Sistem Pengenalan Gawang Pada Robot Tabletop Nav Menggunakan Metode Faster Rcnn

Rahmadiani, Elsa Nur (2024) Sistem Pengenalan Gawang Pada Robot Tabletop Nav Menggunakan Metode Faster Rcnn. Other thesis, Universitas Komputer Indonesia.

	Text 1.UNIKOM_ELSA NUR RAHMADIANI_COVER.pdf - Published Version Download (272kB)
	Text 19.UNIKOM_ELSA NUR RAHMADIANI_LEMBAR PENGESAHAN.pdf - Published Version Download (137kB)
	Text 17.UNIKOM_ELSA NUR RAHMADIANI_SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf - Published Version Download (131kB)
	Text 20.UNIKOM_ELSA NUR RAHMADIANI_SURAT PERNYATAAN ORIGINALITAS.pdf - Published Version Download (120kB)
	Text 4.UNIKOM_ELSA NUR RAHMADIANI_KATA PENGANTAR.pdf - Published Version Download (180kB)
	Text 5.UNIKOM_ELSA NUR RAHMADIANI_DAFTAR ISI.pdf - Published Version Download (179kB)
	Text 11.UNIKOM_ELSA NUR RAHMADIANI_BAB 1.pdf - Published Version Download (24kB)
	Text 12.UNIKOM_ELSA NUR RAHMADIANI_BAB 2.pdf - Published Version Download (138kB)
	Text 13.UNIKOM_ELSA NUR RAHMADIANI_BAB 3.pdf - Published Version Restricted to Repository staff only Download (239kB) | Request a copy
	Text 14.UNIKOM_ELSA NUR RAHMADIANI_BAB 4.pdf - Published Version Restricted to Repository staff only Download (365kB) | Request a copy
	Text 15.UNIKOM_ELSA NUR RAHMADIANI_BAB 5.pdf - Published Version Download (7kB)
	Text 10.UNIKOM_ELSA NUR RAHMADIANI_DAFTAR PUSTAKA.pdf - Published Version Download (133kB)
	Text 18.UNIKOM_ELSA NUR RAHMADIANI_LEMBAR KONTAK PENULIS DAN KONTRIBUTOR PENELITIAN.pdf - Published Version Download (82kB)

Abstract

Robogames adalah kompetisi di Amerika Serikat dengan lebih dari 50 kategori, salah satunya TableTop Nav Challenges. Tantangan ini menuntut peserta untuk membuat robot otonom yang mampu melakukan tugas di atas meja tanpa jatuh, termasuk mencari objek dan mendorongnya ke dalam kotak sepatu yang ditempatkan di tepi meja. Tantangan muncul ketika posisi robot dan kotak sepatu tidak diketahui, karena penempatan objek dilakukan secara acak, sehingga ukuran, warna, dan jarak kotak sepatu menjadi tidak pasti. Robot membutuhkan sistem deteksi objek yang mampu mengenali kotak sepatu dalam kondisi ini. Salah satu metode yang digunakan adalah Faster RCNN, arsitektur deteksi objek berbasis deep learning yang menawarkan akurasi dan kecepatan deteksi lebih baik dibanding pendahulunya, Fast RCNN. Faster RCNN menggabungkan Convolutional Neural Network (CNN) dan Regional Proposal Network (RPN) untuk klasifikasi dan lokalisasi objek. Dalam penelitian ini, Resnet50 dipilih sebagai arsitektur CNN karena kemampuannya dalam menjaga kualitas output dan rendahnya tingkat kehilangan. Format Pascal VOC digunakan untuk dataset karena kesederhanaannya, dengan data primer dan sekunder dikumpulkan melalui Kaggle. Augmentasi data juga dilakukan untuk memperbesar jumlah dataset. Hasil penelitian menunjukkan model ini mampu mendeteksi kotak sepatu di atas meja dengan tingkat keberhasilan 42%, dan 88% dalam jarak 0-54 cm. Kinerja model ini dipengaruhi oleh pencahayaan dan posisi sumber cahaya, sehingga diperlukan dataset lebih besar untuk meningkatkan kinerja deteksi objek.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Object Detection, Computer Vision, Faster RCNN.
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	27 Aug 2025 07:55
Last Modified:	27 Aug 2025 07:55
URI:	http://elibrary.unikom.ac.id/id/eprint/10793

Actions (login required)

View Item