RANCANG BANGUN SISTEM PREDIKSI USIA BERJALAN DARI POLA BERJALAN SESEORANG DENGAN MENGGUNAKAN METODE K-NEAREST NEIGHBORS
HAFIDH AL ASAD

Informasi Umum

Kode

23.04.1630

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine - Learning, Machine Design,

Dilihat

194 kali

Informasi Lainnya

Abstraksi

<p>Berjalan merupakan kegiatan yang hampir dilakukan semua orang yang sehat dan<br /> normal, gaya berjalan yang dimiliki setiap orang berbeda-beda karena dipengaruhi oleh faktor<br /> postur tubuh, tinggi badan, jenis kelamin, berat badan, dan usia. Gaya berjalan manusia dapat<br /> diklasifikasikan dan dapat memberikan gambaran usia seseorang. Maka dari itu penulis<br /> merancang suatu sistem yang ditujukan untuk memprediksi usia seseorang dari gerakan<br /> berjalan dengan menggunakan metode klasifikasi yaitu K-Nearest Neighbors (KNN).<br /> Metode yang dilakukan penulis pada penelitian yaitu prediksi usia dengan melakukan<br /> 2 siklus berjalan. Dalam 1 siklus terdapat 2 langkah kaki, penelitian ini melihat akselerasi<br /> kecepatan kaki pada saat berjalan. Sensor MPU9250 yang digunakan untuk merekam langkah<br /> kaki dan sensor tersebut diletakan pada kaki seseorang. ESP 32 yang menjadi sistem yang<br /> terhubung dengan aplikasi arduino membantu merekam akselerasi kecepatan pada kaki.<br /> Metode klasifikasi yang digunakan adalah K-Nearest Neighbors (KNN) untuk melakukan<br /> klasifikasi jenis kelompok usia 0 dari usia 17 tahun sampai 20 tahun, kelompok usia 1 dari usia<br /> 21 tahun sampai 40 tahun, dan kelompok usia 2 dari usia 41 tahun sampai 60 tahun. Ekstraksi<br /> fitur yang digunakan adalah ekstraksi ciri mean karena memiliki tingkat akurasi terbaik yaitu<br /> 85% dalam proses training.<br /> Pengujian sistem ini dilakukan pengambilan data dari 25 partisipan dari berbagai<br /> macam usia mulai dari usia 17 tahun hingga usia 60 tahun dengan melakukan rekam akselerasi<br /> pada kaki sebelah kanan dan paha sebelah kiri. Didapatkan akurasi dari pengujian prediksi usia<br /> dengan rata-rata 82,5% kelompok usia 1; 73% untuk kelompok usia 0; dan 87% untuk<br /> kelompok usia 2. Akurasi keseluruhan sebesar 80,83%.<br /> Kata kunci : Walking Age , K-Nearest Neighbors (KNN), Pola berjalan, MPU9250,<br /> Klasifikasi</p>

• TEI4N3 - PEMBELAJARAN MESIN DAN APLIKASI
• TUI4B4 - TUGAS AKHIR

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook