cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Bahar
Contact Email
bahararahman@gmail.com
Phone
-
Journal Mail Official
puslit.stmikbjb@gmail.com
Editorial Address
-
Location
Kota banjarmasin,
Kalimantan selatan
INDONESIA
Progresif: Jurnal Ilmiah Komputer
Published by Sekolah Tinggi Manajemen Informatika dan Komputer Banjarbaru
ISSN : 02163284     EISSN : 26850877     DOI : -
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering
Progresif: Jurnal Ilmiah Komputer adalah Jurnal Ilmiah bidang Komputer yang diterbitkan secara periodik dua nomor dalam satu tahun, yaitu pada bulan Februari dan Agustus. Redaksi Progresif: Jurnal Ilmiah Komputer menerima Artikel hasil penelitian atau atau artikel konseptual bidang Komputer.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol 7, No 2: Agustus 2011" : 5 Documents clear
PENGENALAN CITRA WAJAH YANG MEMILIKI GANGGUAN PENCAHAYAAN DENGAN KLASIFIER NEAREST NEIGHBOUR BERDASARKAN FITUR EIGENFACE DAN FISHERFACE Subandi Subandi
Progresif: Jurnal Ilmiah Komputer Vol 7, No 2: Agustus 2011
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (392.963 KB) | DOI: 10.35889/progresif.v7i2.62

Abstract

Variabilitas citra merupakan permasalahan yang selalu ditemukan pada bidang pengenalan (recognition) berbasis komputer, variabilitas ini meliputi extrapersonal dan interpersonal yang pada dasarnya menjadi kendala yang mengurangi keoptimalan kinerja sistem pengenalan wajah. Penelitian-penelitian telah dilakukan untuk menghilangkan kendala-kendala ini,  namun selalu masih ada peluang untuk melakukan peningkatan hasil penelitian.Penelitian yang akan dilakukan mencocokan data wajah dengan wajah lama yang sudah ada pada basis data. Metode yang akan digunakan  pada penelitian ini meliputi metode principal Componen Analysis (PCA) dan Linear Diskriminant Analysis (LDA) untuk pengenalan wajah.  Sasaran PCA adalah menentukan arah ortogonal yang menunjukan variansi data yang tertinggi dan kemudian diproyeksikan pada dimensi yang lebih rendah. Untuk lebih melakukan diskriminasi data, proses berikutnya menggunakan LDA. PCA mensyaratkan agar posisi seluruh wajah yang ditraining adalah identik. Sehingga perlu proses normalisasi wajah agar wajah punya ukuran  yang berbeda menjadi seragam.Data wajah yang digunakan pada penelitian ini menggunakan data wajah  abu –abu (gray scale). Selanjutnya dengan metode klasifikasi nearest neighbour akan diperoleh jarak terdekat antara hasil pengujian dan data pada database wajah. Penelitian ini mencoba melihat kemampuan sistem melakukan pengenalan wajah dengan citra standart dan citra dengan berbagai noise, seperti white noise, gaussian noise dan lainnya pada citra wajah.  Kata Kunci :Pengenalan wajah, PCA, LDA, Nearest neigbour, Noise
APLIKASI SISTEM PAKAR UNTUK MENDIAGNOSA KERUSAKAN SEPEDA MOTOR SUZUKI 4 TAK Lilis Rahmannor; Budi Rahmani
Progresif: Jurnal Ilmiah Komputer Vol 7, No 2: Agustus 2011
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (626.479 KB) | DOI: 10.35889/progresif.v7i2.61

Abstract

Pada penelitian ini dibuat sebuah aplikasi sistem pakar untuk mendiagnosa kerusakan pada sepeda motor. Pada umumnya beberapa pengendara sepeda motor yang kurang mengerti tentang gangguan atau kerusakan yang terjadi pada sepeda motornya, cenderung menyerahkannya pada mekanik, tanpa peduli apakah kerusakan itu sederhana atau terlalu rumit untuk diperbaiki.Penelitian ini menggunakan teknik Inference Forward Chaining dan teknik penelusuran data dengan menggunkan Depth First Search. Dengan teknik Inference Forward Chaining sistem akan memberikan informasi untuk permasalahan yang dihadapi. Hasil pengujian menunjukkan solusi permasalahan untuk setiap kerusakan sepeda motor yang dapat membantu penggunanya untuk menangani kerusakan sepeda motor suzuki 4 tak.Berdasarkan uji realibilas terhadap item-item pertanyaan pada user acceptance survei terhadap penggunaan sistem pakar yang dibuat, didapat nilai Alpha Cronbach adalah 0,670 dengan jumlah pertanyaan 8 item. Alpha Cronbach = 0,670 terletak diantara 0,60 hingga 0,80 sehingga tingkat reliabilitasnya adalah reliabel. Artinya berdasarkan hasil survei terhadap 30 orang responden, sistem yang dibangun telah dapat membantu user dalam menganalisa kerusakan sepeda motor suzuki 4 tak. Kata Kunci : Sistem pakar, Forward Chaining, Decision Tree, sepeda motor
ANALISIS KOMPARASI METODE FUZZY MAMDANI DAN SUGENO DALAM PENJADWALAN MATA KULIAH Yulia Yudihartanti
Progresif: Jurnal Ilmiah Komputer Vol 7, No 2: Agustus 2011
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (236.015 KB) | DOI: 10.35889/progresif.v7i2.58

