<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "MODEL PENGENALAN EKSPRESI WAJAH TEROKLUSI BERBASIS\r\nSWIN TRANSFORMER MELALUI PAIRED CLEAN-ANCHOR\r\nCONSISTENCY"^^ . "Penelitian ini mengembangkan protokol rekayasa dataset oklusi\r\nberpasangan dan metode pembelajaran Paired Clean-Anchor Consistency (PCAC)\r\nuntuk Facial Expression Recognition (FER) berbasis Swin Transformer. Tujuannya\r\nadalah menguji pengenalan delapan kelas ekspresi ketika masker, hijab, atau\r\nkeduanya menutup petunjuk wajah. Lingkup penelitian terbatas pada ekspresi yang\r\ntampak, bukan emosi batin atau keputusan klinis dan ketenagakerjaan. Kontribusi\r\nutama penelitian adalah protokol rekayasa dataset oklusi berpasangan berbasis\r\nsource family yang mengintegrasikan kurasi clean anchor, pembentukan oklusi\r\nhibrida, pewarisan label, pemeriksaan kualitas, provenance, dan audit kebocoran.\r\nAffectSyn merupakan instansiasi protokol tersebut, terdiri atas 13.586 source family\r\ndan 41.066 citra pada domain clean, masker, hijab, dan masker-hijab dengan\r\nketersediaan tampilan yang tidak seragam. Kontribusi pendukung pada rekayasa\r\nmodel dan proses adalah PCAC beserta kontrol exposure-matched lambda=0, yang\r\nmemisahkan pengaruh fungsi konsistensi dari manfaat paparan pasangan. Evaluasi\r\nmenggunakan tiga random seed, kohort nyata, benchmark AffectNet dan RAF-DB,\r\nbootstrap berpasangan atau berklaster subjek, interval kepercayaan 95%, dan\r\nkoreksi Holm.\r\nPada AffectSyn, PCAC mengurangi clean-to-occluded macro-F1 gap dari\r\n0,03444 menjadi 0,01623 atau 52,9%. Pada kohort nyata 1.600 citra dari 100\r\nsubjek, sistem data semantik meningkatkan macro-F1 sebesar 0,0288 dibandingkan\r\noklusi naif, sedangkan PCAC meningkatkan macro-F1 sebesar 0,0295\r\ndibandingkan kontrol exposure-matched lambda=0; keduanya lolos koreksi Holm\r\n(p<0,001). Dalam transfer zero-shot, PCAC-Swin-T mencapai accuracy 70,95%\r\npada RAF-DB clean dan 65,26% pada Occlusion-RAF-735. Sistem data semantik\r\nberarah positif pada empat papan, meskipun kontras publik tidak seluruhnya\r\nbertahan setelah koreksi pengujian jamak. Pengujian FMAE-L menemukan\r\nnegative transfer pada adaptasi kepala.\r\nDalam protokol Swin-T dan konfigurasi eksperimen ini, sistem data\r\nsemantik AffectSyn menunjukkan manfaat pada FER teroklusi nyata, sedangkan\r\nefek intervensi PCAC didukung oleh perbandingan terhadap kontrol exposurematched\r\nlambda=0.\r\nHasil\r\nlintas-backbone\r\nmenunjukkan\r\nbahwa\r\n\r\nmanfaat tersebut\r\nbergantung pada domain, backbone, dan pretraining. Secara hierarkis, kontribusi\r\nutama disertasi adalah protokol rekayasa dataset; AffectSyn merupakan instrumen\r\nhasil protokol tersebut; sedangkan PCAC, kontrol paparan, dan evaluasi lintasdomain\r\nmerupakan\r\nkontribusi\r\npendukung.\r\nHasil\r\ntidak\r\nmenyatakan\r\nefek\r\nuniversal\r\n\r\npada\r\nseluruh\r\nbackbone,\r\nproses\r\npelatihan,\r\ndomain,\r\natau\r\njenis\r\noklusi."^^ . "2026-08-14" . . . "Universitas AMIKOM Yogyakarta"^^ . . . "Fakultas Ilmu Komputer, Universitas AMIKOM Yogyakarta"^^ . . . . . . . . <> . . "Mujiyanto"^^ . "-"^^ . "Mujiyanto -"^^ . . "Arief"^^ . "Setyanto"^^ . "Arief Setyanto"^^ . . "Universitas AMIKOM Yogyakarta"^^ . . . . . . . "MODEL PENGENALAN EKSPRESI WAJAH TEROKLUSI BERBASIS\r\nSWIN TRANSFORMER MELALUI PAIRED CLEAN-ANCHOR\r\nCONSISTENCY (Text)"^^ . . . . "HTML Summary of #33200 \n\nMODEL PENGENALAN EKSPRESI WAJAH TEROKLUSI BERBASIS \nSWIN TRANSFORMER MELALUI PAIRED CLEAN-ANCHOR \nCONSISTENCY\n\n" . "text/html" . . . "000 Ilmu komputer, informasi dan pekerjaan umum"@en . .