Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Digital Business
Marbun, Stephanie Rotua Uli
Unknown Affiliation
Computer Science & IT Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Sistem Deteksi Warna Real-Time untuk Aksesibilitas Penderita Buta Warna Marbun, Stephanie Rotua Uli; Rizal, Khairul; Susliansyah, Susliansyah; Hidayat, Rahmat
RIGGS: Journal of Artificial Intelligence and Digital Business Vol. 4 No. 4 (2026): November - January
Publisher : Prodi Bisnis Digital Universitas Pahlawan Tuanku Tambusai

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/riggs.v4i4.5155

Abstract

Penelitian ini mengembangkan sistem deteksi warna real-time berbasis computer vision yang bertujuan untuk mendukung aksesibilitas bagi penderita buta warna dalam mengenali warna objek secara cepat dan akurat. Warna merupakan elemen penting dalam penyampaian informasi visual, namun keterbatasan persepsi warna dapat menyebabkan kesalahan interpretasi pada aktivitas sehari-hari. Oleh karena itu, diperlukan solusi berbasis teknologi yang mampu membantu pengguna dalam mengidentifikasi warna secara mandiri melalui perangkat mobile. Sistem yang dikembangkan mengintegrasikan model deteksi objek YOLOv11 dengan metode klasifikasi warna menggunakan OpenCV berbasis ruang warna HSV. Dataset yang digunakan merupakan data primer yang dikumpulkan secara mandiri melalui pengambilan citra objek berwarna pink, hijau, dan kuning dengan variasi kondisi pencahayaan, jarak, dan sudut pengambilan. Tahapan penelitian meliputi pengumpulan data, preprocessing citra, pelatihan model, integrasi sistem ke aplikasi Android, serta evaluasi performa. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi dan mengklasifikasikan warna secara real-time dengan tingkat akurasi rata-rata sebesar 92% dan waktu respons di bawah 0,5 detik per frame. Implementasi pada aplikasi Android menunjukkan performa yang stabil pada kondisi pencahayaan normal dan latar belakang yang bervariasi. Dengan demikian, penelitian ini membuktikan bahwa pemanfaatan teknologi deep learning dan pengolahan citra digital dapat memberikan solusi praktis dan efektif dalam meningkatkan aksesibilitas bagi penderita buta warna serta berpotensi dikembangkan lebih lanjut pada skala penggunaan yang lebih luas.
Co-Authors Rahmat Hidayat Rizal, Khairul Susliansyah, Susliansyah