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

 7   8   9   10   11 
Deteksi Polycystic Ovarian Syndrome (pcos) Menggunakan Klasifikasi Microarray Data Dengan Algoritma Artificial Neural Network (ann) Backpropagation Dan Fitur Seleksi Principal Component Analysis Tiara Laksmi Basuki; Jondri Jondri; Untari Novia Wisesty
eProceedings of Engineering Vol 5, No 3 (2018): Desember 2018
Publisher : eProceedings of Engineering

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

Abstract

Abstrak PCOS (polycystic ovary syndrome) atau sindrom ovarium polikistik merupakan kondisi terganggunya fungsi ovarium pada wanita yang berada di usia subur. Kondisi ini menyebabkan hormon wanita yang menderita PCOS menjadi tidak seimbang karena hal-hal yang tidak diketahui. Penelitian ini bertujuan untuk membuat sistem klasifikasi menggunakan data yang berbentuk microarray karena berguna untuk menganalisis beribu-ribu sampel pada waktu bersamaan yang dapat membantu analisis dan diagnosis terhadap penyakit PCOS. Sistem klasifikasi akan terdiri dari tiga tahapan, yaitu pre-processing data dengan normalisasi, ekstraksi fitur dengan menggunakan Principal Component Analysis, dan klasifikasi menggunakan metode Artificial Neural Network yaitu Backpropagation, dan didapatkan hasil akurasi sebesar 50% - 100%. Kata kunci:PCOS, microarray, Principal Component Analysis, Artificial Neural Network Abstract PCOS (polycystic ovary syndrome) or polycystic ovary syndrome is a condition of impaired ovarian function in women in childbearing age. This condition causes female hormones that suffer from PCOS to become unbalanced because of things that are not known. This study aims to make a classification system using data in the form of a microarray because it is useful to analyze thousands of samples at the same time which can help analysis and diagnosis of PCOS disease. The classification system will consist of three stages, namely pre-processing data with normalization, feature extraction using Principal Component Analysis, and classification using the Artificial Neural Network method, namely Backpropagation, and the results are 50%-100%. Keywords:PCOS, microarray, Principal Component Analysis, Artificial Neural Network
Klasifikasi Suara Paru Normal Dan Abnormal Menggunakan Deep Neural Network Dan Support Vector Machine Adnan Hassal Falah; Jondri Jondri
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Penyakit pernapasan masih menjadi pembunuh tertinggi setelah stroke dan penyakit jantung, hal ini disebabkan teknik diagnosis yang masih terbatas pada auskultasi. Melalui auskultasi ditemukan bahwa paru-paru memiliki suara yang berbeda-beda, sesuai dengan kondisi kesehatan seseorang. Oleh karena itu, dimulailah penelitian untuk mengklasifikasikan jenis suara paru. Berbagai metode telah digunakan untuk penelitian di bidang tersebut, tidak terkecuali deep learning. Diantara sekian banyak metode yang berkembang di bawah label deep learning, ternyata Autoencoder hanya digunakan sekali dalam sejarah penelitian klasifikasi data suara paru. Autoencoder (AE) merupakan salah satu arsitektur Deep Neural Network yang mampu merekonstruksi suatu data. Kemampuan ini dapat dimanfaatkan sebagai metode ekstraksi ciri sehingga classfier dapat mengklasifikasikan suatu data dengan lebih baik. Oleh karena itu, autoencoder diajukan sebagai metode ekstraksi ciri pada tugas akhir ini. Kemampuan Autoencoder sebagai metode ekstraksi ciri akan diuji oleh Support Vector Machine (SVM). Vektor ciri dipersiapkan dengan continouos wavelet transform (CWT) dan tiga pemrosesan lebih lanjut, lalu diinputkan ke dalam Autoencoder. Dari dua macam pengujian, sistem klasifikasi AE-SVM berhasil mencapai akurasi sebesar 82,38%. Kata kunci : suara paru, continouos wavelet transform, wavelet energy, deep neural network, autoencoder, support vector machine Abstract Respiratory disease is still the highest killer after strokes and heart disease, this is due to diagnostic techniques that are still limited to auscultation. Through auscultation it is found that the lungs have different sounds, according to one's health condition. Therefore, research began to classify the types of lung sounds. Various methods have been used for research in this field, including deep learning. Among the many methods that develop under the label of deep learning, it turns out that Autoencoder is only used once in the history of research in classification of pulmonary sound data. Autoencoder (AE) is one of the Deep Neural Network architectures that is capable of reconstructing data. This capability can be used as a feature extraction method so that classfier can classify data better. Therefore, autoencoder is proposed as a feature extraction method in this final project. The ability of Autoencoder as a feature extraction method will be tested by Support Vector Machine (SVM). The feature vector is prepared with continous wavelet transform (CWT) and three further processing, then it inputted into Autoencoder. From two experiments on Autoencoder’s parameter, the AE-SVM classification system achieved an accuracy of 82.38%. Keywords: lungs sound, continouos wavelet transform, wavelet energy, deep neural network, autoencoder, support vector machine
Prediksi Mata Uang Digital (bitcoin) Menggunakan Feed Forward Neural Network Ulky Parulian Wibowo; Jondri Jondri; Annisa Aditsania
eProceedings of Engineering Vol 6, No 1 (2019): April 2019
Publisher : eProceedings of Engineering

