Article Per Year (5 Year)
p-Index From 2021 - 2026
0.61
P-Index
This Author published in this journals
All Journal Jurnal Rekayasa Elektro Sriwijaya Jurnal Teknologi dan Manajemen Industri Terapan
Abdul Haris Dalimunthe
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Desain Basis Data Website MyUnsri sebagai Media Informasi Dan Berbagi Pengetahuan Untuk Mahasiswa Universitas Sriwijaya Abdul Haris Dalimunthe; Iwan Pahendra Anto Saputra; Desi Windi Sari; Puspa Kurniasari; Nadia Thereza; Melia Sari
Jurnal Rekayasa Elektro Sriwijaya Vol. 4 No. 2 (2023): Jurnal Rekayasa Elektro Sriwijaya
Publisher : Jurusan Teknik Elektro Fakultas Teknik Universitas Sriwijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36706/jres.v4i2.87

Abstract

Website dapat berperan sebagai sarana untuk menyampaikan informasi seputar kegiatan akademis maupun non-akademis di Universitas Sriwijaya. Myunsri merupakan website yang dibentuk mahasiswa Universitas Sriwijaya yang bertujuan untuk berbagi pengetahuan dan informasi bagi mahasiswa Universitas Sriwijaya. Untuk menunjang kinerjanya, MyUnsri menggunakan basis data dengan tabel-tabel sebagai media penyimpanan datanya. Dengan demikian dibutuhkan perancangan basis data agar website dapat bekerja dengan semestinya. Tahapan yang dilakukan dalam perancangan basis data adalah dengan melakukan perencanaan, desain dan koding. Tahapan perencanaan adalah mengidentifikasi aktor dan aktivitas yang terkait dengan sistem yang akan dibuat. Setelah mengidentifikasi pada perencanaan dibuatlah suatu desain guna mengilustrasikan rancangan data yang akan dibuat. Tahapan terakhir adalah tahapan koding yang merupakan bentuk pengimplementasian dari desain data yang dibuat pada tahapan sebelumnya dimana pada tahapan ini digunakan perangkat lunak pengembangan basis data MySQL yang terintegrasi fitur phpMyAdmin sebagai alat bantunya
Perbandingan Kinerja Algoritma Haar Cascade dan Convolutional Neural Network pada ESP32 Cam dengan Raspberry Pi Sebagai Sistem Presensi Rekognisi Wajah Melia Sari; M. Renaldi Nugraha; Abdul Haris Dalimunthe; Puspa Kurniasari
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 4 No. 2 (2025): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i2.687

Abstract

Sistem presensi perkuliahan yang digunakan di Universitas Sriwijaya saat ini menggunakan dua cara, yaitu manual (tanda tangan di buku presensi) dan online melalui sistem e-learning.Kedua metode ini masih memiliki kelemahan, karena masih ada celah bagi mahasiswa untuk melakukan kecurangan pengisian presensi.Mahasiswa dapat mengisi presensi dengan cara diwakilkan oleh mahasiswa lain atau mahasiswa bersangkutan dapat mengisi absensi e-learning tanpa mengikuti kegiatan perkuliahan. Implementasi teknologi deep learning dapat digunakan untuk mencegah kecurangan pada pengisian presensi. Pada penelitian ini, menggunakan mikrokontroller ESP32 Cam karena modul tersebut lebih efisien serta memiliki beberapa koneksi bawaan seperti wifi dan Bluetooth, sehingga dapat dikembangkan menjadi IoT (Internet of Things) dan terintegrasi dengan database. Selain itu dilakukan pula perbandingan kinerja algoritma pada Raspberry PI 4 yang terhubung dengan Web Camera. Untuk pembacaan data diolah dengan algoritma deep learning Haar Cascade dan CNN (Convolutional Neural Network)..Sistem bekerja dengan cara merekam terlebih dahulu identitas wajah seluruh pengguna yang disimpan dalam database. Lalu pada saat pengambilan absen, sistem akan memanggil data yang tersimpan pada database dan mencocokkan data tersebut. Jika pengguna sudah terdaftar maka absen valid dan otomatis tersimpan pada database. Jika belum terdaftar, maka absensi tidak valid. Variable yang tersimpan pada database MySQL seperti id user,nama user, jam saat mengakses sistem presensi, dan rekam wajah. Berdasarkan data pengujian dengan lima metrik yaitu Confusion Matrix, Accuracy, Precision, Recall, dan F1 Score bahwa model CNN bekerja lebih baik dengan menggunakan Raspberry Pi (Web Camera) dibandingakn menggunakan ESP32 Cam. Sistem pengenalan wajah berbasis Convolutional Neural Network (CNN) memiliki kinerja yang bergantung pada perangkat keras yang digunakan.
Perbandingan Kinerja Algoritma Haar Cascade dan Convolutional Neural Network pada ESP32 Cam dengan Raspberry Pi Sebagai Sistem Presensi Rekognisi Wajah Melia Sari; M. Renaldi Nugraha; Abdul Haris Dalimunthe; Puspa Kurniasari
Jurnal Teknologi dan Manajemen Industri Terapan Vol. 4 No. 2 (2025): Jurnal Teknologi dan Manajemen Industri Terapan
Publisher : Yayasan Inovasi Kemajuan Intelektual

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55826/jtmit.v4i2.687

Abstract

Sistem presensi perkuliahan yang digunakan di Universitas Sriwijaya saat ini menggunakan dua cara, yaitu manual (tanda tangan di buku presensi) dan online melalui sistem e-learning.Kedua metode ini masih memiliki kelemahan, karena masih ada celah bagi mahasiswa untuk melakukan kecurangan pengisian presensi.Mahasiswa dapat mengisi presensi dengan cara diwakilkan oleh mahasiswa lain atau mahasiswa bersangkutan dapat mengisi absensi e-learning tanpa mengikuti kegiatan perkuliahan. Implementasi teknologi deep learning dapat digunakan untuk mencegah kecurangan pada pengisian presensi. Pada penelitian ini, menggunakan mikrokontroller ESP32 Cam karena modul tersebut lebih efisien serta memiliki beberapa koneksi bawaan seperti wifi dan Bluetooth, sehingga dapat dikembangkan menjadi IoT (Internet of Things) dan terintegrasi dengan database. Selain itu dilakukan pula perbandingan kinerja algoritma pada Raspberry PI 4 yang terhubung dengan Web Camera. Untuk pembacaan data diolah dengan algoritma deep learning Haar Cascade dan CNN (Convolutional Neural Network)..Sistem bekerja dengan cara merekam terlebih dahulu identitas wajah seluruh pengguna yang disimpan dalam database. Lalu pada saat pengambilan absen, sistem akan memanggil data yang tersimpan pada database dan mencocokkan data tersebut. Jika pengguna sudah terdaftar maka absen valid dan otomatis tersimpan pada database. Jika belum terdaftar, maka absensi tidak valid. Variable yang tersimpan pada database MySQL seperti id user,nama user, jam saat mengakses sistem presensi, dan rekam wajah. Berdasarkan data pengujian dengan lima metrik yaitu Confusion Matrix, Accuracy, Precision, Recall, dan F1 Score bahwa model CNN bekerja lebih baik dengan menggunakan Raspberry Pi (Web Camera) dibandingakn menggunakan ESP32 Cam. Sistem pengenalan wajah berbasis Convolutional Neural Network (CNN) memiliki kinerja yang bergantung pada perangkat keras yang digunakan.
Co-Authors Desi Windi Sari Iwan Pahendra Anto Saputra M. Renaldi Nugraha Melia Sari Nadia Thereza Puspa Kurniasari Sari, Melia