Detail Cantuman

Penelitian ini bertujuan untuk mendeteksi objek dan menentukan jarak dari mobile kamera untuk memudahkan dan membantu pengguna tunanetra dalam mengenali lingkungan sekitar menggunakan beberapa model yang dibuat dengan Metode RetinaNet dan arsitektur Residual Network-152. Terdapat tiga model pendeteksian objek yang dihasilkan dari parameter optimizer ADAM dan SGD. Pengenalan objek dilakukan menggunakan framework tensorflow dengan dataset sebanyak 2444 gambar. Pengenalan jarak dilakukan pengujian dengan jarak objek 100-300 cm dari kamera dengan tinggi kamera 100-130 cm dari tanah. Model pertama dengan parameter training yang digunakan yaitu optimizer ADAM, epoch 50, batchsize 16, dan lr 1e-5. Model kedua dengan parameter training optimizer ADAM, epoch 100, batchsize 16, dan lr 1e-5. Model ketiga menggunakan parameter training optimizer SGD, epoch 50, batchsize 16, dan lr 1e-5. Berdasarkan 250 kali pengujian pada masing-masing model, diperoleh hasil bahwa model terbaik adalah model pertama yang menunjukan nilai precision sebesar 82%, nilai recall sebesar 98%, nilai f1 score sebesar 89% dan nilai accuracy sebesar 86%. Pengujian jarak dari mobile kamera diujikan dalam kelipatan 10 di jarak 100-300 cm dengan tinggi kamera 100-130 cm dan angle kamera 80⁰-90⁰ mendapatkan hasil deteksi jarak yang baik di tinggi kamera 130 cm karena mendapatkan nilai total selisih paling kecil yaitu 14.3 cm.
Kata kunci : Object Detection, Deep Learning, Convolution Neural Network, RetinaNet, Residual Neural