Keywords
gaya berjalan
pengenalan pola
How to Cite
Abstract
Analisis gaya berjalan pada anak disabilitas penting untuk mendeteksi gangguan motorik dan merancang intervensi rehabilitasi yang tepat. Metode konvensional seperti sensor wearable atau sistem kamera 3D mahal dan terbatas penggunaannya. Penelitian ini mengusulkan sistem klasifikasi pola berjalan berbasis MediaPipe Pose dan algoritma K-Nearest Neighbor untuk identifikasi gaya berjalan normal, disabilitas tanpa tongkat, dan disabilitas dengan tongkat. Data diambil dari dataset terbuka dan diolah melalui ekstraksi fitur dari 22 titik tubuh bagian atas dan bawah. Sistem diuji menggunakan pembagian data pelatihan dan pengujian dengan rasio 80:20. Hasil menunjukkan akurasi tinggi dalam klasifikasi, menunjukkan efektivitas pendekatan non-invasif ini. Penelitian ini memberikan kontribusi bagi pengembangan sistem pemantauan rehabilitasi yang lebih murah dan mudah diimplementasikan.
References
[1] C. S. Tony Hii, K. B. Gan, H. Woon You, and N. Zainal, “(Frontal Plane Spatial and Temporal Gait Assessment using MediaPipe Pose,” Jurnal Kejuruteraan, vol. 36, no. 4, pp. 1561–1574, Jul. 2024, doi: 10.17576/jkukm-2024-36(4)-22.
[2] E. R. D. D. Waldi Ginting, “Rancangan Pengambilan Dan Pengolahan Data Pada Sistem Deteksi Gangguan Gaya Berjalan Anak Studi Kasus: Kelainan Pada Anak Disabilitas,” Bandung, Apr. 2024.
[3] R. C. Putra, “Pembangunan Perangkat Pendeteksi Jenis Gerakan Raket Bulu Tangkis Dengan Algoritma KNN dan SVM,” Teknika, vol. 9, no. 2, pp. 113–120, Nov. 2020, doi: 10.34148/teknika.v9i2.291.
[4] R. Wulanningrum, A. N. Handayani, and A. P. Wibawa, “Perbandingan Instance Segmentation Image Pada Yolo8,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 4, pp. 753–760, Aug. 2024, doi: 10.25126/jtiik.1148288.
[5] F. A. Irawan and D. F. W. Permana, “ANALISIS GERAK BERJALAN UNTUK PENCEGAHAN CIDERA DENGAN APLIKASI DARTFISH,” Bookchapter Kesehatan Masyarakat Universitas Negeri Semarang, no. 4, pp. 53–72, Mar. 2023, doi: 10.15294/km.v1i4.120.
[6] A. Viswakumar, V. Rajagopalan, T. Ray, P. Gottipati, and C. Parimi, “Development of a Robust, Simple, and Affordable Human Gait Analysis System Using Bottom-Up Pose Estimation With a Smartphone Camera,” Front Physiol, vol. 12, Jan. 2022, doi: 10.3389/fphys.2021.784865.
[7] J. Stenum, C. Rossi, and R. T. Roemmich, “Two-dimensional video-based analysis of human gait using pose estimation,” PLoS Comput Biol, vol. 17, no. 4, Apr. 2021, doi: 10.1371/journal.pcbi.1008935.
[8] F. Young, R. Mason, R. Morris, S. Stuart, and A. Godfrey, “Internet-of-Things-Enabled Markerless Running Gait Assessment from a Single Smartphone Camera,” Sensors, vol. 23, no. 2, Jan. 2023, doi: 10.3390/s23020696.
[9] K. D. McCay et al., “A Pose-Based Feature Fusion and Classification Framework for the Early Prediction of Cerebral Palsy in Infants,” IEEE Transactions on Neural Systems and Rehabilitation Engineering, vol. 30, pp. 8–19, 2022, doi: 10.1109/TNSRE.2021.3138185.
[10] V. Bazarevsky, I. Grishchenko, K. Raveendran, T. Zhu, F. Zhang, and M. Grundmann, “BlazePose: On-device Real-time Body Pose tracking,” Jun. 2020, [Online]. Available: http://arxiv.org/abs/2006.10204
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 Pramudya Cipta Panatagama nata, Resty Wulanningrum, Siti Rochana