Article Per Year (5 Year)
p-Index From 2019 - 2024
3.46
P-Index
This Author published in this journals
All Journal International Journal of Electrical and Computer Engineering Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Indonesian Journal on Computing (Indo-JC) JOIN (Jurnal Online Informatika) JINAV: Journal of Information and Visualization eProceedings of Engineering
Jondri Jondri
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Mathematics

Published : 70 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 70 Documents
Search

 1   2   3   4   5 
Development of Wireless Patient’s Vital Sign Monitor Using Wireless LAN (IEEE.802.11.b/g) Protocol Achmad Rizal; Vera Suryani; Jondri Jondri; Sugondo Hadiyoso
International Journal of Electrical and Computer Engineering (IJECE) Vol 4, No 6: December 2014
Publisher : Institute of Advanced Engineering and Science

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (563.464 KB)

Abstract

Vital sign monitor is typical medical instrument for basic physiological measurement. Medical practitioner assesses a patient’s health condition by observing measurement results shown in display. In this research, we designed low cost, wireless, PC-based vital sign monitor. Signals captured in designed vital sign monitor are electrocardiogram (ECG), photoplethysmogram (PPG), and body temperature. Captured data are transmitted via wireless LAN module so that medical practitioner is able to monitor patient’s condition remotely from another room or place. The system worked well for maximum transmission distance about 45 meters for LOS condition and 20 meter for NLOS condition.DOI:http://dx.doi.org/10.11591/ijece.v4i6.6429
Classification of Premature Ventricular Contraction (PVC) based on ECG Signal using Convolutional Neural Network Jondri Jondri; Achmad Rizal
Indonesian Journal of Electrical Engineering and Informatics (IJEEI) Vol 8, No 3: September 2020
Publisher : IAES Indonesian Section

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52549/ijeei.v8i3.1530

Abstract

This study observes one of the ECG signal abnormalities, which is the Premature Ventricular Contraction (PVC). Many studies applied a machine learning technique to develop a computer-aided diagnosis to classify normal and PVC conditions of ECG signals. The common process to obtain information from the ECG signal is by performing a feature extraction process. Since the ECG signal is a complex signal, there is a need to reduce the signal dimension to produce an optimal feature set. However, these processes can remove the information contained in the signal. Therefore, this study process the original ECG signal using a Convolutional Neural Network to avoid losing information. The input data were in the form of both one beat of normal ECG signal or PVC with size 1x200. The classification used four layers of convolutional neural network (CNN). There were eight 1x1 filters used in the input. Simultaneously, 16 and 32 of 1x1 filters were used in the second and the fourth convolutional layers, respectively. Thus the system produced a fully connected layer consisted of 512 neurons, while the output layer consisted of 2 neurons. The system is tested using 11361 beats of ECG data and achieved the highest accuracy of 99.59%, with the 10-fold cross-validation. This study emphasizes an opportunity to develop a wearable device to detect PVC since CNN can be implemented into an embedded system or an IoT based system.
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.
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.
Retweet Predictions Regarding COVID-19 Vaccination Tweets through The Method of Multi Level Stacking Vena Erla Candrika; Jondri Jondri; Indwiarti Indwiarti
JINAV: Journal of Information and Visualization Vol. 4 No. 1 (2023)
Publisher : PT Mattawang Mediatama Solution

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35877/454RI.jinav1518

Abstract

The rapid development of technology from day to day indirectly influences increasing social media use. This can be seen from spreading information that is very easily found on social media, one of which is Twitter. It is one of the most popular platforms for expressing people’s feelings by tweeting and interacting with other users at the same time. Various opinions about the COVID-19 vaccination began to be discussed on the Twitter platform. Moreover, most people take advantage of the feature available on Twitter, namely retweets. Users do retweet because there are many influencing factors. It can be caused by a reason that they have the same opinions and thoughts as the tweet owner, and so on. A retweet feature is also a form of information diffusion on the Twitter platform. The diffusion of information on Twitter has several factors, such as the most influential users, using hashtags or URLs, and others. In this conclusion, retweet predictions have been carried out regarding COVID-19 vaccination tweets using the features user-based and time-based through the Multi-Level Stacking classification method. This method indicates the best results when oversampling with an F1-Score of 96.23%.
Analisis dan Implementasi Jaringan Syaraf Tiruan–Propagasi Balik Dalam Memprediksi Produksi dan Konsumsi Minyak Bumi, Gas Bumi, dan Batu Bara di Indonesia Anggit Nourislam; Jondri Jondri; Siti Saadah
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

