Hasil Pencarian  ::  Simpan CSV :: Kembali

"This article discusses face threatening act (FTA) performed by KBJ VI participants. The FTA is a less tolerance utterance that makes a speaking partner feels ashamed and displeased so that it may annoy harmony and friendship. There are three research questions 1) what kind of speech act which tends to threat face as used by KBJ VI participants, 2) how far is the level of politeness of an uttereance containing FTA, and 3) how the speaking partner responds the FTA speech act. The data sources were any speeches or utterances who were officially delivered by the selected samples in the KBJ agenda. These speeches and utterances were recorded then they were categorized, and finally selected in accordance with the purpose of the research. The results of the research show that basically FTAs are not in accordance with the Javanese politeness where one should always make other people happy the basis of solidarity making."

"Kecanggihan dalam bidang pengenalan wajah berbasis deep learning semakin berkembang dan telah menjadikannya salah satu teknik biometrik yang paling dapat diandalkan. Namun, penggunaan masker penutup mulut dan hidung akibat pandemi COVID-19 membuat model pengenalan wajah kehilangan sekitar setengah dari informasi biometrik yang berguna dan mengakibatkan penurunan tingkat akurasi. Penelitian ini bertujuan untuk mengajukan model pengenalan wajah bermasker alternatif berakurasi tinggi. Untuk mengembangkan Convolutional Neural Networks (CNNs) sebagai ekstraktor fitur dari pengenalan wajah bermasker, tiga hal yang paling berkontribusi ialah data latih yang besar, arsitektur jaringan dan fungsi kerugian (loss function). Model yang diajukan berasal dari hasil modifikasi arsitektur ResNet dengan menyisipkan blok RepMLP. Kemudian, membandingkan hasil pelatihan tersebut menggunakan fungsi kerugian terbaik saat ini, ArcFace loss dan CurricularFace loss. Model dilatih menggunakan data latih MS1M-V3. Model terbaik yang dapat diajukan dari penelitian ini berhasil memperoleh nilai akurasi 77,8% saat diuji menggunakan data MFR2. Nilai akurasi tersebut 2,3% lebih tinggi dibandingkan dengan model baseline (ResNet-50) yang digunakan dalam penelitian ini. Selain berhasil memperoleh nilai akurasi yang lebih baik, model yang dijukan memiliki jumlah parameter yang lebih sedikit dibandingkan model baseline.

---

Sophistication in deep facial recognition is still growing and has made it one of the most reliable biometric techniques. However, using masks covering the mouth and nose due to the COVID-19 pandemic has caused facial recognition models lose about half of the useful biometric information and decreased the accuracy. This study aims to propose a high-accuracy alternative masked facial recognition model. The success of Convolutional Neural Networks (CNNs) on face recognition mainly contributed by enormous training data, network architectures, and loss functions. The proposed model comes from a modification of the ResNet architecture by inserting RepMLP blocks. Then, compares the training results using the current best loss function, ArcFace loss and CurricularFace loss. The model was trained using the MS1M-V3 training data. The best model that can be proposed from this study managed to obtain an accuracy value of 77.8% when tested using the MFR2 dataset. This accuracy value is 2.3% higher than the baseline model (ResNet-50) which used in this study. Besides being successful in obtaining better accuracy values, the proposed model has fewer parameters than the baseline model."

