Perpustakaan Digital ITB

Perkembangan teknologi memberikan interaksi yang lebih banyak antara mesin dan manusia seperti adanya self driving car, advanced survailance system dan robot yang berinteraksi dengan manusia. Informasi posisi orang di masa depan merupakan komponen penting agar teknologi tersebut dapat bekerja dengan baik. Pergerakan seseorang mengikuti banyak aturan seperti tidak menabrak orang lain, menjaga jarak, atau berusaha menghindari keramaian. Pada Tugas Akhir ini akan dibangun model prediksi posisi orang pada rentang waktu singkat dengan pembelajaran mendalam menggunakan informasi posisi orang pada waktu sebelumnya dan okupansi di lingkungannya. Model yang digunakan adalah kombinasi dari Perceptron, Long Short Term Memory Network dan Convolutional Neural Network. Pengujian dilakukan di 3 data dan evaluasi model dilakukan dengan mengukur Average Displacement Error antar hasil prediksi model dengan posisi yang sebenarnya. Model Okupansi Encoder-Decoder dengan Perceptron dan Convolutional Neural Network. Model yang menggunakan informasi okupansi memiliki Average Displacement Error yang lebih kecil pada data dengan ukuran lingkungan yang relatif kecil.