SISTEM PENDETEKSI DAN KLASIFIKASI JENIS RINTANGAN PADA ALAT BANTU MOBILITAS PENYANDANG TUNANETRA BERBASIS SINGLE BOARD COMPUTER

Vanessa, Annesya (2023) SISTEM PENDETEKSI DAN KLASIFIKASI JENIS RINTANGAN PADA ALAT BANTU MOBILITAS PENYANDANG TUNANETRA BERBASIS SINGLE BOARD COMPUTER. Diploma thesis, Universitas Andalas.

[img] Text (Cover dan Abstrak)
Abstrak Text.pdf - Published Version

Download (880kB)
[img] Text (BAB I PENDAHULUAN)
BAB 1 PENDAHULUAN.pdf - Published Version

Download (595kB)
[img] Text (BAB 5)
BAB 5.pdf - Published Version

Download (373kB)
[img] Text (DAPUS)
DAFTAR PUSTAKA.pdf - Published Version

Download (399kB)
[img] Text (DRAFT TA FULL VANESSA)
DRAFT TA FULL VANESSA.pdf - Published Version
Restricted to Repository staff only

Download (25MB) | Request a copy

Abstract

Tunanetra memiliki ketergantungan yang berlebihan kepada orang lain karena memiliki kemampuan bergerak yang sangat minim. Tidak selalu pengawas tunanetra akan berada didekatnya, sehingga saat beraktivitas sendiri akan sulit dalam mengenali jenis sebuah benda yang dapat membahayakan, sehingga masih menimbulkan beberapa kecelakaan pada tunanetra. Pengolahan citra dengan algoritma You Only Look Once versi Tiny merupakan metode yang diterapkan pada Raspberry Pi 4B untuk mengklasifikasi objek rintangan agar memiliki komputasi yang lebih ringan dan cepat. Objek rintangan di depan tunanetra yaitu objek pintu, mobil, motor, manusia, pohon, dan tiang. Sistem juga dapat mendeteksi saat jarak objek telah berada dekat dengan penyandang tunanetra untuk menghindari tabrakan melalui notifikasi dan peringatan suara. Pengawas tunanetra dapat melacak lokasi realtime tunanetra melalui bot telegram selama 0.90 - 1 detik saat tunanetra berada di luar ruangan, sehingga penyandang tunanetra dapat lebih mandiri dalam bepergian tanpa pendamping. Sistem ini menghasilkan akurasi pengklasifikasian objek rintangan sebesar 95% dan nilai F1-score sebesar 97% dengan indeks keberhasilan penelitian survei sebesar 78% yang menandakan sistem berhasil diimplementasikan dan mudah digunakan oleh penyandang tunanetra secara langsung.

Item Type: Thesis (Diploma)
Primary Supervisor: Desta Yolanda, M.T
Uncontrolled Keywords: Tunanetra, YOLO-Tiny, Raspberry Pi 4B, Webcam, Earphone, Sensor HC-SR04, Modul GPS Neo 6M, Lacak Lokasi, Realtime, Bot Telegram
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
T Technology > TA Engineering (General). Civil engineering (General)
T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Fakultas Teknologi Informasi > Teknik Komputer
Depositing User: s1 Teknik Komputer
Date Deposited: 09 Aug 2023 06:56
Last Modified: 09 Aug 2023 06:56
URI: http://scholar.unand.ac.id/id/eprint/209837

Actions (login required)

View Item View Item