Soleha, Nikmatus (2020) Sistem Deteksi Dan Klasifikasi Pergerakan Kepala Menggunakan K-Nearest Neighbor. Sarjana thesis, Universitas Brawijaya.
Abstract
Perkembangan teknologi dengan memanfaatkan pergerakan tubuh manusia berkembang sangat pesat. Salah satunya pada sebuah sistem kecerdasan buatan yang memanfaatkan pergerakan kepala untuk mengendalikan kursi roda berbasis embedded system. Pada penelitian tersebut, kepala bergerak sebagai kontrol untuk menggerakkan kursi roda. Penelitian serupa yang ada sebelumnya memunculkan beberapa kendala, salah satunya sistem tidak dapat digunakan semua pengguna dikarenakan dalam penentuan threshold diperoleh secara manual. Untuk mengatasi permasalahan tersebut, peneliti melakukan perancangan sistem dengan mengklasifikasi arah peregerakan kepala sesuai kelasnya menggunakan metode K-Nearest Neighbor (K-NN). Dengan ini diharapkan sistem dapat lebih fleksibel digunakan oleh pengguna. Sistem menggunakan sensor MPU6050 dan mikrokontroller ESP32 yang dirangkai berbentuk ikat kepala. Hasil yang didapat dari kalibrasi klasifikasi sistem ditampilkan pada serial monitor berupa kelas arah pergerakan kepala. Pengujian sistem dilakukan dengan empat kali percobaan pada tiap kelas pergerakan kepala, terdapat lima kelas golongan pergerakan kepala yang diuji. Lima kelas pergerakan kepala yang diuji yakni kelas tegak, miring kanan, miring kiri, menunduk serta mendongak. Berdasarkan hasil pengujian pada sistem ini, didapatkan tingkat akurasi data sebesar 95% terhadap klasifikasi K-Nearest Neighbor.
English Abstract
The development of technology by utilizing the movement of the human body is developing very rapidly. One of them is an artificial intelligence system that utilizes head movements to control wheelchairs based on embedded systems. In that study, the head moved as a control to move a wheelchair. Previous similar research have raised several obstacles, one of which is the system is inflexible so that not all users can use it. To overcome these problems, researchers conducted a system design by calibrating the system so that it could classify the direction of head movement according to its class using the K-Nearest Neighbor (K-NN) method. With this, it is hoped that the system can be used more flexibly by users. The system uses MPU6050 sensor and ESP32 microcontroller which are arranged in the form of a headband. The results obtained from the system classification calibration are displayed on the serial monitor in the form of head movement class. The system testing was carried out with four experiments in each head movement class, there were five head movement classes tested. Based on the test results on this system, obtained an accuracy rate of 95% of the K-Nearest Neighbor classification.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/75/052003037 |
| Uncontrolled Keywords: | K-Nearest Neighbor, ESP32, MPU6050, Embedded System. |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 01 Aug 2020 08:57 |
| Last Modified: | 13 Apr 2023 06:07 |
| URI: | http://repository.ub.ac.id/id/eprint/180610 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Nikmatus Soleha.pdf - Published Version Restricted to Registered users only until 31 December 2023. Download (7MB) |
Actions (login required)
 |
View Item |