Manfaatkan AI, Doktor ITS Kembangkan Metode Pengenalan Aktivitas Manusia

Surabaya, HARIANBANGSA.net - Penelitian terkait Human Motion Analysis (HMA) kini tengah berkembang di beberapa bidang kehidupan. Salah satunya di bidang kesehatan.

Seperti yang dilakukan oleh doktor baru lulusan Institut Teknologi Sepuluh Nopember (ITS)  Endang Sri Rahayu yang menginovasikan metode untuk mengenali aktivitas manusia melalui pengamatan titik-titik sendi menggunakan Deep Convolutional Neural Network (DCNN) yang merupakan salah satu metode dalam Artificial Intelligence (AI).

Dalam sidang terbuka promosi doktor yang digelar di Departemen Teknik Elektro ITS, Senin (12/8) lalu, Endang menekankan pentingnya penelitian untuk mengenali aktivitas manusia.

Di antaranya dalam mendukung proses rehabilitasi medis, monitoring aktivitas lansia, hingga pengembangan gerakan robot cerdas. “Agar dapat menyelesaikan berbagai aktivitas manusia, penelitian perlu dikembangkan melalui beragam metode untuk memperoleh akurasi tinggi,” jelasnya, Jumat (16/8).

Lebih lanjut, Endang mengungkapkan bahwa pengenalan aktivitas manusia cukup penting dalam bidang kesehatan karena dapat mengamati gerakan-gerakan abnormal seseorang. Gerakan-gerakan manusia yang abnormal tersebut berpotensi menjadi salah satu indikator untuk mengamati risiko penyakit pada manusia, khususnya lansia. “Dengan begitu, penelitian terkait pengamatan aktivitas manusia menjadi penting,” ucap dosen Teknik Elektro Universitas Jayabaya, Jakarta ini.

Berangkat dari permasalahan tersebut, pemaparan pada penelitian berjudul Model Kombinasi Pergeseran Sudut Sendi dengan Deep Learning untuk Mengenali Aktivitas Manusia yang merupakan bagian dari disertasi Endang ini bertujuan untuk mengenali aktivitas manusia berdasarkan ekstraksi fitur sendi. “Penelitian ini menganalisis posisi sendi menggunakan model DCNN,” ungkap perempuan kelahiran Jombang, 27 April 1965 tersebut.

Memanfaatkan kumpulan data Florence 3D Actions, penelitian ini mengamati 15 titik sendi yang ada pada manusia. Termasuk kepala, bahu, dan pergelangan kaki yang akan menjadi indikator gerakan manusia. Sendi dipilih menjadi indikator gerak karena sendi merupakan penghubung antarrangka manusia yang bergerak mengikuti pola aktivitas manusia. “Sehingga, sendi merupakan indikator yang tepat karena posisi titik sendi merepresentasikan pola aktivitas manusia,” papar alumnus S1 Teknik Elektro ITS ini.

Beberapa titik sendi tersebut, imbuh Endang, akan dihitung jarak sendi antarframe dari satu segmen video pengamatan yang tersedia menggunakan teknik euclidean distance. Hasilnya, metode dengan perhitungan jarak sendi belum mampu membedakan beberapa aktivitas manusia, seperti duduk dan berdiri.

“Hal tersebut terjadi karena metode berbasis perhitungan jarak sendi hanya mempertimbangkan jarak perubahan posisi sendi secara absolut, tanpa memperhatikan arah gerakan,” terangnya.

Lebih mendalam, perempuan berkacamata tersebut menambahkan bahwa perlu metode untuk dapat membedakan beberapa aktivitas manusia yang memiliki kemiripan pada jarak pergerakan. Alhasil, Endang menambahkan metode pergeseran sudut sendi yang terbukti mampu membedakan beberapa aktivitas yang memiliki perubahan jarak posisi sendi yang mirip, tetapi memiliki arah gerak yang berbeda seperti pada aktivitas duduk dan berdiri.

Berdasarkan hasil penelitiannya tersebut, Endang memperoleh hasil yang memuaskan dengan perolehan akurasi sebesar 97,44 persen dengan loss sebesar 0,0602. Hasil evaluasi tersebut menunjukkan kinerja model yang optimal dan memiliki potensi yang besar untuk terus mengalami perkembangan. “Semoga ke depannya penelitian terkait HMA ini terus berkembang, khususnya pada bidang kesehatan kelompok rentan,” harapnya.(rd)