Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dengan jumlah penduduk ratusan juta, tentunya Indonesia akan dihuni oleh berbagai suku, ras, dan agama. Karakter Emosi seseorang juga merupakan salah satu keragaman yang dimiliki oleh setiap orang. Emosi memainkan peran penting dalam proses komunikasi. Bentuk komunikasi nonverbal adalah ekspresi wajah, postur tubuh, dan gerak tubuh. Pengenalan ekspresi wajah memiliki banyak aplikasi, seperti interaksi manusia-komputer, robot sosial, sistem alarm, dan animasi. Dalam penelitian ini, penulis membahas machine learning pada perangkat aplikasi perangkat lunak dengan mengevaluasi arsitektur CNN DenseNet untuk mendeteksi emosi melalui wajah. Sehingga Anda akan mendapatkan akurasi, komputasi & Top One Score terbaik. Penulis berfokus pada beberapa model CNN modern antara lain Rensenet & Densenet. Rensenet sendiri merupakan arsitektur CNN modern sebelum Densenet perbedaannya terletak pada koneksi antar blok dimana Densenet mampu melewatkan informasi pada setiap input layer dengan menggunakan metode (.) sedangkan Rensesnet hanya melewatkan informasi inputan awal dengan menggunakan metode penambahan (+). Arsitektur terbaik dari variasi DenseNet yang ada terdapat pada DenseNet 121 dengan variasi learning rate 0,1 dengan waktu komputasi 5524s, accuracy 80.68%, validation accuracy 80.22% dan Top-1 accuracy rate sebesar 87,19%.

---

With a population of hundreds of millions, of course, Indonesia will be inhabited by various ethnicities, races, and religions. Character Emotions of a person are also one of the diversity that is owned by everyone. Emotions play an important role in the communication process. Forms of nonverbal communication are facial expressions, body postures, and gestures. Facial expression recognition has many applications, such as human-computer interaction, social robots, alarm systems, and animation. In this study, the author discusses machine learning on software application devices by evaluating the CNN DenseNet architecture to detect emotions through faces. So that you will get the best accuracy, computing & Top One Score. The author focuses on several modern CNN models, including Rensenet & Densenet. Rensenet itself is a modern CNN architecture before Densenet, the difference lies in the connection between blocks where Densenet is able to pass information at each input layer using the (.) method while Rensesnet only passes the initial input information by using additive methods (+). The best architecture of the existing DenseNet variations is found in DenseNet 121 with a learning rate variation of 0.1 with a computation time of 5524s, 80.68% accuracy, 80.22% validation accuracy, and Top-1 accuracy rate of 87.19%."

"Perkembangan teknologi pemrosesan citra digital berjalan dengan pesat seiring dengan banyaknya pemanfaatan teknologi tersebut di berbagai bidang kehidupan manusia. Bidang kehidupan manusia yang memanfaatkan teknologi pemrosesan citra digital antara lain adalah: interasi kumputer-manusia, kesehatan, keamanan dan keselamatan, transportasi, robotika. Salah satu penerapan teknologi pemrosesan citra digital adalah pengenalan ekspresi wajah atau Facial Expression Recognition (FER). Wajah manusia dapat menampilkan berbagai macam ekspresi yang berbeda seperti ekspresi senang, sedih, marah, takut, terkejut, jijik dan sebagainya. Perbedaan ekspresi wajah ini menjadi tantangan bagi komputer untuk dapat mengenali dan membedakannya secara akurat. Salah satu teknologi yang digunakan pada aplikasi FER adalah CNN (Convolutional Neural Networks). Penelitian ini menggunakan model CNN AlexNet yang telah dilakukan perbaikan parameter (fine-tuning) untuk diaplikasikan pada pengenalan ekspresi wajah pada citra digital. Fine-Tuning yang dilakukan adalah dengan mengubah beberapa parameter dari model AlexNet. Parameter yang diubah antara lain: normalisasi input (dari normalisasi cross channel menjadi normalisasi batch), fungsi aktivasi dari ReLU (Rectified Linear Unit) menjadi Leaky ReLU, nilai dua buah dropout yang masing-masing bernilai 50% diubah menjadi 30% dan 20%. Program pengenalan ekspresi wajah yang dibuat kemudian diaplikasikan tearhadap dua buah dataset FER yaitu dataset CK+ (Extended Cohn-Kanade) dan KDEF (The Karolinska Directed Emotional Faces). Tahapan pre-processing yang dilakukan adalah mengubah tingkat kekontrasan citra dataset menggunakan metode CLAHE (Contrast Limited Adaptive Histogram Equalization). Hasil pengujian menunjukkan bahwa metode yang menggunaan prosedur CLAHE serta model fine-tuning AlexNet miliki kinerja yang lebih baik dari pada model AlexNet standard. Penggunaan metode ini pada dataset CK+ meningkatkan akurasi rata-rata sebesar 19,01% dan ketika metode ini digunakan pada dataset KDEF mampu meningkatkan akurasi rata-rata sebesar 14,82% dibandingkan pada saat menggunakan model konvensional AlexNet serta tidak melakukan prosedur CLAHE pada citra dataset. Dari hasil pengujian juga diketahui prosedur CLAHE dan fine-tuning AlexNet mampu melakukan klasifikasi ekspresi wajah secara akurat pada citra yang diuji. Sedangkan model konvensional AlexNet dalam beberapa percobaan gagal mengklasifikasikan ekspresi wajah secara tepat pada citra yang diuji.

