Claim Missing Document
Check
Articles

Found 3 Documents
Search
Journal : Media Jurnal Informatika

Implementasi Finite State Automata pada Desain Sistem Dialog Interaktif Non-Player Character dalam Game "Legenda Guardian Kuno" Atqiya, Firas; Sholahuddin, Muhammad Rizqi; Suharsih, Ririn
Media Jurnal Informatika Vol 16, No 2 (2024): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v16i2.4828

Abstract

Interaksi antara pemain dan Non-Player Character (NPC) merupakan elemen kunci dalam pengalaman bermain game, terutama dalam genre role-playing game (RPG). Sistem dialog yang adaptif dan responsif dapat meningkatkan imersi dan keterlibatan pemain. Penelitian ini bertujuan untuk mengimplementasikan konsep Finite State Automata (FSA) dalam sistem dialog NPC pada game "Legenda Guardian Kuno" guna meningkatkan kualitas interaksi dan fleksibilitas percakapan. Model FSA dikembangkan dan diintegrasikan dengan data dialog dalam format JSON, yang memudahkan pengelolaan dan pemeliharaan sistem dialog. Metode penelitian meliputi perancangan model FSA yang merepresentasikan alur percakapan, implementasi kode program menggunakan bahasa Python dengan data dialog disimpan dalam format JSON, serta pengujian fungsionalitas dan validasi sistem. Hasil penelitian menunjukkan bahwa penggunaan FSA efektif dalam mengelola percakapan bercabang, memungkinkan NPC memberikan respons dinamis dan kontekstual berdasarkan pilihan pemain, sehingga meningkatkan imersi dan keterlibatan pemain. Sistem yang dikembangkan mampu mengakomodasi berbagai jalur percakapan yang kompleks, memastikan alur cerita berjalan logis dan konsisten. Penelitian ini menunjukkan  bahwa  FSA  merupakan pendekatan yang efektif dalam pengembangan sistem dialog interaktif.
Penggunaan MediaPipe untuk Pengenalan Gesture Tangan Real-Time dalam Pengendalian Presentasi Agustiani, Amelia Dewi; Sholahuddin, Muhammad Rizqi; Putri, Salsabila Maharani; Hidayatullah, Priyanto
Media Jurnal Informatika Vol 16, No 2 (2024): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v16i2.4788

Abstract

Penelitian ini membahas masalah pengendalian presentasi yang terbatas pada penggunaan perangkat fisik seperti mouse atau keyboard, yang sering mengurangi fleksibilitas pengguna. Untuk mengatasi hal ini, penelitian ini mengusulkan implementasi MediaPipe, sebuah framework pengolahan citra dan video, untuk pengenalan gestur tangan secara real-time. Metode ini memungkinkan pengguna mengontrol presentasi PowerPoint secara intuitif melalui gerakan tangan tanpa kontak fisik dengan perangkat. Pengendalian dilakukan dengan mendeteksi dan menginterpretasikan gestur tangan menggunakan teknologi pengenalan pola berbasis jaringan saraf tiruan. Studi ini bertujuan meningkatkan efisiensi dan kenyamanan dalam mengendalikan presentasi, khususnya dalam situasi yang membutuhkan interaksi jarak jauh. Hasil penelitian menunjukkan implementasi ini mampu memberikan respons cepat terhadap perubahan gestur dalam berbagai kondisi penggunaan. Model pengenalan gestur tangan yang diusulkan menunjukkan performa sangat baik, dengan nilai macro average precision, recall, dan F1-score masing-masing mencapai 97%, yang berkontribusi pada pengembangan antarmuka pengguna yang lebih intuitif dan efisien.
Real-time Convolutional Neural Networks untuk Klasifikasi Emosi Wajah yang Terintegrasi dengan Rekomendasi Konten YouTube Berdasarkan Emosi Secara Rule-Based Gantini, Annisa Dinda; Malika, Adinda Faayza; Elfada, Berliana; Hidayatullah, Priyanto; Sholahuddin, Muhammad Rizqi
Media Jurnal Informatika Vol 17, No 1 (2025): Media Jurnal Informatika
Publisher : Teknik Informatika Universitas Suryakancana Cianjur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35194/mji.v17i1.5100

Abstract

Kemampuan sistem untuk mendeteksi emosi pada citra wajah manusia dan memberikan rekomendasi konten YouTube berdasarkan hasil deteksi tersebut dapat meningkatkan interaksi manusia dengan teknologi. Penelitian ini mengusulkan integrasi baru antara deteksi emosi wajah secara real-time dengan sistem rekomendasi multimedia berbasis emosi, menggunakan kerangka kerja ringan berbasis Convolutional Neural Networks (CNN). Dua arsitektur CNN yang efisien—Sequential Fully-CNN dan Mini-Xception—dibandingkan untuk mengklasifikasikan tujuh emosi pada dataset FER-2013. Kontribusi utama dari penelitian ini adalah penggabungan klasifikasi emosi secara real-time dengan sistem pemetaan berbasis aturan untuk merekomendasikan konten YouTube yang relevan secara emosional, menciptakan pengalaman pengguna yang lebih personal dan adaptif. Hasil pengujian menunjukkan bahwa model CNN yang dikembangkan mampu mendeteksi emosi dengan akurasi tinggi sekaligus menjaga efisiensi komputasi untuk aplikasi waktu nyata. Pendekatan ini diharapkan dapat meningkatkan kualitas interaksi manusia-komputer melalui umpan balik multimedia yang responsif dan relevan secara emosional.