Article Per Year (5 Year)
p-Index From 2021 - 2026
5.249
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 Proceeding of Community Service and Engagement
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 : 121 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 121 Documents
Search

 9   10   11   12   13 
Retweet Prediction Using ANN Method and Artificial Bee Colony Jondri, Jondri; Farisi, Kamaludin Hanif; Lhaksmana, Kemas Muslim
CSRID (Computer Science Research and Its Development Journal) Vol. 15 No. 2: June 2023
Publisher : LPPM Universitas Potensi Utama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22303/csrid-.15.2.2023.83-92

Abstract

In the ongoing modern era, the rapid dissemination of information takes place, utilizing various channels for data exchange. One such platform is the social media platform Twitter, renowned for its swift and extensive information propagation. A pivotal factor contributing to information distribution on Twitter is the retweet feature, whereby users can redistribute content to their audience. A study has been conducted to forecast this retweet activity by employing the Artificial Neural Network classification method in conjunction with the Artificial Bee Colony optimization approach. This study leverages diverse features, encompassing content-based feature, user-based feature, and time-based feature. The evaluation results from this study reveal that the proposed method achieves an accuracy value of around 83% with the highest accuracy value reaching 84%. These findings indicate that the fusion of the Artificial Neural Network classification method executed with optimization using the Artificial Bee Colony algorithm yields dependable and consistent performance in predicting retweet activities.
Prediksi Retweet Berdasarkan Fitur Pengguna, Konten, dan Waktu Menggunakan Metode Klasifikasi ANN-Cat Swarm Optimization Syadzily , Muhammad Hasan; Jondri, Jondri; Lhaksmana, Kemas Muslim
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

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

Abstract

Abstrak - Twitter merupakan salah satu saranamicroblogging populer saat ini yang memungkinkanpenggunanya untuk mengirim pesan berupa teks, gambar,atau video, serta berbagi informasi dengan cepat. Salah satufitur utama di Twitter adalah retweet, dengan fitur inipengguna dapat memposting ulang pesan yang diunggaholeh orang lain. Penelitian ini bertujuan untuk membangunmodel prediksi retweet dengan metode klasifikasi ANN yangdioptimasi oleh algoritma CSO menggunakan fitur berbasispengguna, konten, dan waktu. Masalah yang dihadapidalam penelitian ini yaitu ketidakseimbangan kelas yangsering terjadi pada data retweet. Untuk mengatasi masalahtersebut, digunakan teknik oversampling danundersampling. Hasil evaluasi pada penelitian inimenunjukkan bahwa proses klasifikasi ANN dengan CSOdapat mencapai nilai akurasi sebesar 86.70% dan F1-Scoresebesar 86.61% dengan melakukan teknik undersampling. Kata kunci : retweet, prediksi, ANN, CSO, undersampling
Retweet Prediction Using Multi-Layer Perceptron Optimized by The Swarm Intelligence Algorithm Jondri, Jondri; Indwiarti, Indwiarti; Puspandari, Dyas
JOIN (Jurnal Online Informatika) Vol 8 No 2 (2023)
Publisher : Department of Informatics, UIN Sunan Gunung Djati Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15575/join.v8i2.1193

