Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pelacakan kontak COVID-19 merupakan salah satu solusi preventif untuk memperlambat penyebaran virus. Beberapa negara telah menerapkan pelacakan kontak manual dan juga pelacakan digital menggunakan aplikasi smartphone. Pada penelitian ini dibangun perangkat sistem pelacakan kontak COVID-19 berbasis kedekatan menggunakan teknologi BLE (Bluetooth Low Energy) berfokus pada pelacakan dan pengendalian penyebaran virus di komunitas lokal. Perangkat terdiri dari perangkat pengirim sinyal (tag) dan perangkat penerima sinyal (scanner). Misalkan perangkat sistem diterapkan di sebuah pabrik, tag akan digunakan oleh karyawan dengan diletakkan di saku depan baju karyawan pabrik atau dikaitkan di baju. Tag akan secara terus-menerus mengirimkan sinyal yang akan terbaca oleh scanner. Sinyal yang diterima ini dengan format receive signal strength indicator (RSSI) akan digunakan untuk menghitung jarak antara scanner dan tag. Kemudian jarak tersebut akan digunakan untuk menentukan titik koordinat dari tag dengan perhitungan menggunakan algoritma trilateration. Setelah itu jarak antar tag dapat diperoleh, namun dengan adanya fluktuasi sinyal tidak dapat diperoleh titik koordinat yang sebenarnya. Sedangkan informasi kedekatan masih bisa diperoleh dengan menyaring data jarak yang kurang dari nilai ambang jarak, 2 meter, kemudian membandingkan data tersebut dengan data keseluruhan pada selang waktu yang ditentukan, sehingga menghasilkan nilai persentase. Persentase yang tinggi, diatas 80%, menunjukkan adanya kedekatan antar tag.

---

COVID-19 contact tracing is a preventive solution to slow the spread of the virus. Several countries have implemented manual contact tracing as well as digital tracking using smartphone applications. A proximity-based COVID-19 contact tracing system device using BLE (Bluetooth Low Energy) technology focuses on tracking and controlling the spread of the virus in local communities. The device consists of a signal sending device (tag) and a signal receiving device (scanner). Suppose a system device is implemented in a factory, the tag will be used by employees by placing it in the front pocket of the factory employee's clothes or hooked on the shirt. The tag will continuously send a signal that will be read by the scanner. This received signal with the receive signal strength indicator (RSSI) format will be used to calculate the distance between the scanner and the tag. Then the distance will be used to determine the coordinate point of the tag with calculations using the trilateration algorithm. After that, the distance between tags can be obtained, while with signal fluctuation the actual coordinate point cannot be obtained, but proximity information can still be obtained by filtering distance data at a specified time interval which is less than the threshold value of the distance, 2 meters, then comparing the data with the overall data, resulting in a percentage value. A high percentage, above 80%, indicates the closeness between tags."

"Sebagai salah satu organ yang berada di dalam sistem rangka tubuh manusia, tulang merupakan organ yang memiliki kemampuan untuk melakukan regenerasi mandiri. Namun, kapasitas untuk meregenerasi dapat terganggu akibat beberapa faktor seperti usia, besarnya kerusakan, dan penyakit yang diderita. Kemajuan perkembangan di bidang medis memunculkan fenomena pengaplikasian perancah rekayasa jaringan tulang untuk menjadi salah satu solusi. Dalam penelitian ini, perancah dibuat menggunakan campuran antara polyvinyl alcohol (PVA) dengan polycaprolactone (PCL). Kombinasi dilakukan dengan penambahan kandungan zirconia (ZrO2) yang memiliki kekuatan mekanik tinggi dan modifikasi permukaan lewat pelapisan gelatin. Pembuatan perancah digunakan dengan metode freeze dry dan menghasilkan lima variasi kelompok yaitu PVA/PCL, PVA/PCL berlapis gelatin, PVA/PCL/2,5%ZrO2 berlapis gelatin, PVA/PCL/5%ZrO2 berlapis gelatin, dan PVA/PCL/7,5%ZrO2 berlapis gelatin. Karakteristik fisika-kimia perancah yang terlihat antara lain perancah memiliki kekuatan tekan di rentang 4 – 19 MPa; bentuk pori perancah terbentuk di rentang 102 – 209 μm dan terbentuk porositas di rentang 67 – 83%; permukaan hidrofilik dengan tingkat swelling di rentang 224 – 452%; dan perancah memiliki laju degradasi yang cukup cepat dengan kehilangan berat di rentang 49 – 77% pada hari ketujuh. Berdasarkan karakteristik fisika-kimia, perancah mampu menyamai kekuatan tekan dan porositas pada tulang sponge. Adanya penambahan zirconia juga berhasil meningkatkan kekuatan mekanik dan memperlambat laju degradasi. Oleh karena itu, perancah PVA/PCL/ZrO2 berlapis gelatin merupakan kandidat yang baik digunakan untuk aplikasi rekayasa jaringan tulang.

