Claim Missing Document
Check
Articles

Found 2 Documents
Search

Inovasi Pembelajaran Kolaboratif dengan Teknologi Digital Visual Collaborative Environment Fitri Aldresti; Radinal Dwiki Novendra; Campin Veddayana; Ika Mayla Sari; Ririn Violina; Dila Marta Putri
Jurnal Media dan Teknologi Pembelajaran Vol. 1 No. 4 (2026): Edisi: Juli-September
Publisher : Pustaka Bangsa Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Teknologi dianggap sebagai kekuatan pendorong yang kuat bagi inovasi dan reformasi dalam pendidikan. Kajian ini bertujuan menelaah peran teknologi Digital Visual Collaborative (DVC) dalam mendukung pembelajaran kolaboratif di perguruan tinggi. Dengan menggunakan metode kajian literatur naratif, data diperoleh dari berbagai artikel ilmiah, buku, dan sumber akademik yang membahas pembelajaran kolaboratif, persiapan individu sebelum kolaborasi, lingkungan DVC, serta pemanfaatan platform MURAL. Literatur dianalisis secara deskriptif untuk mengidentifikasi karakteristik, potensi, dan implementasi DVC dalam mendukung pembelajaran kolaboratif. Hasil kajian menunjukkan bahwa lingkungan DVC, khususnya melalui platform seperti MURAL, memfasilitasi berbagi pengetahuan secara sinkron, curah pendapat yang kreatif, serta pemecahan masalah berbasis tim melampaui batasan fisik. Integrasi prinsip desain pembelajaran dengan alat DVC secara signifikan meningkatkan efisiensi pembelajaran kolaboratif.
Sistem Deteksi Kantuk Pengemudi berbasis DLIB Facial Landmark dan Rasio Kedipan Mata menggunakan OPENCV secara Real-time M Ikhsan; Siti Nurjanah; Dila Marta Putri; Ika Mayla Sari; Hudaya Muna Putra; Ririn Violina; Radinal Dwiki Novendra; Yoan Purbolingga
Journal of System & Technology (SYSTEC) Vol. 2 No. 1 (2026): Journal of System & Technology (June Edition)
Publisher : Jurusan Teknik Elektro, Fakultas Teknik, Universitas Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kecelakaan lalu lintas akibat kondisi mengantuk saat berkendara merupakan permasalahan keselamatan yang serius dan belum terselesaikan secara tuntas. Penelitian ini mengimplementasikan sistem deteksi kantuk pengemudi secara real-time berbasis kecerdasan buatan dengan memanfaatkan OpenCV untuk akuisisi video dari webcam dan pustaka Dlib untuk ekstraksi 68 titik facial landmark. Kontribusi utama penelitian ini adalah pengembangan sistem tiga-kelas (active, drowsy, sleep) menggunakan mekanisme pencacah frame dengan ambang batas empat frame berturut-turut, yang beroperasi tanpa GPU khusus disertai alarm audio otomatis. Berbeda dengan penelitian terdahulu yang umumnya hanya membedakan dua kondisi, sistem ini menambahkan kelas 'active' sebagai konfirmasi eksplisit kondisi pengemudi yang waspada. Pengujian terhadap 30 percobaan menghasilkan akurasi 90%, recall rata-rata 0,90, dan rata-rata waktu respons alarm 0,65 detik. Hasil ini menunjukkan bahwa pendekatan berbasis rasio keterbukaan mata dan pencacah frame efektif sebagai prototipe sistem deteksi kantuk ringan syang dapat direproduksi pada perangkat komputasi konvensional.