Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKPenelitian ini melaporkan tingkat keberhasilan dari sistem speech recognition yang diimplementasikan ke dalam quadcopter sebagai kendali geraknya. Pada sistem speech recognition digunakan metode mel frequency cepstral coefficient MFCC sebagai feature extraction yang kemudian akan di-training menggunakan metode recursive neural network RNN . Metode MFCC sendiri merupakan salah satu metode feature extraction yang paling banyak digunakan untuk speech recognition. Metode tersebut memiliki tingkat keberhasilan yang cukup besar sekitar 80 - 95 . Pada penelitian ini akan digunakan database yang sudah ada dan database yang baru. Database yang sudah ada akan digunakan sebagai media pengukur tingkat keberhasilan metode RNN. Database yang baru akan dibuat menggunakan bahasa indonesia dan kemudian dibandingkan tingkat keberhasilannya dengan hasil dari database yang sudah ada. Suara yang masuk dari microphone akan diolah pada laptop yang telah memiliki modul DSP dengan metode MFCC untuk mendapatkan nilai karakteristiknya. Nilai karakteristik tersebut kemudian akan di-training menggunakan RNN yang hasilnya berupa perintah. Perintah tersebut akan menjadi input kendali bagi single board computer SBC yang hasilnya berupa pergerakan quadcopter.

---

ABSTRACTThis research reports a success rate of speech recognition systems that are implemented into quadcopter as motion control. Speech recognition system is using mel frequency cepstral coefficient method MFCC as feature extraction that will be trained using recursive neural network method RNN . MFCC method is one of the feature extraction method that most used for speech recognition. This method has a success rates about 80 95 . This research will use the existing database and the new database. Existing database will be used for measure the success rate of RNN method. The new database will be created using Indonesian language and then the success rate will be compared with results from an existing database. Sound input from the microphone will be processed on a laptop that has a DSP module with MFCC method to get the characteristic values. The characteristic values then will be trained using the RNN which result is command. The command will become a control input to the single board computer SBC which result is the movement of quadcopter."

"ABSTRAKEvolusi interaksi manusia dengan mesin sudah dimulai sejak beberapa dekade yang lalu. Antarmuka pengguna User Interface, UI manusia dengan mesin selalu berkembang ke arah yang memudahkan penggunanya. Bermula dari Command Line Interfaces atau CLI Antarmuka Perintah Baris , kemudian berkembang ke arah Graphical User Interfaces atau GUI Antarmuka Grafik, gambar yang saat ini lumrah kita gunakan, hingga UI yang akan mudah dikenali oleh pengguna yang awam, yakni Natural User Interfaces atau NUI Antarmuka Natural . Dua jenis NUI yang banyak digunakan adalah gestur tubuh dan suara. Penelitian ini melaporkan pengembangan sistem kendali gerak quadcopter berbasis gestur tubuh dengan menggunakan sensor gerak Kinect. Kinect yang merupakan perangkat dengan kamera dan proyektor inframerah mampu mendeteksi pergerakan tubuh manusia dan menerjemahkannya ke dalam skeleton, yakni titik-titik sendi tubuh yang dihubungkan oleh garis. Sepuluh titik sendi ini kemudian dijadikan parameter dalam algoritma sistem kendali. Kombinasi dua hingga tiga titik sendi digunakan untuk mengendalikan satu gerakan dasar. Gerakan quadcopter yang dirancang meliputi tujuh gerakan dasar serta serangkaian perintah tugas terbang Task Command quadcopter. Masing-masing perintah terbang memiliki sebuah gestur yang diwakili 2-3 titik sendi yang ditetapkan sebagai input perintah gerak. Setiap gestur yang telah ditetapkan memiliki parameter tertentu. Ketika parameter tersebut terpenuhi, maka perintah terbang akan dikirim kepada quadcopter, dan perintah tersebut dianggap sebagai input kendali. Penelitian ini juga melaporkan tingkat keberhasilan masing-masing perintah gerak dasar, yang mana tingkat keberhasilan dari ketujuh gerak dasar tadi bervariasi antara 80,8 hingga 96,0.

---

ABSTRAKHuman Machine interaction evolution has started a few decades ago. Human Machine user interface has been developed to be an easy tool to use by the user. Begins from Command Line Interface CLI to Graphical User Interface or GUI, which is very common to use and latest, the User Interface which will be easily recognizable for common user called Natural User Interface NUI . The two most widely used types of NUIs are body gesture and sound. This research reports a developed system of Quadcopter control system based on body gesture using Kinect motion sensor. Kinect is a device with camera and infra red projector that can detect human body movement and translate it to skeleton, i.e. joint points of the body connected by lines. This ten joint points become parameter in control system algorithm. Combination of two or three is used to controlling one basic movement. The designed Quadcopter movement consists of 7 basic movement and series of task commands of Quadcopter. Each flying command has a specified gesture represented by two or three joint point which set as an input of a command movement. Each gesture that has been set has specified parameter. When it fulfilled, the a flying command will be sent to the Quadcopter, and that command is considered as control input. This study also reports success rates of each basic movement, which from the seven basic movement is varied from 80,8 until 96,0 . "

"ABSTRAKPada penelitian ini menjelaskan bagaimana pengenalan suara otomatis menggunakan bahasa daerah yang berasal indonesia yaitu bahasa sunda, yang dapat mengontrol alat-alat elektronik pada suatu rumah. Bahasa sunda merupakan bahasa daerah dengan penuturan terbanyak kedua di indonesia setelah bahasa jawa. Pengenalan suara menggunakan bahasa sunda dilakukan pada penelitian ini dengan tujuan dapat mengontrol beberapa alat elektronik didalam rumah secara langsung dengan akurasi yang baik. Adapun metode yang digunakan dalam pengenalan suara bahasa sunda adalah metode ekstraksi Mel Frequency Cepstral Coefficient (MFCC) dan metode classifikasi jaraingan saraf tiruan berbasis algoritma backpropagation. Ada 16 intruksi bahasa sunda yang digunakan dalam pengenalan suara sebagai input pada sistem, setiap instruksi memiliki 2 sampai 3 suku kata bahasa sunda. Output yang digunakan penulis dalam penelitian ini sebanyak 6 alat elektronik rumah tangga, untuk menghidupkan atau mematikan satu output dikontrol menggunakan 2 instruksi bahasa sunda. Data suara yang digunakan dalam proses pembelajaran algoritma backpropagation adalah sebanyak 480 data yang masing-masing instruksi bahasa sunda adalah 30 data suara yang sama, hasil dari proses pembelajaran adalah berupa bobot yang dapat digunakan untuk proses pengetesan hardware, berdasarkan hasil percobaan langsung didapat tingkat akurasi pengenalan sebesar 96.875% saat dilakukan testing terhadap sistem.

---

ABSTRACTIn this study explain how automatic speech recognition uses regional languages that originate from Indonesia, namely Sundanese language, which can control electronic devices in a home. Sundanese is the second most spoken local language in Indonesia after Javanese. Voice recognition using Sundanese language was carried out in this study to be able to directly control several electronic devices in the house with good accuracy. The method used in Sundanese speech recognition is the Mel Frequency Cepstral Coefficient (MFCC) extraction method and the artificial neural network classification method based on the backpropagation algorithm. There are 16 Sundanese language instructions used in speech recognition as input to the system; each instruction has 2 to 3 Sundanese language syllables. The output used by the author in this study was five household electronic devices, to turn on or turn off one output controlled using 2 Sundanese language instructions. Sound data used in the learning process of the backpropagation algorithm is 480 data, each Sundanese language instruction is 30 of the same sound data, the results of the learning process are in the form of weights that can be used for hardware testing, based on the results of direct experiments 96.875 % when testing the system."

"ABSTRAKPerkembangan teknologi Quadcopter saat ini telah berkembang dengan pesat. Selain digunakan untuk keperluan riset yang sudah banyak tersedia, juga sebagai mainan/hobi dari yang sederhana hingga yang advamce. Quadcopter ini umumnya dilengkapi dengan autopilot. Pixhawk adalah salah satu autopilot yang sering digunakan. Autopilot ini dapat menggunakan firmware Ardupilot ataupun PX4. Pada umumnya, komunitas menggunakan firmware Ardupilot.Disini akan ditelaah sistem kontrol pada ardupilot, koneksi diagram, dan sistem yang terdapat didalamnya. Pembahasan juga dikorelasikan dengan konsep teorinya. Sehingga dapat memudahkan pembaca untuk mengerti dan memahami cara kerja dari sistem kendali autopilot pada quadcopter. Sebagai kesimpulan, arducopter merupakan sistem autopilot yang cukup kompleks dan berhasil diterapkan di lapangan. Sistem ini meliputi berbagai macam pembacaan sensor dan pengolahan data yang baik. Sehingga sistem ini layak digunakan sebagai autopilot untuk riset dan pengembangan lainnya.

