Implementasi Wearable Device Untuk Klasifikasi Postur Keadaan Tubuh Berbasis Data Sensor MPU6050 Menggunakan Metode Naive Bayes
| Main Author: | Mubarak, Viramuda Tantri Burhan |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13809/1/Viramuda%20Tantri%20Burhan%20Mubarak.pdf http://repository.ub.ac.id/13809/ |
Daftar Isi:
- Postur keadaan tubuh merupakan sebuah kondisi tubuh atau posisi tubuh seseorang saat melakukan segala macam aktivitas misyalkan duduk, berdiri, berjalan dan lain-lain. Penilaian terhadap postur sangat penting dalam aspek kesehatan. Selain kesehatan sebuah keadaan tubuh juga dapat dimanfaatkan dalam berbagai macam hal, salah satu contohnya dalam loT (Internet of Things), dimana keadaan tubuh dapat mengontrol perangkat elektronik dalam rumah. Oleh karena itu, diperlukan adanya penelitian mengenai sistem untuk mengklasifikasi postur keadaan tubuh. Dalam penelitian ini, sistem dibuat dalam bentuk wearable device, dimana sistem dapat dipasangkan ke tubuh seseorang dengan mudah. Parameter yang digunakan untuk mengetahui jenis postur keadaan tubuh adalah sudut dan akselerasi di beberapa titik tubuh yakni, dada, paha kanan, dan paha kiri. Nilai parameter tersebut didapatkan dari pembacaan tiga buah sensor MPU6050 dan diolah menggunakan metode Naive Bayes dalam mikrokontroler Raspberry Pi Zero W. Naive Bayes dipilih sebagai metode untuk klasifikasi karena Naive Bayes merupakan metode klasifikasi yang memiliki akurasi tinggi dan memiliki performa komputasi yang sangat cepat. Sistem juga dapat mengirimkan hasil klasifikasi ke aplikasi android melalui protokol Bluetooth dan dapat ditampilkan pada aplikasi tersebut. Dari hasil pengujian yang dilakukan pada sistem dapat diketahui presentase error pembacaan sensor MPU6050 adalah 1,392%. Setelah itu dilakukan juga pengujian sistem terhadap akurasi Naive Bayes dengan menggunakan data latih sebanyak 55 data dan data uji sebanyak 28 data, dari pengujiannya didapatkan akurasi sebesar 100% dengan waktu komputasi rata-rata selama 4,178 ms (mili detik).