Claim Missing Document
Check
Articles

Found 13 Documents
Search

Implementasi Sistem Deteksi Mata Kantuk Pada Pengendara Mobil Dengan Metode Eye Aspect Ratio Dan Facial Landmarks Berbasis Raspberry Pi 4B Dimas Maulana; Deden Wahiddin; Santi Lestari
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Angka kecelakaan lalu lintas di Indonesia meningkat setiap tahunnya. Kondisi pengemudi yang mengantuk merupakan faktor penting dalam terjadinya kecelakaan. Untuk menyelesaikan masalah ini, diperlukan sebuah alat yang secara otomatis bisa mendeteksi apakah pengemudi mobil sedang dalam keadaan mengantuk atau sadar. Tujuan dari penelitian ini adalah untuk mengidentifikasi tingkat kantuk pada pengemudi mobil menggunakan metode Facial Landmarks dan Eye Aspect Ratio (EAR). Proses yang dilakukan melibatkan beberapa tahapan diantaranya, pengumpulan data, deteksi wajah Facial Landmarks, perhitungan Eye Aspect Ratio (EAR), deteksi kantuk, dan pengujian. Proses dimulai dengan pengambilan gambar menggunakan kamera, selanjutnya melibatkan pemrosesan gambar menggunakan Raspberry Pi 4b untuk mengenali wilayah wajah. Setelah berhasil diidentifikasi, selanjutnya menerapkan metode eye aspect ratio untuk memeriksa kondisi mata. Sistem membaca jika mata terbuka, maka pengemudi dalam kondisi sadar dan tidak mengantuk. Jika mata tertutup dalam jangka waktu yang ditentukan, sistem mengenali bahwa pengemudi mengalami kantuk dan akan memberikan peringatan suara. Penelitian ini dilakukan 40 kali pengujian pada siang hari dan pada malam hari, 20 kali pengujian pada siang hari dan 20 kali pengujian pada malam hari. Hasil pengujian menunjukkan bahwa pada siang hari, akurasi mencapai 70%, sementara pada malam hari akurasi sebesar 35%.
Penerapan Algoritma Naïve Bayes Dan KNN Dalam Menganalisis Sentimen Aplikasi Tiktok Shop Seller Center Berdasarkan Review Google Playstore Martha Wijaya; Tohirin Mudzakir; Santi Lestari
Scientific Student Journal for Information, Technology and Science Vol. 5 No. 2 (2024): Scientific Student Journal for Information, Technology and Science
Publisher : Scientific Student Journal for Information, Technology and Science

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

Abstract

Aplikasi Tiktok Shop Seller Center berfungsi sebagai platform bagi pengusaha untuk memulai bisnis di media sosial Tiktok. Dengan memanfaatkan aplikasi ini penjual bisa meraih dukungan untuk meningkatkan kesuksesan penjualan. Walau aplikasi ini sudah banyak diunduh di Google Play Store, namun review yang diberikan pengguna mengenai kualitas aplikasi tersebut masih sangatlah beragam, mulai dari pengguna yang memberikan review positif karena aplikasi ini bermanfaat dan ada juga yang berpendapat sebaliknya. Oleh karena itu, analisis sentimen dilakukan dengan menggunakan algoritma Naïve Bayes dan K-Nearest Neighbor (KNN) untuk menilai persepsi pengguna aplikasi Tiktok Shop Seller Center berdasarkan review yang terdapat di Google Play Store. Digunakan Sampel data ulasan sebanyak 611, kemudian data tersebut dibagi menjadi dua bagian, yaitu 80% untuk data training dan 20% untuk data testing. Metode evaluasi yang diterapkan adalah Confusion Matrix, yang menghasilkan akurasi sebesear 0.98 untuk Naïve Bayes dengan parameter nilai alpha 0.3, dan sekitar 0.99 untuk K-Nearest Neighbor dengan parameter nilai k=5. Kesimpulannya, algoritma KNearest Neighbor unggul dalam melakukan klasifikasi sentimen dengan akurasi yang lebih tinggi.
Analisis Faktor Yang Mempengaruhi Efisiensi Penggunaan Tempat Tidur Berdasarkan Grafik Barber Johnson di RSU Bunda Margonda Santi Lestari; Nuha Aqya Ramadhan
Jurnal Ilmiah Kedokteran dan Kesehatan Vol. 4 No. 1 (2025): Januari : Jurnal Ilmiah Kedokteran dan Kesehatan
Publisher : Lembaga Pengembangan Kinerja Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55606/klinik.v4i1.6078

Abstract

The efficiency of hospital bed utilization is commonly evaluated using four key performance indicators: Bed Occupancy Rate (BOR), Average Length of Stay (AvLOS), Turn Over Interval (TOI), and Bed Turn Over (BTO). These indicators are then assessed comprehensively through the Barber Johnson Chart to determine overall inpatient service efficiency. Based on the 2024 inpatient service records of Bunda Margonda General Hospital, the BOR reached 91.01%, AvLOS was 3.47 days, TOI was 0.34 days, and BTO was 95.87 times—values that generally fall outside the recommended efficiency thresholds. This study aims to identify the factors contributing to the inefficiency of bed utilization using Barber Johnson indicators throughout 2024. A quantitative analytical approach with a cross-sectional design was employed, utilizing secondary data derived from the annual inpatient census. The analysis compared each indicator with the Barber Johnson standards and examined inefficiency patterns across monthly variations and individual care units. The findings reveal that BOR and BTO were substantially above the optimal range, TOI was lower than the recommended standard, while AvLOS remained within acceptable limits. When plotted on the Barber Johnson Chart, the combined indicators positioned the hospital outside the designated efficiency zone, indicating suboptimal bed utilization performance.