Implementasi kalman filter pada gesture controlled robot menggunakan sensor gyroscope dan modul komunikasi NRF24l01

Mutmainnah, Nabila (2025) Implementasi kalman filter pada gesture controlled robot menggunakan sensor gyroscope dan modul komunikasi NRF24l01. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_COVER.pdf Download (230kB) | Preview
Preview	Text (ABSTRAK) 2_Abstrak.pdf Download (280kB) | Preview
Preview	Text (SURAT PERNYATAAN KARYA SENDIRI) 3_Surat Pernyataan Karya Sendiri.pdf Download (367kB) | Preview
Preview	Text (DAFTAR ISI) 4_Daftar Isi.pdf Download (254kB) | Preview
Preview	Text (BAB I) 5_BAB I.pdf Download (430kB) | Preview
	Text (BAB II) 6_BAB II.pdf Restricted to Registered users only Download (544kB)
	Text (BAB III) 7_BAB III.pdf Restricted to Registered users only Download (357kB)
	Text (BAB IV) 8_BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) 9_BAB V.pdf Restricted to Registered users only Download (683kB)
	Text (BAB VI) 10_BAB VI.pdf Restricted to Registered users only Download (273kB)
	Text (DAFTAR PUSTAKA) 11_Daftar Pustaka.pdf Restricted to Registered users only Download (249kB)

Abstract

Penggunaan robot dalam skenario penyelamatan bencana menjadi solusi efektif untuk menjangkau area berbahaya yang sulit diakses oleh manusia. Penelitian ini mengembangkan sistem gesture controlled robot menggunakan sensor gyroscope MPU6050 dan modul komunikasi nirkabel NRF24L01, dengan implementasi Kalman Filter untuk meningkatkan akurasi data sensor. Sistem ini dirancang agar mampu mengenali gesture tangan pengguna seperti maju, mundur, belok kiri, dan belok kanan, kemudian mengubahnya menjadi perintah kendali robot secara real-time. Kalman Filter digunakan untuk menyaring noise yang sering terjadi pada data gyroscope, sehingga menghasilkan estimasi gerakan yang lebih stabil. Perancangan sistem dilakukan melalui integrasi perangkat keras dan lunak berbasis Arduino Uno, meliputi sensor, aktuator, serta modul komunikasi. Hasil pengujian visualisasi rute robot menunjukkan bahwa Kalman Filter mampu mengurangi fluktuasi data sensor, misalnya pada gesture "mundur" estimasi berubah dari -766 menjadi -170, dan gesture "belok kanan" dari 102 menjadi 426. Selain itu, rata-rata delay sistem berada pada kisaran 3–8 ms, menunjukkan respon yang cepat terhadap input gesture. Nilai RMSE sebesar 339,59 mengindikasikan tingkat akurasi estimasi yang cukup baik. Sistem ini dinilai responsif, stabil, dan sesuai dengan kebutuhan fungsional serta nonfungsional yang ditentukan. Dengan demikian, sistem gesture control berbasis Kalman Filter ini memiliki potensi besar dalam mendukung operasi robot penyelamat di area bencana.

Actions (login required)

View Item