BookOpen AccessMetadata saja
.
.
Hasil pencarian
Jelajahi seluruh publikasi yang tersedia.
Pencarian lanjut AND / OR / NOT
ThesisOpen AccessMetadata saja
SISTEM DETEKSI DINI STUNTING PADA BAYI BERBASIS SENSOR MULTIMODAL DAN DEEP LEARNING DENGAN ANTARMUKA DESKTOP
Stunting merupakan tantangan kesehatan nasional di Indonesia yang memerlukan pemantauan antropometri secara akurat, namun metode manual di Posyandu sering terhambat oleh faktor subjektivitas petugas dan ketidaknyamanan subjek. Penelitian ini mengembangkan sebuah sistem deteksi dini stunting otomatis berbasis sensor multimodal dan deep learning yang mengintegrasikan sensor load cell dan kamera pada Raspberry Pi 5 melalui antarmuka desktop. Sistem ini mengombinasikan algoritma YOLOv8n untuk lokalisasi objek dan MediaPipe Pose Estimation untuk mengekstraksi landmark tubuh guna mengukur panjang serta berat badan secara non-kontak. Dataset yang digunakan berjumlah 2.200 citra digital dengan pembagian 60% data latih (1.320 citra), 20% data validasi (440 citra), dan 20% data uji (440 citra). Hasil evaluasi model YOLOv8n yang mencapai titik optimal pada epoch ke-35 dengan nilai mAP50 sebesar 0,862, serta nilai precision, recall, dan F1-score dalam mendeteksi citra bayi masing-masing sebesar 86%, 75%, dan 80%. Kemudian hasil pengujian laboratorium dalam mengukur panjang badan manekin bayi dengan variasi posisi sudut, sistem mampu mencapai akurasi tinggi sebesar 98,47% untuk panjang badan (RMSE 1,079 cm). Sedangkan akurasi sensor berat badan yang divalidasi dengan menimbang kembali beban uji terhadap massa acuan menggunakan sensor terkalibrasi sebesar 96,56% untuk berat badan (RMSE 0.01543 kg). Pengujian fungsionalitas menggunakan metode black-box testing, menunjukkan 100% fitur antarmuka sistem berjalan sesuai dengan fungsi yang diharapkan. Penerapan integrasi sistem secara keseluruhan terhadap pengukuran bayi dan manekin secara realtime sebanyak 20 responden di lapangan, mendapatkan nilai akurasi sebesar 94% untuk panjang badan bayi (RMSE 4.87 cm) dan 92% untuk akurasi berat badan bayi (RMSE 0,64 kg), serta akurasi dalam mendeteksi stunting berdasarkan kategori Panjang Badan per Umur (PB/U) 70% dan Berat Badan Per Panjang Badan BB/PB = 35%. Selain itu, hasil skor SUS (System Usability Scale) antarmuka sistem sebesar 45 kategori "Not Acceptable" dengan Grade Scale "F". Hasil pengujian tersebut, menunjukkan bahwa antarmuka desktop masih kurang user-friendly bagi kader Posyandu.