cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Wali Ja'far Shudiq
Contact Email
wali.jafar@unuja.ac.id
Phone
+6285257767603
Journal Mail Official
coreai@unuja.ac.id
Editorial Address
Jl. Kyai Haji Mun'im, Dusun Tj. Lor, Karanganyar, Kec. Paiton, Kabupaten Probolinggo, Jawa Timur 67291
Location
Kab. probolinggo,
Jawa timur
INDONESIA
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi
Published by Universitas Nurul Jadid
ISSN : 27750124     EISSN : 27747875     DOI : https://doi.org/10.33650/coreai
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Mechanical Engineering Transportation
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi sebagai bagian dari semangat menyebarluaskan ilmu pengetahuan beberapa hasil dari penelitian dan pemikiran untuk pengabdian kepada masyarakat luas. Situs Jurnal COREAI ini menyediakan artikel-artikel jurnal untuk dibaca maupun diunduh secara gratis. Jurnal kami adalah jurnal ilmiah nasional yang merupakan sumber referensi akademisi di bidang Teknologi dan Informasi. Jurnal COREAI menerima artikel ilmiah dengan lingkup penelitian pada: Technology Management. Business Intelligence and Knowledge Management. Teknik Komputer Pengolahan Citra. Sistem Pendukung Keputusan. Data Mining. Robotik. Algoritma Genetika. Sistem Kecerdasan Buatan. Jaringan Komputer. Big Data. Enterprise Computing. Internet of Things. Sistem Database. Energy Management. Sistem Pakar. Sistem Penunjang Keputusan.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 6 Documents
 1 
Search results for , issue "Vol 1, No 1 (2020)" : 6 Documents clear
PENGENALAN WAJAH MAHASISWA UNIVERSITAS NURUL JADID PADA VIDEO MENGGUNAKAN METODE HAAR CASCADE DAN DEEP LEARNING Gulpi Qorik Oktagalu Pratamasunu; Olief Ilmandira Ratu Farisi; Maulidil Jannah
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1279.892 KB) | DOI: 10.33650/coreai.v1i1.1642

Abstract

Pengenalan wajah merupakan suatu teknologi dari komputer untuk mengidentifikasi wajah seseorang pada suatu gambar maupun video. Banyak metode yang bisa digunakan untuk pengenalan wajah antara lain metode fisherface, local binary pattern histogram, dan eigenface. Peneliti sebelumnya menerapkan pengenalan wajah menggunakan metode eigenface untuk mengidentifikasi wajah mahasiswa di Universitas Nurul Jadid. Akan tetapi, metode eigenface hanya fokus pada citra dengan objek tidak bergerak, sehingga belum bisa diterapkan pada video. Untuk itu, pada penelitian ini diusulkan suatu metode yang dapat mengidentifikasi wajah pada video yaitu metode haar cascade dan deep learning. Metode haar cascade merupakan suatu metode yang dapat mendeteksi  posisi letak wajah pada suatu video dan metode deep learning untuk mengenali wajah yang sudah terdeteksi pada video. Hasil uji coba yang dilakukan metode haar cascade dapat mendeteksi adanya wajah pada video secara baik. Akan tetapi metode haar cascade juga mendeteksi yang bukan wajah pada data testing. Hasil dari uji coba pada gambar dengan metode haar cascade dan deep learning teridentifikasi secara benar dengan tingkat akurasi 99,6%. Hasil uji coba metode haar cascade dan deep learning pada video mahasiswa berhasil dilakukan jika komposisi warna dan tingkat cahayanya sama dengan data training dan jika tidak sesuai dengan data training maka tidak berhasil mengidentifikasi wajah mahasiswa pada video secara benar.
DOMPET SANTRI DI PONDOK PESANTREN RIYADLUS SHOLIHIN BERBASIS MOBILE Wali Ja'far Shudiq; Fuadz Hasyim; Moh Faiz Najiburrahman
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (446.666 KB) | DOI: 10.33650/coreai.v1i1.1643

