ABSTRAKSI: Salah satu teknologi medis yang digunakan untuk diagnosis suatu penyakit adalah polysomnography. Polysomnography adalah tes dengan multi parameter untuk mempelajari tidur. Salah satu parameter dari polysomnography adalah aktivitas otot. Secara logika, aktivitas otot akan mengakibatkan terjadinya gerakan. Contoh dari penyakit tidur adalah restless legs syndrome dan sleep apnea.
Motion detection adalah suatu cara untuk merasakan gerakan. Seseorang dengan penyakit tidur tertentu melakukan pergerakan-pergerakan pada saat tidur yang lebih sering daripada seharusnya. Aplikasi dengan motion detection untuk polysomnography melakukan pencatatan waktu, durasi, dan pergerakannya direkam. Algoritma yang digunakan untuk deteksi gerakan pada Tugas Akhir ini adalah frame difference, metode korelasi, dan Σ – Δ background estimation oleh A. Manzanera dan J. C. Richefeu
Hasil dari Tugas Akhir ini berupa penentuan threshold yang dapat digunakan untuk gerakan-gerakan tertentu yang mungkin terjadi saat tidur. Threshold adalah batas minimum untuk menentukan sebuah gerakan akan direkam atau tidak. Parameter threshold untuk frame difference dan Σ – Δ adalah perbandingan antara jumlah pixel yang dianggap objek bergerak dengan luas layar. Sebagai contoh, threshold 0.8 berarti 80% bagian dari layar dianggap bergerak. Pada algoritma korelasi, threshold-nya adalah nilai hasil korelasi dua dimensi antara frame yang berurutan. Gerakan yang besar seperti gerakan berguling lebih mudah dideteksi karena memberikan perbedaan gerakan yang besar dibandingkan dengan noise-nya. Algoritma frame difference memberikan kinerja terbaik karena noise dan variance-nya relatif kecil, sehingga dapat mendeteksi lebih banyak (24 jenis video dari 32 jenis video) dibandingkan dengan algoritma korelasi atau algoritma Σ – Δ.
Kata Kunci : motion detection, polysomnography, background subtractionABSTRACT: Polysomnography is one method used to diagnose some kind of disease. It is a multi-parametric test used in the study of sleep. One of the parameter used for polysomnography is the muscle activity. Logically, motion activity will cause motion. Some examples of sleep disorder are restless legs syndrome and sleep apnea.
Motion detection is a way to sense motion. Patient with some sleep disorder moves more often than someone who doesn’t. Motion detection application for polysomnography records movements, occurred time, and its duration. The methods used to detect motion are frame difference, correlation, and Σ – Δ background estimation by A. Manzanera and J. C. Richefeu.
The result of this research is the threshold that can be used to detect some kind of movements during sleep. Threshold is the minimum value to decide whether the movement will be recorded or not. The threshold for frame difference and Σ – Δ can be achieved by comparing the sum of the moving pixel and the screen resolution. For example, 0.8 in threshold means that 80% of the screen is moving. In correlation algorithm, the threshold is the two dimensional correlation result of two sequencing frame. Big movement such as rolling is easier to detect since it gives bigger difference of motion between frames than its noise. Frame difference algorithm gives the best result since it is more resistant to noise and relatively small noise variance. Frame difference can detect 24 of 32 video used, more than correlation or Σ – Δ method.
Keyword: motion detection, polysomnography, background subtraction