Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Indonesian Journal of Mathematics and Natural Sciences JURNAL PENDIDIKAN TAMBUSAI
Z Abidin
Jurusan Matematika, FMIPA UNNES, Indonesia Gedung D7 lantai 1 Kampus Sekaran Semarang 50229
Mathematics Social Sciences

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
RANCANG BANGUN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN FISHERFACE DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Abidin, Z
Jurnal MIPA Vol 35, No 2 (2012): October 2012
Publisher : Jurnal MIPA

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

Abstract

Di dalam kehidupan sehari-hari, khususnya dalam komunikasi interpersonal, wajah sering digunakan untuk berekspresi. Melalui ekspresi wajah, maka dapat dipahami emosi yang sedang bergejolak pada diri individu. Ekspresi wajah merupakan salah satu karakteristik perilaku. Penggunaan sistem teknologi biometrika dengan karakteristik ekspresi wajah memungkinkan untuk mengenali mood atau emosi seseorang. Komponen dasar sistem analisis ekspresi wajah adalah deteksi wajah, ekstraksi data wajah, dan pengenalan ekspresi wajah. Sehingga untuk membangun sebuah sistem pengenal ekspersi wajah, maka perlu dirancang tiga buah sub sistem yaitu sistem deteksi wajah, sistem pembelajaran jaringan syaraf tiruan. Prinsipnya data wajah yang telah dideteksi, diolah menggunakan fisherface, yang selanjutnya hasilnya digunakan sebagai input untuk jaringan syaraf tiruan. Bobot yang dihasilkan pada saat proses pembelajaran jaringan syaraf tiruan inilah yang akan digunakan untuk pengenalan ekspresi wajah. In daily life, especially in interpersonal communication, face often used for express of emotions. Facial expressions are the facial changes in response to a person’s internal emotional states. A facial expression is one of the behavioral characteristics. The use of facial expression characteristics enables to recognize of person’s mood. Basic components of a facial expression analysis system are face detection, face data extraction, and facial expression recognition. So that, to build a facial expression recognition system, it should be designed three subsystems, namely face detection system, learning of neural network system, and facial expression recognition system itself. In principle, face data that has been successfully detected, then it will be constructed by fisherface, and the results of it will be used as an input of neural network. Afterwards, the weights of neural network learning will be used to recognize facial expression.
RANCANG BANGUN SISTEM PENGENALAN EKSPRESI WAJAH MENGGUNAKAN FISHERFACE DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION Abidin, Z
Indonesian Journal of Mathematics and Natural Sciences Vol 35, No 2 (2012): October 2012
Publisher : Universitas Negeri Semarang

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

Abstract

Di dalam kehidupan sehari-hari, khususnya dalam komunikasi interpersonal, wajah sering digunakan untuk berekspresi. Melalui ekspresi wajah, maka dapat dipahami emosi yang sedang bergejolak pada diri individu. Ekspresi wajah merupakan salah satu karakteristik perilaku. Penggunaan sistem teknologi biometrika dengan karakteristik ekspresi wajah memungkinkan untuk mengenali mood atau emosi seseorang. Komponen dasar sistem analisis ekspresi wajah adalah deteksi wajah, ekstraksi data wajah, dan pengenalan ekspresi wajah. Sehingga untuk membangun sebuah sistem pengenal ekspersi wajah, maka perlu dirancang tiga buah sub sistem yaitu sistem deteksi wajah, sistem pembelajaran jaringan syaraf tiruan. Prinsipnya data wajah yang telah dideteksi, diolah menggunakan fisherface, yang selanjutnya hasilnya digunakan sebagai input untuk jaringan syaraf tiruan. Bobot yang dihasilkan pada saat proses pembelajaran jaringan syaraf tiruan inilah yang akan digunakan untuk pengenalan ekspresi wajah. In daily life, especially in interpersonal communication, face often used for express of emotions. Facial expressions are the facial changes in response to a person’s internal emotional states. A facial expression is one of the behavioral characteristics. The use of facial expression characteristics enables to recognize of person’s mood. Basic components of a facial expression analysis system are face detection, face data extraction, and facial expression recognition. So that, to build a facial expression recognition system, it should be designed three subsystems, namely face detection system, learning of neural network system, and facial expression recognition system itself. In principle, face data that has been successfully detected, then it will be constructed by fisherface, and the results of it will be used as an input of neural network. Afterwards, the weights of neural network learning will be used to recognize facial expression.
PENINGKATAN HASIL BELAJAR IPA MATERI CAHAYA MENGGUNAKAN COOPERATIVE LEARNING TIPE STAD DI KELAS VIII A SMP NEGERI 2 SEBERIDA TAHUN PELAJARAN 2017/2018 Abidin, Z
Jurnal Pendidikan Tambusai Vol. 4 No. 1 (2020): April 2020
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (738.235 KB) | DOI: 10.31004/jptam.v4i1.434

