Article Per Year (5 Year)
p-Index From 2021 - 2026
4.609
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Jurnal Teknologi Informasi dan Ilmu Komputer JOIV : International Journal on Informatics Visualization Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) International Journal of Artificial Intelligence Research Creative Information Technology Journal INTENSIF: Jurnal Ilmiah Penelitian dan Penerapan Teknologi Sistem Informasi Jurnal Pilar Nusa Mandiri Syntax Literate: Jurnal Ilmiah Indonesia Technomedia Journal EXPLORE EDUMATIC: Jurnal Pendidikan Informatika M A T H L I N E : Jurnal Matematika dan Pendidikan Matematika Journal of Information Systems and Informatics Jurnal Tecnoscienza Jurnal Informa: Jurnal Penelitian dan Pengabdian Masyarakat MEANS (Media Informasi Analisa dan Sistem) Jurnal Teknik Informatika (JUTIF) Journal of Electrical Engineering and Computer (JEECOM) Information System Journal (INFOS) SmartComp Intechno Journal : Information Technology Journal Scientific Journal of Informatics
Anggit Dwi Hartanto, Anggit Dwi
Unknown Affiliation
Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Mathematics Social Sciences Other

Published : 36 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Tecnoscienza

 1 
Literatur Review Bat Algorithm Terhadap Analisis Sentimen Pada Lini Masa Twitter Adipradana, Candra; Utami, Ema; Hartanto, Anggit Dwi
JURNAL TECNOSCIENZA Vol. 5 No. 1 (2020): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/v4mwd237

Abstract

Algoritma metaheuristik seperti particle swarm optimization, firefly algorithm and harmony sekarang menjadi metode yang kuat untuk menyelesaikan banyak masalah optimasi yang sulit. Dalam literature review ini, kami mengusulkan suatu metode metaheuristik baru yaitu Binary Bat Algorithm atau Algoritma Kelelawar dengan Biner, hal ini didasarkan pada perilaku ekolokasi kelelawar. Kami juga berniat untuk menggabungkan keunggulan dari algoritma yang ada ke dalam algoritma kelelawar baru. Setelah perumusan terperinci dan penjelasan implementasinya, kami akan melakukannya perbandingan algoritma yang diusulkan dengan algoritma lain yang ada, termasuk genetic algorithms and particle swarm optimization. Simulasi menunjukkan bahwa algoritma yang diusulkan tampaknya jauh lebih unggul daripada algoritma lainnya, dan kedepannya studi lebih lanjut juga akan dibahas. Kata kunci: Biner, Ekolokasi, Metaheuristik, Algoritma Kelelawar
Klasifikasi Kepribadian Dengan Metode DISC Pada Twitter Menggunakan Algoritma Artificial Neural Network Idris, Idris; Utami, Ema; Hartanto, Anggit Dwi
JURNAL TECNOSCIENZA Vol. 5 No. 1 (2020): TECNOSCIENZA
Publisher : JURNAL TECNOSCIENZA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51158/3s308g79

Abstract

Maju mundurnya suatu perusahaan biasanya didukung oleh adanya sumber daya yang handal, terutama sumber daya manusia. Perekrutan dan penempatan pegawai pada posisi yang tepat akan membawa dampak yang signifikan bagi suatu perusahaan. Di dunia ini sifat dan karakter manusia sangat beraneka ragam bentuknya. Teori DISC mengklasifikasikan kepribadian menjadi empat tipe yaitu dominance, influence, steadiness dan compliance. Perbedaan karakter setiap tipe tentu saja akan berpengaruh pada gaya perilaku, cara menghadapi tekanan hidup dan juga cara berkomunikasi baik secara langsung maupun dengan media sosial. Melalui sosial media, seseorang dapat meluapkan perasaanya melalui postingan yang diunggahnya. Dari postingan tersebut dapat dilakukan analisis mengenai karakter kepribadian yang ia dimiliki. Penelitian ini bertujuan untuk mengetahui seberapa besar akurasi analisis profiling pada Twitter sehingga bisa menjadi acuan untuk proses perekrutan pegawai. Penelitian ini menggunakan algoritma Artificial Neural Network untuk mengklasifikasikan 275 akun Twitter kedalam teori DISC dan mendapatkan akurasi sebesar 42,91% dari 72 skenario yang dijalankan. Kata kunci: Kepribadian DISC, Media Sosial, Analisis Profiling, Sumber Daya Manusia
Co-Authors Adiatma, Biva Candra Lutfi Adipradana, Candra Aji Santoso, Bayu Ananda, Fadhilah Dwi arif nur rohman Arif Santoso Astica, Yustikamasy ATIK NURMASANI Budi, Agung Prasetio Christyawan, Fajar Ema Utami Fajri, Ika Nur Febriyanti, Nada Rizki Fiardin, Tsintani Tisaga Fitriyani, Nurul Khasanah Hartatik Hedy Leoni Hendrawan, Ivan Rifky Hidayat, Jati Arif Idris Idris Iedwan, Aisha Shakila Iskandar, Ahmad Fikri Julianto, M. Rayhan Wahyu Kanoena, Melcior Paitin Kencana, Adi Kresna Khairullah, Irfan Khalil Kurniawan, Aas Andri Kurniawan, Febri Dwi Kusnawi Kusnawi Kusrini, Kusrini Linda, Kumara Dewi Mauliza, Nia Pattimura, Yudha Bagas Pratama, Jibran Yoga Purwoko, Joshua Dwi Giovani Ramadhan, Muhammad Jauharul Ramadhani, Zanuarestu Rasyid, Muhammad Khulqi Safira, Livia salisah, Tuhfatus Sari, Bunga Permata Setiadi F., A. Farhan Setiawan, Annas Setiawanda, Yongky Budi Suwanto Raharjo Syahrudin, Erwin Tara, Yudi Tuhpatussania, Siti Wahyu Hidayat wahyuni, wenti ayu Wasistha, Dyah Wicaksono, Anggito Whiku Wisnu Nugroho Aji, Wisnu Nugroho Yoga Pristyanto Yulianto, Yogi Yusa, Aldo