Article Per Year (5 Year)
p-Index From 2021 - 2026
3.493
P-Index
This Author published in this journals
All Journal JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING JURNAL MEDIA INFORMATIKA BUDIDARMA Jurnal Penelitian Pendidikan IPA (JPPIPA) Indonesian Journal of Artificial Intelligence and Data Mining Building of Informatics, Technology and Science Charity : Jurnal Pengabdian Masyarakat eProceedings of Engineering
Donni Richasdy
Telkom University
Agriculture, Biological Sciences & Forestry Arts Humanities Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Materials Science & Nanotechnology Physics Social Sciences

Published : 29 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 7 Documents
Search
Journal : eProceedings of Engineering

 1 
Pembuatan Tool Anotasi Kata Ganti Bahasa Arab Menggunakan Coreference Resolution Rendy Andrian Saputra; Moch Arif Bijaksana; Donni Richasdy
eProceedings of Engineering Vol 7, No 2 (2020): Agustus 2020
Publisher : eProceedings of Engineering

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

Abstract

Al-Quran merupakan kitab suci orang muslim yang didalamnya banyak sekali ilmu pengetahuan. Seperti yang kita ketahui bahwa Al-Quran diturunkan dengan bahasa arab, sedangkan kita menggunakan bahasa Indonesia. Inilah salah satu penyebab yang membuat kebanyakan orang menjadi sulit memahami isi kandungan dalam Al-Quran. Mengetahui kesetaraan kata dari sebuah kata ganti sangat penting untuk memahami Al-Quran. Untuk mengetahui kesetaraan kata dari sebuah kata, diperlukannya Coreference Resolution. Coreference Resolution merupakan subtugas dari Natural Language Processing (NLP) yang bertugas untuk mengidentifikasi kesetaraan antar entitas, dengan menggunakan metode Naive Bayes sebagai metode klasifikasi yang telah terdapat di dalam tool anotasi. Tool anotasi diperuntukan untuk pengguna yang ahli dalam menafsirkan makna yang terkandung di dalam Al-Quran. Dimaksudkan agar hasil pemberikan rujukan disetiap kata memiliki data yang valid. serta dengan menggunakan tool anotasi pengguna dapat memberikan kesetaraan kata dari suatu kata ganti yang dapat mengacu pada suatu objek dikalimat sebelumnya. Berdasarkan hasil pengujian telah didapatkan nilai akurasi sebesar 80%.
Implementasi Metode Tf-idf Dan K-nearest Neighbor Untuk Seleksi Pelamar Kerja Jofardho Adlinnas; Kemas Muslim Lhaksmana; Donni Richasdy
eProceedings of Engineering Vol 7, No 3 (2020): Desember 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Indonesia merupakan salah satu negara dengan jumlah penduduk terbesar didunia dan mengalami peningkatan disetiap tahunnya, maka dari itu jumlah tenaga kerja juga terus meningkat pada setiap tahunnya dari berbagai jenis tingkatan pendidikan. Perekrutan pegawai merupakan salah satu proses penting menyaring pelamar yang berkualifikasi dan memenuhi standar organisasi/perusahaan. Proses perekrutan pelamar kerja yang dengan jumlah yang banyak menjadikan salah satu faktor bagi perusahaan membutuhkan waktu dan biaya lebih pada proses penyeleksian. Salah satu cara untuk memudahkannya proses seleksi, dengan memberi label/skor pada hasil wawancara pelamar oleh expert/ahli. Untuk menyelesaikan masalah tersebut digunakannya metode Term Frequency-Inverse Document Frequency (TF-IDF) sebagai extraksi fitur dan metode K-Nearest Neighbor (KNN) dengan cosine similarity untuk menghitung jarak tetangga terdekat, sebagai klasifikasi terhadap teks hasil wawancara pelamar. Hasil dari proses ini menunjukkan bahwa KNN merupakan pendekatan yang cukup efektif karena tingkat akurasi KNN mampu menghasilkan keakuratan ratarata mencapai 65.2%. Kata kunci: perekrutan pelamar kerja, klasifikasi teks, K Nearest-Neighbor, Cosine similarity Abstract Indonesia is one of the countries with the largest population in the world and has increased every year, therefore the number of workers also continues to increase every year from various types of education levels. Recruitment of employees is an important process of screening qualified applicants and meeting organizational / company standards. The recruitment process of job applicants with a large number makes one of the faktors for companies requiring more time and money in the selection process. One way to facilitate the selection process, by giving a label / score on the interview results of the applicant by the expert / expert. To solve this problem the term frequency-inverse document frequency (TFIDF) method is used as a feature extraction and the K-Nearest Neighbor (KNN) method K-Nearest Neighbor (KNN) method with cosine similarity to calculate the distance to the nearest neighbor, as a classification of the text of the interview applicants. The results of this process show that KNN is a quite effective approach because the accuracy of KNN is able to produce an average accuracy of 65.2%. Keywords: recruitment of job applicants, text classification, K Nearest-Neighbor, Cosine similarity
