Sistem Deteksi Idealitas Berat Badan Secara Real Time Dengan Menggunakan Metode Gray Level Co-occurance Matrix Dan Body Surface Area

Tahta Restu Adiguna, Rita Magdalena, Sofia Saidah

Abstract

ABSTRAK Idealitas tubuh seseorang dapat ditinjau dari tinggi badan, berat badan dan perbandingan lingkar pinggang dengan lingkar pinggul. Untuk mengetahui tinggi badan, berat badan, lingkar pinggang serta lingkar pinggul kita biasa melakukan pengukuran secara manual. Pada pengukuran manual, pengukuran menggunakan alat yang berbeda dan butuh bantuan dari orang lain. Oleh karena itu, pada tugas akhir ini dilakukan penelitian yang dapat mengukur idealitas tubuh dengan menggunakan pengolahan citra dimana penelitian ini juga memberikan informasi berupa klasifikasi tubuh menurut perhitungan BMI (Body Massa Index), memberikan saran berupa berat badan ideal menurut perhitungan rumus Borcha, serta memberikan informasi WHR (Waist to Hip Ratio). Pengenalan jenis kelamin dapat dilakukan melalui tahap deteksi wajah dan ekstraksi ciri dengan fitur geometri serta Gray Level Co-occurance Matrix (GLCM) dimana dalam membedakan pria atau wanita menggunakan metode Support Vector Machine (SVM). Pada pengukuran berat dan tinggi badan digunakan pendekataan rumus BSA (Body Surface Area). Penelitian ini juga menggunakan library Haar Cascade dari Open CV. Hasil dari penelitian ini sistem dapat mengidentifikasi jenis kelamin dan dapat mengukur idealitas berat badan secara real-time, nilai akurasi maksimum pada pengujian tinggi dan lebar badan yaitu dengan akurasi sebesar 95,97% dengan menggunakan skala 22,7. Untuk pengujian berat badan akurasi maksimum sebesar 95,39% dengan nilai faktor pengali (K) 0,98, berdasarkan pengujian perhitungan rumus borcha pada pria didapatkan nilai rata-rata akurasi sebesar 91,07% sedangkan pada wanita nilai rata-rata akurasi sebesar 88,70%, berdasarkan pengujian Body Mass Index menunjukan akurasi klasifikasi sebesar 83,34%, dan pengujian terakhir yaitu berdasarkan WHR pada pria akurasi klasifikasi sebesar 26,67% dan akurasi klasifikasi wanita sebesar 66,67%. Kata Kunci : BMI, Borcha, BSA, Gray Level Co-occurance Matrix (GLCM), Support Vector Machine (SVM), WHR ABSTRACT The ideality of someone’s body can be reviewed from body height, body weight and comparison of waist size and hip size. To know body height, body weight, waist size and hip size, we can measure them manually. In manual measurement, the measurement is using different tools and needing help from others. Therefore, in this thesis, conducted a research that can measure the ideality of body by using image processing besides this research also gives the information of body classification based on BMI (Body Massa Index) calculation, gives advices containing ideal body weight based on Borcha formula, and gives information WHR (Waist to Hip Ratio). Introduction of gender can be done by face detection and characteristic extraction with geometry feature and Gray Level Co-occurance Matrix (GLCM) where to differentiate man and woman, the method of Support Vector ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 5562 2 Machine (SVM) is used. The measurement of body height and body weight is BSA done by (Body Surface Area) Formula Approach. This research is also using library Haar Cascade from Open CV. The result of this research are system can identify gender and can measure the ideal body weight in real-time, the value of maximum accuracy in the test of body height and body width is 95,97% with the scale of 22,7. For the test of body weight, the maximum accuracy is 95,39% with the multiplier factor (K) of 0,98. based on the test calculation formulas borcha men obtained average value accuracy is 91.07% while in women the average value of the accuracy is 88.70%, based on Body Mass Index test indicates the accuracy of the classification is 83.34%, and the last test that is based on the WHR in men is 26.67% classification accuracy and accuracy of classification is 66.67% women. Keywords : BMI, Borcha, BSA, Gray Level Co-occurance Matrix (GLCM), Support Vector Machine (SVM), WHR.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0