• Tidak ada hasil yang ditemukan

doi: 10.1109/BigData

N/A
N/A
Protected

Academic year: 2023

Membagikan "doi: 10.1109/BigData "

Copied!
2
0
0

Teks penuh

(1)

64

Daftar Pustaka

Akkas, S., Maini, S. S. and Qiu, J. (2019) ‘A Fast Video Image Detection using TensorFlow Mobile Networks for Racing Cars’, Proceedings - 2019 IEEE International Conference on Big Data, Big Data 2019, pp. 5667–5672. doi:

10.1109/BigData47090.2019.9005689.

Analis, D. et al. (2013) ‘Mengenali Perilaku Dan Kepribadian Manusia Berdasarkan Pola Sidik Jari Menggunakan Jaringan Syaraf Tiruan’, Jurnal Informatika, 6(1), pp. 589–598. doi: 10.12928/jifo.v6i1.a2784.

Arthayaa, B., Sadiyokob, A. and Wiejaya, C. (2008) ‘Pengembangan Algoritma Pengenalan Bentuk dan Arah Objek pada Sistem Omnidirectional Vision Sensor’, Jurnal Teknik Elektro, 7(2). doi: 10.9744/jte.7.2.74-81.

Danukusumo (2017) ‘Convolutional neural network untuk mendeteksi bangunan’, pp. 10–22.

DEWI, S. R. (2018) ‘Deep Learning Object Detection Pada Video’, Deep Learning Object Detection Pada Video Menggunakan Tensorflow Dan Convolutional

Neural Network, pp. 1–60. Available at:

https://dspace.uii.ac.id/bitstream/handle/123456789/7762/14611242_Syari fah Rosita Dewi_Statistika.pdf?sequence=1.

Dikti, D. (2015) RoboSoccer Humanoid League Kid Size.

Garg, P. et al. (2021) ‘Face Mask Detection using Mobile Net V2’, International Journal of Advanced Research in Science, Communication and Technology, 5(2), pp. 143–146. doi: 10.48175/ijarsct-1188.

Informatika, M. T. (2018) ‘2018 Vera Wati (18.51.1068) Magister Teknik Informatika, Univ. AMIKOM Yogyakarta’.

Irfan, S. Al and Widodo, N. S. (2020) ‘Application of Deep Learning Convolution Neural Network Method on KRSBI Humanoid R-SCUAD Robot’, Buletin Ilmiah Sarjana Teknik Elektro, 2(1), p. 40. doi: 10.12928/biste.v2i1.985.

Kapoor, A. and Jaokar, A. (2019) Getting started with TensorFlow 2.0.

Ma, Y. et al. (2017) ‘Multiple Object Detection and Tracking in Complex Background’, International Journal of Pattern Recognition and Artificial Intelligence, 31(2). doi: 10.1142/S0218001417550035.

Nurfita, R. D. and Ariyanto, G. (2018) ‘Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari’, Emitor: Jurnal Teknik Elektro, 18(01), pp. 22–27. doi: 10.23917/emitor.v18i01.6236.

(2)

65

Pajar, M. et al. (2017) ‘Deteksi Bola Multipola Pada Robot Krakatau FC’, pp. 6–9.

Plagianakos, V. P., Sotiropoulos, D. G. and Vrahatis, M. N. (1998) ‘An Improved Backpropagation Method with Adaptive Learning Rate’, pp. 1–8.

Sandler, M. et al. (2018) ‘MobileNetV2: Inverted Residuals and Linear Bottlenecks’, Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 4510–4520. doi:

10.1109/CVPR.2018.00474.

Thohari, A. and Hertantyo, G. B. (2018) ‘Implementasi Convolutional Neural Network untuk Klasifikasi Pembalap MotoGP Berbasis GPU’, Proceedings on Conference on Electrical Engineering, Telematics, Industrial Technology, and Creative Media, pp. 50–55.

Younis, A. et al. (2020) ‘Real-time object detection using pre-trained deep learning models mobilenet- SSD’, ACM International Conference Proceeding Series, (March), pp. 44–48. doi: 10.1145/3379247.3379264.

Dutt, A. and Dutt, A., 2017. Handwritten digit recognition using deep learning.

International Journal of Advanced Research in Computer Engineering &

Technology (IJARCET), 6(7), pp.1-8.

Rich, E.L.A.I.N.E., Knight, K. and Nair, S.B., 2009. Artificial Intelligence third edition.

Isma Artyani, “Program Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Syarifn Hidayatullah Jakarta,” no. 2, 2019, [Online].

Coral, 2020. Coral. [Online] https://coral.ai/ [Diakses 19 september 2021].

FIRA, 2021. FIRA ROBOT WORLD CUP. [Online] https://firaworldcup.org [Diakses 20 September 2021].

Kebudayaan, P. P. N. K. P. d., 2021. Pusat Prestasi Nasional Kementerian

Pendidikan dan Kebudayaan. [Online]

https://kontesrobotindonesia.id/index.html [Diakses 15 desember 2021].

Reynaldo, e. a., 2021. Convolutional Neural Network Dalam Deteksi Dan Rekognisi Agent Pada Kontes Robot Sepak Bola Humanoid Indonesia.

Convolutional Neural Network Dalam Deteksi Dan Rekognisi Agent Pada Kontes Robot Sepak Bola Humanoid Indonesia, III(12), p. 7.

RoboCup, 2021. RoboCup Federation. [Online] https://www.robocup.org/

[Diakses 12 Agustus 2021].

Referensi

Dokumen terkait

Sejak partisipasi pertama tim R2C UKSW dalam ajang perlombaan kontes robot sepak bola indonesia pada 2011, proses pembuatan gerakan atau motion berjalan dari robot

Hasilnya, dengan mekanik dan servo robot yang sudah ada, robot humanoid R2C dapat saling berkomunikasi untuk berkoordinasi satu sama lain dalam bermain sepak bola dan R2C-R9

Robot humanoid sepak bola memiliki syarat batas minimal ketinggian yang terus dikembangkan setiap tahunnya agar dapat mencapai tinggi yang serupa dengan manusia pada

Adapun rumusan masalah dari penelitian ini adalah untuk mendeteksi objek gawang seperti pada Kontes Robot Sepak Bola Indonesia Beroda dengan menggunakan visual

Penelitian yang berkaitan berhasil dilakukan oleh Pangestu,Agung2021 dengan judul yaitu “Pengembangan Firmware Pada Sub Controller Robot Sepak Bola Humanoid Krakatau Fc Menggunakan

2021 Pengembangan Firmware Pada Sub Controller Robot Sepak Bola Humanoid Krakatau Fc Menggunakan Protokol Dynamixel 2.0, Skripsi, Universitas Teknokrat Indonesia.. Available at:

ABSTRAK KLASIFIKASI LOKASI BERBASIS VISION MENGGUNAKAN INCEPTION V4 Oleh Rahmad Genaldo 17316049 Robot Sepak Bola Humanoid menggunakan sensor berupa kamera sebagai pengenal atau

Oleh karena itu, peneliti terfokus dengan judul Penerapan Simultaneous Localization and Mapping SLAM Menggunakan Kamera Pelacak Intel RealSense Pada Robot Sepak Bola Humanoid Krakatau