Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Abiyyu Herwanto
Fakultas Ilmu Komputer, Universitas Brawijaya
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Deteksi Hambatan Arsitektural Jalan pada Kursi Roda Pintar menggunakan Tiga Model YOLOv5 berbasis TX2 Abiyyu Herwanto; Fitri Utaminingrum
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 7 No 5 (2023): Mei 2023
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sistem kursi roda pintar telah dirancang untuk membantu penggunanya mengoperasikan kursi roda secara mandiri dan mengurangi bantuan dari pihak ketiga. Kurangnya pengawasan dari pihak ketiga pada penggunaan kursi roda pintar tentunya akan meningkatkan resiko kecelakaan yang dapat dialami oleh pengguna kursi roda. Solusi yang diajukan oleh penulis adalah sistem deteksi hambatan arsitektural jalan menggunakan tiga model YOLOv5 berbasis TX2. YOLOv5 (You Only Look Once versi 5) akan digunakan untuk melakukan deteksi objek hambatan aristektural jalan berupa tangga naik, tangga turun, tanjakan, dan turunan. Tiga tipe model YOLOv5, yaitu YOLOv5n, YOLOv5s, dan YOLOv5m, juga akan dibandingkan akurasi dan waktu komputasinya saat mendeteksi objek hambatan arsitektural jalan. Proses komputasi tersebut dilakukan dalam perangkat mikrokomputer NVIDIA Jetson TX2 yang ditanamkan dalam kursi roda pintar. Kursi roda pintar akan berhenti jika terdeteksi tangga naik atau turun, kursi roda pintar akan menambah kecepatan saat terdeteksi tanjakan, dan kursi roda pintar akan mengurangi kecepatan saat terdeteksi turunan. Hasil yang didapat pada penelitian ini adalah waktu komputasi yang diraih YOLOv5n sebesar 0,07299 detik, YOLOv5s sebesar 0,11324 detik, dan YOLOv5m 0,23342 detik. Akurasi yang didapat oleh model YOLOv5n sebesar 86,38%, YOLOv5s sebesar 91,66%, dan YOLOv5m adalah sebesar 93,47%.
Co-Authors Utaminingrum, Fitri