Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal E-Link: Jurnal Teknik Elektro dan Informatika Jurnal Informatika Polinema (JIP)
Denni Pratama
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Library & Information Science

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

Found 2 Documents
Search

 1 
PENERAPAN METODE K-MEANS CLUSTERING DALAM MENGELOMPOKKAN JUMLAH PESERTA BPJS KESEHATAN JKN/KIS DI KABUPATEN CIREBON TRI ANANDA WIDYANINGSIH; Denni Pratama
E-Link: Jurnal Teknik Elektro dan Informatika Vol 18 No 1 (2023): Mei 2023
Publisher : Universitas Muhammadiyah Gresik

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30587/e-link.v18i1.5330

Abstract

BPJS Kesehatan adalah Badan Penyelenggara Jaminan Sosial Kesehatan yang dilaksanakan oleh pemerintah sesuai dengan UU No.40 Tahun 2004 Peserta yang menjadi anggota akan mendapatkan Kartu Indonesia Sehat ,karena Jumlah Peserta BPJS Kesehatan JKN/KIS yang belum merata di setiap wilayah yang ada di kabupaten Cirebon ada yang sedikit dan banyak. Penelitian ini bertujuan untuk menggelompokkan peserta BPJS Kesehatan Jkn/Kis di Kabupaten Cirebon ke dalam beberapa kelompok sample penelitian ini di peroleh dari Dataset Open Data Jabar yaitu Jumlah Peserta BPJS Kesehatan dengan Jumlah 412 Dataset Peserta BPJS Kesehatan JKN/KIS di Kabupaten Cirebon. Metode K-Means adalah metode yang tepat untuk di gunakan untuk mengelompokkan jumlah Peserta BPJS Kesehatan Jkn/Kis Di Kabupaten Cirebon yang cukup banyak dengan waktu yang relatif cepat dan efisien dengan menggunakan machine learning dengan tools Rapidminer. Hasil pengelompokan dinilai dengan Davies Bouildin Index untuk mengetahui hasil optimasi terhadap algoritma K-Means. Hasil Clustering didapatkan kelompok terbanyak peserta BPJS kesehatan maka Cluster_0: Kelompok Rendah sejumlah 86 Peserta, Cluster_1: Kelompok sedang Peserta BPJS Kesehatan sejumlah 156 Peserta, dan Cluster_2: Kelompok Banyak sejumlah 170 Peserta. Dengan nilai K=3 sebagai nilai Optimum dengan nilai DBI = 0.164.
Implementasi Algoritma CNN dalam Sistem Absensi Berbasis Pengenalan Wajah Dea Aldiani; Gifthera Dwilestari; Heliyanti Susana; Ryan Hamonangan; Denni Pratama
Jurnal Informatika Polinema Vol. 10 No. 2 (2024): Vol 10 No 2 (2024)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v10i2.4852

Abstract

Pengembangan teknologi pengenalan wajah telah menjadi peluang untuk meningkatkan efisiensi sistem absensi. Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dalam sistem absensi berbasis pengenalan wajah. Keunggulan CNN dalam mengekstraksi fitur kompleks dari gambar menjadikannya pilihan yang potensial untuk meningkatkan akurasi pengenalan wajah dalam pengelolaan absensi. Penelitian ini menggunakan kumpulan dataset wajah yang beragam, mencakup variasi sudut pandang, ekspresi, dan kondisi pencahayaan. Data yang digunakan terdiri dari 20 kelas yang masing-masing memiliki 500 data wajah. Penerapan model CNN dimulai dengan perancangan arsitektur CNN sederhana dengan menambahkan lapisan konvolusi, pooling dan fully connected. Model CNN kemudian dilatih menggunakan data latih sebesar 85% dari keseluruhan data. Setelah model dilatih, selanjutnya dilakukan evaluasi model CNN melalui beberapa metrik evaluasi. Dari hasil evaluasi diperoleh tingkat akurasi yang baik sebesar 91%. Setelah memperoleh model CNN untuk pengenalan wajah, model CNN diimplementasikan dalam sistem absensi. Berdasarkan hasil implementasi algoritma CNN terhadap sistem absensi diperoleh proses absensi yang akurat dan efisien sehingga dapat mengatasi kecurangan dan manipulasi data serta meningkatkan efisiensi dalam manajemen kehadiran di berbagai lingkungan.
Co-Authors Dea Aldiani Gifthera Dwilestari Heliyanti Susana Ryan Hamonangan TRI ANANDA WIDYANINGSIH