Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini, secara umum, ditujukan untuk mengetahui persepsi masyarakat Cina moderen terhadap konsep tradisional Confucianism tentang wajah (lian atau mianzi). Secara khusus, penelitian ini mengungkap bagaimana persepsi tersebut tercermin dalam pola komunikasi antarpersonal mereka. 100 orang Shanghai terlibat dalam penelitian ini, 50 orang diambil dari daerah perkotaan dan 50 orang dari pedesaan. Mereka merepresentasikan berbagai latar belakang sosial yang berbeda, meliputi usia, jenis kelamin, tempat tinggal, dan pekerjaan. Data penelitian dikumpulkan melalui wawancara semi-terstruktur, kemudian dianalisis dengan menggunakan kerangka ajaran Confucianism tentang sifat-sifat yang mendasari konsep wajah. Sifat-sifat itu meliputi relasional, komunal/sosial, hirarkis, dan moral.Analisis data menunjukan bahwa dalam keseluruhan interaksi berbahasanya, para responden sangat memperhatikan nilai-nilai yang terkandung dalam konsep wajah seperti terkandung dalam Confucianism. Diketahui bahwa dari keempat sifat wajah itu, integritas moral de menjadi acuan paling penting untuk menilai apakah seseorang itu masih memiliki wajah atau justru sebaliknya. Hilangnya moralitas berarti hilangnya sifat-sifat manusiawi pada seseorang.

---

This study aims to investigate the Chinese perceptions about the traditional Confucius concepts mianzi/lian ?face? in the context of the world that is changing. In particular, the study focuses on how such perceptions are reflected in their interpersonal communication. Data was collected through direct semi-structured interviews with the respondents, guided by a set of questions regarding the situations they might hypothetically find themselves. Shanghai was chosen as the site for this study because, among other places in China, it has undergone considerable changes. 100 Shanghainese were involved in the study; 50 were city dwellers and 50 villagers, representing their various social backgrounds. The data were analysed by using the Chinese cultural notions underlying the concepts of face: relational, communal, hierarchical, and moral. Analyses show that the respondents often avoid conflicts with their interlocutors, even if they were put in very unfortunate circumstances. These face-favouring acts are indicative of their closed observance of the norms and hence the concepts of face, by which they could gain, maintain, and enhance their own face. In return, they would be regarded as members of the society with polite behaviours and with other good moral characters.The study concludes that although China is changing, the conceptions and practices of the traditional concepts mianzi/lian "face" among Chinese have remained constant. This is because into these concepts are attached the most basic concepts of humanity; the absence of the concepts of face in the mind of human beings can mean the loss of humanity as a whole."

"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."

"ABSTRAKDeteksi dan pengenalan wajah merupakan salah satu pengolah citra yang dapat digunakan untuk surveillance pada UAV. Namun kasus pengenalan wajah dan deteksi wajah ini merupakan pekerjaan yang sangat sulit dilakukan karena komputer harus dapat melakukan lokalisasi wajah dengan baik kemudian melakukan klasifikasi wajah. Tesis ini membahas penelitian metode deep learning yaitu deteksi wajah dengan menggunakan metode RCNN dan pengenalan wajah dengan menggunakan metode CNN. Eksperimen dengan menggunakan variasi sudut wajah dan jarak wajah terhadap kamera dilakukan untuk mengamati pengaruh parameter terhadap performa model. Hasil penelitian menunjukkan bahwa model RCNN dengan menggunakan satu wajah subjek dapat digunakan untuk melakukan deteksi wajah pada subjek dengan recognition rate sebesar 74% pada parameter IoU > 0.5. Nilai recognition rate pada sistem terintegrasi deteksi danpengenalan wajah sangat tergantung dari hasil prediksi area wajah yang dihasilkan dari model RCNN. Percobaan membuktikan bahwa jarak subjek kamera mempengaruhi recognition rate dari model deteksi wajah.

---

ABSTRACTFace detection and recognition is an image processor that can be used for surveillance on UAVs. However, the case of face recognition and face detection is a very difficult job to do because the computer must be able to do localization of the face well then do face classification. This thesis discusses the research of deep learning methods, namely face detection using the RCNN method and face recognition using the CNN method. Experiments using variations in face angle and face distance to the camera were conducted to observe the effect of parameters on the performance of the model. The results showed that the RCNN model using one subject's face could be used to detect faces on subjects with a recognition rate of 74% on the IoU parameter > 0.5. The value of recognition rate in the integrated detection and face recognition system is highly dependent on the results of the prediction of face areas generated from the RCNN model. Experiments prove that the distance of the camera subject affects the recognition rate of the face detection model."

