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 120 Documents
Search

 1   2   3   4   5 
PREDIKSI CRASH SAHAM MENGGUNAKAN LOG PERIODIC POWER LAW DENGAN NONLINEAR OPTIMIZATION (STUDI KASUS: PASAR SAHAM INDONESIA) Ditta Febriany Sutrisna; Jondri Jondri; Aniq Atiqi Rohmawati
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 1 (2016): March, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.1.10

Abstract

Pergerakan indeks harga saham menjadi tolak ukur para investor untuk membuat keputusan yang akan diambil seperti menjual, mempertahankan, atau membeli saham tersebut. Akan tetapi kondisi harga saham yang tidak menentu atau naik turun, mengakibatkan pasar keuangan rentan terhadap crash harga saham. Pada tugas akhir ini, digunakan model Log Periodic Power Law dengan Nonlinear Optimization untuk memprediksi crash terhadap harga saham. Nonlinear Optimization terdapat dua tahap yaitu metode Tabu Search dan algoritma Levenberg-Marquardt kuadrat terkecil nonlinier. Metode Tabu Search untuk mendapatkan tebakan awal dari parameter model LPPL, dan algoritma Levenberg-Marquardt kuadrat terkecil nonlinier untuk mendapatkan nilai parameter dari model LPPL. Hasil prediksi crash saham dilihat dari distribusi perkiraan waktu krisis dengan peluang paling besar. Berdasarkan informasi dari data IHSG, krisis terjadi pada bulan Oktober 2008. Hasil prediksi menggunakan model LPPL dengan Nonlinear Optimization menunjukkan waktu crash harga saham mendekati nilai pada tanggal 23 Januari 2008. Nilai harapan dengan probabilitas waktu paling besar terjadi pada tanggal 31 Januari 2008.
Prediksi Ketersediaan Energi Sumber Daya Mineral di Indonesia yang di Optimasi Menggunakan Algoritma Genetika Siti Saadah; E Handayani; Jondri -
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.27

Abstract

Energi dan Sumber Daya Mineral (ESDM) sebagai unsur yang merupakan kebutuhan utama pada suatu Negara membutuhkan kajian untuk memprediksi ketersediaannnya. 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 dengan akurasi MAPE yang diperoleh 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 termasuk ke dalam kategori tidak krisis, sedangkan ketersediaan minyak bumi mengalami krisis.Kata kunci: Prediksi, Algoritma Genetika, Energi, autoregressive, time series. 
Steganografi Menggunakan Blok Permutasi dan Algoritma Particle Swarm Optimization (PSO) Husna Aydadenta; Danang Triantoro M; Jondri Nasri
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.89

Abstract

Pada saat ini perkembangan teknologi sudah semakin maju, banyak hal yang dipermudahkan oleh teknologi, salah satu nya dalam komunikasi. Komunikasi melalui jaringan internet sudah menjadi pilihan utama karena kemudahan dan kecepatannya. Akan tetapi keamanan datanya jarang diperhatikan oleh para users, sehingga dibutuhkan teknik keamanan data yang aman untuk menjaga data ketika melakukan komunikasi. Salah satu tekniknya adalah steganografi. Steganografi merupakan teknik untuk menyembunyikan informasi rahasia ke dalam beberapa media file. Pada penelitian ini dilakukan proses steganografi menggunakan metode blok permutasi dan algoritma optimasi PSO. Pesan yang akan disisipkan didalam citra digital akan dikonversi kedalam biner, selanjutnya akan dilakukan proses pra-steganografi dengan metode blok permutasi, sehingga pesan informasi akan teracak oleh metode tersebut. Selanjutnya algoritma PSO akan melakukan proses optimasi atau pencarian solusi terbaik untuk penyisipan pesan tiap piksel, tujuannya agar performansi citra tetap baik. Penyisipan pesan atau informasi dilakukan dengan pendekatan Least Significant Bit (LSB). Hasil akhir yang didapat menunjukan nilai performansi kualitas citra terbaik 60.4507 dB yaitu pada saat jumlah partikel 80 dan maksimum iterasi 50 dengan persentase error 5.86%. Sedangkan hasil performansi kualitas citra dengan menggunakan teknik LSB biasa yaitu 54.9364 dB dengan persentase error 21.03%. Hal ini menunjukan performansi kualitas citra dengan menggunakan metode blok permutasi dan algoritma PSO lebih baik dari pada menggunakan teknik LSB biasa.
Klasifikasi Keadaan Mata Berdasarkan sinyal EEG menggunakan Extreme Learning Machines Ersa Christian Prakoso; Untari Novia Wisesty; Jondri .
Indonesia Journal on Computing (Indo-JC) Vol. 1 No. 2 (2016): September, 2016
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21108/INDOJC.2016.1.2.105