"Bedak wajah (face powder) digunakan untuk menutupi ketidaksempurnaan kulit, mengontrol minyak, memberikan kelembutan pada kulit dan hasil akhir yang matte. Bedak memberikan efek tahan lama yang baik pada riasan alas bedak (foundation) dan memiliki sifat penyerap minyak yang sangat berguna untuk jenis kulit berminyak. Bedak wajah terdiri dari beberapa campuran produk, contohnya adalah talc dan sericite sebagai pengisi/filler (untuk membantu penyebaran), kaolin (untuk memberikan kualitas menyerap kelembapan), magnesium stearat (memberi sifat adherence), seng oksida dan titanium oksida (untuk membantu menutupi kulit secara menyeluruh), dan pigmen (untuk warna). Selain itu, mika dalam formulasi bedak berfungsi untuk meningkatkan skin feel, aplikasi produk, dan daya rekat kulit. Selain itu, bedak wajah juga mengandung pemodifikasi permukaan filler (surface-modified fillers) yang sebagian besar merupakan polimer organik (kolagen, elastin, dan vitamin E). Bedak juga mengandung 10% - 20 % agen tekstur organik (polimer) atau agen mineral (boron nitrida dan silika), pengawet, anti-oksidan, dan parfum (netral atau sophisticated). Sediaan bedak dalam bentuk padat (pressed powder), seperti pressed-finishing powder, blush, eye shadow, bronzer, memiliki bahan baku dasar yang sama dengan bedak tabur, namun bedak padat menggunakan minyak yang berfungsi sebagai pengikat/binding agent agar bedak dapat dikempa menjadi bentuk padat (cake). Terdapat beberapa hal fundamental yang dapat mempengaruhi hasil akhir dari bedak padat, seperti karakteristik, viskositas, wettability, dan evaluasi sensori dari bahan-bahan yang ada di dalam formulasi. Pada penelitian ini dilakukan karakterisasi bahan penyusun utama pressed powder yaitu filler dan binder (emollient) agar dapat menghasilkan formulasi dengan performa terbaik yang sesuai dengan kebutuhan dan keinginan konsumen.Didapatkan hasil bahwa viskositas emollient mempengaruhi sudut kontak/wettability terhadap permukaan powder, di mana viskositas berbanding terbalik dengan wettability. Terdapat powder yang rapuh (mica, sericite) dan powderyang kuat (talc, titan, LL) berdasarkan nilai uji daya jatuh (drop test). Powder dengan nilai drop test yang baik cenderung memiliki nilai sensory yang buruk, begitu pula sebaliknya. Hal ini dipengaruhi oleh kompatibilitas dan daya adhesi dari filler-binder.

---

Face powder is used to cover skin imperfections, control oil, give skin softness and a matte finish. The powder gives a good long-lasting effect on foundation makeup and has oil absorbing properties which are especially useful for oily skin types. Face powder consists of several product mixtures, for example, talc and sericite as fillers (to help spread), kaolin (to provide moisture-absorbing qualities), magnesium stearate (to provide adherence), zinc oxide and titanium oxide (to help cover the skin thoroughly), and pigments (for color). In addition, mica in the powder formulation serves to improve skin feel, product application, and skin adhesion. Face powder also contains surface-modified fillers, which are mostly organic polymers (collagen, elastin, and vitamin E). The powder also contains 10% - 20% organic texture agents (polymers) or mineral agents (boron nitride and silica), preservatives, anti-oxidants, and perfumes (neutral or sophisticated). Powder preparations in solid form (pressed powder), such as pressed-finishing powder, blush, eye shadow, bronzer, have the same basic raw materials as loose powder, but solid powder uses oil that functions as a binding agent so that the powder can be compressed into a solid form powder (cake). There are several fundamental things that can affect the final result of a compact powder, such as the characteristics, viscosity, wettability, and sensory evaluation of the ingredients in the formulation. In this study, characterization of the main constituents of pressed powder, namely filler and binder (emollient) was carried out in order to produce a formulation with the best performance according to the needs and desires of consumers. It was found that the viscosity of the emollient affects the contact angle/wettability of the powder surface, where the viscosity is inversely proportional to the wettability. There are brittle powders (mica, sericite) and strong powders (talc, titan, LL) based on drop test values. Powders with good drop test scores tend to have poor sensory values, and vice versa. This is influenced by the compatibility and adhesion of the filler-binder."

"Fetal Alcohol Spectrum Disorder (FASD) adalah kumpulan kelainan pada anak-anak yang disebabkan oleh konsumsi alkohol prenatal dari ibu, yang dapat menyebabkan masalah fisik dan pembelajaran. Salah satu masalah dengan FASD adalah gejalanya mirip dengan penyakit pada bayi lainnya, sehingga sulit untuk didiagnosis. mahasiswa dari Universitat Duisburg-Essen membuat aplikasi android untuk membantu mendiagnosis dan menyimpan catatan pasien FASD. Namun demikian, ada beberapa perbaikan yang perlu dilakukan, salah satunya adalah meningkatkan pengukuran fitur fisiognomi bayi yang baru lahir. Salah satu opsi yang diusulkan untuk meningkatkan pengukuran adalah dengan menerapkan algoritma Face Landmark untuk mengukur fitur fisiognomik. Ada banyak program face landmark yang tersedia, termasuk FaceONNX dan DLIB. Skripsi ini akan membandingkan FaceONNX dan DLIB untuk meningkatkan algoritma pengukuran dari prototipe aplikasi pertama.

