Abstract:Abstract: In 2018, the number of Instagram users in Indonesia has reached 55 million users. A year earlier, Jakarta is the champ on Instagram as the most photographed place, surpassing Sao Paulo, New York and Madrid. This…
s phenomenon shows that Instagram is a social network that is trending in Indonesia right now. Trilogi Business Incubator (Inbistro) is a business incubator belonging to the Universitas Trilogi. From observations and discussions, there are still many tenants which assisted by Inbistro who do not understand digital marketing, especially with Instagram. Albeit, Instagram has become a popular social media in Indonesia, including for product promotion. This community service activity will try to answer the problem: how to increase the capacity of Inbistro tenants so that they understand the basics of Instagram marketing? Our training was designed in 3 (three) sessions which discussed: (1) the importance of using Instagram as a marketing tool for a business; (2) How to find quality, free royalty photos and videos for Instagram content; (3) How to find products and sell them on Instagram.
Keywords: Instagram marketing, Trilogi Business Incubator, Inbistro, social media, online marketing
Abstrak: Di tahun 2018, jumlah pengguna Instagram Indonesia telah mencapai 55 juta pengguna. Setahun sebelumnya, Jakarta menjadi juara di Instagram sebagai tempat yang paling banyak difoto, melewati Sao Paulo, New York dan Madrid. Fenomena ini menunjukkan bahwa Instagram adalah jejaring sosial yang sedang diminati di Indonesia saat ini. Inkubator Bisnis Trilogi (Inbistro) adalah inkubator bisnis milik Universitas Trilogi. Dari pengamatan dan diskusi, terlihat bahwa masih banyak tenant binaan Inbistro yang belum memahami tentang digital marketing, terlebih dengan Instagram. Padahal Instagram telah menjadi media sosial yang cukup populer di Indonesia, termasuk untuk promosi produk. Kegiatan pengabdian masyarakat ini akan mencoba menjawab permasalahan: bagaimana cara meningkatkan kapasitas tenant Inbistro agar mereka memahami dasar-dasar pemasaran melalui Instagram (Instagram marketing)? Pelatihan kami rancang dalam 3 (tiga) sesi yang membahas: (1) Pentingnya memanfaatkan Instagram sebagai sarana pemasaran suatu bisnis; (2) Cara mencari foto dan video berkualitas, tanpa berbayar, untuk konten Instagram; (3) Cara mencari produk dan menjualnya di Instagram.
Kata Kunci: Instagram Marketing, Inkubator Bisnis Trilogi, Inbistro, media sosial, pemasaran daring
Abstract:Perkembangan Teknologi Komputer saat ini telah berkembang dengan sangat pesat, hampir seluruh aspek kehidupan manusia tidak terlepas dari pemanfaatan teknologi komputer. Perkembangan teknologi juga di dukungan perkembangan…
an internet bagi semua kalangan mulai dari anak kecil sampai orang dewasa semua menggunakan internet untuk menunjang aktivitas kegiatan. Perkembangan teknologi juga dapat dirasakan dalam penggunaan internet sebagai media pembelajaran. Prestasi belajar merupakan hal yang tidak dapat dipisahkan dari kegiantan belajar, karena dari kegiatan belajaran yang baik maka didapatlah prestasi yang baik juga. Sedang internet merupakan sebuah media komunikasi global yang menghubungkan komponen-komponen komputer dalam jaringan-jaringan komputer diseluruh dunia. Internet dalam dunia pendidikan dapat menyediakan akses seperti perpustakaan online, sumber literatur dan akses materi pembelajaran dapat di akses dengan mudah dengan melalui internet. Melalui pemanfaatan internet dalam dunia pendidikan harus digunakan secara maksimal dan bijaksanaan dalam penggunaannya sehingga tidak terjadi kesalahan pemanfaatan yang nanti bisa merusak generasi muda bangsa. Dalam penggunaan internet juga bisa meningkatkan kemandirian belajar. Kemandirian belajar juga diperlukan untuk mendorong siswa agar berjalar secara inisiatif dan mamacu diri untuk belajar terus menerus. Kemandirian belar juga mendorong untuk menjadi kepribadian yang penuh percaya diri. Kemandirian dalam belajar juga mendorong siswa untuk belajar secara displin dan penuh percaya diri serta tidak lagi bergantungan kepada orang lain. Dengan internet semua orang bisa menerapkan kemandirian belajar dengan efektif dan efisien.
