Implementasi dan Analisis YOLOv5 dengan Vision Transformer (ViT) untuk Mendeteksi Lansia Mengalami Insiden Jatuh [UIR]

Abstract

Jatuh adalah insiden yang sangat berbahaya bagi lansia karena dapat mengakibatkan cedera yang sangat parah. Maka dari itu dibutuhkan penanganan yang sangat cepat dan tepat setelah lansia mengalami insiden jatuh untuk mengurangi risiko yang ditimbulkan lebih lanjut. Pada penelitian ini memiliki tujuan untuk membuat sistem pengawasan secara otomatis untuk mendeteksi apakah lansia mengalami insiden jatuh atau sedang melakukan aktivitas normal (seperti duduk, jongkok, dan berdiri). Sitem ini menggunakan  model You Only Look Once version 5 (YOLOv5) dan dipadukan dengan Vision Transformer (VitT). YOLOv5 berfungsi untuk mendeteksi keadaan manusia di dalam video sedangkan pada ViT digunakan untuk menganalisis pola keypoints tubuh agar bisa mengklasifikasi lansia apakah sedang melakukan aktivitas normal (seperti duduk, jongkok, dan berdiri) atau mengalami insiden jatuh. Pada penelitian ini menggunakan metode kuantitatif yang dimana model akan dilatih dan di fine tuning berdasarkan dataset berupa gambar dari aktivitas normal dan insiden jatuh. Kemampuan sistem akan dievaluasi berdasarkan metrik yang terdiri dari akurasi, presisi, recall, F1-score, delay, dan frame per second (FPS) agar menjamin pemrosesan secara real-time. Hasil akhir penelitian ini diharapkan terciptanya sebuah propotipe sistem teruji dan responsive yang dapat memberikan perigatan jika lansia mengalami insiden jatuh maka mendapatkan penanganan medis yang cepat agar mengurangi cedera yang ditimbulkan lebih lanjut.