Implementasi Metode Bidirectional LSTM-CRF untuk Ekstraksi Entitas Organisasi pada Berita yang Terafiliasi Telkom University Aroman, Andika; Richasdy, Donni; Sa’adah, Siti
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak- Dalam Natural Language Processing (NLP), Teknologi Named Entity Recognition (NER) merupakan salah satu bagian dari metode NLP dan banyak dipergunakan seperti ekstraksi informasi, pencarian informasi, terjemahan mesin dan sistem penjawab pertanyaan dan lain-lain, sehingga penelitian ini berfokus pada ekstraksi informasi. Named Entity Recognition (NER) memiliki tujuan utama mengidentifikasi nama entitas dengan makna khusus dalam teks, terutama nama pribadi, lokasi, organisasi, waktu dan entitas-entitas lainnya. Sumber data yang digunakan adalah teks berita berbahasa Indonesia yang dilabelin secara manual dengan menggunakan beberapa tag, yaitu nama pribadi, lokasi, organisasi dan waktu. Oleh karena itu, penelitian ini menggunakan metode Bidirectional LSTM-CRF. Bidirectional LSTM memanfaatkan pra-konteks(konteks sebelumnya) dan pasca-konteks(konteks sesudahnya) dengan memproses data dari dua arah yang kemudian diklasifikasikan menggunakan CRF. Pada penelitian ini, terdapat beberapa proses yang dilakukan, yaitu preprocessing(case folding, filtering, tokenization), labeling, word2vec, training, testing dan proses terakhir evaluasi. Hasil penelitian ini menunjukkan bahwa metode Bidirectional LSTM-CRF untuk sistem NER terhadap teks bahasa Indonesia memperoleh hasil f1-score untuk entitas organisasi sebesar 86%. Hasil ini didasarkan pada tiga skenario pengujian, yaitu mengatur word embedding dimensions, units dan batch sizes. Kata kunci- named entity recognition, natural language processing, bidirectional LSTM-CRF
Pengukuran Topik pada LinkedIn Telkom University dengan Metode Probabilistic Latent Semantic Analysis (PLSA) Firmansyah, Nanda; Richasdy, Donni; Sa’adah, Siti
eProceedings of Engineering Vol. 10 No. 3 (2023): Juni 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak- Saat ini, media sosial sangat diharapkan manusia untuk mencari atau memberi info. LinkedIn merupakan salah satu media sosial yang digunakan untuk saling bertukar informasi secara terbuka. LinkedIn adalah suatu wadah media sosial yang menampung identitas asal pengguna tersebut, sehingga orang yg membutuhkan info tadi dapat mencari ataupun mengunjungi akun profil yg diperlukan sesuai dengan informasinya. Universitas Telkom menggunakan media sosial LinkedIn untuk memberitahu apa saja berita yg terdapat di Universitas Telkom. Terdapat banyak informasi serta topik yang dibahas pada profil LinkedIn Universitas Telkom. Dipenelitian ini dilakukan pengukuran topik pada LinkedIn Universitas Telkom menggunakan metode Probabilistic Latent Semantic Analysis (PLSA). Pengukuran topik ini dilakukan supaya mengetahui efektifitas pengukuran topik di LinkedIn Universitas Telkom dan dengan adanya PLSA pula diketahui apa saja topik yg dibahas pada profil LinkedIn Universitas Telkom. Kemudian dilakukan juga pengukuran perbandingan pengukuran dengan adanya stemming dan stopword. Dari analisis yg dilakukan semakin banyak topik yang diterapkan semakin bagus nilai dari perhitungan log-likehood yg didapat. Dan dari pengukuran yang dilakukan, adanya penerapan stopword dan stemming adalah kondisi terbaik daripada tidak adanya stemming ataupun stopword.Kata kunci- pengukuran topik, universitas telkom, linkedin, probabilistic latent semantic.
Implementasi Model IndoBERT pada Dashboard Sentimen Media Sosial (Studi Kasus Universitas XYZ) Wijaya, Kurniadi Ahmad; Romadhony, Ade; Richasdy, Donni
eProceedings of Engineering Vol. 10 No. 4 (2023): Agustus 2023
Publisher : eProceedings of Engineering

