Article Per Year (5 Year)
p-Index From 2021 - 2026
6.342
P-Index
This Author published in this journals
All Journal Jurnal Media Infotama Bulletin of Electrical Engineering and Informatics Jurnal Pseudocode Jurnal Informatika Upgris Sistemasi: Jurnal Sistem Informasi INTECOMS: Journal of Information Technology and Computer Science Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) JSAI (Journal Scientific and Applied Informatics) Journal of Technopreneurship and Information System (JTIS) Just TI (Jurnal Sains Terapan Teknologi Informasi) Jurnal Abdimas Serawai Jurnal Komputer, Informasi dan Teknologi Jurnal Sistem Informasi Dan E-Bisnis Jurnal Ilmu Komputer Dan Informatika JPMTT (Jurnal Pengabdian Masyarakat Teknologi Terbarukan) JCOSIS (Journal Computer Science and Information Systems)
Putra, Erwin Dwika
Program Studi Teknik Informatika, Fakultas Teknik, Universitas Muhammadiyah Bengkulu
Religion Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Nursing Public Health Social Sciences

Published : 59 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 5 Documents
Search
Journal : JCOSIS (Journal Computer Science and Information Systems)

 1 
Implementasi Metode Viola Jones dan Haar Like Feuture Pada Deteksi Wajah Non Frontal Ahmad Sayyeid Al Jadd; Erwin Dwika Putra
JCOSIS (Journal Computer Science and Information Systems) Vol. 1 No. 1 (2024): Mei
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v1i1.175

Abstract

Tujuan : Pendeteksian wajah pada zaman yang semakin maju ini dirasakan perlu diaplikasikan pada segala bidang demi memudahkan pekerjaan manusia terutama dalam bidang keamanan, seperti keamanan gedung, perkantoran, bandara, ataupun tempat-tempat penting lainnya dengan mengaplikasikan suatu sensor pendeteksi wajah pada kamera, sehingga dapat diketahui identitas pengunjung tempat tersebut. Metode/Design/Pendekatan: Metode Viola Jones merupakan metode yang paling banyak digunakan untuk mendeteksi wajah proses pendeteksian wajah dilakukan dengan mengklasifikasikan sebuah gambar setelah sebelumnya pengklasifikasian dari data yang sudah disimpan Hasil/Temuan: Berdasarkan pembahasan dan uji coba, dapat disimpulkan bahwa Sistem Pendeteksian Wajah Non-Frontal Menggunakan Haar Like Feature pada Metode Viola Jones ini dapat mendeteksi wajah berorientasi miring atau non-frontal, yang tidak bisa dilakukan dengan sistem sejenis yang hanya mendeteksi wajah frontal. Kebaharuan/Originalitas/Nilai: Untuk wajah dengan kemiringan yang terlalu extreme atau kemiringan lebih dari 450 mempengaruhi kesuksesan pendeteksian. Serta Kecepatan pendeteksian bergantung pada besaran ukuran file gambar yang di proses. Keywords: Viola Jones, Wajah, Deteksi
Implementasi Metode Color Blob Detection Pada Objek Daun Sawi Wahyu Adianto; Dwika Putra, Erwin; Handrie Noprison; Vina Ayumi; Marissa utami; Mariana Purba
JCOSIS (Journal Computer Science and Information Systems) Vol. 1 No. 1 (2024): Mei
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v1i1.176

Abstract

Tujuan : Sistem aplikasi Mendeteksi Objek Daun Sawi dengan menerapakan Metode Color Blob Detection menggunakan Bahasa pemrograman matlab. Mekanisme pembuatan aplikasi dimulai dari pembuatan rancangan aplikasi, GUI (Grafik User Interface) sampai dengan pembuatan coding. Metode/Design/Pendekatan: model deteksi Objek Daun Sawi dengan menerapakan Metode Color Blob Detection menggunakan Bahasa pemrograman matlab Hasil/Temuan: Hasil pengujian yang dilakukan dengan memiliki tingkat keakuratan paling tinggi yaitu dengan jarak pengambilan sampel objek dengan jarak 50 cm, dan tingkat keakuratan paling rendah dengan jarak pengambilan sampel objek dengan jarak 20 cm. Kebaharuan/Originalitas/Nilai: Tingkat akurasi deteksi daun sawi maka dapat disimpulkan berhasil dengan tingkat keberhasil akurasi 67.7% Keywords: Color Blob Detection, Image Processing, Matlab
Penerapan Algoritma Viola Jones Untuk Deteksi Mata Pada Pengolahan Citra Digital Putra, Erwin Dwika; Marissa Utami; Mariana Purba
JCOSIS (Journal Computer Science and Information Systems) Vol. 1 No. 2 (2024): Oktober
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v1i2.208

Abstract

Purpose: This research aims to test the performance of eye detection algorithms in human images using specific methods, such as the Viola-Jones algorithm. Eye detection is an important component in various applications, ranging from biometrics to surveillance systems. Methods/Study design/approach: In this study, testing was conducted on 10 images with simple variations to assess the algorithm's accuracy, precision, and recall. Result/Findings: The results showed that the algorithm achieved an accuracy rate of 80% with a precision and recall of 88.9%, which indicates a fairly reliable performance for standard conditions. However, detection errors such as false positives and negatives were found, suggesting the potential for improvement, especially in images with varying illumination or orientation. Novelty/Originality/Value: This algorithm is suitable for real-time eye detection applications with stable lighting and orientation conditions. Still, it is recommended to incorporate additional methods to improve accuracy in more complex conditions.
Implementasi Notifikasi Berbasis Deteksi Gerak Menggunakan Algoritma Background Subtraction Putra, Erwin Dwika
JCOSIS (Journal Computer Science and Information Systems) Vol. 2 No. 1 (2025): Mei
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v2i1.227

