Claim Missing Document
Check
Articles

Pattern recognition for facial expression detection using convolution neural networks Pusadan, Mohammad Yazdi; Sasuwuk, James Rio; Pratama, Septiano Anggun; Laila, Rahma
International Journal of Advances in Intelligent Informatics Vol 11, No 4 (2025): November 2025
Publisher : Universitas Ahmad Dahlan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26555/ijain.v11i1.1602

Abstract

The COVID-19 pandemic was a devastating disaster for humanity worldwide. All aspects of life were disrupted, including daily activities and education. The education sector faced significant challenges at all levels, from kindergarten to elementary, junior high, and high school, as well as in higher education, where learning had to be online. Human emotions are primarily conveyed through facial expressions resulting from facial muscle movements. Facial expressions serve as a form of nonverbal communication, reflecting a person’s thoughts and emotions. This research aims to classify emotions based on facial expressions using the Convolutional Neural Network (CNN) and detect faces using the Viola-Jones method in video recordings of online meetings. We utilize the VGG-16 architecture, which consists of 16 layers, including convolutional layers with the ReLU activation function and pooling layers, specifically max pooling. The fully connected layer also employs the ReLU activation function, while the output layer uses the Softmax. The Viola-Jones method is used for facial detection in images, achieving an accuracy of 87.6% in locating faces. Meanwhile, the CNN method is applied for facial expression recognition, with an accuracy of 59.8% in classifying emotions.
Artificial Intelligence Untuk Identifikasi Motif Tenun Tradisional Sulawesi Tengah Pusadan, Mohammad Yazdi; Laila, Rahma; Pratama, Septiano Anggun
Bomba: Jurnal Pembangunan Daerah Vol 5 No 1 (2025)
Publisher : Badan Riset dan Inovasi Daerah Sulawesi Tengah

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.65123/bomba.v5i1.93

Abstract

Traditional weaving from Central Sulawesi, such as the motifs of Magau, Banua Oge/Souraja, and Tadulako, reflects deep cultural and historical values. However, the complexity of the patterns and motifs often makes manual identification challenging. This research employs an Artificial Intelligence (AI) approach using Convolutional Neural Networks (CNN) to automate the identification of these motifs. The AI model is trained using a diverse dataset of woven motif images and shows significant accuracy in classifying Magau, Banua Oge/Souraja, and Tadulako motifs. This research opens up cultural preservation and innovation opportunities in woven products with modern technology. The achieved result is the evaluation of the AI model using the following metrics: accuracy, precision, recall, and the confusion matrix. The accuracy obtained for each motif reaches 90%.
Implementation of Long Short-Term Memory Algorithms on Cryptocurrency Price Prediction with High Accuracy on Volatile Assets Nursiana Zasqia, Andi Nirina; Laila, Rahmah; Trezandy Lapatta, Nouval; Yazdi Pusadan, Mohammad; Santi, Dessy; Wirdayanti
Jurnal Algoritma Vol 22 No 2 (2025): Jurnal Algoritma
Publisher : Institut Teknologi Garut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33364/algoritma/v.22-2.2422

Abstract

Cryptocurrencies have emerged as one of the most popular digital assets, characterized by high volatility, which presents a significant challenge in forecasting their price movements accurately. This study aims to implement the Long Short-Term Memory (LSTM) algorithm to predict the prices of selected cryptocurrencies, including Bitcoin (BTC), Binance Coin (BNB), Ethereum (ETH), Dogecoin (DOGE), Solana (SOL), and Shiba Inu (SHIB). The LSTM model is trained using the Adam optimizer and employs early stopping to mitigate overfitting. Model performance is evaluated using Mean Absolute Error (MAE), Mean Squared Error (MSE), Root Mean Squared Error (RMSE), and the coefficient of determination (R²). The results indicate that the LSTM model achieves strong predictive accuracy for relatively low-volatility assets such as Dogecoin and Solana, with R² scores of 0.9795 and 0.9523, respectively. In contrast, its performance declines when applied to highly volatile assets like Bitcoin and Binance Coin. The findings also suggest that LSTM performs best in short-to-medium-term forecasts (7 to 30 days), but shows limitations in long-term predictions. This study contributes to the field by demonstrating the applicability of LSTM in financial forecasting and highlighting its strengths and constraints across different volatility profiles. Practically, the findings can assist traders and financial analysts in making data-driven decisions by applying LSTM models for more reliable short-term predictions, while emphasizing the need to integrate external market factors to enhance long-term forecast accuracy.
Pengenalan Pola pada Batik Lontara berbasis Kecerdasan Buatan Mohammad Yazdi Pusadan; Fuad Mahfud; Anisa Yulandari; Sabarudin Saputra
Prosiding SISFOTEK Vol 9 No 1 (2025): SISFOTEK IX 2025
Publisher : Ikatan Ahli Informatika Indonesia

