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.
Abstract:Abstract: This study aims to develop a Deep Learning-based Traffic Flow Detector to automatically and accurately observe traffic flow. Conventional traffic observation is often conducted manually or via CCTV, but it is prone…
rone to human error and difficult to use for real-time trend analysis. In this study, the YOLOv4 method is used to detect four types of vehicles (cars, motorcycles, buses, trucks). To continuously track vehicle movement and address occlusion issues, the Deep SORT algorithm is implemented. The YOLOv4 model used is a pre-trained model and was tested on seven CCTV video recordings obtained from the official website of the Pekanbaru City Transportation Department. The system was implemented on a limited device, the Nvidia Jetson Nano, as a simulation of direct CCTV integration. Test results showed a highest precision of 98%, but the maximum accuracy achieved was only 26%. This low accuracy is influenced by several factors, including video resolution, detection model quality, and lighting conditions. Nevertheless, the system demonstrates potential to support future traffic management and engineering decisions but still requires further optimization, including improving video resolution and quality, retraining the model with a more representative local dataset, using lighter and more accurate detection models, and optimizing the tracking algorithm.
Keywords: deep learning; deepsort; NVIDIA Jetson NANO; traffic flow; YOLOv4
Abstrak: Penelitian ini bertujuan mengembangkan Traffic Flow Detector berbasis Deep Learning untuk mengobservasi arus lalu lintas secara otomatis dan akurat. Observasi lalu lintas konvensional sering dilakukan secara manual atau melalui CCTV, namun rentan terhadap human error dan sulit digunakan untuk menganalisis tren secara real-time. Pada penelitian ini digunakan metode YOLOv4 untuk mendeteksi empat jenis kendaraan (mobil, motor, bus, truk). Untuk melacak pergerakan kendaraan secara berkelanjutan dan mengatasi masalah occlusion, digunakan algoritma Deep SORT. Model YOLOv4 yang digunakan merupakan pre-trained model dan diujikan pada tujuh rekaman video CCTV yang diambil dari situs resmi Dinas Perhubungan Kota Pekanbaru. Sistem ini diimplementasikan pada perangkat terbatas Nvidia Jetson Nano sebagai simulasi penerapan langsung pada CCTV. Hasil pengujian menunjukkan presisi tertinggi mencapai 98%, namun akurasi tertingginya hanya sebesar 26%. Rendahnya akurasi dipengaruhi oleh beberapa faktor seperti resolusi video, kualitas model deteksi, serta kondisi pencahayaan. Meski demikian, sistem ini menunjukkan potensi untuk membantu pengambilan keputusan dalam manajemen dan rekayasa lalu lintas di masa depan, namun masih membutuhkan optimasi lebih lanjut, seperti peningkatan kualitas video input, pelatihan ulang model dengan dataset lokal, penggunaan model deteksi yang lebih ringan dan akurat serta pengoptimalan algoritma pelacakan.
Kata kunci: deep learning deepsort; Nvidia Jetson Nano; traffic flow; YOLOv4
Abstract:Abstract: Lighting is one of the important aspects in supporting the comfort of public facilities, especially for futsal fields that rely on lighting for better user visibility at night. This study focuses on finding lighting…
hting solutions for futsal fields that are still running manually by providing alternative solutions in the form of implementing the concept of a smart automation system based on the Internet of Things (IoT) by combining the working systems of LDR sensors, ultrasonic sensors, and microcontrollers, this aims to provide convenience while creating innovation for existing problems. Using observation and implementation methods produces a system that is designed in such a way that the results will later be displayed on the Kodular android application for remote monitoring. It is hoped that the system in this study can work effectively and efficiently in managing field lighting that can answer the problems raised.
Keywords: automation; IoT; kodular; lighting; monitoring.
Abstrak: Pencahayaan merupakan salah satu aspek penting dalam hal yang mendukung kenyamanan fasilitas publik terutama untuk lapangan futsal yang mengandalkan pencahayaan untuk visibilitas pengguna lebih baik pada malam hari. Penelitian ini berfokus pada pencarian solusi pencahayaan pada lapangan futsal yang masih berjalan secara manual dengan diberikannya solusi alternatif berupa penerapan konsep sistem otomatisasi pintar berbasis Internet of Things (IoT) dengan memadu-padankan sistem kerja sensor LDR, sensor ultrasonik, dan mikrokontroler, hal tersebut bertujuan memberikan kemudahan sekaligus menciptakan inovasi bagi permasalahan yang ada. Menggunakan metode observasi dan implentasi menghasilkan sistem yang dirancang sedemikian rupa dengan hasil yang nantinya akan ditampilkan pada aplikasi android Kodular untuk pemantauan jarak jauh. Diharapkan sistem dalam penelitian ini dapat bekerja secara efektif dan efisien dalam pengelolaan pencahayaan lapangan yang dapat menjawab pemasalahan yang diangkat.