---

ABSTRACTQuadcopter technology development has advanced so fast. Beside the usage in research, quadcopter is also used as toys for kids or hobbyist ranging to the advanced one. Quadcopter usually equipped with an autopilot. Pixhawk is one of the most used autopilot. This Autopilot can use Ardupilot or PX4 firmware. Mostly, community are using Ardupilot firmware. In this project, control system, connection diagram and system in Ardupilot will be examined. The discussion will be corelated with the theory. So then it will be easier for reader to understand how the control system of quadcopter works. As summary, Arducopter is a complex autopilot system and can be applied in the field. This system covers a lot of sensors reading and a good data management. Hence, this system can be used properly as autopilot for research or other purpose. "

"ABSTARCTDewasa ini UAV atau Unmanned Aerial Vechicles telah mengalami perkembangan yang sangat pesat. Hal ini dikarenakan UAV yang telah diaplikasikan dalam berbagai bidang, seperti militer, industry, pendidikan, dll. Pada dasarnya, UAV memiliki berbagai jenis dan yang cukup terkenal adalah multirotor. Dalam penelitian ini, multirotor yang digunakan adalah multirotor yang memiliki empat buah motor atau yang biasa disebut quadrotor. Tantangan terbesar dalam melakukan pengembangan terhadap sistem quadrotor adalah pembuatan algoritma pengendali bagi quadrotor. Untuk mengurangi kemungkinan terjadinya kesalahan dari algoritma pengendali, maka suatu simulasi digunakan untuk mensimulasikan algoritma pengendali. Beberapa simulasi yang biasa digunakan, seperti MATLAB hanya dapat mensimulasikan persamaan matematis dari quadrotor. Sedangkan simulasi yang digunakan harus dapat merepresentasikan dinamika model dari quadrotor, menerapkan hukum fisika, serta memvisualisasikan wahana secara tiga dimensi. Untuk itu penulis menggunakan simulator Gazebo. Lalu perangkat lunak tambahan bernama ROS Robot Operating System digunakan untuk menerapkan persamaan matematis quadrotor serta algoritma pengendali yang digunakan. Dalam penelitian ini, digunakan library MAVROS pada ROS untuk mengakses sensor serta menggerakan actuator quadrotor. Berbagai mekanisme penerbangan yang akan diuji adalah perhitungan kecepatan dan akselerasi maksimum, kendali trayektori, serta pergerakan dengan velocity profile. Berdasarkan pengujian tersebut, Gazebo dan ROS dapat digunakan untuk memodelkan dan mensimulasikan quadrotor dengan baik. Selain itu, didapatinya pula hasil percobaan untuk berbagai mekanisme penerbangan.

---

ABSTARCTNowadays UAV or Unmanned Aerial Vechicles has been progressing very rapidly. This is because the UAV has been applied in various fields, such as military, industry, education, etc. Basically, UAVs have various types and the most famous one is multirotor. In this study, multirotor used has four motors or commonly called quadrotor. The biggest challenge in developing the quadrotor system is the design of a controller algorithm for quadrotor. To reduce the likelihood of error occurring from the control algorithm, a simulation is used to simulate the control algorithm. Some commonly used simulations, such as MATLAB can only simulate the mathematical equations of quadrotor. While the simulation used should be able to represent the dynamics of the model of the quadrotor, apply the laws of physics, and visualize the vehicle in three dimensions. Therefore, author uses Gazebo simulator. Then additional software called ROS Robot Operating System is used to apply quadrotor mathematical equations and control algorithms. In this study, MAVROS package in ROS is used to access the sensor and move the actuator of the quadrotor. The various flight mechanisms to be tested are the calculation of speed and maximum acceleration, control of the trajectory, as well as movement with velocity profile. Based on these tests, Gazebo and ROS can be used to model and simulate quadrotor well. In addition, the proposed method is evaluated through experiments for various flight mechanisms."

