23 research outputs found
Rancang Bangun RAPS dalam Mengukur Tingkat Partisipasi Belajar pada Teknik Pembelajaran Think-Pair-Share
No full textRAPS adalah sebuah sistem yang dapat menilai tingkat partisipasi peserta didik dalam berkolaborasi dilingkungan forum diskusi online. Berbagai penelitian telah banyak dilakukan untuk membentuk peserta didik agar aktif dan kreatif dalam memberikan ide ataupun pengetahuan di online collaborative learning (OCL). Pada penelitian ini akan membahas tentang perancangan dan pembangunan RAPS serta dengan mengimplementasikan salah satu teknik pembelajaran kolaboratif Think-Pair-Share. Think-Pair-Share digunakan agar peserta didik aktif berinteraksi dengan grup pasangannya dalam membahas suatu topik diskusi daripada secara individual dan mampu berbagi ide serta pengetahuan dengan sesama peserta didik lainnya. Hasil pada penelitian ini menunjukan bahwa RAPS dapat membantu pendidik mengukur tingkat partisipasi peserta didik terhadap suatu forum diskusi onlin
A framework for assessing online discussion using quantitative log file and rubric
No full textOnline discussions have been found to be a powerful platform for collaborative learning. Students interact online and this has contributed towards individual student’s learning process. However, the issues that need to be addressed in online discussions are assessment of students’ participation and the level of activity with reference to numerous discussion threads. Currently, the assessment of online discussion is based on content or interaction and each does not have standardized detailed descriptions or rubrics to determine the level of participation among the online interactants. To address the problem of assessment, this research investigated and verified the use of content combined with interaction as significant assessment criteria. The proposed framework to address the problem used the Quantitative log file (QLF) and rubrics to gauge the level of students’ online participation. The QLF for content included novelty and key knowledge whereas interaction included pair response, final response, and interaction rate. The framework was applied in a prototype based on MOODLE environment called Rubric Assessment Participation System (RAPS). Questionnaires were distributed to fifty respondents in order to justify the assessment criteria of online participation. Six users were selected to test the prototype which combined content and interaction as assessment criteria in the rubrics and the result showed that RAPS can be used as an assessment tool for online discussions
Perancangan Aplikasi Kids Menu Care Berbasis Constraint Satisfaction Problem dan Algoritma Backtracking
No full textDalam rangka mengurangi kegemukan pada anak dan remaja, penting untuk melakukan perencanaan makan dan tumbuh kembang optimal. Dengan kondisi saat ini, para orang tua akan sangat membutuhkan sebuah pengetahuan tentang asupan makanan dan nutrisi yang diperlukan oleh anak dan remaja. Dalam mengatasi masalah ini, maka diperlukan aplikasi yang dapat digunakan sebagai perencanaan optimal menu makanan bagi anak dan remaja untuk pencegahan secara dini penyakit diabetes dari segi pola makan yang teratur dan takaran makanan yang sesuai dengan kebutuhan kalori. Penelitian ini merancang dan membangun sebuah aplikasi yang bernama Kids Menu Care yang dapat digunakan oleh orang tua atau anak/remaja yang teridentifikasi dalam kondisi pradiabetes. Aplikasi ini dibangun dengan menggunakan konsep Constraint Satisfaction Problem dan algoritma backtracking untuk penelusuran solusi/ menu makanan yang tepat.Â
Optimasi Model CNN untuk Identifikasi Jenis Bunga Berdasarkan spektrum Warna
No full textThis research takes the form of Flower Species Recognition using Convolutional Neural Network (CNN) to optimize the identification of flower types based on color spectrum. The color spectrum of flowers can vary significantly between species and even within a single species. This can pose a challenge in developing a model capable of identifying flower types with high accuracy amidst a wide spectrum of color variations. Selecting an appropriate CNN architecture and optimizing model hyperparameters to achieve optimal performance is a complex process. Careful exploration of various architectures and optimization techniques is necessary to improve the accuracy of flower type identification. The dataset used is collected from various repository sources, comprising images of flowers captured under different lighting conditions, representing diverse color spectra. In this study, data preprocessing stages include color spectrum normalization, feature extraction, and data augmentation to enhance dataset diversity. The CNN model in this research is optimized through network architecture optimization. Model