Abstract

Electroencephalography atau sinyal EEG adalah salah satu biosignal yang marak menjadi topikpenelitian saat ini. Sinyal EEG memiliki banyak manfaat seperti pendeteksian epilepsi, gangguantidur, atau input dalam aplikasi komputer. Salah satu input yang dapat dideteksi berdasarkan sinyalEEG adalah keadaan mata. Namun untuk digunakan sebagai input dalam aplikasi diperlukanklasifikasi dengan performansi yang memadai. Oleh karena itu penulis akan dilakukan penelitiandimana salah satu metode pembelajaran Jaringan Syaraf Tiruan yaitu Extreme Learning Machine(ELM) akan diimplementasikan untuk mengklasifikasikan kondisi mata berdasarkan sinyal EEG.Dataset yang digunakan untuk melatih dan menguji model adalah dataset eye-state yangdidonasikan oleh Oliver Roesler digabung dengan dataset yang berasal dari website repositoryUniversitas of California, IrvineI (UCI) . Terdapat 7 corpus yang terdiri dari perekaman EEGyang dilakukan kepada 4 orang berbeda, lalu ditambahkan 1 corpus yang merupakanpenggabungan seluruh corpus lain. Dari hasil pengujian yang dilakukan disimpulkan bahwa ELMdapat digunakan untuk klasifikasi keadaan mata dengan akurasi mencapai 97,95% dengan waktulatih hanya 0,81 detik jika masing-masing data digunakan secara terpisah, sedangkanpenggabungan keseluruhan dataset hanya mencapai akurasi 78,94% dengan waktu latih 5,71 detik.
Topic Classification of Islamic Questionand Answer Using Naive Bayes Classifier Naufal Furqan Hardifa; Kemas Muslim Lhaksmana; Jondri Jondri
Indonesia Journal on Computing (Indo-JC) Vol. 4 No. 2 (2019): September, 2019
Publisher : School of Computing, Telkom University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34818/INDOJC.2019.4.2.346

Abstract

Topic classification is one of the most important components in an automatic Islamic question-answering system, which is capable of automatically providing the most relevant answers given a question about the Islamic issue. In our research, the Islamic question-answering system to be built collects existing Islamic questions and answers from trusted online Islamic consultation websites. To speed up the search for finding the appropriate answers, each Q & A entry should be classified into a topic. However, the question-answering system cannot directly adopt the topic classes provided by the online Islamic consultation websites, because different websites use different classifications. Since the number of Q & A entries could reach tenth thousands, an automatic topic classification method is required. In this paper, a naive Bayes classifier is implemented to classify Q & A entries. The classifier gives a satisfying result with 0.88 precision.
PEMBUATAN BAGAN WISATA UNTUK MENINGKATKAN PEREKONOMIAN NELAYAN DAN MELESTARIKAN POPULASI IKAN DI TELUK PELABUHAN RATU SUKABUMI 2017 Jondri _; Deni Saepudin; Putu Harry Gunawan
Charity : Jurnal Pengabdian Masyarakat Vol 1 No 1 (2018): Charity - Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v1i01.1584

