Rahmadani, Afifah Dwi (2025) Implementasi YOLOv8n dan MobileNetV2 Untuk Sistem Deteksi Posisi Tidur Bayi Berisiko Sudden Infant Death Syndrome (SIDS) Sebagai Sub-sistem Sistem Deteksi Dini Kondisi Darurat Medis. S1 thesis, Universitas Andalas.
|
Text (01. Cover dan Abstrak)
01. Cover dan Abstrak.pdf - Published Version Download (354kB) |
|
|
Text (02. Bab I)
02. Bab I.pdf - Published Version Download (532kB) |
|
|
Text (03. Bab V)
03. Bab V.pdf - Published Version Download (152kB) |
|
|
Text (04. Daftar Pustaka)
04. Daftar Pustaka.pdf - Published Version Download (199kB) |
|
|
Text (05. Skripsi Fulltext)
05. Skripsi Fulltext.pdf Restricted to Repository staff only Download (6MB) | Request a copy |
Abstract
Sudden Infant Death Syndrome (SIDS) sering dikaitkan dengan posisi tidur berisiko yang dapat menghalangi saluran pernapasan bayi. Penelitian ini merancang sistem deteksi posisi tidur bayi secara real-time menggunakan kombinasi model deep learning YOLOv8n untuk deteksi objek dan MobileNetV2 untuk klasifikasi posisi tidur secara sekuensial. Sistem dibangun pada Raspberry Pi 4B dengan kamera inframerah OV5647, model dioptimasi menggunakan kuantisasi TFLite INT8, serta notifikasi dikirimkan ke ponsel pengguna melalui aplikasi Blynk apabila posisi tidur bayi terdeteksi berisiko (miring atau tengkurap). Hasil pengujian menunjukkan sistem mampu melakukan deteksi pada jarak optimal 56 – 136 cm dan pada berbagai kondisi intensitas cahaya, termasuk kondisi gelap total. Sistem mencapai rata-rata akurasi klasifikasi sebesar 96,6% pada pengujian menggunakan boneka bayi dan 84% pada pengujian langsung terhadap bayi asli, dengan kecepatan inferensi stabil sekitar 2 FPS tanpa mengalami thermal throttling, serta latensi pengiriman notifikasi di bawah 5 detik. Hasil ini membuktikan bahwa sistem yang dikembangkan dapat menjadi solusi pemantauan pasif yang efektif untuk membantu orang tua mendeteksi dini posisi tidur bayi yang berisiko SIDS.
| Item Type: | Thesis (S1) |
|---|---|
| Supervisors: | Dr. Eng. Tati Erlina, M.I.T |
| Uncontrolled Keywords: | SIDS; posisi tidur bayi; YOLOv8n; MobileNetV2; Raspberry Pi; deep learning; real-time monitoring |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknologi Informasi > S1 Teknik Komputer |
| Depositing User: | S1 Teknik Komputer |
| Date Deposited: | 28 Aug 2026 02:43 |
| Last Modified: | 28 Aug 2026 02:43 |
| URI: | http://scholar.unand.ac.id/id/eprint/532303 |
Actions (login required)
![]() |
View Item |

Altmetric
Altmetric