Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan Citra
Jatuh merupakan masalah kesehatan utama di seluruh dunia, terutama dalam dunia kesehatan karena pasien jatuh merupakan masalah terparah yang terus terjadi. Kebanyakan pasien yang jatuh dari tempat tidur tidak disaksikan. Hal ini diperparah dengan berbagai masalah kesehatan yang bisa diakibatkan ole...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Pusat Pengembangan, Penelitian dan Pengabdian kepada Masyarat (P4M) Politeknik Manufaktur Bandung
2023-04-01
|
| Series: | JTRM |
| Subjects: | |
| Online Access: | https://jtrm.polman-bandung.ac.id/index.php/JTRM/article/view/94 |
| _version_ | 1797845090167685120 |
|---|---|
| author | Susetyo Bagas Bhaskoro Eugenia Angela Salsabillah Afaf Fadhil Rifa'i |
| author_facet | Susetyo Bagas Bhaskoro Eugenia Angela Salsabillah Afaf Fadhil Rifa'i |
| author_sort | Susetyo Bagas Bhaskoro |
| collection | DOAJ |
| description |
Jatuh merupakan masalah kesehatan utama di seluruh dunia, terutama dalam dunia kesehatan karena pasien jatuh merupakan masalah terparah yang terus terjadi. Kebanyakan pasien yang jatuh dari tempat tidur tidak disaksikan. Hal ini diperparah dengan berbagai masalah kesehatan yang bisa diakibatkan oleh jatuh. Tetap di lantai setelah jatuh dapat menyebabkan trauma, cedera serius, dan bahkan kematian. Oleh karena itu, diperlukan sistem pendeteksi jatuh agar orang yang jatuh dapat segera diberikan pertolongan sebelum menimbulkan masalah kesehatan yang serius. Maka pada penelitian ini akan dibuat sistem identifikasi jatuh berdasarkan suara dan citra menggunakan metode MFCC (Mel-Frequency Cepstrum Coefficients) untuk ekstraksi suara dan LVQ (Learning Vector Quantization) untuk klasifikasi. Pengolahan citra menggunakan metode CNN (Convolutional Neural Network). Pada sistem ini, keduanya tidak bekerja sama, tetapi pengolahan citra bekerja setelah pengolahan suara. Sistem ini mampu mendeteksi jatuh dengan akurasi keseluruhan 93,3% untuk 15 kali pengujian pengolahan suara dan citra.
|
| first_indexed | 2024-04-09T17:32:54Z |
| format | Article |
| id | doaj.art-c3f6375fb7d44ce5be2c1a405b17bb1c |
| institution | Directory Open Access Journal |
| issn | 2715-3908 2715-016X |
| language | English |
| last_indexed | 2024-04-09T17:32:54Z |
| publishDate | 2023-04-01 |
| publisher | Pusat Pengembangan, Penelitian dan Pengabdian kepada Masyarat (P4M) Politeknik Manufaktur Bandung |
| record_format | Article |
| series | JTRM |
| spelling | doaj.art-c3f6375fb7d44ce5be2c1a405b17bb1c2023-04-18T03:41:06ZengPusat Pengembangan, Penelitian dan Pengabdian kepada Masyarat (P4M) Politeknik Manufaktur BandungJTRM2715-39082715-016X2023-04-014210.48182/jtrm.v4i2.94Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan CitraSusetyo Bagas Bhaskoro0Eugenia Angela SalsabillahAfaf Fadhil Rifa'iPoliteknik Manufaktur Bandung Jatuh merupakan masalah kesehatan utama di seluruh dunia, terutama dalam dunia kesehatan karena pasien jatuh merupakan masalah terparah yang terus terjadi. Kebanyakan pasien yang jatuh dari tempat tidur tidak disaksikan. Hal ini diperparah dengan berbagai masalah kesehatan yang bisa diakibatkan oleh jatuh. Tetap di lantai setelah jatuh dapat menyebabkan trauma, cedera serius, dan bahkan kematian. Oleh karena itu, diperlukan sistem pendeteksi jatuh agar orang yang jatuh dapat segera diberikan pertolongan sebelum menimbulkan masalah kesehatan yang serius. Maka pada penelitian ini akan dibuat sistem identifikasi jatuh berdasarkan suara dan citra menggunakan metode MFCC (Mel-Frequency Cepstrum Coefficients) untuk ekstraksi suara dan LVQ (Learning Vector Quantization) untuk klasifikasi. Pengolahan citra menggunakan metode CNN (Convolutional Neural Network). Pada sistem ini, keduanya tidak bekerja sama, tetapi pengolahan citra bekerja setelah pengolahan suara. Sistem ini mampu mendeteksi jatuh dengan akurasi keseluruhan 93,3% untuk 15 kali pengujian pengolahan suara dan citra. https://jtrm.polman-bandung.ac.id/index.php/JTRM/article/view/94MFCCLVQDeep LearningCNNTensorFlow |
| spellingShingle | Susetyo Bagas Bhaskoro Eugenia Angela Salsabillah Afaf Fadhil Rifa'i Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan Citra JTRM MFCC LVQ Deep Learning CNN TensorFlow |
| title | Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan Citra |
| title_full | Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan Citra |
| title_fullStr | Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan Citra |
| title_full_unstemmed | Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan Citra |
| title_short | Sistem Identifikasi Manusia Bergerak Jatuh Berdasarkan Ekstraksi Suara dan Citra |
| title_sort | sistem identifikasi manusia bergerak jatuh berdasarkan ekstraksi suara dan citra |
| topic | MFCC LVQ Deep Learning CNN TensorFlow |
| url | https://jtrm.polman-bandung.ac.id/index.php/JTRM/article/view/94 |
| work_keys_str_mv | AT susetyobagasbhaskoro sistemidentifikasimanusiabergerakjatuhberdasarkanekstraksisuaradancitra AT eugeniaangelasalsabillah sistemidentifikasimanusiabergerakjatuhberdasarkanekstraksisuaradancitra AT afaffadhilrifai sistemidentifikasimanusiabergerakjatuhberdasarkanekstraksisuaradancitra |