---

The development of digital image processing technology is progressing rapidly along with the many uses of this technology in various fields of human life. Fields of human life that utilize digital image processing technology include robotics, human-computer interaction, healthcare, security and safety, and transportation. One application of digital image processing technology is facial expression recognition (FER). The human face can display a variety of different expressions such as expressions of happiness, sadness, anger, fear, surprise, disgust, and so on. There is a challenge for the computer to recognize the difference in facial expressions. One of the technologies used in facial expression recognition applications in digital images is artificial intelligence technology especially CNN (Convolutional Neural Networks). In this study, AlexNet, a CNN model was fine-tuned and combined with CLAHE (Contrast Limited Adaptive Histogram Equalization) procedure toward images dataset for facial expression recognition applications. Fine-Tuning AlexNet model were made by changing some of AlexNet's standard parameters. These parameters include: input initialization (from local normalization to batch normalization), activation function (from ReLU to Leaky ReLU), and dropout value changed from 50%; 50% to 30% and 20%. The facial expression recognition program created was then implemented in two FER (Facial Expression Recognition) datasets, namely CK+ and KDEF. After testing, the results showed that the CLAHE and Fine-Tuning AlexNet model had better performance than the basic AlexNet model. When applying the CK+ dataset that had CLAHE procedure with the Fine-Tuning AlexNet model increases the average of accuracy up to 19,01%, when applying to the KDEF dataset, this method increases accuracy up to 14,82%. From the test results it is known that the CLAHE and the Fine-Tuning AlexNet model model gives better results than the original AlexNet model. Fine-Tuning of the AlexNet model is able to give accurate classification of facial expressions in the tested images. While the original AlexNet model in several experiments failed to accurately clasify facial expressions in the tested images."

"[This book takes a multidisciplinary approach to emotion, with contributions from biologists, psychologists, neuroscientists, robot engineers, and artists. A wide range of emotional phenomena is discussed, including the notion that humans’ sophisticated sensibility, as evidenced by our aesthetic appreciation of the arts, is based at least in part on a basic emotional sensibility that is found in young children and perhaps even some non-human animal species. As a result, this book comprises a unique comparative perspective on the study of emotion. A number of chapters consider emotions in a variety of animal groups, including fish, birds, and mammals. Other chapters expand the scope of the book to humans and robots. Specific topics covered in these chapters run the gamut from lower-level emotional activity, such as emotional expression, to higher-level emotional activity, such as altruism, love, and aesthetics. Taken as a whole, the book presents manifold perspectives on emotion and provides a solid foundation for future multidisciplinary research on the nature of emotions., This book takes a multidisciplinary approach to emotion, with contributions from biologists, psychologists, neuroscientists, robot engineers, and artists. A wide range of emotional phenomena is discussed, including the notion that humans’ sophisticated sensibility, as evidenced by our aesthetic appreciation of the arts, is based at least in part on a basic emotional sensibility that is found in young children and perhaps even some non-human animal species. As a result, this book comprises a unique comparative perspective on the study of emotion. A number of chapters consider emotions in a variety of animal groups, including fish, birds, and mammals. Other chapters expand the scope of the book to humans and robots. Specific topics covered in these chapters run the gamut from lower-level emotional activity, such as emotional expression, to higher-level emotional activity, such as altruism, love, and aesthetics. Taken as a whole, the book presents manifold perspectives on emotion and provides a solid foundation for future multidisciplinary research on the nature of emotions.]"

