24101102258007_IDIR_FITRIYANTO. NN terdiri dari neuron yang memiliki weight, bias dan activation function seperti yang sudah kita pelajari pada part sebelumnya.pptx

Convolutional Neural Network (CNN) adalah salah satu jenis neural network yang biasa digunakan pada data image. CNN bisa digunakan untuk mendeteksi dan mengenali object pada sebuah image.

Secara garis besar CNN tidak jauh beda dengan neural network biasanya. CNN terdiri dari neuron yang memiliki weight, bias dan activation function seperti yang sudah kita pelajari pada part sebelumnya.

1. Program Studi Doktor Teknologi Informasi (PS-DTI) TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025 Nobp : 2410115822007 Nama : IDIR FITRIYANTO Bidang Kajian : DIGITAL IMAGE PROCESING JUDUL : PENGEMBANGAN MODEL CNN DAN YOLO UNTUK DETEKSI OBJEK NAVIGASI REAL-TIME SEBAGAI SISTEM BANTU MOBILITAS TUNANETRA YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG Program Studi Doktor Teknologi Informasi

2. Program Studi Doktor Teknologi Informasi (PS-DTI) 1. IDE TEMA PENELITIAN YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025 Saat ini , berdasarkan diskusi dengan bagian rehabilitasi sosial , Arie Pranata , S.Pi , M.Si di D inas S osial , saat ini penyandang tunanetra dalam membantu aktifitasnya sehari hari berjalan masih berupa tongkat , tentu nya salah satu kelemahannya cukup kesulitan dalam mendeteksi objek yang cukup jauh dari jangkauan . Salah satu masalah utama adalah kurangnya sistem navigasi visual real-time yang mampu mendeteksi objek dan rintangan secara akurat di lingkungan sekitar pengguna tunanetra . Adapun get yang didapatkan , p erangkat bantu yang tersedia saat ini , seperti tongkat , hanya terbatas pada deteksi jarak dekat dan tidak mampu mengidentifikasi jenis objek yang menghalangi jalan . Teknologi kamera dan pemrosesan visual berbasis deep learning yakni CNN dan YOLO telah terbukti efektif dalam deteksi objek , namun belum banyak diimplementasikan secara optimal dalam sistem bantu tunanetra khususnya untuk real-time di perangkat edge ( IoT /HP). Penelitian ini akan mengembangkan model CNN dan YOLO yang cukup efisien untuk membantu tunanetra dalam menavigasi lingkungan secara real-time, serta memberikan umpan balik berupa suara atau getaran yang sesuai dengan posisi objek . Sistem ini diharapkan dapat menjadi solusi inovatif yang mudah digunakan , responsif , dan dapat berjalan mandiri (offline) di perangkat seperti smartphone Android .

3. Program Studi Doktor Teknologi Informasi (PS-DTI) 1.1 IDE TEMA PENELITIAN YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025 Berdasarkan dari peneliti sebelumnya , yaitu An Effective Obstacle Detection System Using Deep Learning Model for Visually Impaired People . Ahmed Ben Atitallah,Et All. (Ain Shams Engineering Journal, 2024 ) terindeks Scopus Q1 ) membahas tentang pengembangan sistem deteksi rintangan berbasis deep learning yang ditujukan untuk mendukung mobilitas penyandang tunanetra . Fokus utama penelitian ini adalah memanfaatkan model deteksi objek YOLOv5s untuk mengenali berbagai jenis hambatan atau objek yang mungkin menghalangi pergerakan pengguna . Dengan menggunakan model deep learning CSPDarnet penelitian ini mengutamakan efisiensi dan kecepatan proses deteksi agar dapat diterapkan secara real-time, dengan hasil yang mampu memberikan akurasi dan kecepatan yang layak untuk digunakan dalam sistem bantu visual bagi tunanetra . Namun , sistem yang dikembangkan dalam jurnal ini belum mencakup aspek interaksi pengguna secara langsung , seperti umpan balik berbasis suara atau getaran , yang penting untuk sistem bantu mobilitas yang benar-benar dapat digunakan oleh tunanetra . Selain itu , implementasi model hanya diuji dalam bentuk simulasi . Kemudian berdasarkan penelitian selanjutnya , yaitu Outdoor navigation for visually impaired people using YOLOv5 and Transfer Learning: an analytical study ( Jurnal : Multimedia Tools and Applications, Springer, 2024 — terindeks Scopus Q1 ) Jurnal ini membahas sistem navigasi luar ruang (outdoor navigation) untuk tunanetra berbasis deep learning, khususnya menggunakan arsitektur YOLOv5 dan pendekatan transfer learning. Fokus utama penelitian ini adalah bagaimana model deteksi objek dapat digunakan untuk membantu penyandang disabilitas netra mengenali lingkungan sekitar mereka dengan lebih aman dan efisien . Jurnal fokus pada analisis teknis model deteksi objek , tanpa melakukan uji coba sistem ke pengguna sesungguhnya , Sistem deteksi hanya menampilkan hasil dalam bentuk bounding box visual dan Uji coba hanya terbatas pada dataset dan video rekaman .

