PERBANDINGAN METODE NEURAL NETWORK DAN BIRD VIEW UNTUK MENGENALI LINTASAN PADA SELF-DRIVING MOBILE ROBOT

Perkembangan kendaraan autonomous banyak diminati oleh sebagian besar peneliti dan perusahaan kendaraan otomotif. Kendaraan autonomous memiliki kemampuan untuk merasakan lingkungan sekitar dan navigasi tanpa campur tangan manusia. Manfaat potensial kendaraan autonomous termasuk pengurangan biaya infrastruktur, peningkatan keselamatan dengan pengurangan kecelakaan lalu lintas yang signifikan. Penelitian ini memperkenalkan robot autonomous yang merupakan versi diperkecil dari kendaraan self-driving aktual dan dirancang dengan bantuan jaringan saraf tiruan. Fokus utamanya adalah membangun robot autonomous dan melatihnya di lintasan yang sudah dirancang dengan bantuan jaringan saraf tiruan sehingga dapat berjalan secara mandiri tanpa pengontrol atau pengemudi di lintasan tertentu. Robot akan melakukan streaming video dengan kamera yang terpasang pada mobile robot lalu diproses oleh Raspberry pi, dengan metode bird view dan metode neural network sebagai kecerdasan buatan akan memproses input kamera menjadi gerakkan robot. Hasil pengujian mobile robot dalam mengenali lintasan dengan menggunakan metode neural network mendapat error sebesar 3,5112 cm. Sedangkan, hasil error dari metode bird view menghasilkan error sebesar 0,71 cm. pengenalan rambu – rambu lalu lintas menggunakan neural network pada pengujian mendapatkan akurasi sebesar 82% dengan 7 rambu – rambu lalu lintas yang bisa dikenali.