Deteksi Arah Pergerakan Kepala untuk Navigasi Kursi Roda Pintar Menggunakan Kombinasi Metode Berbasis YOLOv8N

Mufita, Aulia Riza and Prof. Dr. Eng. Fitri Utaminingrum, S.T., M.T. (2024) Deteksi Arah Pergerakan Kepala untuk Navigasi Kursi Roda Pintar Menggunakan Kombinasi Metode Berbasis YOLOv8N. Sarjana thesis, Universitas Brawijaya.

Abstract

Kursi roda merupakan alat bantu yang sangat penting bagi penyandang disabilitas fisik, terutama individu yang memiliki keterbatasan pada fungsi gerak. Namun, kursi roda konvensional yang memerlukan pengoperasian manual tidak memadai bagi individu dengan disabilitas fisik ganda, seperti disfungsi tangan dan kaki. Padahal, jumlah penyandang disabilitas di Indonesia yang kesulitan atau tidak dapat menggunakan anggota gerak kaki mencapai ±7.318.167 orang, sementara ±2.976.763 juta lainnya memiliki keterbatasan pada tangan. Oleh karena itu, penelitian ini mengembangkan kursi roda pintar berbasis teknologi computer vision yang menggunakan model YOLOv8N dengan kombinasi modul GhostNet dan Slim-Neck sebagai sistem navigasi. Penggunaan Jetson Nano 4GB sebagai prosesor utama juga dipilih untuk menekan biaya produksi sehingga menghasilkan perangkat yang lebih ekonomis tanpa mengorbankan kinerja. Pengujian menunjukkan bahwa kombinasi YOLOv8N dengan GhostNet dan Slim-Neck dapat mencapai mAP50 sebesar 99,4% dan mAP50-95 sebesar 89%, dengan efisiensi komputasi GFLOPs sebesar 3,4 dan waktu deteksi hanya 68,05 ms menggunakan CUDA. Model tersebut juga memiliki beban yang ringan dengan parameter sebesar 1.549.980 dan ukuran model sebesar 3,6MB. Sistem navigasi ini berhasil terintegrasi dengan motor pada kursi roda pintar dengan nilai akurasi keseluruhan sistem yang cukup tinggi, yaitu mencapai 90%. Dengan begitu, kursi roda pintar ini dapat memberikan solusi mobilitas yang efisien, akurat, dan andal bagi penyandang disabilitas fisik ganda. Kursi roda pintar ini diharapkan dapat diakses oleh seluruh lapisan masyarakat penyandang disabilitas di Indonesia karena harga yang lebih terjangkau. Penelitian ini menunjukkan bahwa teknologi deep learning mampu menciptakan inovasi inklusif di bidang kesehatan untuk mendukung kualitas hidup yang lebih baik bagi penyandang disabilitas.

English Abstract

Wheelchairs are vital assistive devices for individuals with physical disabilities, particularly those with limited mobility. Traditional wheelchairs that require manual operation are often insufficient for people with multiple physical disabilities, such as dysfunction in their hands and legs. In Indonesia, approximately 7.318.167 individuals have difficulty or are unable to use their limbs, while about 2.976.763 others experience limitations in hand function. To address these challenges, this research develops a smart wheelchair that utilizes computer vision technology based on the YOLOv8N model, combined with GhostNet and Slim-Neck modules for navigation. The 4GB Jetson Nano was selected as the main processor to help reduce production costs, resulting in a more economical device without compromising performance. Tests show that the combination of YOLOv8N with GhostNet and Slim-Neck achieves a mAP50 of 99.4% and a mAP50-95 of 89%. The system displays a computational efficiency of 3,4 GFLOPs and a detection time of only 68,05 milliseconds using CUDA. Additionally, the model is lightweight, featuring 1.549.980 parameters and a size of 3,6MB. This navigation system is successfully integrated with the motor of the smart wheelchair, achieving a high overall system accuracy of 90%. Consequently, this smart wheelchair offers an efficient, accurate, and reliable mobility solution for individuals with multiple physical disabilities. It is expected to be accessible to all segments of society with disabilities in Indonesia, thanks to its affordable price. This research demonstrates how deep learning technology can foster inclusive innovations in the health sector and enhance the quality of life for people with disabilities.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Uncontrolled Keywords:	YOLOv8N, GhostNet, Slim-Neck, Jetson Nano, kursi roda pintar, penyandang disabilitas ganda, computer vision.
Divisions:	Fakultas Ilmu Komputer > Teknik Komputer
Depositing User:	S Sucipto
Date Deposited:	18 Feb 2025 02:22
Last Modified:	18 Feb 2025 02:22
URI:	http://repository.ub.ac.id/id/eprint/236957

Text (DALAM MASA EMBARGO) Aulia Riza Mufita.pdf Restricted to Registered users only Download (5MB)

Actions (login required)

View Item