Abstract:Helminthiasis merupakan penyakit infeksi yang masih banyak terjadi pada anak usia sekolah dan dapat menimbulkan nyeri perut, diare, mual, muntah, serta gangguan tidur dan makan. Penelitian ini bertujuan menggambarkan efektivitas…
ktivitas kompres hangat terhadap penurunan nyeri pada anak dengan helminthiasis di RSUD Wates. Metode yang digunakan adalah studi kasus dengan pendekatan proses keperawatan pada An. H usia 14 tahun dengan diagnosis keperawatan nyeri akut. Intervensi dilakukan selama 3×24 jam meliputi pengkajian nyeri, pemberian kompres hangat pada abdomen 3 kali sehari selama 10–15 menit, pengaturan lingkungan nyaman, memfasilitasi istirahat, pemberian edukasi pasien dan keluarga, serta kolaborasi pemberian paracetamol 450 mg setiap 8 jam. Hasil evaluasi menunjukkan penurunan intensitas nyeri dari skala 6/10 menjadi 2/10, disertai berkurangnya keluhan nyeri perut, ekspresi wajah lebih rileks, peningkatan kualitas tidur, nafsu makan membaik, serta peristaltik usus kembali normal. Kesimpulan menunjukkan bahwa pemberian kompres hangat yang dikombinasikan dengan intervensi komprehensif lainnya efektif dalam menurunkan nyeri akut pada anak dengan helminthiasis.
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: Face recognition based on deep learning has become an important technology in many areas. However, these systems often face challenges in real-world conditions, such as when the face is partially covered by accessories…
essories such as masks or glasses. This study aims to evaluate the effect of data augmentation by adding facial accessories (masks, glasses, and a combination of both) and geometric augmentation on the accuracy of face recognition systems. There are three types of datasets used in this method: the original dataset (category 1), the dataset with facial accessories augmentation (category 2), and the dataset with geometric augmentation (category 3). Data augmentation was performed on the training dataset to increase diversity, followed by the face detection process using SCRFD and feature extraction with ArcFace. The model was then trained using Multi-Layer Perceptron (MLP). Based on the results, adding face accessories (category 2) made the model a lot more accurate, hitting 99% accuracy. In category 3, adding geometric features improved accuracy to 91%. Other evaluation metrics, such as precision, recall, and F1-score, also showed improvement after augmentation. This study concludes that facial accessories augmentation is more effective in improving the accuracy and robustness of face recognition models compared to geometric augmentation.
Keywords: augmentation; deep learning; face recognition; glasses.
Abstrak: Pengenalan wajah berbasis deep learning telah menjadi salah satu teknologi penting dalam berbagai aplikasi. Namun, sistem ini sering kali menghadapi tantangan dalam kondisi dunia nyata, seperti saat wajah tertutup sebagian oleh aksesori seperti masker atau kacamata. Penelitian ini bertujuan untuk mengevaluasi pengaruh augmentasi data dengan menambahkan aksesori wajah (masker, kacamata, dan kombinasi keduanya) serta augmentasi geometris terhadap akurasi sistem pengenalan wajah. Metode yang digunakan melibatkan tiga kategori dataset: dataset asli tanpa augmentasi (kategori 1), dataset dengan augmentasi aksesoris wajah (kategori 2), dan dataset dengan augmentasi geometris (kategori 3). Augmentasi data dilakukan pada dataset pelatihan untuk meningkatkan keberagaman, diikuti dengan proses deteksi wajah menggunakan SCRFD dan ekstraksi fitur dengan ArcFace. Model kemudian dilatih menggunakan Multi-Layer Perceptron (MLP). Hasil penelitian menunjukkan bahwa augmentasi aksesoris wajah (kategori 2) memberikan peningkatan signifikan pada akurasi model, mencapai 99%, sedangkan kategori 3 dengan augmentasi geometris mencapai akurasi 91%. Metrik evaluasi lainnya, seperti precision, recall, dan F1-score, juga menunjukkan peningkatan setelah augmentasi. Penelitian ini menyimpulkan bahwa augmentasi aksesoris wajah lebih efektif dalam meningkatkan akurasi dan ketahanan model pengenalan wajah dibandingkan dengan augmentasi geometris.
Kata kunci: augmentasi; deep learning; kacamata; pengenalan wajah.
Abstract:Abstract: Ms Glow Kisaran Original Store is one of the beauty companies that sells skincare products that are useful for maintaining healthy facial and body skin. However, the Original Ms. Glow series currently faces challenges…
hallenges such as tight competition and ineffective inventory management in terms of sales figures. This company sells ± 1500 products a month, but also often faces shortages and stockpiles of product, which can reduce customer confidence and cause Ms. Glow Kisaran Original to experience financial losses, among others. Conversely, if the demand for skincare increases but the skincare supply cannot be prepared, this is a loss for the store and customers. The purpose of this study is to improve the accuracy of the forecast, the use of the Single Exponential Smoothing Method is proposed. This method smoothes past values with exponential weights, placing greater emphasis on the latest data. The use of data from the last 12 months as reference data for past recording for forecasting experiments for the next 1 (one) month. The results of the study at Ms Glow Kisaran show the flexibility of the method in adapting to different sales dynamics. Overall, this research helps in predicting skincare sales predictions at the Ms Glow Kisaran Original Kisaran Store using the Single Exponentian Smoothing method, so that it can overcome the challenges in predicting sales figures.
