TOILET RAMAH PUBLIK DENGAN SISTEM DETEKSI CERDAS TUNA DAKSA MENGGUNAKAN ALGORITMA YOLOV5

Arvina Rizqi Nurul'aini; Azrul Hanif Dinofa; Niko Andriano; Mario Norman Syah; Dhidik Prastiyanto

Arvina Rizqi Nurul'aini
Universitas Negeri Semarang
Azrul Hanif Dinofa
Universitas Negeri Semarang
Niko Andriano
Universitas Negeri Semarang
Mario Norman Syah
Universitas Negeri Semarang
Dhidik Prastiyanto
Universitas Negeri Semarang

Keywords Providing inclusive public facilities is an important part of realizing social welfare, especially for people with disabilities. One of the facilities that needs attention is a friendly public toilet for people with disabilities. However, there is often misuse by non-disabled users who access these special toilets, reducing comfort and accessibility for those who need it. This study develops a computer vision-based intelligent detection system using the YOLOv5 algorithm to identify wheelchair users as a prerequisite for toilet access. The dataset was obtained from the Roboflow platform, which was then trained using the YOLOv5m model with a training parameter of 150 epochs and a batch size of 16. The training results showed that the model could detect wheelchair users with an accuracy level of 83%. These results indicate that the YOLOv5-based approach is quite effective in supporting the development of a fairer and more targeted toilet access system. It is hoped that applying this technology can help create more inclusive public facilities and increase awareness of the importance of accessibility for people with disabilities.

Abstract Views (Last 12 Months)

217 Abstract Views

123 Downloads

Abstract

Penyediaan fasilitas umum yang inklusif merupakan bagian penting dalam mewujudkan kesejahteraan sosial, khususnya bagi penyandang disabilitas. Salah satu fasilitas yang perlu mendapat perhatian adalah toilet umum yang ramah bagi penyandang disabilitas. Namun, sering terjadi penyalahgunaan oleh pengguna non-disabilitas yang mengakses toilet khusus tersebut, sehingga mengurangi kenyamanan dan aksesibilitas bagi mereka yang sangat membutuhkan. Penelitian ini mengembangkan sistem deteksi cerdas berbasis computer vision menggunakan algoritma YOLOv5 untuk mengidentifikasi pengguna kursi roda sebagai prasyarat akses toilet. Dataset yang digunakan diperoleh dari platform Roboflow yang kemudian dilatih menggunakan model YOLOv5m dengan parameter pelatihan sebanyak 150 epoch dan ukuran batch sebanyak 16. Hasil pelatihan menunjukkan bahwa model mampu mendeteksi pengguna kursi roda dengan tingkat akurasi sebesar 83%. Hasil tersebut menunjukkan bahwa pendekatan berbasis YOLOv5 cukup efektif dalam mendukung pengembangan sistem akses toilet yang lebih adil dan tepat sasaran. Diharapkan penerapan teknologi ini dapat membantu menciptakan fasilitas publik yang lebih inklusif dan meningkatkan kesadaran akan pentingnya aksesibilitas bagi penyandang disabilitas.

Downloads

Download data is not yet available.

References

C. O. Santi, R. Septiyana, dan N. Asvio, “Karakteristik dan Model Pendidikan Bagi Anak Tunadaksa,” PPSDP Undergraduate Journal of Educational Sciences, vol. 1, no. 2, hlm. 279–295, 2024.