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

Abstract

Abstrak Abstrak Bitcoin adalah mata uang kripto yang dikembangkan pada tahun 2019 oleh seorang ahli kriptografi dengan nama samaran Satoshi Nakamoto, karena Bitcoin memiliki jumlah yang terbatas sebanyak 21juta koin yang sifatnya mirip seperti emas yang jumlahnya terbatas. Bitcoin menggunakan teknologi blokchain yang artinya berjalan tanpa terikat oleh 1 pihak atau tanpa berpusat di satu titik yang artinya blokchain bersifat desentralisasi dan terdistribusi ke berbagai klien yang terhubung ke jaringan peer to peer blokchain. Adapun manfaat yang bisa diambil dari transaksi yang menggunakan Bitcoin, selain dari segi praktis dalam penggunaan juga kecepatan dalam bertransaksi, biaya transfer rendah sehingga membuat para pengguna dan komonitas Bitcoin itu sendiri memilih Bitcoin sebagai alat transaksi mereka. Metode yang digunakan dalam penelitian ini adalah Artificial Neural network (ANN) dengan model topologi Feed Forward Neural Network (FFNN). Dari 7,4 tahun data close price Bitcoin dengan struktur ANN terbaik 9-10-1 (7 variabel input, 1 hidden layer dengan 10 neuron dan 1 output) menghasilkan nilai root means square error (RMSE) 2350,0515. Kata kunci : Bitcoin, Artificial Neural Network(ANN) Feed Forward Neural Network (FFNN). Abstract Bitcoin is a crypto currency that was developed in 2019 by a cryptographer with a pseudonym Satoshi Nakamoto, because Bitcoin has a limited number of 21 million coins that are similar in appearance to a limited amount of gold. Bitcoin uses blockchain technology, which means it runs without being bound by 1 party or without centering on one point, which means the block is decentralized and distributed to various clients connected to the peer to peer network block chain. As for the benefits that can be taken from transactions that use Bitcoin, in addition to the practical aspects of the use of speed in transactions, the transfer fee is low so that the users and community of Bitcoin themselves choose Bitcoin as their transaction tool. The method used in this study is Artificial Neural network (ANN) with the Feed Forward Neural Network (FFNN) topology model. From 7,4 years of data close price Bitcoin with the best ANN structure 9-10-1 (7 input variables, 1 hidden layer with 10 neurons and 1 output) produces a root means square error (RMSE) 2350,0515. Keywords: Bitcoin, Artificial Neural Network (ANN), Feed Forward Neural Network (FFNN).
Sistem Klasifikasi Kualitas Kayu Jati Berdasarkan Jenis Tekstur Dengan Jaringan Syaraf Tiruan Menggunakan Gray-level-co-occurence Matrix Muhammad Irfan Fathurrahman; Jondri Jondri; Aniq Atiqi Rohmawati
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

