Sistem Pemantauan Aktivitas Lansia Dengan Computer Vision – Submit Journal
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Bagus P., Mohamad Rizky D.
Subject
QA75 Electronic computers. Computer science
Datestamp
2022-07-20 01:18:43
Abstract :
Populasi lansia di Indonesia telah meningkat dari 10,7% pada tahun 2020 menjadi 2 kali lipat hingga 20% pada tahun 2045 yang akan datang. Fenomena tersebut mempengaruhi produktivitas dalam jumlah yang cukup besar. Lansia lebih rentan mengalami penurunan seiring bertambahnya umur sehingga sering menyebabkan aktivitas atau kegiatan sehari-hari yang dilakukan terganggu. Kecenderungan lansia untuk tinggal sendiri dengan alasan tidak mau merepotkan keluarga berpotensi mengalami peningkatan resiko kecelakaan yang fatal apabila tidak adanya pemantauan. Dalam penelitian ini dilakukan pemantauan untuk mengetahui aktivitas lansia berdasarkan postur tubuh dan zona aktivitas dengan computer vision. Proses pengambilan citra manusia menggunakan webcam yang kemudian data citra diolah menjadi koordinat postur tubuh menggunakan Blazepose. Output koordinat postur tubuh dari Blazepose berupa 33 koordinat yang akan dilakukan penyerdehanaan menjadi 8 koordinat. Delapan titik koordinat diproses menggunakan Multi-Layer Perceptron dengan 1 hidden layer dan 100 hidden unit untuk proses klasifikasi postur tubuh yang terbagi menjadi berdiri, duduk dan berbaring. Klasifikasi zona aktivitas menggunakan Point in Polygon berdasarkan koordinat perspektif webcam dari monitor peneliti yang akan dibagi menjadi 3 yaitu zona rileks, zona aktif, dan zona toilet. Dari pengolahan klasifikasi postur tubuh dan zona aktivitas disusun menjadi kalimat atau pesan SPK yang disimpan dalam bentuk datalog. Dari hasil uji perfomansi klasifikasi postur tubuh didapatkan nilai akurasi, presisi, dan recall terbaik dengan hasil sebesar 99.568%, 99.562%, dan 99.552%. Untuk hasil performa klasifiksi zona aktivitas didapatkan nilai akurasi, presisi, dan recall sebesar 92.728%, 93.814%, dan 92.521%.
Populasi lansia di Indonesia telah meningkat dari 10,7% pada tahun 2020 menjadi 2 kali lipat hingga 20% pada tahun 2045 yang akan datang. Fenomena tersebut mempengaruhi produktivitas dalam jumlah yang cukup besar. Lansia lebih rentan mengalami penurunan seiring bertambahnya umur sehingga sering menyebabkan aktivitas atau kegiatan sehari-hari yang dilakukan terganggu. Kecenderungan lansia untuk tinggal sendiri dengan alasan tidak mau merepotkan keluarga berpotensi mengalami peningkatan resiko kecelakaan yang fatal apabila tidak adanya pemantauan. Dalam penelitian ini dilakukan pemantauan untuk mengetahui aktivitas lansia berdasarkan postur tubuh dan zona aktivitas dengan computer vision. Proses pengambilan citra manusia menggunakan webcam yang kemudian data citra diolah menjadi koordinat postur tubuh menggunakan Blazepose. Output koordinat postur tubuh dari Blazepose berupa 33 koordinat yang akan dilakukan penyerdehanaan menjadi 8 koordinat. Delapan titik koordinat diproses menggunakan Multi-Layer Perceptron dengan 1 hidden layer dan 100 hidden unit untuk proses klasifikasi postur tubuh yang terbagi menjadi berdiri, duduk dan berbaring. Klasifikasi zona aktivitas menggunakan Point in Polygon berdasarkan koordinat perspektif webcam dari monitor peneliti yang akan dibagi menjadi 3 yaitu zona rileks, zona aktif, dan zona toilet. Dari pengolahan klasifikasi postur tubuh dan zona aktivitas disusun menjadi kalimat atau pesan SPK yang disimpan dalam bentuk datalog. Dari hasil uji perfomansi klasifikasi postur tubuh didapatkan nilai akurasi, presisi, dan recall terbaik dengan hasil sebesar 99.568%, 99.562%, dan 99.552%. Untuk hasil performa klasifiksi zona aktivitas didapatkan nilai akurasi, presisi, dan recall sebesar 92.728%, 93.814%, dan 92.521%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
