Article Per Year (5 Year)
p-Index From 2021 - 2026
2.771
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Informatika Mulawarman: Jurnal Ilmiah Ilmu Komputer MATRIK : Jurnal Manajemen, Teknik Informatika, dan Rekayasa Komputer The IJICS (International Journal of Informatics and Computer Science) JURTEKSI JOURNAL OF SCIENCE AND SOCIAL RESEARCH Journal of Computer System and Informatics (JoSYC) Syntax: Journal of Software Engineering, Computer Science and Information Technology Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Jurnal SAINTIKOM (Jurnal Sains Manajemen Informatika dan Komputer) Jurnal Pengabdian Masyarakat IPTEK Jurnal Sistem Komputer Triguna Dharma (JURSIK TGD) Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)
Saiful Nurarif
STMIK TRIGUNA DHARMA
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Industrial & Manufacturing Engineering Social Sciences

Published : 25 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : CESS (Journal of Computer Engineering, System and Science)

 1 
Biometric Technology Using Eigenface Algorithm Puji Sari Ramadhan; Saiful Nurarif; Muhammad Syahril; Yeni Riani Noviana
CESS (Journal of Computer Engineering, System and Science) Vol 7, No 1 (2022): January 2022
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (389.149 KB) | DOI: 10.24114/cess.v7i1.28918

Abstract

Penelitian ini membahas tentang teknologi biometrik yang digunakan untuk mengenali pola fisik dari seseorang sehingga dapat teridentifikasi. Focus biometrik yang akan diteliti adalah deteksi wajah. Hal ini dilakukan karena melihat kurang optimalnya pengenalan biometrik pada sidik jari yang rentan tidak terdeteksi akibat luka atau perubahan struktur kulit seseorang. Teknologi biometrik wajah ini dapat digunakan untuk mengenali seseorang dalam melakukan perekaman data seperti pengelolaan biodata pegawai, masyarakat dan absensi. Untuk membangun teknologi biometrik tersebut maka dibutuhkan sebuah algoritma yang mampu melakukan pengenalan pola yaitu Eigenface. Algoritma tersebut telah teruji dan banyak digunakan pada penelitian sebelumnya dalam pengenalan pola, sehingga sangat tepat untuk digunakan dalam penelitian ini. Proses pengenalan wajah dimulai dengan mengambil citra wajah sehingga akan memperoleh nilai RGB, kemudian melakukan konversi dari RGB ke grayscale. Setelah proses konversi selesai maka selanjutnya mengubah citra tersebut ke dalam bentuk matriks dan menghitung nilai Flatvektor sehingga nantinya akan dicari nilai kedekatan dari data citra yang direkam. Dari hasil penelitian yang dilakukan maka diperoleh hasil bahwa algoritma Eigenface telah berhasil melakukan pengenalan wajah dengan akurasi 100% dari 10 data uji. Pengujian akurasi dilakukan dengan insitas cahaya 10 sampai dengan 1000 Lux, jarak antara 30 sampai dengan 200 cm dan gerak objek diatas 4 detik
K-Nearest Neighbor's Accuracy in Dermatic Bacterial Disease Diagnosis Results Puji Sari Ramadhan; Saiful Nurafif; Muhammad Syahril
CESS (Journal of Computer Engineering, System and Science) Vol 7, No 2 (2022): July 2022
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v7i2.34855

Abstract

Penelitian ini membahas dan memaparkan tentang mencari nilai akurasi dari metode K-Nearest Neighbor dalam menghasilkan kesimpulan. Hal ini perlu dilakukan untuk mengetahui efektivitas metode tersebut dalam menyelesaikan permasalahan yang terjadi. Dalam penelitian ini akan dilakukan perhitungan nilai akurasi dengan menggunakan studi kasus identifikasi penyakit Dermatic Bacterial. Pemilihan kasus ini didasari dengan fakta bahwa sulitnya melakukan diagnosis melalui gejela-gejala yang terjadi serta penanganan dini terhadap penyakit tersebut. Masalah yang terjadi dikarenakan keterbatasan pengetahuan masyakarat serta keterbatasan para ahli yang berada di berbagai daerah. Penelitian ini diawali dengan pengumpulan data kasus, gejala dan penyakit pada Dermatic Bacterial, selanjutnya membentuk basis pengetahuan berdasarkan data kasus. Proses tersebut dilanjutkan dengan melakukan perhitungan dengan menggunakan metode K-Nearest Neighbor. Setelah memperoleh hasil diagnosa berdasarkan perhitungan yang telah dilakukan menggunakan metode K-Nearest Neighbor maka proses selanjutnya adalah mencari nilai akurasi hasil diagnosa yang akan dibandingkan dengan hasil diagnosa pakar. Pada penelitian ini menggunakan 10 data sampel riwayat kasus sebelumnya dan 20 sampel untuk data pengujian. Dari proses pengujian yang dilakukan maka diketahui bahwa untuk nilai akurasi pada metode K-Nearest Neighbor sebesar 85%, sehingga dapat disimpulkan bahwa metode K-Nearest Neighbor sangat baik digunakan dalam melakukan perhitungan hasil diagnosa sebagai bagian dari diagnosa awal dan penanganan dini terhadap pasien
Co-Authors Abram Henrik Henrik Jabastian Ahmad Aldi Syahputra Ahmad Calam Ali Ikhwan Anak Agung Gede Sugianthara Asyahri Hadi Nasyuha Badrul Anwar Badrul Anwar Darjat Saripurna Dedi Setiawan Dicky Adythia Herdiansyah Dicky Nofriansyah Dicky Novriansyah Dudi Rahmadiansyah Fitra Alami Ndruru Hendra Jaya Hendryan Winata Hendryan Winata Hutagalung, Juniar Irayani Gultom Iskandar Zulkarnain Ismawardi Santoso Jaka Prayudha kamil erwansyah Marsono Marsono Meri Sri Wahyuni Muhammad Dahria Muhammad Dahria Muhammad Dahria Muhammad Syahril Muhammad Zunaidi Nur Yanti Lumban Gaol pandji insani Puji Sari Ramadhan Puji Sari Ramadhan Purwadi Purwadi Rini Kustini Roidah Harahap Rudi Gunawan Saniman Saniman Sarjon Defit Sri Kusnasari Sri Murniyanti Syahputri, Astri Trinanda Syahputra Tugiono Tugiono Yeni Riani Noviana