<![CDATA[Mobilitas merupakan kebutuhan dasar setiap individu, namun bagi penyandang disabilitas dengan keterbatasan fisik, hal ini menjadi tantangan besar. Kursi roda elektrik dapat menjadi solusi, tetapi masih menghadapi kendala seperti ketidakstabilan akibat perbedaan tekstur permukaan jalan yang dapat menimbulkan guncangan berlebih hingga risiko kecelakaan. Penelitian ini bertujuan mengembangkan sistem deteksi permukaan jalan berbasis metode EfficientNetV2 yang diimplementasikan pada Jetson Nano, sebuah perangkat berdaya rendah. EfficientNetV2 dipilih karena memiliki efisiensi tinggi dalam pelatihan dan inferensi, serta akurasi top-1 sebesar 83,9% pada ImageNet. Sistem ini mengklasifikasikan empat jenis permukaan jalan lantai, paving, polisi tidur, dan tangga menggunakan input citra dari kamera web, kemudian menyesuaikan kecepatan motor kursi roda secara otomatis melalui kontrol Pulse Width Modulation (PWM). Hasil pengujian menunjukkan bahwa sistem mampu mencapai akurasi klasifikasi sebesar 96% dengan rata-rata waktu komputasi 0,138 detik per citra. Dengan demikian, sistem ini memberikan respons cepat dan tepat terhadap perubahan permukaan jalan, meningkatkan kenyamanan dan keamanan pengguna kursi roda. Implementasi ini berkontribusi terhadap pengembangan teknologi kursi roda pintar berbasis kecerdasan buatan yang adaptif terhadap kondisi lingkungan.]]>
Copyrights © 2025
