<![CDATA[Kebutuhan akan otomasi robot lengan di berbagai industri menjadi alasan utama untuk pengembangan sistem robot lengan cerdas. Penggunaan robot lengan dalam dunia industri sangat mengandalkan akurasi posisi dalam pemindahan objek. Akurasi ini ditentukan oleh kemampuan sistem dalam menghitung konfigurasi sudut tiap sendi robot secara tepat, yang dapat dicapai melalui metode inverse kinematics. Selain itu, kemampuan dalam mengenali dan memilah objek secara otomatis menjadi hal yang penting, sehingga diperlukan integrasi dengan sistem pengolahan citra. Penelitian ini mengembangkan sistem robot lengan 4-DOF yang menggunakan metode inverse kinematics utnuk pergerakan dan algoritma YOLO (You Only Look Once) sebagai pendeteksi objek secara real-time. Dataset citra terdiri dari 2128 citra yang dibagi menjadi 1706 citra pelatihan, 294 citra validasi, dan 128 citra pengujian. Dataset citra diperoleh melalui proses ekstraksi frame dari video yang diambil langsung dari atas (top-view) terhadap objek. Sistem ini terdiri dari kamera, Raspberry Pi, Arduino, dan robot lengan. Kamera menangkap area kerja, kemudian Raspberry Pi memproses citra dan mengirimkan data koordinat serta jenis objek ke Arduino untuk menghitung konfigurasi inverse kinematics. Robot lengan selanjutnya bergerak untuk mengambil dan memindahkan objek. Hasil pengujian menunjukkan bahwa deteksi objek mencapai tingkat kesesuaian 100% terhadap 4 kategori objek yang digunakan. Pada pengujian koordinat objek, hasil pengukuran kesalahan dalam ruang Euclidean 3 dimensi sebesar 0,77 cm. Penelitian ini menunjukkan kombinasi metode inverse kinematics dan algoritma YOLO dapat diterapkan secara efektif dalam robot lengan untuk memindahkan objek secara otomatis dengan tingkat akurasi yang baik. Abstract The need for automation of arm robots in various industries is the main reason for the development of intelligent arm robot systems. The use of arm robots in the industrial world relies heavily on positional accuracy in moving objects. This accuracy is determined by the system's ability to calculate the exact angular configuration of each robot joint, which can be achieved through the inverse kinematics method. In addition, the ability to recognize and sort objects automatically is important, so integration with image processing systems is needed. This research develops a 4-DOF robotic arm system that uses the inverse kinematics method for movement and the YOLO (You Only Look Once) algorithm for real-time object detection. The image dataset consists of 2128 images divided into 1706 training images, 294 validation images, and 128 testing images. The image dataset is obtained through the process of extracting frames from videos taken directly from the top-view of objects. The system consists of a camera, Raspberry Pi, Arduino, and robot arm. The camera captures the work area, then the Raspberry Pi processes the image and sends the coordinate data and object type to the Arduino to calculate the inverse kinematics configuration. The robot arm then moves to pick up and move the object. The test results show that object detection achieves a 100% match rate for the 4 object categories used. In the object coordinate test, the error measurement result in 3-dimensional Euclidean space is 0.77 cm. This research shows that the combination of inverse kinematics method and YOLO algorithm can be effectively applied in a robot arm to move objects automatically with a good level of accuracy.]]>
