<![CDATA[Robot terapung Greeniebot memanfaatkan sensor IMU MPU6050 sebagai sumber utama untuk mengestimasi posisi pada lintasan lurus di area pertanian bawang. Namun, IMU low-cost memiliki noise tinggi, bias, serta drift integrasi yang menyebabkan akurasi estimasi posisi menurun. Penelitian ini mengusulkan kombinasi Gated Recurrent Unit (GRU) sebagai learned denoiser dan Extended Kalman Filter (EKF) untuk meningkatkan kualitas estimasi posisi. Pengujian dilakukan pada lintasan maju 2 meter dan kembali ke titik awal, masing-masing sebanyak lima kali run. Hasil menunjukkan bahwa pra-pemrosesan awal mampu mereduksi noise IMU sebesar 36–41%, sedangkan GRU-denoising meningkatkan reduksi noise hingga 62–68% pada kanal akselerometer dan giroskop. Pada estimasi posisi maju (0 menuju 2 m), metode tanpa GRU menghasilkan error rata-rata 0.33 m, sedangkan metode GRU+EKF menurunkannya menjadi 0.08 m atau meningkat 76%. Pada lintasan mundur (2 menuju 0 m), error rata-rata turun dari 0.07 m menjadi 0.02 m setelah penerapan GRU+EKF. Grafik lintasan memperlihatkan bahwa metode tanpa GRU menghasilkan penyimpangan Y hingga 0.3–0.35 m, sedangkan GRU+EKF mampu menjaga lintasan tetap rapat, halus, dan mendekati garis ideal. Hasil penelitian menegaskan bahwa integrasi GRU-denoising dan EKF secara signifikan meningkatkan stabilitas sinyal IMU dan akurasi estimasi posisi robot terapung.]]>
Copyrights © 2025