"Skripsi ini berisi pembahasan mengenai sikap pasrah yang terkandung dalam ungkapan bahasa Jawa. Studi kasus sikap pasrah yang diajarkan PANGESTU yang khususnya terkandung pada ajaran PANCA SILA dalam buku Sasangka Jati. Penelitian ini menggunakan teori Segitiga Makna dari C. K. Ogden dan I. A. Richards dengan melalui tahapan analisis; pemaparan makna konvensional, analisis makna leksikal, analisis makna kontekstual. Penelitian ini bertujuan mencari makna-makna dan pesan budaya pada tiap-tiap ungkapan yang mengandung sikap pasrah. Hasil analisis menyatakan bahwa orang Jawa memahami tiap ungkapan sikap pasrah sebagai sesuatu yang berhubungan dengan Tuhan.

---

Abstract

This thesis contains with a discussion of the submission contained in the Java language expression. Reference submission of the Javanese in the study are contained PANGESTU submission on 'Sasangka Jati' especially in 'PANCA SILA'. This research uses in the meaning of Triangle Theory C. K. Ogden and I. A. Richards. Stages of analysis in this research; exposure of conventional meaning, the meaning of lexical analysis, analysis of the contextual meaning, the analysis of cultural messages. This research aims to find the meanings and cultural messages in every expression containing submission. The results of the analysis stated that the Javanese people understand every expression submission as something related to spirituality to God."

"Ekspresi gen sintentik gag HIV-1 subtipe CRF01_AE dalam E. coli BL21 dan E. coli BL21-CP telah dilakukan. Gen gag merupakan salah satu gen pada HIV-1 yang tidak mengalami mutasi secara signifikan sehingga gen tersebut dapat digunakan untuk pengembangan vaksin yang dapat dimanfaatkan dalam jangka waktu yang panjang. Pengembangan vaksin HIV membutuhkan protein Gag untuk digunakan sebagai antigen yang mampu merespon pembentukan antibodi pada hewan uji coba. Protein Gag didapatkan dengan cara melakukan ekspresi gen gag yang telah diklon ke dalam vektor ekspresi pQE-81L, dan ditransformasi ke dalam bakteri E. coli BL21 dan E. coli BL21-CP. Ekspresi dilakukan dengan tiga faktor optimasi yaitu, suhu, konsentrasi isopropyl-β-D-thiogalactopyranoside (IPTG) dan waktu ekspresi setelah induksi dilakukan. Analisis hasil ekspresi dilakukan dengan SDS-PAGE dan menunjukkan tidak ada protein Gag yang dihasilkan pada semua keadaan optimasi yang dilakukan. Kegagalan ekspresi gen gag pada E. coli BL21 dan E. coli BL21-CP disebabkan oleh peristiwa kodon bias, dan pemilihan sel inang ekspresi yang kurang tepat.

---

Expression of gag gene on HIV-1 subtype CRF01_AE in E. coli BL21 and E. coli BL21-CP had been conducted. Gag gene on HIV-1 is one of the genes that can?t be significantly mutated, so it can be utilized for long term vaccines development. HIV vaccine development requires Gag protein as antigen in order to response antibody formation in animal experiment. Gag protein was obtained by gag gene expression that had been cloned into expression vector pQE-81L and transformed into E. coli BL21 and E. coli BL21-CP. Expression of the gag gene as optimized by temperature, isopropyl-β-D-thiogalactopyranoside (IPTG) concentration, and expression time after IPTG induction. The expression was analyzed by SDS-PAGE and it showed no protein produced in all optimization conditions. The failure of gag gene expression in E. coli BL21 and E. coli BL21-CP caused by codon ray and inappropriate host cell."

