Claim Missing Document
Check
Articles

Perbandingan Peramalan Indeks Harga Saham Gabungan Menggunakan Support Vector Machines Dan Jaringan Saraf Tiruan Karina Priscilia; Rian Febrian Umbara; Jondri Jondri
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Support vector machines merupakan sebuah alat prediksi klasifikasi dan regresi yang menggunakan teori pembelajaran mesin (machine learning) untuk meningkatkan akurasi prediksi dan sekaligus menghindari data yang over-fit. Jaringan saraf tiruan adalah suatu teknologi komputasi yang berbasis pada model saraf biologis, model ini membantu mensimulasikan tingkah laku dan kerja model saraf terhadap berbagai macam masukan. Penelitian ini menggunakan metode support vector machines dan jaringan saraf tiruan untuk peramalan pergerakan Indeks Harga Saham Gabungan. Kedua metode ini akan dibandingkan melalui nilai akurasi, waktu komputasi dan kompleksitas algoritma. Hasil perhitungan 10 indikator dijadikan input pada sistem. Pada penelitian ini diperoleh hasil, yaitu dengan menggunakan metode jaringan saraf tiruan didapatkan akurasi testing sebesar 68,26% dan total waktu komputasi sebesar 9,068 seconds, sedangkan menggunakan metode support vector machines didapatkan akurasi sebesar 56,57% dan total waktu komputasi sebesar 27,666 seconds. Waktu asimptotik metode JST adalah 𝑶 (𝒏𝟐)dan waktu asimptotik metode SVM adalah 𝑶 (𝒏𝟑). Percobaan ini menunjukkan metode jaringan saraf tiruan lebih baik dibandingkan support vector machines dalam meramalkan pergerakan Indeks Harga Saham Gabungan, selain itu metode JST memiliki kompleksitas waktu asimptotik yang lebih cepat, hal ini menunjukkan bahwa algoritma JST lebih efisien.
Analisis & Implementasi Fuzzy Inference System(Fis)-Mamdani Dalam Klasifikasi Hasil Prediksi Krisis Energi(Batu Bara, Gas Alam, Minyak Bumi) Di Indonesia Hafidz Firmansyah; Jondri Jondri
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