Abstract

Aktivitas penjadwalan kuliah harus memiliki yang baik, yang berarti jadwal harus memenuhi semua kondisi yang ada seperti kursus yang ada dan ruang kuliah yang tersedia mempertimbangkan sejumlah kriteria yang mempengaruhi pembuatan jadwal ini. Olehkarena itu kita memerlukan metode yang akurat untuk membantu persiapan jadwal. Studi ini akan membuat perbandingan untuk menentukan metode Mamdani atau Sugenometode yang paling akurat, dalam rangka mengatasi kesulitan dalam menyusun penjadwalan saja. Pendekatan ini akan digunakan untuk memecahkan masalah penelitian, dalam hal ini teori pencarian melalui perpustakaan dari penelitian sebelumnya pada programpenjadwalan, teori metode logika fuzzy Mamdani dan Sugeno dari. Kemudian menyusun keadaan seni penelitian tentang topik yang sama dengan penelitian yang dilakukan.Penelitian ini bertujuan untuk menganalisis dan membandingkan metode Mamdani dan Sugeno metode mana untuk mendapatkan cara yang paling akurat untuk mengatasi kesulitan dalam mempersiapkan jadwal kursus.Kata kunci: Penjadwalan program, Fuzzy Logic, Metode Mamdani, Sugen
RANCANGAN AWAL SISTEM PRESENSI KARYAWAN STMIK BANJARBARU DENGAN PENDEKATAN EIGENFACE ALGORITHM Ruliah Ruliah
Progresif: Jurnal Ilmiah Komputer Vol 7, No 2: Agustus 2011
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (253.187 KB) | DOI: 10.35889/progresif.v7i2.59

Abstract

Sistem Presensi Karyawan STMIK Banjarbaru masih secara konvensional yaitu dengan menanda tangani daftar hadir yang disediakan oleh sekretariat dan setiap akhir bulan dibuatkan rekapitulasi nya, pada prensensi ini masih ada kelemahannya antara lain pencatatan jam kehadiran tidak sesuai dengan yangseharusnya karena dicatat oleh karyawan yang bersangkutan.Untuk mengatasi kelemahan tersebut dan memudahkan dalam pembuatan laporan maka perlu dibuatkan sebuah model presensi yang dapat mengatasi hal tersebut, pada penelitian ini dibuat sebuahperancangan sistem presensi karyawan STMIK Banjarbaru dengan pendekatan Eigenface Algorithm. Dengan penelitian ini model presensi karyawan dilakukan dengan cara capture wajah karyawanmelalui webcam dan dibandingkan dengan photo wajah yang tersimpan dalam database dengan memasukkan nilai kemiripan 75%.Kata Kunci : Presensi Karyawan, Eigenface Algorithm, DataBase
PENERAPAN ALGORITMA K-MEANS UNTUK MENETAPKAN KELOMPOK MUTU KARET Handi Kurniawan Sohdianata; Sushermanto Sushermanto
Progresif: Jurnal Ilmiah Komputer Vol 7, No 2: Agustus 2011
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (208.036 KB) | DOI: 10.35889/progresif.v7i2.60

Abstract

Selama ini penglompokkan mutu karet dilakukan melalui pengujian lab terhadap kadar kotoran, kadar abu,PO dan PRI. Dengan perkembangan ilmu pengetahuan yang semakin pesat, pengelompokkan karet bisa digantikanoleh cara-cara/metode baru. K-Means adalah salah satu metode yang telah digunakan pada penelitian ini untukmengelompokkan karet berdasarkan standar mutunya.Algoritma K-Means yang digunakan mengelompokkan data karet berdasarkan kadar kotoran, kadar abu,V.M, PO, dan PRI. Penelitian ini menguji tingkat akurasi algoritma K-Means dalam penetapan mutu karet.Penerapan algoritma K-Means dalam penetapan kelompok mutu karet pada 75 sample data karet yang diujimenunjukkan bahwa algoritma K-Means memiliki 35 data yang akurat (47%) dan 40 data yang tidak akurat (53%).Kata Kunci : K-Means, pengelompokan mutu, karet.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2011 2011


Reset
Filter By Issues
All Issue Vol 21, No 2: Agustus 2025 Vol 21, No 1: Februari 2025 Vol 20, No 2: Agustus 2024 Vol 20, No 1: Februari 2024 Vol 19, No 2: Agustus 2023 Vol 19, No 1: Februari 2023 Vol 18, No 2: Agustus 2022 Vol 18, No 1: Februari 2022 Vol 17, No 2: Agustus 2021 Vol 17, No 1: Februari 2021 Vol 16, No 2: Agustus 2020 Vol 16, No 1: Februari 2020 Vol 15, No 2: Agustus 2019 Vol 15, No 1: Februari 2019 Vol 14, No 2: Agustus 2018 Vol 14, No 1: Februari 2018 Vol 13, No 2: Agustus 2017 Vol 13, No 1: Pebruari 2017 Vol 12, No 2: Agustus 2016 Vol 12, No 1: Pebruari 2016 Vol 11, No 2: Agustus 2015 Vol 11, No 1: Pebruari 2015 Vol 10, No 2: Agustus 2014 Vol 10, No 1: Pebruari 2014 Vol 9, No 2: Agustus 2013 Vol 9, No 1: Pebruari 2013 Vol 7, No 2: Agustus 2011 Vol 6, No 2: Agustus 2010 Vol 6, No 1: Pebruari 2010 Vol 4, No 1: Pebruari 2008 Vol 2, No 2: Agustus 2006 More Issue