Claim Missing Document
Check
Articles

Found 3 Documents
Search

FECTOR : FACE EMOTION DETECTOR SEBAGAI PENUNJANG EFEKTIVITAS DALAM PEMBELAJARAN DARING (DALAM JARINGAN) Solekha, Ririn; Alif Ramadhan, Muhammad; Nurdiyanto, Furkhon; Latifa, Ulinnuha
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 8 No. 2 (2024): JATI Vol. 8 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v8i2.7962

Abstract

Pandemi Covid-19 yang terjadi di Indonesia membawa dampak besar bagi bidang pendidikan, penerapan sistem pembelajaran daring (dalam jaringan) menggunakan platform conference meeting yang merupakan metode baru bagi mahasiswa dan dosen dalam proses pembelajaran pada masa pandemi yang berdampak terhadap efektifitas pembelajaran daring seperti kurangnya pemahaman materi serta minimnya antusiasme mahasiswa dalam pembelajaran daring, sehingga penulis merancang sistem fector ( face emotional detector) yang bertujuan untuk mengevaluasi tingkat pemahaman mahasiswa terhadap materi yang dipaparkan oleh dosen dan mendorong antusiasme mahasiswa dalam berinteraksi dengan dosen ketika pembelajaran daring. Sistem fector yang penulis kembangkan merupakan subdomain dari metode kecerdasan buatan pada bidang image processing, dengan menerapkan metode kombinasi dari model viola jones yang digunakan untuk mendeteksi wajah pada suatu gambar berdasarkan ekstraksi fitur berupa local binary pattern (LBP) serta model visual geometry group-16 (VGG-16) yang terdiri dari lapisan convolutional, pooling, dan fully connected sehingga model VGG-16 dapat berfungsi sebagai lapisan untuk proses ekstraksi fitur dan klasifikasi ekspresi wajah, kemudian menggunakan dataset FER-2013 sebagai dataset awal yang digunakan dalam pengembangan model ekspresi wajah, dan metrik pengukuran performa model untuk menguji. Hasil akhir dari implementasi sistem fector adalah penerapan sistem fector pada pembelajaran daring baik secara real time maupun berdasarkan video hasil rekaman pembelajaran daring dengan dengan berbagai tahapan pengujian sistem didapatkan hasil akhir rata-rata yaitu 75.17%, nilai akhir yang penulis dapatkan merupakan nilai yang cukup baik dalam pengimplementasian pada real case scenario.
AeroSense Monitor Integrasi Sensor DHT11 dan MQ135 untuk Pemantauan Kualitas Udara Berbasis Arduino Uno Erik, Muhammad; Nurdiyanto, Furkhon; Hidayat, Rahmat
Jurnal Komputer dan Elektro Sains Vol. 2 No. 2 (2024): Komets
Publisher : Sultan Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58291/komets.v2i2.171

Abstract

Clean air is a basic necessity, but air pollution in Indonesia's major cities has increased significantly. The lack of air quality monitoring facilities in certain areas leads to a lack of public awareness of air pollution levels, which can adversely affect health. As a solution, the development of AeroSenseMonitor, an Arduino Uno-based air quality monitoring tool with DHT11 and MQ135 sensors, is proposed. This tool is expected to provide accurate information on air quality, enabling people to take preventive measures and protect their health. By raising awareness of the importance of clean air, it is hoped that the AeroSenseMonitor can be the first step in addressing the negative impacts of air pollution in Indonesia.
ESP32 Real-Time Smoke Detection Integrated with WhatsApp in Tamansari, Karawang Nurdiyanto, Furkhon; Hafid, Izzul; Nurhayati, Syifa Silvia; Fadilah, Syarifah Nur; Saragih, Yuliarman
Journal of Energy and Electrical Engineering Vol 7, No 1: October 2025
Publisher : Teknik Elektro Universitas Siliwangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37058/jeee.v7i1.15579

Abstract

This research develops an air quality monitoring system based on the ESP32 microcontroller, utilizing an MQ2 gas sensor and a DHT22 temperature-humidity sensor. The system is designed to monitor gas concentration and environmental conditions (temperature and humidity) in real-time in Tamansari Village, an area known for frequent open burning activities. Sensor readings are periodically transmitted to users via WhatsApp notifications using the CallMeBot API, providing early warnings when potentially hazardous gas levels are detected. Test results indicate that the system effectively detects changes in gas concentrations and temperature with reasonable accuracy and delivers timely alerts. Thus, the system can function as a supportive tool in mitigating air pollution risks in the study area.