Abstract

Retweets are a way to spread information on Twitter. A tweet is affected by several features which determine whether a tweet will be retweeted or not. In this research, we discuss the features that influence the spread of a tweet. These features are user-based, time-based and content-based. User-based features are related to the user who tweeted, time-based features are related to when the tweet was uploaded, while content-based features are features related to the content of the tweet. The classifier used to predict whether a tweet will be retweeted is Multi Layer Perceptron (MLP) and MLP which is optimized by the swarm intelligence algorithm. In this research, data from Indonesian Twitter users with the hashtag FIFA U-20 was used. The results of this research show that the most influential feature in determining whether a tweet will be retweeted or not is the content-based feature. Furthermore, it was found that the MLP optimized with the swarm intelligence algorithm had better performance compared to the MLP.
Analisis Sentimen menggunakan Recurrent Neural Network Terkait Isu Anies Baswedan Sebagai Calon Presiden 2024 Hadi, Salman Farisi Setya; Jondri, Jondri; Lhaksmana, Kemas Muslim
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Sosial media twitter saat ini sudah menjadi wadah utama untuk menyalurkan berita dari suatu tempat ke tempat yang lain. Dengan adanya sosial media digital, masyarakat dapat dengan mudah mengetahui berita terkini ataupun memberi opini tentang isu yang sedang hangat. Isu yang ada bisa berasal dari beberapa bidang, seperti contoh dalam bidang politik. Salah satu isu hangat pada bidang politik adalah isu tentang Bapak Anies Baswedan sebagai calon presiden 2024. Perbincangan tersebut akan menghadirkan banyak sentimen positif maupun negatif, maka dari itu diperlukan sistem klasifikasi sentimen yang efektif. Metode yang digunakan pada penelitian ini adalah recurrent neural network yang dikombinasikan dengan word embedding word2vec. Hasil yang dihasilkan dari penelitian ini yaitu nilai akurasi sebesar 86.27%, nilai precision sebesar 88.24% dan nilai recall sebesar 84.91%.Kata kunci - sentimen, recurrent neural network, word2vec, word embedding
Analisis Sentimen Ulasan Pelanggan Tokopedia Menggunakan Metode Stacked Generalization Ahmad, Fathih Adawi; Jondri, Jondri; Lhaksmana, Kemas Muslim
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-E-commerce merupakan salah satu bentuk perkembangan dunia khususnya perdagangan barang dan jasa. Sistem perdagangan telah berevolusi dengan hadirnya e-commerce yang membuat penggunanya tidak terlepas dari teknologi internet. Produk yang tersedia di dalam e-commerce begitu banyak dan bervariasi macamnya. Seorang pelanggan dapat membagikan pengalamannya setelah bertransaksi, dengan menuliskan ulasan pada produk baru yang telah dibeli. Setiap ulasan menggambarkan kepuasan pelanggan dan emosi yang tertuang dalam sebuah kalimat yang belum tentu dimengerti hanya dengan membaca kata per kata saja. Faktor-faktor tersebut menjadi pembahasan dalam penelitian ini, dengan mengkategorikan analisis sentimen ulasan menjadi positif dan negatif. Pembobotan TF-IDF dalam text classification oleh metode Stacked Generalization bertujuan untuk mengetahui minat pembeli dalam membeli sebuah produk dari ulasan pembeli sebelumnya di Tokopedia. Hasil analisis pengujian menunjukkan pemodelan stacking mendapatkan macro average dengan nilai 0,67. Pengujian dilakukan pada dataset dengan 4.049 ulasan yang berisikan 3.551 sentimen positif dan 498 sentimen negatif. Kata kunci- stacked generalization, e-commerce, analisis sentimen
Prediksi Retweet Berdasarkan User-Based dan Content-Based Menggunakan Metode Ensemble Stacking Akbar, Muhammad Rizqi; Jondri, Jondri; Indwiarti, Indwiarti
eProceedings of Engineering Vol. 10 No. 2 (2023): April 2023
Publisher : eProceedings of Engineering