Kata kunci: IoT; pencahayaan; otomatis; pemantauan; kodular.
Abstract:Abstract: Face detection remains a challenging task in computer vision due to real-world factors such as uneven lighting, varying viewpoints, distance, and occlusion. This study aims to develop and evaluate a real-time facial…
acial feature detection application (detecting face, eyes, nose, and mouth) using MATLAB and a webcam. Detection is performed using the Viola-Jones Cascade Classifier method through the vision.CascadeObjectDetector function. Key parameters that were adjusted include the MergeThreshold (ranging from 4 to 50 depending on the feature) and MinSize (based on estimated feature size within the frame). However, this study does not include tuning of other parameters such as FalseAlarmRate, which constitutes a limitation of the employed method. The adjustment of these parameters proved significant in improving detection accuracy and robustness under varying lighting conditions. Nevertheless, the system still encounters difficulties in detecting facial features in the presence of occlusion. This study also has the potential to serve as a foundation for further developments in face recognition, emotion detection, or biometric authentication.
Keywords: computer vision; haar cascade; MATLAB
Abstrak: Deteksi wajah merupakan tantangan dalam visi komputer karena dipengaruhi oleh kondisi nyata seperti pencahayaan tidak merata, sudut pandang, jarak, dan obstruksi. Penelitian ini bertujuan untuk mengembangkan dan menguji aplikasi deteksi fitur wajah secara real-time (wajah, mata, hidung, dan mulut) menggunakan MATLAB dan kamera webcam. Deteksi dilakukan dengan metode Viola-Jones Cascade Classifier melalui fungsi vision.CascadeObjectDetector. Parameter penting yang disesuaikan adalah MergeThreshold (antara 4 hingga 50 tergantung fitur), MinSize (mengikuti estimasi ukuran fitur dalam frame). Namun, penelitian ini tidak mencakup penyesuaian parameter lain seperti FalseAlarmRate, yang menjadi salah satu keterbatasan metode yang digunakan. Penyesuaian parameter ini terbukti signifikan dalam meningkatkan akurasi deteksi dan ketahanan terhadap variasi kondisi pencahayaan. Namun, sistem masih mengalami kesulitan mendeteksi fitur wajah jika terjadi obstruksi. Penelitian ini juga berpotensi menjadi dasar untuk pengembangan lebih lanjut dalam face recognition, emotion detection, atau biometric authentication.
Kata kunci: visi computer; haar cascade; MATLAB
Abstract:Abstract: Facial recognition is widely used in areas such as video surveillance and database management. Facial images have been used as a preferred biometric feature in many identity recognition systems to obtain good image…
mage results in image segmentation. A good image must pay attention to several factors, namely high resolution, good contrast, image sharpness, consistent colors, lack of noise and appropriate lighting conditions. In this face recognition research, using canny edge detection method for 10 original images paired with 10 other images. The original faces taken are male and female. Canny edge detection has a low error rate in image segmentation compared to other edge detections. The purpose of this study is to determine the edge of the image in I-rat and can display the results of a good segmentation of facial images. The results of the test data with data stored in the database in the study is 1 face image produces 67.69% accuracy and 26.92% and 8 other face images produce 100% accuracy. The average success rate of 10 experiments using image segmentation is 89.461%. In conclusion, the canny edge detection method can provide accurate results in the face recognition process.
Keywords: accuracy; canny edge detection; face recognition; image; segmentation
Abstrak : Pengenalan wajah banyak digunakan dalam diberbagai bidang seperti pengawasan video dan manajemen basis data. Gambar wajah telah digunakan sebagai ciri biometrik yang disukai di banyak sistem pengenalan identitas untuk mendapatkan hasil citra yang bagus dalam segmentasi citra. Citra yang baik harus memperhatikan beberapa faktor yaitu resolusi tinggi, kontras yang baik, ketajaman citra, warna yang konsisten, kurangnya noise dan kondisi pencahayaan yang sesuai. Pada penelitian pengenalan wajah ini, menggunakan metode deteksi tepi canny untuk 10 citra asli yang dipasangkan dengan 10 citra lainnya. Wajah asli yang diambil berjenis kelamin laki-laki dan perempuan. Deteksi tepi canny memiliki tingkat kesalahan rendah dalam segmentasi citra dibandingkan dengan deteksi tepi lainnya. Tujuan dari penelitian ini adalah menentukan tepi gambar secara akurat dan dapat menampilkan hasil segmentasi citra wajah yang baik. Hasil dari data uji dengan data yang tersimpan di database dalam penelitian adalah 1 citra wajah menghasilkan akurasi 67,69% dan 26,92% dan 8 citra wajah lainnya menghasilkan akurasi 100%. Rata-rata tingkat keberhasilan dari 10 kali percobaan dengan menggunakan segmentasi citra adalah 89,461%. Kesimpulan, metode deteksi tepi canny dapat memberikan hasil yang akurat dalam proses pengenalan wajah.
