Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Sistem Komputer dan Informatika (JSON) Klik - Jurnal Ilmu Komputer
Utari, Aspirani
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Engineering

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

Found 2 Documents
Search

 1 
Sistem Absensi Karyawan Menggunakan Self Potrait dan Geolocation Pada PT Sucofindo Palembang Saputra, Tommy; Utari, Aspirani; Teisnajaya, Usep; Twenty Agustine, Grace
Klik - Jurnal Ilmu Komputer Vol. 4 No. 2 (2023): Klik - Jurnal Ilmu Komputer
Publisher : Fakultas Ilmu Komputer Universitas Sumatera Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56869/klik.v4i2.553

Abstract

Penelitian yang telah dilakukan pada PT Sucofindo Palembang diperoleh masalah bahwa sistem absensi yang diterapkan saat ini masih menggunakan sistem manual, dimana proses absensi dilakukan dengan mencatat pada lembar kertas sehingga membutuhkan waktu yang lama dan boros penggunaan kertas. Rentan juga adanya manipulasi data atau terjadi data yang ganda, sehingga tidak mendapatkan hasil yang akurat. Tentunya hal tersebut membuat proses absensi menjadi kurang efektif. Salah satu dari solusi untuk mengatasi permasalahan di atas yaitu dengan membangun sebuah sistem yang terkomputerisasi untuk menggantikan metode manual dan membantu karyawan dalam proses absensi kehadiran di PT Sucofindo Palembang. Metode yang digunakan pada penelitian ini adalah metode waterfall secara terurut dimulai dari analisis, desain, pengkodean, pengujian, dan pemeliharaan. Proses desain rancangan sistem menggunakan UML (Unified Modeling Language) yang terdiri dari use case diagram, activity diagram, sequence diagram, class diagram, dan rancangan database. Hasil dari penelitian ini yaitu sebuah sistem absensi karyawan menggunakan self portrait dan geolocation berbasis web. Sistem ini dibuat agar karyawan bisa melakukan absensi dengan mudah menggunakan handphone dengan self portrait dan Geolocation, yang mana input absensi ini hanya bisa dilakukan di area PT Sucofindo Palembang saja sehingga mengurangi tingkat kecurangan dalam input absensi, karena dapat diakses menggunakan ponsel yang karyawan miliki, dan membantu Admin dalam merekap data absensi di PT Sucofindo Palembang
Klasifikasi Sinyal EEG Untuk Mengenali Jenis Emosi Menggunakan Recurrent Neural Network Utari, Aspirani; Rini, Dian Palupi; Sari, Winda Kurnia; Saputra, Tommy
Jurnal Sistem Komputer dan Informatika (JSON) Vol. 5 No. 2 (2023): Desember 2023
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/json.v5i2.7162

Abstract

This research focuses on in-depth exploration and analysis of the application of two types of Recurrent Neural Network (RNN), namely Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU). The two models are drilled with the same parameters, consist of three layer, use the relu activation function, and apply 1 dropout level. In order to compare the performance of the two, experiments were carried out using five groups of datasets for training and performance evaluation purposes. The evaluation includes metrics such as accuracy, recall, F1-score, and area under the curve (AUC). The dataset used is Eeg Emotion which contains 2458 unique variables. In terms of performance, LSTM succeeded in outperforming GRU in the task of classifying emotional data based on EEG signals. On the other hand, GRU shows advantages in accelerating the training process compared to LSTM. Although the accuracy of both methods is almost similar in all data divisions, in the evaluation of the ROC curve, the LSTM model demonstrates superiority with a more optimal curve compared to GRU.
Co-Authors Dian Palupi Rini Saputra, Tommy Teisnajaya, Usep Twenty Agustine, Grace Winda Kurnia Sari