Abstract

Bagan merupakan salah satu alat tangkap ikan yang digunakan oleh nelayan, termasuk para nelayan di Teluk Pelabuhan Ratu Sukabumi. Prinsip yang digunakan adalah memancing ikan untuk berkumpul dengan bantuan cahaya lampu pada malam hari dibawah bagan dan kemudian ditangkap dengan menggunakan jaring. Sekilas cara menangkap ikan seperti ini kelihatan menguntungkan, karena jumlah ikan yang bisa ditangkap bisa cukup banyak dan tidak perlu mengeluarkan bahan bakar untuk perahu. Tapi jika dilihat dalam perspektif jangka panjang, cara menangkap ikan seperti ini tidak ramah lingkungan. Karena ikan-ikan ukuran kecil juga ikut tertangkap dan dijual dengan harga yang murah. Selain harganya murah, stock ikan dilaut juga akan semakin berkurang. Dalam jangka panjang menangkap ikan dengan cara ini dapat merugikan nelayan. Dengan semakin bertambahnya jumlah bagan yang ada di Teluk Pelabuhan Ratu dikhawatirkan akan berdampak buruk terhadap lingkungan, karena pada daerah lain sudah terjadi jumlah ikan yang bisa ditangkap setiap tahunnya menurun dengan bertambah banyaknya jumlah bagan. Untuk itu perlu diberikan alternatif pemanfaatan bagan, dengan tidak mengurangi nilai ekonomi yang bisa diperoleh nelayan. Kegiatan pengabdian masyarakat yang dilakukan berupa pembuatan bagan wisata terpadu. Bagan wisata ini tidak dibuat dari awal, tapi dikonversi dari bagan konvensional milik nelayan. Pada bagan wisata ini akan dilengkapi dengan rumpon (tempat ikan berkembang biak dan berlingdung), karamba, tempat memancing, dan restoran yang diharapkan dapat menjadi alternatif wahana wisata bagi wisatawan yang berkunjung ke Pelabuhan Ratu.
PELATIHAN VISUALISASI DAN ANALISIS DATA MENGGUNAKAN TABLEAU DI SMKN 3 BANDUNG Jondri Jondri; Aniq Atiqi Rohmawati
Charity : Jurnal Pengabdian Masyarakat Vol 4 No 2 (2021): Charity-Jurnal Pengabdian Masyarakat
Publisher : PPM Universitas Telkom

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25124/charity.v4i2.3435

Abstract

Menurut data Dinas Tenaga Kerja (Disnaker) Kota Bandung, penyumbang terbesar pengangguran dikota Bandung adalah lulusan SMK. Salah satu penyebabnya adalah tidak sesuainya kompetensi lulusan SMK dengan kebutuhan pasar tenaga kerja. Salah satu jenis pekerjaan yang sedang booming saat ini adalah Big Data Analis, khususnya dibidang e-comerce. Perusahaan membutuhkan tenaga yang dapat mengambil knowledge dari data penjualan untuk dijadikan dasar bagi pihak manajemen untuk mengambil keputusan. SMK Negeri 3 Bandung adalah sekolah kejuruan di Bidang Bisnis Manajemen, Pariwisata, dan Teknik Informatika yang membuka 5 jurusan Kompetensi Keahlian yang semuanya sudah terakreditasi A. Jurusan di SMK Negeri 3 Bandung sangat cocok bagi generasi milenial yang dituntut siap menghadapi persaingan bisnis era kekinian. Disetiap 5 jurusan Kompetensi Keahlian yang terdapat di SMKN 3 Bandung mengajarkan komputer pada peserta didiknya. Selain itu SMKN 3 bandung mempunyai 12 buah ruang praktek komputer. Hal ini merupakan modal dasar yang kuat bagi guru-guru SMKN 3 Bandung mempelajari Big Data analisis, khususnya tentang visualisasi data yang berukuran besar. Pengabdian masyarakat ini dilaksanakan dalam 2 periode, yaitu peiode 1 dan 2 tahun 2020. Pada pengabdian masyarakat periode 1 diberikan dasar-dasar visualisasi data dengan Tableu. Pada periode 2 diberikan materi visualisasi data yang lebih kompleks dan beberapa metode analisis data dengan menggunakan Tableu
Prediction of Retweets Based on User, Content, and Time Features Using EUSBoost Ghina Khoerunnisa; Jondri; Widi Astuti
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 6 No 3 (2022): Juni 2022
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (283.217 KB) | DOI: 10.29207/resti.v6i3.4125

