24.04.3011
006.31 - Machine Learning
Karya Ilmiah - Skripsi (S1) - Reference
Deep Learning
285 kali
Rumah Sakit Bhayangkara Sartika Asih Bandung menghadapi beberapa masalah dalam manajemen aset medis, terutama dalam hal memantau posisi aset secara <em>real-time</em>, yang sangat penting untuk efisiensi operasional. Tujuan dari penelitian ini adalah untuk membuat sistem deteksi dan pelacakan objek yang berbasis metode <em>OSEMN (Obtain, Scrub, Explore, Model, iNterpret)</em> yang dapat mendeteksi posisi aset rumah sakit dengan sangat akurat. Data terdiri dari 16 kategori alat dengan total gambar <strong>7680 </strong>(sudah teraugmentasi) yang terbagi dalam data <em>train 88% (6720), test 4% (320) & validation 8% (640)</em>. Model deteksi dan pelacakan dikembangkan (Model) menggunakan YOLOv8x deteksi objek dan integrasi algoritma <em>DeepSORT</em> untuk pelacakan multi-objek secara <em>real-time,</em> yang mencakup <em>Kalman Filter</em> dan <em>Hungarian Algorithm</em>. Interpretasi (iNterpret) hasil pengujian menunjukkan <em>precision</em> sebesar 89,9%, <em>recall </em>87,8%, <em>F1-Score</em> 88,7%, <em>accuracy </em>94% dan MOTA keseluruhan 75,3%. Model yang dibuat mampu mendeteksi dan melacak alat kesehatan dengan akurat dan presisi yang cukup tinggi, didukung oleh efisiensi pelacakan dari kombinasi YOLOv8 dan <em>DeepSORT</em>. Implementasi ini meningkatkan efisiensi operasional rumah sakit dan mendukung pencapaian SDGs di bidang kesehatan dan infrastruktur.<br /> <br /> Kata Kunci: <em>Real-Time Object Detection, OSEMN Methodology, YOLOv8 & DeepSORT</em><br />
Tersedia 1 dari total 1 Koleksi
Nama | FRISKA ANDALUSIA |
Jenis | Perorangan |
Penyunting | Sinung Suakanto, Faqih Hamami |
Penerjemah |
Nama | Universitas Telkom, S1 Sistem Informasi |
Kota | Bandung |
Tahun | 2024 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |