Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini bertujuan untuk melihat pengaruh kemampuan regulasi emosi terhadap masalah mental emosional pada mahasiswa tahun pertama Universitas Indonesia. Desain penelitian yang digunakan adalah non-eksperimental dan cross-sectional. Partisipan (N = 255) merupakan mahasiswa Universitas Indonesia angkatan 2019 yang berusia 17-21 (M = 18,29, SD = 0,743) dan sebagian besar perempaun (n = 147). Kemampuan regulasi emosi mahasiswa diukur menggunakan alat ukur DERS, sementara masalah mental emosional mahasiswa diukur menggunakan alat ukur SRQ-20. Hasil analisis menggunakan logistic regression menunjukkan bahwa kemampuan regulasi emosi secara signifikan memengaruhi masalah mental emosional mahasiswa berdasarkan kriteria Wald test, χ2 (1, N = 255) = 51,435, OR = 1,098, p < 0,001. Penurunan kemampuan regulasi emosi meningkatkan kemungkinan mengalami masalah mental emosional sebanyak 1,1 kali lebih besar. Sementara itu, jenis kelamin sebagai variabel kontrol juga secara signifikan memengaruhi masalah mental emosional mahasiswa, χ2 (1, N = 255) = 4,665, OR = 1,922, p < 0,05. Perempuan memiliki kemungkinan yang lebih besar untuk mengalami masalah mental emosional sebanyak 2 kali lebih besar dari laki-laki.

---

This study aims to look at the effect of emotion regulation ability on mental-emotional problems in first-year students at University Indonesia. Non-experimental and crosssectional research design were used. Participants (N = 255) were Universitas Indonesia students from class 2019 aged between 17-21 (M = 18.29, SD = 0.743) and mostly women (n = 147). The emotional regulation ability was measured using the Difficulties in Emotion Regulation Scale (DERS), while the students' mental-emotional problems were measured using the SRQ-20. Results of the logistic regression showed that emotion regulation ability significantly influenced students' mental-emotional problems based on the Wald test criterion, χ2 (1, N = 255) = 51.435, OR = 1.098, p <0.001. Decreased emotional regulation ability increases the likelihood of experiencing mentalemotional problems by as much as 1.1 times greater. Moreover, gender as a control variable also significantly influenced students' mental-emotional problems, χ2 (1, N = 255) = 4.665, OR = 1.922, p <0.05. Women had a higher risk of experiencing mentalemotional problems than men."

"Emosi atau perasaan manusia adalah salah satu faktor yang tidak dapat dikendalikan dalam aktivitas apapun. Tidak sedikit juga pekerjaan yang seringkali berkaitan dengan emosi manusia terutama di industri hiburan dan juga kesehatan. Oleh karena itu, 1 dekade kebelakang banyak riset yang dilakukan untuk mempelajari emosi manusia secara langsung maupun menggunakan teknologi. Pengembangan model speech emotion recognition berbahasa Indonesia masih sangat sedikit dan oleh karena itu dibutuhkan perbandingan secara spesifik pada penelitian ini diantara dua model classifier yaitu Convolutional Neural Network (CNN) dan juga Multilayer Perceptron (MLP) untuk menentukan model yang menghasilkan akurasi terbaik dalam memprediksi emosi dari suara manusia. Dalam speech recognition secara umum, salah satu faktor penting dalam mendapatkan model dengan akurasi terbaik adalah metode ekstraksi fiturnya. Oleh karena itu, penelitian ini menggunakan 3 fitur untuk melakukan pelatihan terhadap model yaitu Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram dan chroma. Dari 3 fitur ini, divariasikan dan menghasilkan 7 metode ekstraksi yang berbeda untuk digunakan sebagai input pelatihan model. Terakhir, untuk memastikan bahwa model sudah menggunakan parameter terbaik, dilakukan eksperimen dengan membandingkan model yang menggunakan batch size serta activation function yang berbeda. Ditemukan bahwa dengan menggunakan CNN dan fitur gabungan antara MFCC, mel-spectrogram dan juga chroma menghasilkan model dengan skor akurasi 50.6% sedangkan menggunakan MLP dengan fitur yang sama menghasilkan model dengan skor akurasi 58.47%.