Abstract

Mendeteksi gerakan merupakan suatu proses yang mengenali perubahan dalam posisi, bentuk, atau warna objek dalam suatu area dari waktu ke waktu. Penerapan teknologi ini luas, mulai dari keperluan pengawasan keamanan hingga analisis lalu lintas. Teknologi deteksi gerak bergantung pada perangkat keras dan perangkat lunak untuk mengidentifikasi perubahan yang terjadi dalam lingkungan yang diamati, seperti pergerakan manusia atau objek lainnya. Penelitian yang membahas tentang sistem deteksi gerak telah dikembangkan oleh banyak peneliti, salah satunya pemanfaatan kamera pengawas CCTV untuk mendeteksi gerak penghuni Kos [1]. pada penelitian tersebut peneliti menggunakan metode background subtraction dalam mendeteksi gerak. Walaupun sebelumnya telah ada penelitian yang berhasil dalam pengembangan algoritma deteksi gerak yang canggih, namun peneliti menemukan bahwa belum ada Penerapan notifikasi pada penelitian tersebut. Maka dalam Penelitian ini, peneliti akan melibatkan penerapan notifikasi yang memungkinkan pengguna untuk menerima pemberitahuan secara langsung mengenai perubahan yang terjadi dalam lingkungan yang sedang diamati.
Implementasi Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network untuk Deteksi Dini Penyakit Kulit Putra, Erwin Dwika; Hadiguna Setiawan
JCOSIS (Journal Computer Science and Information Systems) Vol. 2 No. 2 (2025): Oktober
Publisher : Institute for Research and Community Service

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61567/jcosis.v2i2.253

Abstract

Deteksi dini penyakit kulit merupakan langkah penting dalam upaya pencegahan dan penanganan dini penyakit berbahaya seperti melanoma. Penelitian ini bertujuan untuk mengembangkan model deteksi otomatis penyakit kulit berbasis citra dengan menggabungkan Local Binary Pattern (LBP) dan Dropout Convolutional Neural Network (CNN). Dataset yang digunakan adalah HAM10000, yang terdiri dari berbagai jenis citra lesi kulit beresolusi tinggi. Proses penelitian meliputi tahapan preprocessing (normalisasi, cropping, dan augmentasi), ekstraksi ciri tekstur menggunakan LBP, serta klasifikasi menggunakan CNN dengan mekanisme dropout untuk mencegah overfitting. Model dievaluasi menggunakan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil penelitian menunjukkan bahwa kombinasi LBP + Dropout CNN memberikan peningkatan signifikan dibandingkan CNN konvensional. Model usulan berhasil mencapai akurasi sebesar 99.45%, precision 99.21%, recall 99.43%, dan F1-Score 99.32%. Penerapan LBP meningkatkan kemampuan model dalam mengenali tekstur mikro pada permukaan kulit, sedangkan dropout meningkatkan kemampuan generalisasi model. Dengan hasil tersebut, metode yang diusulkan terbukti efektif untuk deteksi dini penyakit kulit secara otomatis dan berpotensi diterapkan dalam sistem Computer-Aided Diagnosis (CADx) berbasis kecerdasan buatan, baik di lingkungan klinis maupun aplikasi mobile untuk deteksi mandiri.
Co-Authors Abdiansah, Abdiansah Abdullah, Dedy Abdullah, Dedy Ade Rangga Saputera Agastra Galih Setiawan Ahmad Sayyeid Al Jadd Alber Uci Saputra Andi Nugroho Andi Nugroho, Andi Angtyas Candra Pratama Apridiansyah, Yovi Ayumi, Vina Charles Roenal Krisubiyantoro Dede Erwan Dedy Abdullah Dedy Abdullah Dedy Agung Prabowo Depmi Hardianto Deslianti, Dwita Deslianti, Dwita Diana Diana Ermatita - Erzi Hidayat Fikri Agnesa Putra Firdianti Sukemi Hadiguna Setiawan Handrie Noprison Hardianto, Depmi Harry Witriyono Herianto Herianto Jastrawan, Noris Jefri Zulkarnain Khairullah khairullah Krismiyani Krismiyani Krismiyani, Krismiyani M Khairunnas M. Husni Rifqo Mariana Purba Mariana Purba Marrisa Utami Moh. Rere Valentino Zantohar Monsya Juansen Muhammad Husni Rifqo Muhammad Husni Rifqo Naufal Afif Hawari Noprisson, Handrie Noris Jastrawan Nur Ani Nuri David Maria Veronika Pahrizal, Pahrizal Pitersa Susanto Purba, Mariana Putra, Zulhamdi Rahmat Arif Ma’ruf Rega Satya Putra Rifqo, Muhammad Husni Rio Eka Prayuda Sahrudin, Sahrudin Salamah, Umniy Sandhy Fernandez Sarwati Rahayu Sonita, Anisya Stefanus Santosa Sulis Sandiwarno ujang juhardi Vendi Handoyo Handoyo Veronika, Nuri David Maria Wachyu Hari Haji Wahyu Adianto Yetman Erwadi Yulia Darmi Yuza Reswan Zalia Apriyanti Zulhamdi Putra