Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network
ABSTRAK Saat ini, kecerdasan buatan memungkinkan untuk dikembangkan dalam dunia robotika, khususnya untuk pengaturan gerakan robot berdasarkan pengolahan citra. Penelitian ini mengembangkan sebuah mobile robot yang dilengkapi dengan kamera katadioptrik dengan sudut pandang 3600. Citra yang didapatk...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
Teknik Elektro Institut Teknologi Nasional Bandung
2021-04-01
|
| Series: | Jurnal Elkomika |
| Subjects: | |
| Online Access: | https://ejurnal.itenas.ac.id/index.php/elkomika/article/view/4059 |
| _version_ | 1811222700914376704 |
|---|---|
| author | ZENDI ZAKARIA RAGA PERMANA SUSIJANTO TRI RASMANA IRA PUSPASARI |
| author_facet | ZENDI ZAKARIA RAGA PERMANA SUSIJANTO TRI RASMANA IRA PUSPASARI |
| author_sort | ZENDI ZAKARIA RAGA PERMANA |
| collection | DOAJ |
| description | ABSTRAK
Saat ini, kecerdasan buatan memungkinkan untuk dikembangkan dalam dunia robotika, khususnya untuk pengaturan gerakan robot berdasarkan pengolahan citra. Penelitian ini mengembangkan sebuah mobile robot yang dilengkapi dengan kamera katadioptrik dengan sudut pandang 3600. Citra yang didapatkan, dikonversi dari RGB menjadi HSV. Selanjutnya disesuaikan dengan proses morfologi. Nilai jarak yang terbaca oleh kamera (piksel) dengan jarak sebenarnya (cm) dihitung menggunakan Euclidean Distance. Nilai ini sebagai ekstraksi ciri data jarak yang dilatihkan pada sistem. Sistem yang dibuat pada penelitian ini memiliki iterasi sebanyak 1.000.000, dengan tingkat kelinieran R2=0.9982 dan keakuratan prediksi sebesar 99,03%.
Kata kunci: Robot, HSV, Euclidean Distance, Kamera katadioptrik, Artifical Neural Network
ABSTRACT
Recently, artificial intelligence is possible to be developed in robotic, specifically for robot movements control based on image processing. This research develops a mobile robot with a 3600 perspective catadioptric camera is equipped. The camera captured images were converting from RGB to HSV. Furthermore, it adapted to the morphological process. The distance value read by the camera (pixels) to the actual distance (cm) is measured using Euclidean Distance. This value is a feature extraction of distance data that has training on the system. The system built in this study has 1,000,000 iterations, with a linearity level of R2 = 0.9982 and prediction accuracy of 99.03%.
Keywords: Robot, HSV, Euclidean Distance, Catadioptric Camera, Artifical Neural Network |
| first_indexed | 2024-04-12T08:20:37Z |
| format | Article |
| id | doaj.art-1383279ea3084aebb408aaaddd231fa0 |
| institution | Directory Open Access Journal |
| issn | 2338-8323 2459-9638 |
| language | Indonesian |
| last_indexed | 2024-04-12T08:20:37Z |
| publishDate | 2021-04-01 |
| publisher | Teknik Elektro Institut Teknologi Nasional Bandung |
| record_format | Article |
| series | Jurnal Elkomika |
| spelling | doaj.art-1383279ea3084aebb408aaaddd231fa02022-12-22T03:40:36ZindTeknik Elektro Institut Teknologi Nasional BandungJurnal Elkomika2338-83232459-96382021-04-019210.26760/elkomika.v9i2.2792324Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural NetworkZENDI ZAKARIA RAGA PERMANA0SUSIJANTO TRI RASMANA1IRA PUSPASARI2Universitas DinamikaUniversitas DinamikaUniversitas DinamikaABSTRAK Saat ini, kecerdasan buatan memungkinkan untuk dikembangkan dalam dunia robotika, khususnya untuk pengaturan gerakan robot berdasarkan pengolahan citra. Penelitian ini mengembangkan sebuah mobile robot yang dilengkapi dengan kamera katadioptrik dengan sudut pandang 3600. Citra yang didapatkan, dikonversi dari RGB menjadi HSV. Selanjutnya disesuaikan dengan proses morfologi. Nilai jarak yang terbaca oleh kamera (piksel) dengan jarak sebenarnya (cm) dihitung menggunakan Euclidean Distance. Nilai ini sebagai ekstraksi ciri data jarak yang dilatihkan pada sistem. Sistem yang dibuat pada penelitian ini memiliki iterasi sebanyak 1.000.000, dengan tingkat kelinieran R2=0.9982 dan keakuratan prediksi sebesar 99,03%. Kata kunci: Robot, HSV, Euclidean Distance, Kamera katadioptrik, Artifical Neural Network ABSTRACT Recently, artificial intelligence is possible to be developed in robotic, specifically for robot movements control based on image processing. This research develops a mobile robot with a 3600 perspective catadioptric camera is equipped. The camera captured images were converting from RGB to HSV. Furthermore, it adapted to the morphological process. The distance value read by the camera (pixels) to the actual distance (cm) is measured using Euclidean Distance. This value is a feature extraction of distance data that has training on the system. The system built in this study has 1,000,000 iterations, with a linearity level of R2 = 0.9982 and prediction accuracy of 99.03%. Keywords: Robot, HSV, Euclidean Distance, Catadioptric Camera, Artifical Neural Networkhttps://ejurnal.itenas.ac.id/index.php/elkomika/article/view/4059robothsvmorfologieuclidean distancekamera katadioptrikartifical neural network |
| spellingShingle | ZENDI ZAKARIA RAGA PERMANA SUSIJANTO TRI RASMANA IRA PUSPASARI Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network Jurnal Elkomika robot hsv morfologi euclidean distance kamera katadioptrik artifical neural network |
| title | Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network |
| title_full | Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network |
| title_fullStr | Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network |
| title_full_unstemmed | Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network |
| title_short | Prediksi Jarak Bola pada Citra Kamera Katadioptrik menggunakan metode Artifical Neural Network |
| title_sort | prediksi jarak bola pada citra kamera katadioptrik menggunakan metode artifical neural network |
| topic | robot hsv morfologi euclidean distance kamera katadioptrik artifical neural network |
| url | https://ejurnal.itenas.ac.id/index.php/elkomika/article/view/4059 |
| work_keys_str_mv | AT zendizakariaragapermana prediksijarakbolapadacitrakamerakatadioptrikmenggunakanmetodeartificalneuralnetwork AT susijantotrirasmana prediksijarakbolapadacitrakamerakatadioptrikmenggunakanmetodeartificalneuralnetwork AT irapuspasari prediksijarakbolapadacitrakamerakatadioptrikmenggunakanmetodeartificalneuralnetwork |