<![CDATA[Robot humanoid merupakan salah satu bentuk kemajuan di bidang robotika yang dirancang menyerupai bentuk tubuh manusia untuk menjalankan berbagai tugas yang mendukung aktivitas manusia. Robot yang memiliki dua kaki seperti manusia, menyebabkan rentan jatuh saat menjalankan tugasnya. Oleh karena itu, kemampuan untuk mengenali kondisi jatuh sangat penting agar selanjutnya pergerakan robot dapat dikendalikan untuk menghindar dari jatuh. Penelitian ini bertujuan mendeteksi kondisi jatuh pada robot humanoid menggunakan Jaringan Saraf Tiruan (JST) dengan arsitektur yang terdiri dari 10 neuron pada lapisan input, 1 lapisan tersembunyi dengan 16 neuron, dan 11 neuron pada lapisan output untuk merepresentasikan 11 kelas kondisi robot. Hasil penelitian menunjukkan bahwa model dengan satu lapisan tersembunyi dengan 16 neuron menghasilkan akurasi training 0,98. Model di-deploy dengan tiga format yaitu HDF5, TF, dan TF Lite. HDF5 dengan waktu inferensi sebesar 42,03 ms, TF 1,85 ms, dan TF Lite memiliki waktu inferensi tercepat sebesar 0,035 ms. Penelitian ini memberikan kontribusi dalam pengembangan sistem deteksi jatuh robot humanoid dengan mempertimbangkan akurasi dan efisiensi waktu inferensi serta penggunaan sumber daya, dengan penggunaan CPU sekitar 4% dan RAM sebesar 2%.]]>
Copyrights © 2025