Keywords: ms glow kisaran; skincare sales; ses.
Abstrak: Toko Ms Glow Kisaran Original merupakan salah satu perusahaan di bidang kecantikan yang menjual produk-produk skincare yang bermanfaat untuk menjaga kesehatan kulit wajah dan tubuh. Namun rangkaian Original Ms. Glow saat ini menghadapi tantangan seperti persaingan yang ketat dan pengelolaan inventaris yang kurang efektif dalam hal angka penjualan. Perusahaan ini menjual ±1500 produk dalam sebulan, namun juga sering menghadapi kekurangan dan penumpukan stok produk, yang dapat menurunkan kepercayaan pelanggan dan menyebabkan Ms. Glow Kisaran Original mengalami kerugian finansial. Sebaliknya jika permintaan akan skincare meningkat namun persediaan skincare tidak dapat disiapkan maka ini menjadi kerugian bagi pihak toko dan pelanggan. Tujuan penelitian ini adalah untuk meningkatkan ketepatan perkiraan, penggunaan Metode Single Exponential Smoothing diusulkan. Metode ini menghaluskan nilai masa lalu dengan bobot eksponensial, memberikan penekanan lebih besar pada data terbaru. Penggunaan data 12 bulan terakhir sebagai data acuan pencatatan masa lalu untuk percobaan peramalan untuk 1 (satu) bulan kedepan. Hasil penelitian pada Ms Glow Kisaran menunjukkan fleksibilitas metode dalam menyesuaikan diri dengan dinamika penjualan yang berbeda. Secara keseluruhan, Penelitian ini membantu dalam meramalkan prediksi penjualan skincare di Toko Ms glow Kisaran Original Kisaran menggunakan metode Single Exponentian Smoothing, sehingga dapat mengatasi tantangan dalam memprediksi angka penjualan.
Kata kunci: ms glow kisaran; penjualan skincare; ses.
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: Ms Glow Putri Shop is a business that operates in the beauty sector, selling beauty products, namely skincare and bodycare, which are useful for maintaining healthy body and facial skin. However, Ms Glow Putri…
currently often experiences problems, namely tight competition and inventory management that is less effective in terms of sales numbers. Every month reaching ±1300 products, Ms Glow Putri also often experiences shortages and build-ups in skincare and bodycare stocks. This can reduce customer confidence so that Ms Giow Putri often experiences losses in the form of finance and other things, so this method is needed to predict some skincare and other stock supplies. bodycare provided in the following month. This method uses the Weighted Moving Average and Single Exponentiation Smoothing methods to predict supplies of skincare and bodycare stocks. The results of research on Ms GIow daughter using the Weight Moving Average Method with a weight of 5 with a MAPE of 1.08% and the SingIe Exponentiation Smooting Method with an Alpha of 0.1, namely 0.84%, then the comparison between the two methods can be stated that the SES method is the best method good, because it has the lowest error.
Keywords: forecasting; ms glow putri; ses and wma
Abstrak: Toko Ms Glow Putri adalah usaha yang bergerak di bidang kecantikan, menjual produk kecantikan yaitu skincare dan bodycare berguna untuk menjaga agar kesehatan kulit tubuh dan wajah tetap terjaga. Namun Ms Glow Putri saat ini sering kali mengalami permasalahan yaitu persaingan yang ketat dan manajemen persediaan yang kurang efektif dengan jumlah penjualanan. Setiap bulan mencapai ±1300 produk maka Ms Glow Putri juga sering mengalami kekurangan dan penumpukan pada stok skincare dan bodycare ini dapat mengurangi kepercayaan pelanggan sehingga Ms Glow Putri sering mengalami kerugian berupa finance dan lainnya maka perlu metode ini untuk memprediksi beberapa persediaan stok skincare dan bodycare yang disediakan pada priode di buIan berikutnya. Metode ini menggunakan metode Weighted Moving Averege dan Single Exponential Smoothing untuk memprediksi persediaan pada stok skincare maupun bodycare. HasiI penelitian pada Ms GIow Putri dengan mengggunakan Metode Weight Moving Averege dengan bobot 5 dengan MAPE 1,08% dan Metode Single Exponential Smooting dengan Alpha 0,1 yaitu 0,84% maka perbandingan antara dua metode tersebut dapat dinyatakan bahwa metode SES adaIah metode paling baik karena memiliki error terendah.
Kata kunci: ms glow putri; peramalan; ses dan wma
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:Abstract: Gender classification is one of the most important tasks of video analysis. A machine learning-based approach was presented to identify male and female facial images with a data set of 2000 images taken from kaggles. …
ggles. This method plays a role in finding the weight value that gives the best output value. This study uses the most appropriate learning rate of each optimization method as a criterion for stopping training. The results showed that the Artificial Neural Network with Adam optimization produced the highest accuracy, which was 91.5% compared to the SGD and ADADELTA optimization methods. Deep Learning techniques that are applied extensively to image recognition used utilize Adam's optimizer method.
