PREDIKSI SUDUT ELEVASI MENGGUNAKAN METODE DEEP LEARNING DENGAN INPUT DATA KAMERA RGB-D

Yahya Abdurrahman, Dr.Eng. Igi Ardiyanto, S.T., M.Eng.; Ir. Adha Imam Cahyadi, S.T., M.Eng., D.Eng., IPM.

2022 | Skripsi | S1 TEKNIK ELEKTRO

Pada laporan tugas akhir ini akan dipaparkan penelitian berupa prediksi sudut elevasi. Sudut elevasi merupakan salah satu input yang penting pada berbagai sistem otomasi. Bidang-bidang tersebut diantaranya robotika, self-driving car dan otomasi industri. Sudut elevasi diantaranya menjadi salah satu penentu keluaran aktuasi dan pemilihan jalur navigasi. Metode yang akan digunakan pada penelitian adalah deep learning. Metode deep learning dipilih karena sudah banyak berhasil memberikan hasil yang memuaskan pada berbagai bidang yang berhubungan dengan computer vision. Permasalahan yang ada adalah bagaimana sebuah algoritma deep learning dapat memprediksikan sudut elevasi dengan input dari kamera RGBD. Input kamera digunakan karena kamera telah menjadi komponen yang umum digunakan di bidang otomasi. Data depth diambil karena dinilai memiliki korelasi yang baik dengan sudut elevasi. Dengan metode deep learning dibandingkan beberapa percobaan. Percobaan yang dilakukan diantaranya membandingkan performa training dari lingkungan pengambilan data dan pengaturan parameter training. Dengan kamera realsense R200 didapat hasil pengambilan data secara indoor menghasilkanperforma yang lebih baik. Dari parameter learning rate, pada penelitian ini performa terbaik dicapai dengan nilai learning rate 10-5 dengan nilai MAPE minimum 61,29 pada dataset indoor.

The main topic in this thesis is predicting the value of elevation angle. Elevation angle is selected because it's one of the main input in automation system such as robotics, self-driving car and industrial automation system. Elevation angle can be used as input for actuation and trajectory planning in navigation. The method used for predicting elevation angle is deep learning. Deep learning is chosen because this method has a good reputation in solving computer vision problem. The input used in this method is depth images from RGB-D camera. Camera input is used because it generally used in automation system. Depth image is assumed to have a good correlation with elevation angle. With deep learning method some experiment will be done. Such as training performance from where the dataset is taken, and how training parameter affect training performance. With realsense R200 camera as input it is determine that the dataset taken indoor have better training performance. From learning rate parameter, in this experiment best performance is achieved with the value of 10-5 with minimum MAPE value of 61.29 in indoor dataset.

Kata Kunci : Sudut elevasi, Deep Learning, Regression, CNN, FCN, Mean Average Percentage Error