ndonesia adalah salah satu negara penghasil sumber energi yang terbentuk dari fosil ataupun non fosil. Sumber energi yang tercipta dari fosil bukanlah sesuatu yang dapat dengan mudah didaur ulang yang mengakibat terjadinya krisis energi di masa mendatang. Kondisi krisis energi ini perlu diprediksi kapan terjadinya karena dapat mempengaruhi kondisi perekonomian Indonesia. Prediksi krisis energi fosil di masa mendatang dapat dilakukandengan melihat pola dari produksi dan konsumsi energi tersebut di Indonesia. Untuk mengetahui pola tersebut, dibutuhkan sebuah model yang cukup stabil terhadap perubahan karena naik turunnya produksi dan konsumsi bisa terjadi dengan cepat.Oleh sebab itu dibutuhkan algoritma jaringan syaraf tiruan yang merupakanmodel pembelajar an yang stabil terhadap perubahan pola dalam kurun waktu yang cepat. Model ini menghasilkan keluaran berupa nilai prediksi dari produksi dan konsumsi di masa mendatang yang nantinya dapat dikelompokkan apakah indeks tersebut tergolong krisis atau tidak. Kata Kunci: krisis energi, jaringan syaraf tiruan.
Analisis Dan Implementasi Long Short Term Memory Neural Network Untuk Prediksi Harga Bitcoin Muhammad Wildan Putra Aldi; Jondri Jondri; Annisa Aditsania
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 cryptocurrency yang sedang diminati untuk menjadi media investasi dalam meraih keuntungan secara finansial. Meskipun sedang digemari, investasi menggunakan bitcoin masih memiliki resiko yang cukup besar. Agar dapat mengantisipasi resiko yang didapat dalam berinvestasi menggunakan Bitcoin, diperlukan suatu sistem prediksi yang dapat memprediksi pergerakan kurs nilai tukar Bitcoin. Untuk memprediksi harga Bitcoin maka data historis harga Bitcoin akan dipelajari hingga mengenali polapola tertentu. Jaringan syaraf tiruan merupakan salah satu metode yang memiliki kemampuan untuk mempelajari polapola dari suatu data. Sistem yang dibangun pada penelitian ini adalah menggunakan metode jaringan syaraf tiruan yaitu dengan menggunakan arsitektur Long Short Term Memory Neural Networks. Namun teknik ini memerlukan parameter yang tepat untuk mendapatkan hasil prediksi yang akurat. Dalam tugas akhir ini menganalisis beberapa parameter seperti jumlah pola time series, jumlah neuron hidden, max epoch, dan komposisi data latih dan uji terhadap akurasi prediksi yang didapatkan. Hasil analisis menunjukkan bahwa sistem yang dibangun mampu memprediksi harga Bitcoin dengan baik, dengan rata-rata tingkat akurasi sebesar 93.5% terhadap data testing. Kata kunci : bitcoin, prediksi, jaringan syaraf tiruan, long short term memory Abstract Bitcoin is one of the cryptocurrencies that are in demand to become a medium of investment in achieving financial benefits. While it is popular, investments using bitcoin still have considerable risk. In order to anticipate the risks involved in investing using Bitcoin, a prediction system is needed that can predict the movement of the Bitcoin exchange rate. To predict the price of Bitcoin, Bitcoin price historical data will be studied to recognize certain patterns. Artificial neural networks are one method that has the ability to study patterns of data. The system built on this research is using artificial neural network method by using Long Short Term Memory Neural Networks architecture. But this technique needs the right parameters to get accurate prediction results. In this final project analyze the number of neurons in the input and hidden layer to the prediction accuracy obtained. The results of the analysis show that the built system is able to predict the Bitcoin price well, with an accuracy of 95.12% to the data testing. Keywords: bitcoin, prediction, artificial neural network, long short term memory
Pelacakan Keluaran Sistem Linear Pompa Piston Tunggal Dengan Kontrol Panjang Batang Penghubung Pelampung Dan Piston Danu Ardiyanto; Jondri Jondri; 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

Tujuan dari penelitian ini adalah membangun ulang model sistem persamaan pompa piston dan merancang kontrol pompa piston terhadap panjang batang penghubung antara pelampung dan pompa piston. Siste m persamaan yang digunakan adalah sistem persamaan linear dan metode yang digunakan untuk menyelesaikan sistem persamaan linear ini adalah Runge-Kutta Orde 4. Fokus pada penelitian ini adalah untuk merancang panjang batang penghubung antara pelampung dan piston agar menghasilkan perubahan tekanan pada pompa piston. Diharapkan panjang batang penghubung antara pelampung dan piston dapat digunakan sebagai variabel kontrol untuk sistem persamaan pompa piston tunggal. Perancangan panjang batang penghubung antara pelampung dan piston dilakukan menggunakan derajat relative dan tracking persamaan linear. Hasil yang didapatkan dari persamaan yang sudah menggunakan variabel kontrol panjang batang penghubung antara pelampung dan piston diperoleh nilai panjang batang penghubung antara pelampung dan piston sebesar 137,6928 m hingga 143,6112 m. Kata Kunci : pompa piston tunggal, sistem persamaan linear, tracking sistem persamaan, Runge-Kutta
Studi Dan Implementasi Metode Grammatical Evolution Untuk Pembangunan Aplikasi Sistem Prediksi Saham Aditya Kusuma Setyanegara; Jondri Jondri; Untari Novia Wisesty
eProceedings of Engineering Vol 2, No 2 (2015): Agustus, 2015
Publisher : eProceedings of Engineering