---

As a crucial component of the human skeletal system, bone possesses intrinsic self-regenerative capabilities. However, these regenerative capacities can be compromised by factors such as aging, the extent of injury, and the presence of certain diseases. Recent advancements in medical science have led to the development of bone tissue engineering scaffolds as a promising therapeutic solution. In this study, scaffolds were fabricated using a blend of polyvinyl alcohol (PVA) and polycaprolactone (PCL), with the addition of zirconia (ZrO2) for its high mechanical strength, and surface modification through gelatin coating. The scaffolds were produced using the freeze-drying method, resulting in five distinct groups: PVA/PCL, gelatin coated PVA/PCL, gelatin coated PVA/PCL/2,5%ZrO2, gelatin coated PVA/PCL/5%ZrO2, and gelatin coated PVA/PCL/7,5%ZrO2. The scaffolds physicochemical properties were characterized by a compressive strength ranging from 4 to 19 MPa; pore sizes between 102 and 209 μm with porosity levels from 67% to 83%; hydrophilic surfaces with swelling ratios from 224% to 452%; and a rapid degradation rate with a weight loss ranging from 49% to 77% by the seventh day. These physicochemical characteristics indicate that the scaffolds emulate the compressive strength and porosity of cancellous bone. The addition of zirconia significantly enhanced mechanical strength and decelerated the degradation rate. Consequently, gelatin coated PVA/PCL/ZrO2 scaffolds are viable candidates for applications in bone tissue engineering."

"Penyakit pada paru-paru merupakan gangguan yang cukup serius dimana dapat menyerang sistem pernapasan manusia dan bisa berakibat fatal jika tidak ditangani dengan serius. Pada saat ini deteksi penyakit pada paru-paru masih dilakukan secara manual oleh para dokter ahli, namun proses secara manual memakan waktu lama. Oleh karena itu, dalam penelitian ini dibuat sistem yang dapat mendeteksi dan mengklasifikasi penyakit paru-paru dengan otomatis. Dalam penelitian ini akan digunakan dua metode yaitu Support Vector Machine dan Ensemble Bagging Gaussian Naïve Bayes . Data yang digunakan dalam penelitian ini adalah data screening yang berjumlah seratus data pasien, data di dapatkan dari salah satu sumber yang memiliki data primer yaitu salah satu rumah sakit di Yogyakarta. Penelitian ini menggunakan dua belas gejala paru-paru dan diklasifikasikan kedalam lima kelas penyakit paru-paru yaitu tuberkulosis, penyakit paru obstruktif kronis, pneumonia, asma bronkial, kanker paru. Sistem klasifikasi akan di implementasikan menggunakan bahasa pemrograman PHP. Pengujian kinerja klasifikasi menggunakan Confusion Matrix dan aplikasi diuji dengan menggunakan System Usability Scale. Penelitian ini menghasilkan sistem klasifikasi penyakit paru-paru dengan menggunakan metode Support Vector Machine dan Ensemble Bagging Gaussian Naïve Bayes, dari hasil pengujian akurasi Confusion Matrix pada algoritma Support Vector Machine mendapatkan hasil akurasi 93,9% , recall 92%, precison 79%, dan f1 score 54%, sedangkan pada Ensemble Bagging Gausian Naïve Bayes mendapatkan hasil akurasi 88,9 % recall 92%, precision 79%, f1 score 54%, serta pengujian sistem menggunakan metode System Usability Scale nilai yang diperolah sebesar 73 atau mendapatkan grade B.

