Article Per Year (5 Year)
p-Index From 2021 - 2026
1.066
P-Index
This Author published in this journals
All Journal Jurnal Infomedia Journal Of Artificial Intelligence And Software Engineering Jurnal Polimesin
Azhar Azhar
Politeknik Negeri Lhokseumawe
Automotive Engineering Computer Science & IT Control & Systems Engineering Engineering Materials Science & Nanotechnology Mechanical Engineering

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Journal Of Artificial Intelligence And Software Engineering

 1 
Sistem Deteksi Wajah Untuk Pencatatan Kehadiran Mahasiswa Di Kelas Menggunakan Metode Convolutional Neural Network Syifa Zahrah; Azhar Azhar; Musta’inul Abdi
Journal of Artificial Intelligence and Software Engineering Vol 2, No 1 (2022)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v2i1.3873

Abstract

Kehadiran mahasiswa dalam suatu pembelajaran di kelas seringkali menjadi syarat wajib dalam dunia pendidikan, dan menjadi tolak ukur dalam menilai mahasiswa. Terkadang masih dijumpai praktik curang oleh mahasiswa dalam absensi agar mencapai kehadiran minimal. Dari sisi administrasi, absensi berbasis kertas berpotensi pemborosan dan juga memperpanjang tahapan administrasi karena membutuhkan rekapitulasi manual. Metode yang digunakan dalam penelitian ini adalah pendekatan Deep Learning dengan arsitektur CNN untuk mengenali wajah. Selain gambar wajah, sistem juga akan memvalidasi absensi dengan kesesuaian lokasi dan waktu. Kehadiran mahasiswa dalam proses pembelajaran sangat diperlukan untuk mengetahui jumlah mahasiswa. Penelitian ini dilakukan untuk membuat sebuah sistem pendeteksian wajah dalam mengenali mahasiswa di dalam kelas, kemudian menangkap dan mendeteksi seluruh wajah mahasiswa secara akurat serta melakukan pengujian terhadap sistem, dimana hal ini dilakukan untuk mengetahui sejauh mana sistem dapat bekerja, dalam penerapannya penelitian ini menggunakan algoritma Convolutional Neural Network sebagai metode DeepLearning yang dapat digunakan untuk mengenali dan mengklasifikasi sebuah objek. Sistem ini berhasil mendeteksi 8 dari 10 wajah mahasiswa dan memiliki presentase keakuratan sebesar 80%, dengan jumlah data 300 uji gambar wajah.
Penerapan Metode Deteksi Canny Dan Template Matching Pada Pengenalan Motif Songket Aceh Nurul Fatani; Azhar Azhar; Musta’inul Abdi
Journal of Artificial Intelligence and Software Engineering Vol 2, No 1 (2022)
Publisher : Politeknik Negeri Lhokseumawe

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30811/jaise.v2i1.3872

Abstract

Songket merupakan jenis kain tenun yang dikenal di seluruh Indonesia. Cara penenunan dan motif-motif songket berbeda antara daerah yang satu dengan daerah lainnya masyarakat belum banyak mengetahui informasi tentang motif-motif songket. Kain songket aceh menjadi salah satu kain khas masyarakan Aceh, Untuk pengenalan jenis kain dan motif masih dilakukan secara manual dengan penjabaran dari mulut ke mulut oleh masyarakat Aceh sendiri namun tidak ada informasi yang detail mengenai jenis kain dan arti dari motif kain tersebut. Oleh karena itu dibutuhkam sebuah Aplikasi untuk membantu masyarakat mengenal lebih lanjut jenis kain dan arti motif dari kain tersebut. Sistem dibentuk dengan menggunakan pengolahan citra menggunakan metode deteksi tepi Canny dan Tamplate Matching. Metode deteksi tepi Canny digunakan untuk mendapatkan garis tepi objek, selanjutnya Tamplate Matching digunakan untuk mengenali dan mencocokan tiap bagian dari suatu citra dengan citra acuan. Hasil akurasi sistem sebesar 96.6%, dengan jumlah data 20 uji gambar songket. Berdasarkan pengujian, sistem dapat mengenali 19 citra songket yang diuji dari 5 jenis motif kain songket aceh dengan benar. Berdasarkan pengujian whitebox dan blackbox disimpulkan sistem dapat memberikan informasi kepada pengguna juga dapat memudahkan masyarakat dalam mengenali jenis kain dan arti dari motif kain tersebut.
Co-Authors Adieth Try Aulia Lastana Hendrawati Hendrawati Hendrawaty Huzeini Huzeini Irwin Syahri Cebro Maulida Syadzwina Mulyadi Mulyadi Musta’inul Abdi Nurdin Nurdin Nurul Fatani Said Aiyub Syifa Zahrah Toni Toni