PERANCANGAN SISTEM DETEKSI JATUH UNTUK MANUSIA LANJUT USIA DENGAN CONVOLUTIONAL NEURAL NETWORK DAN MEDIAPIPE PADA HUMAN FOLLOWING ROBOT

Abstract

Manusia lanjut usia atau lansia rentan mengalami jatuh karena masalah kesehatan yang disebabkan oleh penuaan. Di Indonesia, 7.25% lansia tinggal sendiri dan 20.85% tinggal dengan pasangannya saja. Lansia menjadi rentan untuk tidak mendapatkan pertolongan apabila terjadi jatuh. Sebuah sistem deteksi jatuh yang dapat membantu keluarga dalam mengawasi jatuh dibutuhkan untuk dapat mengatasi masalah tersebut. Penelitian ini bertujuan merancang sistem deteksi jatuh dengan Convolutional Neural Network (CNN) dan MediaPipe yang dapat mengirimkan notifikasi. Sistem deteksi diimplementasikan pada sebuah Human Following Robot dan dianalisa performa dari CNN dan MediaPipe dalam mendeteksi jatuh secara real – time. Penelitian ini merancang website monitoring sistem deteksi untuk mempermudah keluarga dalam mengetahui keadaan lansia. Algoritma machine learning yang digunakan adalah model pre-trained VGG-16, EfficientNet, dan DenseNet. Dari ketiga algoritma tersebut hasil testing terbaik adalah VGG-16 dengan akurasi 93.55%. Hasil dari penggabungan algoritma CNN dengan MediaPipe dapat mendeteksi seluruh skenario jatuh secara akurat dengan rata – rata delay 2.78 detik. Pada robot, implementasi algoritma sistem deteksi dapat membuat robot mengikuti manusia dan mendeteksi aktivitas jatuh maupun tidak jatuh.

Description

Keywords

Computer vision, Deteksi jatuh, Lansia

Citation