Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pekommas Jurnal Komputer dan Teknologi Informasi
Amylia, Aura
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Languange, Linguistic, Communication & Media

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

Found 2 Documents
Search

 1 
Sistem Presensi Mahasiswa Menggunakan Fitur Deteksi Wajah Berbasis Cognitive Internet of Things April Liana, Dhewi; Kristianto, Bayu; Maharani, Anisya; Ahmad; Ilham, Ahmad; Amylia, Aura
Jurnal Pekommas Vol 8 No 2 (2023): December 2023
Publisher : Sekolah Tinggi Multi Media “MMTC” Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56873/jpkm.v8i2.5277

Abstract

Attendance fraud is often found in the presence of fake attendance from students. To overcome this problem, we apply the Haar-Like Feature Cascade method as the basis for building a face attendance system based on the Cognitive Internet of Things (CIoT). The proposed system works by representing local intensity patterns on the face image so that it will recognize students even from various frontal positions. The results of this research show a precise student face recognition that is able to recognize faces well. The conclusion of this research is that the Haar-like Feature Cascade method is able to detect faces precisely and can be used as a basis for developing student attendance technology based on the Cognitive Internet of Things.
Klasifikasi kendaraan menggunakan convolutional neural network untuk sistem gerbang tol otomatis di kota cerdas Amylia, Aura; Andini, Aulia Putri; MutiaA, Muhammad Rizky; Najihah, Nada Nur
JURNAL KOMPUTER DAN TEKNOLOGI INFORMASI Vol 3, No 1 (2025): Implementasi Sistem Cerdas
Publisher : Universitas Muhammadiyah Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26714/jkti.v3i1.13957

Abstract

Konsep kota cerdas menjadi isu penting dalam pengembangan kota-kota besar di dunia, di mana kota diharapkan dapat memberikan kehidupan yang lebih nyaman, teratur, sehat, dan efisien. Smart transportation sebagai bagian dari smart city berperan penting dalam meningkatkan tata kota yang lebih baik, termasuk pada sistem jalan tol. Saat ini, Gardu Tol Otomatis (GTO) di Indonesia masih menggunakan sensor yang sering kali salah dalam mengklasifikasikan truk gandeng. Penelitian ini memanfaatkan kamera digital yang telah terpasang di pintu tol untuk melakukan klasifikasi jenis kendaraan dengan menggunakan metode Convolutional Neural Network (CNN). CNN dipilih karena kemampuannya dalam mengenali pola dan fitur pada citra kendaraan melalui struktur jaringan saraf tiruan. Database yang digunakan terdiri dari 440 citra kendaraan, meliputi Truck, Taxi, Minibus, Jeep, Heavy Truck, Family Sedan, Bus, dan SUV. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan mencapai akurasi rata-rata sebesar 95%. Penelitian ini memberikan kontribusi dalam pengembangan sistem transportasi cerdas dengan meningkatkan akurasi klasifikasi kendaraan di gerbang tol, sehingga dapat mengurangi biaya operasional dan meningkatkan efisiensi. Implikasi dari penelitian ini dapat mendukung penerapan smart transportation dalam konteks smart city yang lebih luas.
Co-Authors Ahmad Andini, Aulia Putri April Liana, Dhewi Bayu Kristianto Ilham, Ahmad Maharani, Anisya MutiaA, Muhammad Rizky Najihah, Nada Nur