Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Media Elektrik Journal of Emerging Research in Computer Science and Artificial Intelligence
Satria Gunawan Zain
Universitas Negeri Makassar, Indonesia
Computer Science & IT Control & Systems Engineering Engineering

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

Found 2 Documents
Search

 1 
Pengembangan Aplikasi Pendukung Data Riset Produk Trending di Dunia Maya Berbasis Bot Muhammad Resky Putra Asman; Satria Gunawan Zain; Abdul Wahid
Journal of Emerging Research in Computer Science and Artificial Intelligence Vol 1, No 1 (2025): September 2025
Publisher : PT. Global Research Collaboration

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

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi pendukung data riset produk trending di dunia maya berbasis bot dan mengetahui hasil pengembangan, dan hasil pengujian aplikasi menggunakan standar ISO25010 serta hasil uji komparasi. Teknik pengumpulan data yang digunakan ialah wawancara, dokumentasi, angket dan diskusi terpusat. Penelitian ini merupakan penelitian pengembangan atau Research and Development dengan menggunakan model pengembangan Spiral yang meliputi tahap komunikasi, perencanaan, analisis resiko, perekayasaan, konstruksi dan evaluasi pengguna. Pengujian Aplikasi meliputi 4 aspek yaitu uji Functional Suitability, uji Usability, uji Compatibility dan uji Portability.Hasil Penelitian ini adalah : (1) Mobile apps Aplikasi Trends Marketplace yang memiliki lima menu utama yaitu menu data riset, menu tokopedia, menu shopee, menu blibli, dan menu panduan. Aplikasi Trends Marketplace menampilkan data riset produk trend dari 3 marketplace besar saat ini di Indonesia, yaitu shopee, tokopedia, dan blibli. (2) Aplikasi Trends Marketplace mendapatkan nilai X=1 pada uji Functional Suitability yang berarti sangat baik, sedangkan analisis Usability secara keseluruhan dari 30 responden, 21 responden menyatakan sangat baik dan 9 responden menyatakan baik. Pada pengujian Compatibility aplikasi dapat berjalan bersamaan dengan 4 aplikasi berbeda. Pada Pengujian Portability aplikasi dapat berjalan pada 7 jenis perangkat android dengan beberapa sistem operasi berbeda. Berdasarkan hasil pengujian, aplikasi memenuhi semua aspek dari standar pengujian perangkat lunak yang diujikan (3) Peningkatan Efektivitas penggunaan aplikasi Trends Marketplace melalui uji komparasi dianggap cukup signifikan setelah melalui Uji Paired Sample T-Test untuk mengetahui Rata-rata penjualan produk pengguna aplikasi sebelum dan sesudah menggunakan aplikasi.
REAL-TIME STUDENT FACIAL EXPRESSION DETECTION TO IDENTIFY STUDENT INTEREST IN LEARNING IN CLASS USING CNN AND YOLO Maulana Maninnori Nawirma; Muhammad Agung; Satria Gunawan Zain
Jurnal Media Elektrik Vol. 22 No. 3 (2025): MEDIA ELEKTRIK
Publisher : Jurusan Pendidikan Teknik Elektro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59562/metrik.v22i3.9406

Abstract

Understanding students’ emotional involvement is essential for optimizing teaching strategies and improving learning outcomes in the classroom. This study employed a Research and Development (R&D) method aimed at developing a system to identify students’ learning interest based on real-time facial expression detection. The system consists of three main components: input in the form of facial images captured by a webcam, expression classification processed by a laptop, and output in the form of information indicating the level of student interest. The devices used in testing included a Logitech C310 webcam connected to an MSI Cyborg 15 A12VE-074ID laptop, equipped with an Nvidia RTX 4050 GPU. The algorithm used for the recognition and classification process was a Convolutional Neural Network (CNN) implemented through the YOLO version 11 framework. The dataset consisted of 1,128 student facial expression images classified into two main categories: (1) interested expressions, including happy and surprised, and (2) uninterested expressions, including angry, fearful, sad, and disgusted. These expressions represent basic human emotions. The test results showed that the system achieved an accuracy rate of 86.04% and a precision rate of 89.57%, with an average detection time ranging from 31 to 50 milliseconds. Testing conducted over five days of classroom sessions demonstrated that the system was able to operate stably and accurately using a webcam, even under varying lighting conditions, angles, and facial movements, with an average frame rate of 30–32 FPS.
Co-Authors Abdul Wahid Maulana Maninnori Nawirma Muhammad Agung Muhammad Resky Putra Asman