Search Articles & Publications

Showing 2 articles found for "Jaso"
Jurdimas (Jurnal Pengabdian Kepada Masyarakat) Royal (Vol. 8, No. 4, 2025)

Transformasi Digital Produk Olahan Ikan Bilih Pada Poklahsar Jaso Danau Nagari Tikalak

ira desmiati, Indira Karina, Boni Ikhlas, Siti Aisyah, Dicky Rustam
Abstract: Abstract: This program aims to transform processed bilih fish products from Lake Singkarak through business digitalization to enhance tourism appeal and increase the added value of local food products. The partner, POKLAHSAR… HSAR Jaso Danau in Nagari Tikalak, Solok Regency, experienced a 35% decline in sales turnover over the past two years due to limited digital marketing and reliance on conventional sales. In addition, production capacity could only meet about 60% of market demand, with inconsistent product quality caused by the absence of written SOPs. The program was implemented using a participatory approach through stages of socialization, technical training, innovation adoption, and mentoring. The main focus included the development of production SOPs, logbooks and digital bookkeeping, organizational structuring, and digital marketing strategies using websites, QR Codes, and social media. The results revealed significant improvement in five key aspects: business recording, production, distribution, branding, and digital marketing. The average score increased from 2.7 (fair) in 2024 to 4.0 (good) in 2025, with the highest achievement in business recording and digital marketing through the activation of an official website and marketplace integration. This transformation demonstrates that digitalization of local food MSMEs not only improves product quality and consistency but also expands distribution channels, strengthens competitiveness, and supports the achievement of the SDGs, particularly women’s empowerment, poverty alleviation, economic growth, and sustainable consumption and production. Keywords: bilih fish, MSME digitalization, women empowerment, digital marketing, lake singkarak   Abstrak: Program ini bertujuan mentransformasi produk olahan ikan bilih khas Danau Singkarak melalui digitalisasi usaha guna meningkatkan daya tarik wisata dan nilai tambah pangan lokal. Mitra kegiatan adalah POKLAHSAR Jaso Danau di Nagari Tikalak, Kabupaten Solok, yang mengalami penurunan omzet hingga 35% dalam dua tahun terakhir akibat keterbatasan pemasaran digital dan masih mengandalkan penjualan konvensional. Selain itu, kapasitas produksi hanya mampu memenuhi sekitar 60% permintaan pasar, dengan kualitas produk sering tidak konsisten karena ketiadaan SOP tertulis. Kegiatan dilaksanakan dengan pendekatan partisipatif melalui tahapan sosialisasi, pelatihan teknis, penerapan inovasi, dan pendampingan. Fokus utama meliputi penyusunan SOP produksi, logbook dan pembukuan digital, pembentukan struktur organisasi, serta strategi pemasaran berbasis website, QR Code, dan media sosial. Hasil menunjukkan peningkatan keterampilan signifikan pada lima aspek utama: pencatatan usaha, produksi, distribusi, branding, dan pemasaran digital. Skor rata-rata naik dari 2,7 (cukup) pada 2024 menjadi 4,0 (baik) pada 2025, dengan capaian terbesar pada pencatatan usaha dan pemasaran digital melalui aktivasi website resmi dan integrasi marketplace. Transformasi ini membuktikan bahwa digitalisasi UMKM pangan lokal tidak hanya memperbaiki kualitas dan konsistensi produk, tetapi juga memperluas distribusi, memperkuat daya saing, serta mendukung pencapaian SDGs, khususnya pemberdayaan perempuan, pengentasan kemiskinan, pertumbuhan ekonomi, dan konsumsi-produksi berkelanjutan. Kata Kunci: ikan bilih, digitalisasi UMKM, pemberdayaan perempuan, pemasaran digital, danau singkarak
Global Research Transformasi Digital Produk Olahan Ikan Bilih Pada Poklahsar Jaso Danau Nagari Tikalak
9 views
JURTEKSI (jurnal Teknologi dan Sistem Informasi) (Vol. 12, No. 1, 2025)

MULTI-FACE EMOTION DETECTION USING CONVOLUTIONAL NEURAL NETWORKS TINY FACE DETECTOR

Istioso, Jason, Gerard, Jeremiah, Marcheleno, Marco, Maulana, Muhammad Akbar
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.
Global Research
10 views