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

Abstract

Abstrak-Twitter merupakan salah satu social media yang sangat popular dan mudah digunakan untuk mendapatkan informasi secara cepat. Fitur Retweet merupakan salah satu alasan mengapa penyebaran informasi tersebut dapat tersebar dengan cepat. Retweet terjadi jika seorang follower men-tweet ulang tweet dari followee-nya. Pada penelitian ini dilakukan pemodelan untuk prediksi retweet berdasarkan feature user-based dan content-based dengan menggunakan metode Ensemble Stacking melalui proses K-fold Cross Validation. Ensemble Stacking ini dibentuk dengan 3 base-learner yaitu Random Forest, Gradient Boosting, dan Support Vector Machine(SVM). Sedangkan meta-learner yang digunakan adalah Support Vector Machine(SVM) Pemodelan ini menunjukan hasil terbaik ketika sudah dilakukan Imbalanced Class Handling menggunakan Teknik SMOTE dan K-fold Cross Validation dengan k=10. Hasil F1-score menunjukkan 86.46%. Dengan hasil demikian, bisa disimpulkan bahwa pemodelan yang dibentuk mampu meningkatkan hasil prediksi dari base-learnernya. Kata kunci-twitter, retweet, ensemble stacking, k-fold cross validation, oversampling
Implementasi Metode Naïve Bayes Classifier Terhadap Analisis Sentimen Tempat Wisata di Nusa Tenggara Barat Bramandyo Widyarto, Edgarsa; Jondri, Jondri; Muslim Lhaksmana, Kemas
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— Berwisata adalah salah satu kegiatan yang sudah menjadi sebuah kebutuhan dalam kehidupan kita. Karena dengan liburan, bisa melepas penat dari berbagai rutinitas. Sebelum menentukan tempat wisata, biasanya wisatawan mencari terlebih dahulu informasi yang dibutuhkan. Berbicara mengenai tempat wisata, di Indonesia terdapat salah satu provinsi yaitu Nusa Tenggara Barat yang terkenal akan destinasi wisatanya. Ada pantai, gunung dan juga pulau-pulau. Hadirnya media sosial, menjadikan mudah mendapatkan segala informasi dan bersifat aktual. Dengan kemudahan aksesnya, semua orang dapat berkontribusi dalam memberikan informasi, dalam hal ini adalah tempat wisata di Nusa Tenggara Barat. Wisatawan pun jika ingin mengunjungi tempat wisata, sudah memiliki gambaran mengenai tempat yang akan dikunjungi. Twitter adalah salah satu media sosial yang cukup banyak dipakai. Wisatawan yang sedang berkunjung ke tempat wisata maupun masyarakat yang berada disana dapat memberikan komentar berupa tweet. Informasi inilah yang sangat membantu untuk mengetahui kualitas tempat wisata yang akan dikunjungi. Penelitian ini dilakukan untuk mengetahui metode ekstraksi fitur TF-IDF terhadap performa algoritma Naive Bayes Classifier dalam melakukan proses klasifikasi berdasarkan tweet pengguna yang sudah pernah mengunjungi atau yang sedang berada di Nusa Tenggara Barat. Menghasilkan makro F1-score senilai 0,76 atau 76%.Kata Kunci— Wisata, Sentimen, Twitter, Naïve Bayes Classifier, Bag of word, TF-IDF
Prediksi Retweet Berdasarkan Konten Dan PenggunaDengan Metode Classifier Selection Muhamad Febiansyah; Jondri, Jondri; Indwiarti
LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 1 (2025): September 2025
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v3i1.9744

Abstract

Perkembangan media sosial telah merubah cara penyebaran informasi, dengan Twitter memainkan peran utama. Penelitian ini bertujuan mengembangkan model prediksi retweet di Twitter menggunakan fitur content-based dan user-based, serta teknik oversampling untuk meningkatkan kinerja model. Hasil eksperimen menunjukkan bahwa meta learner tanpa oversampling pada fitur content-based memiliki macro average F1-score sebesar 0.52, namun dengan recall yang sangat rendah untuk kelas retweet (6%) dan F1-score 0.11. Sebaliknya, meta learner dengan oversampling pada fitur content-based memperbaiki performa dengan presisi 0.86, recall 0.77, dan F1-score 0.80 untuk retweet, dengan nilai macro average F1-score sebesar 0.82 yang menunjukan kenaikan dibandingkan dengan meta learner tanpa oversampling. Untuk model user-based, tanpa oversampling, macro average F1-score memiliki nilai 0.75 dengan keseimbangan baik antara presisi dan recall pada kelas non retweet. Setelah oversampling, model user-based mempertahankan keseimbangan yang baik dengan presisi, recall, F1-score, dan macro average F1- score masing-masing sebesar 0.88 pada kelas retweet dan non retweet. Secara keseluruhan, oversampling meningkatkan kinerja model, terutama pada fitur content-based, dengan model user-based menunjukkan performa yang paling konsisten dan baik.
Prediksi Retweet Berdasarkan Fitur UserBased, Content-Based, dan Time-Based Menggunakan Metode ANN-GSO Raisul Muhalani; Jondri, Jondri; Indwiarti
LOGIC: Jurnal Penelitian Informatika Vol. 3 No. 1 (2025): September 2025
Publisher : Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/logic.v3i1.9827

Abstract

Media sosial menjadi salah satu platform yang banyak dipilih untuk sarana saling berbagi informasi, hiburan, serta dapat membuat mereka menghilangkan rasa penat dari aktifitas mereka sehari-hari. Media sosial sudah menjadi kebutuhan untuk sebagian besar masyarakat khususnya indonesia. Salah satu media sosial yang sering digunakan oleh masyarakat indonesia yaitu twitter. Twitter dapat membagikan sebuah postingan yang biasa disebut dengan tweet (kicauan) yang dapat digunakan oleh pengguna untuk membagikan tulisan, foto, video, maupun gif kepada publik. Salah satu fitur twitter yaitu retweet. Fitur retweet ini memiliki fungsi untuk membagikan kembali sebuah postingan, baik postingan mereka sendiri maupun postingan pengguna lain. Fitur ini sangat berperan penting dalam penyebaran informasi. Penelitian ini membahas mengenai prediksi retweet menggunakan fitur user-based, content-based, dan time-based dengan metode Jaringan Saraf Tiruan (Artificial Neural Network) untuk klasifikasinya, yang dioptimalkan dengan algoritma Glowworm Swarm Optimization (GSO) untuk mendapatkan tingkat akurasi yang lebih tinggi. Model ANN yang dioptimalkan dengan GSO menunjukkan hasil terbaik ketika dilakukan skenario oversampling, dengan akurasi sebesar 78% dan F1-Score 78%. Pada GSO terdapat peningkatan pada dataset model prediksi secara keseluruhan.
Pengenalan Kecerdasan Artificial (KA) dan Penerapannya dalam Proses Pembelajaran untuk Guru SMA Handayani 1 Arjasari Jondri; Indwiarti; Novamizanti, Ledya
Almufi Jurnal Pengabdian Kepada Masyarakat Vol 5 No 2: Desember (2025)
Publisher : Yayasan Almubarak Fil Ilmi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.63821/ajpkm.v5i2.498

Abstract

Pemahaman tentang Kecerdasan Artifisial (KA) perlu diberikan kepada siswa SMA. Dengan memahami dasar-dasar KA siswa diharapkan dapat menghadapi tantangan dimasa depan, dimana KA banyak diterapkan dalam kehidupan sehari-hari. Lembaga dunia Unesco sudah mengantisipasi hal ini dengan cara mengeluarkan panduan kompetensi KA untuk pelajar dan Guru. Begitu juga dengan pemerintahan Indonesia melalui Badan Standar, Kurikulum, dan Asesmen Pendidikan Kementerian Pendidikan Dasar dan Menengah Republik Indonesia telah mengeluarkan naskah akademik  pembelajaran koding dan kecerdasan artifisial pada pendidikan dasar dan menengah. Guru merupakan salah satu garda terdepan dalam mengenalkan dan mengajarkan KA kepada siswanya. Pengabdian masyarakat ini bertujuan untuk meningkatkan pemahaman guru-guru SMA Handayani 1 Arjasari terhadap KA dan bagaimana mengajarkannya kepada siswa. Materi KA yang diberikan adalah beberapa aplikasi KA dalam kehidupan sehari-hari dan teknik dasar KA seperti Reasoning dan Learning. Hasil pengabdian Masyarakat ini berupa pemahaman yang meningkat dari  guru SMA Handayani 1 Arjasari terhadap KA. Hal ini terlihat dari hasil kuisioner yang diberikan kepada guru setelah dilaksanakan kegiatan ini.  Sebanyak 86% dari peserta menyatakan bahwa pemahaman mereka tentang KA dan penggunaan KA dalam pengajaran meningkat setelah mengikuti kegiatan ini.
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