Klasifikasi Sikap Penerbangan Unmanned Aerial Vehicle menggunakan Algoritme k-Nearest Neighbor
Date
2023Author
Fairuza, Yasmin Rizky
Priandana, Karlisa
Hardhienata, Medria Kusuma Dewi
Metadata
Show full item recordAbstract
Salah satu Pesawat Udara Nir Awak (PUNA) yang banyak digunakan untuk berbagai aplikasi saat ini adalah PUNA berjenis Quadcopter. Pada aplikasi tertentu yang terkait dengan analisis data terbang terkadang diperlukan penentuan apakah quadcopter sedang berada pada posisi take off, hover, atau landing, berdasarkan kecepatan perputaran keempat motor quadcopter. Penentuan mode terbang quadcopter ini dapat dilakukan dengan menggunakan persamaan matematis. Namun, pengklasifikasian secara matematis tersebut cukup kompleks dan memerlukan waktu komputasi yang tinggi. Untuk mengatasi hal ini, penelitian ini bertujuan untuk mengklasifikasikan kombinasi keempat kecepatan rotor quadcopter menjadi mode terbang quadcopter yaitu take-off, hover, dan landing menggunakan pemodelan dengan k-Nearest Neighbor. Data yang digunakan diambil dari uji terbang quadcopter berjenis F450 dan F330. Hasil pemodelan menunjukkan bahwa model dengan nilai akurasi terbaik diperoleh untuk sikap take- off pada quadcopter berjenis F450 untuk nilai k = 1 dengan nilai akurasi sebesar 96% dan pada quadcopter berjenis F330 untuk nilai k = 1 dengan nilai akurasi sebesar 89%. One of the Unmanned Aerial Vehicle (UAV) types which is widely used for various applications today is the Quadcopter. In certain applications related to flight data analysis, it is often necessary to determine if the quadcopter is in a take-off, hover, or landing position, based on the rotational speeds of the four quadcopter motors. Classification of this quadcopter modes can be done using mathematical equations, but this approach is quite complex and requires high computational time. To address this issue, this study aims to classify the combination of the four rotor speeds of the quadcopter into flying modes, namely take-off, hover, and landing using k-Nearest Neighbor classifier. The data used is taken from the flight test of the F450 and F330 quadcopter types. The modeling results show that the best model for accuracy result was obtained for take-off behavior with k = 1 for both quadcopter models with the accuracy of 96% for F450 quadcopter and 89% for the F330 quadcopter.
Collections
- UT - Computer Science [2322]