Article Per Year (5 Year)
p-Index From 2021 - 2026
5.154
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Bulletin of Electrical Engineering and Informatics Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Indonesia Symposium on Computing Indonesian Journal on Computing (Indo-JC) JOIN (Jurnal Online Informatika) Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Building of Informatics, Technology and Science JINAV: Journal of Information and Visualization Charity : Jurnal Pengabdian Masyarakat KLIK: Kajian Ilmiah Informatika dan Komputer Almufi Jurnal Pengabdian kepada Masyarakat eProceedings of Engineering Jurnal Matematika Integratif SmartComp CSRID LOGIC: Jurnal Penelitian Informatika
Jondri Jondri
Universitas Telkom, Bandung
Religion Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation Other

Published : 120 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 77 Documents
Search
Journal : eProceedings of Engineering

 4   5   6   7   8 
Analisis Sentimen Mahasiswa Terhadap Fasilitas Universitas Telkom Menggunakan Metode Jaringan Saraf Tiruan Dan Tf-idf Muhammad Farhan Muzakki; Jondri Jondri; Rian Febrian Umbara
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

AbstrakKeberadaan kuisioner dapat membantu instansi manapun untuk meningkatkan fasilitas ataupunkinerjanya. Tetapi dengan kuisioner yang berjumlah ratusan bahkan ribuan akan menyulitkan instansiuntuk mengetahui kesimpulan dari seluruh data kuisioner. Data kuisioner yang diambil sebagai acuanyaitu data yang berisi tanggapan positif dan negatif. Oleh karena itu, penelitian ini menganalisis kuisionermengenai fasilitas di Universitas Telkom. Analisis dilakukan dengan melakukan klasifikasi kuisioner yangberisi sentimen mahasiswa tentang fasilitas di Universitas Telkom. Metode klasifikasi yang digunakandalam penelitian ini adalah Jaringan Saraf Tiruan (JST) dengan model Multi Layer Perceptron yangdikombinasikan dengan fitur ekstraksi untuk dapat mendeteksi negasi dan pembobotan menggunakanTerm Frequency – Inverse Document Frequency (TF-IDF). Hasil pengujian pada aplikasi yang dibangunmemperlihatkan bahwa akurasi memberikan tingkat akurasi yang baik hingga 91,23%.Kata kunci: analisis sentimen, jaringan saraf tiruan, multi layer perceptron, TF-IDFAbstractThe existence of a questionnaire can help any agency to improve its facilities or performance. But withhundreds or thousands of questionnaires it will be difficult for agencies to find conclusions from allquestionnaire data. Questionnaire data taken as a reference are data that contain positive, negative, andneutral responses. Therefore, this study tried to analyze the questionnaire regarding facilities at TelkomUniversity. The analysis was carried out by classifying questionnaires containing student sentiments aboutfacilities at Telkom University. The classification method used in this study is Artificial Neural Networks(ANN) with a Multi Layer Perceptron model combined with extraction features to be able to detect negationand weighting using Term Frequency – Inverse Document Frequency (TF-IDF). The test results on theapplications that are built show that accuracy provides a good level of accuracy, and can be implemented.Keywords: sentiment analysis, artificial neural network, multi layer perceptron, TF-IDF
Prediksi Arah Pergerakan Indeks Saham Indonesia Menggunakan Bacpropagation yang Dioptimalkan dengan Algoritma Genetika Hafiz Denasputra; Jondri Jondri; Rian Febrian Umbara
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

Di sektor bisnis, selalu menjadi tugas yang sulit untuk memprediksi harga indeks harga pasar harian secara tepat. Oleh karena itu, ada banyak penelitian yang dilakukan mengenai prediksi arah pergerakan indeks harga saham. Banyak faktor yang mempengaruhi pada indeks pasar saham. Dalam penelitian ini, kita membandingkan dua tipe input untuk memprediksi arah indeks pasar saham harian. Kontribusi utama penelitian ini adalah kemampuan memprediksi arah indeks harga saham di Indonesia hari ini dengan menggunakan model jaringan saraf tiruan (JST) yang dioptimalkan. Untuk meningkatkan prediksi prediksi tren indeks pasar saham ke depan, kami mengoptimalkan model JST dengan menggunakan algoritma genetika (GA). Kemudian kami membandingkan tingkat akurasinya. Kata Kunci: Jaringan Saraf Tiruan (JST) , Algoritma Genetika (GA)
Analisis Sentimen Pada Kuisioner Kepuasan Terhadap Layanan Dan Fasilitas Universitas Dengan Menggunakan Klasifikasi Support Vector Machine (svm) Iman Nur Fakhri; Jondri Jondri; Rian Febrian Umbara
eProceedings of Engineering Vol 6, No 2 (2019): Agustus 2019
Publisher : eProceedings of Engineering

