Article Per Year (5 Year)
p-Index From 2020 - 2025
0.702
P-Index
This Author published in this journals
All Journal Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Automata
Ridho Rahmadi
Unknown Affiliation
Computer Science & IT Engineering

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

Found 3 Documents
Search

 1 
Classroom Attendance Based on Smiling Face Patterns and Nearby Wifi with Deep Learning Miftakhurrokhmat; Rian Adam Rajagede; Ridho Rahmadi
Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol 5 No 1 (2021): Februari 2021
Publisher : Ikatan Ahli Informatika Indonesia (IAII)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (716.05 KB) | DOI: 10.29207/resti.v5i1.2575

Abstract

Students' attendance in class is often mandatory in education and becomes a benchmark for assessing students. Sometimes there are still fraudulent practices by students to achieve minimum attendance. From the administrative perspective, a paper-based presence system is potentially wasteful and extends the administrative stage because it requires manual recapitulation. This study aims to design a class attendance application based on facial pattern recognition, smile, and closest Wi-Fi. The method used in this research is a deep learning approach with CNN based architecture, FaceNet, to recognize faces. In addition to facial images, the system will also validate the attendance with location and time data. Location data is obtained from matching SSID from the database, and time data is taken when the user sends attendance data through API. This attendance system consists of three applications: web, mobile, and services installed on a mini-computer, which are integrated to sending attendance data to the academic system automatically. As confirmation, students are required to smile selfies to strengthen the validity of their presence. The testing model's accuracy results are 92.6%, while for live testing accuracy the model obtained 66.7%.
Analisis Sentimen Politik Berdasarkan Big Data dari Media Sosial Youtube: Sebuah Tinjauan Literatur Rizky Ainul Wildan S; Ridho Rahmadi; Rian Adam Rajagede
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

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

Abstract

Media sosial merupakan salah satu sumber Big Data yang besar dan kompleks. Youtube adalah salah satu platform media sosial yang paling banyak digunakan di Indonesia. Peristiwa, pendapat, dan kebijakan politik seringkali disampaikan melalui media sosial Youtube. Pada makalah ini penulis bermaksud untuk mendiskusikan tinjauan literatur mengenai analisis sentimen politik berdasarkan Big Data dari media sosial Youtube. Pengumpulan literatur-literatur dengan melakukan seleksi terhadap publikasi berdasarkan beberapa kriteria, yaitu: (1) Literatur yang membahas terkait analisis sentimen, (2) Literatur yang membahas terkait Big Data, (3) Literatur yang membahas metode klasifikasi dalam melakukan analisis sentimen. Berdasarkan tinjauan literatur didapatkan hasil, yaitu: (1) analisis sentimen dapat digunakan untuk meneliti sentimen dalam berbagai aspek kehidupan, (2) Metode naïve bayes classifier adalah metode klasifikasi yang paling sering dipakai dalam pengklasifikasian analisis sentimen, (3) Metode naïve bayes classifier umumnya memiliki akurasi yang lebih baik dari metode lain. (4) Analisis sentimen dapat dilakukan berdasarkan data dari media sosial Twitter dan Youtube
Kajian Pustaka Pengembangan Aplikasi Mobile untuk Pengenalan Bahasa Isyarat Berbasis Deep Learning Javier Farran Ath-Thaariq; Rian Adam Rajagede; Ridho Rahmadi
AUTOMATA Vol. 2 No. 1 (2021)
Publisher : AUTOMATA

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

Abstract

Abstract—Kajian pustaka ini disusun dengan tujuan untuk mempelajari dan membandingkan penelitian-penelitian sebelumnya terkait pengenalan bahasa isyarat berbasis deep learning. Setelah mengkaji beberapa literatur, dapat diketahui bahwa ada 2 jenis bahasa isyarat yang paling dominan di Indonesia, Sistem Isyarat Bahasa Indonesia (SIBI) dan Bahasa Isyarat Indonesia (BISINDO). Pengembangan sistem pengenalan bahasa isyarat menggunakan deep learning juga menggunakan banyak metode seperti Convolutional Neural Network (CNN), Support Vector Machine Classification (SVM), Algoritma K Nearest Neighbor Classifier, dan Sistem jaringan syaraf tiruan perambatan balik. Selain itu ditemukan juga faktor-faktor yang menentukan akurasi pengenalan bahasa isyarat.
Co-Authors Javier Farran Ath-Thaariq Miftakhurrokhmat Rajagede, Rian Adam Rizky Ainul Wildan S