Keren, Mahasiswa UI Harumkan Nama Bangsa di Kompetisi Kapal Internasional
Rabu, 07 Juli 2021 - 16:37 WIB
Integrasi ini diekspresikan dalam bentuk skills video yang dikumpulkan dan kemudian dipublikasikan pada kanal YouTube RoboBoat. Kompetisi digelar daring pada 29 Maret-27 Juni 2021, dan pengumuman pada Senin, 28/6, pukul 24.00 melalui zoom meeting.
Tim AMV UI terdiri dari Hansel Matthew (Teknik Elektro 2018), Nathaniel Faustine (Teknik Komputer 2018), Angelita Cindi Viani (Teknik Elektro 2018), Miftahul Khoir Shilahul (Teknik Elektro 2018), Ones Sanjerico (Teknik Elektro 2018), Pratama P. Rchmat (Fisika 2018) dan Muhammad Miftah Faridh (Teknik Komputer 2018).
Bergabung pula Ricad Ragapati Prihandin (Teknik Perkapalan 2018), Evans Hebert (Teknik Komputer 2019), Fauzan Valdera (Teknik Elektro 2019), Adli Aulia Fattah Harahap (Teknik Elektro 2019), Muhammad Akbar Attalah (Teknik Elektro 2019) dan Ester Vinia (Teknik Biomedis 2019).
Selanjutnya, Reynard Henderson (Teknik Elektro 2019), Christofer (Teknik Perkapalan 2019), Vincent Brendli Kusuma (Teknik Perkapalan 2019), Muhammad Hurricane (Teknik Mesin 2019) dan Prajna Prasetya (Ilmu Komputer 2019).
Dilanjutkan Rizky Rivaldi (Teknik Elektro 2020), Felix Yaman Kusuma (Teknik Elektro 2020), Muhammad Gavin Dirgantara (Teknik Elektro 2020), Valerie Olive Suryono (Teknik Elektro 2020), Abu Bakar Aakif Muhammad (Teknik Elektro 2020), Gemilang Bagas Ramadhani (Teknik Komputer 2020), Glene Felix (Aktuaria 2020), dan Virdian Harun Prayoga (Ilmu Komputer 2020).
Manager Tim AMV UI Angelita Cindi Viani menjelaskan, tim AMV UI menerapkan metode pembelajaran mesin yang baru, yaitu transfer learning untuk program deteksi otomasi dari kapal tersebut. Transfer learning adalah proses membangun model pembelajaran mesin khusus berdasarkan model yang telah dilatih sebelumnya untuk mempelajari ribuan gambar.
Menurutnya, model terlatih yang dipergunakan adalah MobileNet, karena memiliki parameter yang lebih sedikit, ukuran jaringan yang kecil dan kinerja yang lebih cepat. Dengan menggunakan metode ini, pendeteksian objek di setiap misi akan lebih akurat, robot akan bergerak terarah dengan tingkat deteksi yang lebih baik.
Selain itu, pembelajaran transfer akan mengurangi komputasi yang dibutuhkan dan menghemat banyak waktu juga sumber daya tim. “RoboBoat memberikan kesempatan kepada peserta untuk merancang, membangun, dan menguji Autonomous Surface Vehicle (ASV) serta membandingkan keunikan sistem dari masing-masing kapal dengan kontestan dari seluruh dunia,” ujarnya.
RoboBoat 2021 diikuti oleh 14 tim dari 6 negara dengan 303 peserta. Mereka berasal dari Sekolah Menengah Atas, Perguruan Tinggi di jenjang Sarjana, dan jenjang Pascasarjana. Kemenangan ini merupakan comeback dari tim AMV UI setelah satu tahun absen dari kompetisi tahunan tersebut.
Tim AMV UI terdiri dari Hansel Matthew (Teknik Elektro 2018), Nathaniel Faustine (Teknik Komputer 2018), Angelita Cindi Viani (Teknik Elektro 2018), Miftahul Khoir Shilahul (Teknik Elektro 2018), Ones Sanjerico (Teknik Elektro 2018), Pratama P. Rchmat (Fisika 2018) dan Muhammad Miftah Faridh (Teknik Komputer 2018).
Bergabung pula Ricad Ragapati Prihandin (Teknik Perkapalan 2018), Evans Hebert (Teknik Komputer 2019), Fauzan Valdera (Teknik Elektro 2019), Adli Aulia Fattah Harahap (Teknik Elektro 2019), Muhammad Akbar Attalah (Teknik Elektro 2019) dan Ester Vinia (Teknik Biomedis 2019).
Selanjutnya, Reynard Henderson (Teknik Elektro 2019), Christofer (Teknik Perkapalan 2019), Vincent Brendli Kusuma (Teknik Perkapalan 2019), Muhammad Hurricane (Teknik Mesin 2019) dan Prajna Prasetya (Ilmu Komputer 2019).
Dilanjutkan Rizky Rivaldi (Teknik Elektro 2020), Felix Yaman Kusuma (Teknik Elektro 2020), Muhammad Gavin Dirgantara (Teknik Elektro 2020), Valerie Olive Suryono (Teknik Elektro 2020), Abu Bakar Aakif Muhammad (Teknik Elektro 2020), Gemilang Bagas Ramadhani (Teknik Komputer 2020), Glene Felix (Aktuaria 2020), dan Virdian Harun Prayoga (Ilmu Komputer 2020).
Manager Tim AMV UI Angelita Cindi Viani menjelaskan, tim AMV UI menerapkan metode pembelajaran mesin yang baru, yaitu transfer learning untuk program deteksi otomasi dari kapal tersebut. Transfer learning adalah proses membangun model pembelajaran mesin khusus berdasarkan model yang telah dilatih sebelumnya untuk mempelajari ribuan gambar.
Menurutnya, model terlatih yang dipergunakan adalah MobileNet, karena memiliki parameter yang lebih sedikit, ukuran jaringan yang kecil dan kinerja yang lebih cepat. Dengan menggunakan metode ini, pendeteksian objek di setiap misi akan lebih akurat, robot akan bergerak terarah dengan tingkat deteksi yang lebih baik.
Selain itu, pembelajaran transfer akan mengurangi komputasi yang dibutuhkan dan menghemat banyak waktu juga sumber daya tim. “RoboBoat memberikan kesempatan kepada peserta untuk merancang, membangun, dan menguji Autonomous Surface Vehicle (ASV) serta membandingkan keunikan sistem dari masing-masing kapal dengan kontestan dari seluruh dunia,” ujarnya.
RoboBoat 2021 diikuti oleh 14 tim dari 6 negara dengan 303 peserta. Mereka berasal dari Sekolah Menengah Atas, Perguruan Tinggi di jenjang Sarjana, dan jenjang Pascasarjana. Kemenangan ini merupakan comeback dari tim AMV UI setelah satu tahun absen dari kompetisi tahunan tersebut.
(mpw)
tulis komentar anda