Perbandingan Metode Ensemble Kalman Filter (EnKF) dan Unscented Kalman Filter (UKF) pada Tracking Lintasan Robot Mobil

Anggraeni, Lingga Ayu (2019) Perbandingan Metode Ensemble Kalman Filter (EnKF) dan Unscented Kalman Filter (UKF) pada Tracking Lintasan Robot Mobil. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06111540000050-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Robot Mobil merupakan salah satu wahana darat nir awak yang dapat digerakkan dan dideteksi keberadaannya apabila dilengkapi dengan Global positioning System (GPS). Robot mobil memiliki ciri khas konstruksi berupa roda untuk menggerakkan keseluruhan badan robot sehingga dapat berpindah dari satu titik ke titik yang lain dengan lintasan yang telah ditentukan. Namun pada kenyataannya terkadang robot mobil tidak dapat secara tepat mengikuti lintasan yang telah ditentukan. Sehingga diperlukan adanya estimator agar robot mobil dapat bergerak sesuai dengan lintasan yang telah ditentukan. Metode estimator yang digunakan adalah metode Ensemble Kalman Filter (EnKF) dan Unscented Kalman Filter (UKF). Dalam penelitian ini EnKF dibandingkan dengan UKF untuk mendapatkan hasil estimasi yang akurat. Hasil simulasi menunjukkan bahwa metode Unscented Kalman Filter (UKF) dapat memberikan hasil yang lebih akurat dalam mengestimasi lintasan robot mobil. Hal ini ditunjukkan dengan nilai RMSE dan waktu komputasi yang lebih baik dari metode EnKF.
===============================================================================================================================
Mobile Robot is one of the non-crew ground vehicles that can be moved and detected if it is equipped with a Global positioning System (GPS). Mobile robots have characteristic construction in the form of wheels to move the entire body of the robot so tha it can be moved from one point to another according to a predermined trajectory. But in reality, sometimes mobile robots cannot precisely follow a predetermined path. So that an estimator is needed and the mobile robot can move according to the predetermined trajectory. The estimator method used are the Ensemble Kalman Filter (EnKF) and the Unscented Kalman Filter (UKF) method. In this study EnKF was compared with UKF to obtain more accurate estimation results. The simulation results show that the Unscented Kalman Filter (UKF) method can provide more accurate results in estimating the mobile robot’s trajectory. This result is proved by the computational time and the value of RMSE in UKF is better than the EnKF.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Robot Mobil, Ensemble Kalman Filter, Unscented Kalman Filter
Subjects:	Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA402.3 Kalman filtering.
Divisions:	Faculty of Mathematics, Computation, and Data Science > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Anggraeni Lingga Ayu
Date Deposited:	06 Aug 2026 04:17
Last Modified:	06 Aug 2026 04:17
URI:	http://repository.its.ac.id/id/eprint/68157

Actions (login required)

View Item