"Latar Belakang: Status kebersihan rongga mulut yang buruk ditandai dengan biofilm dalam jumlah banyak. Biofilm terbentuk dari perlekatan bakteri ke permukaan padat dan dengan bakteri lain. Bakteri later colonizers patogen periodontitis di biofilm seperti Treponema denticola bergantung pada early colonizers seperti Veillonella parvula. Protein VtaA dan Msp berperan dalam fungsi perlekatan Veillonella parvula dan Treponema denticola. Akumulasi biofilm dapat menyebabkan periodontitis. Akan tetapi periodontitis tidak umum dibahas pada anak. Tujuan: Penelitian ini bertujuan menganalisis hubungan jumlah Veillonella parvula dan Treponema denticola, serta ekspresi gen VtaA dan Msp spesifik tiap bakteri dari saliva anak terhadap status rongga mulut. Metode: Penelitian ini menggunakan 40 sampel saliva anak yang dikelompokkan berdasarkan kategori OHI-S. Ekstraksi RNA untuk analisis ekspresi gen dan DNA untuk jumlah bakteri target dari sampel menggunakan GeneZol Kit. Konversi RNA menjadi cDNA menggunakan SensiFast cDNA Kit. Ekstrak DNA dan cDNA diuji dengan Real-time PCR. Analisis jumlah bakteri menggunakan kuantifikasi absolut dan tingkat ekspresi gen menggunakan kuantifikasi relatif. Hasil: Tidak ada perbedaan bermakna antara jumlah kedua bakteri maupun tingkat kedua ekspresi gen di antara kategori OHI-S. Jumlah Veillonella parvula cenderung menurun dan Treponema denticola cenderung meningkat seiring memburuknya skor OHI-S. Kesimpulan: Deteksi peningkatan jumlah Veillonella parvula tidak dapat menjadi bioindikator inisiasi penyakit periodontal. Ekspresi gen VtaA dan Msp tidak dapat digunakan sebagai bioindikator pembentukan biofilm dalam jumlah tinggi.

---

Backgrounds: Poor oral hygiene status is marked by large amount of biofilms. Biofilms are made from bacterial adhesion to solid surfaces and to other bacteria. Later colonizers periodontitis pathogenic bacteria in biofilms like Treponema denticola, depend on early colonizers such as Veillonella parvula. VtaA and Msp are proteins that function in adhesion of Veillonella parvula and Treponema denticola. Biofilms accumulation can cause periodontitis. However, periodontitis is not a common discussion on children. Objectives: This research aims to analyze the correlation between the quantity of Veillonella parvula and Treponema denticola, also VtaA and Msp gene expression with oral status from children’s saliva. Methods: This study uses 40 samples of children’s saliva which has been grouped according to OHI-S category. RNA extraction to analyze gene expression and DNA extraction to quantify target bacteria from samples using GeneZol Kit. RNA conversion to cDNA uses SensiFast cDNA Kit. DNA extract and cDNA are tested using Real-time PCR Analysis of bacteria quantity with absolute quantification dan gene expression levels with relative quantification. Results: There is no significant difference between target bacteria quantity also gene expression levels between the OHI-S categories. Veillonella parvula’s quantity tends to decrease and Treponema denticola tends to increase as OHI-S scores worsens. Conclusions: Detection of increasing quantity of Veillonella parvula cannot be used as a bioindicator of periodontal disease initiation. VtaA and Msp gene expression cannot be used as a bioindicator of high rates of biofilm’s formation."

