Claim Missing Document
Check
Articles

Found 12 Documents
Search

Penerapan Natural User Interface Berbasis Skeleton Tracking Kinect V2 pada Game Casual untuk Meningkatkan Interaktivitas dan Engagement Pemain andrian, weli; Rohikal, Rafli; Salamun
JEKIN - Jurnal Teknik Informatika Vol. 6 No. 1 (2026)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v6i1.2016

Abstract

Perkembangan teknologi motion sensing memungkinkan terciptanya interaksi yang lebih alami antara pemain dan game digital. Microsoft Kinect merupakan perangkat motion sensing yang memanfaatkan teknologi depth camera dan skeleton tracking untuk mendeteksi pergerakan tubuh manusia secara real-time tanpa menggunakan perangkat kontrol fisik. Penelitian ini bertujuan untuk mengintegrasikan skeleton tracking Kinect sebagai sistem kontrol pemain pada game casual bertipe menangkap koin serta mengevaluasi pengaruhnya terhadap tingkat interaktivitas dan engagement pemain. Game dikembangkan menggunakan Unity dengan Kinect v2 sebagai perangkat input utama, di mana gerakan tubuh pemain digunakan untuk mengendalikan objek permainan. Metode penelitian yang digunakan meliputi pengembangan sistem, pengujian akurasi pelacakan skeleton, dan evaluasi pengalaman pengguna melalui pengujian langsung kepada responden. Hasil penelitian menunjukkan bahwa skeleton tracking Kinect mampu menyediakan kontrol berbasis gerakan yang responsif dan intuitif dengan tingkat akurasi yang memadai untuk kebutuhan game casual menggunakan Natural User Interface. Selain itu, hasil evaluasi pengguna menunjukkan peningkatan engagement pemain sangat baik pada skor 4,40 pada skala Likert. Meskipun terdapat beberapa keterbatasan seperti ketidakstabilan pelacakan pada gerakan cepat dan kondisi occlusion, secara keseluruhan integrasi skeleton tracking Kinect terbukti efektif dalam meningkatkan interaktivitas dan engagement pemain pada game casual.  
Pengembangan Arsitektur Edge Computing untuk Early Warning System (EWS) Banjir Berbasis Multi-Sensor Menggunakan Model Hybrid LSTM–Random Forest Setiawan, Debi; Noratama Putri, Ramalia; Salamun; Luluk Elvitaria; Liza Trisnawati
JEKIN - Jurnal Teknik Informatika Vol. 6 No. 1 (2026)
Publisher : Yayasan Rahmatan Fidunya Wal Akhirah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58794/jekin.v6i1.2028

Abstract

Banjir merupakan bencana hidrometeorologi yang sering terjadi di wilayah tropis dan berdampak signifikan terhadap aspek sosial, ekonomi, serta infrastruktur. Penelitian ini mengembangkan Early Warning System (EWS) deteksi banjir berbasis multi-sensor dengan arsitektur Internet of Things (IoT) real-time yang mengintegrasikan pemrosesan edge dan cloud. Sistem diimplementasikan di [lokasi penelitian] selama empat bulan dengan total 12.480 dataset yang dikumpulkan setiap interval 5 menit. Parameter yang diamati meliputi tinggi muka air menggunakan sensor ultrasonik JSN-SR04T, curah hujan, suhu udara, dan kecepatan angin. Data diproses melalui pembersihan, normalisasi Min-Max, dan ekstraksi fitur deret waktu. Model Long Short-Term Memory (LSTM) digunakan untuk memprediksi pola temporal kenaikan muka air, sedangkan Random Forest digunakan untuk klasifikasi tingkat risiko banjir. Evaluasi dilakukan menggunakan skema train-test split 80:20 dan 5-fold cross-validation dengan hyperparameter tuning berbasis grid search. Hasil pengujian menunjukkan bahwa model LSTM memperoleh akurasi 91%, presisi 90%, recall 92%, dan F1-score 91%, sedangkan Random Forest mencapai akurasi 89%, presisi 88%, recall 90%, dan F1-score 89%. Model hybrid LSTM–Random Forest memberikan performa terbaik dengan akurasi 93%, presisi 92%, recall 94%, dan F1-score 93%. Sistem mampu memberikan peringatan dini 25–40 menit sebelum ambang batas banjir kritis tercapai dengan waktu respons kurang dari 3 detik. Kebaruan penelitian ini terletak pada integrasi multi-sensor hidrometeorologi dengan skema hybrid LSTM–Random Forest dalam arsitektur edge–cloud real-time yang meningkatkan akurasi prediksi sekaligus menurunkan latensi sistem peringatan dini banjir.