Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKDengan semakin banyaknya bidang keilmuan yang menggunakan bantuan eye-tracker untuk mencapai terobosan baru di masing-masing bagiannya, titik fiksasi sebagai lokasi responden menghentikan pergerakan mata dan kemungkinan besar dilakukan untuk mencoba mencerna informasi yang terdapat di area tersebut lalu dijadikan pertimbangan untuk pengambilan keputusan menjadi sangat penting untuk diketahui. Menjawab kebutuhan tersebut, penulis mengembangkan sebuah model Neural Network menggunakan bantuan MATLAB untuk memprediksi output dari proses yang dilakukan terhadap titik fiksasi asli hasil percobaan eye-tracking dengan cara melatih dan menguji berbagai jenis kombinasi fungsi transfer antar layer dan fungsi training yang ada pada Neural Network dengan tujuan mencari kombinasi fungsi yang memberikan nilai MAPE (Mean Absolute Percent Error) dan MSE (Mean Squared Error) terkecil, jumlah iterasi training terkecil, dan durasi training yang paling singkat

---

ABSTRACTWith the increasing number of scientific fields which use the eye-tracker to achieve new breakthroughs in their each part, the fixation point as the location of the respondent to stop the movement of their eyes and most likely done to try to digest the information contained in the area and taken that information into consideration for the decision making to be very important to know. Answering this need, the authors developed a model of Neural Network using the help of MATLAB to predict the output from the process undertaken to original fixation point results of eye-tracking experiment by training and test various types of combinations of transfer functions between the layers and training functions that exist in Neural Network with the purpose of seeking a combination of functions that give the smallest MAPE (Mean Absolute Percent Error) and MSE (Mean Squared Error) value, the smallest number of training iterations, and the shortest duration of the training"

"Fixation points, as the stopping location of eye movements, can be extracted to generate valuable information about a picture or an object. This information is valuable as it enables the identification of the area/part of the picture that attracts people’s attention, which can be used as a consideration when making decisions in the future, for example in marketing. For this reason, in this study, a Neural Network (NN) model was developed to predict the fixation points of a picture. Specifically, the authors experimented with various transfer and training functions in the NN in order to determine which causes the fewest errors. The results show that the method used is applicable in practice since it produces MAPE (Mean Absolute Percent Error) of around 13–15% and MSE (Mean Squared Error) of 0.9–1.1%."

"Kecelakaan lalu lintas merupakan pembunuh terbesar ketiga di Indonesia setelah jantung koroner dan tuberkulosis, dimana salah satu penyebabnya adalah kelelahan pengemudi. Tujuan dari penelitian ini untuk memperoleh tingkat kelelahan pengemudi pria saat menyetir setelah beraktivitas secara real condition menggunakan metode eye tracking dengan parameter visual mata, sehingga jumlah kecelakaan lalu lintas menurun. Melalui studi kelelahan ini akan didapatkan perubahan aktivitas mata pengemudi berdasarkan gerak cepat mata (saccade) dan kedipan mata (eye blink) sehingga dapat disimpulkan batas waktu mengemudi yang disarankan bagi pengemudi pria. Penelitian ini melibatkan lima orang responden pria usia produktif yang diukur tingkat kelelahannya menggunakan eye tracker. Hasil dari penelitian ini didapatkan bahwa parameter kedipan mata (eye blink) lebih sensitif dalam mengukur kelelahan dibandingkan gerak cepat mata (saccade) dan berdasarkan parameter kedipan mata (eye blink) dihasilkan kesimpulan kelelahan pada pengemudi pria dapat terjadi sejak menit ke-30 hingga menit ke-40. Kesimpulan tersebut dapat dijadikan acuan bagi pengemudi pria untuk meningkatkan kewaspadaan jika mengemudi melebihi waktu tersebut.