Abstract:Abstract: Community Service Activities in the form of internet and network training in SMA Negeri 1 Air Joman aims to increase students' knowledge of network technology and the benefits of internet and encourage students…
to be able to independently manage network and internet. The training method used is the form of training in the classroom by using lecture, discussion and question and answer methods as well as network practice directly. The lecture method used is intended to provide a theoretical explanation of internet and network material. Discussion methods are used to explore students' understanding of the material given in the lecture. Practice method is used to show directly how to make a network cable. Benefits derived from this training activity is the students are able to make a network connection with cable and know the benefits of the internet.
Keywords: Internet, Networking, Community Service, students
Abstrak: Kegiatan Pengabdian Pada Masyarakat berupa pelatihan internet dan jaringan di SMA Negeri 1 Air Joman bertujuan untuk meningkatkan pengetahuan siswa terhadap teknologi jaringan dan manfaat dari internet serta mendorong siswa agar mampu dengan mandiri mengelola jaringan dan internet. Metode pelatihan yang digunakan adalah bentuk pelatihan di dalam kelas dengan menggunakan metode ceramah, diskusi dan Tanya jawab serta praktek jaringan secara langsung. Metode ceramah yang digunakan dimaksudkan untuk memberikan penjelasan secara teori terhadap materi internet dan jaringan. Metode diskusi digunakan untuk menggali pemahaman siswa terhadap materi yang diberikan secara ceramah. Metode praktek digunakan untuk menunjukan langsung cara membuat kabel jaringan. Manfaat yang diperoleh dari kegiatan pelatihan ini adalah siswa mampu membuat koneksi jaringan dengan kabel serta mengetahui manfaat dari internet.
Kata kunci:Internet, Jaringan, PKM, siswa
Abstract:Abstract :Knowledge of computer science today is very necessary especially for students. One of them learns computer network which is a science that many people need. Associated with the existence of computer network so…
many jobs like send data, print paper to one printer by many computers easy to do. However, the knowledge of this is difficult to be able to by students in schools due to many obstacles such as incomplete equipment, competent tutors in their field no, that is experienced by students of SMA Negeri 1 Air Joman Kabupaten Asahan. Then need a solution that provides that knowledge. Cisco packet tracer which is a free application that can provide an overview of the computer network. With these applications it will be easy to provide knowledge of computer networks that can be provided through lectures, frequently asked questions and practice. The lecture method used is intended to provide a theoretical explanation of computer network material. Practice method is used to show directly how to make network cable and data communications. So that the benefits gained from this workshop activities is to increase students' knowledge of network technology and students are able to make a network connection with cable.
Keywords :Network, Computer, Cisco
Abstrak :Pengetahuan akan ilmu komputer saat ini sangat diperlukan terkhusus untuk kalangan pelajar.Salah satunya belajar jaringan komputer yang merupakan ilmu yang banyak dibutuhkan masyarakat.Berhubungan dengan adanya jaringan komputer maka banyak pekerjaan seperti kirim data, cetak kertas ke satu printer oleh banyak computer mudah dilakukan. Namun, pengetahuan akan hal ini sulit di dapat oleh pelajar di sekolah berhubung banyak kendala seperti peralatan yang tidak lengkap, tutor yang berkompeten dibidangnya tida ada, itulah yang dialami oleh siswa SMA Negeri 1 Air Joman Kabupaten Asahan. Maka perlu solusi yang memberikan pengetahuan tersebut.Cisco packet tracer yang merupakan aplikasi gratis yang dapat memberikan gambaran atas jaringan komputer. Dengan aplikasi tersebut maka akan mudah memberikan pengetahuan akan jaringan komputer yang dapat diberikan melalui ceramah, tanya jawab dan praktek. Metode ceramah yang digunakan dimaksudkan untuk memberikan penjelasan secara teori terhadap materi jaringan komputer.Metode praktek digunakan untuk menunjukan langsung cara membuat kabel jaringan dan komunikasi data. Sehinga manfaat yang diperoleh dari kegiatan workshop ini adalah meningkatkan pengetahuan siswa terhadap teknologi jaringan dan siswa mampu membuat koneksi jaringan dengan kabel.
