan memanfaatkan data pasar harian yang diperbarui berkala melalui application programming interface. Integrasi model terlatih yang digunakan yaitu long short-term memory (LSTM) dan convolutional neural network-long short-term memory (CNN-LSTM), yang diintegrasikan ke dalam aplikasi untuk proses inference satu langkah ke depan (t+1). Metodologi pengembangan sistem mengikuti software development life cycle model Waterfall. Sistem yang dikembangkan telah berfungsi sesuai dengan kebutuhan berdasarkan hasil black-box testing. 
Implementasi Multi-Factor Authentication Pada Aplikasi Berbasis Website dan Pengembangan Company Profile PT Raflesia Berjaya Properti Haeruddin Haeruddin; Stefanus Eko Prasetyo; Avista Mindy
Jurnal Pengabdian Masyarakat Indonesia (JPMI) Vol. 1 No. 6 (2024): Agustus
Publisher : Publikasi Inspirasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62017/jpmi.v1i6.2051

Abstract

PT Raflesia Berjaya Properti (PT RBP), sebuah pengembang properti di Batam, menghadapi tantangan kritis dalam keamanan data dan branding perusahaan. Untuk mengatasi hal ini, Program Pengabdian Kepada Masyarakat (PKM) dilaksanakan dengan dua tujuan utama yaitu meningkatkan keamanan sistem informasi dan pembuatan website profil perusahaan untuk mengingkatkan branding. Fokus keamanan melibatkan penerapan Multi-Factor Authentication (MFA) menggunakan Auth0 untuk mencegah akses tidak sah dan melindungi data sensitif. Peningkatan branding melalui pembuatan website profil perusahaan yang profesional untuk meningkatkan visibilitas PT RBP secara global dan meningkatkan kepercayaan. Pengembangan website dan MFA ini menggunakan metodologi Network Development Life Cycle (NDLC), yang meliputi tahap analisis, desain, implementasi, dan pengujian. Implementasi MFA berhasil mengurangi risiko akses tidak sah, dan website profil perusahaan yang baru meningkatkan kehadiran PT RBP di pasar global. Meskipun terdapat beberapa tantangan adaptasi bagi pengguna MFA dan kemungkinan penyesuaian fitur website, PKM ini secara signifikan meningkatkan keamanan data dan branding PT RBP untuk memastikan keberlanjutan operasional dan daya saing pasar yang lebih baik.
Penyusunan Sertifikasi ISO 27001 Di PT. Pundi Mas Berjaya Haeruddin Haeruddin; Stefanus Eko Prasetyo; Ari Wahyuni Kaharuddin
Jurnal Pengabdian Masyarakat Indonesia (JPMI) Vol. 1 No. 6 (2024): Agustus
Publisher : Publikasi Inspirasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.62017/jpmi.v1i6.2052

Abstract

Persiapan untuk sertifikasi ISO 27001 di PT Pundi Mas Berjaya merupakan proses yang melibatkan pemahaman mendalam tentang persyaratan standar, penyusunan SOP yang terstruktur, penilaian risiko yang cermat, kolaborasi antar departemen, dan dokumentasi yang teliti. Hasil dari persiapan ini menunjukkan komitmen perusahaan dalam meningkatkan keamanan informasi secara menyeluruh. Saran yang diambil adalah untuk terus berkomitmen pada peningkatan kontinu dalam manajemen keamanan informasi, sesuai dengan prinsip-prinsip ISO 27001. Dengan demikian, persiapan ini bukan hanya memenuhi persyaratan formal, tetapi juga membawa dampak positif dalam memperkuat keamanan informasi di PT Pundi Mas Berjaya.
Analisis Kinerja Smart Door Hybrid Haar Cascade dan ArcFace pada Raspberry Gautama Wijaya; Stefanus Eko Prasetyo; Haeruddin Haeruddin; Kevin Kevin
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 2 (2026): April 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i2.3537

