Implementasi Metode Convolutional Neural Network (CNN) Untuk Deteksi Warna Objek Real-Time Sebagai Solusi Bagi Penyandang Buta Warna
Penyandang buta warna kerap kesulitan membedakan warna tertentu, sehingga mengganggu aktivitas harian. Penelitian ini bertujuan untuk mengembangkan model deteksi warna objek secara real-time menggunakan metode Convolutional Neural Network (CNN) sebagai solusi. Proses penelitian mencakup pengumpulan dataset warna objek, preprocessing gambar, pelatihan tiga model CNN (VGG16, Xception, dan NASNet Mobile), evaluasi performa menggunakan metrik akurasi, precision, recall, dan F1-score, implementasi model terbaik berbasis kamera, serta pengujian terhadap objek nyata. Hasil pengujian menunjukkan bahwa NASNet Mobile memberikan performa terbaik dengan akurasi sebesar 0.88 dan waktu prediksi 2 menit 22 detik untuk 2904 gambar. Model Xception menghasilkan akurasi 0.86 dengan waktu prediksi 4 menit 22 detik, sementara VGG16 mencatat akurasi
0.90 dengan waktu prediksi 10 menit 9 detik. Model terbaik, NASNet Mobile, kemudian diterapkan dalam model deteksi warna objek secara real-time berbasis kamera. Evaluasi implementasi dilakukan pada 20 objek nyata dan menunjukkan model berhasil mendeteksi warna serta menampilkan namanya secara langsung di layar.
URI
https://repo.itera.ac.id/depan/submission/SB2506220022
Keyword
Cnn Buta Warna Deteksi Warna Real-Time Deep Learning