"Teknologi DNA microarray menghasilkan data ekspresi gen yang dapat digunakan untuk membantu berbagai pemecahan masalah dalam dunia kesehatan. Data ekspresi gen merupakan matriks berukuran besar berisi gen dan kondisi eksperimental yang tak jarang mengandung missing values dan outlier. Data yang mengandung missing values dapat mengganggu dan membatasi analisis. Untuk mengatasinya, metode komputasi dinilai layak untuk imputasi missing values pada data ekspresi gen sebelum dilakukan analisis lanjutan, terlebih untuk data yang memiliki outlier. Oleh karena itu, pada penelitian ini digunakan metode imputasi missing values NCBI-LPCM untuk mengatasi permasalahan missing values pada data ekspresi gen yang memiliki outlier. Metode NCBI-LPCM menggunakan ukuran korelasi LPCM yang dapat menangani keberadaan outlier untuk pembentukan bicluster dan imputasi least square yang merupakan metode imputasi dengan pendekatan lokal. LPCM mengidentifikasi gen-gen yang memiliki pola korelasi similar sehingga menjadi informasi lokal untuk dasar imputasi. Metode ini diterapkan pada data ekspresi gen pasien Leukemia Limfoblastik Akut pada missing rate 5%, 10%, 15%, 20%, 25%, 30%, dan 35%. Berdasarkan RMSE dan korelasi Pearson, metode NCBI-LPCM lebih baik jika dibandingkan dengan NCBI-SSSim yang juga dapat menangani keberadaan outlier.

---

DNA microarray technology produces gene expression data that can be used to help solve various problems in healthcare. Gene expression data is a large matrix of genes and experimental conditions that often contains missing values and outliers. Data containing missing values can interfere with and limit analyses. To overcome this, computational methods are considered feasible for imputing missing values in gene expression data before further analysis is carried out, especially for data that has outliers. Therefore, in this study, the NCBI-LPCM missing values imputation method was used to overcome the problem of missing values in gene expression data with outliers. The NCBI-LPCM method uses the LPCM correlation measure which can handle the presence of outliers for bicluster formation and least square imputation which is an imputation method with a local approach. LPCM identifies genes that have similar correlation patterns so that they become local information for the basis of imputation. This method was applied to gene expression data of Acute Lymphoblastic Leukaemia patients at missing rates of 5%, 10%, 15%, 20%, 25%, 30%, and 35%. Based on RMSE and Pearson correlation, the NCBI- LPCM method is better than NCBI-SSSim which can also handle the presence of outliers."

"Sindrom ovarium polikistik (SOPK) merupakan gangguan reproduksi yang disebabkan oleh berbagai faktor endokrin dan metabolisme. Penderita SOPK merupakan wanita usia reproduktif (8—10%) disertai dengan kondisi obesitas (50—80%; IMT≥25). Meski etiologi SOPK belum sepenuhnya diketahui, namun kelainan endokrin seperti abnormalitas rasio kadar LH (luteinizing hormone) dan FSH (follicle stimulating hormone) merupakan penyebab utama terjadinya SOPK. Gen KISS1, TAC3, dan PDYN, diketahui dapat memengaruhi pulsatilitas GnRH (gonadotropin releasing hormone) yang meregulasi sekresi LH dan FSH. Gangguan ekspresi pada ketiga gen ini akan menyebabkan gangguan pada sistem endokrin yang mengarah pada SOPK. Penelitian ini bertujuan untuk mengetahui ekspresi mRNA gen KISS1, TAC3, dan PDYN pada wanita SOPK dan non-SOPK dengan obesitas dan non-obesitas. Penelitian dilakukan pada masing-masing 10 sampel darah perifer yang dibagi ke dalam empat kelompok, yaitu non-SOPK non-obesitas, SOPK non-obesitas, non-SOPK obesitas, dan SOPK obesitas. Ekspresi mRNA dianalisis menggunakan teknik quantitative real time PCR (qPCR) dan dikuantifikasi secara relatif menggunakan metode Livak. Hasil penelitian menunjukkan ekspresi mRNA gen KISS1 dan TAC3 ditemukan lebih tinggi pada wanita SOPK dibandingkan wanita non-SOPK dengan obesitas maupun non-obesitas, sedangkan ekspresi mRNA gen PDYN lebih rendah pada wanita SOPK dibandingkan wanita non-SOPK dengan obesitas maupun non-obesitas. Namun, berdasarkan hasil uji statistik, tidak seluruh pasangan kelompok memiliki perbedaan ekspresi yang signifikan. Meski begitu, hasil dari penelitian ini menunjukkan bahwa ekspresi mRNA gen KISS1, TAC3, dan PDYN pada darah perifer terkait dengan SOPK dan obesitas.

