Deteksi Pergerakan Mata pada Kondisi Cahaya Rendah dengan SelfCalibratedIllumination dan MobileNetV3Large Menggunakan Jetson Nano

Alhamdi, Achmad Fahri and Prof.Dr.Eng. Fitri Utaminingrum, S.T., M.T. (2024) Deteksi Pergerakan Mata pada Kondisi Cahaya Rendah dengan SelfCalibratedIllumination dan MobileNetV3Large Menggunakan Jetson Nano. Sarjana thesis, Universitas Brawijaya.

Abstract

Survei Sosial Ekonomi Nasional (SUSENAS) 2018 menunjukkan bahwa dari 30,4 juta orang penyandang disabilitas di Indonesia, yang setara dengan 11,5% dari total populasi. Ada banyak ragam disabilitas yang dikenal, di antaranya adalah disabilitas ganda atau disfungsi tandan dan kaki. Pengidap disabilitas ganda menjadikan kursi roda sebagai alat bantu vital. Namun, kursi roda manual dan elektrik yang umum digunakan tidak memadai untuk mereka yang mengalami disfungsi tangan dan kaki akibat stroke. Sehingga kami usulkan cara alternatif yang lebih efektif dengan memanfaatkan pergerakan mata yang difungsikan sebagai navigasi arah gerak kursi roda. Metode deteksi pergerakan mata sangat sensitif pada kondisi cahaya rendah sehingga dapat mengurangi akurasi dan keandalan sistem. Penelitian ini mengusulkan metode deteksi pergerakan mata dengan memanfaatkan algoritma image classification MobileNetV3Large dan Self Calibrated Illumination (SCI) untuk meningkatkan pencahayaan gambar di kondisi minim cahaya. Hasil integrasi sistem pada kursi roda menunjukkan kinerja yang efisien dengan lima subjek pengujian. Kelas dengan akurasi terbaik adalah close (100% di kondisi terang dan 97.77% di kondisi gelap), sementara akurasi terburuk adalah kelas left (75.55% di kondisi terang) dan right (64.44% di kondisi gelap).

English Abstract

The 2018 National SocioEconomic Survey (SUSENAS) in Indonesia indicated that there are 30.4 million people with disabilities, accounting for 11.5% of the total population. Among various disabilities, dual disability or hand and foot dysfunction is notable. Those with dual disabilities primarily rely on wheelchairs. However, standard manual and electric wheelchairs are inadequate for individuals with hand and foot dysfunctions due to stroke. This research proposes an alternative method using eye movement for wheelchair navigation. The method is sensitive to low light conditions, affecting accuracy and reliability. The study suggests using MobileNetV3Large image classification algorithm and Self Calibrated Illumination (SCI) for improved image lighting in low light conditions. System integration on a wheelchair showed efficient performance with five test subjects. The best accuracy was in the 'close' class (100% in bright conditions, 97.77% in dark), while the worst was in the 'left' (75.55% in bright) and 'right' classes (64.44% in dark).

Item Type:	Thesis (Sarjana)
Identification Number:	0524150002
Uncontrolled Keywords:	Disabilitas Ganda, Kursi Roda, Deteksi Pergerakan Mata, MobileNetV3Large, Self Calibrated Illumination (SCI), Stroke-Multiple Disabilities, Wheelchair, Eye Movement Detection, MobileNetV3Large, Self Calibrated Illumination (SCI), Stroke
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	02 Feb 2024 07:41
Last Modified:	02 Feb 2024 07:41
URI:	http://repository.ub.ac.id/id/eprint/214167

Text (DALAM MASA EMBARGO) Achmad Fahri Alhamdi.pdf Restricted to Registered users only Download (8MB)

Actions (login required)

View Item