Abstract

Implementing biometric security systems on deep learning devices faces a major challenge in balancing identity verification accuracy with computational resource efficiency. This study presents a performance analysis of a Raspberry Pi 5-based Smartdoor system integrating the detection speed of Haar Cascade with the recognition accuracy of ArcFace. System performance was evaluated based on RAM usage, CPU load, FPS stability, and access Success Rate parameters. Empirical evaluation results indicate that integrating Deep learning ArcFace increased RAM usage by 33.7% and CPU load from 33% to 53%. However, due to the processing capacity of the Raspberry Pi 5, the system maintained stable real-time performance with an average of 18.3 FPS. In terms of security, the Hybrid method proved superior with an access success rate of 73.7%, surpassing the conventional Haar Cascade method which only reached 68.4%. This study concludes that the Hybrid method is a viable solution for home security systems, where the increased computational load is justified by a significant improvement in identity verification reliability.Keyword: Raspberry Pi 5; Smartdoor; Haar Cascade; ArcFace; Computational Performance. AbstrakImplementasi sistem keamanan biometrik pada perangkat deep learning menghadapi tantangan utama dalam menyeimbangkan akurasi verifikasi dengan efisiensi sumber daya. Penelitian ini menyajikan analisis kinerja sistem Smartdoor berbasis Raspberry Pi 5 yang mengintegrasikan kecepatan deteksi Haar Cascade dengan akurasi pengenalan wajah ArcFace. Kinerja sistem dievaluasi berdasarkan parameter penggunaan RAM, beban CPU, stabilitas FPS, dan tingkat keberhasilan akses. Hasil evaluasi empiris menunjukkan bahwa integrasi Deep learning ArcFace meningkatkan penggunaan RAM sebesar 33,7% dan beban CPU dari 33% menjadi 53%. Namun, berkat kapasitas pemrosesan Raspberry Pi 5, sistem mampu mempertahankan stabilitas kinerja real-time dengan rata-rata 18,3 FPS. Dari segi keamanan, metode Hybrid terbukti lebih unggul dengan akurasi pengenalan wajah sebesar 73,7%, melampaui metode konvensional Haar Cascade yang hanya mencapai 68,4%. Penelitian ini menyimpulkan bahwa metode Hybrid merupakan solusi yang layak untuk sistem keamanan rumah, di mana peningkatan beban komputasi terbayar dengan peningkatan reliabilitas verifikasi identitas yang signifikan. 
Implementasi Algoritma ARIMA dan LSTM pada Dashboard Prediksi Saham Berbasis Web Gautama Wijaya; Haeruddin Haeruddin; Louis Lim
Jutisi : Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Vol 15, No 2 (2026): April 2026
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/jutisi.v15i2.3514

Abstract

The volatility of banking stock prices poses challenges for investors in making the right analytical decisions, especially due to the lack of availability of flexible and data-based prediction tools. This research aims to design and build a web-based stock price prediction system that integrates two algorithms at once, namely Autoregressive Integrated Moving Average (ARIMA) and Long Short-Term Memory (LSTM), in one integrated dashboard. The system development is carried out using the System Development Life Cycle (SDLC) method of the Waterfall model, covering the stages of needs analysis, design, implementation, and testing. The system leverages the Yahoo Finance API for automatic market data updates, eliminating reliance on manual file uploads. The test results showed that all functional features were valid, and the accuracy evaluation on BBCA shares proved that LSTM produced a Mean Absolute Percentage Error (MAPE) value of 1.12%, superior to ARIMA which obtained a MAPE of 1.85%. The system provides investors with greater analytical flexibility.Keywords: Stock Prediction; Multi-Model; Yahoo Finance API; Web-Based; Waterfall. AbstrakVolatilitas harga saham perbankan menimbulkan tantangan bagi investor dalam mengambil keputusan analitis yang tepat, terutama akibat minimnya ketersediaan alat bantu prediksi yang fleksibel dan berbasis data terkini. Penelitian ini bertujuan merancang dan membangun sistem prediksi harga saham berbasis web yang mengintegrasikan dua algoritma sekaligus, yaitu Autoregressive Integrated Moving Average (ARIMA) dan Long Short-Term Memory (LSTM), dalam satu dashboard terpadu. Pengembangan sistem dilakukan menggunakan metode System Development Life Cycle (SDLC) model Waterfall, mencakup tahap analisis kebutuhan, desain, implementasi, dan pengujian. Sistem memanfaatkan Yahoo Finance API untuk pembaruan data pasar secara otomatis, sehingga menghilangkan ketergantungan pada unggah file manual. Hasil pengujian menunjukkan seluruh fitur fungsional berjalan valid, dan evaluasi akurasi pada saham BBCA membuktikan bahwa LSTM menghasilkan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,12%, lebih unggul dibandingkan ARIMA yang memperoleh MAPE 1,85%. Sistem ini memberikan fleksibilitas analisis yang lebih luas bagi investor. 
The Development of a Deep Learning-Based Chatbot for Stock Keeping Unit (SKU) Management Hendra Julianto; Gautama Wijaya; Haeruddin Haeruddin
Jurnal Inovatif : Inovasi Teknologi Informasi dan Informatika Vol. 7 No. 2 (2024)
Publisher : Universitas Ibn Khaldun Bogor

