Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada skripsi ini dilakukan rancang bangun sistem pendeteksi denyut jantung elektronik. Sistem pendeteksi denyut jantung ini bekerja dengan memanfaatkan piezoelektrik sebagai sensor. Sensor piezoelektrik diposisikan pada tiga bagian tubuh, yaitu pada tangan, dada dan diafragma. Selanjutnya sinyal yang dihasilkan oleh piezoelektrik kemudian akan diproses oleh rangkaian pengolahan sinyal, sebuah mikrokontroler Arduino Nano (ATmega328), dan sebuah komputer. Sinyal keluaran dari sistem ini ditampilkan pada komputer mengunakan sebuah software yang dikembangkan khusus agar hasilnya dapat dianalisis lebih lanjut. Dari hasil berbagai pengujian ditunjukkan bahwa hasil terbaik diperoleh saat pengukuran dilakukan pada pergelangan tangan untuk rentang frekuensi 0 Hz - 5 Hz (0 BPM - 300 BPM) dengan error sebesar 2,6%.

---

In this work, an electronic heartbeat detection system is designed. This heartbeat detection circuit works with piezoelectric as a sensor. This piezoelectric sensor is placed on three position: wrist, chest, and diaphragm. Then, the signal that is received from the piezoelectric is processed by signal processing circuit, an Arduino Nano (ATmega328) microcontroller, and a computer. The output of the system will be displayed on the computer using a developed software for further analysis. Experiments showed that the best result is produced when the measurement take place on wrist for the range of frequecy of 0 Hz - 5 Hz (0 BPM - 300 BPM) with error of 2,6%."

"Pada penelitian ini, dibuat sebuah sistem yang dapat mencegah terjadinya kecelakaan lalu lintas ketika mengemudi. sistem ini dibuat untuk mendeteksi tanda-tanda terjadinya kantuk dan menghasilkan keluaran peringatan mengantuk kepada pengemudi. Parameter yang menjadi acuan seseorang dalam kondisi mengantuk pada sistem ini yaitu detak jantung manusia. Metode yang digunakan pada sistem ini yaitu batas bawah detak jantung seseorang mengantuk (-8 BPM). Sistem ini terdiri dari dua perangkat keras utama, yaitu Mi Band 3 dan ponsel berbasis Android. Mi Band 3 berfungsi untuk mengambil data detak jantung pengemudi, sedangkan ponsel berfungsi untuk menampilkan peringatan terjadinya kantuk melalui aplikasi pendeteksi kantuk berbasis Android Drowsy Alert. Kualitas sistem pendeteksi kantuk ini diuji dengan melakukan survey menggunakan metode Mean Opinion Score (MOS). Nilai rata-rata kualitatif untuk pengujian tampilan aplikasi dari responden adalah sebesar 4.18 dan pengujian fungsionalitas sistem sebesar 4.45 (dalam skala 5 terbaik). Aplikasi sistem pendeteksi kantuk ini berhasil mendeteksi rasa kantuk seseorang berdasarkan batas bawah -8 BPM dengan penurunan detak jantung sebesar 8-18% pada setiap responden dari kondisi segar hingga mengantuk.

---

In this paper, a system was created to prevent traffic accidents while driving. This system was made to detect a signs of drowsiness and give an alert to the driver. Parameter that becomes a reference point of drowsy condition is human heart rate. Method that used in this system is a lower limit of drivers drowsiness heart rate (-8 BPM). This system consist of two main hardware devices, Mi Band 3 and Android smartphone. Mi Band 3 is used to retrieve drivers heart rate data, whereas a smartphone is used to show drowsiness alert via drowsiness detection Android application Drowsy Alert.

The quality of the application was tested by conducting a survey using the Mean Opinion Score (MOS) method. The qualitative average value from respondents for application appearance testing is 4.18 and system functionality testing is 4.45 (5 scale for the best). This drowsiness detection application successfully detects a respondents drowsiness based on the lower limit of -8 BPM with 8-18% heart rate decrease for each respondent from awake state to drowsy."

