Optimasi Algoritma Deteksi jatuh untuk Peningkatan Performa pada Kasus Olahraga Matras

Naufal Syarif, Muhammad (2025) Optimasi Algoritma Deteksi jatuh untuk Peningkatan Performa pada Kasus Olahraga Matras. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img] PDF
HALAMAN_AWAL.pdf

Download (950kB)
[img] PDF
BAB_I.pdf

Download (217kB)
[img] PDF
BAB_II.pdf

Download (295kB)
[img] PDF
BAB_III.pdf

Download (1MB)
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (6MB)
[img] PDF
BAB_V.pdf

Download (207kB)
[img] PDF
DAFTAR_PUSTAKA.pdf

Download (208kB)
[img] PDF
LAMPIRAN.pdf
Restricted to Registered users only

Download (289kB)

Abstract

Seiring bertambahnya usia populasi, masalah kesehatan terkait usia juga diperkirakan akan meningkat. Pada tahun 2070-an, jumlah populasi lansia diperkirakan akan melampaui jumlah anak di bawah 18 tahun di seluruh dunia. World Health Organization (WHO) melaporkan lebih dari 684.000 kasus kematian setiap tahun di seluruh dunia, dengan mayoritas korban berusia di atas 60 tahun. Akibatnya, berbagai solusi teknologi telah dibuat untuk mengatasi masalah ini. Salah satu pendekatan yang mengalami kemajuan adalah sistem deteksi berbasis visi (vision-based) yang didukung oleh deep learning. Selain itu, sebuah penelitian yang menggunakan YOLOv7-W6-Pose menunjukkan keakuratan tinggi dengan tingkat accuracy 96.15%, precision 97%, dan recall 97.98%. Namun, ada batasan untuk mendeteksi jatuh pada aktivitas olahraga matras. Untuk mengatasi masalah ini, pengoptimalan algoritma deteksi jatuh dilakukan dengan menerapkan temporal smoothing dan recovery logic. Hasil evaluasi pada dataset olahraga matras menunjukkan peningkatan accuracy dari 6.92% menjadi 38.46% dan penurunan jumlah false positive dari 121 menjadi 80 kasus. Optimasi algoritma juga menunjukkan peningkatan pada dataset Le2i Fall dengan accuracy 96.15%, precision 100.00%, dan recall 94.95%. Dari hasil evaluasi, dapat disimpulkan bahwa sistem ini mampu meningkatkan performa metrik secara keseluruhan dengan sangat baik.

Item Type: Thesis (Bachelor Thesis)
Keywords: Deteksi Jatuh, Estimasi Pose, Optimasi Algoritma, Visi Komputer, YOLOv7-W6-Pose.
Subjects: ?? T58.5-58.64 ??
Divisions: Faculty of Engineering & Informatics > Informatics
SWORD Depositor: Administrator UMN Library
Depositing User: Administrator UMN Library
Date Deposited: 31 Jul 2025 11:06
Last Modified: 31 Jul 2025 11:06
URI: https://kc.umn.ac.id/id/eprint/39536

Actions (login required)

View Item View Item