Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Generation Journal Explore
Rizal Fahmi Alifa
Universitas Singaperbangsa Karawang
Computer Science & IT

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

Found 2 Documents
Search

 1 
Perbandingan Performa Algoritma KNN dan SVM dalam Klasifikasi Kelayakan Air Minum Sopiatul Ulum; Rizal Fahmi Alifa; Putri Rizkika; Chaerur Rozikin
Generation Journal Vol 7 No 2 (2023): Generation Journal
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/gj.v7i2.20270

Abstract

Air menjadi kebutuhan mendasar bagi kelangsungan makhluk hidup dan pembangunan. Saat ini, kesadaran masyarakat terhadap pola konsumsi air yang berkualitas dan bermutu semakin tinggi sehingga diperlukan penelitian terhadap kelayakan air. Dalam penelitian air tersebut menggunakan metode klasifikasi objek. Pada penelitian ini membahas perbandingan antara 2 metode Machine Learning yaitu K-Nearest Neighbors (K-NN) dengan Support Vector Machine (SVM) berdasarkan parameter yang telah ditentukan. Penelitian ini menghasilkan tingkat akurasi algoritme K-Nearest Neighbors (K-NN) sebesar 65,341% dan algoritme Support Vector Machine (SVM) menghasilkan akurasi sebesar 69,764%. Dari hasil tersebut, dapat disimpulkan bahwa algoritme Support Vector Machine (SVM) memiliki akurasi lebih tinggi daripada algoritme K-Nearest Neighbors (K-NN).
Analisis Skalabilitas Sistem Pengenalan Wajah menggunakan Library Face Recognition di Lingkungan Cloud Computing Rizal Fahmi Alifa
Explore Vol 14 No 2 (2024): Juli 2024
Publisher : Universitas Teknologi Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35200/ex.v14i2.120

Abstract

Penelitian ini mengkaji skalabilitas sistem pengenalan wajah menggunakan library Face Recognition di lingkungan cloud computing. Library Face Recognition, yang dikembangkan dengan bahasa pemrograman Python, dipilih karena menawarkan fitur dan fungsionalitas yang memudahkan pengembang dalam mengimplementasikan sistem pengenalan wajah yang handal dan akurat. Namun, tantangan utama yang dihadapi adalah skalabilitas, yaitu kemampuan sistem untuk menangani peningkatan jumlah data dan pengguna tanpa mengalami penurunan kinerja signifikan. Cloud computing menawarkan solusi dengan menyediakan sumber daya komputasi yang elastis dan fleksibel. Tujuan dari penelitian ini adalah untuk menganalisis performa dan efisiensi sistem pengenalan wajah di lingkungan cloud computing dengan menggunakan layanan Cloud Run di Google Cloud Platform (GCP) dan alat pengujian beban Apache JMeter. Metode penelitian mencakup studi literatur, analisis kebutuhan, perancangan, implementasi, dan pengujian sistem dengan berbagai skenario permintaan. Hasil pengujian menunjukkan bahwa sistem ini memiliki tingkat skalabilitas yang baik dengan persentase kesuksesan 100% pada semua skenario pengujian. Latensi yang diukur berkisar antara 524 ms hingga 559 ms, menunjukkan kemampuan sistem dalam menangani peningkatan beban kerja tanpa mengorbankan kecepatan pemrosesan. Peningkatan sumber daya komputasi seperti instance ,memory dan vCPU memungkinkan sistem menangani lebih banyak permintaan, namun meningkatkan biaya operasional. Strategi auto-scaling dan load balancing diperlukan untuk menjaga kinerja optimal dan mengurangi risiko downtime.
Co-Authors Chaerur Rozikin Putri Rizkika Sopiatul Ulum