ALHAKIM, Muhammad Sultan (2025) Model Deep Learning YOLO v11 untuk Deteksi Objek Real-Time sebagai Alat Bantu Navigasi Tunanetra. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Download (174kB)
	PDF (Legalitas) LEGALITAS-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Download (282kB)
	PDF (BabI) BAB I-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Restricted to Repository staff only until 24 November 2026. Download (292kB)
	PDF (BabII) BAB II-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Restricted to Repository staff only until 24 November 2026. Download (722kB)
	PDF (BabIII) BAB III-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Restricted to Repository staff only until 24 November 2026. Download (361kB)
	PDF (BabIV) BAB IV-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB V-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Download (281kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Muhammad Sultan Alhakim-H1D022105-Skripsi-2025.pdf Download (244kB)

Abstract

Penyandang tunanetra sering mengalami kesulitan dalam mengenali rintangan saat bergerak di lingkungan sekitar, yang dapat memengaruhi keselamatan dan kemandirian mereka. Penelitian ini mengembangkan aplikasi navigasi real-time berbasis Android yang dilengkapi deteksi objek menggunakan model You Only Look Once versi 11 (YOLOv11) dan umpan balik suara melalui Text-to-Speech. Sistem dirancang untuk menginformasikan keberadaan objek di sekitar pengguna secara langsung. Dataset terdiri atas lima kelas objek yang relevan dengan kebutuhan navigasi, yaitu manusia, kursi, meja, pintu, dan tangga. Proses penelitian meliputi preprocessing data, pelatihan model, dan evaluasi menggunakan metrik Precision, Recall, F1-Score, dan mean Average Precision pada ambang Intersection over Union 0,5 dan 0,5-0,95. Hasil pengujian menunjukkan nilai Precision 0,908, Recall 0,905, mAP50 0,942, dan mAP50-95 0,782. Nilai tersebut menunjukkan model mampu melakukan deteksi objek dengan tingkat akurasi tinggi dan kinerja yang stabil pada perangkat bergerak. Sistem yang dikembangkan mampu memberikan deteksi objek secara real-time serta menyampaikan informasi melalui suara dengan jelas, sehingga dapat membantu pengguna bernavigasi dengan lebih aman dan mandiri. Penelitian ini menawarkan solusi praktis dan terjangkau untuk mendukung mobilitas penyandang tunanetra serta selaras dengan tujuan pembangunan inklusif dan pengurangan kesenjangan sosial.

Actions (login required)

View Item