---

Emotions or human feelings are one of the factors that cannot be controlled in any activity. There are also many jobs that are often related to human emotions, especially in the entertainment and health industries. The development of speech emotion recognition models in Indonesian is still very little and therefore a specific comparison is needed in this study between two classifier models, namely Convolutional Neural Network (CNN) and Multilayer Perceptron (MLP) to determine the model that produces the best accuracy in predicting the emotion of the human voice.

In speech recognition in general, one of the important factors in acquiring a model with the best accuracy is the feature extraction method. Therefore, this study uses 3 features to train the model, namely Mel-frequency Cepstral Coefficients (MFCC), Mel-Spectrogram and chroma. From these 3 features, they were varied and resulted in 7 different extraction methods to be used as model training inputs.

Finally, to ensure that the model has used the best parameters, an experiment was conducted by comparing models using different batch sizes and activation functions. It was found that using CNN and the combined features of MFCC, mel-spectrogram and also chroma resulted in a model with an accuracy score of 50.6% while using MLP with the same features resulted in a model with an accuracy score of 58.47%."

"

Sebuah kalimat dapat digunakan untuk mengekspresikan emosi yang ada di pikiran sang penulis. Tulisan pada angkutan barang dan juga penumpang merupakan bentuk dari ekspresi emosi sang pengendara kendaraan tersebut. Isi tersebut secara tidak langsung mengekspresikan permasalahan pribadi sang pengendara, atau mengekspresikan permasalahan sosial pada masyarakat umum dewasa ini. Penggambaran emosi pada tulisan di angkutan barang dan penumpang selain dapat dimaknai sebagai saran dan kritik kepada pemerintah dan masyarakat, juga dapat menjadi evaluasi diri bagi yang membacanya terhadap keadaan yang terjadi di sekitarnya. Tujuan penelitian ini adalah menjelaskan ekspresi emosi sang pengendara yang diekspresikan melalui tulisan yang disajikannya pada kendaraan, sehingga menghasilkan sebuah gambaran sosial dan kehidupan pengendara tersebut. Metode yang digunakan adalah metode deskriptif yang bertujuan untuk mendeskripsikan fenomena yang terjadi, dan metode kualitatif yang bertujuan untuk memahami lebih dalam fenomena yang terjadi. Data penelitian ini adalah hasil pengambilan gambar berupa foto pada angkutan penumpang dan barang yang memiliki tulisan berbahasa Jawa di daerah Jakarta – Depok, dari tahun 2017 – 2019. Hasil penelitian ini menunjukkan bahwa ekspresi emosi yang dinyatakan melalui tulisan merupakan ekspresi keresahan hati, kebanggaan diri, dan semangat hidup. Bagi pembaca ekspresi emosi itu dapat memberikan wawasan baru mengenai pekerjaan dan kehidupan sosial pengendara angkutan penumpang dan barang.

 

---

A sentence can be used to express emotions in the mind of the author. The writing on the transportation of goods and also passengers is a form of emotional expression of the driver of the vehicle. The content indirectly expresses the personal problems of the driver or expresses social problems in the general public today. Emotional portrayals in writing on goods and passenger transportation besides being interpreted as suggestions and criticisms of the government and society can also be a self-evaluation for those who read it about the circumstances that occur around it. The purpose of this study is to explain the motorist's emotional expression expressed through the writing he presents to the vehicle, thus producing a social picture and life of the driver. The method used is a descriptive method that aims to describe the phenomenon that occurs and qualitative methods that aim to understand more deeply the phenomena that occur. The data of this study are the results of taking photographs in the transportation of passengers and goods that have Javanese writing in the Jakarta-Depok area, from 2017 - 2019. The results of this study indicate that emotional expression expressed through writing is an expression of anxiety, pride, and the spirit of life. For readers of emotional expression, it can provide new insights regarding the work and social life of passengers and goods transport drivers.