---

Polycystic ovary syndrome (PCOS) is a reproductive disorder caused by complex endocrine and metabolic factors. This syndrome occurs in reproductive age women (8—10%) with obesity (50—80%; BMI≥25). Although its etiology is not fully understood, endocrine disorders such as ratio abnormality of LH (luteinizing hormone) and FSH (follicle stimulating hormone) is the main causes of PCOS. KISS1, TAC3, and PDYN gene expression are known to affect the pulsatility of GnRH (gonadotropin releasing hormone) which regulates LH and FSH secretion. Abnormality of these gene expressions will cause endocrine disruption that leads to PCOS. This study aimed to determine KISS1, TAC3, and PDYN mRNA gene expression levels in PCOS and non-PCOS with obese and non-obese women. The study was conducted on each of 10 peripheral blood samples divided into four group, non-PCOS non-obese, non-PCOS obese, PCOS non-obese, and PCOS obese. The mRNA expression was analyzed using quantitative real time PCR (qPCR) with Livak relative quantification method. This study found that both KISS1 and TAC3 mRNA gene expressions were higher in PCOS than non-PCOS in both obese and non-obese women, while PDYN mRNA gene expression was lower in PCOS than non-PCOS in both obese and non-obese women. However, not all pair of groups had statistically significant differences. Nevertheless, the result of this study suggests that KISS1, TAC3, and PDYN mRNA gene expressions in peripheral blood are related with PCOS and obesity."

"Penggunaan aplikasi TikTok semakin merajalela di Indonesia. TikTok menciptakan platform yang dinamis untuk berbagi konten singkat dan kreatif. Fenomena ini mengundang perhatian terhadap bagaimana beberapa pengguna di Indonesia berekspresi ataupun menyampaikan pemikirannya sebagai orang Cina-Indonesia (Cindo) atau kelompok etnis Tionghoa melalui medium ini. Dalam sejarahnya, orang Cindo pernah mengalami diskriminasi. Berakhirnya era Orde Baru dan dengan ditetapkannya kebijakan-kebijakan politik yang lebih inklusif pada era Reformasi membuat orang Cindo menjadi lebih bebas dalam berekspresi, terutama untuk maksud memperkenalkan budayanya. Dalam artikel tugas akhir ini, penulis meninjau orang Cindo di TikTok menggunakan metode kualitatif berbasis budaya. Temuan utama yang dapat diungkap di antaranya adalah terdapat berbagai macam cara berekspresi, yaitu melalui konten pengetahuan, jawaban atas stereotip yang tertanam, dan keluhan. Melalui konten-konten ini, orang Cindo mengungkapkan keinginan mereka untuk diakui sebagai bagian dari bangsa Indonesia tanpa dibedakan berdasarkan penampilan atau aspek luar lainnya.

---

The use of the TikTok application is increasingly widespread in Indonesia. TikTok creates a dynamic platform for sharing short and creative content. This phenomenon draws attention to how some users in Indonesia express themselves or convey their thoughts as Chinese-Indonesians (Cindo) or ethnic Chinese through this medium. Historically, Cindo people have experienced discrimination. The end of the New Order era and the implementation of more inclusive political policies in the Reform era have allowed Cindo people greater freedom to express themselves, particularly to introduce their culture. In this thesis article, the author examines Cindo people on TikTok using a qualitative, culture-based method. The main findings reveal various ways of expression, including through educational content, responses to ingrained stereotypes, and complaints. Through these contents, Cindo people express their desire to be recognized as part of the Indonesian nation without being differentiated based on appearance or other external aspects."