TA : Sistem Pengenalan Aktivitas Manusia Menggunakan Long Short-Term Memory dan Mediapipe

Tanugraha, Filbert Daniel (2022) TA : Sistem Pengenalan Aktivitas Manusia Menggunakan Long Short-Term Memory dan Mediapipe. Undergraduate thesis, Universitas Dinamika.

[img]
Preview
Text
18410200007-2022-UNIVERSITASDINAMIKA.pdf - Accepted Version

Download (2MB) | Preview
[img] Text
18410200007-2022-LAMPIRAN.pdf - Accepted Version
Restricted to Repository staff only

Download (1MB)

Abstract

Sistem pengenalan aktivitas manusia atau Human Activity Recognition memiliki banyak tantangan di saat ini, seperti mengenal gerakan aktivitas manusia. Salah satu aktivitas manusia dalam bidang kesehatan atau olahraga. Ada beberapa gerakan olahraga seperti Tree Pose, T-Pose, Warrior II Pose yang perlu dideteksi oleh MediaPipe agar gerakan tersebut dapat dikenali oleh komputer. MediaPipe menyediakan keypoints tubuh manusia secara real-time dengan akurasi tinggi bahkan bisa berjalan pada (Central Processing Unit) CPU. MediaPipe mendeteksi kerangka postur tubuh atau body skeletons sebanyak 33 keypoints pada frame video yang diamati. Untuk klasifikasi aktivitas manusia menggunakan Long Short-Term Memory (LSTM) dengan memanfaatkan keypoints dari urutan video tersebut. Dataset menggunakan Berkeley Multimodal Human Action Database (MHAD). Pada Tugas Akhir ini dibatasi hanya tiga gerakan yang baru yaitu pada HAR (Human Activity Recognition) dan telah berhasil dibuat yaitu (T-Pose, Warrior II Pose dan Tree Pose), pengujian klasifikasi gerakan dilakukan oleh empat subjek dengan lokasi yang sama menggunakan kamera handphone dalam pengambilan video menggunakan aplikasi DroidCam agar lebih maksimal dalam pendeteksian keypoint. Pada Tugas Akhir ini hasil training didapatkan akurasi sebesar 91% dan loss sebesar 0.29. Rata-rata FPS (Frame per second) didapatkan sebesar 10-30 FPS dengan rata-rata waktu komputasi untuk setiap proses training kurang lebih 10-12 menit.


Export Record



Statistic

IRStats Detail StatisticView more statistics

Item Type: Thesis (Undergraduate)
Additional Information: Filbert Daniel Tanugraha (18410200007)
Uncontrolled Keywords: Long Short-Term Memory, Human Activity Recognition, Machine Learning, MediaPipe
Dewey Decimal Classification: 000 - Computer science, information & general works > 000 Computer science, knowledge & systems > 005 Computer programming, programs & data
Divisions: Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User: Filbert Daniel Tanugraha
Date Deposited: 03 Feb 2022 14:29
Last Modified: 03 Feb 2022 14:29
THESIS ADVISORS: 1. UNSPECIFIED (NIDN : UNSPECIFIED)
URI: http://repository.dinamika.ac.id/id/eprint/6190

Actions (login required)

View Item View Item