KLASIFIKASI AKTIVITAS WELDER BERBASIS DATA ORIENTASI QUATERNION MENGGUNAKAN METODE CNN

Liani, Dela Almal (2026) KLASIFIKASI AKTIVITAS WELDER BERBASIS DATA ORIENTASI QUATERNION MENGGUNAKAN METODE CNN. Diploma thesis, Politeknik Perkapalan Negeri Surabaya.

Text 0922040009 - Dela Almal Liani - Klasifikasi Aktivitas _i_Welder__i_ berbasis Data Orientasi _i_Quaternion__i_ Menggunakan Metode Cnn.pdf Download (2MB)

Abstract

Pemantauan aktivitas welder secara manual masih terbatas karena bergantung pada observasi manusia, sehingga kurang objektif dan tidak dapat dilakukan secara berkelanjutan. Penelitian ini merancang sistem Human Activity Recognition (HAR) berbasis wearable embedded system untuk mengklasifikasikan enam aktivitas welder (Duduk Aktif, Berdiri Aktif, Berbaring Aktif, Duduk Tidak Aktif, Berdiri Tidak Aktif, dan Berbaring Tidak Aktif) menggunakan sensor IMU ICM-20948. Data gerakan diproses melalui tahap filtering, normalisasi, dan segmentasi dengan metode sliding window sebagai masukan untuk model Convolutional Neural Network 1D (CNN-1D), dengan hasil klasifikasi divalidasi menggunakan kamera sebagai ground truth. Pengujian menunjukkan bahwa model CNN-1D dengan data quaternion mencapai akurasi 99,86%, lebih tinggi dibandingkan dengan model tanpa quaternion yang mencapai 96,03%. Hal ini membuktikan bahwa informasi orientasi quaternion meningkatkan kemampuan model dalam mengenali pola gerakan welder. Hasil classification report menunjukkan precision, recall, dan F1-score diperoleh rata-rata sebesar 1,00 pada kelas Berbaring Aktif, Berbaring Tidak Aktif, Berdiri Aktif, dan Duduk Tidak Aktif, sementara kelas Berdiri Tidak Aktif memperoleh recall 0,99 dan kelas Duduk Aktif memperoleh precision 0,99 dari total 724 data uji, menunjukkan model mampu mengenali keenam kelas aktivitas secara akurat tanpa bias. Sistem mampu melakukan klasifikasi secara real-time dengan waktu inferensi rata-rata 110,58 ms per window, serta menampilkan hasil pemantauan dan durasi aktivitas melalui dashboard berbasis web. Sistem wearable berbasis IMU dan CNN-1D terbukti dapat digunakan sebagai teknologi pendukung untuk memantau aktivitas kerja welder secara objektif dan berkelanjutan.

Actions (login required)

View Item