Sistem Deteksi dan Klasifikasi Pergerakan Kepala Menggunakan K-Nearest Neighbor

Abstrak

Perkembangan teknologi dengan memanfaatkan pergerakan tubuh manusia berkembang sangat pesat. Salah satunya pada sebuah sistem kecerdasan buatan yang memanfaatkan pergerakan kepala untuk mengendalikan kursi roda berbasis embedded system. Pada penelitian tersebut, kepala bergerak sebagai kontrol untuk menggerakkan kursi roda. Penelitian serupa yang ada sebelumnya memunculkan beberapa kendala, salah satunya sistem tidak dapat digunakan semua pengguna dikarenakan dalam penentuan threshold diperoleh secara manual. Untuk mengatasi permasalahan tersebut, peneliti melakukan perancangan sistem dengan mengklasifikasi arah peregerakan kepala sesuai kelasnya menggunakan metode K-Nearest Neighbor (K-NN). Dengan ini diharapkan sistem dapat lebih fleksibel digunakan oleh pengguna. Sistem menggunakan sensor MPU6050 dan mikrokontroller ESP32 yang dirangkai berbentuk ikat kepala. Hasil yang didapat dari kalibrasi klasifikasi sistem ditampilkan pada serial monitor berupa kelas arah pergerakan kepala. Pengujian sistem dilakukan dengan empat kali percobaan pada tiap kelas pergerakan kepala, terdapat lima kelas golongan pergerakan kepala yang diuji. Lima kelas pergerakan kepala yang diuji yakni kelas tegak, miring kanan, miring kiri, menunduk serta mendongak. Berdasarkan hasil pengujian pada sistem ini, didapatkan tingkat akurasi data sebesar 95% terhadap klasifikasi K-Nearest Neighbor.