Kata kunci : Jaringan, Komputer, Cisco
Abstract:Abstract: Man-in-the-Middle (MITM) attacks are a threat that can occur on public wireless networks, including campus Wi-Fi environments. This study aims to analyze MITM attacks on the Wi-Fi network at Universitas ‘Aisyiyah…
iyah Yogyakarta using the National Institute of Standards and Technology (NIST) digital forensics methodology. The study applied the four NIST phases: collection, examination, analysis, and reporting. The digital evidence analyzed included packet capture (PCAP) files, as well as digital traces such as browser history, cookies, and cache data obtained from the victim’s device. The analysis process utilized Wireshark, the SQLite Database Browser, and ChromeCacheView to identify suspicious activity and correlate the discovered digital traces. The results of the study show that the MITM attack was successfully reconstructed through the correlation of digital traces, leading to the identification of ARP spoofing and DNS spoofing originating from a device with the IP address 192.168.200.12 and the MAC address a0:47:d7:73:ef:fb. The correlation of digital traces in the victim’s network and system traffic revealed communication redirection and web access manipulation. This study concludes that the NIST method is capable of reconstructing MITM attacks and identifying digital evidence from activity traces on both the network and the system.
Keywords: ARP spoofing; digital forensics; DNS spoofing; MITM; NIST
Abstrak: Serangan Man-in-the-Middle (MITM) merupakan ancaman yang dapat terjadi pada jaringan nirkabel publik, termasuk lingkungan WiFi kampus. Penelitian ini bertujuan menganalisis serangan MITM pada jaringan WiFi Universitas ‘Aisyiyah Yogyakarta menggunakan metode forensik digital National Institute of Standards and Technology (NIST). Penelitian menerapkan empat tahapan NIST, yaitu collection, examination, analysis, dan reporting. Bukti digital yang dianalisis meliputi file packet capture (PCAP), jejak digital berupa history browser, cookies, dan cache yang diperoleh dari perangkat korban. Proses analisis menggunakan Wireshark, SQLite Database Browser, dan ChromeCacheView untuk mengidentifikasi aktivitas mencurigakan serta mengorelasikan jejak digital yang ditemukan. Hasil penelitian menunjukkan bahwa serangan MITM berhasil direkonstruksi melalui korelasi jejak digital yang mengarah pada identifikasi ARP spoofing dan DNS spoofing dari perangkat dengan alamat IP 192.168.200.12 dan MAC address a0:47:d7:73:ef:fb. Korelasi jejak digital pada lalu lintas jaringan dan sistem korban menunjukkan adanya pengalihan komunikasi serta manipulasi akses web. Penelitian ini menyimpulkan bahwa metode NIST mampu merekonstruksi serangan MITM dan mengidentifikasi bukti digital dari jejak aktivitas pada jaringan maupun sistem.
Kata kunci: ARP spoofing; DNS spoofing; forensik digital; MITM; NIST
Abstract:Abstract: Existing IoT anomaly detection studies have achieved high classification performance, but most focus on accuracy and F1-score without explicitly controlling the false positive rate (FPR). In addition, many approaches…
oaches rely on a single detection perspective, limiting their operational reliability. To address this gap, this study proposes a hybrid anomaly detection framework integrating Long Short-Term Memory (LSTM), Shannon entropy, and autoencoder reconstruction error. Shannon entropy is incorporated as an additional feature, while LSTM and the autoencoder capture temporal and reconstruction characteristics. The resulting hybrid representation is processed by a constraint-based threshold selection mechanism that enforces FPR . Experiments on the TON-IoT and Edge-IIoTset datasets achieved average F1-scores of 0.9250 and 0.9934, while maintaining average FPR values of 0.0091 and 0.0714, respectively. Analysis of entropy distributions showed consistent differences between normal and anomalous traffic across both datasets, indicating that Shannon entropy provides discriminative information for anomaly detection. These results demonstrate strong detection performance with controlled false alarms, while ablation studies confirm the significant contribution of Shannon entropy to overall model performance.
