Article Per Year (5 Year)
p-Index From 2021 - 2026
5.015
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 eProceedings of Engineering Jurnal Matematika Integratif SmartComp CSRID LOGIC: Jurnal Penelitian Informatika
Jondri Jondri
Universitas Telkom, Bandung
Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics Mechanical Engineering Social Sciences Transportation

Published : 119 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 119 Documents
Search

 3   4   5   6   7 
Analisis Dan Implementasi Algoritma Neural Network Pada Classification Dalam Melakukan Prediksi Pelanggan Churn Telkom Speedy Fauzan Azhim Umsohi; Jondri Jondri; Siti Sa'adah
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Penyedia layanan internet atau yang lebih dikenal sebagai internet service provider (ISP) saat ini semakin bertambah. Dari awalnya pelanggan di dominasi oleh satu provider sekarang sudah berganti dengan provider lain. Tentunya masih banyak lagi faktor lainnya, kejadian ini dinamakan churn. Untuk itu perlu dilakukan tindakan antisipasi untuk mengatasi hal tersebut dimana yang pada tulisan ini dengan melakukan klasifikasi prediksi churn.Data yang digunakan bersifat non-linier oleh karena itu pada tulisan ini digunakan metode Single-layered Supervised Neural Network’s yang dikenal SSNNs. Dimana metode ini memang ditujukan untuk data semacam ini [1]. Dengan parameter-parameter optimal yang dihasilkan saat pengujian sistem, didapat akurasi prediksi sebesar 72,35%. Kata Kunci: churn, Neural Network, klasifikasi, SSNNs.
Pelacakan Keluaran Sistem Linear Pompa Piston Tunggal Dengan Kontrol Area Silinder Roizal Manullang; Jondri Nasri; Annisa Aditsania
eProceedings of Engineering Vol 3, No 2 (2016): Agustus, 2016
Publisher : eProceedings of Engineering

