Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Maulidiah, Afifah
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

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

Found 1 Documents
Search

 1 
Sistem Deteksi Objek Robot Humanoid Menggunakan Haar Cascade Classifier Maulidiah, Afifah; Setyawan, Gembong Edhi
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 10 No 2 (2026): Februari 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Di Indonesia, pengembangan robot humanoid difasilitasi melalui ajang tahunan Kontes Robot Indonesia (KRI) oleh Pusat Prestasi Nasional (Puspresnas), termasuk divisi Kontes Robot Sepak Bola Indonesia-Humanoid (KRSBI-H). Pada pertandingan KRSBI-H, robot perlu mendeteksi keberadaan robot lain untuk mencegah tabrakan dan mendukung pengambilan keputusan untuk strategi pertandingan. Namun, penelitian yang secara spesifik menyoroti deteksi robot humanoid lain masih terbatas. Penelitian ini mengusulkan sistem deteksi robot humanoid ROBOTIS OP3 berbasis computer vision menggunakan Haar Cascade Classifier. Sistem dikembangkan melalui pengumpulan dataset citra OP3, pelatihan model hingga menghasilkan cascade.xml, serta implementasi pada ROS 2 dengan memanfaatkan citra kamera yang dipublikasikan melalui node kamera. Hasil penelitian menunjukkan algoritma Haar Cascade memiliki accuracy 0,9592, precision 0,9297, recall 0,8375, dan F1-score 0,8812, dengan kesalahan dominan berupa false negative pada kondisi tertentu. Deteksi stabil diperoleh pada rentang jarak 70–320 cm. Pada pencahayaan sedang (30–49 lux), sistem mampu menghasilkan deteksi pada sebagian besar titik uji dengan kestabilan terbaik pada rentang jarak sekitar 120–280 cm. Rata-rata waktu komputasi 0,0137 detik per frame menunjukkan sistem mampu beroperasi real-time secara efisien, dengan penggunaan CPU dan memory yang relatif ringan. Penelitian ini menunjukkan bahwa Haar Cascade Classifier efektif untuk deteksi robot humanoid pada kondisi pengujian yang dilakukan.
Co-Authors Gembong Edhi Setyawan