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

Abstract

Pelayanan yang diberikan perguruan tinggi menjadi tolak ukur untuk mendapatkan kepercayaan dari masyarakat sehingga perguruan tinggi dituntut untuk mengevaluasi standar pelayanan yang diberikan kepada mahasiswa. Saat ini evaluasi layanan akademik perguruan tinggi masih dilakukan secara manual melalui survei sehingga lingkup evaluasi hanya diperoleh melalui internal universitas dan belum diambil melalui unggahan publik di media sosial. Analisis sentimen merupakan salah satu metode lain yang dapat digunakan untuk mengevaluasi tanggapan melalui media sosial terkait perguruan tinggi. Saat ini perancangan dashboard analisis sentimen sebagai evaluasi perguruan tinggi cenderung baru dan belum banyak direalisasikan karena adanya keterbatasan sumber daya untuk melakukan perancangan aplikasi. Berdasarkan hal tersebut, tugas akhir ini menampilkan alur perancangan dan implementasi dashboard sentimen analisis media sosial sehingga dapat menjadi acuan pengembangan dashboard sentimen. Untuk mengimplementasikan aplikasi secara optimal, digunakan metodologi perancangan perangkat lunak iterative incremental sedangkan untuk memudahkan dalam merancang antarmuka dashboard dan memodifikasi data pada database digunakan framework Django. Dalam hal klasifikasi sentimen digunakan transformer IndoBERT untuk mendapatkan akurasi model yang maksimal.Kata kunci—dashboard sentimen, sentimen universitas, indobert, iterative incremental
Sistem Rekomendasi Buku Dengan Collaborative Filtering Menggunakan Metode Singular Value Decomposition (SVD) Akbar, Ridho; Richasdy, Donni; Dharayani, Ramanti
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak— Buku/novel adalah salah satu media hiburan yang tidak pernah luput oleh zaman. Bagi penikmatnya, buku adalah suatu hal yang sangat penting karena buku merupakan suatu hiburan yang akan dibaca sesuai dengan suasana hati mereka. membaca juga merupakan jendela dunia, Dikarenakan banyaknya judul – judul buku yang telah rilis,hal tersebut membuat banyak orang sulit dalam memilih buku yang ingin mereka baca. Dalam permasalahan ini dibutuhkan suatu sistem yang dapat memudahkan pengguna dalam mencari buku atau novel yang sesuai dengan minat mereka, sebuah sistem rekomendasi dirasa mampu untuk memecahkan permasalahan ini. Maka dari itu penilitian ini membangun sebuah sistem rekomendasi buku dengan Userbased Collaborative Filtering menggunakan metode singular value decompsotion (SVD). Dan dilakukan pengukuran akurasi menggunakan metode MAE dan MSE dan didapatkan hasil akurasi MAE sebesar 0,7063 dan MSE sebesar 0,913.Kata kunci — Sistem Rekomendasi, User Based Collaborative Filtering, SVD.
Sistem Rekomendasi Collaborative Filtering Pada Smartphone Menggunakan K-Means Pratama, Reyhan; Richasdy, Donni; Dharayani, Ramanti
eProceedings of Engineering Vol. 10 No. 5 (2023): Oktober 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak — Smartphone memenuhi kebutuhan user dengan menyediakan berbagai layanan komunikasi yang memungkinkan seperti transfer informasi dalam bentuk teks, grafik, suara, dan layanan Internet. Banyak dari masyarakat kebingungan untuk memilih dari banyak nya merk dan tipe yang beredar di pasar saat ini. Maka dari itu penelitian ini melakukan pemberian rekomendasi dengan perbandingan prediksi rating smartphone menggunakan metode K-Means dengan membandingkan tiga perhitungan similarity diantaranya Pearson, Pearson Baseline dan Cosine, dan penggunaan jumlah tetangga yang bervariatif. Dilakukan perbandingan tingkat kinerja antara skenario yang berbeda. Berdasarkan perhitungan dan analisis yang sudah dilakukan, didapatkan skenario antara penggunaan jumlah trainset 80% dan testset 20%, metode similarity Pearson Baseline, dan 90 jumlah tetangga menghasilkan nilai error terkecil dengan nilai RMSE 0.6599 yang merupakan skenario K-Means dengan kinerja paling tinggi dalam penelitian ini. Sedangkan skenario penggunaan jumlah trainset 70% dan testset 30%, metode similarity Pearson, dan 10 jumlah tetangga menghasilkan nilai error terbesar dengan nilai RMSE 0.7279 yang berarti skenario tersebut memiliki kinerja paling rendah.Kata Kunci— Smartphone, K-Means, User-based Collaborative Filtering, Similarity, RMSE.
Co-Authors Ade Romadhony Aditya Firman Ihsan Amala, Ihsan Ahsanu Arfive Gandhi Arie Ardiyanti Suryani Aroman, Andika Djatnika Widia Nugraha Elsa Rachel Dementieva Erbina Selvia Br Perangin-Angin Firmansyah, Nanda H Hasmawati Hasmawati Hasmawati Hutari Gani, Prati Irfan Budi Prakoso Jofardho Adlinnas Kemas Muslim Lhaksmana Mahendra Dwifebri Purbolaksono Meillano, Zico Fachreza Moch Arif Bijaksana Muhammad Alwi Nugraha Muhammad Daffa Regenta Sutrisno Muhammad Faris Abdussalam Nazar Azmi Pratama, Reyhan Ramanti Dharayani Rendhy Al-Farrel Rendy Andrian Saputra Rheza Ramadhan Putra Ridho Akbar Rimbawan, Awan Rinaldi Jasmi Saiful Akbar Salsabila Putri Adityani Sa’adah, Siti Sean Akbar Ryanto Silfi Nur Amalia Silvia Atika Anggrayni Sri Widowati Tandya Rizky Pratama Widi Astuti Wijaya, Kurniadi Ahmad Winkie Setyono ZK Abdurahman Baizal