Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Putri, Rekyan
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Sistem Deteksi Emosi Wajah pada Sesi Konseling Menggunakan CNN Fully Connected dengan Landmark Mediapipe Haikal; Putri, Rekyan; Barlian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 12 (2025): Desember 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Permasalahan kesehatan mental merupakan isu penting yang memengaruhi kualitas hidup dan produktivitas individu. Di Indonesia, jumlah psikolog klinis masih sangat terbatas, yaitu sekitar 2.808 orang untuk melayani lebih dari 270 juta penduduk berdasarkan data Ikatan Psikolog Klinis Indonesia tahun 2022, sehingga jauh di bawah rekomendasi WHO. Kondisi ini mendorong keterlibatan sukarelawan non-profesional dalam layanan konseling yang sering mengalami kesulitan dalam mengenali emosi konseli secara tepat. Penelitian ini mengembangkan sistem deteksi emosi wajah berbasis webcam untuk membantu proses konseling secara lebih objektif. Sistem memanfaatkan ekstraksi landmark wajah menggunakan MediaPipe serta model CNN Fully Connected sebagai metode klasifikasi yang ringan dan sesuai untuk perangkat dengan keterbatasan komputasi seperti Raspberry Pi. Pengujian dilakukan menggunakan dataset CK+ dan uji langsung pada 20 responden. Hasil eksperimen menunjukkan bahwa rasio data latih dan uji 80:20 menghasilkan performa terbaik dengan akurasi pelatihan 81% serta nilai precision, recall, dan F1-score di atas 74%. Implementasi pada Raspberry Pi menghasilkan akurasi 43,75% pada uji gambar cetak dan meningkat menjadi 66,19% pada simulasi sesi konseling. Hasil ini menunjukkan potensi sistem dalam mendukung konselor non-profesional memahami emosi konseli.
Implementasi Sistem Deteksi Tingkat Stadium Katarak Berbasis Ekstraksi Fitur Histogram Warna Dan Klasifikasi K-Nearest Neighbor (Knn) Pada Raspberry Pi 4 Azmi, Rafif; Putri, Rekyan; Setiawan, Eko
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 4 (2026): April 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Katarak senilis merupakan penyebab utama kebutaan di dunia yang berkembang seiring bertambahnya usia, di mana deteksi dini menjadi faktor krusial untuk mencegah kehilangan penglihatan permanen. Namun, keterbatasan akses ke tenaga medis dan tingginya biaya peralatan diagnostik seringkali menjadi kendala di daerah terpencil. Penelitian ini mengembangkan sistem deteksi stadium katarak portabel menggunakan ekstraksi fitur histogram warna pada ruang warna HSV dan algoritma K-Nearest Neighbor (KNN) yang diimplementasikan pada Raspberry Pi 4. Sistem ini mengklasifikasikan citra mata menjadi tiga stadium: Normal, Imatur, dan Matur. Hasil penelitian menunjukkan bahwa pengujian sistem secara langsung pada jarak optimal 8 cm menghasilkan akurasi sebesar 91,67%, sementara akurasi menurun menjadi 75% pada jarak 10 cm dan 58,33% pada jarak 12 cm akibat pengaruh gangguan latar belakang (noise). Waktu komputasi rata-rata sistem sangat responsif, yaitu sebesar 0,0123 detik per citra, yang memungkinkan pengoperasian secara langsung dan efektif. Pengujian juga mengidentifikasi bahwa penggunaan kacamata menurunkan kinerja sistem karena adanya pantulan cahaya (glare) yang dapat mengganggu ketika klasifikasi. Dengan portabilitas dan kemampuan operasi secara luring (offline), sistem ini diharapkan dapat menjadi solusi skrining katarak yang praktis dan terjangkau di wilayah dengan keterbatasan fasilitas kesehatan.
Co-Authors Azmi, Rafif Barlian Eko Setiawan Haikal