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

Abstract

Saham merupakan suatu model investasi yang populer saat ini. Dalam berinvestasi, saham memiliki resiko yang dapat membuat investor mengalami kerugian ketika saham yang dibeli sangat tinggi namun terjual dengan harga yang terlalu rendah. Analisis teknikal digunakan untuk mempelajari perilaku harga saham di masa lalu untuk memprediksi harga saham di masa depan. Metode Grammatical Evolution dipilih untuk menyelesaikan kasus ini dengan data input berupa harga saham di masa lalu. Dari hasil penelitian ini, menunjukkan MAPE terkecil adalah 1,17639%, dengan skenario 1000 periode data training dan 250 periode data testing yang merupakan skenario data terbaik yang dapat menghasilkan nilai akurasi tertinggi. Kata kunci : Analisis Teknikal, Grammatical Evolution, MAPE
Peramalan Nilai Tukar Idr-usd Menggunakan Long Short Term Memory Hendra Prasetyanwar; Jondri Jondri
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 Penelitian ini bertujuan untuk mengetahui performansi dari jaringan saraf tiruan rekuren model Long Short Term Memory. Data yang digunakan untuk training jaringan saraf tiruan oleh penelitian ini adalah kurs tengah dari rupiah terhadap dolar tahun 2016-2017. Lalu untuk data testing menggunakan kurs tengah dari rupiah terhadap dolar tahun 2018 bulan Januari dan Februari. Kata kunci : kurs tengah, prediksi, long short term memory (LSTM), mean squared error (MSE) Abstract This study aims to determine the performance of recurrent neural network model Long Short Term Memory. The data used for training artificial neural networks by this study is the middle rate of rupiah against the dollar in 2016- 2017. Then for data testing using the middle rate of rupiah against the dollar in 2018 in January and February. Keywords: middle rate, prediction, long short term memory (LSTM), mean squared error (MSE)
Co-Authors Achmad Rizal Aditya Kusuma Setyanegara Adnan Hassal Falah Al Azhar Al Azhar Alfredo Alfredo Ali Zainal Abidin Assajjad Anditya Arifianto Anggit Nourislam Aniq Atiqi Rohmawati Annisa Aditsania Arief Hutauruk Astri Asroviana Putri Aswindo Putra Bambang Ari Wahyudi Bayu Prabawa Bintang Aryo Dharmawan Danu Ardiyanto Dea Taradipa Ardiagarianti Dede Tarwidi Deni Saepudin Denny Maulana Deny Sugiarto Wiradikusuma Devy Yendriani Ditta Febriany Sutrisna Dyas Puspandari Echa Pangersa Sugianto Oeoen Edgarsa Bramandyo Widyarto Emha Ainun Erlina Febriani Fahrudin Julianto Faisal HAmdani Fakhrana Kurnia Sutrisno Fani Nuraini Fathih Adawi Ahmad Fauzan Azhim Umsohi Fazlur Rahman Amri Fery Kun Widi Yudantyo Fitriyani Fitriyani Fransisca Arvevia Intan Angelia Giali Ghazali Guntur Virgenius Hafiz Denasputra Halprin Abhirawa Hendra Prasetyanwar Huda Sepriandi Ibrahim Ida Bagus Gde Narinda Giriputra Ika Puspita Dewi Ilham Muhammad Iman Nur Fakhri Imannda Kusuma Putra Indwiarti, Indwiarti Iqbal Dwihanandrio Irma Palupi Irwan Ramadhana Kemas Muslim Lhaksmana, Kemas Muslim Kukuh Rahingga Permadi Mahmud Dwi Sulistiyo Mahmud Sulistiyo Moch. Bijaksana Muh. Arfan Arsyad Muhammad Farhan Muzakki Muhammad Ghazali Suwardi Muhammad Hasan Muhammad Irfan Fathurrahman Muhammad Rizqi Akbar Muhammad Wildan Putra Aldi Naufal Dzaky Anwari Naufal Furqan Hardifa Patma Oktaviana Rafi Hafizhni Anggia Ratih Puspita Furi Redha Arifan Juanda Reza Harun Rian Febrian Umbara Rica Ning Nurhasanah Rita Rismala Rizki Luthfan Azhari Salman Farisi Setya Hadi Siti Sa'adah Siti Saadah Sugondo Hadiyoso Tedy Suwega Tiara Laksmi Basuki Tjokorda Agung Budi Wirayuda Ulky Parulian Wibowo Untari Novia Wisesty Untari Wisesty Varian Vianandha Vena Erla Candrika Vera Suryani