IMPLEMENTASI DEEP LEARNING DENGAN METODE CNN UNTUK DETEKSI DAN PENGENALAN OBJEK PADA SENSOR KAMERA ROBOT SEPAKBOLA BERODA

Diansyah, Alex Rahma and SAHERTIAN, JULIAN and WIDODO, DANANG WAHYU (2023) IMPLEMENTASI DEEP LEARNING DENGAN METODE CNN UNTUK DETEKSI DAN PENGENALAN OBJEK PADA SENSOR KAMERA ROBOT SEPAKBOLA BERODA. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

[img] Text (Full text)
RAMA_55201_19103020058.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (2MB) | Request a copy
[img] Text (Similarity)
RAMA_55201_19103020058_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (312kB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_19103020058_0707079001_ 0720117501_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (506kB)
[img] Text (BAB 2)
RAMA_55201_19103020058_0707079001_ 0720117501_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[img] Text (BAB 3)
RAMA_55201_19103020058_0707079001_ 0720117501_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy
[img] Text (BAB 4)
RAMA_55201_19103020058_0707079001_ 0720117501_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (2MB) | Request a copy
[img] Text (BAB 5)
RAMA_55201_19103020058_0707079001_ 0720117501_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (355kB) | Request a copy
[img] Text (References)
RAMA_55201_19103020058_0707079001_ 0720117501_06_Ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (503kB)
[img] Text (Lampiran)
RAMA_55201_19103020058_0707079001_ 0720117501_07_Lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (2MB) | Request a copy

Abstract

Penelitian dilakukan berdasarkan pengamatan dan pengalaman di perlombaan robot, ditemukan permasalahan pada robot dalam pendeteksian objek yang dikarenakan terdapat objek yang mengganggu pendeteksian dengan metode yang digunakan sebelumnya. Dengan adanya masalah tersebut peneliti ingin menerapkan deep learning dengan algoritma convolutional neural network (CNN) untuk meningkatkan kepekaan robot dalam mendeteksi objek. Penerapan metode dilakukan dengan research and development dengan objek penelitian adalah objek deteksi yaitu bola, robot dan gawang. Proses dalam penelitian ini pertama peneliti harus mengumpulkan dataset berupa citra/gambar selanjutnya dataset akan dikelompokan dan beri label klasifikasi dan setelah dataset sudah melewati proses tersebut akan dilakukan pelatihan dataset dengan metode CNN, dalam pelatihan dataset menggunakan dua scenario yaitu dengan mengubah parameter pelatihan dataset epoch dan parameter pelatihan dataset batch size untuk mendapatkan hasil yang sesuai dengan yang diinginkan. Hasil dari pelatihan disimpan dalam file checkpoint dengan file checkpoint dapat diuji untuk hasil deteksi pada checkpoint tertentu dan didapatkan hasil terbaik adalah menggunakan epoch 10 dengan batchsize 4 dengan hasil tertinggi rata-rata presisi adalah 90% pada checkpoint 48. Kesimpulan dari hasil penelitian ini adalah bahwa metode deep learning dapat diterapkan untuk meningkatkan kepekaan sistem deteksi objek pada robot sepak bola beroda dengan hasil yang baik mendapat akurasi deteksi rata-rata 90% terdeteksi dan dapat dikembangkan lebih lanjut dengan menggunakan metode lain dan dataset yang lebih banyak untuk mendapatkan hasil deteksi yang lebih akurat.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Deep Learning, Deteksi Objek, Robot, Sepakbola, CNN
Subjects: 410 Engineering science > 457 Computer engineering
410 Engineering science > 459 Computer science
410 Engineering science > 462 Information technology
410 Engineering science > 465 Other electrical and informatics engineering fields not yet listed
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Alex Rahma Diansyah
Last Modified: 14 Aug 2023 06:27
URI: http://repository.unpkediri.ac.id/id/eprint/11584

Actions (login required)

View Item View Item