Keywords: false positive rate; hybrid deep learning; Internet of Things; network anomaly detection; Shannon entropy
Abstrak: Penelitian deteksi anomali Internet of Things (IoT) telah menunjukkan performa klasifikasi yang tinggi, namun sebagian besar masih berfokus pada accuracy dan F1-score tanpa mengendalikan false positive rate (FPR) secara eksplisit. Selain itu, banyak pendekatan hanya memanfaatkan satu perspektif deteksi sehingga reliabilitas operasionalnya masih terbatas. Untuk mengatasi kesenjangan tersebut, penelitian ini mengusulkan kerangka deteksi anomali hybrid yang mengintegrasikan Long Short-Term Memory (LSTM), Shannon entropy, dan autoencoder reconstruction error. Shannon entropy digunakan sebagai fitur tambahan, sedangkan LSTM dan autoencoder menangkap karakteristik temporal dan deviasi rekonstruksi. Representasi hybrid yang dihasilkan kemudian diproses melalui mekanisme constraint-based threshold selection dengan batas FPR . Hasil pengujian pada dataset TON-IoT dan Edge-IIoTset menghasilkan F1-score rata-rata sebesar 0,9250 dan 0,9934, dengan FPR rata-rata sebesar 0,0091 dan 0,0714. Perbedaan nilai entropy yang konsisten antara trafik normal dan anomali pada kedua dataset menunjukkan bahwa Shannon entropy menyediakan informasi diskriminatif untuk deteksi anomali. Hasil tersebut menunjukkan performa deteksi yang kuat dengan false alarm yang terkendali, sementara studi ablasi mengonfirmasi kontribusi signifikan Shannon entropy terhadap performa model.
Kata kunci: deteksi anomali jaringan; false positive rate; hybrid deep learning; Internet of Things; Shannon entropy
Abstract:Abstract: The development of information and communication technology has driven digital transformation in various sectors, including agriculture. One of the technologies widely applied is the Internet of Things (IoT), which…
hich enables devices to be interconnected through the internet to perform monitoring and data exchange in real time. In hydroponic cultivation, water quality stability is a crucial factor that affects plant growth. The main parameters that need to be monitored include water acidity level (pH), water temperature, and dissolved nutrient concentration measured using Total Dissolved Solids (TDS). However, water quality monitoring is still commonly conducted manually, making it less efficient and potentially causing delays in detecting changes in water conditions. This study aims to design an IoT-based water quality monitoring system for hydroponic cultivation using an ESP32 microcontroller integrated with pH, temperature, and TDS sensors. The collected data are sent to a server and displayed on a web dashboard in real time, equipped with automatic notification features. The proposed system is expected to improve monitoring efficiency and increase the productivity of hydroponic cultivation
Keywords: esp32; hydroponics; internet of things; real-time monitoring; water quality.
Abstrak: Perkembangan teknologi informasi dan komunikasi mendorong transformasi digital dalam berbagai sektor, termasuk pertanian. Salah satu teknologi yang banyak diterapkan adalah Internet of Things (IoT) yang memungkinkan perangkat saling terhubung melalui jaringan internet untuk melakukan pemantauan dan pertukaran data secara real-time. Pada budidaya hidroponik, kestabilan kualitas air menjadi faktor penting yang mempengaruhi pertumbuhan tanaman. Parameter utama yang perlu diperhatikan meliputi tingkat keasaman air (pH), suhu air, serta konsentrasi nutrisi terlarut yang diukur menggunakan Total Dissolved Solids (TDS). Namun, pemantauan kualitas air masih banyak dilakukan secara manual sehingga kurang efisien dan berpotensi menimbulkan keterlambatan dalam mendeteksi perubahan kondisi air. Penelitian ini bertujuan merancang sistem pemantauan kualitas air hidroponik berbasis IoT menggunakan mikrokontroler ESP32 yang terintegrasi dengan sensor pH, suhu, dan TDS. Data dikirim ke server dan ditampilkan pada web dashboard secara real-time serta dilengkapi notifikasi otomatis. Sistem ini diharapkan meningkatkan efisiensi pemantauan dan produktivitas budidaya hidroponik.
