Penerapan Modul Ghost dan SimAM pada Sistem Guide Following Kursi Roda Pintar Berbasis YOLOv8N

Jawahir, Asma Kamilah Nur and Prof.Dr.Eng. Fitri Utaminingrum, S.T., M.T. (2024) Penerapan Modul Ghost dan SimAM pada Sistem Guide Following Kursi Roda Pintar Berbasis YOLOv8N. Sarjana thesis, Universitas Brawijaya.

Abstract

Kursi roda merupakan salah satu alat bantu mobilisasi, terutama bagi penyandang disabilitas untuk dapat melakukan kegiatan sehari-hari. Dengan bantuan kursi roda mereka dapat menjangkau tempat dan aktivitas yang sebelumnya tidak mungkin dilakukan sehingga memberi mereka rasa kebebasan dan kemandirian. Namun, kursi roda manual mengharuskan pengguna atau orang lain untuk mengoperasikannya dengan tenaga yang besar. Apabila aktivitas tersebut dilakukan terus menerus dapat meningkatkan resiko gangguan muskuloskeletal. Kursi roda pintar telah banyak berkembang untuk meningkatkan mobilisasi penggunanya, seperti navigasi menggunakan tombol maupun joystick. Akan tetapi, jika salah satu dari fungsi motorik, visual, dan mental pengguna tidak bekerja dengan baik, maka pengendalian kontrol menjadi sulit dan bahkan bisa berbahaya. Salah satu solusinya adalah dengan mendeteksi posisi asisten penyandang disabilitas yang ada di depan kursi roda. Algoritma deteksi objek, YOLOv8, menawarkan peforma yang baik untuk deteksi secara real-time. Namun, algoritma tersebut memerlukan sumber daya komputasi yang besar. Penelitian ini akan menerapkan modul ghost dan SimAM pada arsitektur YOLOv8n untuk mengurangi kompleksitas model dan mempertahankan akurasi. Dari hasil pelatihan model tersebut didapatkan nilai mAP50 sebesar 0,995 dan nilai mAP50- 95 sebesar 0,864 dengan parameter berkurang sebanyak 42,96% dari arsitektur asli YOLOv8n. Adapun nilai akurasi yang didapat sebesar 0,91, nilai presisi sebesar 0,962, nilai recall sebesar 0,944, dan nilai F1-score sebesar 0,953. Pada integrasi model dengan kursi roda, didapatkan nilai akurasi sebesar 95% yang menunjukkan bahwa kursi roda pintar dapat berjalan sesuai hasil deteksi dengan baik.

English Abstract

Wheelchair is one of mobilisation aids, especially for people with disabilities to be able to do daily activities. With the help of wheelchair, they can reach places and do activities that were impossible to do, giving them a sense of freedom and independence. However, manual wheelchair require the user or another person to operate it with great effort. If the manual handling activity is done continuously, it can increase the risk of musculoskeletal disorder. Smart wheelchairs have been developed to improve user mobilisation, such as navigation using button or joystick. But if either of the user’s motoric, visual, and mental functions are not working properly, controlling becomes difficult and even dangerous. One of the solution is to detect the position of the assistant who is walking in front of the wheelchair. The object detection algorithm, YOLOv8, offers a good performance for real-time detection. Yet, it requires a large amount of computational resources. This research will apply ghost module and SimAM to the YOLOv8n architecture to reduce model complexity and maintain its accuracy. The model training results show that the mAP50 is 0,995 and mAP50-95 is 0,864 with parameters reduced by 42,96% from the original YOLOv8n architecture. The model obtained accuracy of 0,91, precision of 0,962, recall of 0,944, and F1-score of 0,953. In the system integration, an accuracy of 95% was obtained. This indicates that the smart wheelchair can move based on the detection results properly.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	kursi roda pintar, deteksi objek, pelacakan manusia, YOLOv8n, modul ghost, SimAM
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	18 Feb 2025 02:16
Last Modified:	18 Feb 2025 02:16
URI:	http://repository.ub.ac.id/id/eprint/236950

Text (DALAM MASA EMBARGO) Asma Kamilah Nur Jawahir.pdf Restricted to Registered users only Download (6MB)

Actions (login required)

View Item