PENERAPAN DEEP LEARNING UNTUK MENGKLASIFIKASI ROBOT TIM KRAKATAU FC MENGGUNAKAN TENSORFLOW

Fauzan, Mige Jisnu (2020) PENERAPAN DEEP LEARNING UNTUK MENGKLASIFIKASI ROBOT TIM KRAKATAU FC MENGGUNAKAN TENSORFLOW. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi16312320.pdf - Published Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (Abstrak) abstrak16312320.pdf - Published Version Download (115kB)
	Text (Bab I-Pendahuluan) b116312320.pdf - Published Version Download (18kB)
	Text (Bab II-Landasan Teori) b216312320.pdf - Published Version Download (179kB)
	Text (Daftar Pustaka) daftar_pustaka16312320.pdf - Bibliography Download (10kB)

Abstract

Kontes Robot Sepak Bola Indonesia (KRSBI) adalah salah satu program kreativitas mahasiswa di bawah kegiatan induk Kontes Robot Indonesia (KRI) yang di perlombakan secara rutin setiap tahun. Salah satu masalah yang ada dalam kontes ini adalah robot tidak dapat mengenali temannya sendiri. Sehingga robot tim Krakatau FC beluk mampu melakukan oper - operan bola ke robot teman. Beberapa penelitian sudah dilakukan seperti menggunakan Haar-like, Histogram of Oriented Gradient (HOG) dan Local Binary Pattern (LBP) untuk mengenali robot dengan sangat baik. Tetapi tidak bisa untuk diterapkan pada kasus ini dikarenakan metode tersebut hanya digunakan untuk mendeteksi ada atau tidaknya robot lain. Dalam penelitian ini, penulis menggunakan deep learning yang menggunakan metode Convolutional Neural Network (CNN) dengan menggunakan framework Tensorflow object Classification untuk mengatasi mendeteksi Robot Tim Krakatau FC. Dataset yang digunakan sebanyak 32000 gambar yang terdiri dari gambar 4 robot Tim Krakatau FC, yaitu robot K, robot F, robot C, dan Robot X. Dataset diambil secara lansung di arena lapangan KRSBI tim Krakatau FC Proses pelatihan CNN dengan menggunakan data ukuran 100x100 px dengan 6 layer. Dilakukan sebanyak 100000 Epoch dengan base learning rate sebesar 0.00125. Pengujian dilakukan dengan menggunakan 20 gambar yang memiliki 51 objek robot dan menghasilkan Accuracy sebesar 90%, Recall sebesar 90%, dan Presiccion sebesar 100% dengan rata – rata waktu 4ms.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	KRSBI Humanoid, Haar-like, HOG, LBP, Deep Learning, Convolutional Neural Network, Tensorflow, Object Classification
Subjects:	SISTEM INFORMASI (S1) > Metode Komputer SISTEM INFORMASI (S1) > Metode Komputer
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	07 Feb 2022 02:40
Last Modified:	07 Feb 2022 02:40
URI:	http://repository.teknokrat.ac.id/id/eprint/3433

Actions (login required)

View Item