Article Per Year (5 Year)
p-Index From 2020 - 2025
2.976
P-Index
This Author published in this journals
All Journal Sinkron : Jurnal dan Penelitian Teknik Informatika Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) JURNAL MEDIA INFORMATIKA BUDIDARMA Indonesian Journal of Artificial Intelligence and Data Mining Communication in Biomathematical Sciences JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Building of Informatics, Technology and Science JOURNAL OF INFORMATION SYSTEM RESEARCH (JOSH) Journal of Computer System and Informatics (JoSYC) eProceedings of Engineering Jurnal INFOTEL Cahaya Pengabdian
Aditya Firman Ihsan
Telkom University
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Social Sciences Other

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : eProceedings of Engineering

 1 
Facial Expression Recognition Dengan Pemodelan Berbasis CNN Pada Wajah Bermasker Indidharmanto, Ahmad Maulana; Ihsan, Aditya Firman; Sulistyo, Mahmud Dwi
eProceedings of Engineering Vol. 12 No. 3 (2025): Juni 2025
Publisher : eProceedings of Engineering

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

Abstract

Pandemi Covid-19 yang telah menyebabkanpenggunaan masker wajah menjadi hal yang umum dimasyarakat sebagai upaya untuk mencegah penyebaran virus.Namun, hal ini menimbulkan tantangan baru dalampengenalan ekspresi wajah atau Facial Expression Recognition(FER). Facial Expression Recognition digunakan untukmemahami bagaimana manusia berperilaku, sehinggamembantu dalam strategi pencegahan penyebaran virus danmenghilangkan halangan manusia untuk saling bersosialisasiwalau dalam keterbatasan. Dalam hal keamanan, dapatdimanfaatkan untuk membedakan orang yang memiliki intensiburuk dibalik ekspresi yang tertutup masker. Kekurangan yangada pada Facial Expression Recognition saat ini yaituterbatasnya pendeteksian berbagai macam jenis ekspresidikarenakan hilangnya informasi penting dari area mulut danhidung yang tertutup masker. Penelitian ini bertujuan untukmenemukan model arsitektur Convolutional Neural Network(CNN) dengan akurasi dalam beberapa ekspresi sepertibahagia, marah, sedih, netral, dan terkejut. Penelitian inimengevaluasi performa tiga model, yaitu ResNet50, EmotionEnsemble Model, dan VGG19. ResNet50 menunjukkanperforma dengan akurasi 89.51%, Emotion Ensemble Modeldengan akurasi 82.49%. Sementara itu VGG19 mencapaiakurasi 72.44%. Kontribusi utama penelitian ini adalahpengembangan ensemble yang cukup akurat pada datasetdengan variasi tinggi, serta analisis terhadap keunggulan dankelemahan setiap model. Membantu mengenal pemilihanarsitektur model yang tepat untuk pengenalan ekspresi berbasiscitra pada kondisi terbatas. Kata kunci— facial expression recognition, convolutionalneural network, ResNet50, masker wajah, deep learning,Masked-Fer2013
Klasifikasi Citra Jenis Pesawat Menggunakan Algoritma CNN Dengan Arsitektur ResNet Putra, Rachmat Dwi; Ihsan, Aditya Firman
eProceedings of Engineering Vol. 12 No. 4 (2025): Agustus 2025
Publisher : eProceedings of Engineering

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

Abstract

Jenis pesawat terbang beragam berdasarkan bentuk, ukuran, dan tujuan penggunaannya, sehingga sulit untuk diklasifikasikan dan menjadikannya sebuah tantangan terutama dalam pengembangan teknologi citra. Dalam penelitian ini, algoritma CNN dengan arsitektur ResNet digunakan untuk mengembangkan sistem klasifikasi citra jenis pesawat. Model dibangun dan diuji pada dataset pribadi yang terdiri dari 4.520 citra dari delapan kelas jenis pesawat. Model dilatih dalam dua skenario (dengan dan tanpa augmentasi) dan dua ukuran batch (16, 32), tiga varian layer ResNet (50, 101, 152) menghasilkan dua belas model. Hasil evaluasi menunjukkan bahwa model terbaik dari ResNet-152 dengan augmentasi mampu mencapai f1-score hingga 0.954, membuktikan bahwa model CNN-ResNet yang dikembangkan dapat mengklasifikasikan citra pesawat secara efektif. Meski begitu, kesalahan masih terjadi pada kelas-kelas yang memiliki kemiripan visual, sehingga dibutuhkan eksperimen lanjutan dengan menguji kombinasi arsitektur dan parameter pelatihan yang lebih optimal untuk meningkatkan akurasi dan kemampuan generalisasi model yang lebih baik. Kata kunci: Klasifikasi, Citra, Pesawat, CNN, ResNet, Augmentasi
Co-Authors Alif Adwitiya Pratama Andi Fadil Adiyaksa Conny Tria Shafira Djatnika Widia Nugraha Donni Richasdy Donny Richasdy Hery Widijanto Indidharmanto, Ahmad Maulana Made Mita Wikantari Mahmud Dwi Sulistiyo Muhammad Daffa Regenta Sutrisno Muhammad Helmy Faishal Muzakky, Faqih Ahmad Puteri, Nurhidayah Putra, Rachmat Dwi Putu Harry Gunawan Raisa Benaya Rheza Ramadhan Putra Shuhaimi Mahadzir Sri Suryani Prasetiyowati Sujadi, Cika Carissa Sulistyo, Mahmud Dwi Uruqul Nadhif Dzakiy Widi Astuti Yuliant Sibaroni Yusuf, Afrizal Syahruluddin