Abstract

Pesantren Riyadlus Sholihin adalah institusi pendidikan agama berbasiskan pondok maupun non-pondok yang mengatur segala hal yang berkaitan dengan penyelenggaraan pendidikan keagamaan dan keuangan santri. Pada saat ini proses penyimpanan data keuangan santri masih berupa lembaran kertas sehingga pada saat pencarian data santri atau berkas-berkas masih membutuhkan waktu yang lama, karena masih harus membuka dan mencari satu persatu domumen atau data-data yang ada juga seringnya terjadi kehilangan atau kesalahan penghitungan dari petugas.. Pada saat ini orang tua juga tidak bisa mengontrol rekapitulasi keuangan putranya sehingga masih harus bertanya kepada petugas setiap kali menyetor uangnya ke pondok juga terdapat masalah ketika uang putranya habis terkadang orang tua lupa untuk mengirim putranya. Penelitian ini menggunakan metode Waterfall atau metode yang dalam pengerjaannya berurutan atau prosedural. Adapun sumber data yang digunakan adalah data – data wawancara dan observasi.Berdasarkan analisa data yang dilakukan, bahwa telah dihasilkannya aplikasi dompet santri di Pondok Pesantren Riyadlus Sholihin berbasis mobile, sehingga proses sehingga proses pencatatan dan pelaporan keuangan kepada wali santri bisa terwujud. Kesimpulan dari penelitian ini adalah  aplikasi dompet santri yang dirancang dengan menggunakan bahasa pemrograman Android pada software Android Studio ini dapat memberikan informasi kepada wali santri mengenai keuangan putranya. Berdasarkan hasil pengujian dan perhitungan  disimpulkan bahwa persentase yang diperoleh berjumlah 80,62% yaitu adalah sangat baik.
DETEKSI PILIHAN JAWABAN OTOMATIS PADA LEMBAR JAWABAN KOMPUTER MENGGUNAKAN METODE IMAGE THRESHOLDING DAN CONTOUR SORTING Gulpi Qorik Oktagalu Pratamasunu; Ratri Enggar Pawening; Uky Novita Wulandari
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (753.95 KB) | DOI: 10.33650/coreai.v1i1.1639

Abstract

Penggunaan lembar jawaban komputer mengalami peningkatan di berbagai instansi seperti halnya pendidikan sedangkan informasi dalam lembar jawaban komputer harus terekam secara sempurna. Pihak sekolah harus memiliki alat scanner tertentu dengan harga yang mahal untuk mendeteksi pilihan jawaban. Padahal saat ini banyak alternatif lain untuk memindai bisa menggunakan scanner biasa yang harganya jauh lebih murah atau menggunakan aplikasi android yang dapat mengambil foto dengan kamera dan merubahnya menjadi menyerupai hasil scan, tetapi baik scanner biasa atau pun aplikasi android tersebut tidak dapat langsung mendeteksi pilihan jawaban secara otomatis. Dari permasalahan di atas, dibutuhkan suatu metode untuk mendeteksi pilihan jawaban dan mengevaluasi pilihan jawaban tersebut. Dengan penelitian ini diharapkan dapat mengembangkan suatu metode untuk mendeteksi pilihan jawaban pada lembar jawaban komputer secara otomatis sehingga akan mendapatkan hasil yang lebih akurat. Pada penelitian ini dikembangkan sebuah metode yang dapat mendeteksi pilihan jawaban secara otomatis dengan menggunakan metode image thresholding dan contour sorting. Maka dapat disimpulkan, bahwasanya 95% metode image thresholding dan contour sorting berhasil mendeteksi pilihan jawaban secara otomatis pada lembar jawaban komputer
SISTEM PAKAR MENDIAGNOSA PENYAKIT MATA PADA MANUSIA MENGGUNAKAN METODE FORWARD CHAINING Muafi Muafi; Andi Wijaya; Vijay Abdul Aziz
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (503.514 KB) | DOI: 10.33650/coreai.v1i1.1669

Abstract

Sistem pakar merupakan suatu aplikasi komputerisasi yang berusaha menirukan proses penalaran dari seorang ahli dalam memecahkan masalah spesifik dan membuat suatu keputusan atau kesimpulan karena pengetahuannya disimpan didalam basis pengetahuan untuk diproses pemecahan masalah. Dasar dari sistem pakar bagaimana memindahkan pengetahuan yang dimiliki oleh seorang pakar ke komputer dan bagaimana membuat keputusan serta mengambil kesimpulan berdasarkan pengetahuan itu. Seiring berkembangannya zaman, bidang kedokteran telah memanfaatkan teknologi dalam upaya peningkatan pelayanan yang lebih baik dalam pendiagnosaan penyakit, salah satunya penyakit mata.  Karena mata merupakan salah satu panca indra yang penting untuk berinteraksi dengan lingkungan sekitar. Jika mata mengalami gangguan dan kita mengabaikannya, bisa saja itu merupakan gejala awal penyakit mata yang dapat berakibat fatal.
KLASIFIKASI KUALITAS JERUK LOKAL BERDASARKAN TEKSTUR DAN BENTUK MENGGUNAKAN METODE k-NEAREST NEIGHBOR (k-NN) Ratri Enggar Pawening; Wali Ja'far Shudiq; Wahyuni Wahyuni
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (443.048 KB) | DOI: 10.33650/coreai.v1i1.1640