"Sebuah survei yang dilakukan oleh National Highway Traffic Safety Administration NHTSA memperkirakan 5.895.000 kasus kecelakaan yang terkait dengan permasalahan kantuk maupun tidur saat berkendara di jalan jalan U.S.A pada tahun 2005-2009. Dari jumlah tersebut, 83.000 kasus setiap tahunnya merupakan kecelakaan fatal, bahkan pada tahun 2014, 846 orang meningga pada kecelakaan berkendara yang berkaitan dengan kantuk. Sistem pendeteksi kantuk dikembangkan untuk mengatasi hal ini. Sistem pendeteksi kantuk dibangun menggunakan pustaka OpenCV, dengan kombinasi dari beberapa algoritma, yaitu Haar Cascade Classifier, fungsi Blur, fungsi Canny dan fungsi Kontur. Algoritma Haar Cascade Classifier digunakan untuk mendeteksi area wajah dan area mata pada pengemudi. Sedangkan kombinasi antara fungsi color thresholding dan fungsi kontur digunakan untuk mendeteksi objek mata dan menganalisis sedang terbuka atau tertutupnya mata. Kinerja sistem deteksi kantuk diuji melalui empat variabel, yaitu mesin pengolah yang berbeda, nilai ambang batas, kondisi pencahayaan dan karakteristik mata yang berbeda. Berdasarkan hasil pengujian, nilai ambang batas Vlo dan VHi terbaik adalah Vlo = 10 atau 20 dengan perbedaan VHI 10-20. Selain itu, ditemukan bahwa setiap kecepatan setiap proses bergantung pada pengolahan mesh dimana semakin baik pengolahannya. Mesin semakin cepat waktu prosesnya. Perbedaan dalam kondisi pencahayaan pagi, siang, siang dan malam berpengaruh terhadap kinerja sistem deteksi kantuk dengan tingkat kesalahan 20 , yaitu saat kondisi malam hari. Karakteristik mata berkacamata dan tanpa kacamata berpengaruh pada kinerja sistem deteksi kantuk dengan deteksi 100 tingkat keberhasilan, yaitu bila kondisi mata tertutup pada orang dengan kacamata.

---

survey conducted by the National Highway Traffic Safety Administration NHTSA estimates 5,895,000 cases of accidents related to sleepiness and sleep problems while driving on the U.S.A roadway in 2005 2009. Of these, 83,000 cases each year are fatal accidents, even by 2014, 846 people die in a dormant driving accident. The drowsiness detection system was developed to overcome this. The sleepiness detection system is built using the OpenCV library, with a combination of several algorithms, the Haar Cascade Classifier, the Blur function, the Canny function and the Contour function. Haar Cascade Classifier algorithm is used to detect the facial area and eye area of the driver. While the combination of color thresholding function and contour function is used to detect the eye object and analyze the open or closed eyes.

The performance of the drowsiness detection system is tested through four variables, ie different processing machines, threshold values, lighting conditions and different eye characteristics. Based on the test results, the best Vlo and VHi threshold values are Vlo 10 or 20 with a VHI difference of 10 20. In addition, it was found that every speed of each process depends on mesh processing where the better the processing. The faster the machine the process time. Differences in lighting conditions morning, noon, day and night affect the performance of the drowsiness detection system with a 20 error rate, ie during nighttime conditions. Eye characteristics bespectacled and without glasses affect the performance of the drowsiness detection system with a 100 detection rate of success, ie when eye conditions are closed in people with glasses."

"Mobile robot seringkali mengalami slip dalam pembacaan sensor odometri. Kendala ini sangat mempengaruhi kinerja mobile robot, terlebih jika beberapa mobile robot bekerja secara kooperatif. Masing-masing mobile robot memiliki slipnya tersendiri yang dapat mempengaruhi perhitungan trajectory planning kerja kooperatif. Sehingga dibutuhkan koreksi dengan sensor lain, pada penilitian ini digunakan sistem deteksi lokasi mobile robot dengan kamera webcam. Sistem deteksi akan di implementasikan pada quadcopter ketika terbang diatas mobile robot. Tentu pengambilan gambar akan mengalami perubahan sudut pandang akibat pergerakan sudut pitch atau roll dari quadcopter. Motor penggerak quadcopter juga menghasilkan getaran yang dapat mengakibatkan blur pada pengambilan gambar. Selain itu untuk melakukan pendeteksian berbasis citra dibutuhkan komputasi yang cukup besar, khususnya jika dilakukan pada sistem embedded quadcopter. Oleh karena itu dibutuhkan sistem deteksi yang dapat diterapkan pada quadcopter dengan ketahanan derau dan proses yang cukup cepat. Pada perancangan sistem deteksi penilitian ini, digunakan suatu pola yang terdiri dari markah buatan. Markah bulat hitam memiliki fitur yang mudah untuk dikenali dengan algoritma sederhana. Pola yang terdiri dari markah bulat dapat disisipkan informasi identitas dan pose sehingga cocok untuk diterapkan pada sistem deteksi lokasi multi mobile robot. Untuk menguji kemampuan pendeteksian, selain diuji pada dunia riil juga dirancang pengujian simulasi. Pengembangan simulasi quadcopter untuk mendeteksi pola markah dirancang dengan simulator Gazebo yang di integrasikan dengan perangkat lunak ROS Robotic Operating System.

