TA : Analisis Threshold Menggunakan Metode Hidden Markov Model

Febriani, Suci (2017) TA : Analisis Threshold Menggunakan Metode Hidden Markov Model. Undergraduate thesis, Institut Bisnis dan Informatika Stikom Surabaya.

	Text COVER.pdf.pdf Download (161kB)
	Text DAFTAR_ISI.pdf.pdf Download (151kB)
	Text BAB_I.pdf.pdf Download (160kB)
	Text BAB_II.pdf.pdf Download (343kB)
	Text BAB_III.pdf.pdf Download (403kB)
	Text BAB_IV.pdf.pdf Download (1MB)
	Text BAB_V.pdf.pdf Download (147kB)
	Text DAFTAR_PUSTAKA.pdf.pdf Download (144kB)

Search this title on : |

Abstract

Sebagian besar orang pasti pernah mengalami insiden jatuh, jatuh bisa terjadi ketika seseorang kehilangan keseimbangan. Pada saat ini sudah terdapat penelitian yang menggunakan Sensor Akselerometer untuk mendeteksi Gerakan Jatuh. Pada penelitian tersebut untuk membandingkan antara Gerakan Normal dengan Gerakan jatuh menggunakan selisih nilai hasil pembacaan sumbu X, Y, dan Z. Nilai selisih diperoleh dari pembacaan nilai sumbu sekarang dengan nilai sumbu sebelumnya. Untuk membedakan gerakan Jatuh maka nilai yang dicari yaitu nilai perubahan yang besar. Namun sistem tersebut masih memiliki kekurangan yaitu rentang terhadap gerakan cepat misal loncat atau orang lari dengan cepat dianggap sebagai Gerakan Jatuh. (Oktaviano, 2016) Maka dari itu dibutuhkan sebuah pengembangan teknologi dari segi metode yang digunakan, dengan menggunakan metode Hidden Markov akan dilakukan analisa pada threshold sebagai acuan nilai ambang batas dari kondisi normal dan kondisi jatuh, adanya analisa ini akan dihasilkan nilai pasti untuk threshold yang bisa digunakan, sehingga hasil threshold dapat menyempurnakan penelitian sebelumnya. Dengan menggunaan metode Hidden Markove Model didapatan nilai threshold dengan cara nilai tertinggi dari setiap parameter dikurangi nilai terendah lalu nilai tersebut dibagi 2 sehingga didapatkan nilai threshold ASVM = 83,89 m/s2 , ADSVM = 77,46 m/s2 , TETA = 0,805° , AGSVM = -0,795 m/s2 , dan AGDSVM = -60,26 m/s2 untuk usia 21 tahun sampai 24 tahun dan threshold untuk usia 30, 36, dan 37 tahun adalah ASVM = 93,255 m/s2 , ADSVM = 53,77 m/s2 , TETA = -1,25° , AGSVM = -21,07 m/s2 , dan AGDSVM = -44,485 m/s2. Dengan menggunakan hasil Threshold yang telah ditentukan perangkat dapat digunakan dengan baik untuk membedakan gerakan berdiri, jongkok, dan jatuh dengan tingkat keberhasilan untuk usia 21 sampai 24 tahun sebesar 100% dan untuk usia 31, 36, dan 37 tahun sebesar 100%.

Export Record

Item Type:	Thesis (Undergraduate)
Additional Information:	Suci Febriani (13410200051)
Uncontrolled Keywords:	Deteksi Jatuh, Hidden Markov Model (HMM)
Dewey Decimal Classification:	600 – Technology > 620 Engineering & Applied operations > 621 Applied physics
Divisions:	Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User:	Lidya Rosiana
Date Deposited:	31 Oct 2017 10:53
Last Modified:	31 Oct 2017 10:53
THESIS ADVISORS:	1. UNSPECIFIED (NIDN : UNSPECIFIED)
URI:	http://repository.dinamika.ac.id/id/eprint/2543