---

One cause of traffic accidents -third largest killer in Indonesia after coronary heart disease and tuberculosis- are driver fatigue. The purpose of this study was to measure male driver's fatigue using eye tracking method based on blinks and saccades. From this study we could find out suggested driving time limit for male drivers from driver's eye activity changes, based on blinks and saccades. The study involved five male respondents of productive age using eye tracker. The results of this study are that blinks is more sensitive in measuring fatigue than saccades and fatigue may occur in male drivers since the 30th to 40th minute. The conclusion can be used as a reference for male drivers to increase their vigilance when driving exceeds the time."

"Banyak faktor pada packaging suatu produk yang dapat mempengaruhi keputusan pembelian konsumen. Pada penelitian ini akan difokuskan pada bentuk botol, ukuran font merk, dan warna pada botol shampoo. Kombinasi ketiga faktor tersebut yang dinilai paling menarik perhatian akan diuji dengan menggunakan metode Conjoint Analysis dan eye-tracking. Dari penelitian didapatkan bahwa bentuk botol berwarna dan ramping dengan ukuran font merk yang besar paling menarik perhatian konsumen.

---

There are many factors in a product packaging that can affect the consumer buying decision. This research will be focused on the bottle shape, brand font size and the color on shampoo bottle. The combination of these three factors will be rated from the most attracted one. It will be tested by using the Conjoint Analysis and Eye-tracking methods. From this research, a colored and slim bottle shape with the big font size of the brand gives the most attraction for the consumer."

"Penelitian ini dilakukan untuk mengetahui pengaruh pemberian skenario priming motivasi pemilihan pasangan jangka pendek dan jangka pendek terhadap atensi visual pria pada gambar perempuan. Berdasarkan teori strategi seksual yang dikemukakan oleh Buss dan Schmitt (1973) laki-laki dan perempuan akan menerapkan strategi yang berbeda sesuai motivasi pemilihan pasangan yang sedang dimiliki; jangka panjang atau jangka pendek. Atensi visual diukur dengan menggunakan alat eye-tracking.Penelitian ini merupakan penelitian eksperimental laboratorium dengan desain, randomized three group independent subject design. Penelitian dilakukan pada 48 mahasiswa Universitas Indonesia, berjenis kelamin lak-laki, usia 19 - 25 tahun. Partisipan dalam penelitian ini dibagi menjadi tiga kelompok; skenario jangka panjang, jangka pendek, dan kelompok kontrol.Hasil uji ANOVA pada variabel jumlah titik fiksasi diperoleh F(2, 45) = 2,836, p = 0,069. Sedangkan hasil uji ANOVA pada variabel total waktu memandang diperoleh F(2, 45) = 0,373, p = 0,690. Hasil ini menunjukan tidak bahwa pemberian priming skenario motivasi pemilihan pasangan jangka panjang dan jangka pendek tidak memiiki pengaruh terhadap atensi visual lakilaki pada gambar perempuan yang diberikan.

---

This study examined the influence of short term or long term mating scenario to men visual attention at female picture. Based on Buss and Schmitt (1973) sexual strategies theory men and women apply different strategies based on their current mating motivation; long term or short term. In this study, visual attention was measured by using an eye-tracker machine.

This study was conducted as a laboratory experiment research with randomized three group independent design. Total of participants were 48 people. Participants in this study were students, male within the age range 19 - 25 who studying in Universitas Indonesia. Participants were randomized into three group; long term scenario, short term scenario, and control group.

Result of ANOVA test on number of fixation showed F(2, 45) = 2.836, p = 0.069. While result of ANOVA test on participant?s dwell time showed F(2, 45) = 0,373, p = 0,690. The result of this study shows neither short term or long term mating scenario did not affect on men visual attention."