---

Mobile robots often experience slippage in odometry sensor readings. These problems greatly affect the performance of mobile robots, especially if some mobile robots work cooperatively. Each mobile robot has its own slip that can affect the calculation of cooperative work cooperative trajectory. So that needed correction with other sensors, the research is used mobile robot location detection system with webcam camera.

The detection system will be implemented on the quadcopter when flying over the mobile robot. Of course the camera angle of view due to movement of pitch or roll angle from quadcopter. The quadcopter motors also produce vibrations that can lead to blur on shooting. In addition to perform image based detection required considerable computation, especially if done on the embedded quadcopter system. Therefore, a detection system that can be applied to the quadcopter with noise and process resistance is fast enough.

In the design of this research detection system, a pattern consisting of artificial markers is used. The black round marker has features that are easy to recognize with simple algorithms. Patterns consisting of rounded markers can be inserted identity and pose information making it suitable to be applied to mobile robot location detection systems. To test the detection ability, in addition to tested in the real world also designed simulation testing. The development of a quadcopter simulation to detect the markup pattern is designed with a Gazebo simulator integrated with ROS Robotic Operating System software."

"Energi listrik telah menjadi kebutuhan mendasar manusia di seluruh dunia termasuk bagi rakyat Indonesia. Pencarian energi baru makin mencuat karena didorong oleh situasi global yang mengindikasikan cadangan energi fosil khususnya minyak bumi karena sifatnya yang tak terbarukan. Sebagai alternatif dari keterbatasan energi fosil, banyak yang mencoba untuk menciptakan beberapa energi harvesting. Energi harvesting adalah proses dimana energi berasal dari sumber eksternal energi gelombang laut, energi panas, energi angin dsb dikonversikan menjadi energi listrik. Salah satu media konversi energi harvesting yang dikembangkan saat ini adalah material piezoelectric. Lalu muncul sebuah pemikiran untuk membuat sebuah generator yang memanfaatkan pergerakan dari gelombang laut. Generator ini menggunakan sistem Oscillation Water Column OWC yang di desain dengan sistem osilasi untuk mengakumulasi energi gelombang laut untuk memberikan gaya eksternal pada piezoelektrik untuk berkerja sebagai konverter. Pembangkit listrik tenaga gelombang laut ini diharapkan menjadi sebuah alternatif dari energi yang terbarukan. Hasil dari penelitian ini adalah purwarupa sistem PLTGL dengan tegangan maksimum 3.67 V , potensi energi gelombang laut maksimum 15.04 Joule, efisiensi daya piezoelektrik 9.3 sebesar pada rangkaian seri dengan ketinggian air rata ndash; rata 25 cm dan periode gelombang 10 detik.

---

An electrical energy has been become basic human need in the world, especially in Indonesia. A renewable energy search is crucial because the fosil energy resource isn rsquo t a renewable property. As an alternative, several researches conduct an energy harvesting. An energy harvesting is a process where the energy comes from external source such as sea wave, heat energy, wind energy, etc. and that source will be converted into electrical energy.

One of the conversion energy harvesting media that has been developed at recent days is a piezoelectric media. Then, we developed a generator which use a sea wave movement. This generator uses an Oscillation Water Column OWC system which designed with an oscillation system to accumulate a seawave energy to give an external force for piezoelectric as a converter. A seawave based power plant is expected to become an alternative of renewable energy.

The result of this research is a prototype with seawave powerplant with maximum voltage of 3.67 V, ocean wave energy potensial of 15.04 Joule power efficiency 9.3 at serial circuit with average water height is 25 cm and wave period is 10 s."

