cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota kediri,
Jawa timur
INDONESIA
Nusanatara of Engineering
Published by Universitas Nusantara PGRI Kediri
ISSN : -     EISSN : -     DOI : -
Core Subject : Engineering,
Engineering
Arjuna Subject : -
Articles 12 Documents
 1   2 
Search results for , issue " Vol 2, No 1 (2015)" : 12 Documents clear
Klasifikasi Kelompok Penjaminan Mutu Pada Karyawan Perusahaan XYZ Dengan KNN dan J48 Daniati, Erna -
Nusantara of Engineering Vol 2, No 1 (2015)
Publisher : Nusantara of Engineering

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

Abstract

Abstrak – Klasifikasi kelompok penjaminan mutu, menitik beratkan pada pendampingan tim penjaminan mutu yang harus dilaksanakan pada masing-masing devisi pada perusahaan XYZ. Klasifikasi ini diharapkan dapat membantu tim penjaminan mutu , untuk menindak lanjuti karyawan yang membutuhkan pendampingan khusus dari tim penjamin mutu, sesuai dengan yang dibutuhkan oleh masing-masing karyawan dari setiap devisi. Adapun devisi yang dimaksud adalah pada Tukang Potong Rokok, Tukang Giling Rokok, Tukang Pres Putihan, Tukan Pres Abangan,Tukang Pres Rokok Akhir, Tukang Pres Kalengan, SKM Filter Rokok, Tukang Linting Klobot, dan Tukang Pres Klobot. Bentuk pendampingan yang dilakukan adalah pendampingan karyawan mengenai loyalitas kerja, Tanggung Jawab Kerja, Kepemimpinan Kerja dan Prestasi Kerja. Klasifikasi dikerjakan dengan Microsoft Excel yang selanjunya akan di gunakan Weka sebagai tool untuk mengklasifikasi kelompok. KNN dan J48 digunakan untuk membandingkan pengklasifikasian, sehingga akan di peroleh metode mana yang paling cocok digunakan untuk mengklasifikasikan kelompok penjaminan mutu. Kata kunci – Klasifikasi, Weka, KNN, J48
Implementasi Principal Component Analysis (PCA) Untuk Pengenalan Wajah Manusia Firliana, Rina; wulaningrum, Resty -; Sasongko, Wisnu -
Nusantara of Engineering Vol 2, No 1 (2015)
Publisher : Nusantara of Engineering

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

Abstract

Abstrak - Pada zaman modern ini, perkembangan teknologi  terutama di dunia digital, membawa perubahan cukup besar. Salah satunya sistem pencitraan digital.Sistem pencitraan digital mempunyai sifat yang efisien,lebih akurat dan sistematis. Sistem pencitraan digital berdasarkan fitur bentuk telah diakui sebagai pendekatan yang efisien.Dalam beberapa bidang ilmu, sangat dibutuhkan teknologi pencarian citra wajah secara otomatis dari berbagai macam wajah yang ada.wajah memiliki bentuk yang berbeda.Perbedaan citra dari sebuah wajah tersebut bisa digunakan sebagai pengidentifikasi untuk mengetahui wajah siapakah yang dicari tersebut. Rumusan masalah yang diajukan adalah dimanakah letak perbedaan antara bentuk wajah satu dengan yang lainnya. Bagaimana mengimplementasikan PCA untuk proses pengolahan citra wajah. Bagaimana piranti lunak dapat mengidentifikasi citra wajah dengan metode pengenalan wajah. Tujuan penelitian ini adalah untuk menentukan letak perbedaan antara bentuk wajah satu dengan yang lainnya. Mengimplementasikan PCA untuk proses pengolahan citra wajah. Untuk mengetahui piranti lunak dapat mengidentifikasi citra wajah dengan metode pengenalan wajah. Pada saat data set 30 dan data testing 30, akurasi paling tinggi pada nilai thresold  10-130  dengan  akurasi  sebesar  100%, pada saat data set 48 dan data testing 12, akurasi paling tinggi pada nilai threshold 50-100  dengan  akurasi  sebesar  100%, dilihat pada saat data set 24 dan data testing 36, akurasi paling tinggi pada nilai threshold  10-100  dengan  akurasi  sebesar  97%, pada saat data set 30 dan data testing 30, akurasi paling tinggi pada nilai threshold  50-100  dengan  akurasi  sebesar  100%, pada saat data set 30 dan data testing 30, akurasi paling tinggi pada nilai threshold  0-255 dengan akurasi  sebesar  100%. Berdasarkan hasil analisis data dan pembahasan mengenai pengenalan citra wajah dengan metode PCA (Principal Component Analysis) untuk mengetahui jenis wajah maka dapat dikemukakan beberapa kesimpulan yaitu tingkat akurasi metode dipengaruhi oleh nilai threshold (nilai ambang batas keabuan).Apabila rentang nilai threshold panjang, maka tingkat akurasi tinggi.Apabila rentang nilai threshold pendek, maka tingkat akurasi metode rendah. Kata Kunci : Wajah, Implementasi Pengenalan Citra, PCA.

Page 2 of 2 | Total Record : 12

 1   2 

Filter by Year

2015 2015


Reset
Filter By Issues
All Issue Vol 3, No 1 (2016) Vol 2, No 1 (2015) Vol 1, No 2 (2014) Vol 1, No 1 (2014)