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

Abstract

Pompa piston tunggal adalah salah satu jenis pompa yang memiliki satu silinder saja. Cara kerja dari alat ini adalah memompakan air yang berada di dalam silindernya untuk menghasilkan perbedaan tekanan sehingga perbedaan tekanan tersebut dapat dikonverter sebagai energi listrik. Penelitian ini berjudul Pelacakan Keluaran Sistem Linear Pompa Piston Tunggal Dengan Kontrol Area Silinder. Adapun tujuan penelitian ini adalah untuk memahami model sistem persamaan pompa piston tunggal serta merancang kontrol pompa piston tunggal terhadap area silinder-nya. Metode penelitian yang digunakan adalah sistem persamaan linear, metode numerik Runge Kutta Orde 4 dan tracking sistem persamaan. Maka dengan menggunakan persamaan variabel kontrol Area Silinder diperoleh nilai Area Silinder sebesar 0,004 � � 2   sampai 0,19015 � � 2 . Serta tekanan pada reservoir atas tidak akan selalu  naik m elainkan mencapai nilai maksimal yang ditentukan yaitu sebesar 196450 𝑃�� . Kata Kunci : pompa piston tunggal, SPL, RK-4.
Sistem Pendeteksi Plagiarisme Pada Dokumen Berbasis Fuzzy Ir Fery Kun Widi Yudantyo; Jondri Jondri; Bambang Ari Wahyudi
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Berbagai metode telah dikembangkan dalam bidang pendeteksian plagiarisme. Salah satu metode yang dapat digunakan Fuzzy Information Retrieval (IR). Kelebihan yang dimiliki metode ini adalah mampu mendeteksi bentuk plagiarisme baik copy-paste maupun paraphrase. Masalah yang muncul pada penggunaan fuzzy IR adalah bagaimana menentukan nilai threshold optimal yang ada pada rule, sehingga fuzzy IR dapat dengan baik mengidentifikasi kalimat yang melakukan plagiarisme. Oleh karena itu pada penelitian ini digunakan metode Fuzzy IR dengan beberapa kombinasi nilai threshold untuk mendeteksi tindakan plagiarisme dalam sebuah kalimat pada sebuah dokumen berbahasa indonesia. Dari pengujian dan analisis yang telah dilakukan didapatkan kombinasi threshold terbaik adalah 0.725 untuk permission threshold dan 0.275 untuk variance threshold. Dari hasil pengujian dan analisis juga diketahui bahwa semakin besar nilai yang diberikan untuk permission threshold dan semakin kecil untuk nilai variance threshold maka toleransi fuzzy IR terhadap perubahan struktur kalimat juga semakin rendah, hal ini menyebabkan semakin sulit untuk mendeteksi plagiarisme dengan banyak perubahan pada struktur kalimat. Kata kunci : Plagiarisme , Pendeteksian Plagiarisme, Fuzzy Information Retrieval, Permission Threshold, Variance Threshold
Prediksi Crash Saham Menggunakan Log Periodic Power Law Dengan Algoritma Genetika (studi Kasus: Pasar Saham Indonesia) Irwan Ramadhana; Jondri Jondri; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Krisis ekonomi adalah peristiwa penurunan yang sangat drastis disetiap sektor ekonomi, salah satu dampak dari krisis ekonomi adalah terjadinya crash pada pasar keuangan. Crash yang terjadi di pasar keuangan adalah penurunan secara tiba-tiba dan drastis terhadap indeks harga saham selama periode waktu yang singkat. Ketidakpaastian waktu terjadinya crash saham membuat kekhawatiran bagi investor saham, karena adanya risiko kerugian yang besar terhadap modal yang mereka investasikan. Salah satu model matematika yang digunakan untuk memprediksi crash pada pasar keuangan adalah Log Periodic Power Law (LPPL). Penelitian ini menerapkan algoritma genetika untuk mengestimasi parameter dari model LPPL. Kemudian dilakukan analisis performasi menggunakan koefisien determinasi dari model Log Periodic Power Law (LPPL) yang diperoleh terhadap data acuan yang digunakan. Hasil prediksi crash saham menggunakan LPPL dengan algoritma genetika memprediksi waktu terjadinya crash saham untuk waktu observasi dari Januari 2005-Januari 2009 adalah pada tanggal 3-April- 2008 yang menandakan berakhirnya gelembung spekulatif pada indeks harga saham LQ45. Performansi dari model LPPL dalam memprediksi waktu kemungkinan terjadinya crash harga saham tergantung pada range waktu observasi diterapkan. Kata Kunci : Crash, Indeks Harga Saham, Algoritma Genetika, LPPL, Koefisien Determinasi
Simulasi Pengaruh Intensitas Hujan Terhadap Ketinggian Banjir Menggunakan Metode Smoothed Particle Hydrodynamics (SPH) Emha Ainun; Jondri Jondri; Dede Tarwidi
eProceedings of Engineering Vol 3, No 1 (2016): April, 2016
Publisher : eProceedings of Engineering