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

Abstract

AbstrakPerguruan tinggi sebagai sarana untuk proses memajukan kehidupan berbangsa dan bernegara perlumelakukan adanya peningkatan mutu dan kualitas layanan yang diberikan kepada mahasiswa. Kepuasanmahasiswa dianggap sebagai salah satu masalah utama perguruan tinggi yang harus dipecahkan agarterciptanya perguruan tinggi yang mampu menduduki peringkat nasional maupun internasional. Layananyang berpengaruh cukup besar dalam hal ini adalah layanan akademik. Tingkat kepuasan mahasiswaterhadap layanan berorientasi pada tenaga pendidik (dosen) sebagai pemberi jasa dan kualitas layanandalam sarana dan prasarana kegiatan perkuliahan. Oleh sebab itu dilakukan penelitian yang bertujuanuntuk mengetahui kepuasan mahasiswa terhadap layanan dan fasilitas universitas. Penelitian dilakukandengan pengklasifikasian menggunakan Support Vector Machine (SVM) dan pembobotan menggunakanTerm Frequency – Invers Document Frequency (TF-IDF) serta performansi sistem diukur menggunakanConfusion Matrix. Hasil survei kepuasan mahasiswa di Universitas Telkom dari 10000 isian terdapat 67%sentimeen positif dan 33% sentimen negatif. Nilai akurasi tertinggi yang didapatkan pada sistem ini sebesar70.39% dengan 10000 isian menggunakan kernel Linier.Kata kunci : Layanan Universitas, Analisis Sentimen, Support Vector Machine (SVM), TF-IDFAbstract Higher education as a means for the process of advancing the life of the nation and state needs to make anincrease in the quality and quality of services provided to students. Student satisfaction is considered as oneof the main problems of higher education that must be solved so that universities can be ranked nationallyand internationally. Services that have a significant influence in this regard are academic services. The levelof student satisfaction with services is oriented to the teaching staff (lecturers) as service providers andservice quality in the facilities and infrastructure of lecture activities. Therefore research is conducted whichaims to determine student satisfaction with university services and facilities. The research was conductedby classifying using Support Vector Machine (SVM) and weighting using Term Frequency - InverseDocument Frequency (TF-IDF) and system performance measured using Confusion Matrix. The results ofthe student satisfaction survey at Telkom University from 10000 entries contained 67% positive sentimeenand 33% negative sentiment. The highest accuracy value obtained in this system is 70.39% with 10000entries using the Linear kernel.Keywords: University Services, Sentiment Analysis , Support Vector Machine (SVM), TF-IDF
Prediksi Retweet Berbasis Fitur Content Similarity Dan Content Based Dengan Menggunakan Metode Support Vector Machine ( Svm ) Rafi Hafizhni Anggia; Jondri Jondri; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Teknologi informasi berkembang sangat pesat sehingga membantu kebutuhan manusia untuk mendapatkan sarana informasi dan komunikasi. Didalam media sosial seperti twitter sangat mudah sekali untuk mendapatkan informasi terkini seperti isu politik, kesehatan dan lainnya. Salah satu fitur penyebarannya yaitu retweet maka informasi akan cepat berpindah dari penguna satu ke pengguna lainnya. Penelitian ini berupaya untuk membangun sebuah sistem prediksi retweet dari isi konten pengguna dengan berbasis fitur Content Similarity dan Content Based menggunakan metode klasifikasi Support Vector Machine. Pembagian dataset menggunakan k fold cross validation dengan nilai k=10. Hasil akhir pada penelitian ini mendapatkan nilai akurasi rata rata sebesar 71.84%. Kata kunci : Twitter, Retweet, Content Similarity, Support Vector Machine
Klasifikasi Suara Paru Dengan Convolutional Neural Network (cnn) Muhammad Hasbi Ashshiddieqy; Jondri Jondri; Achmad Rizal
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

