Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal KOMPUTIKA - Jurnal Sistem Komputer Kohesi: Jurnal Sains dan Teknologi
Farah Afi Febriyanti
Unknown Affiliation
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Energy Engineering Other

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

Found 2 Documents
Search

 1 
IMAGE PROCESSING DENGAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK DETEKSI PENYAKIT KULIT PADA MANUSIA Farah Afi Febriyanti
Kohesi: Jurnal Sains dan Teknologi Vol. 3 No. 10 (2024): Kohesi: Jurnal Sains dan Teknologi
Publisher : CV SWA Anugerah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.3785/kohesi.v3i10.4088

Abstract

Penelitian ini bertujuan untuk mengembangkan metode deteksi penyakit kulit pada manusia menggunakan teknologi image processing dengan Convolutional Neural Network (CNN). Pendekatan ini memanfaatkan dataset citra penyakit kulit dari Kaggle yang telah dibagi menjadi data pelatihan dan data validasi. Proses metodologi melibatkan tahapan pengumpulan data, image processing, dan desain model CNN. Hasil penelitian menunjukkan bahwa model CNN mampu mengidentifikasi berbagai jenis penyakit kulit dengan akurasi validasi sebesar 96%. Namun, terdapat ruang untuk peningkatan kualitas model dengan mengoptimalkan parameter dan menambahkan lapisan pada arsitektur CNN. Penelitian ini memberikan kontribusi dalam pengembangan teknologi deteksi penyakit kulit yang dapat diintegrasikan dalam sistem kesehatan untuk diagnosis dini dan penanganan penyakit kulit secara efisien.
Implementasi CNN untuk Sistem Absensi Wajah di Madrasah Diniyah Indah Puji Astuti; Farah Afi Febriyanti; Ismail Abdurrozzaq Zulkarnain
Komputika : Jurnal Sistem Komputer Vol. 14 No. 2 (2025): Komputika: Jurnal Sistem Komputer
Publisher : Computer Engineering Departement, Universitas Komputer Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34010/komputika.v14i2.17490

Abstract

Proses absensi manual di lingkungan pendidikan, khususnya Madrasah Diniyah, sering menimbulkan permasalahan seperti lambatnya pencatatan, adanya potensi kesalahan, serta kerentanan terhadap manipulasi data. Untuk mengatasi hal tersebut, penelitian ini bertujuan mengembangkan sistem absensi otomatis berbasis pengenalan wajah menggunakan metode Convolutional Neural Network (CNN). Sistem dirancang dengan memanfaatkan library OpenCV untuk pengolahan citra dan framework TensorFlow dalam bahasa pemrograman Python untuk pembangunan serta pelatihan model CNN. Dataset wajah siswa dikumpulkan secara langsung sebagai data pelatihan, kemudian model diuji pada kondisi  cahaya terang, cahaya redup,  jarak dekat, jarak sedang, dan sudut wajah miring guna mengukur akurasi sistem. Hasil penelitian menunjukkan bahwa sistem mampu melakukan identifikasi wajah secara real-time dengan tingkat akurasi rata-rata 86%, precision 87.5%, recall 85.2%, dan F1-score 86.3%. Model CNN yang digunakan terdiri atas tiga lapisan konvolusi dan dua lapisan pooling, dengan konfigurasi yang dioptimalkan untuk kondisi lingkungan madrasah. Kontribusi utama penelitian ini adalah menghadirkan solusi absensi yang efisien, akurat, dan kontekstual terhadap kebutuhan lembaga pendidikan keagamaan. Kata Kunci – Absensi Otomatis; Face Recognition; Convolutional Neural Network; OpenCV 
Co-Authors Indah Puji Astuti Ismail Abdurrozzaq Zulkarnain