"Mata kering merupakan penyakit yang beredar pada masyarakat umum. Mata kering menyebabkan rasa tidak nyaman dan mengganggu aktivitas sehari-hari. Faktanya, lebih dari 85% penderita penyakit mata kering disebabkan kerusakan kelenjar meibom (meibomian gland dysfunction, MGD). Akibatnya mata yang memilki MGD menjadi kering karena intensitas evaporasi air mata meningkat. Untuk mendeteksi tingkat MGD dilakukanmeibography. Dari hasil meibography, klinisi (dokter spesialis mata) menilai tingkat MGD yang disebut meiboscore. Namun realitanya, penilaian meiboscore masih sangat subjektif antar para klinisi. Alat yang digunakan juga mahal dan tidak seluruh klinik mata memiliki alat tersebut. Oleh karena itu pada tugas akhir ini dilakukan deteksi tingkat kerusakan kelenjar meibom dengan pendekatan faktor-faktor potensi MGD dan machine learning. Metode machine learning yang digunakan dalam tugas akhir ini ini adalah radial basis function neural network (RBFNN). Metode machine learning dalam studi ini dilakukan Teknik SMOTE terelebih dahulu untuk menyeimbangkan jumlah data antar kelas, lalu data dibagi menjadi data training dan data testing dengan rasio sebesar 90%: 10%, 80%: 20%, 70%: 30%, dan 60%: 40% . Selain itu dilakukan pengurangan fitur-fitur yang kurang relevan menggunakan seleksi fitur Chi square. Hasil evaluasi metode RBFNN memperoleh nilai rata-rata akurasi, presisi, recall dan f1-score terbaik dicapai menggunakan data testing 20% dengan masing-masing mencapai nilai 96%, 95%, 100%, dan 95% secara berurut

---

Dry eye is a common disease happened among the public. Dry eye causes discomfort and distracts daily activities. More than 85% dry eye suffers are caused by meibomian gland dysfunction (MGD). As a result, eyes with MGD becomes dry due to high tear evaporation intensity. Detecting MGD can be done by meibography. The MGD level is scored by clinicians which is called meiboscore. However, scoring the meiboscore is still very subjective among the clinicians. The tool that is used are expensive and not all eye clinics have this tool. Therefore, this study aims to detect the MGD level with the approach of MGD potential factors and machine learning. In this study radial basis function neural network (RBFNN) is used. The machine learning method performs SMOTE technique to balance the amount of data in each class, then all data is divided into training data and testing data by90%: 10%, 80%: 20%, 70%: 30%, and 60%: 40% respectively. Moreover, irrelevant features are reduced to optimize using feature selection, Chi Square. To reduce the features that are less relevant, Chi square feature selection is performed. RBFNN method obtained the best average accuracy 96%, average precision 95%, average recall 100%, and average f1-score 95% using the 20% data testing."

"Studi ini menyelidiki dampak In-Vehicle Infotainment System (IVIS) pada Situation Awareness (SA) pengemudi menggunakan Situation Presence Assessment Method (SPAM) dan teknologi eye tracker. Penelitian ini penting karena peningkatan penggunaan IVIS dalam kendaraan modern dapat menyebabkan gangguan yang berpotensi meningkatkan kecelakaan lalu lintas. Simulasi mengemudi waktu nyata melibatkan 20 peserta (10 pria dan 10 wanita) berusia 19-25 tahun, yang menjalani dua kondisi mengemudi: tanpa gangguan dan dengan gangguan IVIS. Data pelacakan mata dikumpulkan menggunakan kacamata Tobii Pro, dan SA dinilai dengan kuesioner SPAM setiap empat menit selama simulasi. Data dianalisis menggunakan SPSS dan Tobii Pro Analyzer dengan berbagai uji statistik, termasuk uji normalitas, Mann-Whitney, Wilcoxon signed-rank, dan ANOVA. Hasil menunjukkan bahwa IVIS secara signifikan menurunkan SA pengemudi selama kondisi mengemudi yang terganggu. Rekomendasi termasuk mengoptimalkan ukuran dan tata letak layar, mengintegrasikan antarmuka multimodal, dan menerapkan regulasi lalu lintas yang lebih ketat untuk meningkatkan keselamatan pengemudi. Studi ini menekankan perlunya perbaikan desain IVIS dan regulasi untuk mengurangi kecelakaan lalu lintas akibat gangguan.

