Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Sekolah memainkan peran penting dalam penularan COVID-19, oleh karena itu memahami proses penularan di sekolah dapat meningkatkan kemampuan untuk merencanakan intervensi yang efektif dalam menanggapi andemic COVID-19. Penelitian ini bertujuan untuk mengetahui kesiapan sekolah dasar negeri dalam upaya penerapan protokol kesehatan untuk Pembelajaran Tatap Muka (PTM) terbatas pada masa pandemic COVID-19 di Kabupaten Bogor. Penelitian ini menggunakan jenis data kualitatif dengan desain non eksperimental dan comparative descriptive pada rentang waktu dari bulan April-Juni 2022. Metode pengumpulan data dilakukan dengan cara telaah dokumen, observasi, wawancara mendalam terhadap 13 informan dari sekolah maupun guru dan Focus Group Discussion (FGD) terhadap 8 informan dari siswa. Hasil penelitian menunjukan bahwa PTM terbatas yang dilakukan oleh Dinas Pendidikan Kabupaten Bogor pada 4 SDN dari 4 kecamatan tersebut sudah diterapkan dengan perencanaan matang, pelaksanaan yang cukup terarah, dan rutin melakukan evaluasi kegiatan PTM terbatas meskipun ada beberapa hambatan yang dialami sehingga belum dapat memenuhi semua persyaratan SKB 4 Menteri Tahun 2021 secara penuh. Berdasarkan hasil penelitian menyarankan bahwa Dinas Pendidikan Kabupaten Bogor maupun sekolah agar melakukan peningkatan kualitas dan kuantitas dalam penyebaran informasi, pengawasan sekaligus penegakan disiplin, sosialisasi terkait dengan peningkatan daya tahan tubuh, serta melakukan evaluasi dalam mempersiapkan PTM dengan acuan regulasi terbaru yaitu SKB 4 Menteri tahun 2022. .......Schools play an important role in Covid-19 transmission, therefore understanding the transmission pattern helps improve capability in planning effective intervention to address covid-19 pandemic. This study aims to define public schools preparedness in implementing the health protocol for limited Face-to-face meeting during Covid-19 pandemic in Bogor District. This study uses qualitative data types with non-experimental and comparative descriptive designs was conducted during April-June 2022. Data was derived from documents review, observation, and in-depth interview to 13 informants from schools including teachers, Focus Group Discussion (FGD) with 8 students. This study shows that the implementation of Face-to-face meeting, organized by the education authorities in 4 schools from 4 villages has been well-planned, focused, and has routinely conducted evaluation, despite the hurdles in achieving SKB 4 2022 requirements. This study suggests Bogor District Education Authorities and schools to keep increasing both quality and quantity in distributing information, monitoring and enforcing discipline. Socializing the way to improve immunity, and doing evaluation in planning PTM according to new regulation, SKB from 4 Ministries 2022.

Abstrak :
Dalam sistem presensi konvensional, seringkali terjadi kecurangan dalam proses presensi baik itu yang menggunakan RFID ataupun manual dengan tanda tangan. Begitu pula dengan presensi menggunakan teknologi pengenalan wajah juga terjadi kecurangan dengan menggunakan foto gambar wajah atau rekaman video,  Oleh karena itu, penelitian ini mengusulkan penggunaan algoritma Deep Learning untuk mendeteksi serangan face spoofing dalam sistem presensi berbasis wajah. Pada pengimplementasiannya digunakan Raspberry Pi 4 Model B agar lebih efektif dan efisien dalam penerapannya. Metodologi yang digunakan dalam penelitian ini adalah dengan mengumpulkan dataset wajah asli dan palsu, kemudian dilakukan proses pelatihan menggunakan algoritma Deep Learning. Algoritma Deep Learning sudah terkenal efektif dalam mengenali fitur wajah. Dataset yang digunakan dalam penelitian ini adalah kombinasi antara dataset wajah asli dan palsu yang dikumpulkan dari berbagai sumber. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa penggunaan teknologi pengenalan wajah dengan penerapan algoritma Deep Learning sebagai Face Anti-Spoofing (FAS) mampu mendeteksi serangan face spoofing dalam sistem presensi berbasis wajah. Hal ini terlihat dari tingkat keakuratan yang diperoleh dari proses pengujian yang dilakukan pada sistem presensi yang dikembangkan. Diharapkan sistem presensi ini dapat diimplementasikan secara luas untuk meningkatkan keamanan dan keandalan dalam sistem presensi berbasis wajah. ......In conventional attendance systems, cheating often occurs in the attendance process, whether using RFID or manual methods with signatures. Similarly, in attendance systems that utilize facial recognition technology, cheating can occur through the use of facial photos or video recordings. Therefore, this research proposes the use of Deep Learning algorithms to detect face spoofing attacks in facial-based attendance systems. For implementation, Raspberry Pi 4 Model B is employed to enhance effectiveness and efficiency. The methodology utilized in this study involves collecting genuine and fake face datasets, followed by training processes using Deep Learning algorithms. Deep Learning algorithms are renowned for their effectiveness in recognizing facial features. The dataset used in this research is a combination of genuine and fake face data collected from various sources. The results obtained from this research demonstrate that employing facial recognition technology with the application of Deep Learning algorithms as Face Anti-Spoofing (FAS) is capable of detecting face spoofing attacks in facial-based attendance systems. This is evident from the accuracy achieved during the testing process conducted on the developed attendance system. It is hoped that this attendance system can be widely implemented to enhance security and reliability in facial-based attendance systems.

