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 29 Documents
Search

 1   2   3 
Telkom University News Topic Modeling Using Latent Semantic Analysis (LSA) Method on Online News Portal Amala, Ihsan Ahsanu; Richasdy, Donni; Purbolaksono, Mahendra Dwifebri
Building of Informatics, Technology and Science (BITS) Vol 4 No 1 (2022): June 2022
Publisher : Forum Kerjasama Pendidikan Tinggi

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (415.709 KB) | DOI: 10.47065/bits.v4i1.1584

Abstract

In this day and age, the development of online news portals regarding news is quite easy to access, online news portals are information that explains an event that has occurred or is happening with electronic media intermediaries, as well as news about Telkom University which is quite easily accessible through online news portals. A system has been designed that is capable of modeling Telkom University news topics. Modeling news topics is very interesting to be used as research material because the process of understanding each individual on the topics contained in the news is different, therefore topic modeling is needed to find out what topics are news about Telkom University. In this study, a Latent Semantic Analysis (LSA) model has been designed to carry out a topic modeling process that aims to make it easier for readers to understand news topics related to Telkom University, Latent Semantic Analysis (LSA) is a mathematical method in finding hidden topics by analyzing the structure semantics of the text. After doing several research scenarios, the best coherence score was 0.524 with a total of six topics.
Optimasi Optimasi Pengelolaan Learning Management System (LMS) untuk Perguruan Tinggi Aptikom Provinsi Jawa Barat Hasmawati, Hasmawati; Richasdy, Donni; Romadhony, Ade
Charity : Jurnal Pengabdian Masyarakat Vol. 7 No. 2 (2024): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

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

Abstract

Besarnya manfaat penerapan teknologi dalam pembelajaran jarak jauh membuat Asosiasi Perguruan Tinggi Informatika dan Ilmu Komputer (APTIKOM) Provinsi Jawa Barat terus berupaya meningkatkan kualitas pembelajaran jarak jauh bagi perguruan tinggi khususnya anggota Aptikom provinsi Jawa Barat. Saat ini masih banyak institusi pendidikan anggota Aptikom provinsi jawa barat yang masih tertinggal dalam penggunaan teknologi dalam pembelajaran jarak jauh. Oleh karena itu, Aptikom provinsi Jabar berupaya untuk meningkatkan kualitas dan kuantitas sumber daya manusia di bidang teknologi informasi, terutama di perguruan tinggi yang berada di daerah-daerah yang masih tertinggal. Sebagai bagian dari upaya untuk meningkatkan kualitas pembelajaran jarak jauh, Aptikom Provinsi Jawa Barat bersama Telkom University mengusulkan kegiatan pengabdian kepada masyarakat dengan tema “Optimasi Pengelolaan Learning Management System (LMS) untuk Perguruan Tinggi Aptikom Provinsi Jawa Barat”. Kegiatan ini diharapkan dapat membantu anggota Aptikom Jabar memahami konsep dan praktek pembelajaran jarak jauh yang efektif, sehingga mereka dapat memperbaiki dan meningkatkan pengalaman pembelajaran jarak jauh di institusi pendidikan mereka. Dengan demikian, kegiatan ini berpotensi untuk meningkatkan kualitas pembelajaran jarak jauh di seluruh perguruan tinggi di Jawa Barat.
Pelatihan Pemasaran Digital untuk Siswa SMKN 1 Majayala dan SMKN LPPM RI Majalaya Ardiyanti, Arie; Hutari Gani, Prati; Gandhi, Arfive; Richasdy, Donni; Rimbawan, Awan
Charity : Jurnal Pengabdian Masyarakat Vol. 8 No. 2 (2025): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v8i2.9563

Abstract

Paper ini membahas tentang kegiatan pengabdian masyarakat yang dilaksanakan dalam bentuk pelatihan Digital Marketing bagi siswa SMKN 1 Majalaya dan SMK LPPM RI Majalaya. Pelatihan ini diadakan oleh beberapa dosen Fakultas Informatika Telkom University bekerja sama dengan Firli Group (PT Aksama Brewu Berkah) yang diadakan pada tanggal 20-22 Agustus 2024. Materi pelatihan yang disampaikan mencakup pengenalan tentang spesialisasi di bidang media sosial, pengelolaan akun media sosial, penggunaan beberapa platform media sosial untuk pemasaran digital serta pengukuran performansi konten media sosial. Kegiatan pelatihan ini merupakan bagian dari kegiatan magang Siswa SMK di PT Aksama Brewu Berkah, yang dilaksanakan pada 19 Agustus hingga 15 November 2024. Berdasarkan hasil kuisioner kepuasan, peserta menilai puas dengan kegiatan pelatihan yang diadakan dengan rata-rata skor kepuasan (Mean Satisfaction Score) sebesar 75,3% dan tingkat kepuasan (Customer Satisfaction Index) sebesar 81,2%. Sebagai upaya perbaikan kegiatan serupa, dapat dilakukan dengan proses survei awal untuk pemilihan materi yang akan disampaikan sesuai minat siswa dan memperbaiki teknis penyampaian materi. Kata Kunci : customer satisfaction index, media sosial, mean satisfaction score, pemasaran digital, UMKM
Web-Based Movie Recommendation System Using Content-Based Filtering and Cosine Similarity Meillano, Zico Fachreza; Richasdy, Donni; Hasmawati, Hasmawati
Indonesian Journal of Artificial Intelligence and Data Mining Vol 7, No 1 (2024): March 2024
Publisher : Universitas Islam Negeri Sultan Syarif Kasim Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24014/ijaidm.v7i1.27390

Abstract

Movie are one of the most popular entertainment media among people and are often chosen as activities during weekend holidays. As time goes by, world cinema continues to develop with various interesting and entertaining genres, stories and visuals. Because film is one of the entertainment media that can relieve stress from work assignments or lectures and now film production is also growing so that more and more films are being produced until finally people are confused about choosing the film they will watch. To resolve the obstacles faced, movie information is needed that can help people find movies that suit user preferences, so users need a system that can recommend movies. In this research, the author used the content-based filtering method to find movie recommendations. The substance utilizedis the movie genre. The Check Vectorization calculation is utilized to discover the term/word weight values in each record and after that these values are utilized as factors within the Cosine closeness to discover similitudes between archives.As a result of this last project the system can generate a kind of recommendations for the 10 most similar movies. The test results from this final project are that the system is running well and is reliable with an alpha test result of 100%, and a reliability test result of 0.7.
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