Claim Missing Document
Check
Articles

Found 4 Documents
Search
Journal : Journal of Computer and Information System (J-CIS)

Deteksi Wajah dengan Metode Local Binary Pattern Histogram pada OpenCV menggunakan Pemrograman Pyhton farid wajidi; Arfa Arfa; Sugiarto Cokrowibowo
Journal of Computer and Information System ( J-CIS ) Vol 3 No 2 (2020): J-CIS Volume 3 No. 2 2020
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v2i1.773

Abstract

Deteksi wajah (face detection) adalah salah satu tahap awal yang sangat penting di dalam proses pengenalan wajah (face recognition). Deteksi wajah dapat digunakan untuk melakukan pencarian data wajah dari citra atau video yang berisi wajah yang berbagai ukuran, posisi dan latar belakang. Pengenalan wajah merupakan suatu kemampuan yang digunakan oleh manusia dalam biometrik untuk membedakan manusia yang satu dengan lainnya. Seiring dengan semakin canggihnya teknologi saat ini, pengenalan wajahpun bisa dilakukan oleh sebuah sistem dengan artifical intelligence yang terhubung. Kemampuan untuk mengenal wajah tersebut memiliki kecerdasan buatan kemudian diimplementasikan dalam sebuah perangkat dengan platform android sehingga memiliki kemampuan sama seperti manusia. Local Binary Pattern Histogram (LBPH) adalah teknik baru dari metode Local Binary Pattern (LBP) untuk mengubah peforma hasil pengenalan wajah. LBP adalah deskriptor tekstur yang dapat juga digunakan untuk mewakili wajah, karena gambar wajah dapat dilihat sebagai sebuah komposisi micro-texture-pattern yaitu suatu operator non parametrik yang menggambarkan tata ruang lokal citra.
Sistem Informasi Nilai HSV Tanaman Sayur Sawi Berbasis Citra Handphone Reski Idrus; farid wajidi
Journal of Computer and Information System ( J-CIS ) Vol 4 No 1 (2021): J-CIS Volume 4 Issue 1 2021
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (432.259 KB) | DOI: 10.31605/jcis.v1i1.844

Abstract

Penelitian ini bertujuan untuk mengetahui nilai hsv pada tanaman sayur sawi. Metode pengolah citra dengan segmentasi warna, Tanaman sayur sawi yang diambil dalam penelitian ini setelah tanaman di semaikan dan di tanam ulang di lahan tertentu atau dari pembibit 0 umur sampai 17 hari kemudian di pindahkan tanaman tersebut, satu hari setelah tanaman sayur sawi tersebut di tanam ulang di lahan yang sudah di siapkan sebelumnya. Tanaman sayur sawi berumur 18 hari sampai 22 hari menghasilkan nilai Hue antara 37,224 % sampai 29,662 % , sayur sawi yang berumur 22 hari sampai 26 hari menghasilkan nilai Hue antara 29,662 % sampai 17,459%, sayur sawi yang berumur 26 hari sampai 30 hari menghasilkan nilai Hue 17,459 % sampai 15,755 %, sayur sawi yang berumur 30 hari sampai 34 hari menghasilkan nilai Hue 15,755 % samapi 7,483 %. Jika sayur sawi nilai HSVnya kurang dari nilai standar maka diprediksi ada gangguan tanamannya atau kurang baik pertumbuhannya, begitu juga kalau tanamannya melebihi nilai HSV standar bisa dipastikan pertumbuhan tanamannya dalam keadaan baik. Alat yang digunakan adalah kamera handphone vivo 1609 dengan alat bantu tongsit setinggi 5 meter.HandPhone Vivo 1609, Tanaman sayur sawi, Tongsit, Kertas putih bundar
Penerapan Algoritma Fordward Chaining dan Certainty Factor Pada Sistem Pakar Diagnosa Penyakit Kulit Manusia Heliawaty Hamrul; Nurjannah Ibrahim; Farid Wajidi
Journal of Computer and Information System ( J-CIS ) Vol 6 No 1 (2023): J-CIS Vol 6 No. 1 Tahun 2023
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v6i1.2414

Abstract

Penelitian ini bertujuan untuk untuk mengimplementasikan algoritma forward chaining dan Certainty Factor pada aplikasi sistempakar diagnosa penyakit kulit pada manusia. Fordward Chaining dipilih dalam penelitian ini karena dalam pencariankesimpulan menggunakan fakta berupa gejala penyakit yang akan dimasukkan kemudian gejala tersebut akan diolah menggunakan aturan yang sudah ditentukan sebelumnya. Sedangkan pemilihan Certainty factor digunakan untuk penilaian tingkar kepercayaan terhadap hasil diagnosa. Metode penelitian yang digunakan pada penelitian ini adalah pengumpulan data dilakukan dengan mencari bahan yang dibutuhkan yang berhubungan dengan penyakit. Wawancara juga digunakan dalam penelitian ini. Wawancara melibatkan pakar di bidang penyakit kulit. Kemudian dilakukan analisis data yakni, analisis kontendan perangkat lunak. Kemudian desain dan pembuatan program. Tahap terakhir adalah pengujian. Hasil penelitian menunjukkan bahwa sistem pakar yang dibuat dengan metode certainty factor dan forward chaining bekerja dengan baik. Aturan keputusan atau rule untuk penentuan penyakit kulit telah dibuat dengan mempertimbangkan gejala yang timbul. Rule tersebut dijadikansebagai database untuk penyelesaian metode forward chaining. Sedangkan metode certainty factor dibuat untuk memberikan kepastian nilai terhadap keputusan yang dihasilkan oleh sistem. Hasil pengujian akurasi menunjukkan keberhasilan sebesar 80%yang dimana hasil tersebut dilakukan sebanyak 10 kali pengujian
Pengenalan Huruf Aksara Lontara Menggunakan Metode Convolutional Neural Network mukhdar mustafa; Nahya Nur; farid wajidi; A. Amirul Asnan Cirua; Ismaun
Journal of Computer and Information System ( J-CIS ) Vol 7 No 1 (2024): J-CIS Vol. 7 No. 1 Tahun 2024
Publisher : Universitas Sulawesi Barat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31605/jcis.v7i1.3768

Abstract

Salah satu warisan budaya aksara nusantara, aksara lontara saat ini perlu di lestarikan agar tidak mengalami kepunahan. Beberapa hal yang menyebabkan aksara Lontara ini terancam punah diantaranya adalah tren penggunaan bahasa asing yang didukung oleh pesatnya perkembangan teknologi, serta kurangnya pendidikan dan pembelajaran yang mendukung kelestarian aksara Lontara pada generasi mudaPengenalan huruf aksara lontara menggunakan metode Convolutional Neural Network merupakan suatu sistem yang mampu menegenali huruf aksara lontara secara realtime. Pada penelitian ini menggunakan jenis penelitian eksperimen karena penelitian ini bersifat uji coba dimana penelitian ini menghasilkan suatu sistem pengenalan huruf aksara lontara dengan hasil akhir berupa perhitungan persentase pengujian. Implementasi Convolutional Neural Network sebagai metode yang digunakan untuk mendapatkan model. Berdasarkan tingkat akurasi terhadap model yang di dapatkan pada proses training dengan menggunakan 575 data uji sebanyak 48 data uji yang tidak dapat dikenali oleh sistem dan 527 data yang dapat dikenali dengan persentase sebesar 91.6%. Algoritma CNN sudah cukup baik dalam melakukan pengenalan huruf aksara lontara.