<![CDATA[Penyandang tunanetra menghadapi berbagai tantangan dalam mempertahankan orientasi dan mengikuti pergerakan pemandu saat melakukan mobilitas di lingkungan yang dinamis. Sebagian besar teknologi bantu yang tersedia saat ini masih berfokus pada deteksi rintangan dan belum mampu mendukung kebutuhan human following secara nirkontak. Penelitian ini bertujuan mengimplementasikan sistem human following berbasis deteksi YOLOv12n dan pelacakan DeepSORT pada perangkat mobile untuk mendukung navigasi penyandang tunanetra. Sistem dikembangkan pada platform Android dengan mengintegrasikan model YOLOv12n sebagai pendeteksi objek, algoritma DeepSORT sebagai pelacak identitas target, mekanisme Target Rescue Gate untuk memulihkan target saat terjadi occlusion, optimasi frame skipping guna meningkatkan efisiensi komputasi, serta keluaran instruksi navigasi berbasis Text-to-Speech (TTS). Evaluasi dilakukan terhadap performa deteksi dan pelacakan, efisiensi model, kinerja pada perangkat mobile, serta akurasi informasi suara. Hasil pengujian menunjukkan bahwa model YOLOv12n memperoleh Mean Intersection over Union (Mean IoU) sebesar 0,8350 dan Success Rate sebesar 86,62% pada pengujian dataset. Pada pengujian lapangan, sistem mampu mempertahankan keberhasilan pelacakan sebesar 100%, 75%, 70%, dan 65% pada skenario dengan 1 orang, 2 orang, 3 orang, dan lebih dari 3 orang secara berturut-turut. Evaluasi efisiensi menunjukkan bahwa YOLOv12n memiliki Indeks Efisiensi tertinggi sebesar 0,971413 dibandingkan model pembanding, sedangkan pengujian keluaran suara menghasilkan tingkat akurasi sebesar 100% pada 549 frame pengujian. Hasil penelitian menunjukkan bahwa integrasi YOLOv12n dan DeepSORT mampu menghasilkan sistem human following yang akurat, efisien, dan andal untuk diimplementasikan pada perangkat mobile sebagai teknologi bantu navigasi bagi penyandang tunanetra.]]>
Copyrights © 2026
