Pengujian Alpha, Beta dan UAT pada Algortima Deep Learning YOLOV4-Tiny untuk Pendeteksian Objek pada Tongkat Pintar
Abstract
Tongkat konvensional yang dimanfaatkan oleh individu penyandang tunanetra masih memiliki banyak kelemahan, kelemahan tersebut terutama dalam mendeteksi rintangan yang tidak terlihat di permukaan tanah. Penelitian ini mengembangkan dan membuat sebuah sistem tongkat cerdas yang berbasis Internet of Things (IoT) untuk memperbaiki keamanan serta mobilitas para pengguna tongkat penyandang tunanetra. Sistem ini mengintegrasikan Sensor ultrasonik, Sensor inframerah, modul GPS, dan algoritma Deep Learning YOLOv4-Tiny yang dioperasikan menggunakan Raspberry Pi 4 model B. Tongkat ini mampu mendeteksi rintangan dari sisi depan, kanan, dan kiri, memberikan reaksi melalui output berupa suara audio dengan menyebutkan nama benda yang berada di sisi depan, serta memungkinkan keluarga pengguna atau kerabat untuk melacak posisi secara langsung. Dengan mengintegrasikan teknologi AI, IoT, dan desain ergonomis, tongkat cerdas ini diharapkan dapat meningkatkan kemandirian dan rasa percaya diri bagi penyandang tunanetra dalam menjalani aktivitas sehari-hari.
Kata kunci— IoT, GPS, Tunanetra, YOLOV4-Tiny.
References
G. A. K. D. Djuni and N. Gunantara, “Rancang Bangun Tongkat Pintar Tunanetra Berbasis Mikrokontroler,” 2021.
A. Yolov8 et al., “Analisa Kemampuan Algoritma YOLOv8 Dalam Deteksi Objek Manusia Dengan Metode Modifikasi Arsitektur,” 2023.
khairunnas, E. M. Yuniarno, and A. Zaini, “Pembuatan Modul Deteksi Objek Manusia Menggunakan Metode YOLO untuk Mobile Robot,” 2021.
M. D. R. P. Dio, B. P. Bayu Priyatna, A. L. H. April Lia Hananto, and S. S. H. Shofa Shofiah Hilabi, “Deteksi Objek Kecelakaan Pada Kendaraan Roda Empat Menggunakan Algoritma YOLOv5,” Teknologi, vol. 12, no. 2, pp. 15–26, Dec. 2022.
