PENGGUNAAN YOLO UNTUK DETEKSI ROBOT DAN GAWANG PADA ROBOT SEPAK BOLA BERODA

Abstract

Kemampuan mendeteksi objek secara real-time menjadi faktor penting untuk meningkatkan kinerja robot dalam memahami dan beradaptasi dengan lingkungan yang dinamis. Untuk mengembangkan dan menerapkan sistem deteksi objek pada robot sepak bola beroda menggunakan algoritma YOLOv11, yang diterapkan pada citra yang dihasilkan oleh kamera omnidirectional dan webcam. Sistem ini memanfaatkan teknologi deep learning untuk proses pelabelan data, pelatihan model, dan evaluasi performa deteksi. Pengujian dilakukan dengan membandingkan hasil deteksi objek dari kedua jenis kamera, serta menganalisis metrik kinerja seperti presisi, recall, F1-score, dan akurasi. Hasil penelitian menunjukkan bahwa model YOLOv11 efektif dalam mendeteksi objek secara real-time, dengan akurasi deteksi mencapai 95.91% untuk kamera depan dan 96.7% untuk kamera omnidirectional. Presisi dan recall tertinggi tercatat pada kelas robot, dengan nilai presisi 99.12% dan recall 97.40% pada kamera depan, serta presisi 96.5% dan recall 97.8% pada kamera omnidirectional. Penggunaan kombinasi kamera terbukti memperluas cakupan penglihatan robot, meningkatkan ketepatan deteksi objek di lingkungan dinamis. Penelitian ini memberikan kontribusi terhadap penerapan sistem deteksi objek pada robotik, terutama dalam konteks kompetisi robot sepak bola.