RANCANG BANGUN ALAT PENGENALAN OBJEK UNTUK TUNANETRA MENGGUNAKAN ARSITEKTUR YOLO

Ilham Fikri Mulyana, - (2024) RANCANG BANGUN ALAT PENGENALAN OBJEK UNTUK TUNANETRA MENGGUNAKAN ARSITEKTUR YOLO. S1 thesis, Universitas Pendidikan Indonesia.

Abstract

Tunanetra merupakan sebuah istilah yang ditujukan kepada individu yang tidak memiliki penglihatan. Melihat pada skala global, menurut data World Health Organization (WHO), jumlah individu dengan gangguan penglihatan di dunia saat ini mencapai angka 2,2 miliar jiwa. Dengan adanya gangguan keterbatasan penglihatan, individu penyandang tunanetra menghadapi berbagai tantangan yang signifikan dalam menjalani kehidupan sehari-hari, khususnya terkait aspek mobilitas dan pengenalan objek disekitar. Oleh karena itu, dilakukanlah penelitian mengenai perancangan model sistem deteksi dan estimasi jarak objek untuk tunanetra dengan menggunakan algoritma deep learning. Arsitektur yang digunakan oleh model merupakan YOLOv8n, dengan data pelatihan penggunakan dataset pascal VOC yang terdiri dari 20 kelas, dengan hasil evaluasi model menunjukkan akurasi sebesar 85% untuk keseluruhan kelas. Dilakukan pengujian real time streaming video dengan skenario pengujian dilakukan terhadap objek manusia, motor dan mobil dengan jarak referensi 1 - 5 meter. Hasil pengujian menunjukkan bahwa model dapat mendeteksi objek dengan rata – rata confidence score 0,91 pada kondisi siang hari dan 0,86 pada kondisi malam hari. Presentase nilai error untuk variabel estimasi jarak pada kondisi siang hari lebih rendah yakni dengan rata–rata nilai 4,99%, sedangkan untuk malam hari 6,37%. Berdasarkan hasil tersebut, disimpulkan intensitas cahaya mempengaruhi kinerja model dalam mendeteksi dan mengukur jarak objek, dimana intensitas cahaya siang hari dengan rentang nilai lux 119-1022 memiliki nilai confidence score dan presentase jarak error yang lebih baik. ------------- The term visually impaired refers to individuals who do not have vision Looking at a global scale, according to data from the World Health Organization (WHO), the current number of individuals with visual impairments worldwide is 22 billion With visual limitations, visually impaired individuals face significant challenges in their daily lives, particularly in terms of mobility and recognizing objects around them. Therefore, research was conducted on the design of a detection and distance estimation system model for the visually impaired using deep learning algorithms The architecture used by the model is YOLOv8n, with training data from the Pascal VOC dataset consisting of 20 classes, and the model evaluation results showing an overall accuracy of 85% for all classes. Real-time streaming video testing was conducted with scenarios involving human, motorcycle, and car objects at reference distances of 1-5 meters The test results indicate that the model can detect objects with an average confidence score of 0,91 during daytime conditions and 0,86 during nighttime conditions The error percentage for distance estimation variables is lower during daytime (average of 4,99%) compared to nighttime (6,37%) Based on these findings, it can be concluded that light intensity affects the model's performance in detecting and measuring object distances Specifically, higher light intensity during daytime (with lux values ranging from 119-1022) yields better confidence scores and distance error percentages.

	Text S_TEKOM_2005759_Title.pdf Download (491kB)
	Text S_TEKOM_2005759_Chapter1.pdf Download (432kB)
	Text S_TEKOM_2005759_Chapter2.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text S_TEKOM_2005759_Chapter3.pdf Download (713kB)
	Text S_TEKOM_2005759_Chapter4.pdf Restricted to Staf Perpustakaan Download (2MB)
	Text S_TEKOM_2005759_Chapter5.pdf Download (236kB)
	Text S_TEKOM_2005759_Appendix.pdf Restricted to Staf Perpustakaan Download (5MB)

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=GrrpRL8AAAAJ ID SINTA Dosen Pembimbing: MUHAMMAD TAUFIK DWI PUTRA: 6745726 WIRMANTO SUTEDDY: 6745736
Uncontrolled Keywords:	YOLOv8, Deep learning, Deteksi Objek, Estimasi Jarak, Object Detection, Distance Estimation.
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	UPI Kampus cibiru > S1 Teknik Komputer
Depositing User:	Ilham Fikri Mulyana
Date Deposited:	11 Sep 2024 04:16
Last Modified:	11 Sep 2024 04:16
URI:	http://repository.upi.edu/id/eprint/122588

Actions (login required)

View Item