Garuda - Garba Rujukan Digital

PENGEMBANGAN APLIKASI ABSENSI FACE RECOGNATION MENGGUNAKAN OPENCV LIBRARY DAN ALGORITMA SIFT Muammar Khadapi; Astrid Noviriandini; Roni Andarsyah; Kurniawati Kurniawati; Siti Lestari
Jurnal Informatika Kaputama (JIK) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i2.574

Kehadiran karyawan di dalam sebuah perusahaan merupakan salah satu aspek yang akan ditingkatkan karena menjadi faktor penilaian bagi atasan. Sebagian besar perusahaan masih menggunakan metode manual untuk absensi karyawan sebagai tanda tangan absen sehingga bisa menjadi celah ketidakjujuran karyawan dalam proses absensi. Hal ini dirasakan pula oleh manajemen koperasi pegawai PT. Telekomunikasi Indonesia, dimana kondisi yang berjalan saat ini, kehadiran karyawan diketahui dengan melakukan input NIK ke dalam form absensi. Kekurangan yang dirasakan selama ini adalah memungkinkan karyawan tersebut melakukan tindakan kecurangan dengan menginputkan NIK karyawan lainnya yang belum tentu waktu kedatangannya secara bersamaan. Dewasa ini, sistem absensi sudah berkembang,salah satunya adalah sistem absensi dengan pengenalan wajah. Pengenalan wajah merupakan teknologi biometrik yang telah diterapkan secara luas dalam sistem keamanan selain pengenalan retina mata, pengenalan sidik jari, dan iris mata. Pengenalan wajah adalah salah satu teknologi berbasis pemrosesan gambar yang menggunakan beberapa atau semua wajah untuk proses otentikasi. Sehingga tingkat keamanan untuk sistem lebih kuat. Aplikasi ini menggunakan kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya disimpan dalam database tertentu. Berdasarkan hal itu, diperlukan sebuah sistem yang dapat mengatur absensi secara komputerisasi dengan menggunakan teknologi pengenalan wajah agar data tersebut tersimpan dan terarsip dengan baik. Dalam penelitian ini, telah dilakukan pengembangan sistem absensi dengan rekaman wajah yang disimpan di dalam database kemudian data tersebut ditamplikan dalam web aplikasi sebagai user interfacenya agar mudah untuk digunakan. Setelah itu, dilakukan pengembangan lagi dengan pencocokan wajah pada aplikasi absensi dengan menggunakan algoritma SIFT, dimana mendapatkan tingkat keberhasilan kecocokan gambar mencapai 80% dengan waktu total proses kurang dari 20 detik

ANALISA SENTIMEN TERHADAP BELAJAR ONLINE PADA MASA COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SARM OPTIMIZATION Hermanto Hermanto; Astrid Noviriandini
Jurnal Informatika Kaputama (JIK) Vol 5, No 1 (2021): Volume 5, Nomor 1 Januari 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i1.451

Coronavirus 19 (COVID-19) is a contagious viral infection that has now spread to various countries, one of which is Indonesia. Monitoring the spread of COVID-19 in Indonesia, direct services by the Government of Indonesia, especially. The Indonesian government immediately followed up on the case. One of the government’s actions is to carry out Social Distancing for 14 days to minimize the spread of the virus. This online learning activity is carried out to replace direct learning activities. Online learning has weaknesses in the use of internet networks, adequate infrastructure, requires a lot of money, communication via the internet which has various networks is slow. There are quite a lot of public comments on twitter about online learning. Based on comments from the general public who are hurt, it is easy, based on very many orders to leave so that you can see the extent to which the analysis of public sentiment is based on positive and negative comments using classification techniques, namely using the Particle Swarm Optimization-Based Support Vector Machine. The test result with accuracy values and AUC values by means of SVM + PSO accuracy value = 71.39% and AUC value = 0.762. for this reason, in this study it can be stated that the use of Particle Swarm Optimization (PSO) in the Support Vector Machine (SVM) algorithm model can be a solution to improve accuracy and AUC analysis of public sentiment regarding online learning during the Covid-19 period can be used to provide solutions to problems. Sentiment analysis on public comments on twitter during the Covid-19 period.

KLASIFIKASI PERSEPSI PENGGUNA TWITTER TERHADAP KASUS COVID-19 MENGGUNAKAN METODE LOGISTIC REGRESSION Aloysius Kurniawan Santoso; Astrid Noviriandini; Aliyah Kurniasih; Bagus Dwi Wicaksono; Ahmad Nuryanto
Jurnal Informatika Kaputama (JIK) Vol 5, No 2 (2021): Volume 5, Nomor 2 Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.1234/jik.v5i2.517

Dunia dilanda penyakit coronavirus (COVID-19) yang menyerang sistem pernafasan pada manusia. Virus tersebut berasal dari Wuhan, China. Dan saat ini sudah ditetapkan sebagai pandemi karena sudah menyebar hampir di seluruh Negara. Hal tersebut memicu gagasan dan opini masyarakat Amerika Serikat di media sosial twitter. Cuitan tersebut dimanfaatkan untuk mengetahui emosi seseorang dengan mengelompokan dalam 5 label diantaranya, extreme positive, positive, neutral, negative dan extreme negative. Pada hal ini penulis mengelompokan label menjadi 3 label kelas, diantaranya positive, neutral dan negative. Penulis menguji menggunakan metode Logistic Regression dengan memberi variasi hyperparameter L2 dan None. Pada hyperparameter L2 diperoleh nilai akurasi 77% dan F1 score sebesar 74%. Dan pada variasi hyperparameter None diperoleh nilai akurasi 74% dan F1 Score 70%. Dalam demikian, pada nilai hyperparameter L2 merupakan variasi terbaik pada metode Logistic Regression.