---

Fetal Alcohol Spectrum Disorder (FASD) is a group of disorders in children caused by the mothers' prenatal alcohol consumption, which can cause physical and learning issues. One problem with FASD is that its symptoms are identical to those of other new-born baby disorders, making diagnosis challenging. A student from Universitat Duisburg-Essen made an android application to help diagnose and saves FASD patient records. However, there are several improvements that needs to be done, one of them is improving measurements of the physiognomics features of the new born baby. One option proposed to improve the measurement is to apply the Face Landmark algorithm to measure the physiognomics features. There are numerous facial landmark libraries available, including FaceONNX and DLIB. This bachelor thesis is going to compare both FaceONNX and DLIB in order to improve the measurement algorithm from the first application prototype."

"Data kehadiran adalah data yang penting baik di lingkup sekolah, universitas, maupun perkantoran untuk karyawan. Presensi yang berupa tandatangan dapat dipalsukan oleh siapa saja dan kapan saja. Sehingga dibutuhkan sebuah perangkat yang dapat mempermudah proses absensi sekaligus mendeteksi keterlambatan siswa/pegawai sebelum memasuki ruangan. Skripsi ini mengembangkan Smart Presence System berbasis Face Recognition dengan machine learning yang dirancang dengan komputasi pada awan (Cloud Computing) dan komputasi pada sebuah node/titik (Fog Computing). Skripsi ini melakukan perbandingan performa Smart Presence System yang dibangun dengan Cloud Computing menggunakan layanan AWS Face Rekognition dan Fog Computing yang ditulis menggunakan bahasa Python dengan library OpenCV yang menggunakan perangkat Raspberry Pi sebagai titik komputasi. Penulis telah melakukan pengujian perbandingan waktu komputasi, penggunaan memori, serta penggunaan biaya antara Cloud Computing dan Fog Computing. Pengujian waktu komputasi dilakukan dengan menggeser router/titik uji sejauh 3 meter, 5 meter dan 7 meter dari sensor kamera. Pengujian waktu komputasi pada Cloud Computing didpat sebesar 11.02 detik, 2.99 detik dan 3.02 detik dengan total penggunaan memori sebesar 0.0042 MB dan total biaya yang diperlukan untuk membangun rancangan Cloud Computing sebesar Rp2.819.516 dalam penggunaan 12 bulan. Dan rata-rata waktu untuk komputasi pada fog sebesar 0.723 detik, 0.99 detik, 1.94 detik dengan total penggunaan memori sebesar 540MB dan total biaya untuk membangun rancangan ini sebesar Rp2.220.00 dalam penggunaan 12 bulan.

---

Attendance document is an important thing in schools, universities, and offices for employees. Attendance is usually done by giving a signature on a piece of paper, and it can be forged by anyone. In school, attendance is usually done manually by the teacher and it takes time. So we need a device that can simplify the attendance process and can not be forged. This thesis has developed a Smart Presence System with machine learing designed with Cloud Computing and Fog Computing. This Thesis compared the performance of The Smart Presence System that built with Cloud Computing using AWS Rekognition and Fog Computing that built in Raspberry pi and written in python and library Opencv. The author has tested the comparison of Cloud Computing and Fog Computing in Computing Time, Memory usage and Cost. Computing time testing is done by shifting the router/test point as far as 3 meters, 5 meters, and 7 meters. The computing time on Cloud Computing were 11.02s, 2.99s, and 3.02s with total memory usage of 0.0042MB and the total cost is Rp.2.819.516 in 12 months of use. And The computing time on Fog Computing were o.72s, 0.99s, and 1.94s with the total memory usage of 540MB and the total cost to build this architecture is Rp2.220.000 in 12 months of use."

