Article Per Year (5 Year)
p-Index From 2021 - 2026
2.87
P-Index
This Author published in this journals
All Journal IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Sistem dan Informatika Infotech Journal Jurnal Teknoinfo CYBERNETICS BULETIN AL-RIBAATH Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi Progresif: Jurnal Ilmiah Komputer Jurnal Computer Science and Information Technology (CoSciTech) JUTECH : Journal Education and Technology Joutica : Journal of Informatic Unisla Jurnal Riset Rumpun Ilmu Teknik (JURRITEK)
Barry Ceasar Octariadi
Universitas Muhammadiyah Pontianak
Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Other

Published : 27 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Progresif: Jurnal Ilmiah Komputer

 1 
Sistem Pengenalan Wajah Untuk Presensi Menggunakan Metode Haar Cascade Chairul Syafar Putra; Barry Ceasar Octariadi; Alda Cendekia Siregar
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1575

Abstract

An attendance system with facial recognition using the Haar cascade method is an efficient solution for recording student or employee attendance. By utilizing the Haar cascade algorithm, which is a machine learning-based object detection method, this system is able to recognize faces in images or videos. This algorithm, developed in 2001 by Paul Viola and Michael Jones, functions as a classifier that can produce bounding boxes around detected objects. The advantage of this system is that it can increase the efficiency of the attendance process by eliminating dependence on cards or manual recording, as well as reducing data input errors. System testing was carried out using a dataset of 10 students with 50 facial images each. As a result, the system succeeded in achieving 100% accuracy in identifying faces in different positions. In follow-up testing with 10 students, the system achieved 90% accuracy in the first stage and 80% in the second stage.Keywords: Attendance system; Facial recognition; machine learning; Bounding box; Biometrics AbstrakSistem absensi dengan pengenalan wajah menggunakan metode Haar cascade merupakan solusi efisien untuk pencatatan kehadiran siswa atau karyawan. Dengan memanfaatkan algoritma Haar cascade, yang merupakan metode deteksi objek berbasis machine learning, sistem ini mampu mengenali wajah dalam gambar atau video. Algoritma ini, dikembangkan pada tahun 2001 oleh Paul Viola dan Michael Jones, berfungsi sebagai classifier yang dapat menghasilkan bounding box di sekitar objek yang terdeteksi. Kelebihan sistem ini adalah dapat meningkatkan efisiensi proses absensi dengan menghilangkan ketergantungan pada kartu atau pencatatan manual, serta mengurangi kesalahan input data. Pengujian sistem dilakukan menggunakan dataset 10 mahasiswa dengan masing-masing 50 gambar wajah. Hasilnya, sistem berhasil mencapai akurasi 100% dalam mengidentifikasi wajah dengan posisi yang berbeda-beda. Dalam pengujian lanjutan dengan 10 mahasiswa, sistem mencapai akurasi 90% pada tahap pertama dan 80% pada tahap kedua.Kata kunci: Sistem absensi; Pengenalan wajah; machine learning; Bounding box; Biometrik
Perbandingan Model Arsitektur CNN Dengan Metode Transfer Learning Untuk Klasifikasi Spesies Ikan Laut Anugrah, Ilham; Siregar, Alda Cendekia; Octariadi, Barry Ceasar
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1834