"ABSTRAKSistem radar untuk aplikasi medis merupakan telah banyak diteliti dan dikembangkan. Salah satu aplikasinya adalah pengukuran kondisi vital manusia seperti tingkat pernafasan dan tingkat detak jantung. Oleh karena itu, diperlukan suatu sistem yang dapat mendeteksi tingkat pernafasan manusia dan tingkat detak jantung manusia. Dalam penelitian ini, dirancang radar continuous-wave dengan LoRa RFM95 sebagai transmitter pada frekuensi kerja 862-1020 MHz dan RTL-SDR sebagai receiver sekaligus analog to digital converter. Antena yang digunakan dalam penelitian ini adalah antena microstrip rectangular satu elemen sebanyak dua buah, masing-masing sebagai antena pengirim dan antena penerima dengan frekuensi tengah 904 MHz dan bandwidth 2,8 dengan gain -1,936 dBi. Melalui persamaan umum radar, dihitung jarak maksimum radar untuk deteksi tingkat pernafasan manusia adalah sebesar 2,002 meter dan untuk deteksi tingkat detak jantung manusia adalah sebesar 0,8954 meter. Pengambilan data dilakukan selama 60 detik tiap pengambilan yang dibagi dalam delapan skenario, yaitu skenario ketika transmitter tidak diaktifkan, skenario ketika tidak ada target, skenario ketika target bernafas normal, skenario ketika target bernafas dalam, skenario target meninggalkan jangkauan radar, skenario target mengayunkan tangan, skenario target bergerak mendekati dan menjauhi radar, dan skenario target selesai berolahraga. Jarak antara target dengan sistem radar adalah sejauh 0,7 meter. Metode yang digunakan untuk mendapatkan tingkat pernafasan dan detak jantung manusia adalah metode sampling langsung, demodulasi amplitudo, dan demodulasi arctangent. Demodulasi amplitudo memiliki performa paling baik dibandingkan dengan metode yang lain. Dengan metode demodulasi amplitudo, sistem radar ini dapat mendeteksi tingkat pernafasan manusia, tetapi belum mampu mendeteksi tingkat detak jantung manusia karena noise dan atenuasi yang besar.

---

ABSTRACTRadar systems for medical applications are widely researched and developed. One application of this radar is to measure human vital conditions such as respiratory rate and heartbeat rate. Therefore, a system that can detect human respiratory rate and human heartbeat rate is in need. In this study, a continuous-wave radar was designed with a LoRa RFM95 as a transmitter at 862-1020 MHz frequency and RTL-SDR as a receiver as well as an analog to digital converter. The antenna used in this study are two single elements rectangular microstrip patch antennas, each for transmitting antenna and for receiving antenna with center frequency of 904 MHz, bandwidth of 2.8, and gain of 1.936 dBi. Using radar range equation, the maximum radar distance to detect humans respiratory rate is 2.002 meters and the maximum radar distance to detect humans heartbeat rate is 0.8954 meters. Data is collected for 60 seconds for each batch and is divided into eight scenarios, namely the scenario when the transmitter is not activated, the scenario when there is no target, the scenario when the target breathes normally, the scenario when the target breathes deeply, the scenario when target leaves radar reach, the scenario when target swings his her arm, the scenario when target moves forward and backward, and the scenario when target has finished excercising. The distance between the target and the radar system is 0.7 meters. The methods used to obtain human respiratory rate and heartbeat rate are direct sampling method, amplitude demodulation, and arctangent demodulation. Amplitude demodulation has the best performance compared to other methods. With amplitude demodulation method, this radar system can detect human respiratory rates, but has not been able to detect the human heartbeat rate due to the presence of noise and attenuation."

"Satistik menurut Korlantas Polri tentang kecelakaan lalu lintas menyebutkan bahwa pada 2017 jumlah kecelakaan kendaraan bermotor berada pada angka 102.057 Korlantas Polri, 2017 kasus dan sebagian besar diakibatkan oleh kelalaian pengendara dalam mengatur waktu istirahat saat berkendara yang menyebabkan terjadinya kecelakaan lalu lintas karena pengendara mengantuk dan tidak bisa mengendalikan kendaraan tersebut. Oleh karena itu dibutuhkan adanya sebuah alat yang dapat mendeteksi kantuk dan memperingatkan pengemudi tersebut agar pengemudi tersebut dapat terhindar dari kecelakaan. Pengembangan sistem pendeteksi kantuk ini akan menggunakan detak jantung sebagai sumber data yang akan diambil dan data tersebut akan diolah menggunakan metode Photoplethysmografi yang akan membaca berapa detak jantung pengendara tersebut. Hasil yang didapapat dari pengembangan ini mendapatkan hasil bahwa alat yang sudah dibuat ini sudah cukup berhasil dimana tingkat keberhasilnnya hingga 96.52 . Dari pengembangan ini telah dibuktikan bahwa kondisi kantuk seseorang akan berpengaruh pada detak jantung seseorang. Dan juga batasan untuk detak jantung seseorang untuk dinyatakan sedang mengantuk adalah delapan detakan dibawah rata-rata.

