Rahmah, Fadhilatur (2018) Sistem Klasifikasi Aktivitas Manusia Menggunakan Sensor Accelerometer Dan Gyroscope Dengan Metode K-Nearest Neighbor Berbasis Arduino. Sarjana thesis, Universitas Brawijaya.
Abstract
Teknologi pengenalan aktivitas manusia memungkinkan sebuah sistem mendeteksi aktivitas sederhana yang dilakukan manusia, seperti berdiri, duduk, berbaring, berjalan, berlari dan lain-lain menggunakan kamera atau sensor. Sistem pengenalan aktivitas manusia berbasis kamera memiliki kekurangan tidak adaptif terhadap cahaya sehingga akurasi yang didapatkan kurang baik, sedangkan sistem berbasis wearable sensor yang menggunakan banyak sensor menimbulkan ketidaknyamanan saat digunakan dan masalah daya tahan baterai. Sehingga pada penelitian ini dibuat sistem yang dapat mengklasifikasi aktivitas sederhana yang dilakukan manusia menggunakan sensor MPU6050 yang sudah terdapat sensor accelerometer dan gyroscope serta menggunakan metode klasifikasi k-Nearest Neighbor. Input dari sistem ini adalah nilai pembacaan sensor accelerometer dan gyroscope yang dikirim menggunakan modul komunikasi wireless NRF24L01 kepada Arduino Mega sebagai perangkat yang melakukan klasifikasi dan menampilkan hasil klasifikasi pada Serial Monitor Arduino IDE. Pada penelitian ini terdapat sistem yang menggunakan satu sensor yang diletakan pada bagian tubuh yang ditentukan dan sistem yang menggunakan dua sensor. Metode klasifikasi k- Nearest Neighbor digunakan karena salah satu kelebihan metode ini yaitu tangguh terhadap training data yang noisy sesuai dengan karakteristik hasil keluaran sensor MPU6050 yang memiliki banyak noise. Dari hasil pengujian yang telah dilakukan masing-masing sebanyak 80 kali, didapatkan hasil akurasi tertinggi sebesar 93,75% untuk sistem yang menggunakan satu sensor dengan peletakan sensor pada paha dan sebesar 96,25% untuk sistem yang menggunakan dua sensor dengan peletakan sensor pada paha dan pinggang. Untuk pengujian waktu komputasi metode k-Nearest Neighbor dalam melakukan klasifikasi aktivitas manusia yang dilakukan masing-masing sebanyak 20 kali, didapatkan rata-rata waktu yang dibutuhkan sebesar 173,6 milisecond untuk klasifikasi yang menggunakan satu sensor dan sebesar 353,2 milisecond untuk klasifikasi yang menggunakan dua sensor.
English Abstract
Human activity recognition technology allows a system to detect simple activities by humans, such as standing, sitting, lying, walking, running and others using a camera or sensor. The camera-based human activity recognition system has a lack of adaptability to light so that the accuracy obtained is not good, while wearable sensor-based systems that use multiple sensors cause discomfort when used and battery life problems. So that in this study a system can be made that can classify simple activities by humans using the MPU6050 sensor which has an accelerometer and gyroscope sensor and uses the k-Nearest Neighbor classification method. Input from this system is the value of the accelerometer and gyroscope sensor readings sent using the NRF24L01 wireless communication module to Arduino Mega as a device that classifies and displays the classification results in Serial Monitor Arduino IDE. In this study there is a system that uses one sensor that is placed on the specified body part and a system that uses two sensors. The k-Nearest Neighbor classification method is used because one of the advantages of this method is that it is tough on noisy data training in accordance with the MPU6050 sensor output characteristics that have a lot of noise. From the results of the tests that have been conducted respectively 80 times, the highest accuracy results are 93.75% for systems that use one sensor with a sensor placement on the thigh and 96.25% for a system that uses two sensors with sensor placement on the thigh. and waist. For testing the computation time of the k- Nearest Neighbor method in classifying human activities 20 times each, obtained an average time required of 173.6 milliseconds for classification using one sensor and 353.2 milliseconds for classification using two sensors.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/805/051809555 |
Uncontrolled Keywords: | accelerometer, gyroscope, klasifikasi aktivitas manusia, k-Nearest Neighbor accelerometer, gyroscope, human activity recognition, k-Nearest Neighbor |
Subjects: | 600 Technology (Applied sciences) > 681 Precision instruments and other devices > 681.7 Other scientific and technological instruments, machinery, equipment > 681.75 Scientific instruments and equipment > 681.753 Physical instruments and equipment |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 20 Mar 2019 02:51 |
Last Modified: | 22 Oct 2021 05:56 |
URI: | http://repository.ub.ac.id/id/eprint/13789 |
Preview |
Text
Fadhilatur Rahmah.pdf Download (31MB) | Preview |
Actions (login required)
![]() |
View Item |