Sistem Pendeteksi Gejala Awal Tantrum pada Anak Autis melalui Pose Estimation dengan Metode Deep Learning

Rahmah, Tri Agustina (2021) Sistem Pendeteksi Gejala Awal Tantrum pada Anak Autis melalui Pose Estimation dengan Metode Deep Learning. Diploma thesis, Universitas Andalas.

Preview	Text (Cover dan Abstrak) Cover Abstrak.pdf - Published Version Download (156kB) | Preview
Preview	Text (Bab I) Bab I.pdf - Published Version Download (255kB) | Preview
Preview	Text (Bab V) Bab V.pdf - Published Version Download (136kB) | Preview
Preview	Text (Daftar Pustaka) Daftar Pustaka.pdf - Published Version Download (207kB) | Preview
	Text (Skripsi Full Text) Skripsi Full Text.pdf - Published Version Restricted to Repository staff only Download (8MB)

Abstract

Autisme merupakan gangguan perkembangan fungsi otak yang komplek. Salah satu karakteristik yang ditunjukkan invidu autis ini adalah emosi yang tidak stabil atau disebut tantrum. Perilaku tantrum yang ditunjukkan anak autis ini biasanya dengan perilaku negatif seperti memukul dan menendang. Pengawas yang tidak setiap saat berada di dekat anak harus waspada terhadap tantrum yang dapat terjadi secara tiba – tiba. Untuk itu disini penulis merancang sistem pendeteksi gejala awal tantrum pada anak autis melalui pose estimation dengan metode deep learning. Pada penelitian ini menggunakan NVIDIA Jetson Nano sebagai single board computer untuk melakukan pemrosesan data dan menggunakan kamera raspberry pi v2 sebagai inputan citra. Perilaku yang ditunjukkan anak tersebut dapat dikenali dengan pose estimation yang memanfaatkan library openpose sebagai pendeteksi 18 keypoint pada tubuh. Pada penelitian ini menggunakan metode deep learning dengan memanfaatkan algoritma deep neural network yang didapatkan hasil presisi, recall, dan F1 score untuk masing – masing gerakan menendang 94%, 79%, 86% dan gerakan memukul 93%, 67%, dan 78%. Serta gerakan menendang dan atau memukul yang berhasil dideteksi akan dikirimkan notifikasi melalui telegram yang dapat menerima notifikasi pada saat router wi-fi dengan sistem berjarak 1 sampai 8 meter.

Actions (login required)

View Item