Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal bit-Tech KOMMAS: Jurnal Pengabdian Kepada Masyarakat AMMA : Jurnal Pengabdian Masyarakat
Ade Putra Prima Suhendri
Unknown Affiliation
Humanities Chemistry Computer Science & IT Decision Sciences, Operations Research & Management Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Nursing

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

Found 3 Documents
Search

 1 
PELATIHAN PEMANFAATAN MICROSOFT WORD, EXCELL, DAN POWER POINT UNTUK MENGERJAKAN TUGAS PADA SMPN 176 JAKARTA Sopiyan Apandi; Nurhidayatuloh Nurhidayatuloh; Ahmad Ahmad,; Abdullah Muhajir; Ade Putra Prima Suhendri
KOMMAS: Jurnal Pengabdian Kepada Masyarakat Vol 2, No 3 (2021): KOMMAS: JURNAL PENGABDIAN KEPADA MASYARAKAT
Publisher : KOMMAS: Jurnal Pengabdian Kepada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (2686.76 KB)

Abstract

Microsoft Office saat ini menjadi hard skill yang harus dimiliki sebagai pelajar di era saat ini dimana menjadi kemampuan yang wajib dimiliki seorang pelajar jenjang sekolah menengah pertama. Dunia pendidikan saat ini khususnya jenjang sekolah menengah pertama seluruhnya mulai beradaptasi dengan era teknologi dan rata-rata pengerjaan tugas menggunakan Microsoft Office terutama Microsoft word, excel, dan power point. Tujuan dari pelaksanaan pengabdian kepada masyarakat ini adalah untuk melaksanakan tri dharma perguruan tinggi yang terdiri dari 3 poin penting, yaitu Pendidikan dan pengajaran, penelitian dan pengembangan, dan pengabdian kepada masyarakat. Pengabdian kepada masyarakat ini sekaligus memberikan wawasan, pengalaman, dan hard skill kepada siswa SMPN 176 Jakarta dalam pemanfaatan Microsoft Word, Excel dan Powerpoint dalam mengerjakan tugas ataupun melakukan pekerjaan kelak nanti saat mereka memasuki jenjang yang lebih tinggi dan dunia kerja.
IMPLEMENTASI TEKNOLOGI AI BERBASIS GOOGLE GEMINI DAN VIDEOGEN DALAM MENINGKATKAN KETERAMPILAN DIGITAL GURU DI SMA ALIA ISLAMIC SCHOOL Amin Hidayat; Ade Putra Prima Suhendri; Nanang
AMMA : Jurnal Pengabdian Masyarakat Vol. 3 No. 11 : Desember (2024): AMMA : Jurnal Pengabdian Masyarakat
Publisher : CV. Multi Kreasi Media

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

Abstract

Kecerdasan buatan telah mengubah berbagai aspek kehidupan manusia, termasuk dalam bidang pendidikan. Kecerdasan Buatan (AI) merupakan salah satu cabang ilmu komputer yang mengutamakan pengembangan kecerdasan mesin, cara berpikir dan cara bekerja layaknya manusia. Penerapan AI dalam bidang pendidikan menawarkan potensi yang dapat meningkatkan efisiensi, efektivitas, dan kualitas pembelajaran. Selain itu, AI juga dapat membantu guru dalam mengembangkan kurikulum yang lebih adaptif. Dengan analisis data yang canggih, sistem AI dapat mengidentifikasi tren pembelajaran dan memberikan wawasan yang berharga kepada para pendidik untuk memperbaiki metode pengajaran yang selama ini telah dilakukan. Penting bagi lembaga pendidikan untuk lebih mengintegrasikan AI dalam proses pembelajaran dan memberikan pelatihan kepada para guru untuk mengoptimalkan sistem pendidikan di masa mendatang sebagai alat bantu dalam proses belajar mengajar. Kegiatan pengabdian kepada masyarakat ini dilaksanakan di SMA Alia Islamic School. Kegiatan pengabdian kepada masyarakat ini dilaksanakan dengan tujuan untuk memberikan pelatihan pembuatan media pembelajaran digital dengan implementasi teknologi kecerdasan buatan menggunakan tools/aplikasi Google Gemini dan Videogen kepada para guru sehingga diharapkan dapat memberikan pengetahuan baru dalam hal keterampilan guru dalam membuat media pembelajaran digital dengan memanfaatkan teknologi AI serta dapat menjadi salah satu solusi bagi para guru dalam menghadapi tantangan perkembangan teknologi kecerdasan buatan di bidang pendidikan. Kata Kunci : Kecerdasan Buatan, Kecerdasan Buatan, Google Gemini, Videogen, Keterampilan Digital Guru.
Comparative Analysis of Machine Learning Algorithms for Predicting LQ45 Stock Index Prices Hidayat, Amin; Ade Putra Prima Suhendri
bit-Tech Vol. 8 No. 1 (2025): bit-Tech
Publisher : Komunitas Dosen Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32877/bt.v8i1.2853

Abstract

An essential metric for assessing the success of the country's capital markets is the LQ45 index, which is made up of 45 stocks with the biggest market capitalization and liquidity on thb e Indonesia Stock Exchange. Stock price prediction, particularly in volatile markets, remains complex challenge that benefits from advanced analytical approaches. While machine learning (ML) techniques have demonstrated significant promise in financial forecasting, comprehensive comparative evaluations across multiple algorithms and preprocessing strategies remain limited. In order to evaluate the predictive performance of nine machine learning algorithms Random Forest, Decision Tree, AdaBoost, Support Vector Classifier (SVC), XGBoost, Naive Bayes, K-Nearest Neighbors (KNN), Logistic Regression, and Artificial Neural Networks (ANN) in predicting the direction of movements of the LQ45 index, this study presents a structured comparative framework. The models are trained using a 10-year historical dataset, incorporating both continuous and binary representations of technical indicators. Three data preprocessing approaches are explored: raw trading data, unsmoothed indicators, and smoothed indicators. Accuracy, precision, recall, F1-score, and ROC AUC are all important factors in model evaluation. The findings show that when applied to continuous data with smoothed technical indications, Random Forest and XGBoost produce the best prediction results. For binary classification tasks, Naive Bayes emerges as the most effective model. These results demonstrate how important data representation and preprocessing in particular, smoothing are to enhancing the accuracy and robustness of models.  Research aids in the creation of trustworthy, data-driven stock prediction tools that are suited for developing markets.  Financial analysts, portfolio managers, and algorithmic traders looking to improve investment strategies through well-informed model selection and preprocessing design can benefit from the findings.
Co-Authors Abdullah Muhajir Ahmad Ahmad, Amin Hidayat Amin Hidayat Nanang Nurhidayatuloh Nurhidayatuloh Sopiyan Apandi