FIS(Fuzzy Inference System)merupakan metode yang mampu melakukan klasifikasi serta mengatasi masalah yang bersifat ambigu seperti krisis energi. Pada penelitian kali ini diterapkan FIS dengan model mamdani, dimana model ini mampu mengevaluasi kondisi secara dinamis dan menghasilkan output yang intuitif serta dapat diterima oleh pola pikir manusia.Rata-rata akurasi klasifikasikrisis yang dihasilkan sistem untuk parameter GDP mencapai 85,60%, populasi mencapai 80,30% dan parameter kombinasi GDP dan populasi(hybrid) mencapai 80,30%.
Optimasi Hasil Prediksi Ketersediaan Energi Sumber Daya Mineral Menggunakan Algoritma Genetika Eka Handayani; Jondri Jondri
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Energi dan Sumber Daya Mineral (ESDM) merupakan salah satu sumber daya terpenting di Indonesia. Salah satu cara untuk mengetahui ketersediaan energi adalah melakukan prediksi pada ESDM. Prediksi ini dilakukan menggunakan model autoregressive yang diimplementasikan pada data time series dan dioptimasi menggunakan Algoritma Genetika. Berdasarkan hasil observasi yang dilakukan untuk pencarian parameter algoritma genetika, diperoleh parameter terbaik yaitu ukuran populasi pada nilai 100 dan 200 sedangkan probabilitas pindah silang bernilai 0.8 dan probabilitas mutasi nilainya 0.1. Prediksi ini menghasilkan akurasi yang baik, yaitu MAPE di bawah 25%. Prediksi yang menghasilkan MAPE terbaik adalah prediksi yang menggunakan data latih sebesar 85% dan data uji sebesar 15%. Hasil akhir dari prediksi adalah adalah ketersediaan gas alam dan batubara masih aman, sedangkan ketersediaan minyak bumi mengalami krisis.
Analsis Dan Implementasi Jaringan Syaraf Tiruan - Propagasi Balik Dalam Memprediksi Produksi Dan Konsumsi Minyak Bumi , Gas Bumi, Dan Batu Bara Di Indonesia Anggit Nourislam; Jondri Jondri
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Indonesia adalah salah satu negara penghasil sumber energi yang terbentuk dari fosil ataupun non fosil. Sumber energi yang tercipta dari fosil bukanlah sesuatu yang dapat dengan mudah didaur ulang yang mengakibat terjadinya krisis energi di masa mendatang.Kondisi krisis energi ini perlu diprediksi kapan terjadinya karena dapat mempengaruhi kondisi perekonomian Indonesia. Prediksi krisis energi fosil di masa mendatangdapat dilakukandengan melihat pola dari produksi dan konsumsi energi tersebut di Indonesia. Untuk mengetahui pola tersebut, dibutuhkan sebuah model yang cukup stabil terhadap perubahan karena naik turunnya produksi dan konsumsi bisa terjadi dengan cepat.Oleh sebab itu dibutuhkan algoritma jaringan syaraf tiruan yang merupakanmodel pembelajaran yang stabil terhadap perubahan pola dalam kurun waktu yang cepat. Model ini menghasilkan keluaran berupa nilai prediksi dari produksi dan konsumsi di masa mendatang yang nantinya dapat dikelompokkan apakah indeks tersebut tergolong krisis atau tidak.
Peramalan Harga Saham Menggunakanhidden Markov Models Tifani Intan Solihati; Jondri Jondri; Deni Saepudin
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Saham merupakan salah satu surat-surat berharga yang diperdagangkan di pasar modal yang bersifat bukti pernyataan kepemilikan terhadap perusahaan. Investor yang mengalokasikan asetnya dalam perdagangan saham harus mempertimbangkan tingkat return dan risiko ketika memilih saham. Tingkat return tersebut berupa dividen dan keuntungan jika harga jual sahamnya melebihi harga belinya. Sedangkan risiko investasi saham diakibatkan oleh fluktuasi naik-turunnya harga saham. Peramalan harga saham dapat dilakukan dengan banyak cara, salah satunya dengan menggunakan Hidden Markov Models (HMM). Pada penelitian ini dilakukan dengan menggunakan continuous observation densities HMM dengan multivariate Gaussian distributions dan multiple observation sequences.  Penelitian ini menggunakan dua skenario yaitu memprediksi harga saham selama selang waktu 10 hari  dengan jumlah state = 4 dan 20 hari dengan jumlah state = 6.  Saham yang digunakan yaitu saham Bank BCA, Jasa Marga, dan Bank Mandiri. Hasil terbaik diperoleh pada prediksi saham Bank BCA di skenario ke-2 dengan MAPE 3,6743 %.
Implementasi Prediksi Kedalaman Laut Berdasarkan Citra Satelit Menggunakan Support Vector Regression Putri Haryati Rizki; Jondri Jondri; Rian Febrian Umbara
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Penginderaan jauh adalah sebuah metode untuk memperoleh informasi tentang obyek, daerah, atau gejala dengan menganalisis data yang diperoleh tanpa kontak langsung terhadap obyek, daerah, atau gejala yang dikaji. Bathymetry merupakan salah satu bagian dari penginderaan jauh, yaitu ilmu yang mempelajari kedalaman dibawah air atau disebut juga topografi dasar laut. Dalam penelitian ini, akan dilakukan sebuah implementasi prediksi kedalaman laut menggunakan menggunakan Support Vector Regression. Untuk mendapatkan model prediksi, pertama dilakukan pemrosesan awal citra satelit dan data kedalaman dengan menggunakan aplikasi sistem informasi geografis, yaitu ArcGIS. Dari proses tersebut akan dihasilkan data komponen warna Red, Green, dan Blue beserta data kedalaman pada tiap pikselnya yang akan berguna untuk proses selanjutnya. Proses berikutnya adalah melakukan learning dengan metode Support Vector Regression (SVR) dengan fungsi kernel gaussian radial basis function (RBF). Hasil prediksi yang dihasilkan dari metode ini sudah cukup baik, dibuktikan dari presentase MAPE sebesar 0,176067252 dengan nilai C = 50, ɛ = 0,0001, serta kernel = 5.
Implementasi Dan Analisis Prediksi Kedalaman Laut Berdasarkan Citra Satelit Menggunakan Artificial Neural Network Nurseno Bayu Aji; Jondri Jondri; Rian Febrian Umbara
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

