Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Mosharafa: Jurnal Pendidikan Matematika
Andri Suryadi
STKIP Garut
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Mathematics Other

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
SISTEM PENGENALAN WAJAH MENGGUNAKAN METODE PRINCIPAL COMPONENT ANALYSIS (PCA) DENGAN ALGORITMA FUZZY C-MEANS (FCM) Andri Suryadi
Mosharafa: Jurnal Pendidikan Matematika Vol 4, No 2 (2015)
Publisher : Institut Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (194.444 KB)

Abstract

Berkembangnya ilmu pengetahuan dan teknologi dalam computer vision menjadikan keamanan komputer menjadi sangat penting. Salah satu contoh keamanan komputer adalah dengan cara pengenalan wajah. Skripsi ini membahas algoritma tentang pengenalan suatu wajah agar dapat dikenali oleh sistem komputer berdasarkan data training yang telah ada dalam database. Fitur-fitur yang terdapat dalam wajah akan dicari menggunakan Principal Component Analysis (PCA), sedangkan untuk tahap identifikasi menggunakan algoritma Fuzzy C-means (FCM). Principal Component Analysis akan digunakan untuk mereduksi citra wajah yang menghasilkan output berupa feature yang akan dijadikan inputan ke dalam algoritma fuzzy C-means. FCM mengelompokan data menjadi beberapa cluster yang masing-masing cluster diwakili pusat cluster. Pusat cluster inilah yang akan dijadikan dasar untuk mengenali data baru. Hasil pengujian yang telah dilakukan menggunakan PCA dan FCM dengan menggunakan 150 data latih yaitu sebesar 84%, 300 data latih yaitu 76% dan 450 data latih yaitu 76% sedangkan nilai akurasi rata-rata normal adalah 74%. Kemudian pengujian dengan tambahan noise yaitu menggunakan 150 data latih yaitu sebesar 26%, 300 data latih yaitu 14% dan 450 data latih yaitu 8% sedangkan nilai akurasi rata-rata noise adalah 16%. Dapat disimpulkan dengan menggunakan PCA dan FCM sistem pengenalan wajah ini menghasilkan akurasi cukup baik namun, sebaliknya dengan tambahan noise sistem pengenalan wajah tidak dapat berjalan dengan baik.
SISTEM PENGAMBILAN KEPUTUSAN UNTUK PEMILIHAN TEKNISI LAB DENGAN MULTI KRITERIA MENGGUNAKAN METODE AHP (ANALYTIC HIERARCHY PROCESS) Andri Suryadi; Dian Nurdiana
Mosharafa: Jurnal Pendidikan Matematika Vol 4, No 1 (2015)
Publisher : Institut Pendidikan Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (252.471 KB)

Abstract

Dalam proses perekrutan calon pegawai ada beberapa kategori kemampuan diambil untuk mendapatkan calon pegawai yang terbaik. Kategori kemampuan yang dimaksud adalah kemampuan hardskills dan softskills. Namun, dengan adanya kategori tersebut menjadi sulit bagi tim seleksi untuk mendapatkan keputusan yang terbaik terutama dalam relasi antar kategori yaitu kolaborasi hardskills dan softskills. Oleh karena itu dibutuhkan suatu metode untuk dapat menyelesaikan pengambilan keputusan dengan banyak kategori. AHP (analytic hierarchy process) merupakan metode yang dapat menyelesaikan masalah pengambilan keputusan berdasarkan banyak kategori. Kemampuan hardskills dan softskills dapat dikolaborasikan menggunakan AHP (analytic hierarchy process) sehingga keterkaitan antara kategori menjadikan proses perekrutan menjadi optimal.
Sistem Pendukung Keputusan Seleksi Ujian Masuk Perguruan Tinggi Menggunakan NBC (Na?ve Bayes Classifier) Andri Suryadi
Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control Vol 1, No 3, November-2016
Publisher : Universitas Muhammadiyah Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (304.184 KB) | DOI: 10.22219/kinetik.v1i3.120

Abstract

Kesuksesan sebuah perguruan tinggi dalam menciptakan lulusan yang berkualitas ditentukan oleh sumber daya yang masuk ke perguruan tinggi tersebut. Masing ? masing perguruan tinggi mempunyai sistem tersendiri dalam proses seleksi tersebut. Namun, dalam proses seleksi yang dilakukan banyak mahasiswa yang nilai kelulusannya tidak sesuai yang diharapkan. Oleh karena itu perlu adanya suatu sistem yang dapat mendukung keputusan dalam seleksi calon mahasiswa baru guna mendapatkan input calon mahasiswa yang baik. Penelitian ini membangun sistem Pendukung Keputusan menggunakan metode na?ve bayes classifier dimana nilai tes kompetensi dasar mahasiswa yang telah diterima akan dijadikan data latih kemudian diklasifikasikan berdasarkan nilai ipk yang telah diperolehnya. Nilai ipk tersebut akan menjadi patokan pembentukan kelas yang merupakan rekomendasi kepada tim penyeleksi. Kemudian diberikan sebuah data calon mahasiswa beserta nilai kompentensi dasar, jika calon mahasiswa tersebut memasuki kelas aman maka akan direkomendasikan untuk memasuki Perguruan Tinggi yang dimaksud.
Co-Authors Nurdiana, Dian