ABSTRAKSI: Tunanetra merupakan istilah umum yang digunakan untuk kondisi seseorang yang mengalami gangguan dalam indera penglihatannya. Alat bantu yang digunakan saat ini bagi kaum tunanetra hanyalah menggunakan tongkat. Akibat berkurangnya fungsi indera penglihatan maka tunanetra berusaha memaksimalkan fungsi indera-indera yang lainnya seperti indera peraba, pencium, dan pendengaran. Namun pada saat ini dengan perkembangan teknologi yang semakin maju, kekurangan tersebut bukanlah merupakan hambatan untuk melakukan aktivitas sehari-hari tanpa bantuan orang lain.
Dengan permasalahan ini, maka dalam tugas akhir ini telah dibuat suatu sistem alat bantu tunanetra yang memanfaatkan video processing. Metode pengklasifikasian objek yang telah digunakan adalah metode Hidden Markov Model. Hal ini dikarenakan model statistik dari sebuah sistem yang diasumsikan oleh Markov sebagai suatu proses dengan parameter yang tidak diketahui. Dilengkapi juga dengan menggunakan metode ekstraksi ciri yaitu deteksi sudut.
Dari Tugas Akhir ini telah terciptanya suatu sistem yang dapat mendeteksi kondisi dari sebuah video kemudian diubah menjadi sebuah sinyal suara dengan tingkat akurasi ketepatan 75% dan waktu komputasi yang cepat.Kata Kunci : Tunanetra, Hidden Markov Model, Deteksi ArahABSTRACT: Blind is a general term used for the condition of a person in the sense of vision impaired. Tools used for the visually impaired is simply to use a cane. Due to reduced function of the sense of sight so blind trying to maximize the functionality of the other senses such as the sense of touch, smell, and hearing. But at this moment with the development of increasingly advanced technology, these shortcomings are not an obstacle to perform daily activities without help from others.
With this issue, one solution has been made a tool of the blind system that utilizes video processing. Object classification method that has been used is the Hidden Markov Model. This is because the statistical model of a system that is assumed by the Markov as a process with unknown parameters. Equipped by using corner detection for feature extraction method.
Final project was the creation of a system that can detect the condition of a video is then converted into an audio signal with an accuracy rate of 75% accuracy and with fast computation time.Keyword: Blind, Hidden Markov Models, Detection Direction