4. Program Studi Doktor Teknologi Informasi (PS-DTI) 1.1 IDE TEMA PENELITIAN YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025 Dengan demikian , Penelitian ini kami mengusulkan topik “ Pengembangan Model CNN dan YOLO untuk Deteksi Objek Navigasi Real-Time sebagai Sistem Bantu Mobilitas Tunanetra .” dengan memiliki tujuan yang sama , yaitu mendeteksi objek atau rintangan untuk membantu penyandang tunanetra . Namun , penelitian dalam disertasi ini dirancang untuk melangkah lebih jauh dengan menghadirkan : Modifikasi model arsitektur backbone dari CSPDarknet menjadi CSPTUNMNetV3 untuk membuat model yang lebih ringan dan cepat , Implementasi langsung di perangkat edge Android , sehingga bisa digunakan secara mandiri dan offline, Penambahan sistem umpan balik suara atau getaran secara real-time, yang memungkinkan interaksi langsung dan fungsional dengan pengguna tunanetra , Dan uji coba sistem di lapangan atau skenario nyata , untuk mengevaluasi manfaatnya secara praktis . Dengan demikian , jurnal ini memberikan fondasi kuat dan pembanding relevan , serta membuka celah riset yang jelas untuk pengembangan sistem bantu navigasi yang lebih lengkap , adaptif , dan dapat dioperasikan secara mandiri oleh penyandang tunanetra

5. Program Studi Doktor Teknologi Informasi (PS-DTI) 1.2 Rumusan Masalah dan 1.3 Tujuan Penelitian YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025 Perumusan masalah dalam penelitian ini yaitu : Bagaimana pengembangan arsitektur CNN CSPDarnet menjadi arsitektur CSPTUNMNetV3 dapat meningkatkan sistem deteksi objek real-time untuk mendukung mobilitas tunanetra ? Bagaimanakah mengukur tingkat keberhasilan dan akurasi pengembangan metode CNN dalam mendeteksi objek indoor maupun outdoor mobilitas tunanetra ? Bagaimana merancang aplikasi dengan menerapkan pengembangan metode arsitektur CSPTUNMNetV3 , dapat lebih efektif dalam mengenali objek-objek penting seperti zebra cross, tangga , dan kendaraan di lingkungan nyata untuk mobilitas tunanetra ? Tujuan penelitiannya yaitu : Mengembangkan arsitektur CNN CSPDarnet menjadi arsitektur CSPTUNMNetV3 untuk meningkatkan deteksi objek secara realtime ? Mengukur tingkat keberhasilan dan akurasi dari pengembangan metode CSPTUNMNetV3 yang telah dikembangkan dalam mendeteksi objek indoor maupun outdoor ? Merancang aplikasi dengan menerapkan pengembangan metode CSPTUNMNetV3 untuk mendeteksi objek lebih akurat , indoor dan outdoor dan dapat dimanfaatkan untuk membantu mobilitas tunanetra .?

6. Program Studi Doktor Teknologi Informasi (PS-DTI) 1.4 Kontribusi Mengembangan CNN CSPDarknet menjadi CSPTUN MNetV3. YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025

7. Program Studi Doktor Teknologi Informasi (PS-DTI) Literatur Review YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025

8. Program Studi Doktor Teknologi Informasi (PS-DTI) Kerangka Penelitian ( Terlihat Novelty) YAYASAN PERGURUAN TINGGI KOMPUTER PADANG UNIVERSITAS PUTRA INDONESIA “YPTK” - PADANG TIPS Presentasi Seminar Bidang Kajian 26 Juli 2025 1 2