Kata kunci: esp32; hidroponik; internet of things; kualitas air; monitoring real-time
Abstract:Abstract: The growing intensity of cyber attacks, marked by rapid, large-scale, automated, and adaptive execution, requires analytical methods that represent the diversity of network environments, including variations in…
target platforms such as IoT, traditional networks, and hybrid infrastructures. This study compares machine learning models for cyber attack classification under heterogeneous environmental conditions and formulates a conceptual optimization framework based on model performance. Four publicly available benchmark datasets were used, namely UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, and a Kaggle cyber security attacks dataset, comprising approximately 40,000 to over 3.6 million records and 25 to 80 features across IoT, conventional, and mixed network environments. Random Forest, XGBoost, Multilayer Perceptron, and Transformer were implemented within a unified pipeline involving preprocessing, feature selection, and Bayesian Optimization-based hyperparameter tuning. All models achieved F1-score and Cohen's Kappa above 96%, with XGBoost performing best (97.80%, 97.26%), followed by Random Forest (97.78%, 96.96%) and Transformer (97.44%, 96.82%), while MLP scored lowest (96.74%, 96.00%), a gap below one percentage point. Confusion matrix analysis revealed persistent misclassification in minority and overlapping attack classes, informing a proposed adaptive cyber attack simulation optimization framework.
Keywords: cyber attacks; optimization; machine learning; environmental variability.
Abstrak: Meningkatnya intensitas serangan siber yang berlangsung cepat, masif, otomatis, dan adaptif menuntut pendekatan analitis yang merepresentasikan keragaman lingkungan jaringan, termasuk perbedaan karakteristik platform sasaran seperti Internet of Things (IoT), jaringan konvensional, dan infrastruktur hibrida. Penelitian ini membandingkan model machine learning untuk klasifikasi serangan siber pada kondisi lingkungan heterogen, sekaligus menyusun kerangka optimasi konseptual berdasarkan performa model. Empat dataset benchmark publik digunakan, yaitu UNB CIC IoT 2023, UNB CIC IDS-2018, UNSW-NB15, serta dataset Kaggle cyber security attacks, dengan jumlah data berkisar 40.000 hingga lebih dari 3,6 juta rekaman dan 25 sampai 80 fitur, mewakili lingkungan IoT, konvensional, dan campuran. Random Forest, XGBoost, Multilayer Perceptron, dan Transformer diimplementasikan melalui pipeline terpadu mencakup pra-pemrosesan, seleksi fitur, dan optimasi hyperparameter berbasis Bayesian Optimization. Seluruh model mencapai F1-score dan Cohen's Kappa di atas 96%, dengan XGBoost menunjukkan performa terbaik (97,80%, 97,26%), diikuti Random Forest (97,78%, 96,96%) dan Transformer (97,44%, 96,82%), sementara MLP mencatat skor terendah (96,74%, 96,00%), dengan selisih kurang dari satu poin persentase. Analisis confusion matrix mengungkap misklasifikasi yang konsisten pada kelas minoritas dan serangan dengan karakteristik serupa, yang menjadi dasar kerangka optimasi simulasi serangan siber adaptif yang diusulkan.
Kata kunci: serangan siber; optimasi; machine learning; variabilitas lingkungan
Abstract:Abstract: Accurate bone age estimation is essential for monitoring pediatric growth, diagnosing endocrine disorders, and supporting clinical decision-making. Although deep learning has improved prediction accuracy, limited…
ed studies have systematically examined how increasing model depth affects performance and reliability. This study evaluates the effectiveness of progressively deeper convolutional neural networks, specifically EfficientNet variants B0 to B5, for bone age estimation from hand radiographs. Experiments were conducted using 12,611 hand X-ray images from the RSNA Pediatric Bone Age Challenge dataset on Kaggle. To ensure fair comparison, all models were trained using a unified and consistent training pipeline. Model performance was evaluated using Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Concordance Correlation Coefficient (CCC), and Pearson correlation coefficient. The results show a consistent improvement in prediction accuracy as model depth increases. Among the evaluated models, EfficientNet-B5 achieved the best performance, with an MAE of 21.5 months, MAPE of 6.23%, CCC of 0.9148, and Pearson’s r of 0.9203. These findings confirm that model scaling plays a critical role in enhancing prediction robustness and clinical reliability. Future work should emphasize external validation across diverse populations and incorporate interpretability techniques, such as Grad-CAM, to improve clinical transparency and trust.
