Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal JAMI: Jurnal Ahli Muda Indonesia Jurnal Ilmiah Computer Science International Journal of Artificial Intelligence in Medical Issues
M Ikbal Siami
Institut Teknologi Dan Bisnis STIKOM Ambon
Agriculture, Biological Sciences & Forestry Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Engineering Health Professions Medicine & Pharmacology Public Health Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JAMI: Jurnal Ahli Muda Indonesia

 1 
Penerapan Deteksi Penggunaan Masker pada Sistem Absensi Karyawan menggunakan Metode Deep Learning M Ikbal Siami; Mawaddah Hamid
JAMI: Jurnal Ahli Muda Indonesia Vol. 3 No. 2 (2022): Desember 2022
Publisher : Akademi Komunitas Negeri Putra Sang Fajar Blitar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.46510/jami.v3i2.118

Abstract

Objektif. Kehidupan New Normal pasca terjadinya pandemic covid-19 yang melanda seluruh Negara di dunia adalah salahsatunya dengan menjaga protocol kesehatan secara ketat. Hal ini penting dilakukan untuk menjaga agar masyarakat tidak terjangkit penyakit menular covid-19 kembali. Kedisiplinan yang tinggi dan ditopang dengan berbagai kebijakan pada lingkup instansi menjadi hal yang sangat diperlukan agar protocol kesehatan terus terlaksana. Salah satu upaya yang dilakukan adalah mengimpelementasikan sitem pendeteksi penggunaan masker pada system absensi karyawan di Institut teknologi dan Bisnis STIKOM Ambon. System pedeteksi absensi bekerja secara otomatis dan terus menerus mendeteksi penggunaan masker pada karyawan yang hendak melakukan presensi masuk dan presensi pulang. System akan menolak presensi apabila karyawan tersebut terdeteksi tidak menggunakan masker. Material and Metode. Penelitian ini menggunakan You Only Look Once (YOLO) sebuah model object detection berbasis Deep learning versi 4 atau disebut sebagai YOLOv4. Data yang digunakan pada penelitian ini adalah data gambar yang berisi objek manusia menggunakan atau tidak menggunakan masker. Hasil. Hasil pengujian model YOOv4 tingkat Precision 92 % dan Recall 88 %. Kesimpulan. Hasil penelitian menunjukan implementasi deteksi wajah pada sistem presensi dengan model YOLOv4 menunjukan kinerja yang sangat baik.
Co-Authors Agus Aan Jiwa Permana Erma Susanti I Made Sunia Raharja Ika Arfiani Mawaddah Hamid Merriam Modeong Thomas Edyson Tarigan