Alat Bantu Pendeteksi Jarak Benda bagi Penyandang Tunanetra dengan Sensor Ultrasonik dan CNN

  • Vio Yusup Iskandar Universitas Buana Perjuangan Karawang
  • Jamaludin Indra Universitas Buana Perjuangan Karawang
  • Ayu Ratna Juwita Universitas Buana Perjuangan Karawang
Keywords: CNN, Raspberry Pi, Tunanetra, Alat Bantu

Abstract

Tunanetra adalah keadaan individu yang mempunyai keterbatasan dalam fungsi indra penglihatan. Keadaan tunanetra dikelompokkan dalam dua kelompok yaitu individu yang buta total (blind) dan individu yang masih mempunyai sisa penglihatan (Low Vision). Keterbatasan tersebut menghambat tunanetra untuk melakukan kegiatan aktifitas. Untuk membantu permasalahan tersebut maka dirancanglah Alat bantu pendeteksi jarak benda bagi tunanetra. Raspberry Pi merupakan komputer berukuran kecil yang dapat dipasang sensor ultrasonic HC-SR04 yang digunakan sebagai pendeteksi estimasi jarak objek. Setelah itu akan mengeluarkan umpan balik alarm melalui buzzer. Pengolahan citra memungkinkan computer mendeteksi objek halangan dihadapan tunanetra. Deteksi objek Convolutional Neural Network (CNN) merupakan salah satu metode untuk klasifikasi. Objek yang terdeteksi yang dikenali oleh camera USB akan mengeluarkan umpan balik suara identifikasi objek melalui earphone. Pada identifikasi objek menggunakan metode CNN memiliki akurasi hingga 85% sedangkan pada pendeteksi jarak objek memiliki akurasi sebanyak 75%.

References

[1] Al Hasan, M. N., Partha, C. I., & Divayana, Y. (2017). Rancang Bangun Pemandu Tuna Netra Menggunakan Sensor Ultrasonik Berbasis Mikrokontroler.
[2] Amrullah, S. A. (2017). Perancangan Sistem Inspeksi Visual Berbasis Computer Vision Untuk.
[3] Arsada, B. (2017). Aplikasi Sensor Ultrasonik Untuk Deteksi Posisi Jarak Pada Ruang Menggunakan Arduino Uno. Jurnal Teknik Elektro.
[4] Caesar, H., Uijlings, J., & Ferrari, V. (2018). COCO-Stuff Thing and Stuff Classes in Context - Caesar, Uijlings, Ferrari - 2016.pdf.
[5] Christian, F. (2017). Modul pembelajaran raspberry pi. 9–71.
[6] Dewi, S. rosita. (2018). Deep Learning Object Detection Pada Video.
Published
2025-07-31