Desain dan implementasi deteksi lubang jalan untuk self driving car mengunakan convolutional neural network / Oemar Syarif Burhan - Repositori Universitas Negeri Malang

Desain dan implementasi deteksi lubang jalan untuk self driving car mengunakan convolutional neural network / Oemar Syarif Burhan

Burhan, Oemar Syarif (2020) Desain dan implementasi deteksi lubang jalan untuk self driving car mengunakan convolutional neural network / Oemar Syarif Burhan. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

Self driving car merupakan sistem otonom pada mobil yang dapat mengendalikan pergerakan kendaraan tanpa bantuan supir. Sistem ini memiliki keuntungan sangat dan pengaruh sangat ampuh. Sebagai contoh self driving car dapat mengalkulasi tingkatan keselamatan sebuah tindakan yang akan dieksekusi ketika terjadi sesuatu seperti tabrakan. Sampai saat ini perusahaan besar memulai berencana membangun kendaraan 100% self-autonomous. Kasus yang masih dalam progress atau masih belum diimplementasikan yaitu menghindari lubang jalan karena dapat membuat kecelakaan atau kerusakan pada kendaraan. Untuk menyelesaikan kasus yang telah disebutkan di atas metode yang digunakan pada penelitian ini adalah menggunakan end-to-end mapping Self Driving Car. Metode ini hanya mengambil gambar yang terekam oleh kamera dan dijadikan sebagai prediksi input pada Convolutional Neural Network (CNN) dan output yang akan diberikan adalah hasil yang digunakan untuk mengendalikan kendaraan. Hal lain yang berpengaruh supaya kendaraan dapat menghindar lubang jalan adalah dataset training yang digunakan memiliki banyak data aktifitas penghindaran lubang jalan. Implementasi penelitian ini dilaksanakan pada game simulator membandingkan performa 3 macam struktur CNN. Hasil yang diperoleh pada penelitian ini adalah Error rate dari hasil validasi data latih dan data uji (dataset sector level) pada model BojarskiCNN adalah 0.12 / 0.17 (train/test) Lalu untuk ZhiluChen sebesar 0.09 / 0.145 dan AdsharCNN memperoleh nilai error rate pada train/test sebesar 0.16 / 0.19. Semua model yang diterapkan dapat menghindari lubang jalan namun hanya model Bojarski CNN yang dapat melintasi arena sirkuit tanpa adanya bantuan model lain terdapat bagian jalan yang tidak bisa dilewati karena tajamnya tikungan.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: library UM
Date Deposited: 22 Mar 2020 04:29
Last Modified: 09 Sep 2020 03:00
URI: http://repository.um.ac.id/id/eprint/152102

Actions (login required)

View Item View Item