Keywords: bone age prediction; deep learning; model evaluation; clinical validation
Abstrak: Estimasi usia tulang yang akurat sangat penting untuk memantau pertumbuhan anak, mendiagnosis gangguan endokrin, dan mendukung pengambilan keputusan klinis. Meskipun pembelajaran mendalam telah meningkatkan akurasi prediksi, studi yang secara sistematis meneliti bagaimana peningkatan kedalaman model memengaruhi kinerja dan keandalan masih terbatas. Studi ini mengevaluasi efektivitas jaringan saraf konvolusional yang semakin dalam, khususnya varian EfficientNet B0 hingga B5, untuk estimasi usia tulang dari radiografi tangan. Eksperimen dilakukan menggunakan 12.611 gambar sinar-X tangan dari dataset RSNA Pediatric Bone Age Challenge di Kaggle. Untuk memastikan perbandingan yang adil, semua model dilatih menggunakan alur pelatihan yang terpadu dan konsisten. Kinerja model dievaluasi menggunakan Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Concordance Correlation Coefficient (CCC), dan koefisien korelasi Pearson. Hasil menunjukkan peningkatan yang konsisten dalam akurasi prediksi seiring dengan peningkatan kedalaman model. Di antara model yang dievaluasi, EfficientNet-B5 mencapai kinerja terbaik, dengan MAE sebesar 21,5 bulan, MAPE sebesar 6,23%, CCC sebesar 0,9148, dan Pearson’s r sebesar 0,9203. Temuan ini menegaskan bahwa penskalaan model memainkan peran penting dalam meningkatkan optimasi prediksi dan keandalan klinis. Penelitian selanjutnya dapat menekankan validasi eksternal di berbagai populasi dan menggabungkan teknik interpretasi, seperti Grad-CAM, untuk meningkatkan transparansi dan kepercayaan klinis.
Kata kunci: prediksi usia tulang; deep learning; evaluasi model; validasi klinis
Abstract:Abstract: Understanding students’ emotional conditions is important for evaluating engagement and learning atmosphere in classroom environments. However, conventional evaluation methods are often subjective and difficult…
lt to apply in real time. Therefore, this study proposes a real-time multi-face emotion detection system designed for classroom learning environments. The system integrates a CNN-based Tiny Face Detector for multi-scale face localization with a convolutional neural network to classify seven facial emotions: angry, disgust, fear, happy, sad, surprise, and neutral. Experimental evaluation was conducted using classroom video data under varying lighting conditions, face orientations, partial occlusions, and different numbers of detected faces per frame. The proposed system achieves stable real-time performance with processing speeds ranging from 10–20 FPS, depending on face density. The results show higher recognition performance for expressive emotions, while subtle emotions remain more challenging. Overall classification accuracy reaches above 80% when emotion predictions are aggregated across multiple faces and time windows. These results indicate that the proposed system is suitable for objective analysis of emotional dynamics in classroom environments and supports the deployment of lightweight emotion-aware monitoring systems for educational applications.
Keywords: classroom monitoring; convolutional neural network; facial emotion recognition; multi-face detection; tiny face detector.
Abstrak: Pemahaman terhadap kondisi emosional mahasiswa penting untuk mengevaluasi keterlibatan dan suasana pembelajaran di kelas. Namun, metode evaluasi konvensional umumnya bersifat subjektif dan sulit diterapkan secara real-time. Oleh karena itu, penelitian ini mengusulkan sistem deteksi emosi multi-wajah secara real-time yang dirancang untuk lingkungan pembelajaran di kelas. Sistem mengintegrasikan Tiny Face Detector berbasis CNN untuk pelokalan wajah multi-skala dengan jaringan saraf konvolusional untuk mengklasifikasikan tujuh emosi wajah, yaitu marah, jijik, takut, senang, sedih, terkejut, dan netral. Evaluasi eksperimen dilakukan menggunakan data video kelas dengan variasi kondisi pencahayaan, orientasi wajah, oklusi parsial, serta jumlah wajah yang berbeda dalam satu frame. Sistem menunjukkan kinerja real-time yang stabil dengan kecepatan pemrosesan antara 10–20 FPS, bergantung pada kepadatan wajah. Hasil pengujian menunjukkan kinerja yang lebih baik pada emosi ekspresif, sementara emosi dengan ciri halus lebih menantang untuk dikenali. Akurasi klasifikasi keseluruhan mencapai di atas 80% ketika hasil emosi diagregasi berdasarkan banyak wajah dan interval waktu. Hasil ini menunjukkan bahwa sistem yang diusulkan berpotensi digunakan untuk analisis objektif dinamika emosi di kelas serta mendukung pemantauan lingkungan pembelajaran berbasis kecerdasan buatan.
Kata kunci: pengenalan emosi wajah; deteksi multi-wajah; Tiny Face Detector; jaringan saraf konvolusional; pemantauan kelas.