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

Abstract

Berbagai fenomena alam seperti gunung berapi, banjir, tanah longsor, dan gempa bumi dapat dimodelkan dan disimulasikan dengan mengetahui parameter yang mempengaruhi fenomena tersebut. Salah satu fenomena yang cukup menarik untuk disimulasikan adalah banjir. Aliran fluida seperti banjir dapat dimodelkan menggunakan metode partikel. Metode partikel yang banyak digunakan dalam bidang dinamika fluida adalah Smoothed Particle Hydrodynamics (SPH). Dalam metode SPH, fluida direpresentasikan sebagai bagian diskrit yang disebut partikel. Setiap pertikel SPH memiliki sifat tersendiri seperti percepatan, kecepatan, densitas dan posisi. Gerak dari setiap partikel SPH dikendalikan oleh dua persamaan utama, yaitu persamaan Navier-Stokes (N-S) dan persamaan kontinuitas. Dalam tugas akhir ini, telah dibangun SPH simulator yang dimanfaatkan untuk simulasi banjir. Berdasarkan hasil simulasi yang telah dilakukan, menaikkan jumlah celah menjadi dua kali lipat mengakibatkan kenaikan ketinggian banjir meningkat lebih dari 50%. Kata kunci: Smoothed Particle Hydrodynamics, intensitas curah hujan, ketinggian banjir.
Prediksi Harga Saham Dengan Menggunakan Metode Autoregressive Bayu Prabawa; Jondri Jondri; Mahmud Dwi Sulistiyo
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Deposito maupun tabungan di bank sudah menjadi suatu instrumen yang konvensional.Para investor telah menemukan lahan investasi baru yang lebih menjanjikan daripada deposito maupun tabungan di bank.Lahan investasi baru tersebut adalah investasi di bursa saham.Akan tetapi harga saham bergerak secara fluktuatif setiap harinya, oleh karena itu dibutuhkan sistem yang dapat memberikan prediksi harga saham tersebut untuk membantu para investor dalam mengambil tindakan yang tepat sehingga resiko yang ada dapat diminimalisir. Tugas akhir ini menggunakan metode autoregressive untuk model prediksinya dan algoritma kelelawar untuk optimasinya.Metode autoregressive diperkenalkan oleh Box dan Jenkins, metode ini paling sering digunakan untuk pemodelan data time series dalam peramalan.Untuk algoritma kelelawar, diperkenalkan oleh Xin-She Yang.Algoritma ini adalah salah satu algoritma metaheuristik yang terinspirasi oleh perilaku echolocation dari kelelawar.Algoritma ini dikembangkan berdasarkan kelebihan-kelebihan dari algoritma PSO, GA, SA dan pencarian harmony. Kata kunci: Prediksi Saham, Algoritma Kelelawar, Autoregressive,
Prediksi Harga Bitcoin Dengan Menggunakan Recurrent Neural Network Redha Arifan Juanda; Jondri Jondri; Aniq Atiqi Rohmawati
eProceedings of Engineering Vol 5, No 2 (2018): Agustus 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Bitcoin adalah salah satu kurensi elektronik yang bersifat terdesentralisasi dan tidak diatur atau dijamin oleh otoritas pusat. Sebagai sebuah sistem yang masih berusia muda, mengakibatkan harga Bitcoin sangat fluktuatif dan sering kali membuat resah pengguna dan investor Bitcoin. Oleh karena itu, diusulkan sebuah metode atau sistem prediksi harga Bitcoin dengan mempelajari pola dan tingkah laku data time series harga historisnya. Sebelumnya telah dilakukan penelitian yang serupa yaitu prediksi harga Bitcoin dengan menggunakan Support Vector Machines. Teknik yang diusulkan pada penelitian ini yaitu prediksi harga Bitcoin dengan menggunakan salah satu arsitektur Artificial Neural Network (ANN) yaitu Recurrent Neural Network (RNN). Semakin optimal model yang dibangun maka akan semakin tinggi pula akurasi yang dihasilkan. Bobot RNN yang optimal dapat diperoleh dengan algoritma optimasi Backpropagation Through Time (BPTT). Dari proses pelatihan dan pengujian, didapatkan akurasi terbaik sebesar 98.76% pada data latih dan 97.46% pada data uji. Kata kunci : Bitcoin, Recurrent Neural Network, Data Time Series, Prediksi, Backpropagation Through Time Abstract Bitcoin is a decentralized digital currency, as the system works without a central bank or single administrator. As the system is still young, Bitcoin prices are very volatile and often make users and investors worried. Therefore, the author proposed a method or a system of Bitcoin prices prediction by studying the pattern and behavior of time series data. Previously, a similar study has been conducted, the prediction of Bitcoin prices using Support Vector Machines. The technique proposed in this research is Bitcoin prices prediction using one of Artificial Neural Network architecture (ANN) which is Recurrent Neural Network (RNN). The more optimal the model is built the higher the accuracy will be produced. The optimal RNN weight can be obtained with Backpropagation Through Time (BPTT) optimization algorithm. From the training and testing processes, the model archieves the highest accuracy of 98,76% on training data and 97,46% on testing data. Keywords: Bitcoin, Recurrent Neural Network, Time Series Data, Forecasting, Backpropagation Through Time
Pemilihan Jalur Evakuasi Dalam Keadaan Darurat Menggunakan Algoritma Quantum Ant-Colony Fransisca Arvevia Intan Angelia; Jondri Jondri; Anditya Arifianto
eProceedings of Engineering Vol 2, No 1 (2015): April, 2015
Publisher : eProceedings of Engineering