---

According to Republic of Indonesia traffic police corps Korlantas Polri about traffic accidents states that in 2017 number of traffic accidents was at 102.057 Korlantas Polri, 2017 cases and mostly caused by negligence of the driver in managing rest time when driving that caused traffic accidents because the driver was sleepy and could not control the vehicle. Therefore it is necessary to have a device that can detect sleepiness and warn the driver so that the driver can avoid the accident. The development of this sleepiness detection system will use the heartbeat as a source of data to be retrieved and the data will be processed using Photoplethysmography method which will read how much the heartbeat of the driver.

The results obtained from this development get the result that the tool that has been made is already quite successful where the success rate up to 96.52 . From this development has been proven that a person 39 s sleep condition will affect the heart rate of a person. And also, the limit for a person 39 s heartbeat to be drowsy is eight beats below average."

"Skripsi ini bertujuan membuat sistem untuk memantau kondisi jantung manusia secara nirkabel dengan menggunakan antenna teksil yang mempunayi frekuensi kerja 2,45 GHz. Sistem ini terdiri dari pemancar (transmitter) dan penerima (receiver) Hasil rancangan sistem komunikasi ini telah diuji dengan menggunakan scenario pengujian untuk komunikasi on-body dan komunikasi off-body yang dilakukan di Laboratorium Telekomunikasi FTUI. Untuk proses validasi data, hasil pembacaan oleh sistem telah dibandingkan dengan uji klinis laboratorium yang dilakukan pada Raditya Medical Centre. Hasil pembacaan sistem mempunyai bentuk yang mirip dengan hasil uji klinis EKG. Perbedaan bentuk EKG yang diperoleh terjadi pada variasi besarnya amplitudo yang didapatkan, hal ini disebabkan oleh terdapatnya Electromagnetical Interference disaat pengujian sistem dan kurang merekatnya kontak yang terjadi antara elektroda dengan kulit subjek.

---

This bachelor thesis is aimed to design wireless ECG system for heart monitoring using a textile antenna at 2.45 GHZ of ISM band. The system constructed by two main sub-systems, the transmitter and receiver. System has been tested using several off-body and on-body measurement scenarios at Telecommunication Laboratory FTUI. For data's verification, the system?s result has been compared with clinical trials at Raditya Medical Centre.

The result show that the shape of the received ECG signals is precisely similar with the clinilal ECG signal, although some various amplitude occurs between three consecutive pulses. The differences between received single and clinical trials are caused by the electrodes are not tightly coupled to the patient and Electromagnetic intereference is occured when the system is being tested."

"Teknologi deep learning dapat menyelesaikan banyak masalah yang sulit dipecahkan oleh rumus matematis biasa. Salah satu masalah yang bisa diatasi adalah bahaya akibat rasa kantuk yang dialami pengemudi saat berkendara. Pada penelitian ini dibuat aplikasi android sistem deteksi kantuk yang memanfaatkan kamera smartphone. Kamera digunakan untuk mendapatkan informasi fitur citra wajah yaitu aspek rasio mata kanan, aspek rasio mata kiri, aspek rasio mulut, percentage of eye closure (PERCLOS), tingkat kejadian microsleep, dan tingkat kejadian menguap. Fitur-fitur tersebut didapat dari proses transformasi titik-titik landmark wajah. Pada penelitian ini, ditemukan bahwa metode terbaik untuk mendapatkan titik landmark wajah adalah dengan pelacakan Lucas-Kanade optical flow dengan 5 jumlah frame yang dilacak. Fitur-fitur yang dikumpulkan dapat digunakan untuk mendeteksi tingkat kantuk dengan memanfaatkan model deep learning yang telah dilatih dengan data yang dikumpulkan dari 10 orang. Pada penelitian ini, ada 2 jenis model deep learning yang dilatih untuk mendeteksi tingkat kantuk yaitu model deep neural network (DNN) dan long short-term memory (LSTM). DNN memiliki keseluruhan performa yang lebih baik dibandingkan LSTM. DNN memiliki accuracy sebesar 0.902538 dan f1 sebesar 0.899563. Sedangkan LSTM memiliki dari accuracy sebesar 0.891857 dan f1 sebesar 0.892689. Aplikasi android sistem deteksi kantuk yang dibuat menggunakan model deep learning DNN dan memiliki performa yang bagus dengan accuracy sebesar 0.844 dan f1 sebesar 0.865052. Aplikasi Android memiliki mekanisme pemberitahuan berupa suara yang dimainkan ketika pengemudi mengantuk. Selain itu, pada aplikasi Android juga terdapat 2 fungsi tambahan yaitu deteksi tidur dan deteksi gangguan konsentrasi pengemudi. Kedua fungsi tersebut akan mengeluarkan suara ketika terdeteksi untuk memberitahukan kepada pengguna. Dengan adanya aplikasi sistem deteksi kantuk yang dibuat pada penelitian ini, diharapkan dapat mendeteksi tingkat kantuk pengemudi sehingga mengurangi risiko kecelakaan akibat mengantuk.