Abstrak Kayu jati memiliki karakteristik akan kekuatan yang dimilikinya dalam ketahanan berbagaiperubahan cuaca. Kayu jenis ini banyak dimanfaatkan dalam keperluan rumah tangga atau kebutuhanperindustrian lainnya. Selain itu memiliki karakter tekstur dan serat yang menjadi ciri khas tersendiri.Secara kasat mata mungkin akan sulit membedakan jenis kualitas kayu jati ini. Citra kayu dapatdibedakan dengan jenis tekstur serat. Identifikasi ini dapat dilakukan dengan proses analisis citra kayu,pemrosesan citra, identifikasi ciri, dan kemudian pengklasifikasian. Identifikasi ciri ini menggunakanGray-level-co-occurrence(GLCM) kemudian melakukan klasifikasi degan jaringan syaraf tiruan. Metodeini digunakan untuk membantu sistem melakukan pengenalan pola tekstur serat melalui nilai kontras,korelasi, homogenitas dan energy. Keluaran yang dihasilkan memiliki akurasi sebesar 98,3%. Dari 60data yang diujikan pada sistem hanya terdapat 2 kesalahan antara data asli dan data hasil pengujian. Kata kunci: Identifikasi kualitas kayu jati, Gray Level Coocurence Matrix, Jaringan Syaraf Tiruan.Jaringsn Syaraf Tiruan propagasi balikAbstract Teak having the characteristics of the property in the resistance of a variety of climate change.This type of wood commonly used in domestic use or need other industry. Besides having the charactertexture and fiber is typical of its own. In naked eyes may be hard to differentiate teak this kind of thequality. The image of wood can be distinguished by a kind of texture fibers. This can be done byidentification image analysis wood, image processing, the identification, and then classification. It uses theidentification gray-level-co-occurrence ( glcm ) classification in the artificial neural network. This methodused to help the system did pattern recognition texture through the value of the contrast, correlation,homogeneity and energy. Output has produced by 98,3% accuracy. From 60 data to be tested in thesystem only have 2 error of the data between real data and the result og testing Keywords: identification teak quality, Gray Level Co-Occurrence Matrix, Artificial Neural Network,Artificial Neural Network Backpropagataiom
Deteksi Gangguan Jantung Premature Ventricular Contractions Menggunakan Sinyal Elektrokardiogram Dengan Algoritma Backpropagation Dan Algoritma Firefly Denny Maulana; Jondri Jondri
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

