Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"Penelitian ini bertujuan untuk melakukan studi awal untuk pengaruh musik terhadap aktivitas gelombang otak dengan menggunakan metode elektroensefalografi (EEG). Metode penelitian yang digunakan adalah pengambilan data EEG pada 8 partisipan sebelum dan sesudah mendengarkan musik dengan menggunakan perangkat berbasis Raspberry Pi 4 Model B dan ADS1299. Data EEG yang didapatkan kemudian dianalisis dengan metode statistik untuk menentukan apakah terdapat perubahan yang signifikan pada aktivitas gelombang otak, seperti gelombang theta, alpha, dan beta. Kami menemukan bahwa adanya peningkatan pada aktivitas gelombang alfa (8 – 13 Hz) dan theta (4-8 Hz) yang disebabkan oleh pengaruh paparan musik karya Mozart “Sonata” dan Beethoven “Pathetique” selama 15 menit berdasarkan uji statistik yang dilakukan.......This research aims to conduct an initial study for the effect of music on brain wave activity using electroencephalography (EEG) method. The research method used is taking EEG data on 8 participants before and after listening to music using a device based on Raspberry Pi 4 Model B and ADS1299. The EEG data obtained was then analysed using statistical methods to determine whether there were significant changes in brain wave activity, such as theta, alpha, and beta waves. We found that there was an increase in alpha (8-13 Hz) and theta (4 - 8 Hz) wave activity caused by exposure to music by Mozart "Sonata" and Beethoven "Pathetique" for 15 minutes based on the statistical tests conducted."