Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Informasi dan Aplikasi
Tjahjanto .
Sistem Informasi, Universitas Muhammadiyah Sumatera Utara, Medan, Indonesia
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN WAJAH Nadia Destiana; Tjahjanto .; Nurul Aisyah; Adianta Sebayang; Idah Yuniasih
Jurnal Sistem Informasi dan Aplikasi (JSIA) Vol 2 No 2 (2024): Jurnal Sistem Informasi dan Aplikasi
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/jsia.v2i2.8560

Abstract

Pengenalan wajah adalah salah satu bidang yang kini sedang berkembang pesat dalam computer vision dan memiliki penerapan yang luas dalam kehidupan sehari-hari. Penerapan deep learning telah mencapai kemajuan signifikan dalam pengenalan wajah dengan akurasi tinggi. Penelitian ini bertujuan untuk mengimplementasikan deep learning berbasis TensorFlow untuk pengenalan wajah. Metode ini diharapkan dapat meningkatkan kinerja pengenalan wajah di berbagai lingkungan aplikasi serta memperluas cakupan dan akurasi teknologi pengenalan wajah yang digunakan di berbagai industri dan jasa. Oleh karena itu, penelitian ini diharapkan memberikan kontribusi yang signifikan terhadap pengembangan teknologi pengenalan wajah yang andal dan efektif dalam aplikasi praktis.
PENGEMBANGAN ARSITEKTUR DATA LAKE UNTUK MENGELOLA DATA TIDAK TERSTRUKTUR DALAM EKOSISTEM BIG DATA Andrea Berliani Yoshita; Tjahjanto .; widya khafanofa
Jurnal Sistem Informasi dan Aplikasi (JSIA) Vol 2 No 2 (2024): Jurnal Sistem Informasi dan Aplikasi
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/jsia.v2i2.8604

Abstract

Arsitektur Data Lake telah menjadi solusi inovatif untuk mengelola data tidak terstruktur yang berkembang pesat dalam ekosistem Big Data. Penelitian ini bertujuan untuk mengembangkan kerangka kerja arsitektur Data Lake yang efektif, dengan fokus utama pada integrasi dan pengelolaan data tidak terstruktur. Metode penelitian yang digunakan adalah studi literatur, mencakup jurnal dan artikel ilmiah terbaru sejak tahun 2020. Tujuan dari studi literatur ini adalah untuk mengidentifikasi komponen utama dan praktik terbaik dalam implementasi Data Lake, sehingga dapat memberikan panduan yang jelas bagi organisasi untuk mengoptimalkan penggunaan data tidak terstruktur. Hasil penelitian menunjukkan bahwa arsitektur Data Lake yang efektif harus mencakup beberapa komponen penting seperti ingestion, storage, processing, dan governance untuk mencapai efisiensi dan skalabilitas yang optimal. Ingestion memastikan bahwa data dari berbagai sumber dapat dikumpulkan dan diintegrasikan dengan mudah. Storage menyediakan penyimpanan yang aman dan scalable untuk data dalam berbagai format. Processing memungkinkan pemrosesan data secara real-time atau batch sesuai kebutuhan analisis. Governance menjamin bahwa data dikelola dengan baik, memenuhi standar kualitas, keamanan, dan kepatuhan. Kombinasi dari komponen-komponen ini membantu organisasi dalam memaksimalkan nilai dari data yang mereka miliki, serta mengatasi tantangan dalam pengelolaan data tidak terstruktur.
Co-Authors Adianta Sebayang Andrea Berliani Yoshita Idah Yuniasih Nadia Destiana Nurul Aisyah widya khafanofa