Sistem Deteksi Objek pada Tongkat Pintar Berbasis Convolution Neural Network Terintegrasi Voice Note

Ramadany, Mochammad Enrique Lazuardi (2025) Sistem Deteksi Objek pada Tongkat Pintar Berbasis Convolution Neural Network Terintegrasi Voice Note. Undergraduate thesis, Politeknik Negeri Jember.

[img] Text (Abstract)
ABSTRACT.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (197kB)
[img] Text (Bab 1 Pendahuluan)
BAB 1 PENDAHULUAN.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (391kB)
[img] Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (204kB)
[img] Text (Laporan Lengkap)
E41212006_LAPORAN LENGKAP_SKRIPSI.pdf - Submitted Version
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

Menurut WHO, gangguan penglihatan global mencapai 2,2 miliar orang, dengan 1 miliar di antaranya dapat dicegah atau belum ditangani. Indonesia memiliki angka kebutaan tertinggi di Asia Tenggara, dengan prevalensi kebutaan 3% berdasarkan survei RAAB oleh PERDAMI dan Balitbangkes di 15 provinsi. Penelitian ini mengembangkan Sistem Deteksi Objek berbasis Convolutional Neural Network yang diintegrasikan dengan fitur Voice Note untuk meningkatkan akurasi dan efisiensi deteksi objek di sekitar pengguna. Sistem ini memberikan umpan balik audio real-time agar penyandang tunanetra dapat mengenali lingkungan dengan lebih mudah. Tahapan penelitian meliputi preprocessing data dengan meresize gambar menjadi 200x200 piksel dan normalisasi dataset. Model Convolutional Neural Network terdiri dari beberapa lapisan konvolusi dan pooling untuk mengekstraksi fitur, serta lapisan flatten dan fully connected dengan fungsi aktivasi sigmoid untuk prediksi. Model dikompilasi menggunakan binary_crossentropy dan optimizer RMSprop dengan learning rate 0,01, serta dilatih selama 150 epochs. Hasil pelatihan menunjukkan peningkatan akurasi dari 70% menjadi 87% dengan penurunan loss secara bertahap. Evaluasi menggunakan precision, recall, F1-Score, dan Mean Square Error (MSE) menunjukkan hasil yang baik dalam deteksi objek. Diharapkan, inovasi ini dapat membantu penyandang tunanetra beraktivitas lebih aman dan mandiri.

Item Type: Thesis (Undergraduate)
Contributors:
ContributionContributorsNIDN/NIDK
Thesis advisorSucipto, AdiNIDN0024089501
Uncontrolled Keywords: Convolutional Neural Network, Deteksi Objek, Voice Note, Tunanetra, Tongkat Pintar
Subjects: 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 451 - Teknik Elektro
410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 458 - Teknik Informatika
410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 462 - Teknologi Informasi
Divisions: Jurusan Teknologi Informasi > Prodi D4 Teknik Informatika (Sidoarjo) > Tugas Akhir
Depositing User: Mochammad Enrique Lazuardi Ramadany
Date Deposited: 05 Aug 2025 00:52
Last Modified: 05 Aug 2025 00:52
URI: https://sipora.polije.ac.id/id/eprint/45300

Actions (login required)

View Item View Item