PENGEMBANGAN APLIKASI ABSENSI FACE RECOGNATION MENGGUNAKAN OPENCV LIBRARY DAN ALGORITMA SIFT Muammar Khadapi; Astrid Noviriandini; Roni Andarsyah; Kurniawati Kurniawati; Siti Lestari
Jurnal Informatika Kaputama (JIK) Vol 5 No 2 (2021): Volume 5, Nomor 2, Juli 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v5i2.269

Kehadiran karyawan di dalam sebuah perusahaan merupakan salah satu aspek yang akan ditingkatkan karena menjadi faktor penilaian bagi atasan. Sebagian besar perusahaan masih menggunakan metode manual untuk absensi karyawan sebagai tanda tangan absen sehingga bisa menjadi celah ketidakjujuran karyawan dalam proses absensi. Hal ini dirasakan pula oleh manajemen koperasi pegawai PT. Telekomunikasi Indonesia, dimana kondisi yang berjalan saat ini, kehadiran karyawan diketahui dengan melakukan input NIK ke dalam form absensi. Kekurangan yang dirasakan selama ini adalah memungkinkan karyawan tersebut melakukan tindakan kecurangan dengan menginputkan NIK karyawan lainnya yang belum tentu waktu kedatangannya secara bersamaan. Dewasa ini, sistem absensi sudah berkembang,salah satunya adalah sistem absensi dengan pengenalan wajah. Pengenalan wajah merupakan teknologi biometrik yang telah diterapkan secara luas dalam sistem keamanan selain pengenalan retina mata, pengenalan sidik jari, dan iris mata. Pengenalan wajah adalah salah satu teknologi berbasis pemrosesan gambar yang menggunakan beberapa atau semua wajah untuk proses otentikasi. Sehingga tingkat keamanan untuk sistem lebih kuat. Aplikasi ini menggunakan kamera untuk menangkap wajah seseorang kemudian dibandingkan dengan wajah yang sebelumnya disimpan dalam database tertentu. Berdasarkan hal itu, diperlukan sebuah sistem yang dapat mengatur absensi secara komputerisasi dengan menggunakan teknologi pengenalan wajah agar data tersebut tersimpan dan terarsip dengan baik. Dalam penelitian ini, telah dilakukan pengembangan sistem absensi dengan rekaman wajah yang disimpan di dalam database kemudian data tersebut ditamplikan dalam web aplikasi sebagai user interfacenya agar mudah untuk digunakan. Setelah itu, dilakukan pengembangan lagi dengan pencocokan wajah pada aplikasi absensi dengan menggunakan algoritma SIFT, dimana mendapatkan tingkat keberhasilan kecocokan gambar mencapai 80% dengan waktu total proses kurang dari 20 detik.

ANALISA SENTIMEN TERHADAP BELAJAR ONLINE PADA MASA COVID-19 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE BERBASIS PARTICLE SARM OPTIMIZATION Hermanto Hermanto; Astrid Noviriandini
Jurnal Informatika Kaputama (JIK) Vol 5 No 1 (2021): Volume 5, Nomor 1, Januari 2021
Publisher : STMIK KAPUTAMA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59697/jik.v5i1.311

Coronavirus 19 (COVID-19) merupakan infeksi virus menular yang saat ini sudah merambah ke berbagai negara salah satunya di Indoenesia. Pemantauan penyebaran COVID-19 di Indonesia ditangani langsung oleh Pemerintah Indonesia terutama. Pemerintah Indonesia langsung menindak lanjuti kasus tersebut. Salah satu tindakan pemerintah adalah melakukan Social Distancing selama 14 hari untuk meminimalisir penyebaran virus tersebut. Kegiatan pembelajaran online ini dilakukan untuk mengganti kegiatan pembelajaran secara langsung. Pembelajaran online memiliki beberapa kelemahan yakni penggunaan jaringan internet membutuhkan infrastruktur yang memadai, membutuhkan banyak biaya, komunikasi memalui internet terdapat berbagai kendala/lamban. Komentar masyarakat di twitter mengenai belajar online cukup banyak. Namun memantau komentar dari masyarakat umum bukanlah hal yang mudah, dikarenakan jumlahnya sangat banyak untuk diproses sehingga peneliti ingin mengetahui sejauh mana analisa sentimen masyarakat berdasarkan komentar positif dan negatif dengan menggunakan teknik klasifikasi yaitu menggunakan Algoritma Support Vector Machine Berbasis Particle Swarm Optimization. Hasil pengujian dengan nilai akurasi dan nilai AUC yaitu yaitu untuk SVM + PSO nilai akurasi = 71.39% dan nilai AUC = 0.762. Untuk itu, Dalam penelitian ini dapat disimpulkan bahwa penggunaan Particle Swarm Optimization (PSO) pada model algoritma support vector machine (SVM) dapat menjadi solusi meningkatkan akurasi dan AUC analisa sentiment masyarakat mengenai belajar online pada masa covid-19 dapat digunakan untuk memberikan solusi terhadap permasalahan analisis sentimen Komentar masyarakat di twitter ada masa covid-19.

Title

Found 5 Documents
Search
Journal : Jurnal Informatika Kaputama (JIK)

Abstract

Abstract

Abstract

Abstract

Abstract

Title Search

Found 5 Documents Search Journal : Jurnal Informatika Kaputama (JIK)

Abstract

Abstract

Abstract

Abstract

Abstract

Title

Found 5 Documents
Search
Journal : Jurnal Informatika Kaputama (JIK)