Tremor Detection dengan Kamera

Sistem ini mendeteksi dan mengklasifikasikan tremor tangan secara real-time menggunakan kamera dan visi komputer tanpa sensor fisik.

Cara Menjalankan Aplikasi

Syarat/Requirement

• NodeJS V^20.17.0 / Bun V^1.2.21
• NPM V^10.8.6 (Jika menggunakan NodeJS

Download repo

Unduh repo ini:

git clone https://github.com/CrzxaExe/tremor-detection-camera-vision.git

Atau unduh kode menjadi folder zip secara manual dan ekstrak folder tersebut pada direktori anda.

Instalasi

Menggunakan NPM(NodeJS):

npm install

Menggunakan Bun:

bun install

Menjalankan

Untuk menjalankan aplikasi gunakan perintah, npm:

npm run dev

Atau menggunakan bun

bun dev

Aplikasi akan berjalan pada localhost:5173, buka web browser dan isi dengan url:

http://localhost:5173

Kami sudah hosting demo aplikasi ini pada vercel, untuk membuka bisa klik tombol berikut: Tremor Detection, atau bisa copas url berikut:

https://tremor-detection-camera-vision.vercel.app/

Alur Sistem

Kamera → MediaPipe Hands (21 landmark tangan) → Penyimpanan lintasan landmark
→ Ekstraksi fitur (Amplitudo, Frekuensi, Stabilitas)
→ Inferensi Fuzzy → Klasifikasi Tremor

Landmark Tangan

MediaPipe Hands digunakan untuk mendeteksi 21 titik landmark tangan pada setiap frame.
Posisi landmark (x, y, z) disimpan sebagai history untuk membentuk lintasan gerakan tangan yang dianalisis secara temporal.

Ekstraksi Fitur Tremor

• Amplitudo — Menggambarkan kuat atau lemahnya getaran tangan.
• Frekuensi — Menggambarkan seberapa cepat getaran terjadi per detik.
• Stabilitas — Mengukur seberapa konstan gerakan tangan dalam interval tertentu.

Ketiga fitur ini dihitung dari lintasan landmark yang sama dan saling melengkapi.

Parameter Sistem

Parameter	Deskripsi
Window	Kecepatan frame kamera (FPS)
Sample Rate	Jumlah frame yang digunakan untuk analisis
Tolerance	Ambang batas deviasi untuk stabilitas
Max History	Batas maksimum frame yang disimpan

Klasifikasi Tremor (Fuzzy Logic)

Nilai amplitudo, frekuensi, dan stabilitas diproses menggunakan Fuzzy Logic untuk menangani ketidakpastian gerakan tangan.

Tahapan:

1. Fuzzification
   • Low / Medium / High (Amplitude & Frequency)
   • Stable / Unstable (Stability)
2. Inferensi
   • Aturan berbasis kombinasi ketiga fitur (IF–THEN)
3. Defuzzification
   • Weighted average menghasilkan nilai tremor (0–1)

Output

Parameter	Deskripsi
Value	Nilai tingkat tremor (0–1)
Label	Normal | Mild | Severe
Confidence	Tingkat keyakinan tiap kelas

Dataset

TremorComputerVision

Batasan Sistem

• Sensitif terhadap noise kamera dan pencahayaan
• Bergantung pada kualitas deteksi MediaPipe
• Tidak dimaksudkan untuk menggantikan diagnosis medis