evaluation is performed using standard performance evaluation metrics such as accuracy, precision, and recall. It is expected that this research will yield a CNN model capable of identifying flower types with good accuracy levels, despite facing a wide range of color spectrum variations. This will facilitate the identification and grouping of flower types based on their visual characteristics..Penelitian ini dalam bentuk Pengenalan jenis bunga menggunakan Convolutional Neural Network (CNN)untuk mengoptimalkan identifikasi jenis bunga berdasarkan spektrum warna. Spektrum warna bunga dapat bervariasi secara signifikan antar spesies maupun dalam satu spesies. Ini bisa menjadi tantangan dalam pengembangan model yang mampu mengidentifikasi jenis bunga dengan akurasi tinggi di tengah variasi spektrum warna yang luas. Memilih arsitektur CNN yang sesuai dan mengoptimalkan hyperparameter model untuk mencapai kinerja yang optimal adalah proses yang kompleks. Perlu dilakukan eksplorasi yang cermat terhadap berbagai arsitektur dan teknik optimasi untuk meningkatkan akurasi identifikasi jenis bunga. Dataset yang digunakan dikumpulkan dari berbagai sumber repository. dataset yang mencakup gambar-gambar bunga diambil dalam berbagai kondisi pencahayaan yang berbeda, mewakili spektrum warna yang beragam. Pada penelitian ini melalui tahapan pra-pemrosesan data termasuk normalisasi spektrum warna, ekstraksi fitur, dan augmentasi data untuk meningkatkan keragaman dataset. Model CNN pada penelitian ini dioptimalkan melalui optimasi arsitektur jaringan. Evaluasi model dilakukan menggunakan metrik evaluasi kinerja standar seperti akurasi, presisi, dan recall. Dari haril pengujian dataset sebanyak 551 gambar (5 label data) dengan gambar yang distandarisasi untuk ukuran 150 x 150 px dengan iterasi (pouch) sebanyak 50 mendapakan hasil akurasi sebesar 96% dan hasil loss sebesar 0.05%. Dapat diketahui bahwa detail dari suatu gambar yang digunakan dalam penelitian sebagai dataset sangat mempengaruhi nilai akurasi model data. Penentuan epoch dan jumlah convolutional layer sangat mempengaruhi akurasi yang akan didapatkan karena gambar akan melalui pemeriksaan berulang sebanyak jumlah epoch sehingga detail gambar dapat terdeteksi dengan baik. Metode CNN yang terdiri dari proses yang berlapis-lapis menunjukkan bahwa penggunaan model ini pada klasifikasi jenis bunga berdasarkan warna memiliki tingkat akurasi yang baik
Dataset Gambar Wajah untuk Analisis Personal Identification
No full textIn today\u27s era, which is supported by technological advances, personal assistance through the face can be carried out by sophisticated machines and robots. One of its applications is personal identification using data mining. But before conducting data training and data classification, it is necessary to carry out the process of data collection and data cleaning or data pre-processing. Currently the face dataset for personal identification at the Caltex Riau Polytechnic in particular is still in the form of raw data, namely in the form of a collection of images that have not been pre-processed. Therefore, this research will perform image preprocessing to clean up the image data that has been collected so that the data can become a cleaner source of information and can be used at a later stage. The data used in this study are image data or photos of Caltex Riau Polytechnic students. At the facial image pre-processing stage using the OpenCV library using the Python programming language. Images collected by 500 students for 5 students. The results of this study are the personal identification dataset of Caltex Riau Polytechnic students consisting of 280 images that have successfully passed the stages of grayscaling, cropping, resizing and Normalization. This dataset is stored in the file data_norm.npz. White box testing is carried out to determine the accuracy of the application of the image pre-processing stage with the test results stating that all functional basis paths applied are in accordance with the cyclometic complexity and its independent path
Performance Analysis of Classification Models in Multiclass Facial Expression Recognition Based on Eigenface Features