---

Lung disease is a serious disorder that can attack the human respiratory system and can be fatal if not treated seriously. Currently, lung disease detection is still done manually by expert doctors, but the manual process takes a long time. Therefore, in this research a system was created that can detect and classify lung diseases automatically. In this research, two methods will be used, namely Support Vector Machine and Ensemble Bagging Gaussian Naïve Bayes. The data used in this research is screening data consisting of one hundred patient data, the data was obtained from one source that has primary data, namely one of the hospitals in Yogyakarta. This study used twelve lung symptoms and classified them into five classes of lung disease, namely tuberculosis, chronic obstructive pulmonary disease, pneumonia, bronchial asthma, lung cancer. The classification system will be implemented using the PHP programming language. Classification performance testing uses the Confusion Matrix and the application is tested using the System Usability Scale. This research produces a lung disease classification system using the Support Vector Machine method and Ensemble Bagging Gaussian Naïve Bayes, from the results of Confusion Matrix accuracy testing on the Support Vector Machine algorithm, the results are 93.9% accuracy, 92% recall, 79% precision, and f1 score was 54%, while Ensemble Bagging Gausian Naïve Bayes obtained accuracy results of 88.9%, recall 92%, precision 79%, f1 score 54%, and system testing using the System Usability Scale method obtained a score of 73 or got grade B.  "

"Kasus fraktur tulang tanpa disadari sangat umum terjadi di dunia. Hal ini dapat disebabkan oleh faktor eksternal seperti kecelakaan maupun faktor internal seperti usia. Seiring bertambahnya umur, kemampuan tulang untuk meregenerasi dirinya sendiri menjadi semakin berkurang. Oleh karena itu, dibutuhkan intervensi medis berupa perancah untuk membantu proses penyembuhan fraktur pada lansia. Penelitian ini melakukan fabrikasi perancah komposit berbahan dasar polyvinyl alcohol (PVA) dan polycaprolactone (PCL) dengan variasi konsentrasi ZrO2 (zirkonium dioksida) dan modifikasi permukaan perancah menggunakan gelatin. Perancah difabrikasi dengan metode freeze drying. Kombinasi PVA dan PCL dapat membantu memperlambat proses degradasi dalam tubuh, sehingga perancah mampu memberikan topangan hingga tulang sembuh secara sempurna. Penambahan gelatin pada permukaan perancah berfungsi untuk meningkatkan bioaktivitas perancah. Penambahan ZrO2 dilakukan untuk menambah agen antibakterial serta meningkatkan proliferasi sel. Untuk melihat pengaruh penambahan ZrO2 terhadap karakteristik biologis perancah komposit PVA/PCL dengan pelapisan gelatin untuk rekayasa jaringan tulang, dilakukan uji viabilitas serta uji diferensiasi dengan pewarnaan alizarin merah. Hasil uji viabilitas menunjukkan keunggulan pada perancah 2,5% ZrO2 dengan nilai 90,14%, 5% ZrO2 dengan nilai 90,07%, dan 7,5% ZrO2 dengan nilai 89,19% di hari terakhir pengujian. Absorbansi tertinggi untuk hasil uji MTT ditunjukkan pada perancah 5% ZrO2 dengan nilai 0,447, 2,5% ZrO2 dengan nilai 0,388, dan PVA/PCL dengan nilai 0,372. Uji diferensiasi menunjukkan penambahan ZrO2 dengan kadar 2,5% dapat mendukung diferensiasi osteogenik namun hasilnya belum optimal. Penelitian ini memberikan kesimpulan bahwa perancah dengan kombinasi material PVA, PCL, ZrO2, dan gelatin yang dibuat dengan metode freeze dry dan modifikasi permukaan memiliki potensi untuk aplikasi rekayasa jaringan tulang.

