Navigasi Menu Kursi Roda Berdasarkan Gerak Mata Berkondisi Pencahayaan Rendah dengan Facial Landmark dan Zero-DCE

Putera, Muhammad Reza Dahri and Prof. Dr.Eng. Fitri Utaminingrum, S.T., M.Eng. (2024) Navigasi Menu Kursi Roda Berdasarkan Gerak Mata Berkondisi Pencahayaan Rendah dengan Facial Landmark dan Zero-DCE. Sarjana thesis, Universitas Brawijaya.

Abstract

Berdasarkan data dari Kementrian Koordinator Bidang Pembangunan Manusia dan Kebudayaan (Menko PMK, 2023), terdapat sekitar 22,97 juta individu dengan disabilitas di Indonesia. Jumlah tersebut setara dengan sekitar 8,5% dari populasi negara ini. Terdapat beberapa jenis disabilitas, di antaranya adalah disabilitas dengan disfungsi tangan dan kaki. Dengan disabilitas yang mencakup berbagai kondisi kesehatan, terdapat kebutuhan untuk memperkenalkan solusi yang dapat meningkatkan mobilitas dan kemandirian para penyandang disabilitas. Kursi roda menjadi salah satu alat bantu vital pada penyandang disabilitas disfungsi tangan. Kursi roda pintar merupakan salah satu jenis kursi roda yang biasanya memiliki alat seperti display LCD yang mana penggunanya dapat melakukan navigasi pada menu yang ditampilkan di display LCD tersebut dengan bantuan tangan. Namun, hal ini menjadi masalah terutama kepada para pengguna kursi roda pintar disfungsi tangan dan kaki. Maka dari itu, penelitian ini mengusulkan penggunaan arah gerak dan kedipan mata yang dapat digunakan sebagai navigasi menu pada display LCD kursi roda pintar. Namun, hal tersebut tergolong kurang efektif apabila digunakan pada kondisi pencahayaan minim. Maka dari itu, penelitian ini berfokus pada penggunaan perhitungan rasio untuk arah gerak dan kedipan mata dengan bantuan Dlib facial landmark, dan Zero-Reference Deep Curve Estimation (Zero-DCE) untuk meningkatkan kualitas citra pada kondisi minim cahaya. Sistem berhasil dalam deteksi arah gerak dan kedipan mata untuk melakukan navigasi menu pada display LCD dengan waktu komputasi selama 329,828 ms pada kondisi pencahayaan terang dan 365,052 ms pada kondisi pencahayaan minim. Hasil akurasi sistem dalam 7 kali pengujian yang melibatkan lima jumlah partisipan dalam melakukan deteksi arah gerak dan kedipan mata dalam kondisi pencahayaan terang adalah 91,90% dan pada kondisi pencahayaan minim dengan bantuan Zero-DCE adalah 85,46%.

English Abstract

Based on data from the Coordinating Ministry for Human Development and Culture (Menko PMK, 2023), there are approximately 22.97 million individuals with disabilities in Indonesia. This number is equivalent to around 8.5% of the country's population. There are various types of disabilities, including those with dysfunction in hands and legs. With disabilities covering a range of health conditions, there is a need to introduce solutions that can enhance the mobility and independence of people with disabilities. Wheelchairs are essential assistive devices for individuals with hand dysfunction. Smart wheelchairs are a type of wheelchair that typically includes features such as an LCD display, allowing users to navigate through displayed menus using their hands. However, this poses a challenge, especially for users of smart wheelchairs with dysfunction in their hands and legs. Therefore, this research proposes the use of eye movement and blinking as a means of navigating menus on the LCD display of smart wheelchairs. However, this approach is considered less effective when used in low-light conditions. Therefore, this research focuses on the use of ratio calculations for eye movement and blinking with the assistance of Dlib facial landmarks, and Zero-Reference Deep Curve Estimation (Zero-DCE) to improve image quality in low-light conditions. The system successfully detects eye movement and blinking to navigate menus on the LCD display, with a computation time of 329.828 ms in bright lighting conditions and 365.052 ms in low-light conditions. The system's accuracy results from seven tests involving five participants in detecting eye movement and blinking in bright lighting conditions were 91.90%, and in low-light conditions with the assistance of Zero-DCE, it was 85.46%.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150186
Uncontrolled Keywords:	Disabilitas, Kursi Roda Pintar, Display LCD, Deteksi Arah Gerak Mata, Deteksi Kedipan Mata, Dlib, Zero-DCE-Disability, Smart Wheelchair, LCD Display, Eye Gaze Detection, Eye Blink Detection, Dlib, Zero-DCE
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	Sugeng Moelyono
Date Deposited:	25 Mar 2024 02:25
Last Modified:	25 Mar 2024 02:25
URI:	http://repository.ub.ac.id/id/eprint/216119

Text (DALAM MASA EMBARGO) Muhammad Reza Dahri Putera.pdf Restricted to Registered users only Download (7MB)

Actions (login required)

View Item