No full textFacial Expression Recognition (FER) is currently widely explored by researchers in the field of Computer Vision. The application of Machine Learning and Deep Learning methods is useful in developing an intelligent system that is accurate in recognizing facial expressions such as emotions. This is inseparable from the type of dataset and classification method used which certainly affects the desired results. To choose the right method, it is necessary to compare the performance of these methods. This study focuses on comparing the performance results of four classification methods namely, Convolutional Neural Network (CNN), Support Vector Machine (SVM), K-Nearest Neighbor (KNN), Naïve Bayes Classifier (NBC) on a multiclass dataset for seven classes of facial emotion labels based on Eigenface feature selection uses the Personal Component Analysis (PCA) algorithm. The test parameters used to perform method comparisons are accuracy, recall, precision, f1-score, as well as the Receiving Operating Characteristic (ROC) and Area Under Curve (AUC) curves. The results of the analysis state that the SVM method has the highest accuracy value, while other methods show varying performance based on recall, precision, f1-score, and ROC and AUC analysis. This research was conducted on the FER 2013 dataset which showed that the classification method tested had quite good performance according to the test parameters
DETEKSI WAJAH MENGGUNAKAN HAAR CASCADE DAN FEATURE DESCRIPTOR HOG MELALUI KAMERA IP CCTV DIRUANG KELAS
No full textClosed Circuit Television (CCTV) secara umum untuk tujuan keamanan mendapatkan informasi dalam jangka waktu tertentu. Identifikasi wajah manusia adalah salah satu fokus utama untuk teknologi ini. Pada penelitian ini, metode deteksi wajah manusia diterapkan pada ruang kelas belajar siswa dengan nilai akurasi. Metode ini nantinya dapat digunakan secara luas di era teknologi karena identifikasi biometrik adalah salah satu metode verifikasi terbaik. Dalam metode yang diusulkan, menyebarkan bagian-bagian fitur wajah yang berbeda seperti: hidung, mata dan mulut dapat dilakukan secara efektif dan cepat, tanpa memperhatikan cahaya atau iluminasi di latar belakang orang tersebut agar dapat digunakan di dalam ruangan kelas
DETEKSI WAJAH MENGGUNAKAN HAAR CASCADE DAN FEATURE DESCRIPTOR HOG MELALUI KAMERA IP CCTV DIRUANG KELAS
No full textClosed Circuit Television (CCTV) secara umum untuk tujuan keamanan mendapatkan informasi dalam jangka waktu tertentu. Identifikasi wajah manusia adalah salah satu fokus utama untuk teknologi ini. Pada penelitian ini, metode deteksi wajah manusia diterapkan pada ruang kelas belajar siswa dengan nilai akurasi. Metode ini nantinya dapat digunakan secara luas di era teknologi karena identifikasi biometrik adalah salah satu metode verifikasi terbaik. Dalam metode yang diusulkan, menyebarkan bagian-bagian fitur wajah yang berbeda seperti: hidung, mata dan mulut dapat dilakukan secara efektif dan cepat, tanpa memperhatikan cahaya atau iluminasi di latar belakang orang tersebut agar dapat digunakan di dalam ruangan kelas
Rancang Bangun Aplikasi Food Waste Management pada Usaha Food and Beverages
No full textFood waste management should be an essential concern in the food and beverages (F&B) industries. FAO notes that the F&B business is one of the causes of food waste, both from the production level to consumer consumption. This study aims to help F&B businesses have a food waste management application, as well as help recommend menus that have a lower probability of food waste appearing. The study uses queuing techniques in handling material stocks and conducting food waste audits by documenting the groupings of the waste produced. The results of the two previous functions become input for the menu recommendation process with minimal waste based on the Contextual Model approach and Multi-Criteria Decision Making (MCDM). The results show that the queuing mechanism in handling material stocks has succeeded in reducing COGS by 24.8%. The waste audit succeeded in calculating the percentage of food loss and food waste that appeared, and the menu recommendations succeeded in providing the best alternative that minimized the appearance of wastePengelolaan sampah makanan pada banyak industri makanan dan minuman (Food and Beverages) seharusnya menjadi sebuah perhatian penting bagi perusahaan. FAO mencatat bahwa bisnis F&B menjadi salah satu penyebab timbulnya sampah makanan baik dari tingkat produksi hingga konsumsi konsumen. Penelitian ini bertujuan untuk membantu bisnis F&B memiliki sebuah aplikasi pengelolaan sampah makanan (Food Waste Management), sekaligus membantu merekomendasikan menu yang memiliki probabilitas munculnya sampah makanan lebih sedikit. Penelitian menggunakan teknik antrian dalam menangani stok bahan, melakukan audit sampah makanan dengan mendokumentasikan pengelompokan sampah yang dihasilkan. Hasil dari kedua fungsi sebelumnya menjadi input bagi proses rekomendasi menu dengan minimal sampah berdasarkan pendekatan Model Contextual dan Multi Criteria Decision Making (MCDM). Hasil menunjukkan mekanisme antrian dalam menangani stok bahan berhasil menurunkan COGS sebesar 24,8% . Audit sampah berhasil menghitung persentase food loss dan food waste yang muncul, dan rekomendasi menu berhasil memberikan alternatif terbaik yang meminimalisasi munculnya sampah
