Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ekonomi Pembangunan Sinergi Akademisi dan Masyarakat
Rasyid, Abdurrahman
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice

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

Found 2 Documents
Search

 1 
ANALISIS POTENSI SEKTOR POTENSI PERTANIAN DI KABUPATEN KEDIRI TAHUN 2010-2014 Rasyid, Abdurrahman
Jurnal Ekonomi Pembangunan Vol 14, No 1 (2016): Jurnal Ekonomi Pembangunan
Publisher : Pusat Pengkajian Ekonomi dan Kebijakan Publik

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (223.721 KB) | DOI: 10.22219/jep.v14i1.3889

Abstract

The purpose of this study refers to the content and formulation of research problems, namely: to identify the structure of the economy in Kediri, analyzing knowing what economic sectors into competitive advantage and specialization in Kediri, analyzing whether there is an increase or decrease. The analysis tool used is: 1). Sector contribution (contribution) to the GDP, 2). Location Quotient (quotient Area), 3). Shift-Share Analysis: 4). Analysis MRP. The results of the analysis using the contributions show 1) Average sectoral contribution to the GDP the highest rates in Kediri is found in the agriculture sector and continue to decline. For the lowest contribution rate of the economic sector to the GDP at constant prices in Kediri are sectors Electricity, Gas & Water 2014 with the value of an average contribution amounting The results showed that the determination of a sector basis Basis sector is still dominated by agriculture sector and mining sector & Excavation which is as Primary Sector
DETEKSI WAJAH MENGGUNAKAN CASCADE CLASSIFIER DENGAN OPEN CV-PYTHON Prakoso, Angga Putra; Rasyid, Abdurrahman; Deannova, Alvito; Rahmawan, Agung Edi
SIKAMA : Sinergi Akademisi dan Masyarakat Vol 2 No 1 (2024): Jurnal Sikama
Publisher : Lembaga Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61488/sikama.v2i1.35

Abstract

Deteksi wajah merupakan aspek penting dalam bidang Computer Vision yang memiliki aplikasi luas, termasuk dalam sistem keamanan, interaksi manusia dengan komputer, dan analisis emosi. Salah satu metode yang efektif untuk deteksi wajah adalah menggunakan Cascade Classifier, khususnya metode Haar Cascade Classifier. Penelitian ini mengimplementasikan algoritma Haar Cascade Classifier menggunakan OpenCV dan Python untuk mendeteksi wajah pada citra digital. Metode ini menunjukkan kecepatan komputasi yang tinggi, menjadikannya cocok untuk aplikasi real-time seperti keamanan dan pengenalan wajah di kamera ponsel. Eksperimen menunjukkan hasil deteksi wajah yang akurat, meskipun terdapat keterbatasan dalam mendeteksi wajah dengan pose atau ekspresi yang beragam. Untuk meningkatkan akurasi, diperlukan pelatihan menggunakan dataset yang lebih representatif. Secara keseluruhan, Cascade Classifier dengan OpenCV dan Python efektif untuk deteksi wajah real-time.
Co-Authors Deannova, Alvito Prakoso, Angga Putra Rahmawan, Agung Edi