Abstrak Suara paru adalah suara yang disebabkan oleh pernapasan. Suara paru dapat menjadi salah satu pendeteksi kelainan pada pernapasan. Pendeteksian pada penelitian ini meliputi klasifikasi suara paru terhadap kelas normal, kelas crackle, kelas wheeze, dan kelas crackle and wheeze. Spektogram adalah representasi visual dari suara atau sinyal dengan bermacam frekuensi atau variabel lainnya. Spektogram juga disebut sebagai short-time Fourier transform. Algoritma short-time Fourier transform (STFT) adalah algoritma pengembangan dari algoritma Transformasi Fourier. Kelebihan algoritma STFT dibandingkan algoritma Transformasi Fourier adalah STFT dapat menunjukan lokasi terjadinya suatu frekuensi. Penelitian ini menggunakan spektogram karena algoritma pembelajaran mesin yang digunakan adalah convolutional neural network (CNN). CNN adalah algoritma yang telah tervalidasi dalam pengolahan citra medis. Oleh karena itu, penggunaan spektogram akan membuat akurasi CNN menjadi lebih tinggi. Dalam penelitian ini digunakan tiga proses augmentasi, yaitu shift up by a major third (four half-steps), compress to be one and a half as fast, compress to be half as fast. Proses augmentasi dilakukan untuk menghindari kondisi overfitting pada model pembelajaran mesin yang dilatih pada penelitian ini. Setelah melakukan pelatihan pada model pembelajaran mesin CNN dengan menggunakan generalisasi berupa augmentasi dan dropout layer, maka didapatkan akurasi sebesar 84,80% terhadap data latih dan 78,09% terhadap data uji. Kata Kunci: suara paru, spektogram, CNN
Prediksi Retweet Menggunakan Metode Bernoulli Dan Gaussian Naive Bayes Di Media Sosial Twitter Dengan Topik Vaksinasi Covid-19 Ika Puspita Dewi; Jondri Jondri; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 8, No 5 (2021): Oktober 2021
Publisher : eProceedings of Engineering

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

Abstract

Media sosial twitter adalah media sosial internasional yang mengizinkan pengguna untuk berbagi pesan atau biasa disebut tweet dengan maksimal 280 karakter per-tweet, dapat dilakukan secara publik maupun pribadi dengan pengguna lain. Twitter menyediakan berbagai informasi yang diperlukan mulai dari informasi kesehatan, pendidikan, olahraga, politik, makanan, dan keuangan, disediakan pula aktivitas retweet untuk menyebarkan kembali tweet orang lain sehingga penyebaran informasi menjadi lebih luas. Tujuan penelitian yaitu membangun sistem yang dapat mempredisksi penyebaran informasi di twitter menggunakan metode Bernulli dan Gaussian Naive Bayes yang menerapkan beberapa fitur seperti Network Feature, Content Similarity, dan Content Based Feature. Hasil penelitian yang didapat dengan menggunakan k-fold cross validation 10 yaitu menunjukkan Bernoulli Naïve bayes lebih unggul dibanding metode Gaussian Naïve Bayes dengan perolehan rata-rata f1-score Benoulli Naïve Bayes yaitu untuk skenario pertama sebesar 60.06% (f1-score), skenario kedua sebesar 60.08% (f1-score), dan skenario ketiga sebesar 60.09% (f1-score). Kata kunci : Penyebaran Informasi, Twitter, Content Similarity, Naïve Bayes
Analisis Dan Implementasi Sistem Trading Otomatis Bitcoin Dengan Menggunakan Recurrent Reinforcement Learning Bintang Aryo Dharmawan; Jondri Jondri
eProceedings of Engineering Vol 7, No 1 (2020): April 2020
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Bitcoin adalah salah satu cryptocurrency yang diminati untuk menjadi media investasi dalam mencapai keuntungan finansial. Meskipun investasi menggunakan Bitcoin sangat populer, investasi jenis ini memiliki risiko yang perlu dipertimbangkan. Untuk mengantisipasi risiko dalam berinvestasi menggunakan Bitcoin, sistem perdagangan diperlukan untuk berdagang secara otomatis. Sistem dibangun menggunakan dua metode komputasi, yaitu Recurrent Neural Network dan metode Reinforcement Learning yang kemudian disebut Recurrent Reinforcement Learning. Metode ini memerlukan nilai parameter yang tepat untuk memaksimalkan nilai sharpe ratio. Nilai sharpe ratio digunakan untuk mengukur kelebihan pengembalian, atau premi risiko, per unit deviasi dalam aset investasi atau strategi perdagangan. Dalam penelitian tugas akhir ini, dilakukan analisis terhadap parameter yang mempengaruhi kinerja sistem. Hasil yang diperoleh dari analisis yang telah dilakukan menyatakan bahwa sistem mendapatkan nilai sharpe ratio 0,10963. Nilai sharpe ratio yang didapatkan masih relatif tinggi karena suatu investasi dinilai beresiko rendah jika nilai sharpe ratio nya satu keatas. Kata Kunci:Bitcoin, Trading, Recurrent Reinforcement Learning,RRL Abstract Bitcoin is one of the cryptocurrency in demand to be an investment medium in achieving financial returns. Although investing using Bitcoin is very popular, this type of investment has risks that need to be considered. To anticipate risks in investing using Bitcoin, a trading system is needed to trade automatically. The system is built using two computational methods, namely Recurrent Neural Network and Reinforcement Learning method which is then called Recurrent Reinforcement Learning. This method requires the right parameter values to maximize the sharpe ratio value. Sharpe ratio values are used to measure excess returns, or risk premiums, per unit deviation in investment assets or trading strategies. In this final project research, an analysis of parameters that affect system performance is carried out. The results obtained from the analysis that has been done states that the system gets a sharpe ratio value of 0,10963. The value of the sharpe ratio obtained is still relatively high because an investment is considered low risk if the value of the sharpe ratio is one and above. Keywords: Bitcoin, Trading, Recurrent Reinforcement Learning, RRL
Klasifikasi Suara Paru-paru Menggunakan Jaringan Syaraf Tiruan Dan Wavelet Transform Deny Sugiarto Wiradikusuma; Jondri Jondri; Achmad Rizal
eProceedings of Engineering Vol 8, No 2 (2021): April 2021
Publisher : eProceedings of Engineering