Abstrak Perkembangan dunia medis saat ini selalu memiliki kaitan dengan teknologi, begitupun denganalat kedokteran yang telah berubah dari manual atau analog menjadi digital. Saat ini, dokter masihmenganalisa gangguan pada organ tubuh manusia dengan menggunakan alat kedokteran yang hanyamemberikan informasi kondisi tubuh. Alat kedokteran tersebut belum dapat menganalisa dan menentukangangguan apa yang terjadi pada tubuh manusia. Sehingga hal tersebut menarik untuk dilakukan penelitian.Salah satu organ vital manusia adalah jantung. Pada saat ini aktivitas jantung dapat direkammenggunakan alat Elektrokardiogram. Data Elektrokardiogram (EKG) tersebut dikomputerisasi untukmendeteksi gangguan Premature Ventricular Contractions (PVC). Untuk dapat mendeteksi gangguantersebut, data diolah menggunakan metode Jaringan Saraf Tiruan. Arsitektur Jaringan Saraf Tiruan yangdigunakan pada penelitian ini adalah Multi Layer Perceptron (MLP). Untuk dapat mengoptimasi metodeMulti Layer Perceptron, digunakan algoritma Firefly dan algoritma Backpropagation. Pada percobaan iniperbandingan antara penggunaan algoritma Firefly dan algoritma Backpropagation dilakukan untukmendapatkan algoritma terbaik. Hasil dari penelitian ini menunjukkan bahwa penggunaan algoritmaBackpropagation memberikan hasil akurasi yang lebih baik dibandingkan dengan algoritma Firefly denganrata-rata akurasi tertinggi sebesar 99.48%.Kata kunci : elektrokardiogram, premature ventricular contractions, multi layer perceptron, firefly,backpropagationAbstractThe development of the medical world today always has a connection with technology, as well as medicaldevices that have changed from manual or analog to digital. Nowadays, doctors still analyze disorders ofhuman organs by using medical devices that only provide information on the condition of the body. Thismedical instrument has not been able to analyze and determine what disorders occur in the human body.That fact is interesting to be used as research. One of human's vital organs is the heart. At this time, heartactivity can be recorded using an Electrocardiogram tool. The Electrocardiogram (ECG) is computerizedto detect Premature Ventricular Contractions (PVC) disorders. To be able to identify the interference, thedata is processed using the Artificial Neural Network method. The Artificial Neural Network architectureused in this research is Multi-Layer Perceptron (MLP). To be able to optimize the Multi-Layer Perceptronmethod, the Firefly algorithm and the Backpropagation algorithm are used. In this experiment, acomparison between the use of the Firefly algorithm and the Backpropagation algorithm is made to get thebest algorithm. The results of this study indicate that the use of the Backpropagation algorithm providesbetter accuracy compared to the Firefly algorithm with an average accuracy of 99.48%.Keywords: elektrocardiogram, premature ventricular contractions, multi layer perceptron, fireflyalgorithm, backpropagation
Rekomendasi Pengambilan Tindakan Dalam Menjual Barang Menggunakan Metode K-means Clustering (studi Kasus Permainan Warframe) Kukuh Rahingga Permadi; Jondri Jondri
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

AbstrakWarframe merupakan permainan daring gratis dengan sistem perdagangan item permainan yangmemungkinkan pemain melakukan transaksi dengan pemain lain. Ketika menjual item permainan,pemain harus mencari nilai item untuk menentukan tindakan yang menghasilkan keuntungan palingbesar. Akan tetapi nilai item terus berubah sesuai dengan kondisi pasar, sehingga pencarian nilai danpenentuan tindakan yang paling menguntungkan sulit dilakukan. Saat ini pemain mencari nilai itemsecara manual dengan membandingkan atau memperkirakan nilainya sehingga keuntungan yangdidapatkan kurang maksimal. Oleh sebab itu penelitian ini dilakukan untuk membuat sistem yangmemberikan rekomendasi tindakan ketika menjual item yang diharapkan dapat membantu pemaindalam menentukan tindakan terhadap item dan mendapat keuntungan yang mungkin paling besar.Rekomendasi tindakan diambil berdasarkan hasil pengelompokan menggunakan metode K-Means,ekstraksi dataset penelitian dari situs web menggunakan teknik web scraping, dan data editing untukmengolah data sebelum proses pengelompokan. Pada penelitian ini dilakukan beberapa pengujian denganmemodifikasi jarak hari data latih dan jarak tren harga untuk mendapatkan model yang paling akurat.Proses pengujian menggunakan data dua hari untuk jarak data latih dan sembilan hari untuk tren hargamemberikan hasil dengan akurasi terbaik yaitu 89,59108% dengan silhouette coefficient 0,386854. Hasilmenunjukkan bahwa metode pengelompokan k-means memberikan rekomendasi tindakan yang cukupakurat menggunakan data statistik penjualan.Kata kunci: rekomendasi, web scraping, pengelompokan, data editing, k-means, silhouette analystAbstractWarframe is a free online game with in-game item trading system that allows players to maketransactions with other players. When selling in-game items, players must find the value of the item todetermine the action that gives the highest profit. However, the value of items keeps changing according tomarket conditions, so finding the value and determining the most beneficial actions is difficult to do. Today, players search for item values manually by comparing or estimating items values so that thebenefits obtained are not maximal. Therefore this research was conducted to create a system that providesrecommendations for actions when selling items that are expected to help players determine the action ofthe item and get the greatest possible profit. Recommended actions are taken based on the results ofgrouping using the K-Means method, extraction of research datasets from websites using web scrapingtechniques, and data editing to process data before the grouping process. In this research, several testswere carried out by modifying the distance of the training data day and the distance of the price trend toget the most accurate model. The testing process uses two days of data for days and nine days for pricetrends to provide results with the best accuracy, namely 89.59108% with silhouette coefficient 0.386854. TThe results show that the k-means grouping method provides recommendations for actions that are quiteaccurate using sales statistics.Keyword: recommendation, web scraping, clustering, data editing, k-means, silhouette analyst
Analisis Sentimen Terhadap Opini Mahasiswa Pada Survei Kepuasan Terhadap Fasilitas Dan Layanan Universitas Telkom Dengan Menggunakan Algoritma Naive Bayes Astri Asroviana Putri; 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