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

Abstract

Teknologi informasi berkembang dengan pesat dari waktu ke waktu. Dengan perkembangan teknologi tersebut menjadikan manusia terus berkreasi untuk menciptakan teknologi baru untuk mempermudah orang dalam mengakses informasi yang diinginkan dengan cepat. Salah satu teknologi yang bisa diangkat adalah tentang penginderaan jauh dalam bidang pengukuran kedalaman laut atau bathymetry. Dengan citra satelit akan didapatkan suatu informasi yang dapat digunakan sebagai acuan untuk dijadikan variabel yang akan digunakan dalam menentukan kedalaman laut. Tujuan dari penelitian ini adalah untuk merancang parameter-parameter ANN dan menganalisis kinerja sistem dalam prediksi kedalaman laut menggunakan ANN. Untuk pembentukan sistem, data diambil dari 2 tempat yang berbeda, untuk data citra sendiri diambil dari google map dan untuk data kedalaman diambil dari Hawaii University. Dalam penelitian ini data yang ada akan diolah dalam 2 tahapan yaitu preprocessing citra masukan dan prediksi kedalaman laut. Skenario yang dilakukan adalah mencari kinerja sistem yang terbaik dari parameter-parameter ANN yang dipakai. Namun terlebih dahulu data citra digabungkan dengan data kedalaman sehingga data dapat digunakan untuk melatih model ANN. Dari sekian banyak skenario didapatkan skenario terbaik pada hidden layer ada 3 dengan neuron [ 20 15 25 ], epoch 2000 dan learning rate 0,001.
Development of Wireless Patient’s Vital Sign Monitor Using Wireless LAN (IEEE.802.11.b/g) Protocol Achmad Rizal; Vera Suryani; Jondri Jondri; Sugondo Hadiyoso
International Journal of Electrical and Computer Engineering (IJECE) Vol 4, No 6: December 2014
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (563.464 KB)

Abstract

Vital sign monitor is typical medical instrument for basic physiological measurement. Medical practitioner assesses a patient’s health condition by observing measurement results shown in display. In this research, we designed low cost, wireless, PC-based vital sign monitor. Signals captured in designed vital sign monitor are electrocardiogram (ECG), photoplethysmogram (PPG), and body temperature. Captured data are transmitted via wireless LAN module so that medical practitioner is able to monitor patient’s condition remotely from another room or place. The system worked well for maximum transmission distance about 45 meters for LOS condition and 20 meter for NLOS condition.DOI:http://dx.doi.org/10.11591/ijece.v4i6.6429
Automatic whole-body bone scan image segmentation based on constrained local model Ema Rachmawati; Jondri Jondri; Kurniawan Nur Ramadhani; Achmad Hussein Sundawa Kartamihardja; Arifudin Achmad; Rini Shintawati
Bulletin of Electrical Engineering and Informatics Vol 9, No 6: December 2020
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.11591/eei.v9i6.2631

Abstract

In Indonesia, cancer is very burdensome financially for sufferers as well as for the country. Increasing the access to early detection of cancer can be a solution to prevent the situation from worsening. Regarding the problem of cancer lesion detection, a whole-body bone scan image is the primary modality of nuclear medicine for the detection of cancer lesions on a bone. Therefore, high segmentation accuracy of the whole-body bone scan image is a crucial step in building the shape model of some predefined regions in the bone scan image where metastasis was predicted to appear frequently. In this article, we proposed an automatic whole-body bone scan image segmentation based on constrained local model (CLM). We determine 111 landmark points on the bone scan image as the input for the model building step. The resulting shape and texture model are further used in the fitting step to estimate the landmark points of predefined regions. We use the CLM-based approach using regularized landmark mean-shift (RLMS) to lessen the effect of ambiguity, which was struggled by the CLM-based approach. From the experimental result, we successfully show that our proposed image segmentation system achieves higher performance than the general CLM-based approach.
Classification of Premature Ventricular Contraction (PVC) based on ECG Signal using Convolutional Neural Network Jondri Jondri; Achmad Rizal
Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Vol 8, No 3: September 2020
Publisher : IAES Indonesian Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52549/ijeei.v8i3.1530