---

Cases of bone fractures are very common worldwide. Fractures can be caused by external factors such as accidents, or internal factors such as aging. As people age, the bone’s ability to regenerate itself decreases. Therefore, medical intervention in the form of bone scaffold is needed to help the fracture healing process of the elderly. This study is aiming to fabricate composite scaffolds made from polyvinyl alcohol (PVA) and polycaprolactone (PCL) with various concentration of ZrO2 (zirconium dioxide) and surface modification of the scaffold using gelatin. The scaffold is fabricated using the freeze-drying method. The combination of PVA and PCL can help slow down the scaffold’s degradation inside the body, so that the scaffold will be able to provide support until the bones heal completely. The addition of gelatin to the surface serves to increase the bioactivity of the scaffold. The addition of ZrO2 serves to add antibacterial agents and increase cell proliferation. To see the effect of adding ZrO2 on the biological characteristics of PVA/PCL scaffolds with gelatin coating for bone tissue engineering, assays such as viability assays and osteogenic differentiation with alizarin red staining. Both viability assay shows superior results of 2,5% ZrO2 scaffolds with 90,14% of viability, 5% ZrO2 scaffold with 90,07% of viability, and 7,5% ZrO2 scaffold with 89,19% of viability on the last day of the assay. Absorbance from MTT assay shows superior results of 5% ZrO2 scaffold with a value of 0,447, 2,5% ZrO2 scaffold with a value of 0,388, and PVA/PCL scaffold with a value of 0,372. Osteogenic differentiation assay shows only the 2,5% ZrO2 scaffold is capable of inducing ostegenic differentiation. Hence, the fabrication of bone scaffold with the combination of PVA, PCL, ZrO2, and gelatin using freeze dry method and surface modification has potential to be used for bone tissue engineering."

"Electrical Impedance Tomography (EIT) sebagai alat pencitraan non-invasif dan fungsional semakin banyak digunakan, terutama untuk pemantauan paru-paru. Namun, kompleksitas EIT mengakibatkan waktu pemrosesan yang lambat dan kualitas gambar yang kurang baik, sehingga sulit diterapkan secara real-time. Penelitian ini mengembangkan phantom resistor yang mensimulasikan struktur paru-paru dan meningkatkan kualitas citranya dengan metode segmentasi berbasis AI. Phantom resistor ini mampu meniru impedansi listrik jaringan tubuh pada area paru-paru (kulit 1k ohm, lemak 4.7k ohm, otot 1k ohm, dan paru-paru 2.2k ohm) dan menunjukkan perbedaan citra antara kondisi ekspirasi dan inspirasi dengan nilai mean, standar deviasi, dan varian sampel yang baik. Dataset terdiri dari 594 gambar dengan variasi tipe rekonstruksi, urutan elektroda injeksi, dan posisi, digunakan untuk melatih model segmentasi. Model segmentasi K-means dengan 4 klaster dan U-Net diuji pada phantom resistor paru-paru, menunjukkan akurasi validasi 0.7071 dan kerugian validasi 0.1441, berhasil mensegmentasi jaringan tubuh di sekitar paru-paru. Peningkatan kualitas citra EIT diukur dengan SSIM terbaik sebesar 0.8225 pada segmentasi K-means, meskipun kesamaan perseptual belum dapat ditingkatkan, dengan nilai LPIPS terbaik sebesar 0.1885 pada gambar original hasil rekonstruksi EIT. Penelitian ini menunjukkan bahwa phantom resistor dan segmentasi berbasis AI dapat meningkatkan kualitas citra EIT dan memvalidasi perangkat tanpa pengujian langsung pada manusia.

---

Electrical Impedance Tomography (EIT) as a non-invasive and functional imaging tool is increasingly used, particularly for lung monitoring. However, the complexity of EIT results in slow processing times and poor image quality, making real-time application challenging. This study developed a resistor phantom that simulates lung structure and improves image quality using AI-based segmentation methods. The resistor phantom can mimic the electrical impedance of body tissues in the lung area (skin 1k ohm, fat 4.7k ohm, muscle 1k ohm, and lungs 2.2k ohm) and demonstrates image differences between expiratory and inspiratory conditions with good mean, standard deviation, and sample variance values. A dataset of 594 images with variations in reconstruction type, electrode injection sequence, and position was used to train the segmentation model. Segmentation models using K-means with 4 clusters and U-Net were tested on the lung resistor phantom, showing validation accuracy of 0.7071 and validation loss of 0.1441, successfully segmenting body tissues around the lungs. Improved EIT image quality was measured with the best SSIM value of 0.8225 in K-means segmentation, although perceptual similarity could not be improved, with the best LPIPS value of 0.1885 on the original EIT reconstructed images. This study demonstrates that the resistor phantom and AI-based segmentation can enhance EIT image quality and validate devices without direct human testing."