Abstrak :
Identitas diri seseorang dalam jejaring sosial menjadi hal penting terutama ketika ingin mengenali siapa sebenarnya orang tersebut. Pencarian identitas diri dapat dengan mudah dilakukan melalui pencarian dalam situs search engine ataupun situs jejaring sosial yang ada pada komputer atau laptop. Metode ini sepertinya bukan merupakan hal yang efektif dan praktis seiring berkembangnya perangkat mobile dalam masyarakat seperti smartphone dan tablet. Untuk itu, dirancang sebuah sistem pengenalan wajah pada perangkat mobile. Sistem ini dirancang dalam bentuk aplikasi yang dikembangkan pada perangkat mobile Android. Penggunaan Android Face Detector API akan bertindak sebagai pustaka dalam proses deteksi wajah pada perangkat mobile sebelum melakukan proses offloading ke layanan komputasi awan. Hasil implementasi berupa modul deteksi wajah pada perangkat mobile dan modul pengenalan wajah (offloading) yang memanfaatkan layanan komputasi awan dengan bantuan komunikasi Representational State Transfer (REST). Hasil pengujian sistem pada perangkat mobile menunjukkan bahwa total waktu pengenalan wajah sebesar 7,45 detik dengan waktu deteksi wajah (onloading) 0,45 detik dan waktu proses offloading 7 detik. ......The identity of a person in social networking becomes very important especially when we want to identify a person. Search for detailed-identity can be easily conducted through searching using the search engine sites or existing social networking website using computer or laptop. This method is not effective and practical when we consider the development of mobile device technology in the community such as smartphone and tablet. Therefore, designed a face recognition system on mobile devices. The system is designed in the form of an application developed on Android mobile devices. The use of Android Face Detector API will act as libraries in the process of face detection before performing the offloading stage. This paper describes the implementation of the facial detection module on mobile device and face recognition module (offloading) using cloud computing service with REST communication. The result of testing on mobile device indicates that total computation time for face recognition system reached 7,45 seconds with the onloading process 0,45 seconds and the offloading process 7 seconds.