Abstract

This study observes one of the ECG signal abnormalities, which is the Premature Ventricular Contraction (PVC). Many studies applied a machine learning technique to develop a computer-aided diagnosis to classify normal and PVC conditions of ECG signals. The common process to obtain information from the ECG signal is by performing a feature extraction process. Since the ECG signal is a complex signal, there is a need to reduce the signal dimension to produce an optimal feature set. However, these processes can remove the information contained in the signal. Therefore, this study process the original ECG signal using a Convolutional Neural Network to avoid losing information. The input data were in the form of both one beat of normal ECG signal or PVC with size 1x200. The classification used four layers of convolutional neural network (CNN). There were eight 1x1 filters used in the input. Simultaneously, 16 and 32 of 1x1 filters were used in the second and the fourth convolutional layers, respectively. Thus the system produced a fully connected layer consisted of 512 neurons, while the output layer consisted of 2 neurons. The system is tested using 11361 beats of ECG data and achieved the highest accuracy of 99.59%, with the 10-fold cross-validation. This study emphasizes an opportunity to develop a wearable device to detect PVC since CNN can be implemented into an embedded system or an IoT based system.
Co-Authors Achmad Hussein Sundawa Kartamihardja Achmad Rizal Achmad Salim Aiman Aditya Kusuma Setyanegara Adnan Hassal Falah Ahmad, Fathih Adawi Akbar, Muhammad Rizqi Al Azhar Al Azhar Alfredo Alfredo Ali Zainal Abidin Assajjad Anditya Arifianto Andrian Yoga Pratama Anggit Nourislam Anggit Nourislam Anggit Nourislam Aniq Atiqi Rohmawati Anisa Nur Aini Annisa Aditsania Arief Hutauruk Arifudin Achmad Artamira Rizqy Amartya Maden Arya Rafif Muhammad Fikri Astri Asroviana Putri Aswindo Putra Bambang Ari Wahyudi Bayu Prabawa Bintang Aryo Dharmawan Bramandyo Widyarto, Edgarsa Daffa Ulayya Suhendra Danang Triantoro M Danang Triantoro Murdiansyah Danu Ardiyanto Dea Taradipa Ardiagarianti Dede Tarwidi Deni Saepudin Denny Maulana Deny Sugiarto Wiradikusuma Devy Yendriani Dieka Nugraha Karyana Ditta Febriany Sutrisna Diwan Mukti Pambuko Diwan Mukti Pambuko, Diwan Mukti Dyas Puspandari E Handayani Echa Pangersa Sugianto Oeoen Edvan Tazul Arifin Eka Handayani Eka Handayani Ema Rachmawati Emha Ainun Erlina Febriani Ersa Christian Prakoso Fahrudin Julianto Faisal HAmdani Fakhrana Kurnia Sutrisno Fani Nuraini Farisi, Kamaludin Hanif Fauzan Azhim Umsohi Fazlur Rahman Amri Febiansyah, Muhamad Fery Kun Widi Yudantyo Firdaniza Firdaniza Fitriyani Fitriyani Fransisca Arvevia Intan Angelia Ghina Khoerunnisa Giali Ghazali Guntur Virgenius Hadi, Salman Farisi Setya Hafidz Firmansyah Hafidz Firmansyah Hafiz Denasputra Halprin Abhirawa Hendra Prasetyanwar Huda Sepriandi Ibrahim Husna Aydadenta Ida Bagus Gde Narinda Giriputra Ika Puspita Dewi Ilham Muhammad Iman Nur Fakhri Imannda Kusuma Putra indwiarti Indwiarti Iqbal Dwihanandrio Irgi Aditya Rachman Irma Palupi Irwan Ramadhana Kamaludin Hanif Farisi Karina Priscilia Karina Priscilia Kemas Muslim Lhaksmana Kukuh Rahingga Permadi Kurniawan Nur Ramadhani Mahmud Dwi Sulistiyo Mahmud Sulistiyo Megi Rahma Dony Moch. Bijaksana Muh. Arfan Arsyad Muhalani, Raisul Muhamad Febiansyah Muhammad Farhan Muzakki Muhammad Fikrie Abdillah Muhammad Ghazali Suwardi Muhammad Hasan Muhammad Hasbi Ashshiddieqy Muhammad Irfan Fathurrahman Muhammad Wildan Putra Aldi Muslim Lhaksmana, Kemas Naufal Dzaky Anwari Naufal Furqan Hardifa Nurseno Bayu Aji Nurseno Bayu Aji Patma Oktaviana Puspandari, Dyas Putri Haryati Rizki Putri Haryati Rizki Putu Harry Gunawan Rafi Hafizhni Anggia Rahadian, Muhammad Rafi Raisul Muhalani Ratih Puspita Furi Redha Arifan Juanda Redi Nurjamin Renette Ersti Reza Harun Rian F. Umbara Rian F. Umbara, Rian F. Rian Febrian Umbara Rica Ning Nurhasanah Rini Shintawati Rita Rismala Rizki Luthfan Azhari Rizky Ahmad Saputra Rizky, Fariz Muhammad Roizal Manullang Siti Sa'adah Siti Saadah Sugondo Hadiyoso Supriadi, Muhamad Rifqi Syadzily , Muhammad Hasan Syifa Khairunnisa Salsabila Tedy Suwega Theo Andrew Tiara Laksmi Basuki Tifani Intan Solihati Tjokorda Agung Budi Wirayuda Ulky Parulian Wibowo Untari Novia Wisesty Untari Wisesty Varian Vianandha Vena Erla Candrika Vera Suryani Widi Astuti Widi Astuti Yahya Setiawan Yosua Marchel