Abstrak Pada penelitian ini, dilakukan analisis sentimen dalam menentukan opini mahasiswa pada survei kepuasan terhadap fasilitas dan layanan Universitas Telkom. Opini tersebut sangat banyak dan tidak terstruktur.Maka dalam pengolahannya, diperlukan analisis sentiment dalam mengklasifikasikan opini mahasiswa.Ada tiga sentiment yang akan diklasifikasikan yaitu, sentiment positif ,sentiment netral, dan sentimentnegatif. Metode klasifikasi yang akan digunakan yaitu Naive Bayes Classifier. Pada penelitian ini, data melewati tahap preprocessing menggunakan stemming dan stopword danpembobotan kata menggunakan metode TF-IDF serta melakukan klasifikasi menggunakan algoritmaNaive Bayes. Penelitian ini menghasilkan nilai rata rata precision untuk kelas positif sebesar 52.51% dankelas negatif sebesar 69.25%. sedangkan nilai rata rata recall untuk kelas positif sebesar 76.78% dan kelasnegatif sebesar 61.05%Kata kunci : Naïve bayes classifier, NLP, TFIDFAbstract In this journal, we will classify sentiments in determining student opinion in the satisfaction survey ofTelkom University facilities and services. The opinion is very large and unstructured. It requires ananalysis of sentiment in classifying student opinions. Where there are two sentiments that will beclassified, positive sentiment and negative sentiment. The classification method that will be used is NaiveBayes Classifier.In this study, the data passed the preprocessing stage using stemming and stopword and weighting theword using the TF-IDF method and classifying it using the Naive Bayes algorithm. This study resulted inan average precision value for the positive class of 52.51% and a negative class of 69.25%. while theaverage recall value for the positive class is 76.78% and the negative class is 61.05%Keywords: Naïve bayes classifier, NLP, TFIDF
Penentuan Market Sentiment Menggunakan Markov Regime Switching Model Rica Ning Nurhasanah; Jondri Jondri; Indwiarti Indwiarti
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

Saham merupakan objek investasi yang diminati oleh banyak pengusaha, baik itu individual maupun suatu perusahaan. Penting sekali untuk mengetahui kondisi saham untuk para pengusaha yang berminat dibidang ini. Karena, apabila kurangnya pengetahuan kondisi suatu saham dapat mengakibatkan resiko kerugian yang cukup tinggi. Untuk itu perlu adanya perhitungan untuk mengetahui kondisi saham, salah satu metodenya yaitu menggunakan Data Science. Pada Tugas Akhir ini, dilakukan penelitian terhadap indeks saham tiga negara yaitu, Indeks Indonesia(ISHG/JKSE), Indeks China(SEE) dan Indeks Singapura(SGX). Data yang digunakan adalah data indeks saham perminggu dimulai dari 1 Januari 2006 s/d 31 Desember 2016. Metode yang digunakan dalam Tugas Akhir adalah Markov Regime Switching Model. Hasil yang didapatkan adalah kondisi bull ketiga saham terjadi sebanyak 37,46% dan kondisi bear ketiga saham terjadi sebanyak 16,55%. Kata Kunci : Data Science, Indeks saham, Markov Switching
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)
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