Abstract

Jeruk merupakan salah satu tanaman jenis buah – buahan yang banyak digemari oleh masyarakat, dikarenakan  buah jeruk  mengandung banyak vitamin C, vitamin B6, Antioksidan dan serat, tingkat komsumsi dan harga yang tinggi banyak dimanfaatkan penjual jeruk untuk berbuat yang tidak seharusnya. Hal ini terjadi karena kurangnya pengetahuan pembeli dalam membedakan jeruk baik dan buruk, Salah satu cara untuk mengenali jeruk baik dan buruk dibidang informatika adalah menggunakan pengolahan citra. Tujuan penelitian ini adalah mengklasifikasi jeruk lokal berdasarkan bentuk dan teksturnya, Adapun metode yang digunakan yaitu metode GLCM (gray level co – occurance matrices) dengan fitur energy, Correlation, Contrast, Homogeneity untuk ekstrasi ciri tekstur dan metode geometri untuk ektrasi ciri bentuk dengan fitur Eccentricity dan matric. Sedangkan untuk menentukan kedekatan antara citra uji dengan citra latih menggunakan metode k – Nearest Neigbhor berdasarkan fitur tekstur dan bentuk yang diperoleh. Fitur fitur tekstur dicari dengan berdasarkan sudut 0°, 45°, 90°, 135°, dan Fitur – fitur bentuk dicari berdasarkan Luas dan Keliling Objek, nilai k yang digunakan dalam penelitian ini adalah 1 sampai 5, yang menghasilkan tingkat akurasi tertinggi pada uji k1 sebesar 93,33% dan akurasi terendah sebesar  86,20% pada uji k7 dan k8.
INFORMATION RETRIEVAL (IR) PENCARIAN IDE POKOK DALAM TEKS ARTIKEL OLAHRAGA BERBAHASA INGGRIS MENGGUNAKAN METODE MMR (MAXIMUM MARGINAL RELEVANCE) Kamil Malik; Moh Jasri; Ahmad Sanusi Mashuri
COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi Vol 1, No 1 (2020)
Publisher : Universitas Nurul Jadid

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (402.455 KB) | DOI: 10.33650/coreai.v1i1.1641

Abstract

Pengenalan wajah merupakan suatu teknologi dari komputer untuk mengidentifikasi wajah seseorang pada suatu gambar maupun video. Banyak metode yang bisa digunakan untuk pengenalan wajah antara lain metode fisherface, local binary pattern histogram, dan eigenface. Peneliti sebelumnya menerapkan pengenalan wajah menggunakan metode eigenface untuk mengidentifikasi wajah mahasiswa di Universitas Nurul Jadid. Akan tetapi, metode eigenface hanya fokus pada citra dengan objek tidak bergerak, sehingga belum bisa diterapkan pada video. Untuk itu, pada penelitian ini diusulkan suatu metode yang dapat mengidentifikasi wajah pada video yaitu metode haar cascade dan deep learning. Metode haar cascade merupakan suatu metode yang dapat mendeteksi  posisi letak wajah pada suatu video dan metode deep learning untuk mengenali wajah yang sudah terdeteksi pada video. Hasil uji coba yang dilakukan metode haar cascade dapat mendeteksi adanya wajah pada video secara baik. Akan tetapi metode haar cascade juga mendeteksi yang bukan wajah pada data testing. Hasil dari uji coba pada gambar dengan metode haar cascade dan deep learning teridentifikasi secara benar dengan tingkat akurasi 99,6%. Hasil uji coba metode haar cascade dan deep learning pada video mahasiswa berhasil dilakukan jika komposisi warna dan tingkat cahayanya sama dengan data training dan jika tidak sesuai dengan data training maka tidak berhasil mengidentifikasi wajah mahasiswa pada video secara benar.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2020 2020


Reset
Filter By Issues
All Issue Vol 4, No 1 (2023) Vol 3, No 2 (2022) Vol 3, No 1 (2022) Vol 2, No 2 (2021) Vol 2, No 1 (2021) Vol 1, No 1 (2020)