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

Abstract

Digital communications platforms, one of the revolutionary breakthroughs brought by rapid technological development. Such breakthroughs include technology in chatbots, which has now become a mighty tool, especially within the commercial sectors. This research hence focuses on the evolution of a chatbot in solving SKU management problems through deep learning technologies, such as the Multilayer Perceptron neural networks. The chatbot's goal is to deliver precise and effective information on SKU codes, stock levels, and product characteristics. The chatbot showed a high accuracy rate of 98% in answering questions about the given dataset after extensive testing. The findings demonstrate the potential of chatbots with deep learning to improve customer service and operational effectiveness in companies
Pendekatan Klasifikasi Random Forest untuk Identifikasi URL Berbahaya yang Akurat Haeruddin Haeruddin; Elvert; Andik Yulianto; Sabariman Sabariman
Telcomatics Vol. 10 No. 2 (2025)
Publisher : Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/telcomatics.v10i2.11173

Abstract

Internet users currently face significant risks from malicious URLs that facilitate phishing attacks, malware distribution, and data theft. Traditional blacklisting methods have become ineffective against evolving cyberattack techniques. This study proposes a Random Forest classification approach for more accurate malicious URL detection, focusing on critical URL features including URL length, presence of special keywords, subdomain structure, and special character usage. these features train the Random Forest model to distinguish between safe and malicious URLs. We evaluate model effectiveness using accuracy, precision, and recall metrics. This research aims to develop a Random Forest-based malicious URL detection system that is more accurate and adaptive than conventional methods. The study examines both the advantages and limitations of this approach, along with its potential as a reliable detection solution for dynamic digital environments. Evaluation results demonstrate an overall accuracy of 94%, weighted average F1-score of 0.94, and macro average F1-score of 0.94.
Sistem Pendukung Keputusan Pemilihan Tanaman Berdasarkan Suhu, Kelembapan, dan Kecepatan Angin Menggunakan AI Andik Yulianto; Huilyana Trianggawati; Fransiskus; Lionel Dedrick; Alviana Alviana; Haeruddin Haeruddin
National Conference for Community Service Project (NaCosPro) Vol. 7 No. 01 (2025): The 7th National Conference for Community Service Project 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/nacospro.v7i01.10913

Abstract

Pemilihan jenis tanaman yang sesuai dengan kondisi lingkungan sangat penting untuk mendukung keberhasilan pertanian. Sayangnya, tidak semua petani memiliki pengetahuan atau alat yang memadai untuk menentukan jenis tanaman terbaik berdasarkan suhu, kelembapan, dan kecepatan angin. Penelitian ini bertujuan mengembangkan dan menguji sistem rekomendasi tanaman berbasis input manual dari parameter lingkungan. Kegiatan dilakukan di PT Kinema Systrans Multimedia sebagai bagian dari kerja praktek mahasiswa. Sistem dibangun dengan pendekatan Network Development Life Cycle (NDLC) dan diuji menggunakan Postman untuk memastikan fungsionalitas API yang stabil. Hasil pengujian menunjukkan bahwa sistem mampu memberikan rekomendasi tanaman secara akurat dan dapat diakses tanpa perangkat tambahan. Sistem ini berpotensi diterapkan secara luas untuk mendukung pertanian berbasis data di masyarakat.
Pengembangan Konten Digital PT. Heshun Manajemen Indonesia sebagai Media Digital Marketing dan Peningkatan Penjualan Erwin Kang; Ni'matul Ma’muriyah; Haeruddin Haeruddin
National Conference for Community Service Project (NaCosPro) Vol. 7 No. 01 (2025): The 7th National Conference for Community Service Project 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/nacospro.v7i01.10969

