SISTEM DETEKSI WAJAH DAN MONITORING AKTIVITAS ANAK AUTIS SECARA REAL-TIME MENGGUNAKAN YOLO V8 PADA SOCIALLY ASSISTIVE ROBOT (SAR)

Hadi, Kurnia (2025) SISTEM DETEKSI WAJAH DAN MONITORING AKTIVITAS ANAK AUTIS SECARA REAL-TIME MENGGUNAKAN YOLO V8 PADA SOCIALLY ASSISTIVE ROBOT (SAR). Diploma thesis, Politeknik Negeri Sriwijaya.

Preview	Text (COVER) COVER.pdf Download (383kB) | Preview
	Text (ABSTRAK) ABSTRAK.pdf Download (211kB)
	Text (BAB I) BAB I.pdf Restricted to Repository staff only Download (265kB) | Request a copy
	Text (BAB II) BAB II.pdf Restricted to Repository staff only Download (393kB) | Request a copy
	Text (BAB III) BAB III.pdf Restricted to Repository staff only Download (364kB) | Request a copy
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only Download (643kB) | Request a copy
	Text (BAB V) BAB V.pdf Restricted to Repository staff only Download (184kB) | Request a copy
	Text (Daftar Pustaka) Daftar Pustaka.pdf Restricted to Repository staff only Download (182kB) | Request a copy
	Text (LAMPIRAN) LAMPIRAN FIX.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Sistem pemantauan aktivitas anak autis secara real-time merupakan solusi potensial untuk meningkatkan efektivitas terapi dan interaksi sosial. Penelitian ini mengembangkan sistem berbasis visi komputer yang mampu mendeteksi wajah dan mengidentifikasi aktivitas anak secara simultan menggunakan kombinasi metode YOLO V8, face recognition (dlib), dan OpenAI API berbasis Large Language Model (LLM). Deteksi wajah dilakukan menggunakan YOLO V8 untuk menemukan lokasi wajah, yang kemudian dikenali melalui encoding dlib untuk mengidentifikasi identitas anak. Sementara itu, aktivitas diklasifikasikan berdasarkan deteksi tubuh dengan YOLO V8 dan dianalisis secara semantik menggunakan API GPT Vision. Sistem diuji dalam berbagai kondisi seperti pencahayaan berbeda, orientasi tubuh, dan jarak kamera, dengan hasil menunjukkan tingkat keberhasilan pengenalan wajah sebesar 78,57% dan akurasi klasifikasi aktivitas sebesar 76,47%. Sistem juga menunjukkan ketelitian semantik yang baik dengan tidak mengklasifikasikan aktivitas jika indikator visual belum sesuai konteks. Namun, sistem masih memiliki keterbatasan dalam mendeteksi lebih dari satu individu secara bersamaan, yang ditandai dengan tumpang tindih bounding box. Secara keseluruhan, sistem ini menunjukkan potensi besar untuk diimplementasikan pada platform Socially Assistive Robot (SAR) sebagai alat bantu interaktif dalam mendukung proses terapi anak autis. Kata Kunci : Deteksi wajah, aktivitas anak, YOLO V8, face recognition, GPT Vision, robot asistif sosial.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deteksi wajah, aktivitas anak, YOLO V8, face recognition, GPT Vision, robot asistif sosial
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Electronic Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	12 Aug 2025 04:47
Last Modified:	12 Aug 2025 04:47
URI:	http://eprints.polsri.ac.id/id/eprint/18038

Actions (login required)

View Item