PERANCANGAN SISTEM DETEKSI JATUH UNTUK MANUSIA LANJUT USIA DENGAN CONVOLUTIONAL NEURAL NETWORK DAN MEDIAPIPE PADA HUMAN FOLLOWING ROBOT
No Thumbnail Available
Date
2024-01-29
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
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