Article Per Year (5 Year)
p-Index From 2021 - 2026
0.659
P-Index
This Author published in this journals
All Journal JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Abdimas Galuh: Jurnal Pengabdian Kepada Masyarakat Journal of Electrical Engineering and Computer (JEECOM)
Barrinaya, Muhammad Akbar
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Control & Systems Engineering Economics, Econometrics & Finance Electrical & Electronics Engineering Energy Law, Crime, Criminology & Criminal Justice Nursing Other

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

Found 3 Documents
Search

 1 
Pelatihan Pembuatan Dye-Sensitized Solar Cell (DSSC) Sederhana untuk Siswa SMA Islam Nurul Fikri Yulia, Fayza; Pradanawati, Sylvia Ayu; Hastuty, Sri; Kadarno, Purwo; Rahmawan, Yudi; Fachmi, Yose; Jaya, Arie Sukma; Riyandwita, Byan Wahyu; Widiyati, Khusnun; Barrinaya, Muhammad Akbar; Ramadhani, Adhitya Ryan; Muharram, Farid
JPP IPTEK (Jurnal Pengabdian dan Penerapan IPTEK) Vol 8, No 1 (2024): Mei
Publisher : Institut Teknologi Adhi Tama Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31284/j.jpp-iptek.2024.v8i1.4869

Abstract

Energi baru terbarukan berkembang pesat seiring dengan peningkatan pemberdayaan energi baru terbarukan. Sebagai salah satu upaya pemenuhan 100% elektrifikasi di Indonesia, berbagai jenis sumber daya baru terbarukan dikelola untuk menghasilkan listrik. Di Indonesia, potensi energi matahari sangat besar. Solar panel, ke depannya menjadi salah satu alat konversi energi yang banyak dikembangkan di Indonesia. Solar panel generasi ketiga yang sedang banyak dikembangkan adalah Dye-Sensitized Solar Cell (DSSC) di mana menggunakan pewarna alami sebagai dye. SMA Nurul Fikri, Depok dipilih karena pengembangan metode konstruktif pengalaman belajar yang diadopsi pada kurikulum mereka. Dari hasil pelatihan, 100% peserta mampu membuat DSSC sederhana. Selain itu, telah terjadi peningkatan pengetahuan yang ditunjukkan dengan peningkatan persentase jumlah siswa yang mengetahui proses DSSC berdasarkan hasil pre-test dan post-test.
Peningkatan Literasi Teknologi Robotika melalui Pengenalan dan Perakitan Robot Pengikut Garis di SMAK Tunas Bangsa Gading Serpong Jaya, Arie Sukma; Hastuty, Sri; Ramadhani, Adhitya Ryan; Barrinaya, Muhammad Akbar; Rahmawan, Yudi; Widiyati, Khusnun; Kadarno, Purwo; Riyandwita, Byan Wahyu; Pradanawati, Sylvia Ayu; Buys, Yose Fachmi; Yulia, Fayza; Reksowardojo, Iman Kartolaksono; Aziz, Bonifacius S.I.; Tambunan, Sahrudin
Abdimas Galuh Vol 7, No 2 (2025): September 2025
Publisher : Universitas Galuh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25157/ag.v7i2.20693

Abstract

Perkembangan teknologi robotika memberikan peluang besar untuk memperkaya proses pembelajaran di tingkat sekolah menengah, khususnya dalam penguatan keterampilan abad ke-21. Namun, minimnya akses terhadap pengalaman praktik membuat siswa kesulitan memahami konsep robotika secara aplikatif. Kegiatan Pengabdian kepada Masyarakat (PkM) ini bertujuan untuk mengenalkan konsep dasar robotika industri kepada siswa SMAK Tunas Bangsa Gading Serpong melalui praktik langsung dalam merakit dan menguji robot pengikut garis (line follower). Metode pelaksanaan kegiatan dibagi menjadi tiga tahap, yaitu persiapan, pelaksanaan, dan evaluasi, yang secara implisit mengikuti tahapan dalam model pengembangan instruksional ADDIE (Analysis, Design, Development, Implementation, Evaluation). Peserta dibimbing dalam perakitan tiga jenis robot: Analog A, Analog B, dan Digital. Evaluasi dilakukan melalui survei pre-test dan post-test, pengujian performa robot, serta kuesioner kepuasan peserta. Hasil menunjukkan adanya peningkatan rata-rata pemahaman dari 68,15% menjadi 84%. Peningkatan paling signifikan terlihat pada aspek teknis seperti pengenalan sensor dan penggunaan perangkat lunak Arduino IDE. Dari segi performa, robot Analog A memiliki waktu tempuh tercepat (18,70 detik) dan konsumsi daya terendah (0,64%), sedangkan robot Digital lebih kompleks namun belum optimal dalam lintasan uji terbatas. Survei kepuasan menunjukkan 98% peserta merasa puas terhadap kegiatan. Kegiatan ini terbukti efektif dalam meningkatkan literasi teknologi dan memberikan pengalaman belajar berbasis praktik yang bermakna, serta relevan dalam mendukung implementasi SDGs poin 4 tentang pendidikan berkualitas.
Physics-Informed Deep Sequential Learning and Non-Parametric Adaptive Thresholding for Integrated Microgrid Fault Detection Barrinaya, Muhammad Akbar; Nugroho, Herminarto Akbar
Journal of Electrical Engineering and Computer (JEECOM) Vol 8, No 3 (2026)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33650/jeecom.v8i3.17123

Abstract

The rapid proliferation of clean energy microgrids—integrating solar photovoltaic (PV) generation, bidirectional power converters, and battery energy storage systems (BESS)—requires robust fault detection and isolation (FDI) to guarantee continuous operational stability. However, non-Gaussian residual profiles caused by severe irradiance intermittency and dynamic switching transients compromise traditional fixed-threshold strategies, resulting in elevated false alarm and missed detection rates. To address this challenge, this study presents a hybrid FDI framework combining physics-guided deep sequential forecasting with non-parametric adaptive thresholding. A Temporal Convolutional Network integrated with Long Short-Term Memory (TCN-LSTM), constrained by equivalent circuit and DC bus power balance equations, is developed to forecast multi-modal nominal trajectories and extract reliable diagnostic residuals. Raw electrical streams sampled at 10 kHz are down sampled via moving-window averaging to 10-second intervals to accommodate prognostic forecasting horizons. Non-parametric Kernel Density Estimation (KDE) is subsequently implemented to dynamically compute adaptive threshold boundaries from empirical non-Gaussian residual distributions. Simulation experiments under stochastic irradiance profiles and dynamic load cycles confirm that the proposed TCN-LSTM architecture achieves nominal forecasting RMSE values of 0.007 V for cell voltage and 0.306 °C for temperature, reducing the missed detection rate of PV shading mismatches and critical sensor biases compared to static thresholding. Furthermore, integration with a Local Outlier Factor (LOF) anomaly detector provides early warning margins of 83.5 minutes for micro-short circuit voltage dips and 24.6 minutes for thermal runaway precursors prior to hard-limit BMS alarms.
Co-Authors Adhitya Ryan Ramadhani Aziz, Bonifacius S.I. Buys, Yose Fachmi Iman Kartolaksono Reksowardojo Jaya, Arie Sukma Kadarno, Purwo Muharram, Farid Nugroho, Herminarto Akbar Rahmawan, Yudi Riyandwita, Byan Wahyu Sri Hastuty, Sri Sylvia Ayu Pradanawati Tambunan, Sahrudin Widiyati, Khusnun Yose Fachmi Buys Yulia, Fayza