Deteksi Arah Pergerakan Kepala untuk Navigasi pada Kursi Roda Pintar Menggunakan Kombinasi Metode Berbasis YOLOv8N

Abstrak

Kursi roda merupakan alat bantu yang sangat penting bagi penyandang disabilitas fisik, terutama individu yang memiliki keterbatasan pada fungsi gerak. Namun, kursi roda konvensional yang memerlukan pengoperasian manual tidak memadai bagi individu dengan disabilitas fisik ganda, seperti disfungsi tangan dan kaki. Padahal, jumlah penyandang disabilitas di Indonesia yang kesulitan atau tidak dapat menggunakan anggota gerak kaki mencapai ±7.318.167 orang, sementara ±2.976.763 juta lainnya memiliki keterbatasan pada tangan. Oleh karena itu, penelitian ini mengembangkan kursi roda pintar berbasis teknologi computer vision yang menggunakan model YOLOv8N dengan kombinasi modul GhostNet dan Slim-Neck sebagai sistem navigasi. Penggunaan Jetson Nano 4GB sebagai prosesor utama juga dipilih untuk menekan biaya produksi sehingga menghasilkan perangkat yang lebih ekonomis tanpa mengorbankan kinerja. Pengujian menunjukkan bahwa kombinasi model tersebut dapat mencapai mAP50 sebesar 99,4% dan mAP50-95 sebesar 89%, dengan efisiensi komputasi GFLOPs sebesar 3,4 dan waktu deteksi hanya 68,05 ms menggunakan CUDA. Model tersebut juga memiliki beban yang ringan dengan parameter hanya sebesar 1.549.980 dan ukuran model sebesar 3,6MB. Sistem navigasi ini berhasil terintegrasi dengan motor pada kursi roda pintar dengan nilai akurasi keseluruhan sistem yang cukup tinggi, yaitu mencapai 90%.