Claim Missing Document
Check
Articles

Found 2 Documents
Search

Enhancing Low-Resolution Facial Images for Forensic Identification Using ESRGAN Helena Dewi Hapsari; Arya Dimas Wicaksana; Hafiz Fadli Faylasuf; Asa Yuaziva; Rivanka Marsha Adzani; Endang Purnama Giri; Gema Parasti Mindara
International Journal of Multilingual Education and Applied Linguistics Vol. 1 No. 4 (2024): November : International Journal of Multilingual Education and Applied Linguist
Publisher : Asosiasi Periset Bahasa Sastra Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61132/ijmeal.v1i4.156

Abstract

This research is motivated by the challenges in facial identification for forensic investigations due to poor image quality, especially from low-resolution CCTV recordings. Images with noise, low lighting, and suboptimal angles often hinder accurate facial recognition. This study aims to examine the effectiveness of the Enhanced Super-Resolution Generative Adversarial Network (ESRGAN) method in enhancing the quality of forensic facial images. The methodology consists of three main stages: data preparation of low-resolution facial images, applying the ESRGAN model to enhance image resolution, and evaluating the results using metrics such as PSNR and SSIM. The findings reveal that ESRGAN significantly improves the visual details of facial images, thereby supporting better facial identification processes. These results have important implications for leveraging deep learning technology to facilitate image analysis in forensic contexts. However, challenges such as extreme noise presence require further development of methods to achieve more optimal outcomes.
Perancangan Usaha Pembuatan Usaha PortoPro: Website Portofolio Personal Rizki Juliansyah; Rivanka Marsha Adzani; Wien Kuntari
TEKNOBIS : Jurnal Teknologi, Bisnis dan Pendidikan Vol. 2 No. 2 (2024): TEKNOBIS : Teknologi, Bisnis Dan Pendidikan
Publisher : Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penelitian ini bertujuan untuk mengembangkan sebuah website portofolio digital yang dapat membantu mahasiswa dan profesional muda dalam mempersiapkan diri menghadapi pasar kerja. Masalah utama yang dihadapi adalah kesulitan dalam membuat portofolio yang efektif dan mudah diakses, serta keterbatasan portofolio berbasis kertas yang tidak efisien. Solusi yang diajukan adalah pengembangan website portofolio berbasis CSS dan HTML yang dapat diakses secara online, memungkinkan pengguna untuk menampilkan karya dan prestasi secara profesional. Website ini dirancang dengan memperhatikan antarmuka pengguna (UI) dan pengalaman pengguna (UX) untuk memastikan kemudahan akses dan kenyamanan dalam interaksi. Metode Business Model Canvas (BMC) digunakan untuk merancang model bisnis yang tepat, sementara strategi pemasaran digital diterapkan untuk memperkenalkan layanan ini kepada target pasar. Hasil penelitian menunjukkan bahwa website portofolio digital dapat meningkatkan daya saing mahasiswa dan memudahkan pencarian kerja. Namun, beberapa hambatan teknis dan kendala komunikasi dengan klien juga ditemukan selama implementasi. Secara keseluruhan, pengembangan website ini berpotensi besar dalam mendukung transformasi digital bagi mahasiswa dan usaha kecil.