Record Details

Implementasi Algoritme Faster Regional Convolutional Neural Network pada Sistem Pendeteksian Objek Halangan di dalam ruangan bagi Penyandang Tunanetra

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Implementasi Algoritme Faster Regional Convolutional Neural Network pada Sistem Pendeteksian Objek Halangan di dalam ruangan bagi Penyandang Tunanetra
 
Added Entry - Uncontrolled Name Syah, Andika Bayhaki Al Rasyid
Utaminingrum, Fitri
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. Pantulan cahaya dari benda ke mata digunakan oleh manusia untuk menvisualisasikan suatu objek. Peranan organ mata sangat penting bagi manusia karena mobilitas sehari-hari manusia memerlukan visualilasi objek yang terlihat oleh mata. Namun tidak semua orang memiliki penglihatan yang maksimal pada organ matanya. Seseorang yang kelihangan kemampuan dalam penglihatanya disebut dengan tunanetra. World Health Organization memperkirakan terdapat 7 juta orang lebih mengalami kebutaan pada setiap tahunnya. Para tunanetra biasanya menggunakan alat bantu berupa tongkat. Namun, penggunaan tongkat kurang efektif dikarenakan pengguaan tongkat hanya bisa mendeteksi objek dengan jarak yang relatif rendah sesuai dengan panjang tonkatnya dan penggunaan tongkat tidak dapat mengklasifikasikan objek yang menghalangi. Maka dari itu, peneliti ingin merancang suatu sistem yang digunakan sebagai alternatif lain bagi tunanetra untuk alat bantu pendeteksian objek memanfaat teknologi computer vision. Algoritme yang digunakan adalah Faster R-CNN menggunakan perangkat NVIDIA Jetson Nano dan objek yag dideteksi berupa tembok, pintu, meja dan kursi. Ketika sistem mendeteksi keberadaan objek tersebut maka sistem akan mengeluarkan notifikasi berupa suara yang didapat dari buzzer. Berdasarkan pengujian yang dilakukan, akurasi hasil training algoritme Faster R-CNN sebesar 95% pada jumlah step 140.000. Lalu pengujian waktu pendeteksian sistem ketika diterapkan pada NVIDIA Jetson Nano selama 0.77 detik untuk pengujian pada gambar dan Frame Per Second yang dihasilkan sebesar 1.30 untuk pengujian secara real-time. Lalu akurasi pendeteksian objek sebesar 81.25% pada jarak 2 meter dan pengujian akurasi integrasi sistem dengan hardware yang digunakan sebagai keluaran sistem yaitu buzzer sebesar 100%.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/9801
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 9 (2021): September 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com