<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="14663">
 <titleInfo>
  <title>Deteksi Gerakan Pupil Mata Menggunakan Kamera Depan Smartphone Berbasis Android</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Muhammad Ardy Junata</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>1855301047</namePart>
  <role>
   <roleTerm type="text">Additional Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Pekanbaru</placeTerm>
   <publisher>Pustaka Politeknik Caltex Riau</publisher>
   <dateIssued>2022</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent>xiii, 47 hlm.; 20.5 x 14.5 cm</extent>
 </physicalDescription>
 <note>Kamera depan smartphone pada saat ini banyak digunakan oleh pengguna untuk selfie, video call, dan teleconference. Penelitian ini memanfaatkan kamera depan smartphone untuk melakukan proses deteksi gerakan pupil mata pengguna. Proses deteksi gerakan pupil mata selama ini banyak diimplementasikan menggunakan perangkat keras atau berbasis desktop dan website. Untuk melakukan implementasi Machine Learning pada perangkat smartphone. Oleh karena itu penelitian ini menggunakan library ML Kit untuk mendukung implementasi Machine Learning pada perangkat smartphone. Selain itu penelitian ini menggunakan Convolutional Neural Network (CNN) yang merupakan salah satu arsitektur dari Deep Learning untuk mendapatkan tingkat keberhasilan deteksi gerakan pupil mata yang tinggi. Proses traning model memperoleh nilai AP50(IoU 0.50) sebesar 89%. IoU digunakan untuk mengukur akurasi bounding box pada deteksi. Pada pengujian menggunakan confusion matrix menghasilkan nilai rata-rata akurasi pada setiap kelas sebesar 68,8%. Pengujian pada pengguna menggunakan jarak dan resolusi kamera sebagai parameter dengan jarak 15 cm, 20 cm, dan 25 cm yang memiliki masing-masing rata-rata akurasi sebesar 71%, 60%, dan 51%. Penelitian ini mampu menghasilkan aplikasi yang dapat mendeteksi posisi pupil mata.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>PA Teknik Informatika</topic>
 </subject>
 <classification>PA TI</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Politeknik Caltex Riau Politeknik Caltex Riau</physicalLocation>
  <shelfLocator>PA TI</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">PA1855301047</numerationAndChronology>
    <sublocation>Perpustakaan PCR (R)</sublocation>
    <shelfLocator></shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="15090" url="" path="KP_PA/POSTER/PA1855301047_poster_pa.png" mimetype="image/png">Poster - DETEKSI GERAKAN PUPIL MATA MENGGUNAKAN KAMERA DEPAN SMARTPHONE BERBASIS ANDROID</slims:digital_item>
 </slims:digitals>
 <recordInfo>
  <recordIdentifier>14663</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2022-08-26 00:00:00</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2022-11-10 15:16:03</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>