<![CDATA[Penentuan posisi sangatlah penting untuk pergerakan robot dalam ruangan tertutup (indoor). Salah satu penentuan posisi yang dapat digunakan adalah dead reckoning. Dead reckoning adalah sistem navigasi berdasarkan lokasi awal relatif yang diketahui kemudian secara bertahap mengintegra-sikan jarak yang ditempuh dan arah perjalanan untuk mengetahui titik lokasi selanjutnya. Karena termasuk sistem navigasi inersia yang menggunakan Inertial Measurement Unit (IMU), untuk melakukan prediksi posisi maka dilakukan perhi-tungan gabungan dari sensor giroskop, akseleromoter, dan magnetometer. Pada penelitian ini, akan menerapkan model deep learning, yaitu Multilayer Perceptron (MLP). Sehingga dapat memberikan prediksi posisi berdasarkan data dari sensor IMU. Kemudian dari model yang telah dibuat akan dimasukkan ke mikrokontroler. Penggunaan mikrokontroler karena uku-rannya yang kecil sehingga dapat diterapkan di robot kecil. Berbagai macam mikrokontroler saat ini, diantaranya Arduino nano, STM32F103C8T6, dan Raspberry Pi Pico. Pada pene-litian ini memilih menggunakan mikrokontroler Raspberry Pi Pico karena memiliki beberapa keunggulan dari segi memori flash, SRAM dan kecepatan prosesornya dibandingkan mikrokontroler lainnya. Hal ini untuk menunjang penggunaan model Multilayer Perceptron ke dalam mikrokontroler. Model Multilayer Perceptron yang dibuat akan bervariasi untuk menemukan model yang ideal untuk sistem Dead reckoning. Berdasarkan hasil dari pengujian model Multilayer Perceptron ke perangkat mikrokontroler Raspberry Pi Pico, maka dihasil-kan model yang ideal, yaitu model Multilayer Perceptron tanpa berbasis time series dengan 3 hidden layer dengan nodes masing-masing sebesar 250, 125, dan 30. Model ini dipilih karena meng-hasilkan nilai metrik R-Square sebesar 0,7452684 pada pengu-jian di perangkat mikrokontroler Raspberry Pi Pico.]]>
Copyrights © 2024
