Implementasi algoritma YOLOv8 small untuk mendeteksi gerakan mata dan mulut pada self-feeding assistive robot arm

Saputra, Wisnu Bayu (2025) Implementasi algoritma YOLOv8 small untuk mendeteksi gerakan mata dan mulut pada self-feeding assistive robot arm. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text 1_cover.pdf Download (33kB) | Preview
Preview	Text 2_abstrak.pdf Download (129kB) | Preview
Preview	Text 3_suratpernyataankaryasendiri.pdf Download (305kB) | Preview
Preview	Text 4_daftarisi.pdf Download (252kB) | Preview
Preview	Text 5_bab1.pdf Download (96kB) | Preview
	Text 6_bab2.pdf Restricted to Registered users only Download (489kB) | Request a copy
	Text 7_bab3.pdf Restricted to Registered users only Download (53kB) | Request a copy
	Text 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 9_bab5.pdf Restricted to Registered users only Download (821kB) | Request a copy
	Text 10_bab6.pdf Restricted to Registered users only Download (26kB) | Request a copy
	Text 11_daftarpustaka.pdf Restricted to Registered users only Download (152kB) | Request a copy
	Text 12_lampiran.pdf Restricted to Repository staff only Download (124kB) | Request a copy

Abstract

Perkembangan teknologi kecerdasan buatan dan computer vision telah memberikan peluang besar dalam pengembangan sistem robotik yang dapat membantu aktivitas manusia, termasuk bagi individu dengan keterbatasan fisik. Penelitian ini bertujuan untuk mengembangkan sistem deteksi gerakan mata dan mulut menggunakan algoritma YOLOv8 small pada self-feeding assistive robot arm, yang berfungsi membantu proses makan secara mandiri. Model YOLOv8 small dipilih karena ringan, efisien, dan mampu melakukan deteksi objek secara real-time dengan akurasi tinggi. Penelitian ini menggunakan webcam sebagai sensor input yang menangkap citra wajah pengguna, kemudian diproses untuk mengidentifikasi kondisi mata terbuka, mata tertutup, mulut terbuka dan mulut tertutup. Deteksi kondisi mata tertutup selama satu detik digunakan sebagai sinyal pengguna meminta makanan dan mulut terbuka digunakan sebagai sinyal kesiapan pengguna untuk menerima suapan makanan. Metodologi penelitian mencakup pelatihan model menggunakan dataset berlabel, implementasi sistem, serta evaluasi performa menggunakan metrik precision, recall, dan mAP. Berdasarkan hasil evaluasi, kinerja model menunjukkan performa sangat baik. Pada epoch 100 Akurasi keseluruhan mencapai 90,1%, dengan precision, recall, F1-score tertinggi mencapai 99% pada kondisi mulut terbuka. Nilai mAP@0.5 sebesar 97,3% menunjukkan bahwa model mampu mengenali dan mengklasifikasikan objek secara konsisten dalam berbagai kondisi. Confusion matrix menunjukkan dominasi prediksi benar dengan kesalahan klasifikasi yang minimal. Hasil ini membuktikan bahwa model YOLOv8 small dapat secara efektif mengidentifikasi kesiapan pengguna dan mengendalikan sistem robot secara responsif tanpa interaksi fisik langsung.

Actions (login required)

View Item