Article Per Year (5 Year)
p-Index From 2020 - 2025
2.765
P-Index
This Author published in this journals
All Journal Jurnal Ekonomi & Bisnis PNJ (JEKBIS PNJ) Jurnal Online Mahasiswa (JOM) Bidang Ilmu Ekonomi Jurnal Gantang KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer Jurnal Teknik Informatika UNIKA Santo Thomas Jurnal ICT : Information Communication & Technology Jurnal Review Pendidikan dan Pengajaran (JRPP) EDUTEC : Journal of Education And Technology Jurnal Sains Teknologi Transportasi Maritim JOINT (Journal of Information Technology Tematik : Jurnal Teknologi Informasi Komunikasi Interdisciplinary Social Studies Society: Jurnal Pengabdian Masyarakat Jurnal Teknik Informatika Unika Santo Thomas (JTIUST) West Science Social and Humanities Studies Jurnal Informatika: Jurnal Pengembangan IT ALSYSTECH Journal of Education Technology
Tuti Hartati
Politeknik Negeri Jakarta
Religion Humanities Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Environmental Science Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Public Health Social Sciences Transportation Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Tematik : Jurnal Teknologi Informasi Komunikasi

 1 
Pengenalan Wajah menggunakan Principle Component Analysis (PCA) dengan Model Algoritma Machine Learning untuk Mengidentifikasi Jenis Kelamin pada Kartu Identitas Mahasiswa Kurnia, Dian Ade; Hayati, Umi; Hartati, Tuti; Manikari, Salsa Loni; Afandi, Fahmi
TEMATIK Vol 9 No 2 (2022): Tematik : Jurnal Teknologi Informasi Komunikasi (e-Journal) - Desember 2022
Publisher : LPPM POLITEKNIK LP3I BANDUNG

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.38204/tematik.v9i2.1029

Abstract

Kajian tentang pengenalan wajah sampai saat ini masih banyak orang yang melakukan eksplorasi, hal ini dapat dilihat dari perkembangan teknologi Computer Vision yang diterapkan diberbagai aplikasi kehidupan. Tujuan penelitian ini adalah untuk mengidentifikasi wajah seseorang berdasarkan ciri atau featur jenis kelamin pada kartu identitas mahasiswa di sebuah perguruan tinggi. Metode yang digunakan melalui pendekatan data sains atau machine learning yaitu SEMMA (Sample, Explore, Modify, Model dan Asses) dengan penerapan pemodelan 2 (dua) algoritma yakni Support Vector Machine (SVM) dan Artificial Neural Network (ANN). Namun pemodelan tersebut juga didukung dengan pre-processing dengan teknik Principle Component Analysis (PCA) yang tujuannya mereduksi dimensi dari berbagai fitur gambar yang ada menjadi fitur yang terpilih. Hasil yang diperoleh dari penelitian ini bahwa adanya peningkatan performance pada aspek akurasi 77.50% untuk algoritma SVM dan 78.10%. Perolehan kinerja tersebut lebih baik dari penelitian sebelumnya yang tidak melibatkan teknik dimensi reduksi menggunakan PCA
Co-Authors Ade Rizki Rinaldi Afandi, Fahmi Al Fayyadh, L.M. Azwar Anwar Mustofa Asep Simbolon Basysyar, Fadhil Muhammad Dadan Dasari Djuni Akbar Fitria, Nida Harahap, Maulana Al Aziz Haryadi - Hayati, Umi Hermawan, Adi Hilarius Wandan Hilda Kurnia Fitri Ihsan Ihsan Judijanto, Loso Jumiati Sasmita Kadunci Kadunci Kurnia, Dian Ade Lenny Brida Manikari, Salsa Loni Mawarta Onida Sinaga Mulyadi Mulyadi Nailufar, Eva Zulfa Ni Made Widhi Nilah Karnilah Nurjanah Odi Nurdiawan Purnama, Saleh Riskon Ginting Rovanita Rama Sudarno Sudarno Sumanang Muhtar Gozali Susanto Susanto Wentri Merdiani Widuri, Ruri Wiyandi, Eko Yudhistira Arie Wijaya