<![CDATA[Penelitian ini mengembangkan prototipe sistem penargetan otomatis berbasis kecerdasan buatan untuk simulasi laboratorium dengan mengintegrasikan YOLOv8 yang dijalankan pada PC host, kamera computer vision, ESP32 sebagai pengendali aktuator servo, dan antarmuka web berbasis Flask. Sistem mendukung deteksi objek secara real-time, kontrol proporsional, serta antarmuka web dengan mode manual dan otomatis serta kontrol menggunakan perintah suara. Model utama YOLOv8 yang digunakan adalah redball.pt yang dilatih menggunakan dataset sebanyak 353 gambar, terdiri dari 247 data train, 71 data valid, dan 35 data test. Hasil pengujian menunjukkan inferensi YOLOv8 pada PC host mampu berjalan pada kecepatan rata-rata 28,4 FPS serta menghasilkan waktu settling rata-rata 2,12 detik, kesalahan posisi 4,8 piksel, dan overshoot sebesar 11,2%. Hasil penelitian menunjukkan bahwa prototipe mampu memberikan presisi penargetan yang baik dan fleksibilitas untuk pengembangan sistem penargetan berbasis Artificial Intelligence (AI) di lingkungan penelitian dan laboratorium terisolasi.]]>
Copyrights © 2026