Kata Kunci : akurasi; deteksi tepi canny; citra; pengenalan wajah; segmentasi
Abstract:Imitating Reality atau yang artimya meniru realita membahas karya lukisan still life flora yang mengimitasi kenyataan, dengan menyoroti berbagai teknik dan pendekatan yang digunakan oleh pelukis untuk menciptakan kesan kehidupan…
ehidupan yang nyata. Setiap pelukis menggunakan teknik lukis dan karakter yang berbeda-beda sesuai dengan impresi dan visi mereka terhadap objek yang akan divisualisasikan di atas kanvas. Permasalahan dalam penciptaan ini bagaimana memvisualisasikan objek berupa komposisi yang terdiri atas benda organik dan anorganik. Metode yang dipergunakan deskriptif kualitatif dengan pendekatan eksplorasi media cat minyak. Sampelnya adalah lima karya seni lukis yang diciptakan oleh lima orang pelukis dari Bandung. Analisis kekaryaan dikaji dari objek utama, komposisi, tekstur, penggunaan warna, dan pencahayaan untuk menghadirkan kedalaman visual serta kesan realis yang memukau. Objek yang divisualisasikan kedalam karya seni lukis, menggunakan berbagai sudut pandang yang berbeda dan bahasa visual yang menarik, membuktikan bahwa mengamati objek yang nyata bukan semerta-merta menyalin semua unsur dari objek tersebut ke dalam karya seni lukis secara utuh namun memanfaatkan keberagaman pendekatan yang unik antar pelukis dengan memanfaatkan imajinasi dan proses kreatif dalam menciptakan karya seni lukis. Hasil dari penciptaan ini berupa karya seni lukis still life flora tidak hanya sebagai representasi visual, tetapi juga sebagai medium untuk menyampaikan pesan dan refleksi tentang dunia sekitar.
Abstract:Visi computer yang merupakan cabang kecerdasan buatan yang menggunakan citra digital sebagai input data. Penelitian ini bertujuan untuk mengembangkan metode pengumpulan data dalam deteksi warna buah paprika menggunakan citra…
itra digital dan platform Teachable Machine. Metode ini dirancang untuk meningkatkan efisiensi dan akurasi dalam mengidentifikasi variasi warna paprika, yang penting untuk kualitas produk di industri pertanian. Data dikumpulkan melalui pengambilan gambar paprika dalam kondisi pencahayaan yang konsisten, kemudian diproses menggunakan teknik segmentasi warna dan analisis histogram. Model machine learning dilatih menggunakan Teachable Machine, yang memungkinkan klasifikasi warna dengan mudah dan cepat. Hasil evaluasi menunjukkan bahwa model dapat mendeteksi warna paprika dengan akurasi yang memuaskan. Penelitian ini memberikan wawasan penting tentang potensi penerapan teknologi digital dalam pertanian dan membuka peluang untuk pengembangan lebih lanjut dalam deteksi dan analisis kualitas produk pertanian. Dengan demikian, penelitian ini berkontribusi pada peningkatan efisiensi pengelolaan hasil pertanian serta promosi inovasi dalam sektor ini.
