Garuda - Garba Rujukan Digital

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

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

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.

Penerapan Metode Waterfall dalam Pengembangan Aplikasi Schedule Maintenance Alat Produksi Mailasari, Mely; Winnarto, Monikka Nur; Purnamawati, Annida
Infotek: Jurnal Informatika dan Teknologi Vol. 7 No. 1 (2024): Infotek : Jurnal Informatika dan Teknologi
Publisher : Fakultas Teknik Universitas Hamzanwadi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29408/jit.v7i1.24080

PT. Shiroki Indonesia Cikarang is moving on the field of automotive spare parts manufacturing such as window regulator, seat recliner, sear track as well as floor lock. The activity uses a tool/machine as a support to produce spare parts that have good quality. With so many of these machines, then the company needs to do the maintenance and also the maintenance of the machine well. Scheduling of maintenance and maintenance of machinery production equipment still uses the record on board and requires information from the operator to be submitted to the technician. Therefore, it is necessary to create a web-based maintenance schedule application that can facilitate the performance of the staff in making the maintenance schedule of the production equipment more effective and efficient as well as the availability of reports from the maitenance. The research method used is the waterfall method which has five stages namely needs analysis, design, program code making, testing and support or maintenance. The schedule maintenance application was created using the PHP programming language using the CodeIgniter framework and the MySql database.

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

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 Sentimen Aplikasi TikTok menggunakan Metode BM25 dan Improved K-NN Fitur Chi-Square Purnamawati, Annida; Winarto, Monikka Nur; Mailasari, Mely
Jurnal Komtika (Komputasi dan Informatika) Vol 7 No 1 (2023)
Publisher : Universitas Muhammadiyah Magelang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31603/komtika.v7i1.8938

Saat ini kemajuan teknologi sangat pesat, begitu juga halnya penggunaan internet semakin meningkat. Perubahan tersebut didukung dengan berkembangnya media komunikasi yang membuat jumlah penggunaan internet meningkat dan mendorong persebaran informasi sangat cepat melalui aplikasi sosial media. Aplikasi TikTok merupakan salah satu sosial media di Indonesia yang sangat popular saat ini. Aplikasi TikTok memberikan wadah untuk membuat video dengan durasi 60 detik dan mempunyai banyak fitur seperti menambahkan musik, mengubah suara, memberikan filter, menambahkan efek dan stiker. Pengguna aplikasi tersebut dari anak dibawah umur sampai dengan yang sudah tua maka tidak sedikit pengguna memberikan ulasan positif maupun negatif. Maka dari itu pada penelitian ini membantu pengguna untuk menganalisis data ulasan tersebut dengan melakukan eksperimen menggunakan teknik klasifikasi sentimen menggunakan metode BM25 sebagai pembobotan kata, dan Improved K-NN sebagai penentu dalam memilih sentimen dengan menambahkan fitur Chi-Square guna untuk mengurangi jumlah kata dalam klasifikasi. Pengujian menggunakan 5 kali pengujian rasio fitur kemudian di dapatkan hasil terbaik dari rasio fitur 50% dan k = 20 sehingga memperoleh hasil terbaik yaitu nilai precision 70,03%, recall 67,22%, accuracy 83,33% dan f-measure 66,26%. Dapat disimpulkan untuk penambahan fitur seleksi dapat membantu meningkatkan hasil recall, f-measure, precision, dan accuracy.

Title

Found 25 Documents
Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 25 Documents Search

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 25 Documents
Search