Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Pengabdian Masyarakat dan Riset Pendidikan
Deden Moch Alfiansyah
Universitas Horizon Indonesia
Humanities Education Languange, Linguistic, Communication & Media Mathematics Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
AI-Based Habit Reminder For Mewing Exercise: Pengembangan Aplikasi Mobile Berbasis Kecerdasan Buatan untuk Meningkatkan Konsistensi Praktik Mewing : Penelitian Deden Moch Alfiansyah; Lila Setiyani; Devi Fajar Wati; M. Jembar Jomantara; Dedih Dedih; Anwar Hilman
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 Tahun 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6468

Abstract

Mewing merupakan teknik postur lingual yang dikembangkan oleh Dr. John Mew yang bertujuan untuk memperbaiki perkembangan kraniofasial melalui penempatan lidah yang benar pada langit-langit mulut. Meskipun manfaat mewing telah mendapat perhatian luas, tantangan utama yang dihadapi praktisi adalah rendahnya konsistensi dalam menjalankan latihan secara rutin. Penelitian ini menyajikan pengembangan aplikasi mobile bernama MewingAI yang memanfaatkan kecerdasan buatan untuk memberikan pengingat berbasis kebiasaan yang dipersonalisasi. Aplikasi dikembangkan menggunakan Flutter dengan backend Firebase dan model machine learning Random Forest Classifier untuk menganalisis pola perilaku pengguna. Evaluasi dilakukan melalui User Acceptance Testing (UAT) dan System Usability Scale (SUS) terhadap 30 partisipan selama empat minggu. Hasil menunjukkan peningkatan konsistensi mewing sebesar 40,6% (dari 42,5% menjadi 83,1%) pada kelompok eksperimen dibandingkan kelompok kontrol yang hanya meningkat 2,4%. Skor SUS rata-rata sebesar 80,3 (kategori "Good") mengindikasikan tingkat usabilitas yang memadai. Penelitian ini membuktikan bahwa sistem AI-based habit reminder dapat secara signifikan meningkatkan konsistensi praktik mewing (p < 0,001).
Prediksi Emosi Penonton Konser Berbasis AI: Sebelum dan Sesudah Pengalaman Musik: Penelitian Muhammad Jomantara; Lila Setiyani; Deden Moch Alfiansyah; Devi Fajar Wati; Dedih; Arif Budimansyah Purba
Jurnal Pengabdian Masyarakat dan Riset Pendidikan Vol. 4 No. 4 (2026): Jurnal Pengabdian Masyarakat dan Riset Pendidikan Volume 4 Nomor 4 Tahun 2026
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jerkin.v4i4.6643

Abstract

Emosi penonton konser merupakan aspek psikologis penting yang memengaruhi kualitas pengalaman hiburan, keterlibatan audiens, dan kepuasan individu dalam menikmati pertunjukan musik secara langsung. Namun, dinamika emosi penonton cenderung berubah secara cepat dipengaruhi oleh suasana acara, performa musisi, interaksi sosial, dan pengalaman personal selama konser berlangsung. Penelitian ini bertujuan mengembangkan model deep learning multimodal untuk menganalisis emosi penonton konser menggunakan data visual dan perilaku audiens. Pendekatan yang diusulkan mengintegrasikan data ekspresi wajah, perilaku penonton, dan interaksi digital untuk meningkatkan akurasi analisis emosi. Arsitektur hybrid Convolutional Neural Network (CNN) dan Bidirectional Long Short-Term Memory (BiLSTM) digunakan untuk menangkap pola spasial dan temporal dari data multimodal. Model dirancang untuk melakukan analisis emosi secara real-time serta mengidentifikasi perubahan emosional pada lingkungan dinamis seperti konser musik langsung, festival, dan pertunjukan hiburan digital. Metode penelitian meliputi pengumpulan data menggunakan sensor kamera, pra-pemrosesan data, pengembangan model, dan evaluasi performa menggunakan metrik accuracy, precision, recall, F1-score, dan RMSE. Hasil akhir penelitian berupa model deep learning multimodal yang mampu menganalisis emosi penonton konser secara lebih adaptif dibandingkan pendekatan unimodal.
Co-Authors Anwar Hilman Arif Budimansyah Purba Dedih Dedih Dedih Devi Fajar Wati Lila Setiyani M. Jembar Jomantara Muhammad Jomantara