"Tesis ini berfokus pada strategi bertutur dalam forum daring. Data dalam penelitian ini adalah tuturan tertulis yang diambil dari diskusi yang terjadi di utas “Konsultasi: Problematika dengan Pacar”, dalam forum daring Female Daily, pada bulan Oktober 2014. Penelitian kualitatif dengan ancangan pragmatik ini bertujuan untuk menunjukkan bagaimana penanya dan penanggap dalam diskusi menggunakan strategi kesantunan. Hasil penelitian memperlihatkan bahwa penanya dan penanggap menggunakan empat strategi kesantunan yang dirumuskan oleh Brown dan Levinson (1987, 1996), yaitu bertutur terus terang tanpa basa-basi, bertutur terus terang dengan basa-basi kesantunan positif, bertutur terus terang dengan basa-basi kesantunan positif, dan bertutur secara samar. Secara umum, penanya lebih banyak menggunakan strategi bertutur terus terang dengan basa-basi kesantunan positif dan penanggap menggunakan dua strategi bertutur, yaitu terus terang dengan basa-basi kesantunan positif dan bertutur terus terang dengan basa-basi kesantunan negatif. Hal tersebut menunjukkan bahwa penanya cenderung mengakrabkan diri dengan penanggap dan penanggap juga berupaya untuk dapat melindungi muka penanya dari keterancaman dengan mengakrabkan diri dengan penanya dan membebaskan penanya dari pembebanan yang mungkin ditimbulkan dari pendapat atau saran yang diberikan oleh penanggap.

---

This thesis focuses on politeness strategies in an online forum. The data in this study is a written speech taken from the discussions in the thread "Consultation: Problems with Boyfriend", in the online forum Female Daily, in October 2014. The qualitative research under pragmatics approach examined how the enquirers and respondents in the discussion using politeness strategies. The results show that the enquirers and respondents utilized four politeness strategies formulated by Brown and Levinson (1987, 1996), namely on record, positive politeness, negative politeness, and off record. The results show that the enquirers used a mainly positive politeness strategy and the respondents used both positive politeness and negative politeness strategies in an attempt to protect the face of the enquirers from being threatened. By highlighting friendliness with the questioner and at the same time also avoiding giving offense by showing deference, freed the questioner from the burden that may have arisen from the opinion or suggestion given by the respondent."

"A new approach for detecting faces in a digital image with unconstrained background has been developed

---

"

"ABSTRAKWajah adalah bagian tubuh dari manusia yang mempunyai peranan penting dalam memberikan sebuah ciri khas untuk membedakan satu dengan yang lainnya. Di wajah terdapat 4 indera, dimana itu dapat menjadikan sebuah informasi terkait dengan identitas dari setiap pemilik wajah untuk membedakannya. Pengenalan wajah pada saat ini sangatlah penting untuk melakukan berbagai hal dalam kepentingan yang berbeda-beda. Teknologi pengenalan wajah memiliki sifat yang lebih fleksibel, otomatis, dan mudah dilakukan dibanding dengan teknologi biometrik pengenalan sidik jari atau retina. Oleh karenanya saya merancang sebuah sistem deteksi kehadiran berbasis pengenalan wajah yang bisa digunakan sebagai alternatif dari sistem kehadiran yang sudah ada, seperti finger print, kartu rfid, pemindahan retina, dan sebagainya. Pada sistem ini dirancang sebuah teknologi pemindahan Face Recognition untuk sistem deteksi kehadiran berbasis Raspberry Pi sehingga lebih praktis dalam penerapannya. Dengan menerapkan algoritma dari Haar cascade dan berbagai metode yaitu Histogram of Oriented Gradients (HOG) dan Support Vector Machine (SVM) untuk face detection. Dalam penerapan face recognition menggunakan perbandingan dari deep metric network 128 vector dengan citra wajah sample. Sistem ini menghasilkan nilai Accuracy sebesar 86,67%

---

ABSTRACT

The face is a part of the human body that has an important role in providing a characteristic to distinguish one from another. On the face there are 4 senses, which can make an information related to the identity of each face owner to distinguish them. Face recognition at this time is very important to do various things in different interests. Face recognition technology has properties that are more flexible, automatic, and easy to do compared to biometric fingerprint or retina recognition technology. Therefore I designed a face recognition system based on face recognition that can be used as an alternative to an existing attendance system, such as finger print, rfid cards, retinal removal, and so on. In this system a Face Recognition removal technology is designed for Raspberry Pi based presence detection systems so that it is more practical in its application. By applying the algorithm of the Haar cascade and various methods namely Histogram of Oriented Gradients (HOG) and Support Vector Machine (SVM) for face detection. The application of face recognition uses a comparison of a 128 vector deep metric network with a sample face image. This system produces an Accuracy value of 86.67%."