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

Abstrak :
Sejak dahulu manusia selalu berusaha untuk menemukan dan menjabarkan konsep tentang kriteria wajah cantik. Pemikiran tersebut terus berubah seiring dengan berjalanannya waktu, yang banyak dipengaruhi oleh faktor etnik, ras, ekonomi, agamalkeyakinan dan kebudayaan. Pada jaman Renaisance Yunani para ahli berusaha menjabarkan wajah cantik dan menarik secara estetika. Estetika berasal dart bahasa Yunani, aisthesis yang berarti keindahan/kecantikan. Bangsa Yunani menganggap konsep cantik meliputi filosofi dan penampilan fisik. Mereka menciptakan figur Venus de Milo sebagai gambaran klasik dari proporsional cantik dengan berdasarkan Classical Greek Canon namun Classical Greek Canon/Neoclassical Canon tidak dapat sepenuhnya diaplikasikan pads semua ras dan etnik. Salah satu karya Leonardo da Vinci (menggunakan metode Neoclassical Canon) menghasilkan lukisan wajah perempuan yang proporsional dan ideal. Menurut Leonardo da Vinci wajah seimbang harus dapat dibagi tiga dengan perbandingan yang sama, yaitu antara garis rambut frontal dengan garis supra orbital (Trichion-Glabella), garis supra orbital dengan dasar hidung (Glabella-Subnasal), dan dasar hidung serta Ujung bawah dagu (Subnasal Menton). Konsep menarik dan cantik telah banyak didiskusikan oleh ahli bedah namun definisi obyektif sulit dijabarkan. Pada wajah estetika, menarik meliputi kombinasi kualitas wajah, seimbang, proporsional, simetri, harmoni dan nilai budaya yang berlaku. Dewasa ini banyak diusahakan metode analisis yang lebih konsisten. Antropometri wajah adalah pengukuran terhadap setiap bagian dari wajah, meliputi nilai ukuran/proporsi secara vertikal, horizontal dan sudutlangulasi pada setiap bagian wajah. Antropometri dapat dilakukan dengan berbagai macam cara antropometri, yaitu antropometri secara langsung, antropometri dengan hasil dokumetasi (fotogrammetri), atau pun antropometri berikut radiografi wajah dan kepala (sefalometri). Perangkat tersebut dapat membantu perencanaan estetika, rinoplasti dan/atau operasi rekonstruksi. Berdasarkan pengukuran antropometri, atau pun fotogrammetri yang telah dilakukan terhadap beberapa ras menunjukkan perbedaan ukuran analisis wajah pada setiap ras dan etnik. Pembentukan kontur wajah selain dipengaruhi oleh faktor genetik juga dipengaruhi oleh faktor ekologi, seperti jenis makanan dan iklim tempat tinggal. Oleh karena itu dapat ditemukan ciri khas kontur wajah bagi suatu ras atau populasi pada daerah tertentu. Analisis dan proporsional wajah telah banyak dibahas pada bangsa Kaukasia dan Afrika Amerika namun hanya sedikit data mengenai bangsa Asia. Farkas melaporkan 132 nilai pengukuran antropometri wajah pada perempuan dan laki-laki Amerika Utara (Kaukasia). Chou melaporkan 29 nilai pengukuran antropometri wajah pada orang Korea. Analisis wajah merupakan langkah pertama dalam mengevaluasi pasien yang datang, baik untuk prosedur rekonstruksi maupun kosmetika wajah. Operasi wajah demi tujuan estetika pada orang Asia akan menjadi tidak proporsional bila mengacu pada data dan ukuran Kaukasia. Lebih lanjut banyak bangsa Asia yang ingin tetap mempertahankan wajah etnik asli mereka setelah dioperasi. Tantangan bagi para ahli bedah adalah untuk tetap mempertahankan etnik bentuk wajah yang asli dan memperbaiki bagian yang tidak proporsional terhadap keseluruhan bentuk wajah. Analisis wajah dapat menjadi lebih mudah dilakukan dengan menggunakan teknik fotogrammetri yaitu pengukuran antropometri wajah dengan menggunakan hasil dokumentasi Rhinobase Software merupakan perangkat yang dapat membantu proses fotogrammetri, dimana hasil foto akan dianalisis dengan menggunakan perangkat ini. Banyak manfaat yang dapat diperoleh dari Rhinobase Software. Selain berguna untuk fotogrammetri, perangkat tersebut dapat pula membantu ahli bedah dalam menyimpan keseluruhan data pasien (anamnesis, pemeriksaan fisik, fotogrammetri, rencana operasi, dan hasil operasi).

Abstrak :
Penggunaan masker wajah sekali pakai sudah menjadi kebutuhan dan kebiasaan sejak merebaknya wabah COVID-19. Pembuangan dan pengelolaan yang tidak tepat menimbulkan jejak sampah yang dapat berpotensi sebagai sumber pencemar di lingkungan. Penelitian ini bertujuan menganalisis potensi dampak pencemaran sampah masker wajah sekali pakai skala rumah tangga, menganalisisis peran dan persepsi masyarakat serta peran pemerintah daerah di Kecamatan Cinere untuk menyusun strategi keberlanjutan pengelolaan sampah masker wajah sekali pakai. Metode yang digunakan dalam penelitian ini adalah Structural Equation Modeling (SEM), Strength, Weakness, Opportunities, Threats (SWOT) dan analisis statistik deskriptif kualitatif. Hasil penelitian menunjukkan rata-rata penggunaan masker wajah sekali pakai di Kecamatan Cinere sebesar 2 buah/hari dengan berat sebesar 3,54 gram dan diperkirakan masyarakat Kecamatan Cinere menghasilkan sampah masker wajah sekali pakai sebesar 106.739 buah/hari dengan tingkat pelepasan mikroplastik mencapai >93,93 miliar/hari. Dapat disimpulkan persepsi dan peran masyarakat serta peran pemerintah daerah berpengaruh terhadap potensi pencemaran sampah masker wajah sekali pakai di lingkungan dengan strategi yang tepat adalah turn around. ......The use of disposable face masks has become a necessity and a habit since the outbreak of COVID-19. Improper disposal and management creates a trail of waste that can potentially be a source of pollution in the environment. This study aims to analyze the potential impact of household-scale disposable face mask waste pollution in Cinere District to develop a sustainable strategy for disposable face mask waste management. The method used in this research is Structural Equation Modeling (SEM), Strength, Weakness, Opportunities, Threats (SWOT) and qualitative descriptive statistical analysis. The results showed that the average use of disposable face masks in Cinere District was 2 pieces/day with a weight of 3.54 grams and it was estimated that the people of Cinere District produced 106,739 disposable face mask waste with a microplastic release rate reaching >93.93 billion/day. It can be concluded that the perception and role of the community and the government are very important and impactful on the potential of pollution of disposable face mask waste in the environment and the right strategy to tackle this issue is turn-around.

