<![CDATA[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.]]>
Copyrights © 2025
