Pembangunan Prototipe dan Simulasi Writing Arm Robot

Di zaman sekarang, perkembangan teknologi mengalami peningkatan yang sangat pesat. Teknologi telah banyak menggantikan peralatan-peralatan manual yang memerlukan banyak tenaga manusia untuk pengoperasiannya, salah satunya yaitu penggunaan robot. Penerapan teknologi robot bisa diterapkan dimana saja, dengan fungsi untuk mempermudah perkerjaan manusia. Robot juga bisa berguna untuk pembelajaran dibidang pendidikan. Dengan pembangunan robot penulis yang dipakai untuk keperluan pendidikan kita dapat mempelajari pola penulisan suatu karakter untuk pembelajaran anak di usia dini. Dari pengembangan penelitian sebelumnya, robot lengan yang dibangun dapat mengenali tulisan tangan manusia dari hasil scan tulis tangan dan menuliskan kembali tulisan tersebut sesuai dengan input gambar. Robot lengan dibangun dengan 2 Derajat Kebebasan (Degree Of Freedom). Dengan pengenalan citra dari tulisan tangan menggunakan metode klasifikasi yaitu Learning Vector Quantization. Berdasarkan hasil pengujian yang dilakukan untuk pengenalan citra tulis tangan didapatkan akurasi pengujian terbaik sebesar 65% dan untuk hasil pengujian dari lengan robot dalam menulis tulisan didapatkan hasil sebesar 73%.

Today, the development of technology has increased very rapidly. Technology has replaced the manual equipment that requires a lot of power to operate, one of them is the use of robot. The uses of robotic technology can be applied anywhere, with the function to make human job easier. Robot can also be useful for education learning. With the development of writing robot purposes for educational use, we can learn patterns of writing a character for children's learning at an early age. From previous research development, we built robot arm that can recognize handwriting text from image of human hand writing and rewriting the text accordance to the input image. Robot arm are built with 2 Degrees of Freedom, with image recognition for hand writing using Learning Vector Quantization method for classification. Based on the results of tests performed for image recognition obtained the best test accuracy of 65% and for the test results of a writing robot obtained by 73%. Keywords: Arm robot, Writing Robot, Arduino, Neural Artificial Intelligence, Neural Network, Learning Vector Quantization, Handwriting Recognition, Image Processing