Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : JRIIN :Jurnal Riset Informatika dan Inovasi

Penggunaan Algoritma Doubly Linked List Untuk Insertion Dan Deletion Agung Wijoyo; Lalu Akbar Prayudi; Muhamad Fiqih; Rendi Dwi Santoso; Ricky Tri Setiawan Putra; Teguh Arifin; Ahmad Farhan
Jurnal Riset Informatika dan Inovasi Vol 1 No 12 (2024): Vol. 1 No. 12 Mei (2024): JRIIN : Jurnal Riset Informatika
Publisher : shofanah Media Berkah

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

Abstract

doubly Linked List (DLL) merupakan struktur data linier yang terdiri dari node-node yang saling berhubungan, dimana setiap node mempunyai dua pointer yang menunjuk ke node sebelumnya dan node berikutnya. Berbeda dengan Single Linked List (SLL) yang hanya memiliki satu pointer yang menunjuk ke node berikutnya. Keunggulan DLL dibandingkan SLL terletak pada kemudahan dalam melakukan operasi penyisipan dan penghapusan data, karena DLL memungkinkan navigasi dua arah dalam daftar. penggunaan algoritma DLL untuk operasi insertion dan deletion. Algoritma insertion pada DLL dapat dilakukan di awal list (depan), di akhir list (belakang), atau di tengah list. Algoritma deletion pada DLL juga dapat dilakukan di awal list, di akhir list, atau di tengah list.
Penerapan Convolutional Neural Networks Dan Metode Haar Cascade Untuk Pengenalan Wajah Muhamad Fiqih; Muhammad Rendi Saputra; Rafid Febrian Susilo; Haris Rizky Fauzi; Perani Rosyani
Jurnal Riset Informatika dan Inovasi Vol 1 No 12 (2024): Vol. 1 No. 12 Mei (2024): JRIIN : Jurnal Riset Informatika
Publisher : shofanah Media Berkah

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

Abstract

Pemanfaatan convolutional neural networks (CNNs), sistem deteksi emosi telah berhasil dalam mengimplementasikan pengenalan wajah melalui segmentasi gambar, analisis, dan pemrosesan gambar. Dengan menggunakan OpenCV dan Python sebagai alat utama, sistem ini mampu melakukan pengenalan wajah dengan akurasi tinggi dan klasifikasi emosi yang efektif. Penelitian ini menunjukkan bahwa model CNN dapat mengestimasi fitur wajah secara akurat, bahkan dalam berbagai situasi yang menantang. Evaluasi menggunakan matriks kebingungan menunjukkan bahwa model memiliki kemampuan untuk mengklasifikasikan data dengan tepat, termasuk data yang belum pernah dilihat sebelumnya. Implementasi ini mengungkapkan potensi besar untuk digunakan dalam analisis wajah dan pengenalan di berbagai bidang