Implementasi Metode (ANN) Artificial Neural Network Pada Robot Self-Parking (Nonholonomic Robot) Menggunakan Prototype Robot Lego® Mindstorm® 2.0

Ullum, Muhammad Thoriqul and Ma’mauriyah, Ni’matul (2015) Implementasi Metode (ANN) Artificial Neural Network Pada Robot Self-Parking (Nonholonomic Robot) Menggunakan Prototype Robot Lego® Mindstorm® 2.0. Undergraduate thesis, Universitas Internasional Batam.

Preview	Text S-1121013-cover_id.pdf Download (623kB) | Preview
Preview	Text S-1121013-table_of_contents.pdf Download (715kB) | Preview
Preview	Text S-1121013-abstract_id.pdf Download (598kB) | Preview
Preview	Text S-1121013-bibliography.pdf Download (715kB) | Preview
Preview	Text S-1121013-chapter1.pdf Download (1MB) | Preview
Preview	Text S-1121013-chapter2.pdf Download (3MB) | Preview
	Text S-1121013-chapter3.pdf Restricted to Repository staff only Download (3MB)
	Text S-1121013-chapter4.pdf Restricted to Repository staff only Download (2MB)
Preview	Text S-1121013-conclusion.pdf Download (714kB) | Preview

Abstract

Robot Self-Parking adalah robot yang dapat melakukan koordinasi kontrol antara sudut kemudi (steering angle) dan kecepatan yang memperhitungkan situasi aktual di lingkungan tersebut, untuk dapat memastikan gerak bebas tabrakan dalam ruang yang tersedia. Teknologi ini memungkinkan robot untuk dapat mencari hingga bisa parkir di tempat yang kosong dengan sendirinya. Pada penelitian ini diimplementasikan metode kecerdasan buatan ANN-BP (Artificial Neural Network – Back Propagation) kombinasi dengan FSA (Finite State Automaton) untuk melokalisir area parkir yang tersedia, serta saat robot telah menemukan tempat kosong hingga ia parkir dengan menggunakan inputan berupa data train yang didapatkan dari penyusuran pola parkir non-holonomic kinematic secara offline. Dari hasil penelitian yang dilakukan didapatkan hasil bahwa, dengan menggunakan data training robot memiliki batasan jarak kosong untuk area parkir yaitu minimal 50 cm. Parameter yang mempengaruhi lama atau cepatnya proses pembelajaran adalah learning rate, dan momentum. Didapatkan nilai learning rate 0.8 dan momentum 1 dengan proses pembelajaran paling cepat dengan input bobot nilai random adalah 1500 kali iterasi hingga 2000 kali iterasi. Hasil percobaan yang telah dilakukan dengan 6 kondisi perbedaan jarak kosong pada area parkir dan perbedaan jarak minimal, didapatkan kesalahan sebesar 16,67%. Hal ini dikarenakan robot mendeteksi jarak minimal sesuai dengan dimensinya tetapi tidak sesuai dengan jarak yang sudah ditentukan pada pola parkir sehingga robot tidak dapat melanjutkan parkir ditempat yang seharusnya.

Actions (login required)

View Item