Dea Luthfina Azzahra

Electroencephalogram (EEG) merupakan alat non-invasif yang digunakan untuk memantau aktivitas otak dan mendiagnosis berbagai gangguan neurologis dan psikologis, termasuk skizofrenia. Skizofrenia adalah gangguan mental kronis yang memengaruhi jutaan orang di seluruh dunia. Analisis sinyal EEG secara manual membutuhkan waktu yang lama dan melelahkan, sehingga diperlukan pendekatan otomatis berbasis teknologi. Penelitian ini bertujuan mengembangkan sistem deteksi skizofrenia berbasis deep learning menggunakan data sinyal EEG. Data yang digunakan bersifat non-publik dan berbentuk raw signal data yang melalui tahap prapemrosesan dan data yang diekstraksi fitur menggunakan metode Real Fast Fourier...

Haidar Azmi Rohman

Penelitian ini mengimplementasikan fine-tuning pada model Stable Diffusion menggunakan metode Low-Rank Adaptation (LoRA) untuk menghasilkan karakter pixel art dari deskripsi teks. Model yang telah disesuaikan ini kemudian diintegrasikan ke dalam sebuah website untuk mempermudah akses dan pengujian oleh pengguna. Data yang digunakan dalam pelatihan adalah dataset karakter pixel art yang telah dianotasi secara manual untuk memastikan konsistensi dan relevansi atribut visual. Efektivitas model dievaluasi melalui pendekatan kuantitatif menggunakan metrik Learned Perceptual Image Patch Similarity (LPIPS) dan pendekatan kualitatif melalui umpan balik pengguna. Hasil evaluasi kuantitatif menunjukka...

Haidar Azmi Rohman

Penelitian ini mengimplementasikan fine-tuning pada model Stable Diffusion menggunakan metode Low-Rank Adaptation (LoRA) untuk menghasilkan karakter pixel art dari deskripsi teks. Model yang telah disesuaikan ini kemudian diintegrasikan ke dalam sebuah website untuk mempermudah akses dan pengujian oleh pengguna. Data yang digunakan dalam pelatihan adalah dataset karakter pixel art yang telah dianotasi secara manual untuk memastikan konsistensi dan relevansi atribut visual. Efektivitas model dievaluasi melalui pendekatan kuantitatif menggunakan metrik Learned Perceptual Image Patch Similarity (LPIPS) dan pendekatan kualitatif melalui umpan balik pengguna. Hasil evaluasi kuantitatif menunjukka...

Dava Alif Rahman David

Dalam upaya memanfaatkan kemajuan computer vision dan deep learning untuk industri Fashion, penelitian ini berhasil mengembangkan sistem multi-tahap yang secara real-time mengidentifikasi atribut dan warna pakaian serta aksesori (headwear, eyewear, upperwear, bottomwear, footwear, dan bag). Sistem ini memadukan YOLOv8 untuk deteksi objek (mAP@0.5: 0.797, akurasi tinggi pada upperwear, bottomwear, dan eyewear), MobileNetV2 dalam CNN untuk klasifikasi sub-kategori atribut (akurasi rata-rata >91%), dan MLP untuk klasifikasi warna berbasis RGB (akurasi 87%, dengan beberapa tantangan pada warna ambigu). Hasil pengujian Black Box menunjukkan fungsionalitas sistem 100% dan stabil, sementara User Ac...

Muhammad Riziq Ramadhan Al Arafah

Pengenalan bahasa isyarat secara lanjutan atau Continuous Sign Language Recognition (CSLR) merupakan tantangan dalam bidang teknologi asistif yang bertujuan menerjemahkan gerakan isyarat secara real-time ke dalam teks natural. Penelitian ini bertujuan mengembangkan model CSLR dengan pendekatan hybrid Connectionist Temporal Classification (CTC) dan Attention Mechanism yang memanfaatkan ekstraksi fitur keypoints dari video menggunakan MediaPipe Holistic. Dataset yang digunakan terdiri dari kalimat dalam bahasa isyarat Sistem Isyarat Bahasa Indonesia (SIBI) yang mencakup kategori dasar anggota keluarga, benda sekitar, dan binatang. Model dikembangkan menggunakan dua arsitektur utama pada tahap...