SISTEM DETEKSI BENTUK BADAN INDIVIDU UNTUK DIET BERBASIS YOU ONLY LOOK ONCE (YOLO)

Lesmana, Muhammad Daffa (2025) SISTEM DETEKSI BENTUK BADAN INDIVIDU UNTUK DIET BERBASIS YOU ONLY LOOK ONCE (YOLO). S1 thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
Cover dan Abstrak.pdf - Published Version

Download (449kB)
[img] Text (BAB I Pendahuluan)
Bab I.pdf - Published Version

Download (621kB)
[img] Text (BAB V Penutup)
SkripsiFullText_2111513004_Muhammad Daffa Lesmana (1).pdf - Published Version

Download (384kB)
[img] Text (Daftar Pustaka)
SkripsiFullText_2111513004_Muhammad Daffa Lesmana (4).pdf - Published Version

Download (232kB)
[img] Text (Skripsi Full Text)
Laporan TA Daffa Fix.pdf - Published Version
Restricted to Repository staff only

Download (3MB) | Request a copy

Abstract

Laporan ini membahas pengembangan sistem pengukuran tubuh otomatis menggunakan model segmentasi You Only Look Once (YOLO) untuk mengestimasi tinggi badan, berat badan, dan Body Mass Index (BMI) seseorang. Sistem ini diimplementasikan pada Raspberry Pi 4 Model B yang terintegrasi dengan Raspberry Pi Camera Module 3. Melalui proses segmentasi secara real-time, sistem mampu mengidentifikasi bentuk tubuh pengguna secara keseluruhan, menghitung tinggi dan luas area tubuh dalam satuan piksel, serta mengonversi nilai tersebut menjadi ukuran fisik dalam satuan sentimeter dan kilogram menggunakan rasio kalibrasi piksel terhadap sentimeter. Nilai tinggi dan berat badan hasil estimasi kemudian digunakan untuk menghitung nilai BMI, yang selanjutnya diklasifikasikan ke dalam empat kategori, yaitu underweight, normal, overweight, dan obese. Seluruh hasil perhitungan secara otomatis dikirim ke Firebase untuk pencatatan data dan ke bot Telegram untuk pemberitahuan kepada pengguna. Hasil pengujian menunjukkan bahwa sistem yang diusulkan mampu mendeteksi segmentasi tubuh dengan akurasi tinggi pada jarak pengambilan gambar 3 meter, serta mencapai akurasi rata-rata deteksi BMI sebesar 91,02% dibandingkan dengan nilai BMI aktual. Sistem ini menawarkan solusi berbiaya rendah dan non-invasif untuk aplikasi pengukuran tubuh dan pemantauan kesehatan.

Item Type: Thesis (S1)
Supervisors: Dr. Eng Rian Ferdian, M.T
Uncontrolled Keywords: YOLOv8, Deteksi Bentuk Tubuh, Pengukuran BMI, Raspberry Pi, Firebase.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > S1 Teknik Komputer
Depositing User: S1 Teknik Komputer
Date Deposited: 30 Oct 2025 08:55
Last Modified: 30 Oct 2025 08:55
URI: http://scholar.unand.ac.id/id/eprint/513485

Actions (login required)

View Item View Item