Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Seminar Nasional Ilmu Terapan Jurnal Informatika Polinema (JIP)
Windra Swastika
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Languange, Linguistic, Communication & Media Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
RANCANG BANGUN APLIKASI PENGENALAN PELAT NOMOR UNTUK SISTEM PARKIR BERLANGGANAN BERBASIS DESKTOP MENGGUNAKAN TESSERACT OCR Oesman Hendra Kelana; Dan Julio Bahardica; Mochamad Subianto; Windra Swastika
Seminar Nasional Ilmu Terapan Vol 1 No 1 (2019): SNITER 2019
Publisher : Universitas Widya Kartika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (614.829 KB)

Abstract

Pelat nomor merupakan salah satu identitas pada kendaraan bermotor yang berisi kombinasi angka unik yang berbeda-beda untuk setiap kendaraan yang ada di Indonesia. Memiliki pelat nomor merupakan salah satu persyaratan yang harus dipenuhi sebuah kendaraan bermotor agar menjadi legal secara hukum untuk di Indonesia. Fungsi lainnya adalah menjadi identitas saat menggunakan lahan parkir. Tingginya penggunaan lahan parkir menuntut pengelolaan lahan parkir yang baik pula. Untuk memenuhi tuntutan tersebut, pengelola mulai meninggalkan cara konvensional dan mengadopsi teknologi. Salah satunya adalah penggunaan komputer untuk mendukung pengelolaan lahan parkir. Dalam penelitian ini dikembangkan suatu aplikasi untuk sistem parkir berlangganan yang dapat mengenali pelat nomor secara otomatis untuk mempermudah penggunaan fasilitas parkir. Pelat nomor dalam bentuk citra yang diperoleh melalui webcam akan dikenali dengan melihat garis tepian yang diperoleh dan disegmentasi menjadi pelat nomor. Pelat nomor yang telah disegmentasi akan dikenali menggunakan Tesseract OCR. Untuk memeriksa kecocokan hasil pengujian dilakukan perhitungan menggunakan Levenshtein Distance. Dari 96 pengujian dengan menggunakan webcam dan kamera profesional serta variabel pengujian lainnya, 50 pelat berhasil dideteksi. Kemudian dari pelat yang berhasil dideteksi didapatkan akurasi pengenalan sebesar 88,2%
IMPLEMENTATION OF FACE RECOGNITION AND LIVENESS DETECTION SYSTEM USING TENSORFLOW.JS Muhammad Basurah; Windra Swastika; Oesman Hendra Kelana
Jurnal Informatika Polinema Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i4.1332

Abstract

Facial recognition is a popular biometric security system used to authenticate individuals based on their unique facial structure. However, this system is vulnerable to spoofing attacks where the attacker can bypass the system using fake representations of the user's face such as photos, statues or videos. Liveness detection is a method used to address this issue by verifying that the user is a real person and not a representation. This journal article focuses on the life sign method of liveness detection, which utilizes facial movements to confirm the user's existence. We implement the latest technology of artificial intelligence from TensorFlow.js using face-api.js and compare it with the GLCM algorithm. However, even with the life sign detection method, there is still a chance of bypassing the system if an attacker uses a video recording. To mitigate this, we propose the addition of an object detection system to detect the hardware used to show video recordings with ml5.js. Our face recognition and expression detection system, using the pre-trained model face-api.js, achieved an accuracy of 85% and 82.5%, respectively, and the object detection system built with ml5.js has high accuracy and is very effective for liveness detection. Our results indicate that face-api.js outperformed GLCM algorithm in detecting spoofing attempts.
Co-Authors Dan Julio Bahardica Mochamad Subianto Muhammad Basurah Oesman Hendra Kelana Oesman Hendra Kelana