"Pemerintah Indonesia melalui Undang-Undang Nomor 44 Tahun 2009 mewajibkan semua alat Kesehatan untuk dikalibrasi. Sebagai implementasi dari peraturan tersebut, Kementerian Kesehatan menerbitkan Peraturan Menteri Kesehatan Nomor 54 Tahun 2015 yang mengharuskan alat kesehatan untuk dikalibrasi minimal sekali dalam satu tahun. Defibrillator adalah salah satu alat kesehatan yang berfungsi untuk memberikan kejutan listrik kepada pasien yang mengalami gangguan jantung. Untuk memastikan akurasi dan ketertelusuran metrologi, defibrillator harus dikalibrasi minimal satu kali dalam setahun. Dalam melakukan kalibrasi defibrillator, digunakan perangkat bernama defibrillator analyzer. Seperti halnya defibrillator, defibrillator analyzer juga harus dikalibrasi untuk memastikan akurasi dan ketertelusuran metrology. Metode Monte Carlo digunakan dalam kegiatan kalibrasi defibrillator analyzer dengan menggunakan high voltage differential probe untuk melakukan estimasi ketidakpastian pengukuran. Metode Monte Carlo menggunakan propagasi distribusi dan umumnya memberikan hasil yang lebih dekat dengan kenyataan serta menghasilkan nilai ketidakpastian yang lebih baik. Hasil dari kalibrasi defibrillator analyzer adalah nilai pengukuran (measurand) dengan persentase antara 93% hingga 95%, dan perhitungan ketidakpastian menggunakan Metode Monte Carlo menghasilkan ketidakpastian yang valid sebesar 100%.

---

The Indonesian Government, through Law Number 44 of 2009, mandates calibration for all healthcare equipment. As an implementation of this provision, the Ministry of Health issued Ministerial Regulation Number 54 of 2015 concerning Testing and Calibration of Healthcare Equipment, which requires healthcare equipment to be calibrated at least once a year. A defibrillator is a medical device used to deliver an electric shock to patients with heart problems. To ensure accuracy and metrological traceability, a defibrillator must be calibrated at least once a year. During the calibration of a defibrillator, a device called a defibrillator analyzer is used.

Similar to the defibrillator, the defibrillator analyzer also needs to be calibrated to ensure accuracy and metrological traceability. The Monte Carlo method is used in the calibration of the defibrillator analyzer, utilizing a high voltage differential probe to estimate measurement uncertainty. The Monte Carlo method employs distribution propagation and generally yields results closer to reality, producing better uncertainty values. The result of the defibrillator analyzer calibration is a measurand value (measurement value) ranging between 93% and 95%, and the uncertainty calculation using the Monte Carlo method yields a valid uncertainty value of 100%."

"Sistem pengenalan wajah yang menggunakan pendekatan klasik sejauh ini belum dapat memberikan hasil optimal jika dihadapkan pada tantangan oklusi. Tantangan oklusi yang dikaji pada penelitian ini adalah saat wajah menggunakan masker. Jika seseorang menggunakan aplikasi sistem pengenalan wajah dengan harus membuka masker terlebih dahulu di tempat umum tentunya sangat berbahaya untuk keselamatan dan kesehatan semua pihak. Sehingga dibutuhkan sistem pengenalan wajah yang memiliki performa sistem yang tinggi dengan tantangan oklusi masker. Penelitian ini membangun sistem pengenalan wajah bermasker dengan pendekatan holistic dan partial face. Metode ekstraksi fitur yang digunakan adalah penggabungan metode kurvatur yang menggunakan turunan parsial orde satu dan dua dengan metode analitik seperti gray level co-occurrence matrix (GLCM) dan multi-resolution analysis (MRA) seperti transformasi wavelet diskrit (DWT), scale-space (SS) dan wavelet packet transform (WPT). Pada penelitian ini juga ditemukan kriteria baru (keterbaruan penelitian) yang dinamakan curvature best basis (CBB) untuk memilih basis pada algoritma best basis di dalam WPT. Kriteria baru pemilihan basis terbaik bersifat dinamis dan menggunakan nilai tertinggi dari ukuran statistik standar deviasi dari kurvatur rerata pada koefisien wavelet. Basis terbaik bekerja sebagai fitur terekstraksi yang bekerja di dalam sistem pengenalan. Penelitian ini dievaluasi menggunakan dataset RFFMDS v1.0, RFFMDS v2.0 EYB, dan UBIPr. Hasil penelitian menunjukkan bahwa sistem pengenalan wajah dengan tantangan oklusi masker berhasil dibangun menggunakan pendekatan holistic dengan akurasi pengenalan sistem sebesar 98,11% dan dengan pendekatan partial face dengan akurasi sebesar 98,80%. Kedua hasil akurasi terbaik ini diperoleh dengan metode curvature best basis. Performa sistem pengenalan yang menggunakan metode curvature best basis dengan pendekatan holistic maupun partial face menunjukkan performa tertinggi dibandingkan dengan performa penelitian sebelumnya.

