ABSTRAK Pengenalan wajah merupakan sebuah sistem identifikasi pribadi yang menggunakan karakteristik wajah seseorang. Pengenalan wajah sendiri merupakan suatu cabang ilmu biometrik, yaitu suatu bidang keilmuan yang menggunakan karakteristik fisik dari seseorang untuk menentukan atau mengungkapkan identitasnya. Sistem yang dikembangkan dalam tugas akhir ini adalah sebuah sistem pengenalan wajah yang menggunakan ekstraksi fitur berbasis Principal Component Analysis (PCA). Teknik ini melibatkan pengambilan komponen utama dari database wajah. Untuk mengetahui keakuratan sistem pengenalan wajah manusia yang dirancang pada tugas akhir ini, telah dilakukan uji coba sistem dengan menggunakan input sebanyak 60 citra wajah dari database. Dari hasil pengujian sistem ini, didapatkan hasil performansi sistem adalah 80% dalam mengenali citra input dengan benar.   Kata kunci : pengenalan wajah, biometrik, PCA.

Pandemi Covid-19 di tahun 2020 menjadi masalah kesehatan yang kompleks dan membutuhkan penanganan cepat serta kolaborasi solusi dari berbagai disiplin ilmu. Pasien Covid-19 yang mendapatkan perawatan di rumah sakit memiliki kondisi dan tingkat keparahan yang berbeda-beda. Hal ini berpengaruh pada tindakan penanganan yang akan dilakukan oleh petugas medis. Banyaknya pasien serta kurangnya tenaga medis mengakibatkan perlunya dukungan teknologi untuk membantu mengklasifikasikan status pasien berdasarkan kondisinya agar penanganan dikonsentrasikan pada pasien yang sangat gawat dan membutuhkan penanganan cepat. Penelitian ini menerapkan teknik prediksi dari disiplin ilmu data mining untuk mengklasifikasikan status kegawatan pasien.  Pengklasifikasi Naive Bayes diterapkan untuk membangun model berdasarkan dataset pasien yang terinfeksi Covid-19.  Dataset pasien Covid-19 di Indonesia diperoleh dari www.kaggle.com dan diaplikasikan menggunakan RapidMiner. Model yang dibangun dapat memprediksi status kegawatan pasien berdasarkan usia dan jenis kelamin yang memiliki kemungkinan tertinggi untuk sembuh dari COVID-19 dan pasien yang memiliki kemungkinan tinggi untuk tetap menjalani pengobatan dan atau meninggal dunia. Hasil penelitian ini menunjukkan bahwa klasifikasi metode Naive Bayes memiliki tingkat akurasi yang tinggi dalam mengklasifikasikan status pasien yaitu 96.67%.

No abstract

No abstract

No abstract