Pengenalan Permukaan Berbasis Sensor IMU Menggunakan Random Forest Classifier

Dengan meningkatnya tantangan yang dihadapi oleh robot akibat kemajuan teknologi dan keragaman kasus, input yang diperlukan oleh robot menjadi lebih banyak dan variatif, sehingga tidak dapat diselesaikan hanya dengan if conditional yang sederhana. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan model machine learning yang dapat membantu robot navigasi untuk mengidentifikasi permukaan yang optimal dengan tingkat akurasi yang tinggi. Penelitian ini menggunakan random forest sebagai algoritma machine learning yang termasuk dalam kategori supervised learning untuk menghasilkan prediksi berdasarkan data latih. Data latih di augmentasi dengan data dari yang telah disintesis menggunakan CTGAN, yaitu sebuah metode yang menggunakan jaringan saraf tiruan untuk menghasilkan data tabular heterogen yang mirip dengan data asli. Metode ini juga dapat melindungi privasi data asli dengan menggunakan privasi diferensial dan pembelajaran federasi. Setelah model machine learning dibangun, model diuji dengan data uji yang dibuat. Model machine learning yang berbasis random forest ini menunjukkan kinerja yang baik dengan mencapai akurasi 90% pada prediksi data uji.