Publication Search

Deteksi nyeri objektif merupakan tantangan dalam dunia medis, terutama bagi pasien yang tidak mampu mengungkapkan rasa sakit secara verbal. Dengan kemajuan teknologi sensor dan kecerdasan buatan, sistem otomatis untuk mendeteksi nyeri berbasis sinyal fisiologis dan ekspresi wajah mulai dikembangkan. Studi ini bertujuan mengidentifikasi tren, metode, dan kualitas metodologis dari penelitian yang menggunakan database publik seperti BioVid Heat Pain, UNBC-McMaster, dan SenseEmotion dalam pengembangan sistem deteksi nyeri berbasis sensor. Penelitian dilakukan dengan pendekatan Systematic Literature Review (SLR) berdasarkan protokol PRISMA 2020 melalui pencarian artikel di Google Scholar dalam rentang tahun 2015–2024. Setelah seleksi berdasarkan kriteria inklusi dan eksklusi, 26 studi dimasukkan ke dalam sintesis naratif. Data dianalisis berdasarkan jenis sensor, metode algoritma, akurasi, dan ukuran sampel, serta dievaluasi menggunakan pendekatan GRADE. Hasil menunjukkan bahwa BioVid dan UNBC-McMaster adalah database paling sering digunakan, dengan sensor EDA, EMG, dan ekspresi wajah sebagai modalitas dominan. Metode klasifikasi umum mencakup CNN, SVM, dan Random Forest. Studi menyimpulkan bahwa pendekatan multimodal dan deep learning meningkatkan akurasi deteksi nyeri, namun validasi klinis dan perhatian terhadap keragaman demografis masih dibutuhkan.

Childfree terjadi pada individu atau pasangan yang secara sukarela memilih untuk tidak memiliki anak. Fenomena Childfree semakin menarik perhatian masyarakat modern dan mempengaruhi keputusan hidup banyak individu. Data yang digunakan diperoleh dengan melakukan crawling data pada sosial media twitter. Dalam analisis sentimen kali ini menggunakan metode naïve bayes, data akan diflasifikasikan menjadi dua hasil, yaitu sentimen negatif dan positif. Setelah itu, data tersebut akan dinilai menggunakan pengujian dengan confusion matrix untuk mengukur akurasi, recall, dan precision. Hasil pengujian dengan Rapidminer menunjukan tingkat akurasi naive bayes yang tinggi sebesar 96%, untuk sentimen positif menghasilkan nilai precision 84,13%, dan nilai recall 100%. Sedangkan untuk sentimen negatif menunjukkan nilai precision 94,92%, dan recall 100%. Hasil klasifikasi tersebut menghasilkan 254 tweet negatif, dan 74 tweet positif. Analisis sentimen menggunakan metode Naïve Bayes dapat memberikan wawasan yang berharga tentang pandangan dan sentimen masyarakat terhadap Childfree. Hasil penelitian ini penting untuk memahami dan menghargai keragaman pandangan terkait topik ini. Implikasi penelitian ini dapat digunakan untuk pengambilan keputusan yang lebih baik dalam konteks sosial, budaya, dan kebijakan yang berkaitan dengan keputusan Childfree.

Permainan telah merambah berbagai usia, mulai dari usia muda hingga dewasa. Permainan merupakan salah satu mediasi perantara dalam olah tubuh, baik fikiran maupun fisik, bahkan sudah merambah kombinasi keduanya. Berbagai jenis permainan telah banyak dikembangkan diantaranya permainan berbasis perangkat komputer, perangkat gawai, hingga olahraga. Pada implementasi permainan khususnya pada olahraga bisa dikembangkan berdasarkan kebutuhan dan suasana. Pada kesempatan ini tim mencoba melakukan rancang bangun perangkat permainan guna mendukung dan melatih ketangkasan penggunanya. Perangkat berbasis mikrokontroler ini menggunakan modul Arduino Nano sebagai pengolah utamanya, dan menempatkan algoritma pengacakan secara otomatis dengan menggunakan visualisasi berupa LED. Masukan sistem berupa respon yang dihasilkan dari sensor penghalang inframerah. Algoritma pengacakan akan melakukan visualisasi secara acak dan beragam, setelah memperoleh respon dari penggunanya. Simulator sistem permainan ini terdiri dari 7 kombinasi masukan sensor penghalang inframerah dan 7 keluaran visualnya. Sistem telah berhasil merespon secara realtime dan algoritma pengacakan dapat menghasilkan keragaman visualisasi luarannya sesuia dengan yang diharapkan.