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

Abstract

Batik is an Indonesian cultural heritage in which almost every region has its own distinctive batik with diverse motifs. UNESCO designated batik as a world cultural heritage created by the Indonesian people in 2009. In South Sulawesi, there is also batik called Batik Lontara. Batik Lontara itself is a type of Bugis-Makassar batik unique to South Sulawesi that features motifs of the Lontara script. The purpose of this research is to implement the extraction of woven Batik Lontara and stamped Batik Lontara using the GLCM (Gray Level Co-occurrence Matrix) method and the KNN (K-Nearest Neighbor) algorithm to recognize the types of Batik Lontara. The Gray Level Co-occurrence Matrix (GLCM) is a feature extraction method that uses second-order texture calculations, considering pairs of two pixels from the original image. This research employs the K-Nearest Neighbor (KNN) algorithm, which is a method for classifying objects based on training data with the closest distance to the test data. The research material used is images of Batik Lontara with various motifs, namely woven Batik Lontara and non-woven Batik Lontara. Based on the Batik Lontara images, a process of converting the images from RGB to Grayscale will be carried out. The expected output of this research is a reputable international journal publication.
Perbandingan Algoritma Naïve bayes Dan Support Vektor Machine Untuk Klasifikasi Status Stunting Pada Balita Muh. Faried Muchtar; Rahma Laila; Dwi Shinta; H. M. Yazdi Pusadan
The Indonesian Journal of Computer Science Vol. 13 No. 4 (2024): The Indonesian Journal of Computer Science
Publisher : AI Society & STMIK Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33022/ijcs.v13i4.4055

Abstract

Penelitian ini bertujuan untuk membandingkan efektivitas algoritma Naïve Bayes dan Support Vector Machine (SVM) dalam klasifikasi status stunting pada balita. Stunting merupakan kondisi pertumbuhan terhambat pada balita akibat kekurangan gizi yang memiliki dampak serius terhadap kesehatan dan perkembangan anak. Dengan menggunakan data dari Puskesmas Tawaeli Kecamatan Tawaeli, penelitian ini mengimplementasikan kedua algoritma untuk mengidentifikasi balita yang mengalami stunting. Metode penelitian meliputi pengumpulan data, preprocessing, dan pengujian menggunakan metrik evaluasi yang sesuai. Hasil penelitian diharapkan dapat memberikan kontribusi dalam pengembangan metode klasifikasi stunting pada balita serta memberikan wawasan baru dalam penanganan masalah stunting pada tingkat populasi. Diharapkan penelitian ini dapat menjadi referensi bagi peneliti selanjutnya dalam pengembangan sistem informasi serupa.
PENERAPAN CONVOLUTION NEURAL NETWORK (CNN) UNTUK DETEKSI MEGALITIKUM DI SULAWESI TENGAH BERBASIS MOBILE Fahmi, Moh.; Laila, Rahma; Pusadan, Mohammad Yazdi; Syahrullah, Syahrullah; Azhar, Ryfial; Sani, Ilham Abdillah; Magfirah, Magfirah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6458