---

Deep learning technology can solve many problems that are difficult to solve by ordinary mathematical formulas. One of the problems that can be overcome is the danger due to drowsiness experienced by the driver while driving. In this study, a drowsiness detection system on Android application that uses a smartphone camera is made. The camera is used to obtain facial image feature informations which is right eye aspect ratio, left eye aspect ratio, mouth aspect ratio, percentage of eye closure (PERCLOS), microsleep rate, and yawning rate. These features are obtained by transforming and processing facial landmark points. In this study, it was found that the best method for obtaining facial landmarks points is from Lucas-Kanade optical flow tracking with 5 frames tracked. The features collected can be used to detect drowsiness by utilzing a deep learning model that has been trained with data collected from 10 volunteers. In this study, there are 2 types of deep learning models that are trained to detect drowsiness that are deep neural network (DNN) and long short-term memory (LSTM). DNN has better overall performance than LSTM. DNN has an accuracy of 0.902538 and f1 of 0.899563. Whereas LSTM has an accuracy of 0.891857 and f1 of 0.892689. The drowsiness detection system Android application is created using the DNN model and has a good performance with an accuracy of 0.844 and f1 of 0.865052. The Android application has a notification mechanism in the form of sound that played when the driver is detected to be drowsy. In addition, the Android application also has an additional function that are sleeping detection and driver distraction detection. Both functions will make a sound when detected to notify the user. With the application of drowsiness detection system made in this study, it is expected to detect the level of drowsiness of the driver thereby reducing the risk of accidents due to drowsiness.

"

"

Seiring dengan perkembangan bidang computer vision terdapat lebih banyak solusi yang dapat diimplementasikan untuk bidang sehari-hari. Salah satu bidang yang paling erat dengan kegiatan sehari-hari adalah kegiatan mengkonsumsi makanan. Dalam memperhatikan pola makan, penting dilakukan proses mengidentifikasi jenis makanan yang dikonsumsi. Dengan memanfaatkan perkembangan model machine learning deteksi objek yang bekerja secara waktu langsung, YOLOv5 dapat digunakan untuk melakukan deteksi objek untuk dapat mengidentifikasi berbagai jenis makanan dalam suatu gambar. Dengan menggunakan YOLOv5, deteksi terhadap makanan yang kerap kali dikonsumsi oleh masyarakat Indonesia dapat dilakukan dan ditingkatkan akurasinya dengan pemrosesan gambar hingga mencapai nilai mAP 94,3%. 

Penggunaan implementasi model ini dalam aktivitas sehari-hari dapat memberikan nilai tambah kepada orang-orang yang ingin lebih memahami jenis makanan yang dikonsumsinya. Dari hasil pengujian user experience yang dilakukan terhadap aplikasi, hasil perbandingan terhadap benchmark mengindikasikan bahwa aplikasi memiliki kualitas penggunaan di atas rata-rata dengan nilai 1,37 untuk daya tarik, 1,58 untuk kejelasan, 1,23 untuk efisiensi, 1,38 untuk ketepatan, 1,13 untuk stimulasi, dan 1,01 untuk kebaruan.

---

With the advent of computer vision there are more solutions that can be implemented in everyday life. One of the areas most closely related to daily activities is the activity of consuming food. In paying attention to diet, it is important to identify the type of food consumed. By leveraging the development of object detection machine learning models that work in real time, YOLOv5 can be used to perform object detection to identify different foods within a single image. By using YOLOv5, detection of foods that are often consumed by Indonesian people can be carried out and the accuracy is increased by image processing up to a value of mAP 94.3%.

The use of this model's implementation in daily activities can provide added value to people who want to better understand the types of food they consume. From the results of user experience testing carried out on the object detection application, the results of comparisons against benchmarks indicate that the application has above average usage quality with a value of 1.37 for attractiveness, 1.58 for clarity, 1.23 for efficiency, 1.38 for accuracy, 1.13 for stimulation, and 1.01 for novelty."