Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Mahasiswa TEUB
Kamila, Farahdina Intan
Unknown Affiliation
Education

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
DETEKSI ANOMALI PERGERAKAN ROBOT UR3e MENGGUNAKAN METODE HYBRID BIDIRECTIONAL LONG SHORTTERM MEMORY DAN CONVOLUTIONAL NEURAL NETWORK (CNN) Kamila, Farahdina Intan; Muslim, Muhammad Aziz; Nusantoro, Goegoes Dwi
Jurnal Mahasiswa TEUB Vol. 13 No. 3 (2025)
Publisher : Jurnal Mahasiswa TEUB

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Anomali pada pergerakan robot dalam sistemotomasi industri dapat menyebabkan kerusakan perangkatdan mengganggu operasional. Penelitian ini mengusulkanmetode deteksi anomali pada robot UR3e menggunakanpendekatan hybrid Convolutional Neural Network (CNN)dan Bidirectional Long Short-Term Memory (Bi-LSTM).Dataset yang digunakan merupakan data IMU(akselerometer, giroskop, dan magnetometer) daripergerakan robot dalam kondisi normal dan anomali, yangkemudian diproses melalui normalisasi dan segmentasisliding window. Model dilatih menggunakan berbagaikombinasi hyperparameter yang dioptimalkan denganmetode Bayesian Optimization, Random Search, danHyperband. Hasil terbaik diperoleh melalui Hyperbanddengan akurasi 99,93%, precision 1.0, recall 0.9985, dan F1-score 0.9993. Pendekatan hybrid ini terbukti efektif dalammengenali anomali secara presisi dan efisien, serta berpotensibesar diimplementasikan dalam sistem monitoring robotsecara real-time.Kata kunci: Deteksi anomali, robot UR3e, CNN, Bi-LSTM,deep learning, Hyperparameter Tuning.
Co-Authors Goegoes Dwi Nusantoro Muhammad Aziz Muslim