<![CDATA[Jatuh merupakan masalah serius pada berbagai kelompok usia yang dapat menyebabkan cedera fisik, mulai dari ringan hingga fatal. Deteksi jatuh menjadi aspek penting dalam pengembangan sistem pemantauan yang efektif dan andal. Penelitian ini mengevaluasi model YOLOv11-Pose yang dilatih menggunakan data kamera termal dari dataset OpenThermalPose di lingkungan dalam dan luar ruangan. Pengujian dilakukan dengan fungsi deteksi berbasis dua kondisi: rasio dimensi tubuh dan orientasi terhadap lantai. Dari lima varian yang diuji, YOLOv11-M menunjukkan kinerja terbaik dengan nilai mean Average Precision (mAP) sebesar 0,994 untuk kotak pembatas dan 0,855 untuk estimasi pose. Meskipun model mampu mendeteksi posisi tubuh secara akurat saat tidak terjadi jatuh, performanya terbatas akibat kurangnya data citra yang merepresentasikan posisi jatuh, sehingga menghambat evaluasi secara menyeluruh. Hasil ini menunjukkan potensi YOLOv11-Pose dalam mendeteksi kejadian jatuh serta memberikan wawasan untuk pengembangan sistem keselamatan berbasis kamera termal di masa depan.]]>
Copyrights © 2026
