Perpustakaan Digital ITB

Pada saat ini, mengukur tinggi badan merupakan hal yang sangat penting, terutama dalam bidang Kesehatan maupun olahraga. Tinggi badan juga dijadikan tanda pertumbuhan bagi anak-anak. Namun, dalam mengukur tinggi tentu memerlukan alat khusus. Selain itu, diperlukan juga waktu untuk mengukur tinggi tersebut. Untuk mengatasi masalah tersebut dibutuhkan sebuah sistem yang mampu mengestimasi tinggi hanya dengan sebuah gambar yang berisi objek yang ingin diukur dan sebuah smartphone. Pengembangan sistem estimasi tinggi badan manusia dilakukan dengan mengkombinasikan dan mengintegrasikan Mediapipe, model estimasi kedalaman, model regresi, dan aplikasi mobile. Mediapipe digunakan untuk mengetahui koordinat kepala, kaki, dan titik tengah badan objek manusia pada gambar. Model MiDaS digunakan untuk mengetahui estimasi kedalaman objek dalam sebuah gambar. Untuk model regresi terdapat tiga model, yaitu RandomForest, SVR (Support Vector Regression), dan KNN (K-Nearest Neighbors) yang dibandingkan hasil pengujian estimasinya untuk digunakan pada modul regresi (estimasi tinggi badan). Berdasarkan analisis hasil pengujian terhadap data uji, terdapat 3 model regresi yang diuji dimana yang paling baik hasilnya adalah Random Forest dengan error MAE adalah 2.94 cm dan RMSE adalah 5.33 cm. Aplikasi mobile yang telah dikembangkan dan diintegrasikan dengan modul-modul yang dibutuhkan, yaitu modul MiDaS, YOLO, modul regresi, dan Mediapipe berhasil memberikan fleksibilitas pada pengguna dalam estimasi tinggi, namun hasil yang diberikan kurang baik.