Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JIKSI (Jurnal Ilmu Komputer dan Sistem Informasi) Computatio : Journal of Computer Science and Information Systems
Juventia Agnecia
Unknown Affiliation
Computer Science & IT Mathematics Other

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

Found 2 Documents
Search

 1 
Indonesia Chelsia Cindeleria Herwanto; Juventia Agnecia; Lina
Jurnal Ilmu Komputer dan Sistem Informasi Vol. 14 No. 1 (2026): Jurnal Ilmu Komputer dan Sistem Informasi
Publisher : Fakultas Teknologi Informasi Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/rqp52h60

Abstract

Pertumbuhan sel yang tidak normal pada jaringan otak dikenal sebagai tumor otak. Salah satu cara dokter mendeteksi tumor otak adalah melalui observasi langsung dengan diagnosis manual, yang memiliki risiko kesalahan. Perkembangan artificial intelligence pada bidang computer vision kini telah diterapkan dalam klasifikasi citra di sektor kesehatan. Studi ini mengklasifikasikan citra tumor otak menggunakan deep learning, khususnya metode Convolutional Neural Network (CNN) dengan arsitektur VGG-16 untuk membangun model terbaik yang diterapkan dalam bentuk sistem. Dataset yang digunakan terdiri dari 3.264 citra dengan kelas pituitary, meningioma, glioma, dan no (no tumor) yang diperoleh dari Kaggle. Pengujian dilakukan dengan beberapa skenario learning rate dan kombinasi jumlah neurons pada dense layer.
Prediksi Emosi Manusia Menggunakan Swin Transformer Berdasarkan Ekspresi Wajah Juventia Agnecia; Chairisni Lubis
Computatio : Journal of Computer Science and Information Systems Vol. 10 No. 1 (2026): Computatio: Journal of Computer Science and Information Systems
Publisher : Faculty of Information Technology, Universitas Tarumanagara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24912/computatio.v10i1.38116

Abstract

Perkembangan pesat teknologi Artificial Intelligence (AI) telah membawa pengaruh besar dalam bidang pengolahan citra, khususnya pada sistem analisis wajah untuk mengenali emosi manusia melalui ekspresi wajah. Penelitian ini merupakan sebuah sistem pengenalan emosi wajah dengan memanfaatkan metode deep learning berbasis arsitektur Swin Transformer, yang mengandalkan mekanisme shifted window self-attention untuk mengekstraksi informasi fitur secara efektif baik pada skala lokal maupun global. Program aplikasi yang dikembangkan menerima masukan berupa citra wajah dalam bentuk foto dan dirancang agar dapat dioperasikan secara real time. Sebelum memasuki tahap klasifikasi emosi, proses pendeteksian wajah dilakukan terlebih dahulu menggunakan metode Haar Cascade, kemudian dilanjutkan dengan tahapan pra-pemrosesan untuk menyesuaikan data input dengan kebutuhan model. Fitur-fitur yang dihasilkan oleh Swin Transformer selanjutnya diproses menggunakan fully connected layer dengan fungsi aktivasi softmax untuk menghasilkan keluaran berupa label emosi beserta nilai confidence score. Berdasarkan hasil pengujian, sistem pengenalan emosi menggunakan Swin Transformer memperoleh rata-rata akurasi sebesar 87,54% dengan akurasi validasi mencapai 74,82%. Sementara itu, metode Haar Cascade menunjukkan performa pendeteksian wajah dengan rata- rata akurasi sebesar 98,44%, meskipun masih ditemukan kesalahan deteksi pada objek non- wajah dalam kondisi tertentu. Secara keseluruhan, hasil penelitian ini menunjukkan bahwa Swin Transformer memiliki potensi yang sangat baik untuk dikembangkan lebih lanjut dalam sistem prediksi emosi berbasis ekspresi wajah di masa mendatang
Co-Authors Chairisni Lubis Chelsia Cindeleria Herwanto Lina