(0721) 8030188    pusat@itera.ac.id   

PERBANDINGAN ALGORITMA ZERO CROSSING DAN LOCAL MAXIMA DALAM MENGHITUNG FREKUENSI VARIABILITAS RESPIRASI PADA VIDEO TERMAL


Computer Vision merupakan salah satu teknologi yang termasuk ke dalam kecerdasan buatan yang banyak diimplementasikan dalam bidang medis seperti Computerized Tomography Scan (CT Scan) dan Magnetic Resonance Imaging (MRI) yang berguna untuk mendiagnosis keadaan pasien. Selain itu, computer vision juga dapat diterapkan untuk mengetahui kondisi tanda vital dari seseorang, seperti tekanan darah (blood pressure), suhu tubuh, frekuensi pernapasan (respiration rate), dan frekuensi detak jantung (heart rate). Saat ini, pengukuran ke-4 tanda vital masih dilakukan dengan kontak pada pasien dimana ada kekurangan seperti berkurangnya kenyamanan pasien, kurang higienis karena selalu digunakan dari satu pasien ke pasien lainnya terutama saat pandemi Covid-19 dan terdapat aspek invasif. Oleh sebab itu, dibutuhkan sebuah metode yang dapat melakukan pengukuran tanda-tanda vital secara contactless. Penelitian ini akan befokus ke salah satu tanda vital, yaitu frekuensi pernapasan (respiration rate). Terdapat 7 subjek pada penelitian ini, dimana semua subjek ini akan direkam menggunakan vernier belt sebagai alat ukur respirasi dan ground truth, dan kamera lepton 2.5 yang merekam pernapasan subjek. Metode yang digunakan untuk menghitung frekuensi respirasi (respiration rate) adalah local maxima dan zero crossing, dimana terdapat 3 variable dalam perhitungannya, yaitu variable max, median dan juga average. Penelitian ini membandingkan kedua metode tersebut dengan menggunakan ketiga variable sehingga output dari penelitian ini adalah metode yang lebih akurat dan efektif dalam melakukan perhitungan frekuensi pernapasan pada subjek. Setelah dilakukannya penelitian, Metode local maxima dengan menggunakan variable median lebih akurat dibandingkan dengan metode zero crossing dengan nilai MAE sebesar 4.010 dan nilai RMSE sebesar 4.718.

URI
https://repo.itera.ac.id/depan/submission/SB2301130046

Keyword