Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Informatika dan Rekayasa Komputer

Perancangan Sistem Presensi Face Recognition Dengan Menggunakan Metode Haar Cascade Object Detection Evan Alber; Jasmir; arvita, Yulia
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 5 No 1 (2025): JAKAKOM Vol 5 No 1 APRIL 2025
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jakakom.2025.5.1.2205

Abstract

Presensi yang dilakukan dengan manual dirasa kurang efektif penerapannya dalam masa pandemi covid-19. Ini dirasa dapat mengurangi perlindungan kesehatan terhadap pekerja hingga ruang lingkup sekitarnya dikarenakan dilakukan secara langsung dengan menyentuh alat presensi. Sebagai tanggapan dari permasalahan yang dibahas, salah satu caranya adalah dengan merancang sistem presensi face recognition ini. Dengan presensi face recognition ini para orang yang ingin melakukan presensi tidak lagi melakukannya secara manual. Sistem dapat merekam data apabila wajah orang yang melakukan presensi dihadapkan ke kamera. Tak hanya itu, perancangan sistem ini juga bertujuan sebagai landasan dalam mewujudkan perkembangan teknologi pada lingkungan sekitar. Hasil pengujian pada sistem didapatkan bahwa sistem dapat mengenali wajah yang melakukan presensi adalah dengan waktu rata – rata sebesar 1.693 detik dari nilai akurasi yang telah ditentukan.
Klasifikasi Penyakit Jantung Dengan Menggunakan Algoritma C5.O Nada Aprillia; arvita, Yulia; Jasmir
Jurnal Informatika Dan Rekayasa Komputer(JAKAKOM) Vol 5 No 2 (2025): JAKAKOM Vol 5 No 2 SEPTEMBER 2025
Publisher : LPPM Universitas Dinamika Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33998/jakakom.2025.5.2.2383

Abstract

Penyakit jantung adalah gangguan yang terjadi pada sistem pembuluh pembuluh darah besar yang menyebabkan organ vital makhluk hidup tidak berfungsi dengan baik. Seiring berkembangnya ilmu pengetahuan, kasus tentang prediksi penderita penyakit jantung dapat diselesaikan menggunakan teknik data mining. Dalam proses diagnosa masalah yang sering kali terjadi adalah kurangnya akurasi pada proses klasifikasi. Untuk mengukur tingkat akurasi pada dataset dapat dilakukan dengan teknik klasifikasi. Penelitian ini akan melakukan klasifikasi pada dataset penyakit jantung yang diperoleh dari situs Kaggle dengan mengetahui kombinasi setiap atribut pada dataset dan kemudian melakukan perhitungan untuk mengetahui tingkat akurasi pada dataset menggunakan teknik klasifikasi data mining dengan menggunakan algoritma C5.0. Hasil tingkat akurasi prediksi algoritma C5.0 menggunakan tools RapidMiner pada data penyakit jantung dengan jumlah 918 data yang mempunyai 12 atribut, yaitu Penderita Penyakit Jantung (Heart Disease), Usia (Age), Jenis Kelamin (Sex), Jenis Sakit Dada (Chest Pain Type), Tekanan Darah Saat Istirahat (Resting Blood Pressure), Kolesterol (Cholesterol), Gula Darah (Fasting Blood Sugar), Hasil Elektrokardiografi Saat Istirahat (Resting ECG), Detak Jantung Maksimum (Max Heart Rate), Latihan Diinduksi Angina (exercise angina), oldpeak, ST Slope.