UPT Perpustakaan UM

  • Beranda
  • Informasi
  • Repository UM
  • SIPADU UM
  • OPAC SIPADU

Pencarian Spesifik

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

Disertasi

Ensemble analisis gerak berbasis segmentasi dan pose yang berorientasi pada rehabilitasi untuk individu penyandang disabilitas dan non-disabilitas menggunakan YOLOv8-Seg dan mediapipe pose / Resty Wulanningrum

Wulanningrum, Resty - Nama Orang;

Abstrak
Penelitian ini berangkat dari kebutuhan akan sistem pengenalan gaya berjalan (gait recognition) yang inklusif tidak hanya untuk individu normal tetapi juga penyandang disabilitas dengan pola berjalan yang tidak konvensional dan penggunaan alat bantu. Sebagian besar penelitian terdahulu masih berfokus pada gait normal di lingkungan terkontrol sehingga kurang merepresentasikan variasi gait di dunia nyata. Penelitian ini mengusulkan sistem pengenalan gaya berjalan berbasis computer vision yang mengintegrasikan segmentasi objek menggunakan YOLOv8 dengan fitur biometrik berbasis pose tubuh dari MediaPipe. Dataset yang digunakan adalah DisabledGait yang berisi plusmn 130 video dan plusmn 6.500 citra dengan tiga kategori assistive non-assistive dan normal. Pada tahap awal berbagai varian YOLOv8 dan YOLOv8-seg dievaluasi untuk mendeteksi sekaligus melakukan segmentasi objek pejalan YOLOv8l-seg terpilih sebagai model terbaik berdasarkan nilai mAP50 dan mAP50 ndash 95 yang tinggi pada skenario lingkungan nyata. Hasil segmentasi kemudian diekstraksi fitur pose tubuhnya menggunakan MediaPipe Pose dengan memanfaatkan 22 dari 33 keypoint (tanpa keypoint wajah) sehingga diperoleh vektor fitur biometrik yang lebih padat dan relevan dengan pola gait. Fitur segmentasi dan biometrik digabungkan membentuk vektor fitur gabungan yang selanjutnya diklasifikasikan menggunakan empat algoritma yaitu SVM Random Forest Gradient Boosting dan Logistic Regression dengan berbagai skema pembagian data dan validasi silang. Hasil eksperimen menunjukkan bahwa SVM dan Random Forest memberikan kinerja dengan akurasi hingga 0 9935 (SVM) dan 0 9993 (Random Forest) pada skenario pembagian data 80 20 serta mencapai akurasi 1 000 pada skenario 90 10 dengan nilai precision recall dan F1-score yang sangat tinggi di ketiga kategori gait. Temuan ini menunjukkan bahwa integrasi segmentasi objek YOLOv8 dan fitur biometrik MediaPipe mampu merepresentasikan pola gaya berjalan penyandang disabilitas secara komprehensif dan andal serta berpotensi diterapkan untuk pemantauan rehabilitasi seleksi atlet disabilitas dan sistem pendukung keputusan di bidang kesehatan dan olahraga adaptif.


Informasi Detail
DDC
Rd 006.37 WUL e
Prodi
Universitas Negeri Malang. Program Studi Teknik Elektro dan Informatika, 2026.
Deskripsi Fisik
xvi, 205 lembar : ilus. ; 29 cm.
Bahasa
Indonesia
No Reg
00128/RD/26
Edisi
Disertasi (pasca sarjana)--- Universitas Negeri Malang 2026
Subjek
1. VISI KOMPUTER - GAYA BERJALAN
2. GERAK, ANALISIS - MODEL YOLOV8-SEG - MEDIAPIPE POSE
3. COMPUTER VISION - GAIT RECOGNITION

Pembimbing
1. Dr.eng Anik Nur Handayani, S.t., M.t; 2. Dr. Heru Wahyu Herwanto, S.t., M.kom
Lampiran Berkas
You must be logged in to get fulltext


UPT Perpustakaan UM
  • Berita

Tentang Kami

TIM IT Perpustakaan 2023

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS

Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik