Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi
Oktagalu Pratamasunu, Gulpi Qorik
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mechanical Engineering Transportation

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Pengenalan Wajah Mahasiswa Universitas Nurul Jadid pada Video Menggunakan Metode Haar Cascade dan Deep Learning Oktagalu Pratamasunu, Gulpi Qorik; Ratu Farisi, Olief Ilmandira; Jannah, Maulidil
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020): Keberlanjutan Teknologi Informasi: Green IT sebagai Solusi Ramah Lingkungan
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1279.892 KB) | DOI: 10.33650/coreai.v1i1.1642

Abstract

Pengenalan wajah merupakan suatu teknologi dari komputer untuk mengidentifikasi wajah seseorang pada suatu gambar maupun video. Banyak metode yang bisa digunakan untuk pengenalan wajah antara lain metode fisherface, local binary pattern histogram, dan eigenface. Peneliti sebelumnya menerapkan pengenalan wajah menggunakan metode eigenface untuk mengidentifikasi wajah mahasiswa di Universitas Nurul Jadid. Akan tetapi, metode eigenface hanya fokus pada citra dengan objek tidak bergerak, sehingga belum bisa diterapkan pada video. Untuk itu, pada penelitian ini diusulkan suatu metode yang dapat mengidentifikasi wajah pada video yaitu metode haar cascade dan deep learning. Metode haar cascade merupakan suatu metode yang dapat mendeteksi  posisi letak wajah pada suatu video dan metode deep learning untuk mengenali wajah yang sudah terdeteksi pada video. Hasil uji coba yang dilakukan metode haar cascade dapat mendeteksi adanya wajah pada video secara baik. Akan tetapi metode haar cascade juga mendeteksi yang bukan wajah pada data testing. Hasil dari uji coba pada gambar dengan metode haar cascade dan deep learning teridentifikasi secara benar dengan tingkat akurasi 99,6%. Hasil uji coba metode haar cascade dan deep learning pada video mahasiswa berhasil dilakukan jika komposisi warna dan tingkat cahayanya sama dengan data training dan jika tidak sesuai dengan data training maka tidak berhasil mengidentifikasi wajah mahasiswa pada video secara benar.
Deteksi Pilihan Jawaban Otomatis pada Lembar Jawaban Komputer Menggunakan Metode Image Thresholding dan Contour Sorting Oktagalu Pratamasunu, Gulpi Qorik; Pawening, Ratri Enggar; Wulandari, Uky Novita
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020): Keberlanjutan Teknologi Informasi: Green IT sebagai Solusi Ramah Lingkungan
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (753.95 KB) | DOI: 10.33650/coreai.v1i1.1639

Abstract

Penggunaan lembar jawaban komputer mengalami peningkatan di berbagai instansi seperti halnya pendidikan sedangkan informasi dalam lembar jawaban komputer harus terekam secara sempurna. Pihak sekolah harus memiliki alat scanner tertentu dengan harga yang mahal untuk mendeteksi pilihan jawaban. Padahal saat ini banyak alternatif lain untuk memindai bisa menggunakan scanner biasa yang harganya jauh lebih murah atau menggunakan aplikasi android yang dapat mengambil foto dengan kamera dan merubahnya menjadi menyerupai hasil scan, tetapi baik scanner biasa atau pun aplikasi android tersebut tidak dapat langsung mendeteksi pilihan jawaban secara otomatis. Dari permasalahan di atas, dibutuhkan suatu metode untuk mendeteksi pilihan jawaban dan mengevaluasi pilihan jawaban tersebut. Dengan penelitian ini diharapkan dapat mengembangkan suatu metode untuk mendeteksi pilihan jawaban pada lembar jawaban komputer secara otomatis sehingga akan mendapatkan hasil yang lebih akurat. Pada penelitian ini dikembangkan sebuah metode yang dapat mendeteksi pilihan jawaban secara otomatis dengan menggunakan metode image thresholding dan contour sorting. Maka dapat disimpulkan, bahwasanya 95% metode image thresholding dan contour sorting berhasil mendeteksi pilihan jawaban secara otomatis pada lembar jawaban komputer
Co-Authors Jannah, Maulidil Ratri Enggar Pawening Ratu Farisi, Olief Ilmandira Wulandari, Uky Novita