LUTFIANA, KARISA ZIHNI (2023) PERANCANGAN SISTEM PENDETEKSI WARNA UNTUK PENDERITA BUTA WARNA DENGAN METODE K-NEAREST NEIGHBOR. Undergraduate thesis, Universitas Diponegoro.

	Text LAPORAN TA KARISA-1-13.pdf Download (237kB)
	Text KARISA ZIHNI LUTFIANA_21120119130077_Bab I.pdf Restricted to Repository staff only Download (89kB)
	Text KARISA ZIHNI LUTFIANA_21120119130077_Bab II.pdf Restricted to Repository staff only Download (321kB)
	Text KARISA ZIHNI LUTFIANA_21120119130077_Bab III.pdf Restricted to Repository staff only Download (228kB)
	Text KARISA ZIHNI LUTFIANA_21120119130077_Bab IV.pdf Restricted to Repository staff only Download (557kB)
	Text KARISA ZIHNI LUTFIANA_21120119130077_Bab V.pdf Restricted to Repository staff only Download (71kB)
	Text KARISA ZIHNI LUTFIANA_21120119130077_Daftar Pustaka.pdf Restricted to Repository staff only Download (102kB)

Abstract

Seorang penderita buta warna memiliki kondisi mata yang memengaruhi
kemampuan mereka dalam membedakan warna. Buta warna adalah penyakit yang
umumnya didapat sejak lahir dan tidak dapat disembuhkan. Seiring berjalannya
waktu, keterbatasan dalam melihat warna akan semakin menghambat penderita
buta warna. Permasalahan terjadi jika penderita buta warna salah dalam
menangkap informasi warna objek-objek di sekelilingnya yang nantinya juga akan
berdampak pada interpretasi berkelanjutan yang salah.
Penelitian Tugas Akhir ini bertujuan untuk mengembangkan sistem
pendeteksi warna yang dapat membantu penderita buta warna dalam membedakan
warna. Sistem dibangun menggunakan model machine learning yang berisi logika
pendeteksian warna dan dibuat menggunakan algoritma K-Nearest Neighbor
(KNN). Gambar yang dideteksi dari ponsel akan diproses oleh model Machine
Learning yang tersedia pada REST API. REST API dibuat menggunakan Flask
untuk men-deploy model machine learning, dan selanjutnya di-hosting
menggunakan PythonAnywhere. Sistem pendeteksi warna ini akan secara otomatis
mendeteksi nilai RGB dari gambar yang terkirim dan kemudian akan
mengelompokkannya menjadi warna yang sesuai. Gambar yang dideteksi tersebut
merupakan titik piksel terkecil dari suatu objek agar mendapatkan hasil yang
presisi.
Hasil dari penelitian ini adalah sistem pendeteksi warna berbasis machine
learning yang dapat mendeteksi 10 warna berbeda dan sering dijumpai sehari-hari
yaitu warna merah, jingga, kuning, hijau, biru, ungu, coklat, hitam, putih, dan abu
abu. Hasil warna yang telah terdeteksi akan dikirimkan kembali ke aplikasi berupa
data JSON yang dapat digunakan oleh aplikasi untuk mendeteksi warna objek
secara waktu nyata ataupun melalui dokumen. Dari pengujian sistem pendeteksi
warna, didapatkan akurasi rata-rata hasil deteksi dari kesepuluh warna sebesar
98%.

Actions (login required)

View Item