Pengembangan Sistem Monitoring Perawatan Lanjut Usia Menggunakan Webcam Dan Algoritma Yolov7: Deteksi Lansia

Penulis

  • Telkom University
  • Telkom University
  • Telkom University

Abstrak

Membuat sistem pemantauan perawatan lansia
dengan memanfaatkan webcam dan teknologi YOLOv7
sangatlah esensial untuk menyelesaikan isu-isu yang ditemui
oleh generasi tua. Tanpa pengawasan yang tepat, lansia
berpotensi mengalami masalah kesehatan dan keselamatan,
terutama bagi mereka yang berisiko tinggi terkena penyakit
demensia. Hambatan fisik dan mental yang umum terjadi pada
lansia membuat mereka kesulitan dalam melakukan rutinitas
harian secara independen, sehingga solusi kreatif diperlukan
untuk pengawasan yang lebih efektif. Solusi yang diajukan
dalam kajian ini berfokus pada penciptaan sistem yang mampu
membedakan lansia dari non-lansia dalam waktu nyata. Uji
coba mengindikasikan bahwa desain sistem memiliki
kapabilitas yang cukup baik dalam mengidentifikasi objek serta
tingkah laku lansia. Berkat algoritma YOLOv7, sistem sukses
dalam mengklasifikasi lansia dengan akurasi hingga 94% dan
memonitor tindakan sehari-hari mereka dengan efektivitas
yang memuaskan. Dengan kata lain, melalui pengembangan
sistem pemantauan ini, kita berkesempatan meningkatkan
kualitas perawatan dan kehidupan lansia, sekaligus
menyediakan dukungan yang sangat dibutuhkan bagi mereka
yang menangani permasalahan perawatan usia lanjut.

Kata kunci— Monitoring, Algoritma YOLOv7, Pendeteksian lansia, realtime

Referensi

P. M. Journal, I. Syah, Y. Febriani, and A.

Adenikheir,

INDEX LANSIA DI KOTA,= no. 2, pp. 38-43, 2022.

W. W. Hsu, J. M. Guo, C. Y. Chen, and Y. C. Chang,

Correlation Encoded by a Sequence-to-Sequence

Denoised GAN,= Sensors, vol. 22, no. 11, Jun. 2022,

doi: 10.3390/s22114194.

H. G. Kim and G. Y. Kim,

Contextual Information from Sound, Human

Activity, and Indoor Position on Mobile Device,=

IEEE Trans. Consum. Electron., vol. 66, no. 4, pp.

-278, Nov. 2020, doi:

1109/TCE.2020.3015197.

O. Kaya, M. Y. Codur, and E. Mustafaraj,

Faster R-CNN and YOLOv7,= Buildings, vol. 13, no.

, pp. 1-17, 2023, doi: 10.3390/buildings13041070.

Complex YOLOv4 Untuk Autonomous Driving.

##submission.downloads##

Diterbitkan

2024-07-09

Terbitan

Bagian

Program Studi S1 Teknik Komputer