"ABSTRAKNavigasi otomatis pada drone sedang banyak dikembangkan dari berbagai macam jenis drone dan fungsi otomasinya. Drone yang digunakan pada skripsi ini berupa pesawat dengan empat buah baling-baling atau quadcopter. Skripsi ini membahas tentang sistem otomasi drone dengan menggunakan metode image processing. Tahapan yang pertama pada metode ini adalah feature detection untuk membaca tepi-tepi atau ujung dari suatu benda berdasarkan metode Shi-Tomasi. Data yang didapatk akan diolah pada tahapan optical flow. Tahapan ini dilakukan untuk menentukan jarak atau keberadaan suatu benda yang didasari oleh metode Lucas-Kanade. Namun karena sifatnya yang otomatis, drone tidak dapat terhindar dari kecelakaan jika terjadi kesalahan pembacaan hasil gambar. Untuk mengurangi kesalahan pembacaan, penulis menambahkan sistem sensor ultrasonik. Dengan pembacaan pada jarak tertentu sensor akan membantu pembacaan rintangan yang berada pada lintasan. Pengolahan citra sistem otomasi drone akan diuji coba dengan software OpenCV dan Microsoft Visual Studio. Selanjutnya akan diunduh pada Robot Operating System ROS pada drone. Visual feedback control berbasis pengendali PID digunakan sebagai kendali pengerak drone. Drone yang digunakan pada skripsi ini berupa pesawat dengan empat buah baling-baling atau quadcopter. Disini akan dibahas bagaimana cara kerja antara sensor kamera dan sensor ultrasonik bekerja terintegrasi secara bersamaan agar drone dapat menghindari rintangan secara otomatis.

---

ABSTRACTAutomatic navigation on the drone is being developed on these days, from a wide variety of types of drones and its automatic functions. Drones used in this study is an aircraft with four propellers or quadcopter. This research discusses the drone automation system using image processing methods. The first stages in this method is the feature detection to read the edges or corner of an object based on the Shi Tomasi method. Then the data will be processed on the of optical flow phases. This stage will determine the distance or the presence of an object based on the Lucas Kanade method. Furthermore, the object distance is close and there on the track drones will be grouped and considered as obstacles using grouping stage based on the method of K means. But because it is automatic, drones can rsquo t avoid an accident if an error occurs reading the images. To reduce reading errors, the author adds ultrasonic sensor system. With a reading at a certain distance, sensor helps readings obstacles that are on the track. Drone image processing automation system will be tested with OpenCV software and Microsoft Visual Studio. Next the program will be downloaded on the Robot Operating System ROS on the drone. Visual feedback control based PID controllers are used as a control of drones movement. This paper will be discussed how to work the camera sensor and ultrasonic sensor working together so that the drones can avoid obstacles automatically."

"Quadcopter merupakan wahana terbang yang memiliki 4 rotor bersifat underactuated. Sifat quadcopter yang merupakan sistem yang kompleks akibat coupling antar variabelnya menjadikan desain pengendali yang cukup rumit. Diperlukan adanya pengendali yang mudah untuk dapat diaplikasikan pada quadcopter. Untuk melakukan percobaan pengaplikasian pengendali pada quadcopter, sistem pengendali tersebut harus dilakukan percobaan pada simulasi untuk mengetahui hasilnya. Oleh karena itu, peneliti mengusulkan pengendalian DIC yang berbasis deep neural networks (DNN) dan long-short term memory (LSTM) diujikan pada simulator sebelum akhirnya pada quadcopter asli. LSTM digunakan memiliki arsitektur pendukung untuk data sekuensial sebagaimana pergerakan trajektori. Sistem kendali dengan LSTM ini dihasilkan galat MSE yang lebih rendah dibanding DNN. Kinerja LSTM lebih baik dibandingkan dengan DNN. Selain itu, terdapat beberapa faktor – faktor terjadi peningkatan galat ketika diintegrasikan pada simulator Gazebo untuk bahan evaluasi terhadap pengendali berbasis yang sama diaplikasikan pada quadcopter aslinya.

---

Quadcopter is a flying vehicle that has 4 rotors that are underactuated. The nature of the quadcopter which is a complex system due to the coupling between the variables makes the controller design quite complicated. An easy controller is needed to be applied to the quadcopter. In order to experiment with the application of the controller on the quadcopter, the control system must be experimented with in a simulation to find out the results. Therefore, the researcher proposes that DIC control based on Deep Neural Network and Long-Short Term Memory be tested on a simulator before finally on a real quadcopter. LSTM is used to have a supporting architecture for sequential data as well as trajectory movement. The controller with this LSTM produces a lower MSE error than DNN. LSTM performance is better compared to DNN. In addition, there are several factors that increase the error when integrated into the simulator for evaluation of the same based controller applied to the original quadcopter."