---

The face recognition system has not been able to produce satisfactory results when it applies classical approach to handle occlusion problems. This research evaluated masked face as the occlusion problem. If someone wants to use the face recognition system, he or she needs to take off the mask to accurately use the device. This becomes a risk for the safety to all party. The needs to have a stable high performance face recognition system has arisen. This research built the face recognition system with two approaches, holistic approach and partial face approach. The feature extraction method was combination of curvature of the first and second order of partial derivative and analytical methods such as gray level co-occurrence matrix (GLCM) and multi-resolution analysis (MRA) of discrete wavelet transform (DWT), scale-space (SS), and wavelet packet transform (WPT). A new dynamic criterion inside WPT has been proposed using the highest standard deviation from the mean curvature of wavelet coefficients. The single selected best basis works as extracted feature inside recognition system and it is called curvature best basis. The recognition system was evaluated using RFFMDS v1.0, RFFMDS v1.0 EYB, and UBIPr datasets. The results showed that the accuracy of the holistic approach was 98,11% and the accuracy of the partial face approach was 98,80% for the masked face recognition system. Both results derived from the proposed curvature best basis. The recognition system’s performance with curvature best basis overcome the results from previous works."

"Masalah kesehatan mental semakin menjadi perhatian utama dalam masyarakat saat ini, sehingga manajemen stres menjadi sangat penting untuk menjaga kesejahteraan. Berbagai teknologi untuk mendeteksi stres telah dikembangkan, salah satu metode yang menjanjikan adalah penggunaan imaging photoplethysmography (iPPG) yang diperoleh dari video wajah yang direkam menggunakan kamera konvensional. Penelitian ini bertujuan untuk meningkatkan akurasi klasifikasi stres dengan memanfaatkan sinyal iPPG berbasis kamera web. Dalam penelitian ini, diusulkan dua pendekatan baru pada tahap pra-pemrosesan untuk meningkatkan kualitas deteksi stres. Pendekatan pertama adalah pemilihan Region of Interest (ROI), yang berfokus pada empat area wajah: dahi, pipi kiri, pipi kanan, dan seluruh wajah. Pendekatan kedua adalah penerapan metode frame alignment untuk mengatasi artefak gerakan yang sering kali mempengaruhi kualitas sinyal. Untuk mendeteksi stres, digunakan teknik pembelajaran mesin sebagai metode klasifikasi, dengan parameter utama penanda stres berupa heart rate (HR) dan variabilitas detak jantung heart rate variability (HRV). Data yang digunakan dalam penelitian ini merupakan data primer yang diperoleh dari video wajah 80 peserta, dengan rentang usia 18 hingga 25 tahun. Tugas aritmatika digunakan sebagai pemicu stres, di mana peserta diminta menyelesaikan soal matematika. Proses pengambilan data dilakukan di laboratorium dengan kondisi pencahayaan sebesar 220 lux. Kamera web yang digunakan adalah kamera laptop dengan kecepatan 30 frame per detik (fps). Sebanyak 265 fitur yang berkaitan dengan stres berhasil diekstraksi dari video tersebut, dan data kemudian disegmentasi menggunakan validasi silang 5-fold. Untuk mengurangi noise akibat artefak gerakan, diterapkan metode frame alignment yang menunjukkan perbaikan signifikan dalam mengoreksi noise. Hasil penelitian menunjukkan adanya perbedaan signifikan dalam rata-rata HR antara kondisi stres dan non-stres. Pada parameter HRV, perubahan signifikan ditemukan pada frekuensi rendah Low-Frequency (LF), yang sering dikaitkan dengan respon stres. Beberapa algoritma pembelajaran mesin diuji untuk klasifikasi, dan memberikan hasil akurasi yang tinggi. Decision Tree memperoleh akurasi 0,955 dengan waktu proses 3,13 ms. K-Nearest Neighbors (KNN) akurasi 0,981 dengan waktu proses 2,54 ms, dan Logistic Regression mencapai akurasi 0,985 dengan waktu proses 4,181 ms. Algoritma lain seperti Naïve Bayes akurasi 0,97, waktu 2,659 ms, Support Vector Machine (SVM) akurasi 0,985, waktu 6,71 ms, Random Forest akurasi 0,958, waktu 27,07 ms, dan RBF SVM akurasi 0,985, waktu 9,637 ms juga dievaluasi. Di antara algoritma tersebut, Logistic Regression menunjukkan akurasi klasifikasi tertinggi sebesar 0,985 dengan waktu inferensi 4,181 ms, menjadikannya model yang paling efisien untuk deteksi stres. Metode deteksi stres yang dikembangkan berhasil mendeteksi stres menggunakan kamera RGB dengan mengatasi masalah artefak gerakan melalui frame alignment. Selain itu, pemilihan empat ROI wajah yang spesifik memberikan informasi stres yang lebih andal dibandingkan dengan penggunaan ROI seluruh wajah. Sistem ini merupakan langkah maju yang signifikan dalam deteksi stres non-invasif berbasis kamera web, dengan potensi aplikasi dalam manajemen kesehatan mental dan penilaian stres. Pengembangan di masa mendatang dapat mengeksplorasi peningkatan resolusi video untuk menghasilkan sinyal yang lebih presisi, serta penggabungan model pembelajaran mendalam untuk deteksi stres yang lebih akurat. Penerapan sistem ini pada kamera mobile juga dapat menjadi solusi yang lebih praktis untuk pemantauan stres secara real-time dalam kehidupan sehari-hari.

---

Mental health issues have increasingly become a major concern in today's society, making stress management crucial for maintaining well-being. Various technologies for stress detection have been developed, and one promising method is the use of imaging photoplethysmography (iPPG) obtained from facial videos recorded using conventional cameras. This study aims to improve the accuracy of stress classification by utilizing iPPG signals derived from webcam-based recordings. In this research, two novel approaches are proposed at the preprocessing stage to enhance stress detection quality. The first approach is the selection of Regions of Interest (ROI), focusing on four facial areas: the forehead, left cheek, right cheek, and the entire face. The second approach involves the application of frame alignment methods to address motion artifacts, which often affect signal quality. Machine learning techniques were employed as the classification method for stress detection, with key stress indicators including heart rate (HR) and heart rate variability (HRV). The data used in this study comprises primary data obtained from facial videos of 80 participants aged 18 to 25 years. Arithmetic tasks were employed as stressors, requiring participants to solve mathematical problems. Data collection was conducted in a laboratory under lighting conditions of 220 lux. The webcam used was a laptop camera operating at a speed of 30 frames per second (fps). A total of 265 stress-related features were successfully extracted from the videos, and the data was segmented using 5-fold cross-validation. To reduce noise caused by motion artifacts, a frame alignment method was applied, demonstrating significant improvement in noise correction. The results revealed significant differences in average HR between stressed and non-stressed conditions. For HRV parameters, significant changes were observed in Low-Frequency (LF) components, often associated with stress responses. Several machine learning algorithms were tested for classification, yielding high accuracy results. Decision Tree achieved an accuracy of 0.955 with a processing time of 3.13 ms, K-Nearest Neighbors (KNN) achieved 0.981 with 2.54 ms, and Logistic Regression reached 0.985 with 4.181 ms. Other algorithms such as Naïve Bayes (accuracy 0.97, time 2.659 ms), Support Vector Machine (SVM) (accuracy 0.985, time 6.71 ms), Random Forest (accuracy 0.958, time 27.07 ms), and RBF SVM (accuracy 0.985, time 9.637 ms) were also evaluated. Among these, Logistic Regression demonstrated the highest classification accuracy of 0.985 with an inference time of 4.181 ms, making it the most efficient model for stress detection. The developed stress detection method successfully detected stress using RGB cameras by addressing motion artifact issues through frame alignment. Additionally, selecting specific facial ROIs provided more reliable stress information compared to using the entire face as an ROI. This system represents a significant advancement in non-invasive webcam-based stress detection, with potential applications in mental health management and stress assessment. Future developments could explore higher video resolution to yield more precise signals and integrate deep learning models for more accurate stress detection. Implementing this system on mobile cameras could also offer a more practical solution for real-time stress monitoring in daily life."