EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Model Deep Learning untuk Mendeteksi dan Memprediksi Konsentrasi Manusia dalam Lingkungan Dinamis

Devi Fajar Wati, Lila Setiyani, Deden Moch Alfiansyah, M. Jembar Jomantara, Dedih Dedih, M. Ridho Darmawan

Jurnal Pengabdian Masyarakat dan Riset Pendidikan · 11.05.2026 · 4 (4) · 25249-25259

DOI: 10.31004/jerkin.v4i4.6336 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Jurnal Pengabdian Masyarakat dan Riset Pendidikan, online erschienen am 11.05.2026. Verfasst von Devi Fajar Wati und 5 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Konsentrasi manusia merupakan aspek kognitif penting yang memengaruhi efektivitas belajar, produktivitas kerja, dan keselamatan dalam aktivitas sehari-hari. Namun, meningkatnya distraksi digital dan lingkungan yang dinamis membuat individu semakin sulit mempertahankan fokus secara konsisten. Penelitian sebelumnya umumnya hanya berfokus pada deteksi tingkat konsentrasi dalam lingkungan laboratorium yang terkontrol dan belum banyak membahas prediksi perubahan konsentrasi secara real-time pada situasi dinamis. Penelitian ini bertujuan mengembangkan model deep learning multimodal untuk mendeteksi dan memprediksi tingkat konsentrasi manusia menggunakan data fisiologis dan perilaku. Pendekatan yang diusulkan mengintegrasikan sinyal electroencephalography (EEG), eye-tracking, dan perilaku interaksi digital untuk meningkatkan akurasi analisis konsentrasi. Arsitektur hybrid Convolutional Neural Network (CNN) dan Bidirectional Long Short-Term Memory (BiLSTM) digunakan untuk menangkap pola spasial dan temporal dari data multimodal. Model dirancang untuk melakukan deteksi konsentrasi secara real-time serta memprediksi perubahan fokus jangka pendek pada lingkungan dinamis seperti pembelajaran daring, aktivitas multitasking, dan simulasi mengemudi. Metode penelitian meliputi pengumpulan data, pra-pemrosesan, pengembangan model, dan evaluasi performa menggunakan metrik accuracy, precision, recall, F1-score, dan RMSE. Hasil akhir penelitian berupa model deep learning multimodal yang mampu mendeteksi dan memprediksi tingkat konsentrasi manusia secara lebih adaptif dibandingkan pendekatan unimodal. Penelitian ini diharapkan dapat memberikan kontribusi dalam pengembangan teknologi kecerdasan buatan pada bidang pendidikan, kesehatan digital, dan keselamatan kerja..

Zitieren

APA

Wati, D. F., Setiyani, L., Alfiansyah, D. M., Jomantara, M. J., Dedih, D., & Darmawan, M. R. (2026). Model Deep Learning untuk Mendeteksi dan Memprediksi Konsentrasi Manusia dalam Lingkungan Dinamis. Jurnal Pengabdian Masyarakat dan Riset Pendidikan, 4(4), 25249-25259. https://doi.org/10.31004/jerkin.v4i4.6336

Vancouver

Wati DF, Setiyani L, Alfiansyah DM, Jomantara MJ, Dedih D, Darmawan MR. Model Deep Learning untuk Mendeteksi dan Memprediksi Konsentrasi Manusia dalam Lingkungan Dinamis. Jurnal Pengabdian Masyarakat dan Riset Pendidikan. 2026;4(4):25249-25259. doi:10.31004/jerkin.v4i4.6336

BibTeX
@article{Wati2026,
  author = {Wati, Devi Fajar and Setiyani, Lila and Alfiansyah, Deden Moch and Jomantara, M. Jembar and Dedih, Dedih and Darmawan, M. Ridho},
  title = {Model Deep Learning untuk Mendeteksi dan Memprediksi Konsentrasi Manusia dalam Lingkungan Dinamis},
  journal = {Jurnal Pengabdian Masyarakat dan Riset Pendidikan},
  year = {2026},
  volume = {4},
  number = {4},
  pages = {25249--25259},
  doi = {10.31004/jerkin.v4i4.6336}
}
Kostenlos starten →