---

This study investigates the impact of In-Vehicle Infotainment Systems (IVIS) on drivers' Situation Awareness (SA) using the Situation Presence Assessment Method (SPAM) and eye-tracking technology. This research is crucial because the increasing use of IVIS in modern vehicles can cause distractions that potentially increase traffic accidents. A real-time driving simulation involved 20 participants (10 men and 10 women) aged 19-25, who underwent two driving conditions: undistracted and distracted with IVIS. Eye-tracking data was collected using Tobii Pro glasses, and SA was assessed with SPAM questionnaires every four minutes during the simulation. The data was analyzed using SPSS and Tobii Pro Analyzer with various statistical tests, including normality tests, Mann-Whitney tests, Wilcoxon signed-rank tests, and ANOVA. The results showed that IVIS significantly decreased drivers' SA during distracted driving conditions. Recommendations include optimizing screen size and layout, integrating multimodal interfaces, and enforcing stricter traffic regulations to improve driver safety. This study emphasizes the need for improved IVIS design and regulation to reduce traffic accidents caused by distractions."

"Penyakit mata perlu pendeteksian dan diagnosis yang tepat mengingat peran organ mata yang penting dalam kehidupan. Salah satu cara mendeteksi penyakit mata yang menyebabkan kebutaan adalah melalui ophthalmoscopy, dengan hasil pemeriksaan berupa citra fundus. Penelitian ini menggunakan metode Convolution Neural Network (CNN) dengan arsitektur CO-ResNet. Data yang digunakan dalam penelitian ini diambil dari online database yang berisi data multi-kelas penyakit mata. Preprocessing crop center dan resize digunakan dalam penelitian ini agar ukuran data citra dapat dijadikan input model. Fungsi optimasi untuk meminimalkan loss function ketika melatih model yang digunakan dalam penelitian ini adalah fungsi Adam dengan setting hyperparameter learning rate, epoch, 𝛽1 , dan 𝛽2 . Fungsi loss yang digunakan untuk masalah pengklasifikasian multikelas dalam penelitian ini adalah categorical cross entropy. Hasil penelitian menunjukan nilai yang diperoleh dengan training loss terkecil sebesar 0,4066 dan validation loss terkecil sebesar 0,4950. Sementara itu, nilai training accuracy terbaik sebesar 87% dan validation accuracy terbaik sebesar 79%. Setelah melalui proses training, dilakukan proses testing untuk mengevaluasi kinerja model. Hasil testing terbaik yang didapat dengan nilai testing accuracy sebesar 75,25%, precision sebesar 75,6%, recall sebesar 75,4%, dan F1-score sebesar 75,4%. Secara keseluruhan, metode CO- ResNet bekerja dengan cukup baik dalam mengklasifikasi dan mendeteksi penyakit mata.

---

Eye diseases need proper detection and diagnosis considering the important role of eye organs in life. One way to detect eye diseases that cause blindness is through ophthalmoscopy, with the results of the examination being an image of the fundus. This research uses the Convolution Neural Network (CNN) method with CO-ResNet architecture. The data used in this study were taken from an online database containing data on multi-class eye diseases. Preprocessing crop center and resize are used in this study so that the size of the image data can be used as model input. The optimization function to minimize the loss function when training the model used in this study is the Adam function with the hyperparameters setting are learning rate, epoch, 𝛽1, and 𝛽2. The loss function used for the multiclass classification problem in this study is categorical cross entropy. The results showed that the value obtained with the smallest training loss was 0.4066 and the smallest validation loss was 0.4950. Meanwhile, the best training accuracy value is 87% and the best validation accuracy is 79%. After going through the training process, a testing process is carried out to evaluate the performance of the model. The best testing results were obtained with testing accuracy values of 75.25%, precision of 75.6%, recall of 75.4%, and F1-score of 75.4%. Overall, the CO-ResNet method works quite well in classifying and detecting eye diseases."