Penerapa MLP CLasifier untuk Klasifikasi Data Sensor Pada Aplikasi Robotika Cerdas

Abstract

Perkembangan sistem robotika cerdas sangat dipengaruhi oleh kemampuan perangkat dalam memahami kondisi lingkungan sekitarnya secara otomatis melalui pemrosesan data sensor. Salah satu tantangan utama adalah bagaimana data sensor yang bersifat kompleks dan bervolume tinggi dapat diolah untuk menghasilkan informasi yang bermakna bagi pengambilan keputusan. Penelitian ini bertujuan untuk menerapkan algoritma Multilayer Perceptron (MLPClassifier) dalam proses klasifikasi data sensor yang diperoleh dari sistem robotika. Dataset yang digunakan memuat berbagai fitur numerik hasil pembacaan sensor serta label aktivitas atau kondisi yang ingin dikenali. Proses dilakukan melalui tahap pembersihan data, transformasi numerik, encoding label, normalisasi fitur, dan pelatihan model. Evaluasi dilakukan menggunakan metrik Mean Squared Error (MSE), confusion matrix, dan classification report. Hasil pengujian menunjukkan bahwa meskipun model mampu mengenali sebagian besar kelas, masih terdapat permasalahan dalam hal ketidakseimbangan kelas dan performa klasifikasi pada kelas minoritas. Model MLP terbukti memiliki potensi untuk diterapkan pada pengklasifikasian data sensor dalam domain robotika, namun masih dibutuhkan pendekatan tambahan seperti tuning parameter dan balancing data. Studi ini memberikan kontribusi terhadap pemanfaatan machine learning untuk mendukung sistem robotika adaptif dan otonom.