<![CDATA[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.]]>
Copyrights © 2026