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

Abstract

Abstraksi Suara paru-paru merupakan salah satu data yang penting dalam dunia kesehatan untuk membantu mendeteksi penyakit pernapasan. Mendeteksi penyakit pernapasan tidak cukup hanya dengan perkiraan saja maka diperlukan juga data yang valid untuk mendapatkan hasil akurat dengan data suara paru yang di transformasi menjadi sinyal dengan menggunakan wavelet discrete untuk memvisualisasikan suara paru-paru serta menggunakan metode Multilayer Perceptron untuk mengolah data suara paru ini sehingga dapat mengklasifikasikan jenis penyakit yang diderita oleh penderita penyakit pernapasan sebesar 76% dengan lebih akurat. Keywords: lung sound, wavelet transform, neural network, multilayer perceptron
Analisis Sentimen Destinasi Wisata Kuliner Di Twitter Menggunakan Tf-idf Dan Complement Naïve Bayes Pada Dataset Tidak Seimbang Fakhrana Kurnia Sutrisno; Jondri Jondri; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 8, No 4 (2021): Agustus 2021
Publisher : eProceedings of Engineering

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

Abstract

Opini masyarakat terhadap suatu destinasi wisata kuliner sangat bermanfaat bagi pemilik maupun pengunjung tempat tersebut. Maka dari itu dilakukan analisis sentimen terhadap destinasi wisata kuliner di Kota Bandung, yaitu Cuanki Serayu dan Sate DJ. Analisis sentimen diawali dengan mengambil data dari Twitter dan dilabeli secara manual menjadi positif, netral, dan negatif. Data yang sudah dilabeli dilakukan preprocessing dan oversampling pada data yang tidak seimbang. Dataset dibagi menjadi data train dan data test dengan perbandingan 70:30. Pelatihan data dilakukan menggunakan metode Complement Naïve Bayes dengan ekstraksi fitur TF-IDF. Dari hasil pengujian diperoleh nilai f1-score terbesar sebesar 0,80 dari data yang telah dilakukan oversampling. Kata kunci: analisis sentimen, oversampling, TF-IDF, Complement Naïve Bayes, f1-score
Analisis Klasifikasi Tweet Suatu Akun Film Production Dengan Kontent-based Dan Time-based Menggunakan Metode Naive Bayes Rizki Luthfan Azhari; Jondri Jondri; Kemas Muslim Lhaksmana
eProceedings of Engineering Vol 9, No 3 (2022): Juni 2022
Publisher : eProceedings of Engineering

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

Abstract

AbstrakPada era digital yang serba modern ini, media sosial menjadi sarana atau platform untuk menyebarkan berbagai macam informasi secara mudah. Twitter merupakan salah satunya, twitter sendiri adalah sebuahmedia sosial yang bisa menyebarkan suatu informasi melalui tweet (kata kata yang diunggah oleh pengguna). Tweet bisa mengandung berbagai macam informasi, pembahasan, video, gambar maupun tautan ke suatu website. Suatu tweet akan disebarkan dari suatu pengguna ke pengguna lainnya dengan cara me-meretweetnya. Pada penelitian ini bertujuan untuk menganalisa apakah suatu tweet akan di retweet oleh pengguna lainnya dengan menggunakan fitur kontent-based dan time-based dengan metode klasifikasi naïve bayes serta menggunakan k-fold cross validation dengan nilai k=5 untuk melakukan splitdata. Hasil performansi yang didapatkan dengan menerapkan metode tersebut berupa nilai ratarata akurasi 61,36%, rata-rata precision yang didapatkan sebesar 65,06%, rata-rata untuk recall sebesar 55,61%, lalu rata-rata untuk f1-score sebesar 50,49%.
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 Ledya Novamizanti 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