Deteksi Angka Dan Operator Aritmatika Menggunakan Yolo Untuk Menghitung Operasi Matematika Sederhana Pada Smart Whiteboard

Hidayatullah, Muhammad Royhan (2022) Deteksi Angka Dan Operator Aritmatika Menggunakan Yolo Untuk Menghitung Operasi Matematika Sederhana Pada Smart Whiteboard. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211840000016-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (19MB) | Request a copy

Abstract

Di era modern revolusi industri 4.0 saat ini, hampir semua aktivitas kehidupan manusia tidak terlepas dari pemanfaatan teknologi informasi sebagai kebutuhan berbagai aktivitas dan layanan. Salah satunya contohnya adalah dalam dunia pendidikan. Media pembe- lajaran interaktif sebagai salah satu dari media pembelajaran dalam dunia pendidikan yang menggunakan teknologi informasi dan komunikasi yang memudahkan seorang pen- didik dalam menyampaikan materi atau informasi kepada pelajar. Salah satu bentuk pemanfaatan teknologi sebagai media pembelajaran tersebut adalah Smart Whiteboard. Dalam pembuatan Smart Whiteboard dibutuhkan sebuah sistem yang dapat mendeteksi dan mengklasifikasi apapun yang ditulis pada papan tulis salah satunya adalah menghi- tung suatu operasi matematika. Untuk dapat mendeteksi dan mengklasifikasi suatu objek digunakan sebuah metode yaitu deep learning. YOLO merupakan salah satu jenis metode pada deep learning yang dikembangkan dengan algoritma untuk mendeteksi sebuah objek secara realtime berdasarkan CNN (Convolutional Neural Network). Penelitian ini bertu- juan untuk membuat sistem yang dapat mendeteksi angka dan operator aritmatika serta menghitung suatu operasi aritmatika pada papan tulis menggunakan YOLO. Jenis YOLO yang digunakan adalah YOLOv4-tiny dengan menggunakan framework Darknet. YOLO dipilih karena keakuratan, dan kecepatannya. Sistem deteksi ini berjalan dengan cara mendeteksi tulisan tangan huruf, angka, dan operator aritmatika yang kemudian apabila terbentuk suatu operasi matematika, maka akan dihitung hasilnya. Hasil dari penelitian ini adalah sistem yang dapat mendeteksi operasi matematika baik menggunakan gambar, video hasil rekaman, maupun video secara real-time.
==============================================================================================================================
In the modern era of the current industrial revolution 4.0, almost all activities of human life cannot be separated from the use of information technology as the need for various activities and services. One example is in the world of education. Interactive learning media as one of the learning media in the world of education that uses information and communication technology that makes it easier for an educator to convey material or information to students. One form of using technology as a learning medium is Smart Whiteboard. In making Smart Whiteboard requires a system that can detect and classify anything written on the whiteboard, one of which is calculating mathematical operations. To be able to detect and classify an object, a method, namely deep learning, is used. YOLO is a type of deep learning method that was developed to detect an object in real time based on CNN (Convolutional Neural Network). This study aims to create a system that can detect numbers and arithmetic operators and calculate an mathematical operation on a whiteboard using YOLO. The type of YOLO used is YOLOv4-tiny using the Darknet framework. YOLO was chosen for its accuracy, and speed. The detection system runs by detecting the hands of letters, numbers, and arithmetic operators which then forms a mathematical operation, the results will be calculated. The result of this research is a system that can detect mathematical operations using images, video recordings, or videos in real-time.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Media pembelajaran. Smart Whiteboard. YOLO. Learning media. Smart Whiteboard. YOLO.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	15 Jun 2026 08:51
Last Modified:	15 Jun 2026 08:51
URI:	http://repository.its.ac.id/id/eprint/133824

Actions (login required)

View Item