Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JIKA (Jurnal Informatika) Jurnal Informatika Polinema (JIP)
Sugiantari, Kadek Feny
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Deteksi Jatuh Lansia Berbasis Landmark Sendi Pada Model LSTM Pratama Putra, Gede Bakti; Suputra, Putu Hendra; Marti, Ni Wayan; Sugiantari, Kadek Feny
Jurnal Informatika Polinema Vol. 11 No. 3 (2025): Vol. 11 No. 3 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v11i3.6823

Abstract

Fenomena lansia terlantar di Indonesia terus meningkat, dengan 2,4 juta dari 25 juta lansia terlantar pada tahun 2019 menurut data CAS Universitas Indonesia. Dengan populasi lansia yang terus bertambah setiap tahun, tantangan dalam perawatan lansia menjadi perhatian penting, khususnya dalam memberikan keamanan dan respons cepat terhadap kondisi darurat. Salah satu kondisi darurat yang sering terjadi adalah jatuh, yang dapat berakibat fatal jika tidak ditangani segera. Penelitian ini bertujuan untuk mengembangkan model deteksi jatuh pada lansia menggunakan algoritma Long Short Term Memory (LSTM) dan fitur landmark sendi. Kondisi jatuh didefinisikan sebagai perubahan pose dari berdiri ke terbaring, yang dipantau secara kontinu menggunakan konsep sliding window. Setiap pose diberikan indeks tertentu yang merepresentasikan kondisi lansia, seperti berdiri, bungkuk, jongkok, duduk, terbaring kiri, terbaring kanan, terbaring ke atas, dan terbaring ke bawah. Model LSTM digunakan untuk mengklasifikasikan pose lansia berdasarkan data pose tersebut. Metode penelitian meliputi studi literatur, analisis, pengembangan model, serta evaluasi performa. Penelitian ini menggunakan dataset berupa 240 video dengan 30 frame per video, melibatkan validator dari Panti Sosial X untuk memastikan keakuratan data yang digunakan. Hasil uji coba menunjukkan bahwa model yang dikembangkan mampu mengklasifikasikan pose dan mendeteksi kondisi jatuh dengan akurasi 91%, yang lebih unggul dibandingkan penelitian sebelumnya dengan akurasi model yaitu 86%.
PENDEKATAN MLP DALAM KLASIFIKASI BAHASA ISYARAT: ANALISIS JARAK EUCLIDEAN LANDMARK TANGAN Sugiantari, Kadek Feny; Suputra, Putu Hendra; Dewi, Luh Joni Erawati; Putra, Gede Bakti Pratama
Jurnal Informatika Vol 9, No 2 (2025): JIKA (Jurnal Informatika)
Publisher : University of Muhammadiyah Tangerang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31000/jika.v9i2.13368

Abstract

Perkembangan teknologi Computer Vision dalam Kecerdasan Buatan (AI) mendorong inovasi teknologi yang inklusif dalam komunikasi bagi penyandang disabilitas, seperti tunarungu dan tunawicara. Penelitian ini mengembangkan model klasifikasi bahasa isyarat angka SIBI, khususnya angka 0-9 yang menggunakan jarak Euclidean antar landmark tangan sebagai fitur. Proses penelitian mencakup pengumpulan data, ekstraksi landmark tangan dengan Mediapipe, ekstraksi fitur jarak Euclidean, pelatihan model dengan Multi Layer Perceptron, evaluasi, dan implementasi real-time. Hasil penelitian menunjukkan model berhasil mengklasifikasikan pose angka 0-9 dan non-pose, dengan akurasi 87.17% dan penerapan threshold pada tahap evaluasi serta implementasi real-time untuk memastikan semua input data terklasifikasi dengan tingkat kepercayaan tinggi. Hasil penelitian ini dapat menunjang proses pembelajaran bahasa isyarat SIBI bagi penyandang disabilitas.
Co-Authors Luh Joni Erawati Dewi Ni Wayan Marti Pratama Putra, Gede Bakti Putra, Gede Bakti Pratama Putu Hendra Suputra