RANCANG BANGUN ALAT BANTU PENGLIHATAN BAGI PENDERITA TUNANETRA MENGGUNAKAN OBJECT RECOGNITION DENGAN NVIDIA JETSON NANO

Dinna, Andrea Putri (2025) RANCANG BANGUN ALAT BANTU PENGLIHATAN BAGI PENDERITA TUNANETRA MENGGUNAKAN OBJECT RECOGNITION DENGAN NVIDIA JETSON NANO. S1 thesis, Universitas Andalas.

	Text (Cover dan Abstrak) 2. Cover_Dinna Andrea Putri_1911511012.pdf - Published Version Download (104kB)
	Text (BAB I) 3. BAB I_Dinna Andrea Putri_1911511012.pdf - Published Version Download (221kB)
	Text (BAB V) 7. BAB V_Dinna Andrea Putri_1911511012.pdf - Published Version Download (127kB)
	Text (Daftar Pustaka) 8. Dapus_Dinna Andrea Putri_1911511012.pdf - Published Version Download (165kB)
	Text (Tugas Akhir Full) 10. Full Skripsi_Dinna Andrea Putri_1911511012.pdf - Published Version Restricted to Repository staff only Download (13MB)

Abstract

Berdasarkan data Kementerian Kesehatan RI tercatat sebanyak 1.5% dari populasi penduduk Indonesia mengalami keterbatasan dalam penglihatan atau penyandang tunanetra. Penyandang tunanetra biasanya menggunakan tongkat ataupun anjing pemandu yang sudah terlatih dalam membantu mobilitas dalam kehidupan sehari-hari. Namun, penggunaan tongkat dan anjing pemandu memerlukan latihan dan kesulitan dalam mengenali objek di sekelilingnya. Penelitian ini bertujuan untuk mengembangkan alat bantu penglihatan bagi penderita tunanetra yang dapat mengenali objek seperti orang, kursi, motor, tempat tidur, mobil, sepeda, sofa dan meja. Sistem ini menggunakan algoritma YOLOv4-Tiny sebagai salah satu metode untuk deteksi objek secara realtime. Selain itu dilengkapi juga dengan perangkat keras berupa NVIDIA Jetson Nano, webcam, sensor ultrasonik HC-SR04, speaker dan powerbank. Sistem dirancang di dalam sebuah kotak yang dimasukkan ke dalam kantong rompi sehingga dapat dibawa kemana saja oleh penyandang tunanetra. Jika webcam mendeteksi salah satu objek dari 8 kelas objek, maka sensor ultrasonik melakukan pengukuran jarak objek dan posisi objek diperkirakan dari sensor mana yang terlebih dahulu mendeteksi adanya objek sehingga dikeluarkan notifikasi peringatan, jenis objek yang terdeteksi serta perkiraan posisi objek berupa suara dari speaker. Sistem ini memiliki tingkat akurasi deteksi objek sebesar 96% dan nilai F1-score sebesar 97.95%.

Actions (login required)

View Item