Abstrak :
Intervensi yang sedang populer di kalangan perempuan sebagai rekonstruksi wajah tanpa operasi yaitu tanam benang atau tarik benang. Akupunktur tanam benang adalah salah satu jenis tindakan akupunktur yang memanfaatkan benang yang dapat diserap, yang melekat pada jarum. Kerusakan jaringan akibat penusukan dan penyisipan benang menghasilkan reaksi inflamasi aseptik dan akhirnya mendorong regenerasi jaringan sekitar. Meskipun akupunktur tanam benang telah banyak dilakukan untuk kasus-kasus tertentu, terutama untuk kasus kosmetika, namun masih kurangnya bukti mengenai keamanannya baik di Korea, yang merupakan negara yang mempopulerkan teknik ini. Infeksi, reaksi terhadap benang yang dianggap benda asing oleh tubuh, nodul subkutan atau eritem, gatal, reaksi inflamasi akibat mikrotrauma saat penusukan dan penyisipan adalah hal-hal yang mungkin terjadi dalam tindakan akupunktur tanam benang ini. Dari hasil penelitian didapatkan bahwa ada 4 subyek (30,77%) yang merasakan 1 jenis tanda kardinal inflamasi, 3 subyek (23,08%) yang merasakan 3 jenis tanda inflamasi, 5 subyek (38,46%) yang merasakan 4 jenis tanda kardinal inflamasi dan 1 subyek (7,69%) yang merasakan semua jenis tanda kardinal inflamasi. Bila dilihat dari tanda kardinal, maka 100% pasien mengalami dolor, 6 pasien mengalami kalor, 7 pasien mengalami rubor dan tumor, serta 5 pasien mengalami fungsio lesa. Nilai FACE-Q untuk domain penampilan wajah dan kualitas hidup terkait dengan kesehatan cukup tinggi reratanya, sedangkan untuk dampak buruk cukup rendah reratanya. Untuk uji korelasi antara perubahan kerutan nasolabial dengan nilai FACE-Q tidak ada korelasi. Dapat disimpulkan bahwa prosedur akupunktur tanam benang relatif aman dan minimal efek samping serta memberi penilaian subyektif yang tinggi. ......An intervention that is popular with women as face reconstruction without surgery is planting threads or pulling threads. Thread acupuncture is one type of acupuncture that utilizes absorbable thread attached to the needle. Tissue damage due to puncturing and insertion of threads results in aseptic inflammatory reactions and ultimately encourages the regeneration of surrounding tissue. Although yarn acupuncture has been used for certain cases, especially for cosmetics, there is still a lack of evidence regarding its safety either in Korea, which is a country that popularized this technique. Infection, reactions to threads that are considered foreign bodies by the body, subcutaneous nodules or erythema, itching, inflammatory reactions due to microtrauma during pricking and insertion are things that might occur in this thread acupuncture action. The results showed that there were 4 subjects (30.77%) who felt 1 type of cardinal inflammation sign, 3 subjects (23.08%) who felt 3 types of inflammatory sign, 5 subjects (38.46%) who felt 4 types of signs cardinal inflammation and 1 subject (7.69%) who felt all kinds of inflammatory cardinal signs. When viewed from the cardinal sign, then 100% of patients experience color, 6 patients experience heat, 7 patients experience rubles and tumors, and 5 patients experience fatigue. The FACE-Q value for the domain of facial appearance and quality of life associated with health is quite high, while for adverse effects it is quite low. For the correlation test between changes in nasolabial wrinkles with the FACE-Q value there is no correlation. It can be concluded that the thread acupuncture procedure is relatively safe and minimizes side effects and gives a high subjective assessment.

