Sistem Pengidentifikasi Obat Melalui Barcode Pada Kemasan Obat Menggunakan Metoda YOLO

Chairulsyah, Ivan (2022) Sistem Pengidentifikasi Obat Melalui Barcode Pada Kemasan Obat Menggunakan Metoda YOLO. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07111840000231-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2024. Download (4MB) | Request a copy

Abstract

Kebutaan merupakan masalah serius yang ada di Indonesia. Data kementerian kesehatan RI (2013) menyatakan bahwa jumlah penderita kebutaan dan penglihatan lemah (low vision) di
Indonesia mencapai 3 juta jiwa. Manusia dalam kehidupannya sehari hari tidak luput dari penyakit ringan seperti flu, batuk, dan sakit kepala ringan. Biasanya apabila terkena penyakit seperti itu cukup dengan meminum obat-obatan. Terdapat banyak sekali model kemasan untuk obat-obatan yang beraneka bentuknya. Bagi para penyandang tunanetra, bermacam jenis obat�obatan bisa menyusahkan mereka karena terkadang bentuk botol atau kemasannya sama persis.
Sehingga membuat para penyandang tunanetra mengalami kesusahan dalam memilih obat yang diperlukan untuk penyakit tertentu. Dari permasalahan tersebut dibuat sebuah alat pendeteksi yang bisa mendeteksi barcode pada kemasan obat. Untuk mengidentifikasi barcode yang ada pada kemasan obat tersebut digunakan suatu kecerdasan buatan untuk dapat mendeteksi barcode yang terdapat pada setiap kemasan obat. Metoda yang digunakan untuk mendeteksi barcode tersebut berbasis pengolahan citra dan dengan proses deep learning oleh Tiny�YOLOv3 pada Jetson Nano. Deteksi objek dilakukan oleh model dengan 1 kelas yaitu barcode.
Kemudian barcode yang terdeteksi diartikan menggunakan Dynamsoft Barcode Reader (Dbr) untuk mendapatkan data berupa angka lalu dengan menggunakan Playsound library untuk
memanggil file berupa data suara tentang informasi dari obat terkait. Model yang digunakan pada penelitian ini, melalui tahapan training dengan dataset yang diambil dari ArTe-Lab 1D
Medium Barcode Dataset. Rata-rata akurasi yang dihasilkan melalui pengujian model adalah 97%. Sistem ini dikembangkan sebagai alat bantu bagi penyandang tunanetra untuk mengenali
berbagai macam kemasan obat agar memudahkan mereka untuk membedakan berbagai macam jenis obat. Kekurangan dari sistem ini adalah network frame per second yang diproses Jetson
Nano terlalu rendah sehingga sistem terkadang melakukan pembacaan dua kali dikarenakan masih ada citra barcode yang tertinggal di frame terakhir.
=====================================================================================================================================
Blindness is a serious problem in Indonesia. According to the data from the Ministry of Health of the Republic of Indonesia (2013), the number of people with blindness and low vision
in Indonesia has reached 3 million. In everyday life, mild illnesses such as the flu, cough, and mild headaches are unavoidable. It is usually sufficient to take medicine when exposed to such an illness. There are different packaging models for different medicines. Different types of
medicines can be difficult for the visually impaired because the shapes of bottles and packages can be exactly the same. As a result, it makes blind people have difficulty in choosing the drugs needed for certain diseases. Because of these problems, a system that can read the barcode on
the drug packaging has been developed. Artificial intelligence is used to recognize the barcode on each drug package to identify the barcode on the drug package. The method of recognizing barcodes is based on the image processing and deep learning process from Jetson Nano's Tiny�YOLO v3. Objects are recognized by one class, a model with a barcode. Then use the Dynamsoft Barcode Reader (Dbr) to recognize the barcode and retrieve the data in the form of
numbers. Then by using the Playsound library, the data from barcode is changed to be an audio about information from the relevant drug. The model used in this study needs the training phase using a dataset from the Arte-Lab 1D medium barcode dataset. The average recognition rate obtained in the model test is 97%. This tool was developed to help visually impaired people recognize different types of medicine packages so that they can distinguish between different
types of medicines. The lack of this system is that the network frame per second is too low to be processed by Jetson Nano and as a result, the system often read image twice because the barcode image remains in the last frame.

Item Type:	Thesis (Other)
Additional Information:	RSE 006.42 Cha s-1 2022
Uncontrolled Keywords:	Barcode, Dynamsoft Barcode Reader, Jetson Nano, Kemasan Obat, Object Detection, Playsound library, Tiny-YOLOv3, Tunanetra
Subjects:	T Technology > TA Engineering (General). Civil engineering (General) > TA1637 Image processing--Digital techniques
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20201-(S1) Undergraduate Thesis
Depositing User:	- Davi Wah
Date Deposited:	21 Nov 2023 03:01
Last Modified:	21 Nov 2023 03:01
URI:	http://repository.its.ac.id/id/eprint/105164

Actions (login required)

View Item