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

Abstract

Evakuasi dalam keadaan darurat pada sebuah gedung sangatlah penting untuk menyelamatkan nyawa manusia. Pemilihan jalur evakuasi ketika terjadi suatu bencana sangatlah penting, pemilihan jalur evakuasi yang tepat dapat menekan jumlah korban jiwa yang berjatuhan. Berbagai metode dan algoritma simulasi penyeleksian jalur evakuasi telah banyak dikembangkan. Di antaranya algoritma ant-colony optimization ( ACO) dan artifisial bee- colony (ABC). Kedua algoritma tersebut mengadopsi perilaku individu terhadap lingkungan disekitarnya, sehingga cocok digunakan untuk seleksi jalur evakuasi. Pada penelitian ini digunakan algoritma quantum ant-colony (QACA) yang merupakan pengembangan dari algoritma ACO yang dikombinasikan dengan algoritma quantum-inspired evolutionary (QEA). Pada algoritma ini, algoritma QEA digunakan untuk memperbaharui feromon pada algoritma ACO untuk menghasilkan simulasi dengan solusi yang lebih optimal karena memiliki laju konvergensi yang cepat. Kata kunci: Jalur evakuasi, algoritma ant-colony optimization (ACO), algoritma quantum- inspired evolution (QEA), algoritma quantum ant-colony (QACA), feromon, simulasi.
Analisis dan Implementasi Algoritma Differential Evolution Pada Jaringan Syaraf Tiruan Studi Kasus Prediksi Masa Studi Mahasiswa Fahrudin Julianto; Jondri Jondri; Rita Rismala
eProceedings of Engineering Vol 1, No 1 (2014): Desember, 2014
Publisher : eProceedings of Engineering

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

Abstract

Lama masa studi mahasiswa merupakan salah satu parameter penting dalam evaluasi performansi studi mahasiswa. Untuk itu, sangatlah wajar jika prediksi lama masa studi mahasiswa dibutuhkan oleh manajemen perguruan tinggi. Pada penelitian ini dibangun sistem prediksi menggunakan Jaringan Syaraf Tiruan dengan Differential Evolution sebagai algoritma pelatihannya. Differential Evolution merupakan salah satu dari Evolution Algorithms, algoritmaalgoritma optimasi yang berbasis evolusi biologi yang ada di dunia nyata. Berbeda dengan metode Evolution Algorithms lainnya yang menggunakan mutasi acak, pada Different Evolution, mutasi yang dilakukan adalah mutasi semi terarah. Hal ini sangat mempengaruhi pencarian solusi yang terbukti lebih cepat dibandingkan Genetik Algorithm dan Evolution Strategies. Differential Evolution juga cepat konvergen dan sangat mudah digunakan. Data yang digunakan pada penelitian ini adalah data akademik yang berupa data Kartu Hasil Studi mahasiswa. Variabel yang digunakan sebagai input untuk sistem yang dibangun adalah nilai beberapa mata kuliah tahun pertama dan tahun kedua beserta berapa kali setiap mahasiswa mengambil mata kuliah tersebut dengan output sistem prediksi adalah mahasiswa lulus tepat waktu dan mahasiswa lulus tidak tepat waktu. Akurasi terbaik yang dihasilkan dari sistem yang dibangun adalah 75,9726. Kata Kunci : Differential Evolution, Jaringan Syaraf Tiruan, prediksi masa studi mahasiswa.
Prediksi Pergerakan Indeks Harga Saham Menggunakan Artificial Neural Network Dan Support Vector Machine Fani Nuraini; Jondri Jondri; Tjokorda Agung Budi Wirayuda
eProceedings of Engineering Vol 2, No 3 (2015): Desember, 2015
Publisher : eProceedings of Engineering

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

Abstract

Prediksi pergerakan indeks harga saham dapat dikategorikan sebagai permasalahan yang cukup menantang dalam prediksi finansial. Namun, kompleksitas pasar saham mengakibatkan pengembangan model prediksi yang dapat dikatakan efektif menjadi sangat sulit. Dua model yang digunakan untuk melakukan prediksi, yaitu Artificial Neural Network (ANN) dan Support Vector Machine (SVM) dikenal cukup akurat dalam memprediksi pergerakan indeks harga saham. Penelitian menggunakan sepuluh indikator analisis teknikal saham sebagai masukan untuk kedua model yang dibangun. Data indeks saham yang digunakan berasal dari Indeks Harga Saham Gabungan (IHSG). Penelitian menunjukkan bahwa SVM mengungguli ANN dari segi akurasi prediksi pergerakan harga saham IHSG dengan akurasi tertinggi SVM sebesar 56,405% dan akurasi tertinggi ANN sebesar 56,40498% untuk data masukan berupa analisis teknikal saham dengan periode waktu tiga hari. Kata Kunci: Prediksi, Artificial Neural Network, Support Vector Machine, Indeks Harga Saham Gabungan, Analisis Teknikal
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