<![CDATA[Kontes Robot Indonesia (KRI) merupakan ajang tahunan yang diselenggarakan oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi. Salah satu divisinya, Kontes Robot SAR Indonesia (KRSRI), berfokus pada perancangan robot untuk identifikasi korban bencana. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi korban pada robot KRSRI ITN Malang dengan teknik pengolahan citra dan algoritma K-Nearest Neighbors (KNN) yang dirancang untuk membedakan antara boneka korban asli dan boneka dummy berdasarkan karakteristik warna dan bentuk. Penelitian ini menggunakan Raspberry Pi 3 Model B+ dan kamera Raspi Cam V2 untuk menangkap gambar, yang kemudian diproses menggunakan teknik segmentasi citra untuk mendeteksi boneka korban berwarna jingga, sementara algoritma KNN diterapkan untuk klasifikasi objek. Hasil eksperimen menunjukkan bahwa akurasi deteksi korban bervariasi tergantung pada nilai parameter K dalam algoritma KNN dan jarak antara kamera dengan objek. Pada jarak 10 cm, 15 cm, dan 20 cm, akurasi tertinggi yang dicapai adalah 100% untuk beberapa nilai K, sedangkan pada jarak 25 cm, akurasi menurun drastis, hanya mencapai 43,75% hingga 31,25%. Nilai K = 5 memberikan keseimbangan terbaik antara deteksi korban dan minimisasi kesalahan klasifikasi. Studi ini menyimpulkan bahwa kombinasi segmentasi warna dan klasifikasi KNN efektif untuk membedakan boneka korban asli dan dummy, namun akurasi deteksi menurun seiring bertambahnya jarak objek, sehingga diperlukan optimasi lebih lanjut pada penelitian berikutnya.]]>
Copyrights © 2025
