Keywords
robot
sepakbola
keras
python
CNN
How to Cite
Abstract
Pengenalan objek adalah salah satu dari cabang pengolahan citra yang digunakan untuk mendeteksi dan mengenali objek, pada robot sepakbola sistem pengenalan objek ini digunakan untuk mendeteksi 3 objek utama yaitu adalah objek bola, robot, gawang. Metode yang digunakan adalah Convolutional Neural Network untuk pelatihan model dibantu dengan model pra-latih ssd mobilenet v2, selanjutnya digunakan skenario pengujian yaitu dengan nilai parameter epoch yang berbeda dan jumlah data gambar yang digunakan adalah 180 dibagi kedalam dua data yaitu 150 data training dan 30 data test. Sehingga diperoleh hasil pendeteksian yang dapat dikatakan berhasil dengan nilai akurasi terbaik dan stabil untuk ketiga objek menggunakan parameter epoch 10 dan batchsize 4dengan hasil akurasi keseluruhan 72% .
References
A. Santoso dan G. Ariyanto, “IMPLEMENTASI DEEP LEARNING BERBASIS KERAS UNTUK PENGENALAN WAJAH,” Jurnal Teknik Elektro, vol. 18, no. 01, hlm. 15–21, 2018, [Daring]. Tersedia pada: https://www.mathworks.com/discovery/convol
A. I. Muslim, “ROBOT,” 2022. [Daring]. Tersedia pada: https://www.researchgate.net/publication/364315540
J. Sahertian dan M. M. Verlianto, “SISTEM PENDETEKSIAN BOLA PADA ROBOT SEPAKBOLA BERODA BERBASIS FILTER WARNA,” 2018.
D. J. P. Manajang, S. R. U. A. Sompie, dan A. Jacobus, “Implementasi Framework Tensorflow Object Detection Dalam Mengklasifikasi Jenis Kendaraan Bermotor,” Jurnal Teknik Informatika , vol. 15, no. 3, 2020.
E. N. Arrofiqoh dan Harintaka, “IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI TANAMAN PADA CITRA RESOLUSI TINGGI,” GEOMATIKA, vol. 24, no. 2, hlm. 61, Nov 2018.
R. Darma Nurfita dan G. Ariyanto, “IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI,” 2018.
M. Arsal, B. Agus Wardijono, dan D. Anggraini, “Face Recognition Untuk Akses Pegawai Bank Menggunakan Deep Learning Dengan Metode CNN,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 6, no. 1, hlm. 55–63, Jun 2020, doi: 10.25077/teknosi.v6i1.2020.55-63.
P. R. Aningtiyas, A. Sumin, dan S. Wirawan, “Pembuatan Aplikasi Deteksi Objek Menggunakan TensorFlow Object Detection API dengan Memanfaatkan SSD MobileNet V2 Sebagai Model Pra - Terlatih,” Jurnal Ilmiah Komputasi, vol. 19, no. 3, Mar 2020, doi: 10.32409/jikstik.19.3.68.
F. Charli, H. Syaputra, M. Akbar3, S. Sauda, dan F. Panjaitan, “Implementasi Metode Faster Region Convolutional Neural Network (Faster R-CNN) Untuk Pengenalan Jenis Burung Lovebird,” 2020. [Daring]. Tersedia pada: https://journal-computing.org/index.php/journal-ita/index
“Pengenalan Banyak Objek Menggunakan OpenCV”.
K. Seetala, W. Birdsong, dan Y. B. Reddy, “Image classification using tensorflow,” dalam Advances in Intelligent Systems and Computing, Springer, 2019, hlm. 485–488.
A. Cardoso, J. Leitão, dan C. Teixeira, “Using the Jupyter Notebook as a Tool to Support the Teaching and Learning Processes in Engineering Courses,” dalam Advances in Intelligent Systems and Computing, Springer Verlag, 2019, hlm. 227–236. doi: 10.1007/978-3-030-11935-5_22.
T. Bezdan dan N. Bačanin Džakula, “Convolutional Neural Network Layers and Architectures,” Singidunum University, Mei 2019, hlm. 445–451.
A. Rahim dan E. Taufiq Luthfi, “CONVOLUTIONAL NEURAL NETWORK UNTUK KALASIFIKASI PENGGUNAAN MASKER,” 2020.
I. Ahmed, M. Ahmad, A. Ahmad, dan G. Jeon, “IoT-based crowd monitoring system: Using SSD with transfer learning,” Computers and Electrical Engineering, vol. 93, Jul 2021, doi: 10.1016/j.compeleceng.2021.107226.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2023 Alex Rahma Diansyah, Julian Sahertian, Danang Wahyu Widodo