PENGEMBANGAN SISTEM PENDETEKSIAN OBJEK MENGGUNAKAN ALGORITMA YOLO DAN KALMAN FILTER DALAM MENDETEKSI BOLA (STUDI KASUS: ROBOT SEPAK BOLA BERODA UNIVERSITAS DINAMIKA BANGSA)

Panji Prakarsa, Arjuna (2024) PENGEMBANGAN SISTEM PENDETEKSIAN OBJEK MENGGUNAKAN ALGORITMA YOLO DAN KALMAN FILTER DALAM MENDETEKSI BOLA (STUDI KASUS: ROBOT SEPAK BOLA BERODA UNIVERSITAS DINAMIKA BANGSA). Masters thesis, UNAMA.

	Text BAB I.pdf Download (195kB)
	Text BAB II .pdf Restricted to Registered users only Download (680kB)
	Text BAB III .pdf Restricted to Registered users only Download (224kB)
	Text BAB IV .pdf Restricted to Registered users only Download (457kB)
	Text BAB V.pdf Download (183kB)
	Text DAFTAR PUSTAKA.pdf Download (300kB)

Abstract

Universitas Dinamika Bangsa Jambi telah mengikuti KRI divisi KRSBI Beroda sejak tahun 2018 hingga saat ini sistem pendeteksian robot masih menggunakan sistem pendeteksian klasifikasi warna yang menyebabkan sulitnya mendeteksi objek secara akurat apabila terdapat 2 (dua) objek berbeda dengan warna yang sama maka robot akan mengklasifikasikan bahwa 2 (dua) objek tersebut sama. Hal ini tentu mempengaruhi performa dan akurasi robot dalam bermanuver dilapangan, selain sistem pendeteksian yang akurat diperlukan juga sebuah algoritma yang dapat membuat robot melakukan prediksi arah gerak bola agar robot dapat bergerak lebih cepat untuk mendapatkan bola dilapangan. Dengan mengimplementasikan algoritma YOLO dan algoritma Kalman Filter yang dapat membuat sebuah prediksi berdasarkan data pendeteksian yang diterima sebelumnya dapat meningkatkan performa sistem pendeteksian robot menjadi lebih baik. Penelitian ini bertujuan untuk mengoptimalkan performa sistem pendeteksian objek pada robot sepak bola beroda Universitas Dinamika Bangsa serta mengukur tingkat akurasi sistem pendeteksian objek pada robot sepak bola beroda Universitas Dinamika Bangsa setelah dilakukan pengembangan terhadap sistem pendeteksian. Dengan menggunakan dataset sebanyak 280 sampel dan dilakukan training model YOLOv5 dengan pengulangan 100 epochs, penelitian ini menghasilkan sistem pendeteksian objek bola dengan tingkat akurasi sebesar 0.996 mAP@50 atau setara dengan 99%. Dengan tingkat confidence score diatas 90%, sistem pendeteksian ini dapat mengurangi kesalahan dalam mendeteksi objek khususnya objek bola berwarna orange. Penelitian ini juga menghasilkan sebuah sistem yang dapat memprediksi arah pergerakan objek dengan mengimplementasikan algoritma Kalman Filter kedalam sistem pendeteksian yang sudah di training menggunakan model YOLOv5.

Actions (login required)

View Item