Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science Nusantara of Engineering (NOE)
Riadi, Annahl
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mechanical Engineering

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

Found 2 Documents
Search

 1 
Model CNN untuk Pengenalan Ekspresi Wajah pada Pembelajaran Pemrograman dengan Kondisi Oklusi di Kelas : A CNN Model for Recognizing Facial Expressions in Programming Classes under Classroom Occlusions Baharuddin, Baharuddin; Adam, Muh. Wahyu Suryandi; Riadi, Annahl
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 4 (2025): MALCOM October 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i4.2322

Abstract

Ekspresi wajah mahasiswa merupakan indikator non-verbal yang dapat dimanfaatkan oleh Learning Analytics (LA) untuk memantau keterlibatan dan kebingungan selama mata kuliah pemrograman (programming class). Dalam konteks riset ini, LA merujuk pada proses komputasional yang menganalisis data visual (ekspresi wajah) guna menyediakan informasi bagi pengajar dan sistem pendukung pembelajaran, baik secara waktu nyata maupun pascakelas. Kami meneliti pengenalan ekspresi wajah pada kondisi kelas nyata yang sarat oklusi (layar monitor, tas, tangan, masker, rekan mahasiswa), menggunakan CNN EfficientNet-B3 dengan transfer learning dan fine-tuning untuk mengklasifikasi empat kategori: Jenuh, Normal, Senang, dan Bingung. Evaluasi menggunakan akurasi, presisi-makro, recall-makro, F1-makro, serta confusion matrix. Pada test set, model meraih 33,33% akurasi, 0,33 presisi-makro, 0,33 recall-makro, dan 0,32 F1-makro, menegaskan tantangan pengenalan di bawah oklusi dan keterbatasan data. Akurasi validasi (26,67%) dan akurasi latih (45,31%) menunjukkan model belum cukup belajar dan terjadi kebingungan antarkelas khususnya antara Normal, Senang, dan Bingung. Meski metrik masih moderat, studi ini menyediakan baseline yang dapat direplikasi untuk FER tanggap oklusi pada konteks pendidikan pemrograman. Arah peningkatan mencakup penambahan & penyeimbangan data, augmentasi spesifik oklusi, face alignment, serta modul atensi/penanganan oklusi ringan menuju LA yang lebih tangguh di kelas nyata.
SPK Penilaian Kinerja Dosen Menggunakan Metode Multy Attribute Utility Theory Drajana, Ivo Colanus Rally; Polimengo, Novriyanti; Riadi, Annahl
Nusantara of Engineering (NOE) Vol 4 No 2 (2021): Volume 4 No 2 Tahun 2021
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (3390.305 KB) | DOI: 10.29407/noe.v4i2.16758

Abstract

Dosen merupakan pendidik profesional dan ilmuwan yang mempunyai tugas utama untuk mengembangkan, mentransformasikan, dan menyebarluaskan berbagai ilmu pengetahuan melalui pendidikan, penelitian, dan pengabdian kepada masyarakat. Universitas Pohuwato adalah Perguruan Tinggi Swasta baru yang terdapat di Pohuwato yang selalu berupaya dalam meningkatkan Mutu Internal secara berkelanjutan agar dapat bersaing dengan perguruan tinggi lain. Salah satu upaya yang dapat dilakukan adalah melakukan evaluasi terhadap Kinerja Dosen. Maka solusi yang dapat membantu dalam menyelesaikan penilaian kinerja dosen yaitu dibuatlah sebuah sistem pendukung keputusan menggunakan Metode Multy Attribute Utility Theory (MAUT), Metode ini memberikan penilaian hasil akhir dengan melakukan perengkingan dari Nilai Alternatif tertinggi ke terendah. Sistem ini sudah melalui pengujian sistem untuk menghindari kesalahan sistem pengujian White Box dan pengujian Black Box. Berdasarkan hasil pengujian white box disimpulkan bahwa sistem pndukung keputusan ini bebas dari kesalahan program dengan total Cyclomatic Complexity = 7, Region =6, dan independent Path = 7.
Co-Authors Adam, Muh. Wahyu Suryandi Baharuddin Baharuddin Drajana, Ivo Colanus Rally Polimengo, Novriyanti