Risaldi, Rizky Haris (2020) Deteksi Objek Penghalang Secara Real Time Berbasis Aplikasi Mobile Dengan Metode Gray Level Co-Occurrence Matrix Dan K-Nearest Neighbor Bagi Penyandang Tunanetra. Sarjana thesis, Universitas Brawijaya.
Abstract
Bagian-bagian tubuh manusia yang berfungsi untuk berinteraksi dengan sesuatu di luar tubuh disebut dengan indra. Terdapat satu indra yang dapat menggambarkan keadaan diluar tubuh manusia, disebut dengan indera penglihatan. Tetapi ada beberapa kondisi dimana indra penglihatan tidak dapat bekerja dengan seharusnya. Seseorang yang memiliki kondisi seperti ini disebut dengan tunanetra. Dikarenakan kondisi tersebut maka tunanetra tidak dapat melakukan kegiatan secara maksimal seperti berjalan. Oleh sebab itu diperlukan alat bantu yang dapat menggantikan fungsi dari indra penglihatan. Salah satu cara yang telah digunakan untuk membantu tunanetra dalam berjalan adalah menggunakan tongkat. Dengan perkembangan teknologi saat ini, Proses modernisasi diperlukan untuk menggantikan tongkat sebagai alat bantu berjalan. Perangkat mobile dapat dipilih sebagai alternatif karena perangkat mobile dapat meningkatkan fleksibilitas dan efisiensi. Diperangkat mobile terdapat kamera yang dapat digunakan sebagai pengganti indra penglihatan. Hasil penangkapan gambar yang dilakukan oleh kamera kemudian diproses dan menghasilkan peringatan untuk para tunanetra jika terdapat halangan disekitarnya. Inilah yang menjadi tujuan utama sistem ini dibuat. Fitur dari hasil kamera diekstraksi menggunakan GLCM (Gray Level Co-Occurrence Matrix) kemudian diklasifikasikan dengan algoritma KNN (K-Nearest Neighbour) untuk menentukan itu termasuk lantai atau halangan. Setelah diklasifikasi, sistem akan menyalakan buzzer jika teridentifikasi halangan. Sistem ini memiliki nilai akurasi deteksi yang baik sebesar 90% saat menggunakan ROI kecil (120x213 piksel) dibandingkan dengan saat menggunakan ROI (360x640 piksel) yang hanya memiliki nilai akurasi sebesar 60%. Sistem ini memiliki akurasi deteksi secara real time sebesar 100% pada objek lantai putih, akurasi deteksi halangan 82%, akurasi deteksi halangan bewarna putih sebesar 92% dan akurasi sebesar 93% pada deteksi 2 objek berbeda. Sistem ini juga memiliki akurasi intergrasi hardware dan software sebesar 88.8%. Sedangkan waktu komputasi sistem ini secara keseluruhan mempunyai nilai rata –rata 248.8 ms, nilai minimum waktu komputasi 183 ms dan nilai maksimum waktu komputasi sebesar 582 ms
English Abstract
-The parts of the human body that have function to interact with something outside body are called the senses. There is one of the senses that can describe conditions outside the human body, is called the sense of sight. But there are some conditions where the sense of sight cannot work properly. Someone who has this condition is called a blind. Due to these conditions, blind cannot perform activities optimally such as walking. Therefore we need tools that can replace the function of the sense of sight. One way that has been used to help blind walk is to use a stick. With current technological developments, modernization process is needed to replace the walking stick as a walking aid. Mobile devices can be chosen as alternatives because mobile devices can increase flexibility and efficiency. In a mobile device there is a camera that can be used as a substitute for the sense of sight. The results obtained by the camera are processed then produce a warning for the blind if there are obstacles around it. This is the main purpose of this system made. Features from camera results are extracted using GLCM (Gray Level CoOccurrence Matrix) then classified with KNN (K-Nearest Neighbour) algorithm to determine it's floor or obstruction. After can be classified, this system will turn on the buzzer if an obstacle is identified. This system has a good detection accuracy value of 90% when using a small ROI (120x213 pixels) compared to when using ROI (360x640 pixels) which only has an accuracy value of 60%. This system has 100% real time detection accuracy on white floor objects, 82% obstacle detection accuracy, 92% white obstacle detection accuracy and 93% accuracy at detection of 2 different objects. This system also has hardware and software integration accuracy of 88.8%. While the overall computing time of this system has an average value of 248.8 ms, the minimum value of computing time is 183 ms and the maximum value of computing time is 582 ms.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/134/052003107 |
| Uncontrolled Keywords: | Tunanetra, Halangan, Perangkat Mobile, Kamera, Gray Level CoOccurrence Matrix, K-Nearest Neighbour, Blind, Obstacle, Mobile Devices, Camera, Gray Level Co-Occurrence Matrix, K-Nearest Neighbo |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 10 Aug 2020 06:50 |
| Last Modified: | 11 Apr 2023 03:45 |
| URI: | http://repository.ub.ac.id/id/eprint/181045 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Rizky Haris Risaldi.pdf Restricted to Registered users only until 31 December 2023. Download (7MB) |
Actions (login required)
 |
View Item |