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Wajah manusia adalah kumpulan 44 urat di tengkorak atau rangkuman identitas anda? setiap orang memiliki wajah tetapi apa yang kita ketahui tentangnya? inilah cerita mengenai wajah manusia di seluruh dunia. John Cheese-aktor komedi, Profesor di universitas lange ar corne dan pengarang buku psikologis terlaris-menggabungkan analisa intelektual dengan sentuhan humor untuk menyelidiki wajah, penciptaannya, fungsi, seksualitas, komunikasi, identitas, dan persepsi. "

"Pada jenjang SMA di Indonesia ditemukan bahwa pelajaran Matematika menjadi mata pelajaran yang kurang diminati oleh siswa dan memiliki capaian nilai kompetensi yang rendah. Rendahnya minat dan nilai kompetensi Matematika mengindikasikan rendahnya keterlibatan siswa SMA dalam pelajaran Matematika. Keterlibatan siswa merupakan salah satu indikator dari keberhasilan proses akademik di sekolah yang mana rendahnya keterlibatan siswa dapat berimplikasi pada berbagai perilaku negatif yang secara bertahap dapat menyebabkan kasus putus sekolah. Maka dari itu, diperlukan adanya identifikasi mengenai faktor yang dapat meningkatkan keterlibatan siswa SMA. Persepsi dukungan sosial dan adaptabilitas dipilih sebagai variabel pada penelitian ini. Penelitian ini bertujuan untuk menguji peran persepsi dukungan sosial dan adaptabilitas secara bersamaan terhadap keterlibatan siswa SMA dalam pelajaran Matematika. Keterlibatan siswa dalam Matematika diukur menggunakan University Student Engagement (USEI), persepsi dukungan sosial diukur dengan Social Provisions Scale (SPS), dan adaptabilitas diukur dengan The Adaptability Scale (TAS). Pengambilan data penelitian dilakukan dengan menyebarkan kuesioner secara daring kepada siswa SMA yang bersekolah di Jabodetabek dan sedang menjalani pembelajaran tatap muka. Analisis regresi berganda digunakan untuk melihat peran dari tiga sumber dukungan sosial dan adaptabilitas dalam memprediksi keterlibatan siswa dalam Matematika. Hasil penelitian menunjukkan bahwa hanya peran persepsi dukungan sosial siswa terhadap guru dan adaptabilitas yang secara simultan memprediksi keterlibatan siswa dalam pelajaran Matematika (R =.281 p<0.001).

---

Mathematics in Indonesia was found to be a subject with low competency scores, especially at the senior high school level. The low competency score obtained indicates the low engagement of high school students in Mathematics. Student engagement is one indicator of the process of academic success in schools, where low student involvement can have an impact on various negative behaviors, which can gradually lead to cases of dropping out. Therefore, it is necessary to identify factors that can increase the involvement of high school students. Perceived social support and adaptability were selected as variables in this study. This study examines the role of perceptions of social support and adaptability simultaneously on high school students’ engagement in Mathematics during face-to-face learning. Student engagement in Mathematics will be measured using University Student Engagement (USEI), perceptions of social support will using the Social Provisions Scale (SPS), and adaptability will be measured using The Adaptability Scale (TAS). Research data collection was carried out by distributing an online questionnaire to high school students who attend schools in Jabodetabek and are undergoing face-to-face learning. Multiple regression analysis was used to see the role of three sources of social support and adaptability in predicting student engagement. The results showed that only perceived social support for math teachers and adaptability which simultaneously predicted student engagement in Mathematics (R =.281 p<0.001)."

"Sampai saat ini, sketsa wajah buatan tangan masih secara luas digunakan dalam kepolisian, terutama untuk menggambarkan karakter wajah seseorang dengan cepat pada proses pencarian tersangka maupun orang hilang. Polisi akan menggunakan sketsa wajah tersebut untuk mencari orang yang digambarkan. Telah banyak penelitian yang dilakukan untuk membuat cara ini semakin efektif. Salah satunya adalah membandingkannya dengan Database Pencarian Orang (DPO) ataupun membuat komposit wajah. Namun, pembuatan komposit wajah dengan aplikasi membutuhkan waktu yang cukup lama dan perbandingan dengan DPO secara langsung memiliki tingkat akurasi yang perlu dikembangkan lebih lanjut. Penelitian ini mengaplikasikan Generative Adversarial Networks (GAN) untuk mengubah gambar sketsa menjadi citra berwarna, menerapkan Total Variation (TV) pada loss function untuk meningkatkan performa model, dan menerapkan koreksi warna untuk memperbaiki warna kulit yang dihasilkan. Tujuan penelitian ini yaitu agar dapat menggambarkan karakter orang pada sketsa dengan lebih akurat dan cepat dibandingkan metode terdahulu. GAN sendiri adalah sebuah machine learning framework yang menggunakan dua buah network yaitu, generator dan diskriminator. Generator akan membuat sampel baru berdasarkan pola sampel dataset dan diskriminator akan menentukan apakah sampel yang dihasilkan nyata atau hasil dari generator. Sistem akan mengulang proses ini sampai generator dapat menghasilkan sampel yang sangat mirip dengan sampel dari dataset. Dataset yang digunakan dikumpulkan dari beberapa dataset lain dengan konfigurasi jumlah training 1355, validation 10, dan testing 68. Beberapa skenario dengan parameter berbeda dilakukan dan hasil terbaik didapati dengan menggunakan Lambda L1 sebesar 100 dan Lambda TV sebesar 0.00001 dengan nilai evaluasi SSIM 0.83 dan FID 94.705. Setelah diimplementasikan dengan koreksi warna, GAN menghasilkan citra yang lebih realistis dengan hasil evaluasi yang didapatkan adalah 0.76 dan 78.944 untuk SSIM dan FID. Dengan metode tersebut, GAN dapat menghasilkan citra yang realistis secara visual dari sketsa wajah dan memiliki warna yang sesuai dengan citra aslinya.