Abstract

Digital marketing merupakan strategi penting dalam memperkuat eksistensi bisnis di era transformasi digital. PT. Heshun Manajemen Indonesia melalui unit bisnis Heshun Cuisine menghadapi tantangan dalam mengelola konten media sosial yang menarik, interaktif, dan mampu menjangkau audiens lebih luas. Tujuan dari kegiatan pengabdian ini adalah membantu mitra mengembangkan konten digital yang efektif untuk platform Instagram dengan merancang kalender konten selama satu tahun yang mencakup berbagai jenis visual promosi. Metodologi yang digunakan adalah pendekatan Multimedia Development Life Cycle (MDLC) yang mencakup tahap konsep, desain, pengumpulan materi, perakitan, pengujian, dan distribusi. Hasil kegiatan berupa 20–30 desain konten Instagram berbentuk feed dan story, lengkap dengan caption dan strategi publikasi yang sesuai momen. Respon positif dari pihak mitra menunjukkan bahwa konten mampu merepresentasikan citra merek secara konsisten. Kegiatan ini memberikan kontribusi nyata dalam peningkatan strategi pemasaran digital bagi UMKM di sektor kuliner. Implikasi dari kegiatan ini menunjukkan pentingnya kolaborasi antara dunia akademik dan dunia usaha dalam penguatan kapasitas digital marketing.
Implementation of Proxy Server Needs and Solutions in Educational Environments (Case Study: Infinite Learning Batam) Jason Jason; Stefanus Eko Prasetyo; Haeruddin Haeruddin
National Conference for Community Service Project (NaCosPro) Vol. 7 No. 01 (2025): The 7th National Conference for Community Service Project 2025
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37253/nacospro.v7i01.11035

Abstract

Seiring meningkatnya ketergantungan institusi pendidikan terhadap akses internet, muncul kebutuhan mendesak untuk mengelola bandwidth secara efisien serta membatasi akses terhadap konten yang tidak sesuai. Infinite Learning Batam, sebagai institusi pelatihan teknologi digital, menghadapi tantangan akibat tingginya akses ke situs non-akademik yang menurunkan efisiensi jaringan. Artikel ini membahas implementasi sistem proxy server berbasis Red Hat Enterprise Linux (RHEL) dan perangkat lunak Squid yang diterapkan pada infrastruktur jaringan internal mitra. Fokus utama implementasi adalah konfigurasi filtering konten dan caching guna mengoptimalkan penggunaan jaringan. Hasil pengujian menunjukkan bahwa sistem berhasil membatasi akses ke situs tertentu dan mempercepat respons melalui caching. Meski autentikasi pengguna dan logging belum diaktifkan, sistem ini memberikan dasar kuat untuk pengembangan lebih lanjut serta menjadi solusi open-source yang efektif dan terjangkau bagi institusi pendidikan.
Co-Authors ., Arron Agusyanto . Alviana Alviana Alzi Alzi Andik Yulianto Andy Lau Ari Prayoga Hutabarat Ari Wahyuni Kaharuddin Arif Kurniadi Aripradono, Heru Wijayanto Arron Arron Avista Mindy Bobby Fernando Pangaribuan Boby Candra Deven Lee Efendi Efendi Elia, Elia Elvert Elvis Elvis Erick Erick Erwin Kang Febrison Yohaness Felix Felix Firman Adiyasa Franklin Winata Frans Hadinata Fransiskus Gautama Wijaya Gautama Wijaya Gautama Wijaya Gautama, Gautama Hadi Hadi Hendra Julianto Hendra Winata Hendri Hendri Herman Herman Hermanto Hermanto Heru Wijayanto Aripradono Huilyana Trianggawati Husnul Khatimah Husnul Khatimah Jason Jason Jefferson Richtan Jemmy Jemmy Kelvin Kelvin Kevin Kevin Leo Lionel Dedrick Louis Lim M. Nahrul Indriawan Moezes Rasuanda Muhammad Ilham Ashiddiq Tresnawan Muhammad Nur Faiz Ni'matul Ma’muriyah Patrick Pratama Hendri Prasetyo, Stefanus Eko Rahman Syahputra Ricardo Ricardo Rinaldo Rinaldo Rinaldo, Rinaldo Sabariman Sabariman Sepbianto Sepbianto Sherly, Sherly Sukma Aji Syaeful Anas Aklani, Syaeful Tiara Tiara Tina Tina Vincent . Vivian Vivian Viviany Viviany Wijaya, Gautama Wilsen Lau Windi Afdal, Windi Yulianto, Andik