Claim Missing Document
Check
Articles

Found 32 Documents
Search

Sistem Absensi Berbasis Deteksi Wajah dengan Pendekatan Eksperimen Meryatul Husna; Kinarta Ketaren; Sharfina Faza; Orli Binta Tumanggor; Aprilza Aswani
INSOLOGI: Jurnal Sains dan Teknologi Vol. 4 No. 6 (2025): Desember 2025
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/insologi.v4i6.6700

Abstract

This study compares the accuracy of two face detection algorithms, Haar Cascade and Multi-task Cascaded Convolutional Networks (MTCNN), to determine the most suitable method for implementation in a facial recognition–based attendance system. The evaluation was conducted through a series of tests under common real-world conditions, including variations in distance, lighting intensity, and face orientation. Each algorithm was assessed using performance metrics such as Precision, Recall, F1-Score, and processing time to provide a comprehensive understanding of their strengths and limitations. The results indicate that MTCNN consistently achieves higher accuracy across nearly all tested scenarios, particularly under low-light conditions and when the face is not oriented frontally. In contrast, Haar Cascade demonstrates faster processing time but experiences significant decreases in accuracy under non-ideal conditions typically found in practical applications. Based on these findings, MTCNN is considered more suitable for attendance systems that require high accuracy and robustness to environmental variations, while Haar Cascade may be preferred in applications where computational efficiency and speed are the primary considerations.
APLIKASI DIAGNOSA PENYAKIT TANAMAN BUAH MENGGUNAKAN METODE RULE BASED REASONING Meryatul Husna; Sharfina Faza; Andam Lukcyhasnita; Yuyun Yusnida; Mhd. Ikhsan P. Siregar
JOURNAL OF SCIENCE AND SOCIAL RESEARCH Vol. 7 No. 4 (2024): November 2024
Publisher : Smart Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54314/jssr.v7i4.2326

Abstract

Produktivitas tanaman buah di Indonesia, seperti mangga, sering kali terancam oleh berbagai penyakit yang dapat menurunkan kualitas dan kuantitas hasil panen, serta menyebabkan kerugian ekonomi bagi petani. Identifikasi dini penyakit sangat penting, namun tidak semua petani memiliki pengetahuan yang memadai untuk melakukan diagnosa yang akurat. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi berbasis web yang menggunakan metode Rule-Based Reasoning (RBR) dalam mendiagnosa penyakit tanaman mangga berdasarkan gejala yang diamati. Aplikasi ini dirancang untuk memberikan diagnosa yang akurat dan cepat, serta rekomendasi penanganan yang tepat, melalui antarmuka yang mudah digunakan oleh petani. Data untuk sistem ini diperoleh dari survei lapangan, sementara pengujian sistem dilakukan melalui metode blackbox untuk mengevaluasi akurasi dan keandalannya. Hasil pengujian menunjukkan bahwa sistem memiliki tingkat akurasi sebesar 80%, dengan potensi peningkatan melalui pengumpulan data tambahan dan pengembangan lebih lanjut. Sistem ini diharapkan dapat meningkatkan produktivitas tanaman buah lokal, khususnya mangga, serta mendukung kesejahteraan petani dengan solusi yang praktis dan efisien.