IMPLEMENTASI LG-SGNET UNTUK SISTEM DETEKSI JATUH BERBASIS SKELETON

Ernandra, Bimantara Putra and Dwiratama, Muhammad Ariandra (2026) IMPLEMENTASI LG-SGNET UNTUK SISTEM DETEKSI JATUH BERBASIS SKELETON. Project Report. [s.n.]. (Unpublished)

Text 5025221169_5025221010-Project_Report.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Menurut data dari World Health Organization (WHO), jatuh merupakan penyebab kedua kematian akibat cedera yang tidak disengaja di seluruh dunia. Dengan mempertimbangkan hal tersebut dikembangkan teknologi visi komputer untuk mendeteksi adanya aksi jatuh sehingga korban dapat cepat mendapatkan pertolongan pertama. Tujuan dari penelitian ini adalah untuk merancang, mengembangkan, sekaligus menguji sistem deteksi jatuh dengan memanfaatkan model deep learning LG-SGNet. Manfaat dari penelitian ini yaitu untuk mengembangkan purwarupa yang berpotensial untuk diimplementasikan langsung kepada pihak yang membutuhkan. Metode yang dirancang adalah menggunakan YOLO11n-pose untuk mengekstraksi skeleton di dalam frame dan digunakan LG-SGNet sebagai model inferensi dari pergerakan spasial dan temporal skeleton tersebut. Model berhasil mendeteksi 10/10 aksi jatuh pada skenario pengujian file video, namun model hanya berhasil mendeteksi 9/13 aksi jatuh pada skenario realtime inference. Dapat disimpulkan bahwa data training yang digunakan masih belum memadai untuk semua skenario.

Item Type:	Monograph (Project Report)
Uncontrolled Keywords:	Deteksi Jatuh, Deep Learning, LG-SGNet, YOLO11n-Pose, OpenCV
Subjects:	T Technology > T Technology (General) > T174.5 Technology--Risk assessment. T Technology > T Technology (General) > T55 Industrial Safety
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Bimantara Putra Ernandra
Date Deposited:	15 Jul 2026 05:44
Last Modified:	15 Jul 2026 05:44
URI:	http://repository.its.ac.id/id/eprint/134728

Actions (login required)

View Item