"

"Kekuatan sambungan las sangat dipengaruhi oleh kualitas pengelasan. Pengelasan yang terdapat cacat seperti porositas dapat menurunkan kekuatan fatik hingga sepertiga kekuatan fatik. Rancangan awal side frame rangka bogie monorel UTM 125NG lebih banyak menggunakan sambungan pengelasan dibandingkan menggunakan sambungan baut. Oleh karena itu diperlukan perancangan dan mengembangan bogie monorel dengan meminimalkan sambungan pengelasan dan memaksimalkan sambungan baut agar dapat beroperasi lebih baik. Penelitian ini difokuskan pada dudukan axle spindle, yaitu meneliti kekuatan dudukan axle spindle terhadap pembebanan dinamik. Untuk mendapatkan hasil pembebanan dinamik, digunakan perangkat lunak SimWise 4D. Data pembebanan dinamik tersebut di filter menggunakan perangkat lunak NumXL. Data yang telah di filter menjadi parameter masukan pembebanan pada model untuk dilakukan estimasi umur fatik dengan menggunakan perangkat lunak ANSYS.

---

The strength of welded joints is strongly influenced by the quality of the welding. Welding defects such as porosity can decrease fatigue strength. Preliminary design of the side frame of monorail bogie UTM 125NG used more welding joints than bolt joints. Therefore, it is necessary to design and develop monorail bogie by minimize welding joints and maximize the bolt joint in order to operate better. This research focused on the axle spindle mounting, which studied of the axle spindle mounting strength characteristics against dynamic load. To obtain dynamic load, SimWise 4D software was used. Those dynamic load data was filtered by NumXL software. The result of filtered data as input for work model load to estimate fatigue life by using ANSYS software."

"Penelitian ini menangani masalah pengenalan emosi dalam percakapan berbahasa Indonesia, yang penting untuk aplikasi seperti pengenalan ucapan, interaksi manusiamesin, dan analisis sentimen. Untuk mengatasi kompleksitas data suara dan teks, penelitian ini menggabungkan Word Embedding (Word2Vec) dan spektrum suara (MFCC) menggunakan Convolutional Neural Network (CNN). Word2Vec mengubah dataset suara menjadi representasi teks vektor, sementara MFCC digunakan untuk ekstraksi fitur dari spektrum suara. Model yang dikembangkan dievaluasi dengan dataset percobaan berbahasa Indonesia, dan pendekatan Weighted Average Ensemble yang mengintegrasikan kedua metode ini mencapai akurasi 70%. Hasil ini menunjukkan bahwa integrasi teknologi Word Embedding dan analisis spektrum suara dapat meningkatkan akurasi pengenalan emosi dalam bahasa Indonesia. Penelitian ini berkontribusi signifikan terhadap teknologi pengenalan emosi dan berpotensi meningkatkan interaksi manusia dengan teknologi serta aplikasi dalam analisis sentimen dan pengolahan bahasa alami.

---

This research addresses the issue of emotion recognition in Indonesian language conversations, which is crucial for applications such as speech recognition, humanmachine interaction, and sentiment analysis. To tackle the complexity of voice and text data, this study combines Word Embedding (Word2Vec) and sound spectrum analysis (MFCC) using Convolutional Neural Network (CNN). Word2Vec is used to convert voice datasets into vector text representations, while MFCC is employed for feature extraction from the sound spectrum. The developed models were evaluated using an experimental dataset in Indonesian, and the Weighted Average Ensemble approach, which integrates both methods, achieved an accuracy of 70%. These results indicate that integrating Word Embedding technology and sound spectrum analysis can significantly enhance the accuracy of emotion recognition in Indonesian conversations. This research contributes significantly to the development of emotion recognition technology and has the potential to improve human interaction with technology, as well as applications in sentiment analysis and natural language processing."