Abstract:Perkembangan teknologi yang pesat mendorong masyarakat untuk beradaptasi dalam aktivitas sehari-hari dengan cara yang lebih mudah, cepat, dan efektif. Salah satu inovasi di bidang administrasi adalah Sistem Informasi Administrasi…
inistrasi Kependudukan (SIAK), yang memungkinkan pembuatan data kependudukan secara cepat dan akurat di seluruh wilayah Indonesia. Pemerintah pusat, melalui Dukcapil Kementerian Dalam Negeri, meluncurkan identitas kependudukan digital sebagai bentuk digitalisasi dokumen kependudukan yang dapat diakses melalui aplikasi di ponsel. Meskipun aplikasi ini memudahkan masyarakat, beberapa pengguna masih menghadapi kendala, terutama terkait keamanan data. Sebagai solusi keamanan, teknologi pengenalan wajah berbasis machine learning menjadi opsi potensial dalam memastikan identitas digital yang lebih aman. Teknik seperti Convolutional Neural Networks (CNN) terbukti efektif dalam mengenali fitur wajah, memungkinkan sistem untuk mengidentifikasi individu dengan akurasi tinggi, terutama dalam konteks keamanan. Namun teknologi ini menghadapi tantangan, seperti variasi pose, pencahayaan, dan ekspresi wajah, yang mempengaruhi kinerja sistem pengenalan wajah. Studi ini mengkaji pentingnya evaluasi model pembelajaran mesin, seperti akurasi dan recall, untuk memastikan efektivitas sistem dalam mendeteksi dan mencegah akses yang tidak sah. Dalam masyarakat, pemerintah memiliki tanggung jawab memberikan layanan optimal sebagaimana diatur dalam Undang-Undang Nomor 25 Tahun 2009 tentang Pelayanan Publik. Optimalisasi informasi teknologi diharapkan memberikan manfaat luas bagi masyarakat, memperkuat peran aparat
Abstract:Pengabdian kepada Masyarakat (PKM) ini bertujuan untuk meningkatkan pemahaman dan keterampilan siswa-siswi SMAN 1 Air Joman dalam penghematan energi listrik melalui penerapan teknologi sistem pengendali lampu rumah otomatis…
tis berbasis sensor cahaya. Permasalahan utama yang dihadapi mitra adalah tingginya konsumsi listrik akibat penggunaan lampu penerangan yang tidak sesuai dengan kondisi pencahayaan lingkungan serta rendahnya literasi penghematan energi di kalangan siswa. Untuk mengatasi permasalahan tersebut, kegiatan PKM dilaksanakan dalam bentuk pelatihan yang meliputi edukasi penghematan energi listrik, pengenalan komponen elektronika, perakitan rangkaian lampu otomatis menggunakan sensor Light Dependent Resistor (LDR), serta pengujian fungsi sistem. Metode pelaksanaan dilakukan secara bertahap, dimulai dari koordinasi dengan pihak sekolah, penyampaian materi teori, praktik perakitan rangkaian, hingga evaluasi hasil kegiatan. Hasil pelaksanaan menunjukkan adanya peningkatan pemahaman siswa mengenai pentingnya penghematan energi serta kemampuan siswa dalam merakit dan menguji sistem pengendali lampu otomatis yang berfungsi sesuai dengan prinsip kerja yang dirancang. Kegiatan ini juga menghasilkan luaran berupa prototipe alat lampu otomatis, modul pelatihan, serta dokumentasi kegiatan. Secara keseluruhan, kegiatan PKM ini memberikan manfaat nyata bagi mitra dengan mendorong terciptanya budaya hemat energi di lingkungan sekolah serta menjadi sarana pembelajaran berbasis teknologi tepat guna. Kegiatan ini diharapkan dapat dikembangkan dan direplikasi pada institusi pendidikan lainnya sebagai upaya mendukung efisiensi energi dan peningkatan kualitas pendidikan.
Abstract:Manajemen pencahayaan dalam budidaya buah naga merupakan faktor krusial yang memengaruhi produktivitas tanaman dan hasil panen petani. Buah naga (Hylocereus spp.) merupakan tanaman yang memiliki siklus berbunga pada malam…
malam hari dan sangat bergantung pada intensitas serta durasi
pencahayaan. Penelitian ini bertujuan untuk menganalisis pengaruh penerapan sistem pencahayaan
buatan terhadap peningkatan produktivitas tanaman buah naga. Metode yang digunakan meliputi
pengamatan langsung pada kebun buah naga yang menerapkan pencahayaan tambahan serta
wawancara dengan petani mengenai hasil produksi sebelum dan sesudah penerapan teknik
pencahayaan. Hasil penelitian menunjukkan bahwa penggunaan lampu LED dengan panjang
gelombang tertentu mampu merangsang pembungaan lebih cepat dan meningkatkan kuantitas serta
kualitas hasil panen. Selain itu, manajemen pencahayaan yang tepat juga berkontribusi dalam
memperpanjang masa panen dan mengurangi ketergantungan pada musim berbunga alami. Dengan
demikian, strategi pencahayaan buatan dapat menjadi solusi efektif bagi petani dalam meningkatkan
produktivitas kebun buah naga secara berkelanjutan.