Abstract

Penelitian ini dilatarbelakangi oleh rendahnya hasil belajar siswa VIII A SMP Negeri 2 Seberida . Salah satu model untuk mengatasi kesulitan belajar tersebut adalah model cooperative learning tipe STAD (Student Teams Achievement Divisions). Penelitian ini dimaksudkan untuk menjawab permasalahan: 1) Bagaimanakah penerapan model cooperative learning tipe STAD pada pembelajaran IPA materi cahaya di kelas VIII A? 2) Bagaimana hasil belajar siswa pada pembelajaran IPA materi cahaya menggunakan model cooperative learning tipe STAD di kelas VIII A? Permasalahan tersebut dibahas melalui penelitian tindakan kelas yang dilakukan melalui 2 siklus dengan setiap siklus tahapannya adalah perencanaan, tindakan, observasi dan refleksi. Hasil penelitian menunjukkan bahwa: 1) Penerapan model cooperative learning tipe STAD pada pembelajaran IPA materi cahaya di kelas VIII A dimulai dari do’a dan absensi, apersepsi dilanjutkan guru membagi kelompok, siswa melakukan eksperimen sesuai dengan LK, guru memberikan tugas kepada semua kelompok untuk berdiskusi dengan menyelesaikan LKS yang diberikan guru, setelah diskusi selesai guru mempersilahkan setiap kelompok presentasi dan dikomentari kelompok lain, guru memberikan penghargaan dengan memajang kelompok terbaik di papan tulis, terakhir guru mengajak berdo’a bersama. 2) Hasil belajar siswa pada pembelajaran IPA materi cahaya menggunakan model cooperative learning tipe STAD di kelas VIII A mengalami peningkatan setiap siklusnya, hal ini dapat dilihat dari tingkat ketuntasan belajar pesertadidik per siklus yaitu pada pra siklus dengan KKM 75 siswa prasiklus ada 19 siswa atau 48,7% yang tuntas, kemudian mengalami kenaikan pada siklus 1 yaitu ada 27 siswa atau 69,2% dan pada siklus 2 menjadi 34 siswa atau 87,2%, sedangkan keaktifan belajar peserta didik siklus 1 yaitu 71% dan pada siklus 2 menjadi 83%, hasil tersebut sesuai indikator yang ditentukan.
PENINGKATAN HASIL BELAJAR IPA MATERI CAHAYA MENGGUNAKAN COOPERATIVE LEARNING TIPE STAD DI KELAS VIII A SMP NEGERI 2 SEBERIDA TAHUN PELAJARAN 2017/2018 Abidin, Z
Jurnal Pendidikan Tambusai Vol. 4 No. 1 (2020): April 2020
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v4i1.434

Abstract

Penelitian ini dilatarbelakangi oleh rendahnya hasil belajar siswa VIII A SMP Negeri 2 Seberida . Salah satu model untuk mengatasi kesulitan belajar tersebut adalah model cooperative learning tipe STAD (Student Teams Achievement Divisions). Penelitian ini dimaksudkan untuk menjawab permasalahan: 1) Bagaimanakah penerapan model cooperative learning tipe STAD pada pembelajaran IPA materi cahaya di kelas VIII A? 2) Bagaimana hasil belajar siswa pada pembelajaran IPA materi cahaya menggunakan model cooperative learning tipe STAD di kelas VIII A? Permasalahan tersebut dibahas melalui penelitian tindakan kelas yang dilakukan melalui 2 siklus dengan setiap siklus tahapannya adalah perencanaan, tindakan, observasi dan refleksi. Hasil penelitian menunjukkan bahwa: 1) Penerapan model cooperative learning tipe STAD pada pembelajaran IPA materi cahaya di kelas VIII A dimulai dari do’a dan absensi, apersepsi dilanjutkan guru membagi kelompok, siswa melakukan eksperimen sesuai dengan LK, guru memberikan tugas kepada semua kelompok untuk berdiskusi dengan menyelesaikan LKS yang diberikan guru, setelah diskusi selesai guru mempersilahkan setiap kelompok presentasi dan dikomentari kelompok lain, guru memberikan penghargaan dengan memajang kelompok terbaik di papan tulis, terakhir guru mengajak berdo’a bersama. 2) Hasil belajar siswa pada pembelajaran IPA materi cahaya menggunakan model cooperative learning tipe STAD di kelas VIII A mengalami peningkatan setiap siklusnya, hal ini dapat dilihat dari tingkat ketuntasan belajar pesertadidik per siklus yaitu pada pra siklus dengan KKM 75 siswa prasiklus ada 19 siswa atau 48,7% yang tuntas, kemudian mengalami kenaikan pada siklus 1 yaitu ada 27 siswa atau 69,2% dan pada siklus 2 menjadi 34 siswa atau 87,2%, sedangkan keaktifan belajar peserta didik siklus 1 yaitu 71% dan pada siklus 2 menjadi 83%, hasil tersebut sesuai indikator yang ditentukan.
Co-Authors