H. Amania Waqiati, T. Hardjajani, dan A. Adi Nugroho, “Hubungan Antara Dukungan Sosial dan Efikasi Diri dengan Kecemasan Menghadapi Dunia Kerja pada Penyandang Tuna Daksa,” Jurnal Ilmiah Psikologi Candrajiwa, vol. 2, no. 1, Jun 2013, Diakses: 28 Mei 2025. [Daring]. Tersedia pada: https://candrajiwa.psikologi.fk.uns.ac.id/index.php/candrajiwa/article/view/47

R. A. Suprapto dan S. Kuswardini, “URGENSI TOILET RAMAH DIFABEL PADA RUMAH TINGGAL PENYANDANG DISABILITAS,” PROSIDING SEMINAR HASIL PENGABDIAN MASYARAKAT, vol. 1, no. 1, hlm. 324–329, Nov 2020, Diakses: 28 Mei 2025. [Daring]. Tersedia pada: https://ojs.amikom.ac.id/index.php/semhasabdimas/article/view/2633

B. Agung Saputra, F. Eka Putra, S. Julio Elsada Lautt, V. Handrianus Pranatawijaya, dan R. Priskila, “IMPLEMENTASI ALGORITMA YOLO VERSI 8 UNTUK MEMBACA BAHASA ISYARAT Universitas Palangka Raya,” 2024.

M. Swathy, S. L. Kumar, dan M. Maniventhan, “A Bio- Toilet attached wheelchair for physically disabled persons: An Automated Robust System,” 8th International Conference on Advanced Computing and Communication Systems, ICACCS 2022, hlm. 1806–1809, 2022, doi: 10.1109/ICACCS54159.2022.9785255.

M. Alruwaili, M. H. Siddiqi, M. N. Atta, dan M. Arif, “Deep learning and ubiquitous systems for disabled people detection using YOLO models,” Comput Human Behav, vol. 154, hlm. 108150, Mei 2024, doi: 10.1016/J.CHB.2024.108150.

M. Fadhel Haidar dan F. Utaminingrum, “Deteksi Plat Nama Ruangan untuk Kendali Kursi Roda Pintar menggunakan YOLOv5 dan EasyOCR berbasis TX2,” 2023. [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id

D. Chaudhary, A. Mathur, A. Chauhan, dan A. Gupta, “Assistive Object Recognition and Obstacle Detection System for the Visually Impaired Using YOLO,” Proceedings of the 13th International Conference on Cloud Computing, Data Science and Engineering, Confluence 2023, hlm. 353–358, 2023, doi: 10.1109/CONFLUENCE56041.2023.10048808.

“Aplikasi Penjawab Pesan Singkat Automatis Dengan Bahasa Python | PDF.” Diakses: 28 Mei 2025. [Daring]. Tersedia pada: https://id.scribd.com/document/466793604/11724979

R. Rudiansyah, A. A. Sunarto, dan D. Indrayana, “IMPLEMENTASI ALGORITMA YOLO UNTUK IDENTIFIKASI JENIS TANAMAN AGLAONEMA,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3S1, hlm. 2830–7062, Okt 2024, doi: 10.23960/JITET.V12I3S1.5209.

M. F. Golfantara, “PENGGUNAAN ALGORITMA YOLO V8 UNTUK IDENTIFIKASI REMPAH-REMPAH,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3S1, hlm. 2830–7062, Okt 2024, doi: 10.23960/JITET.V12I3S1.5221.

K. Xiong, Q. Li, Y. Meng, dan Q. Li, “A Study on Weed Detection Based on Improved Yolo v5,” 2023 4th International Conference on Information Science and Education, ICISE-IE 2023, hlm. 23–26, 2023, doi: 10.1109/ICISE-IE60962.2023.10456396.

S. Sriani dan A. Nabila, “IMPLEMENTASI DEEP LEARNING UNTUK MENGIDENTIFIKASI UMUR MANUSIA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN),” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 3, hlm. 2830–7062, Agu 2024, doi: 10.23960/JITET.V12I3.4457.

A. Fadjeri, A. Setyanto, dan M. P. Kurniawan, “Pengolahan Citra Digital Untuk Menghitung Ekstrasi Ciri Greenbean Kopi Robusta Dan Arabika (Studi Kasus: Kopi Temanggung),” Jurnal Teknologi Informasi dan Komunikasi (TIKomSiN), vol. 8, no. 1, Apr 2020, doi: 10.30646/TIKOMSIN.V8I1.462.