Abstract

Taman Nasional Lore Lindu di Sulawesi Tengah, Indonesia, memiliki berbagai objek megalitikum, termasuk arca, kalamba, lumpang, dan batu dulang. Kawasan ini memiliki potensi untuk secara resmi diakui sebagai Situs Warisan Dunia, namun pengguna masih menghadapi tantangan dalam mengidentifikasi dan memahami artefak megalitikum ini. Sebagai tanggapan atas masalah ini, penelitian ini telah menciptakan sistem atau aplikasi yang menggunakan algoritma CNN (Convolutional Neural Network) dengan platform Teachable Machine untuk meningkatkan kemampuan pengguna dalam mengidentifikasi objek megalitikum. Program ini akan menawarkan informasi yang lebih luas untuk setiap objek megalitikum, termasuk penggunaan yang dimaksudkan dan konteks sejarahnya. Temuan uji menunjukkan bahwa program ini memiliki kemampuan untuk mengidentifikasi objek megalitikum dengan tingkat akurasi hingga 98%. Selain itu, pengguna dapat dengan mudah mengakses informasi yang lebih komprehensif tentang artefak-artefak ini. Program ini memungkinkan pengguna untuk dengan mudah mengidentifikasi dan memahami objek megalitikum, sambil juga memberikan mereka informasi yang lebih mendalam tentang artefak-artefak tersebut.
PENGEMBANGAN SISTEM KEAMANAN KAMERA PENGAWAS BERBASIS INTERNET OF THINGS (IOT) DENGAN TEKNOLOGI DETEKSI OBJEK MENGGUNAKAN RASPBERRY PI DAN NOTIFIKASI TELEGRAM Pratama, Moh. Rezki; Lamasitudju, Chairunnisa; Pusadan, Mohammad Yazdi; Laila, Rahmah; Pratama, Septiano Anggun
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6562

Abstract

Internet of Things (IoT) merupakan konsep yang memperluas manfaat konektivitas internet yang terhubung secara terus-menerus. Pada penelitian ini, IoT dimanfaatkan untuk mengendalikan kamera pengawas yang dapat dioperasikan dari jarak jauh melalui jaringan komputer. Dengan kemajuan teknologi ini, pengguna dapat memantau dan mengendalikan kamera pengawas kapan saja dan di mana saja selama lokasi tersebut memiliki koneksi internet yang memadai. Sistem ini dirancang untuk mempermudah pengawasan, terutama di gedung yang jaraknya jauh dari pengguna. Dalam penelitian ini, sistem pengawasan berbasis IoT dikembangkan dengan memanfaatkan Raspberry Pi sebagai pusat pengolahan data dan aplikasi Telegram sebagai media notifikasi real-time. Teknologi pengenalan wajah diterapkan untuk mendeteksi dan mengidentifikasi individu yang muncul di depan kamera, serta memberikan peringatan ketika wajah yang tidak dikenal terdeteksi. Integrasi ini memungkinkan sistem untuk tidak hanya memberikan pengawasan visual tetapi juga menyediakan interaksi yang lebih cerdas dan responsif melalui notifikasi langsung kepada pengguna. Hasil uji coba menunjukkan bahwa sistem ini tidak hanya meningkatkan efisiensi dan fleksibilitas pengawasan, tetapi juga menawarkan solusi keamanan yang lebih proaktif dan adaptif terhadap berbagai situasi. Dengan demikian, penelitian ini memberikan kontribusi yang signifikan terhadap pengembangan teknologi pengawasan berbasis IoT yang dapat diterapkan dalam berbagai skala dan konteks, dari rumah tangga hingga fasilitas publik.
DESIGN AND BUILD AN ONLINE RESERVASTION SYSTEM FOR HEALTH SERVICES AT PET CLINICS USING THE PRIORITY SCHEDULING ALGORITHM Rumampuk, Viola Gracella; Ardiansyah, Rizka; Joefrie, Yuri Yudhaswana; Laila, Rahmah; Pusadan, Mohammad Yazdi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6305

Abstract

The limited number of veterinarians and the absence of an online reservation service at Louis Pet Shop Palu, which requires prospective patients or customers to come in person to take a queue number and wait to receive medical services. The long queues that often occur cause inconvenience and waste of time for customers. In addition, the mismatch of schedules with customer preferences adds to the inconvenience, which can result in customer dissatisfaction and potential losses for the clinic as customers seek services elsewhere that are more convenient. This research uses the Black Box testing method to ensure the smooth running of the created program. In conclusion, this problem can be overcome by building an online reservation information system that integrates a priority-based queue management mechanism. The implementation of this feature uses Priority Scheduling Algorithm combined with WhatsApp Gateway as a reminder.
Identifikasi Telur Ayam Fertil dan Infertil Melalui Citra Candling Menggunakan Algoritma Vision Transformer Paloloang, Muhammad Fadhil Akmal B.; Lapatta, Nouval Trezandy Trezandy; Yazdi, Mohammad; Anshori, Yusuf
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6298

