Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Rizky Yuztiawan, Fachrie
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1 
Implementasi Metode Kalman Filter Dan Model YOLOv8n Untuk Fitur Human-Following Pada Kursi Roda Pintar Rizky Yuztiawan, Fachrie; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 1 (2025): Januari 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kursi roda telah lama menjadi solusi bagi penyandang disabilitas dengan keterbatasan mobilitas untuk mendukung aktivitas sehari-hari. Pada kasus disabilitas fisik ganda, kursi roda seringkali membutuhkan bantuan pemandu. Pengoperasian kursi roda konvensional atau elektrik berbasis joystick memiliki kekurangan, seperti kursi roda konvensional yang membutuhkan tenaga pendorong, dan kursi roda elektrik yang hanya mengandalkan joystick sehingga masih sulit dioperasikan oleh beberapa penyandang disabilitas ganda. Dengan perkembangan teknologi, banyak opsi dalam mengembangkan kursi roda pintar dengan berbagai fitur, salah satunya adalah fitur yang memungkinkan kursi roda mengikuti arah gerak pemandu. Penelitian ini mengembangkan fitur tersebut menggunakan model computer vision YOLOv8n dan algoritma Kalman Filter pada kondisi cahaya normal (100-400 lux). Sebanyak 939 gambar objek manusia dikumpulkan sebagai dataset dan dilakukan proses pre-trained YOLOv8N. Hasil pre-trained menunjukkan model terbaik pada epoch ke-90 dengan parameter confusion matrix data testing memiliki akurasi 0.9619, presisi 1.00, recall 0.9619, dan F1-Score 0,9805. Model ini kemudian diintegrasikan pada sistem deteksi objek menggunakan YOLOv8n dan algoritma kalman filter pada lingkungan dengan banyak objek dan pencahayaan normal, mendapatkan akurasi keseluruhan sekitar 91.66% Waktu proses komputasi rata-rata untuk tiap objek yang dideteksi per frame adalah 0,095485052 detik.
Co-Authors Utaminingrum, Fitri