---

Until now, hand-drawn face sketches are still widely used in Indonesia's police force, especially to quickly describe the character of a person's face in the process of searching for suspects and missing persons. Police will use the face sketch to search for the respected person. A lot of research has been done to make this method more effective. One of them is to compare it with the People Search Database (DPO) or create a facial composite. However, making facial composites by application takes quite a long time, and direct comparison with DPO has a level of accuracy that needs to be developed further. This study applies a Generative Adversarial Networks (GAN) to convert a sketch image into a color image, applies a Total Variation (TV) to the loss function to improve model performance, and applies a color correction to improve the resulting skin tone. The purpose of this study is to be able to describe the character of the people on the sketch more accurately and quickly than the previous method. GAN itself is a machine learning framework that uses two networks, namely, generator and discriminator. The generator will create a new sample based on the sample dataset pattern, and the discriminator will determine whether the resulting sample is real or the result of the generator. The system repeats this process until the generator can generate a sample that is very similar to the sample from the dataset. The dataset used is gained from several other datasets with the split configuration of 1355 for training, 10 for validation, and 68 for testing. Several scenarios with different parameters were carried out, and the best results were obtained using Lambda L1 of 100 and Lambda TV of 0.00001 with an evaluation value of SSIM 0.83 and FID 94,705. After being implemented with color correction, GAN produces a more realistic image with the evaluation results obtained are 0.76 and 78.944 for SSIM and FID. GAN can produce visually realistic images from facial sketches and have colors that match the original image with this method."

"Sistem pengenalan wajah dapat memberikan hasil yang tepat pada kondisi wajah normal, tetapi dalam lingkungan yang tidak dibatasi menyebabkan hasil pengenalan wajah menjadi tidak akurat, baik pada verifikasi maupun identifikasi. Salah satu masalah yang sering ditemui dalam sistem pengenalan wajah dan terkait dengan sifat intra-class variance pada wajah adalah pose. Penelitian ini bertujuan untuk melakukan pengenalan wajah berdasarkan pose invariant dengan mengimplementasikan Spatial Transformer Netwok (STN) pada arsitektur jaringan ringan MobileFaceNet. STN digunakan sebagai metode penyelarasan wajah untuk menangani variasi pose pada citra input. Berdasarkan evaluasi model, model Single-STN MobileFaceNet memberikan akurasi, AUC dan EER berturut-turut 73.64%, 82.18%, dan 0.2636. Kenaikannya sebesar 1.21% untuk akurasi, 1.56% untuk AUC dan untuk EER turun sebesar 0.0121 dari model Baseline. Penambahan STN pada jaringan ringan MobileFaceNet mempengaruhi hasil verifikasi wajah, tetapi kurang signifikan. Akan tetapi, berdasarkan hasil uji signifikansi McNemar, tidak ada perbedaan yang signifikan dengan adanya metode penyelarasan wajah STN pada model Single-STN MobileFaceNet. Terdapat beberapa kasus pose yang tidak dapat ditangani dengan baik oleh model, seperti pose menengadah atau menengok ke kanan/kiri. Berdasarkan evaluasi robustness model, nilai akurasi, AUC dan EER yang dihasilkan model Single-STN MobileFaceNet berturut-turut 96.86%, 98.51%, 0.0314. Model Single-STN MobileFaceNet termasuk model yang memiliki kinerja baik dalam pengenalan wajah, model mampu membedakan pasangan citra match dan non-match dengan baik pada dataset CFP

---

The face recognition system can give precise results in normal facial conditions, but in an unconstrained environment it can result inaccurate face recognition, both in verification and identification. One of the problems that are often encountered in face recognition system and related to intra-class variance on the face is pose. This study aims to perform face recognition based on pose invariant by implementing Spatial Transformer Netwok (STN) on MobileFaceNet lightweight network architecture. STN is used as a face alignment method to handle pose variations in the input image. Based on the evaluation of the model, the Single-STN MobileFaceNet model provides accuracy, AUC and EER of 73.64%, 82.18%, and 0.2636, respectively. The increase is 1.21% for accuracy, 1.56% for AUC and for EER it is down by 0.0121 from the Baseline model. The addition of STN to the MobileFaceNet lightweight network affects the face verification results, but is less significant. However, based on the results of the McNemar significance test, there is no significant difference with the STN face alignment method in the Single-STN MobileFaceNet model. There are some cases of poses that cannot be handled well by the model, such as looking up or looking to the right/left. Based on the evaluation of the robustness of the model, the values ​​of accuracy, AUC and EER generated by the Single-STN MobileFaceNet model are 96.86%, 98.51%, 0.0314, respectively. The Single-STN MobileFaceNet model includes a model that has good performance in face recognition. This model is able to distinguish match and non-match image well on the CFP dataset."