Abstract

Telur ayam merupakan salah satu komoditas utama dalam industri peternakan unggas. Pengelolaan telur menjadi masalah yang perlu mendapat perhatian khusus agar terhindar dari kerugian, salah satunya yaitu dengan melakukan pengecekan kesuburan telur. Candling merupakan metode konvensional yang kerap digunakan untuk melakukan pengecekan, akan tetapi rawan akan terjadinya kesalahan dalam mengidentifikasi karena menggunakan cara manual dan tentunya akan menghabiskan waktu. Oleh karena itu diperlukan sebuah sistem untuk dapat membantu peternak dalam melakukan identifikasi secara otomatis guna meningkatkan kualitas produksi telur. Dataset pada penelitian ini menerapkan teknik Contrast Limited Adaptive Histogram Equalization (CLAHE) untuk meningkatkan kontras dan mempertegas pola embrio pada citra telur. Sistem identifikasi dibangun menggunakan  algoritma Vision Transformer (ViT), yang merupakan arsitektur berbasis Transformer yang dapat memahami hubungan atau relasi diantara berbagai bagian gambar. Dataset terbagi atas dua kelas dengan total keseluruhan dataset berjumlah 228 citra, dengan hasil akurasi pelatihan yang didapatkan sebesar 99,77% dan akurasi validasi sebesar 98,03%. Pengujian confusion matrix dan ROC AUC dilakukan menggunakan data baru diluar dari data pelatihan, model mampu menentukan kelas telur fertil dan infertil dengan baik, dengan nilai akurasi dan recall sebesar 95%, dan nilai ROC AUC sebesar 99,68%. Hasil dari penelitian ini dapat membantu dan mempermudah peternak dalam mengidentifikasi telur fertil dan infertil agar kualitas produksi telur senantiasa terjaga dan dapat memastikan bahwa kondisi telur tetap berkembang.
ANALISIS INDIKASI RISIKO KEAMANAN PADA SITUS WEB INTEGRASI DATA DI KOTA PALU MENGGUNAKAN METODE VULNERABILITY ASSESSMENT (VA) DENGAN BERDASARAKAN OPEN WEB APPLICATION SECURITY PROJECT (OWASP) TOP 10 Reonaldi, Muh. Ilham; Hendra, Andi; Pusadan, Mohammad Yazdi; Kasim, Anita Ahmad; Lamasitudju, Chairunnisa Ar
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6378

Abstract

Penelitian ini menganalisis kerentanan keamanan pada situs web integrasi data Kota Palu yang sedang dalam proses imigrasi sistem. Dengan meningkatnya ancaman siber dan pentingnya melindungi data, penelitian ini memanfaatkan metode Vulnerability Assessment untuk sebagai cara mengidentifikasi potensi celah keamanan. Metodologi penelitian meliputi footprinting menggunakan Nikto, network mapping dengan Nmap, dan pemindai kerentanan otomatis. Hasil pemindai menunjukkan adanya kerentanan dengan tingkat risiko bervariasi, mulai dari rendah hingga tertinggih, termasuk lemahnya DNS server, ketidakhadiran dari Content-Security-Policy dan X-Frame-Options sebagai header keamanan serta pengaturan Anti-CSRF Tokens yang tidak memadai. Rekomendasi utama untuk bagian dari pembatasan pengaksesan DNS server, penerapan header keamanan yang tepat, pengaturan token anti-CSRF, dan perbaikan konfigurasi keamanan. Langkah-langkah yang diambil ini dimaksudkan untuk memperbaiki keamanan situs web dan menjaga kerahasiaan serta integritas data terhadap indikasi ancaman. Pengawasan berkelanjutan sangat penting untuk menjaga sistem tetap terus aman juga berjalan secara lancar.