PENGEMBANGAN METODE BP NEURAL NETWORK DENGAN MENERAPKAN GREY WOLF OPTIMIZATION UNTUK MENDUKUNG PERGERAKAN ROBOT LENGAN BERBASIS INVERSE KINEMATIC

SUWOYO, HERU (2025) PENGEMBANGAN METODE BP NEURAL NETWORK DENGAN MENERAPKAN GREY WOLF OPTIMIZATION UNTUK MENDUKUNG PERGERAKAN ROBOT LENGAN BERBASIS INVERSE KINEMATIC. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 COVER.pdf Download (369kB) | Preview
	Text (BAB I) 02 BAB 1.pdf Restricted to Registered users only Download (189kB)
	Text (BAB II) 03 BAB 2.pdf Restricted to Registered users only Download (202kB)
	Text (BAB III) 04 BAB 3.pdf Restricted to Registered users only Download (1MB)
	Text (BAB IV) 05 BAB 4.pdf Restricted to Registered users only Download (320kB)
	Text (BAB V) 06 BAB 5.pdf Restricted to Registered users only Download (109kB)
	Text (DAFTAR PUSTAKA) 07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (184kB)
	Text (LAMPIRAN) 08 LAMPIRAN.pdf Restricted to Registered users only Download (216kB)

Abstract

The accuracy of controlling a robotic arm is relatively dependent on the inverse kinematics solution. Several methods have been used to solve this problem, such as numerical, algebraic, iterative, and geometric. However, these methods suffer from shortcomings in terms of positional accuracy and complexity in presenting solutions. Therefore, an alternative approach based on artificial intelligence has begun to be used, namely the Back-Propagation Neural Network (BPNN). Although this approach significantly assists in finding the ideal inverse kinematics solution, the practical determination of initial weights and parameters often results in suboptimal solutions. To address this issue, this paper applies Grey Wolf Optimization to optimize BPNN-based Inverse Kinematics by minimizing the Mean Square Error. This approach involves finding appropriate initial parameters before training the BPNN. Validation is performed by observing the predicted angular deviation from a predetermined target. Based on this validation, the effectiveness of the proposed method is measured in terms of accuracy Akurasi dalam mengendalikan lengan robot secara relatif bergantung pada solusi kinematika invers. Ada beberapa metode yang telah digunakan untuk menyelesaikan masalah ini,seperti numerik, aljabar, iteratif, dan geometri. Namun, metode-metode tersebut memiliki kekurangan dalam hal ketepatan posisi dan kompleksitas dalam penyajian solusi. Oleh karena itu, pendekatan alternatif dari sisi kecerdasan buatan mulai digunakan, yaitu dengan melibatkan BackPropagation Neural Network (BPNN). Meskipun pendekatan ini secara signifikan membantu dalam menemukan solusi kinematika invers yang ideal, penentuan praktis terhadap bobot awal dan beberapa parameter sering kali menyebabkan solusi menjadi tidak optimal. Untuk mengatasi hal ini, dalam makalah ini diterapkan Grey Wolf Optimization untuk mengoptimalkan Kinematika Invers berbasis BPNN dengan meminimalkan Mean Square Error. Pendekatan ini dilakukan dengan menemukan parameter awal yang tepat sebelum pelatihan BPNN dilakukan. Validasi dilakukan dengan mengamati penyimpangan sudut yang diprediksi dari target yang telah ditentukan. Berdasarkan validasi ini, efektivitas metode yang diusulkan diukur dalam hal akurasi

Item Type:	Thesis (S1)
Call Number CD:	FT/PPI. 25 031
Call Number:	ST/PPI/25/030
NIM/NIDN Creators:	52524110012
Uncontrolled Keywords:	PENGEMBANGAN METODE BP NEURAL NETWORK DENGAN MENERAPKAN GREY WOLF OPTIMIZATION UNTUK MENDUKUNG PERGERAKAN ROBOT LENGAN BERBASIS INVERSE KINEMATIC
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan > 006.31 Machine Learning/Pembelajaran Mesin 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 006 Special Computer Methods/Metode Komputer Tertentu > 006.3 Artificial Intelligence/Kecerdasan Buatan > 006.32 Neural Nets (Neural Network)/Jaringan Saraf Buatan
Divisions:	Fakultas Teknik > Program Profesi Insinyur
Depositing User:	khalimah
Date Deposited:	13 Oct 2025 06:41
Last Modified:	13 Oct 2025 06:41
URI:	http://repository.mercubuana.ac.id/id/eprint/99121

Actions (login required)

View Item