Abstract

Twitter is one of the popular microblogs that allow users to write posts. Retweeting is one of the mechanisms for the diffusion of information on Twitter. One way to understand the spread of information is to learn about retweet predictions. This study focuses on predicting retweets using Evolutionary Undersampling Boosting (EUSBoost) based on user, content, and time-based features. We also consider the vector of text as a predictive feature. Models with EUSBoost are able to outperform models using the AdaBoost method. The evaluation results show that the best model can achieve an AUC performance score of 77.21% and a GM score of 77.18%. While the Adaboost-based models achieved AUC scores ranging from 68% to 69% and GM scores ranging from 62% to 63%. In addition, we found that there was no significant difference between using numeric features only and combining numeric and text features.
Twitter Sentiment Analysis on Online Transportation in Indonesia Using Ensemble Stacking Yahya Setiawan; Jondri Jondri; Widi Astuti
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 6, No 3 (2022): Juli 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v6i3.4359

Abstract

Online transportation is a transportation innovation that has emerged along with the development of online-based applications that provide many features and conveniences. In its development, many users wrote their responses to the application on social media such as twitter. Many opinions and responses are directly conveyed by users of online transportation modes to their official accounts. The responses given by these users are very large and can be used as sentiment analysis on online transportation. However, the analysis process cannot be done manually. Therefore, we need a system that can help analyze user responses on Twitter automatically. In this study, a sentiment analysis system was built for online transportation in Indonesia using the ensemble stacking algorithm, which will simplify and increase the accuracy of the sentiment analysis. Ensemble stacking is a solution for advanced machine learning methods that can improve the performance of the base classifier. The system built on ensemble stacking uses three base classifiers, namely SVM kernel RBF, SVM linear kernel, and logistic regression. The best accuracy result on the gojek dataset is 88%, and the best F1 score is 87%. Ensemble Stacking which is applied to the research that the author conducted on online transportation sentiment analysis on twitter, obtained better accuracy than the base classifier used.
Sentiment Analysis of Hate Speech on Twitter Public Figures with AdaBoost and XGBoost Methods Daffa Ulayya Suhendra; Jondri Jondri; Indwiarti Indwiarti
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 6, No 3 (2022): Juli 2022
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v6i3.4394

Abstract

Public figures are often scrutinized by social media users, either because of what they say or even because of their role in a television series. Generally, public figures upload something on their social media accounts to help shape their image. But not everyone who sees it is happy. Some even dislike the upload. This study aims to determine public sentiment towards public figure Anya Geraldine conveyed on Twitter in Indonesian. The classification process in this study uses the Adaptive Boosting (AdaBoost) and Extreme Gradient Boosting (XGBoost) classification methods with text preprocessing using cleaning, case folding, tokenization, and filtering. The data used are tweets in Indonesian with the keyword ”@anyaselalubenar”, with a total dataset of 7,475 tweets divided into 6,887 positive and 588 negative tweets. From the label results using oversampling to avoid excessive overfitting problems. The feature used is TF-IDF weighting. Four experimental scenarios were carried out to validate the effectiveness of the model used: first model performance without oversampling, second model performance with oversampling, third model performance with undersampling, and fourth model performance with Hyperparameter tune. The experimental results show that XGBoost+SMOTE+Hyperparameter achieved 95% compared to AdaBoost+SMOTE+Hyperparameter of 87%. The application of SMOTE and Hyperparameter tune is proven to overcome the problem of data imbalance and get better classification results.
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