Claim Missing Document
Check
Articles

Found 23 Documents
Search

Pelatihan Membangun Sistem Informasi Program Kerja Karang Taruna RW. 05 Tegal Parang Jakarta Selatan Mailasari, Mely; Sahara, Sucitra; Puspita, Ari; Widyastuti, Reny
Jurnal Aruna Mengabdi Vol. 1 No. 2 (2023): Periode November 2023
Publisher : Lotus Aruna Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61398/armi.v1i2.29

Abstract

Dalam rangka memenuhi salah satu kewajiban dosen pada tridharma, Universitas Bina Sarana melakukan pengabdian masyarakat dengan mitra Karang Taruna RW. 05 Kelurahan Tegal Parang Jakarta Selatan. Program Karang Taruna RW. 05 selama ini belum terlaksana secara optimal dalam memberikan kontribusi kepada masyarakat karena kurangnya sosialisasi program, dokumentasi kegiatan yang sudah terjadi sehingga terkadang program tidak terealisasikan dengan baik. Pengabdian kali ini akan mengadakan pelatihan membangun sistem informasi program kerja Karang Taruna RW. 05 Tegal Parang Jakarta Selatan. Tujuan pengabdian ini adalah agar pengurus Karang Taruna lebih mudah dalam mensosialisasikan program kerja dan mendistribusikan proposal kegiatan kepada sponsor. Sehubungan dengan berakhirnya pandemi covid-19 maka metode pelaksanaan pada kegiatan ini dilakukan secara Luring (offline). Target luaran berupa publikasi artikel di media masa cetak atau elektronik dan pengetahuannya meningkat.
Pengembangan Prototype Aplikasi Pengenalan Wajah Real-Time dengan Metode Haar Cascade dan LBPH Sahara, Sucitra; Puspita, Ari; Mely Mailasari
JAIS - Journal of Accounting Information System Vol. 4 No. 2 (2024): Desember
Publisher : LPPM Universitas Bina Sarana Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/jais.v4i2.7585

Abstract

Pengenalan wajah merupakan salah satu teknologi biometrik yang banyak digunakan dalam berbagai bidang, seperti keamanan, akses kontrol, dan personalisasi layanan. Penelitian ini bertujuan untuk mengembangkan sebuah prototype aplikasi pengenalan wajah secara real-time menggunakan kombinasi metode Haar Cascade untuk deteksi wajah dan Local Binary Patterns Histograms (LBPH) untuk pengenalan wajah. Haar Cascade digunakan karena kemampuannya dalam mendeteksi wajah secara cepat, sementara LBPH dipilih karena keakuratannya dalam mengenali wajah pada lingkungan dengan pencahayaan yang bervariasi. Prototype ini dirancang untuk mengenali individu secara efisien dengan memanfaatkan teknologi pemrosesan citra digital. Data pengujian mencakup gambar wajah dari berbagai individu dalam kondisi pencahayaan dan sudut pandang yang beragam. Hasil pengujian menunjukkan bahwa aplikasi mampu mendeteksi dan mengenali wajah dengan tingkat akurasi yang tinggi, khususnya dalam lingkungan terkendali. Namun, beberapa tantangan teridentifikasi pada kondisi lingkungan yang dinamis, seperti latar belakang kompleks atau perubahan pencahayaan drastis. Dengan demikian, aplikasi ini memiliki potensi untuk diimplementasikan dalam sistem autentikasi berbasis wajah atau aplikasi lain yang membutuhkan pengenalan wajah secara cepat dan akurat, yang dapat dikembangkan untuk mengidentifikasi. Semakin redup cahaya dan semakin jauh jarak pengenalan wajah dari kamera maka akan semakin kecil tingkat kemiripan yang didapatkan. Nilai kemiripan tertinggi yang diperoleh adalah pada intensitas cahaya terang dengan nilai kemiripan sebesar 78%. 
ANALISIS KINERJA METODE K-NEAREST NEIGHBORS PADA DATA JOB FAIR Purnamawati, Annida; Winnarto, Monikka Nur; Mailasari, Mely
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 7 No 2 (2024)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v7i2.1617

Abstract

This study examines the performance of the K-Nearest Neighbors (KNN) method for classifying applicant data in data-driven job fair activities. The challenges faced include managing large volumes of applicant data and identifying optimal parameters for classification. The study uses a dataset containing 20,000 entries from Kaggle, with attributes such as skills, work experience, and completed projects. After data preprocessing, experiments were conducted using the KNN method with the Euclidean Distance algorithm, within a range of k values from 3 to 9. The results show that k = 3 provides the best performance with an accuracy of 65.00%, precision of 63.78%, recall of 71.88%, and an F1-score of 67.64%. The conclusion indicates that smaller k values capture local patterns better, while larger k values tend to reduce performance. This research contributes to the development of data-driven recruitment systems by enhancing the efficiency and accuracy of applicant selection. Further studies are recommended to explore additional optimization methods and feature combinations to improve classification accuracy.