PENGENALAN WARNA UNTUK PENYANDANG BUTA WARNA DENGAN OUTPUT SUARA DAN TEXT

Dimas Septa Bahari, Adianto o, Anita Hidayati

Abstract


ABSTRAK

Buta warna adalah kelainan genetika yang diturunkan orang tua kepada anaknya. Karena faktor keturunan inilah seseorang penyandang buta warna mengalami kesulitan dalam membedakan warna. Buta warna sendiri dikelompokkan menjadi beberapa kelompok, berdasarkan kemampuan dalam penglihatan warna, mengingat ada yang buta warna tapi mereka masih dapat membedakan beberapa warna-warna tertentu, ada juga yang mereka tidak dapat melihat warna secara keseluruhan. Keterbatasan inilah yang menyebabkan para penyandang buta warna mengalami kesulitan dalam kehidupan sehari–hari, karena banyak hal–hal di lingkungan yang diasosiasikan dalam bentuk warna. Dari sinilah penulis mencoba membuat suatu alat yang dapat membantu penyandang buta warna untuk dapat mengenali warna sesuai dengan jenis kebutaan warna yang dialaminya. Sistem alat ini menggunakan inputan berupa kamera atau yang biasa disebut dengan digital image processing. Kamera digunakan untuk pengambilan gambar. Data dari kamera berupa gambar atau citra yang kemudian diambil komponen nilai RGB-nya. Nilai tersebut digunakan sebagai inputan Neural Network. Neural Network ini yang digunakan untuk pengambil keputusan. Setelah dilakukan pengujian pada sistem pendeteksian warna menggunakan Neural Network, warna Merah, Hijau, Biru, Biru tua, Cyan, Magenta dan Zaitun memiliki prosentase keberhasilan (100% ), warna Kuning, Hijau tua dan Merah muda memiliki prosentase keberhasilan (80%), warna Putih, Coklat dan Abu-abu memiliki prosentase keberhasilan (60%), sedangkan prosentase( 40%) didapat warna Hitam, dan Oranye. Prosentase keberhasilan setiap warna ditandai dengan output suara dan text dari warna yang dideteksi. Rendahnya validasi warna yang terdeteksi, dikarenakan faktor pencahayaan, kualitas sample warna, dan jenis kamera yang digunakan.

Kata kunci : Buta warna, Image Processing, Warna, Neural Network

ABSTRACT

Color blindness is a genetic disorder that is passed down from parents to their children. Because of this heredity someone with color blindness have difficulty in contrasted color. Color blindness grouped into several groups, based on the ability of color vision, considering there are color blind but they can still distinguish some colors - certain colors, there is also what they can not see color as a whole. Are limited is what causes people with color blindness are experiencing difficulties in daily life - days, because a lot of things in this neighborhood are associated in the form of color.
From here author tries to create a tool which can help people with color blindness is to be able to recognize the color according to the type of color blindness that happened. The system uses input devices such as a camera or commonly called digital image processing, this camera used for image capture, or which the data from this camera will be a picture or digital image, which will be taken component RGB values of the image, then that value used as input Neural Network. Neural Network is used for decision-makers. After testing the color detection system using Neural Network, Red, Green, Blue, Dark Blue, Cyan, Magenta and Olive had a success percentage (100%), Yellow, Green and Pink old has a percentage of success (80%), color White, Brown and Grey has a percentage of success (60%), while the percentage (40%) obtained a color Black, and Orange. The percentage of success each color is marked with voice and text output from that detected color, low color validation detected, because the lighting factor, the quality of color samples, and the type of camera used.

Keywords: Color blindness, Image Processing, Colour, Neural Network


References


http://id.wikipedia.org/wiki/ Buta_warna__diakses tanggal 03 Januari 2014

Nugroho, Andi Kurniawan. Destyningtias, B. 2010. Pengolahan Citra Untuk Membantu Diagnosis Tumor Otak. Jurnal Ilmiah USM ISSN 1410-9480 Vol.12 Hal 3 : Universitas Semarang.

Novianta, Muhammad Andang, 2009. Alat Pendeteksi Warna Berdasarkan Warna Dasar Penyusun RGB Dengan Sensor TCS230. ISBN: 978-979-96964-6-5. 14, November 2009: Institut Sains &Teknologi AKPRIND.

Kusumanto, R.D., Klasifikasi Warna Menggunakan Pengolahan Model Warna HSVZ. Jurnal Ilmiah Elite Elektro, Vol 2, No. 2, September 2011: 83-87 : Universitas International Batam. Batam.

Purnamasari, Fitria. System Online CBIR Menggunakan Identifikasi Dominan Warna Pada Foreground Objek. PENS – ITS.

Rusmiati, Nurmalasari. 2012. Jaringan Saraf Tiruan Backpropagation sebagai metode peramalan perhitungan tingkat suku bunga pinjaman di indonesia. S1 Sistem Informasi. Universitas Gunadarma. Bekasi.

Bayu Bagus, Image Database Menggunakan Sistem Content Based Image Retrieval dengan Ekstraksi Fitur Terstuktur, Jurusan Teknologi Informasi, Politeknik Elektronika Negeri Surabaya - Institut Teknologi Sepuluh Nopember, 2007.




DOI: https://doi.org/10.21107/simantec.v4i2.1390

Refbacks

  • There are currently no refbacks.


Copyright (c) 2016 Jurnal Simantec



Indexed By