Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Minfo Polgan (JMP) JBIMA: Jurnal Pengabdian kepada Masyarakat
Ahmad Maruf Firman
Politeknik Negeri Ujung Pandang
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Library & Information Science Mathematics Public Health Social Sciences Other

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

Found 2 Documents
Search

 1 
Sosialisasi Teknologi Artificial Intelligence untuk Mendukung Proses Pembelajaran di Madrasah Madani Alauddin Annisa Nurul Puteri; Nur Ilham Asnawi; Ahmad Maruf Firman; Faula Yuniarta Seli; Muhammad Rijal; Achmad Afandy
Jurnal Pengabdian kepada Masyarakat Vol 2 No 3 (2025)
Publisher : PT. Edutech Inovatif Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.64109/1fp1nq36

Abstract

Kecerdasan artifisial (AI) semakin banyak dimanfaatkan dalam dunia pendidikan, tetapi pemahaman dan penerapannya di lembaga pendidikan berbasis keislaman seperti Madrasah masih terbatas. Padahal pengenalan dan pemahaman teknologi kecerdasan artifisial secara mendalam dapat membantu mempercepat kinerja guru tanpa mengabaikan nilai-nilai keislaman yang menjadi fokus pendidikan di Madrasah. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk mengenalkan teknologi kecerdasan artifisial kepada guru-guru Madrasah Madani Alauddin, kabupaten Gowa melalui seminar yang mencakup materi sejarah dan perkembangan teknologi kecerdasan artifisial, peran teknologi kecerdasan artifisial dalam kehidupan, manfaat teknologi kecerdasan artifisial dalam bidang pendidikan, etika penggunaan teknologi artifisial, dan aplikasi/tools berbasis kecerdasan artifisial yang dapat digunakan untuk membantu proses pembelajaran seperti Magic School, Teachy, dan ChatGPT. Hasil kegiatan menunjukkan antusiasme tinggi dari peserta, meskipun masih terdapat tantangan dalam penggunaan aplikasi berbasis kecerdasan artifisial secara efektif seperti penggunaan ChatGPT yang belum optimal karena terbatasnya pemahaman tentang penulisan prompt yang tepat agar ChatGPT memberikan jawaban yang relevan. Evaluasi kegiatan menunjukkan bahwa mayoritas peserta menilai kualitas materi, demonstrasi, dan relevansi kegiatan sebagai sangat baik. Hal ini menunjukkan bahwa kegiatan sosialisasi berjalan efektif dan mampu menjawab kebutuhan peserta. Diperlukan tindak lanjut berupa pelatihan lanjutan dan pendampingan teknis agar pemanfaatan kecerdasan artifisial dalam pembelajaran dapat diimplementasikan secara optimal dan tetap selaras dengan nilai-nilai keislaman.
Random Forest Classification for Indonesian Blue-Chip Banking Stock Trend Prediction Ahmad Maruf Firman; Annisa Nurul Puteri
Jurnal Minfo Polgan Vol. 15 No. 2 (2026): Artikel Penelitian
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/jmp.v15i2.16579

Abstract

This study presents a Decision Support System (DSS) based on the Random Forest algorithm to predict stock price trend direction for Indonesian blue-chip banking stocks, specifically BBRI, BBCA, BMRI, and BBNI. The rapid development of fintech and digital investment platforms in Indonesia has intensified the need for intelligent, data-driven tools to assist retail investors in making informed decisions. Despite growing research on stock prediction, studies that simultaneously evaluate multiple Indonesian banking blue-chip stocks using ensemble machine learning methods remain limited. This study uses one year of historical Open-High-Low-Close-Volume (OHLCV) data from May 2025 to May 2026, comprising 234 clean observations per stock after feature engineering. Sixteen technical indicators were extracted as input features, including Moving Averages (MA5, MA10, MA20), Relative Strength Index (RSI), MACD, Volatility, and Volume Ratio. A binary classification label was assigned based on next-day closing price direction. The Random Forest model was trained on 80% of the data (187 samples) and tested on the remaining 20% (47 samples). Experimental results demonstrate that BBNI achieved the highest F1-score of 0.5965, while BBCA and BBNI both reached an accuracy of 51.06%. The study concludes that Volatility and MACD are the most influential features across all four stocks. This DSS framework provides a practical and reproducible foundation for intelligent investment decision support in the Indonesian banking sector.
Co-Authors Achmad Afandy Annisa Nurul Puteri Faula Yuniarta Seli Muhammad Rijal Nur Ilham Asnawi