Abstract

Fish are cold-blooded animals that are widely utilized by humans. Fish are a diverse group of poikilothermic vertebrates with over 27,000 species worldwide. The large number of fish species poses a challenge in distinguishing between them. This study aims to implement and compare three popular Convolutional Neural Network (CNN) architectures, namely Xception, Nasnet, and MobileNet V3L, in the task of classifying marine fish species. The research results show that all three CNN architectures perform exceptionally well in classifying marine fish species. The MobileNet V3L architecture achieves the highest level of accuracy with a value of 99% for all evaluation metrics. The Xception architecture achieves an overall accuracy of 97%, while the NasNet architecture achieves an overall accuracy of 92%. Overall, the comparison indicates that the MobileNet V3L architecture is the best architecture in this study.Keyword: Convolutional Neural Network; Transfer Learning; Sea Fish Classification AbstrakIkan merupan hewan berdarah dingin yang banyak di manfaatkan oleh manusia. Ikan adalah kelompok vertebrata poikilotermik yang beraneka ragam dengan jumlah spesies lebih dari 27.000 di seluruh dunia. Banyaknya jumlah spesies ikan menjadi satu masalah dalam membedekan jenis ikan. Penelitian inibertujuan untuk menerapkan dan membandingkan tiga arsitektur Convolutional Neural Network (CNN) yang populer, yaitu Xception, Nasnet, dan MobileNet V3L, dalam tugas klasifikasi spesies ikan laut. Hasil penelitian menunjukkan bahwa semua tiga arsitektur CNN memiliki performa yang sangat baik dalam klasifikasi spesies ikan laut. Arsitektur MobileNet V3L mencapai tingkat akurasi tertinggi dengan nilai sebesar 99% untuk semua metrik evaluasi. untuk arsitektur Xception menghasilkan akurasi keseluruhan 97% dan arsitektur NasNet menghasilkan akurasi keseluruhan 92%. Secara keseluruhan perbandingan dapat dikatakan bahwa arsitektur Mobilenet V3L adalah arsitektur terbaik dalam penelitian ini.Kata kunci: Convolutional Neural Network; Transfer Learning; Klasifikasi Ikan Laut
Sistem Informasi Geografis Tour Guide Pencarian Rute Terpendek Wisata Kabupaten Ketapang Menggunakan Algoritma Dijkstra PURWANTO, ANGGI; Insani, Rachmad Wahid Saleh; Octariadi, Barry Ceasar
Progresif: Jurnal Ilmiah Komputer Vol 20, No 1: Februari 2024
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35889/progresif.v20i1.1551

Abstract

The Tour Guide Geographic Information System was developed to overcome the difficulty of tourists in finding the shortest route to tourist attractions in Ketapang Regency. This application uses the Dijkstra algorithm in finding the fastest path between tourist sites. Although there are differences in route estimation and travel time with Google Maps, this application still provides accurate route estimates. The results of testing through black box testing and user acceptance testing showed success of 81.44%. This system applies exclusively in Ketapang Regency and meets the established standards.Keywords: Geographic Information System; Tour Guide; Dijkstra algorithm; Shortest Route. AbstrakSistem Informasi Geografis Tour Guide dikembangkan untuk mengatasi kesulitan wisatawan dalam menemukan rute terpendek ke objek wisata di Kabupaten Ketapang. Aplikasi ini menggunakan algoritma Dijkstra dalam pencarian jalur tercepat antar lokasi wisata. Meskipun terdapat perbedaan estimasi rute dan waktu tempuh dengan Google Maps, aplikasi ini tetap memberikan estimasi rute yang akurat. Hasil pengujian melalui black box testing dan user acceptance testing menunjukkan keberhasilan sebesar 81,44%. Sistem ini berlaku eksklusif di Kabupaten Ketapang dan memenuhi standar yang ditetapkan.Kata Kunci: Sistem Informasi Geografis; Tour Guide; Algoritma Dijkstra; Rute Terpendek.
Co-Authors Alda Cendekia Siregar Alkadri, Syarifah Putri Agustini Andalas Rivaldi Permana Anugrah, Ilham Arni - Yanti Asrul Abdullah Chairul Syafar Putra Dewi Yanti Eki Komariah Elsa Damayanti Fenni Supriadi Insani, Rachmad Wahid Saleh Medi, Medi PURWANTO, ANGGI Purwoko, Agus Rachmat Wahid Saleh Insani Rizka Amalia Rizki Akbar Pratama Siregar, Alda Cendekia Sucipto Sucipto Sucipto Sufi Vanitra Syaibah Syaibah vera vibiola Yulia, Rantika Yulrio Brianorman