OPTIMASI DETEKSI BOLA PADA ROBOT SEPAK BOLA BERODA MENGGUNAKAN METODE TRANSFORMASI MORFOLOGI UNTUK MENINGKATKAN JARAK DETEKSI BOLA
Kata Kunci:
Bola, Jarak Bola, Omnidirectional Camera, Robot, Transformasi MorfologiAbstrak
Robot sepak bola beroda harus mempunyai kemampuan utama seperti kemampuan menemukan bola, posisi gawang, dan menendang bola. Hal pertama yang harus bisa dilakukan oleh robot adalah mendeteksi adanya bola. Pendeteksian bola pada robot menggunakan omnidirectional camera yang mempunyai area pandang 360 derajat secara horizontal. Omnidirectional camera menggunakan cermin cembung, hal itu menyebabkan objek yang berada di dekat robot terlihat lebih besar dari bentuk aslinya, yang sedikit jauh objek akan terlihat lebih kecil, oleh karena itu ketika jarak bola lebih dari 8 Meter maka ukuran bola terlalu kecil untuk dapat diidentifikasi oleh robot, sedangkan ukuran lapangan untuk kontes Wilayah 7 x 9 Meter, sedangkan untuk kontes Nasional 10 Meter x 12 Meter. Dengan lapangan seluas itu tidak sebanding dengan kemampuan robot dalam mendeteksi bola dengan jarak yang tidak jauh. Dalam penelitian ini menerapkan metode Transformasi Morfologi pada proses mendeteksi bola, yaitu mengubah struktur bentuk bola dan menghilangkan noise yang terdeteksi. Dari pengujian yang telah dilakukan dengan target pendeteksian jarak diagonal lapangan yaitu 15,6 Meter, persentase perbandingan jarak yang bisa dideteksi dengan jarak target deteksi tanpa transformasi morfologi sebesar 51,22% pada kondisi cahaya normal maupun cerah, sedangkan dengan transformasi sebesar 96,03% pada kondisi cahaya normal maupun cerah.
Referensi
Badan Pusat Statistik, "Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis, 1949-2018," 1 Januari 2019. [Online]. Available: www.bps.go.id/linkTableDinamis/view/id/1133. [Accessed 9 Februari 2021].
G. M. Nayazri, "Indonesia Masih Jadi Pasar Sepeda Motor Ketiga di Dunia," 2 Desember 2017. [Online]. Available: www.otomotif.kompas.com/read/2017/12/02/082200615/indonesia-masih-jadipasar-sepeda-motor-ketiga-di-dunia. [Accessed 9 Februari 2021].
A. Arianto, "Kendaraan Bermotor di Indonesia Terbanyak di ASEAN," 19 Agustus 2011. [Online]. Available:
www.gooto.com/read/352572/kendaraan-bermotor-di-indonesia-terbanyak-diasean. [Accessed 9 Februari 2021].
U. E. N. Rochmah and A. Rakhmadi, "PENGGUNAAN AUGMENTED REALITY UNTUK MENSIMULASIKAN DEKORASI RUANGAN SECARA REALTIME," Techno.COM, vol. 15, no. 4, pp. 312-319, November 2016.
P. Baltusis, "On board vehicle diagnostics," SAE Technical Paper , no. 2004-21-0009, 2004.
M. Hirzer, "Marker Detection for Augmented," Seminar/Project Image Analysis Graz, vol. 25, Oktober 2008.
A. Okita, Learning C# Programming with Unity 3D, 2nd ed., Boca Raton: A K Peters/CRC Press, 2019.
Vuforia, "Getting Started with Vuforia Engine in Unity," [Online]. Available: https://library.vuforia.com/articles/Training/getting-started-with-vuforia-inunity.html. [Accessed 27 Agustus 2021].
J. Enterprise, BLENDER UNTUK PEMULA, Jakarta: Elex Media Komputindo, 2016.
P. Hidayatullah, Pengolahan Citra Digital (Teori dan Aplikasinya), Bandung: Informatika, 2017.
A. Khumaidi, Implementasi Pengolahan Video dengan Metode Color Threshold pada Prototype Kapal Pendeteksi Korban Kecelakaan Laut Berbasis Android, Surabaya: Agus Khumaidi, 2015.
F. Y. Shih, Image Processing and Mathematical Morphology, New York: CRC Press, 2009.
M. dan P. Haryanti, “Evaluasi Mutu Gula Kelapa Kristal Beriodium Yang Dibuat Dengan Teknik Fortifikasi Dan Jenis
Bahan Baku Yang Berbeda,” Jawa Tengah, 2006.
Transport Information Sevice, "White Sugar," 1 january 2017. [Online]. Available: https://www.tisgdv.de/tis_e/ware/zucker/weiszuck/weis zuck.htm/. [Accessed 28 1 2021].
L. G. Zhang, "Research on Face Detection Technology Based on MTCNN," International Conference on Computer Network, Electronic and Automation (ICCNEA), 2020.
H. H. Harahap, "DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK," 2016.
M. Z. d. B. Setiyono, "Convolutional Neural Networks untuk Pengenalan Wajah Secara Real-Time," JURNAL SAINS DAN SENI ITS, 2016.
M. I. E. R. Yovi Pratama, "Pengujian Algoritma MTCNN (Multi-task Cascaded Convolutional," JURNAL MEDIA INFORMATIKA BUDIDARMA, 2019.
BASARNAS, "BADAN NASIONAL PENCARIAN DAN PERTOLONGAN (BASARNAS)," 2020. [Online]. Available: https://basarnas.go.id/. [Accessed 2020 Januari 2021].
K. d. G. Badan Meteorologi, "Pusat Meteorologi Maritim," 2018. [Online]. Available: https://maritim.bmkg.go.id/info/1/Peringatan-Dini-GelombangTinggi#:~:text=Tinggi%20gelombang%20yang%20dicantumkan%20dalam,Sangat%20Tinggi%20%3A%200%20%E2%80%93%206.0%20m. [Accessed 14 Januari 2021].
M. A. Raharja and I. M. T. G. Astra, "PREDIKSI KETINGGIAN GELOMBANG LAUT MENGGUNAKAN METODE
BACKPROPAGATION PADA PANTAI LEBIH GIANYAR," Jurnal Ilmiah ILMU KOMPUTER Universitas Udayana, vol. XI, no. 1, 2018.