Abstrak :
Kombinasi thumbnail dan judul pada portal berbagi video sangat berguna untuk memberikan gambaran mengenai isi video. Tetapi, terdapat juga thumbnail yang bersifat clickbait yang lebih bertujuan memancing masyarakat untuk menonton video. Bahkan terdapat clickbait thumbnail yang dibuat untuk menyesatkan masyarakat dengan agenda untuk membangun opini tertentu. Untuk membatasi variasi pada dataset permasalahan dipersempit pada clickbait thumbnail yang mengandung ujaran kebencian terhadap dai. Thumbnail yang dipilih sebagai dataset terdiri dari foto satu orang atau lebih dengan disertai teks narasi. Dari thumbnail diperoleh informasi berupa identitas individu dengan menggunakan face recognition dan teks narasi dengan menggunakan optical character recognition. Untuk mengolah teks narasi dari thumbnail dan judul video digunakan teknik analisis sentimen. Dibangun model machine learning dengan data yang diperoleh dari identitas, teks narasi dan judul video dengan menggunakan model SVM. Evaluasi terhadap model machine learning dilakukan dengan validasi silang 5-fold. Evaluasi menghasilkan akurasi 0.968, sensitivitas 0.968, nilai presisi 0.9698 dan F1-Score 0.967. ......The combination of thumbnails and titles on video sharing portals is effective for providing an overview of the content of the video. However, there are also clickbait thumbnails that are more intended to lure people into watching the videos. There are even clickbait thumbnails created to mislead the public with an agenda to build a particular opinion. To limit the variation in the dataset the problem was narrowed down to clickbait thumbnails containing hate speech against dai. Thumbnails selected as datasets consist of photos of one or more people accompanied by narrative text. From the thumbnails, information is obtained in the form of individual identities using face recognition and narrative texts using optical character recognition. To process narrative text from thumbnails and video titles, sentiment analysis techniques are used. A machine learning model was built with data obtained from identity, narration text, and video titles using the SVM model. Evaluation of the machine learning model is carried out with 5-fold cross-validation. The evaluation resulted in an accuracy of 0.968, a sensitivity of 0.968, a precision value of 0.9698, and an F1-Score of 0.967

Abstrak :
ABSTRAK
Dalam beberapa tahun terakhir, kemajuan besar telah terjadi pada sistem pengenalan wajah. Banyak model yang telah diusulkan. Pada penelitian ini, uji coba dilakukan dengan model tertentu. Teknik Logarithm Transformation pertama-tama diterapkan untuk meningkatkan kualitas gambar wajah dan mengatasi variasi pencahayaan. Selanjutnya dilakukan proses ekstraksi fitur wajah dari gambar berdasarkan Singular Value Decomposition SVD . Nilai singular diambil sebagai fitur yang diasumsikan merepresentasikan gambar citra wajah. Kemudian, algoritma K-Nearest Neighbors KNN dijalankan untuk proses klasifikasi, sehingga menghasilkan persentase tingkat akurasi program. ORL faces database dipilih untuk menguji model program pengenalan wajah. Dalam penelitian ini, data uji menggunakan hasil ektraksi fitur SVD dibandingkan dengan data uji tanpa ekstraksi fitur. Dari hasil uji coba, diperoleh bahwa penggunaan data uji menggunakan hasil ekstraksi fitur SVD menghasilkan proses running time yang lebih cepat dibandingkan dengan menggunakan data tanpa ekstraksi fitur. Namun persentase tingkat akurasi rata-rata tertinggi yang didapatkan pada setiap iterasi terpilih, lebih baik hasilnya dengan data uji tanpa ektraksi fitur, yaitu sebesar 98,34 pada 90 data training, dibandingkan dengan data uji hasil ektraksi fitur SVD yang memperoleh persentase tingkat akurasi rata-rata sebesar 82,82 pada 90 data training.

---

ABSTRACT
In the past several years, major advances have occurred in face recognition system. Many models have been proposed. In this paper, the experiments were carried out with a particular model. The Logarithm Transformation LT technique is firstly applied to enhance the face image and handling lighting variations of face image. Furthermore, extract the feature of the face image based on Singular Value Decomposition SVD . The singular value is taken as a feature that is assumed to represent the face image. Then, K Nearest Neighbors KNN algorithm is run for the classification process, so it generates an accuracy of program. ORL database was chosen to test the model of face recognition program. In this research, data using the feature extraction were compared to the data without feature extraction. From the test results, it was found that the use of test data using feature extraction has a faster running time than using data without feature extraction. However, the highest rate of average accuracy that obtained on each chosen iteration, the result is better with the test data without feature extraction, that is 98.34 at 90 data training, compared to the test data using feature extraction which has average accuracy level of 82.82 at 90 of data training.