Keywords: artificial neural networks; adadelta; adam; gender; sgm;
Abstrak: Klasifikasi gender adalah salah satu tugas analisis video yang paling penting. Pendekatan berbasis machine learning disajikan untuk mengidentifikasi gambar wajah Pria dan Wanita dengan kumpulan data sebanyak 2000 gambar yang diambil dari kaggle. Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Penelitian ini menggunakan learning rate yang paling sesuai dari masing-masing metode optimasi sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi yaitu 91,5 % dibandingkan dengan dengan metode optimasi SGD dan ADADELTA. Teknik Deep Learning yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam.
Kata kunci: Adadelta; Adam; Jaringan Syaraf; Gender; Tiruan; SGM;
Abstract:Abstract: l -The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that they can understand the objects around them. Deep…
learning is a term used to describe a new era in learning that supports computer learning from big data machines. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. ;Object detection is a technique used to identify the type of object in a given image and the location of the object in the image. The field of computer vision is research in development technology to obtain information from images and replicate or imitate human visual processes, so that computers can know objects around them. Deep learning is the buzzword as a new era in machine learning that trains computers to find patterns from large amounts of data. Convolutional Neural Networks (CNN) algorithms have made significant progress in the fields of object detection, image classification, and semantic segmentation. Object detection is a technique used to identify the type of object in a particular image as well as the location of the object in the image.
Keywords: CNN, Computer Vision, Deep Learning, Face Detection;
Abstrak: 1 Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga dapat memahami objek - objek disekelilingnya. Pembelajaran mendalam adalah istilah yang digunakan untuk menggambarkan era baru dalam pembelajaran mesin yang memungkinkan komputer belajar dari sejumlah besar data. [Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra yang diberikan serta lokasi objek di dalam citra. Bidang computer vision merupakan penelitian dalam teknologi pembangunan untuk memperoleh informasi dari citra dan mereplikasi atau meniru proses visual manusia, sehingga komputer dapat mengetahui objek - objek disekelilingnya. Deep learning adalah kata kunci sebagai era baru dalam machine learning yang melatih komputer dalam menemukan pola dari jumlah besar data. Algoritma Convolutional Neural Networks (CNN) telah membuat kemajuan yang signifikan di bidang deteksi objek, klasifikasi gambar, dan segmentasi semantik. /Deteksi objek adalah teknik yang digunakan untuk mengidentifikasi jenis objek dalam citra tertentu serta lokasi objek di dalam citra.
Kata kunci: CNN, Computer Vision, Deep Learning, Deteksi Wajah
Abstract:Abstract: In today's technological developments, digital images are a medium that is often used to store a person's identity. Digital images are currently widely used for data security needs. On the other hand, images can…
n also be used as a medium for tapping data. Today's digital media provide many things in manipulating and changing the information contained in these images. In this study, the authors conducted a study to examine similarities in digital images so that it could be seen whether the information was authentic or not. detecting image similarities can help find out information whether the image is the same as the original object or not. The method used in this research is the Eigen Face method. The face eigen method is a method that can be used to check and match the similarities of an image. With the eigenface value, Figure 1, Figure 2, Figure 3, it can be determined that with other eigenface values can be determined based on the eigenface matrix values obtained from each image. Based on the values obtained from Figures 1, 2, and 3, it can be concluded that the eigenface method is able to present facial similarities with a presentation value of 80%.
Keywords: Eigenface; Face Recognation; Images; Images Processing
Abstrak: Dalam perkembangan teknologi saat ini, gambar digital merupakan media yang sering digunakan untuk menyimpan identitas seseorang. Gambar digital saat ini banyak digunakan untuk kebutuhan keamanan data. di sisi lain, gambar juga dapat digunakan sebagai media penyadapan data. Media digital saat ini menyediakan banyak hal dalam memanipulasi dan mengubah informasi yang terdapat pada gambar tersebut. Dalam penelitian ini penulis melakukan penelitian untuk menelaah kemiripan pada citra digital sehingga dapat diketahui apakah informasi tersebut otentik atau tidak. Mendeteksi kemiripan citra dapat membantu mengetahui informasi apakah citra tersebut sama dengan objek aslinya atau tidak. Metode yang digunakan dalam penelitian ini adalah metode Eigen Face. Metode eigen wajah merupakan metode yang dapat digunakan untuk mengecek dan mencocokkan kemiripan suatu citra. Dengan nilai eigenface, Gambar 1, Gambar 2, Gambar 3, dapat ditentukan bahwa dengan nilai eigenface lainnya dapat ditentukan berdasarkan nilai matriks eigenface yang diperoleh dari masing-masing citra. Berdasarkan nilai yang diperoleh dari Gambar 1, 2, dan 3, dapat disimpulkan bahwa metode eigenface mampu menghadirkan kemiripan wajah dengan nilai presentasi 80%..
Kata kunci: Citra; Eigenface; Pengolahan Citra Digital; Pengenalan Wajah