Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika
Sompie, Sherwin
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science

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

Found 2 Documents
Search

 1 
Aplikasi Absensi Berbasis Pangenalan wajah Multiple Person Rompas, Alexander Christian; Sompie, Sherwin; Jacobus, Agustinus
Jurnal Teknik Informatika Vol 16, No 2 (2021): JURNAL TEKNIK INFORMATIKA
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35793/jti.16.2.2021.33453

Abstract

Abstract - The attendance system is a feature used to record the attendance of certain activities such as academic activities. The manual attendance system has drawbacks in the form of discrepancies in the absences recapitulation, loss of attendance data, and the existence of absent data manipulation. The research with the title "Implementation of Multiple Person Face Recognition for Attendance Application" aims to eliminate some of the shortcomings of manual attendance by doing automatic attendance with facial recognition. This study uses Haarcascade, DNN Method and Support Vector Maschine to be able to detect faces and recognize faces that have been inputted by the user.Keywords – Attendance System; Deep Neural Network; Face Detection; Face Recognition; Haarcascade; Support Vector Machine; Abstrak — Sistem absensi merupakan fitur yang digunakan untuk mencatat kehadiran dari suatu kegiatan tertentu seperti kegiatan akademis. Sistem absensi manual memiliki kekurangangan berupa adanya ketidaksesuaian dalam rekapitulasi absen, kehilangan data absen, dan adanya manimpulasi data absen. Penelitian dengan judul “Aplikasi Absensi Berbasis Pengenalan Wajah Multiple Person” bertujuan untuk menghilangkan beberapa kekurangan dari absensi manual dengan cara melakukan absen secara otomatis dengan pengenanlan wajah. Penelitian ini menggunakan Haarcascade, Metode DNN dan Support Vector Machine untuk dapat mendeteksi wajah dan mengenali wajah yang telah terinput oleh user.Kata Kunci: Deteksi Wajah; Deep Neural Network; Haarcascade; Pengenalan Wajah; Sistem Absensi; Support Vector Machine;
Prediksi Hasil Tangkapan Ikan Cakalang dengan Metode Regresi Linear dan Recurrent Neural Network: Prediction of Skipjack Tuna Catches Using Linear Regression and Recurrent Neural Network Methods Tarumingkeng, Theofilio; Sompie, Sherwin; Jacobus, Agustinus; Patty, Wilhelmina
Jurnal Teknik Informatika Vol. 19 No. 03 (2024): Jurnal Teknik Informatika
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35793/jti.v19i3.53973

Abstract

Abstrak – Ikan Cakalang (Katsuwonus Pelamis) merupakan salah satu sumber daya ikan pelagis yang melimpah di Laut Sulawesi. Tujuan penelitian ini adalah memprediksi produksi hasil tangkapan ikan Cakalang dengan menerapkan metode Regresi Linear dan Recurrent Neural Network (RNN). Penelitian dilaksanakan dari Maret 2023 sampai Desember 2023. Data yang digunakan adalah hasil tangkapan cakalang yang didaratkan di Pelabuhan Perikanan Pantai Tumumpa, Sulut dari 2018 sampai 2023. Data faktor lingkungan diambil dari situs web Marine Copernicus dan Climate Copernicus pada bulan Juni 2023, di 14 titik pengamatan. Model dibuat dengan meggunakan library Scikit-learn dan library Keras yang telah disertakan dalam library Tensorflow.  Hasil analisis menunjukkan bahwa ada hubungan signifikan diantara beberapa variabel lingkungan yakni antara variabel SPL dan variabel klorofil, yang bersifat negatif. Namun hubungan antara variabel lingkungan yang dianalisis dan hasil tangkapan ikan cakalang, terlihat relatif rendah, yakni hanya dapat dijelaskan kurang dari 25%, selebihnya karena pengaruh faktor lain. Hasil permodelan menunjukan bahwa variabel prediktor yang digunakan (SPL, Klorofil, Angin Laut, dan Arus Laut) memiliki pengaruh yang kurang signifikan (kurang dari 50%) terhadap hasil tangkapan ikan Cakalang. Kinerja kedua model masih belum memuaskan dalam memprediksi hasil tangkapan ikan Cakalang.
Co-Authors Agustinus Jacobus Rompas, Alexander Christian Tarumingkeng, Theofilio Wilhelmina Patty