Article Per Year (5 Year)
p-Index From 2020 - 2025
2.049
P-Index
This Author published in this journals
All Journal Jurnal SOLMA Window of Health : Jurnal Kesehatan COLLASE (Creative of Learning Students Elementary Education) Jurnal Edueco JISKa (Jurnal Informatika Sunan Kalijaga) JUKI : Jurnal Komputer dan Informatika International Journal of Asian Education Pancasakti Journal Of Public Health Science And Research Digital Transformation Technology (Digitech) Malcom: Indonesian Journal of Machine Learning and Computer Science
Alam, Samsu
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Library & Information Science Mathematics Medicine & Pharmacology Nursing Public Health Social Sciences Other

Published : 13 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 13 Documents
Search

 1   2 
Deteksi dan Peringatan Jarak Wajah Otomatis Menggunakan MediaPipe dan Computer Vision untuk Kesehatan Pengguna Komputer Suradi, Andi Asvin Mahersatillah; Manguma, Thiara Tri Funny; Alam, Samsu; Afifah, A Najiah Nurul
JUKI : Jurnal Komputer dan Informatika Vol. 7 No. 2 (2025): JUKI : Jurnal Komputer dan Informatika, Edisi Nopember 2025
Publisher : Yayasan Kita Menulis

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

Abstract

Jarak pandang yang terlalu dekat antara wajah dan layar komputer dapat menyebabkan berbagai gangguan kesehatan, seperti kelelahan mata, sakit kepala, hingga gangguan postur tubuh dalam jangka panjang. Dalam konteks kerja jangka panjang di depan komputer, pemantauan jarak wajah menjadi penting untuk menunjang kenyamanan dan produktivitas pengguna. Penelitian ini bertujuan untuk mengembangkan sistem pendeteksi jarak wajah secara real-time menggunakan kamera webcam berbasis pemrosesan citra digital dan algoritma MediaPipe Face Mesh. Sistem yang dirancang menghitung jarak antara wajah pengguna dan kamera dengan mendeteksi dua titik wajah utama, yaitu pipi kiri dan pipi kanan. Jarak antara kedua titik tersebut dihitung dalam satuan piksel, dan dikonversi menjadi satuan sentimeter berdasarkan prinsip kalibrasi panjang fokus dan ukuran rata-rata lebar wajah manusia (15 cm). Dalam proses pengembangannya, sistem dilengkapi dengan mekanisme peringatan otomatis yang akan mengubah tampilan layar menjadi hitam apabila jarak wajah pengguna lebih dekat dari ambang batas minimum yang telah ditentukan (60 cm). Pengujian dilakukan terhadap delapan responden dengan variasi jarak aktual, untuk mengukur tingkat akurasi sistem. Hasil pengujian menunjukkan bahwa sistem memiliki Mean Relative Error (MRE) sebesar 2,75%, serta standar deviasi sebesar 2,71%, yang menunjukkan bahwa sistem tidak hanya akurat, tetapi juga konsisten dalam melakukan estimasi jarak wajah. Dengan hasil tersebut, sistem ini dapat berfungsi sebagai alat bantu ergonomi yang sederhana dan efektif, serta berpotensi untuk diintegrasikan lebih lanjut dalam aplikasi pemantauan kerja, pembelajaran daring, maupun sistem keselamatan berbasis pengenalan wajah.
Sistem Deteksi Kantuk Pengemudi Mobil Berdasarkan Analisis Rasio Mata Menggunakan Computer Vision Suradi, Andi Asvin Mahersatillah; Alam, Samsu; Mushaf, Mushaf; Rasyid, Muhammad Furqan; Djafar, Imran
JUKI : Jurnal Komputer dan Informatika Vol. 5 No. 2 (2023): JUKI : Jurnal Komputer dan Informatika, Edisi Nopember 2023
Publisher : Yayasan Kita Menulis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.53842/juki.v5i2.269

Abstract

Driver drowsiness is one of the main causes of motor vehicle accidents. According to National Sleep Foundation records, about 32% of drivers have at least one drowsy driving experience per month. About 25% of traffic accidents are caused by drowsiness while driving each year. The purpose of this study is to design a system that can detect driver sleepiness based on the aspect ratio of the eye with certain parameters using a webcam placed in the car's speedometer area. The methods used are Histogram Oriented Gradients (HOG) and Linear SVM which are in the dlib library which includes machine learning algorithms and uses real time applications. A pre-trained facial landmark detector from the dlib library is used to predict the location of the 68 x-y coordinates that map the facial landmarks to the face zones. The results of this study indicate that the system can be used in real time to detect driver drowsiness with the camera position in the speedometer area at a distance of 50 cm with an average accuracy of 90.4%.
Komparasi Metode Multi-Criteria Decision Making dalam Penentuan Penerima Beasiswa Alam, Samsu; Suryani, Suryani
Digital Transformation Technology Vol. 4 No. 1 (2024): Periode Maret 2024
Publisher : Information Technology and Science(ITScience)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47709/digitech.v4i1.4390

Abstract

Dalam upaya mendorong semangat belajar dan pencapaian akademis yang tinggi, pemerintah daerah kabupaten Lanny Jaya mengimplementasikan program Lanny Jaya Cerdas (LJC) yang memberikan bantuan beasiswa kepada mahasiswa dan mahasiswi Lanny Jaya. Proses seleksi penerima beasiswa tersebut dilakukan secara langsung tanpa mempertimbangkan kriteria yang telah ditetapkan, sehingga terdapat potensi kesalahan dalam proses tersebut. Salah satu solusi untuk mengatasi masalah tersebut adalah dengan mengimplementasikan Decision Support System (DSS) menggunakan metode Multi-Criteria Decision Making (MCDM) yang biasa juga disebut Multi-Attribute Decision Making (MADM), seperti Weighted Product (WP), Simple Additive Weighting (SAW) dan Multi-Objective Optimization By Ratio Analysis (MOORA). Sebanyak 15 data mahasiswa dari Lanny Jaya digunakan dalam penelitian ini, dengan kriteria indeks prestasi sementara, penghasilan orang tua, biaya studi dan jumlah tanggungan orang tua. Hasil uji sensitivitas menunjukkan bahwa metode SAW dipilih sebagai yang paling optimal karena memiliki sensitivitas tertinggi, yakni 0.103214%. Dengan mengimplementasikan ketiga metode tersebut, dapat membantu proses seleksi penerima beasiswa LJC dengan hasil yang lebih tepat dan cepat.
Co-Authors Abdul Pirol Afifah, A Najiah Nurul Alfina Baharuddin Allorerung, Petronilia Palinggik Andi Asvin Mahersatillah Suradi Andi Zulkarnain, Andi Angdy Erna Azizah Azizah Baderiah Baderiah Bagussahrir, Muhammad Bahtiar, Akbar Djafar, Imran Dodi Ilham Efendi, Erwatul Fachruddiansyah Muslim Gading, Gading Haeruddin Haeruddin Hairun nisa Husnah, Nurul M, Andrew Ridow Johanis Muh. Syahlan Natsir Muhammad Furqan Rasyid Muhammad Iksan, Muhammad Mushaf, Mushaf Nur Rahmah Putra, Iwan Ridwan, Widyawati Tri Ridha saputri, Linda Hardianti Sunardi Sunardi Suryani Suryani Syam, Asrul Thiara Tri Funny Manguma Zainuddin, Andi Husni A.