ABSTRAKSI: Augmented Reality (AR) merupakan teknologi yang dapat menambahkan sebuah objek pada suatu realita atau kenyataan. Dikarenakan kekompleksan sistem dan usia teknologi, terdapat beberapa error pada AR antara lain static error, dynamic error dan registration Error. Dynamic error (DE) merupakan kesalahan yang terjadi akibat adanya gerakan. DE dapat kita kurangi dengan beberapa cara non-teknis yaitu mengganti kamera dengan kamera yang memiliki frame rate lebih tinggi atau mengganti sistem dengan sistem yang memiliki daya komputasi lebih tinggi. Pada penelitian ini akan dibuat suatu solusi rekayasa teknis untuk mengurangi DE yaitu dengan cara memprediksi dari sisi sudut pandang yang unggul dari sisi kecepatan dan ketepatan.
Pemodelan prediksi yang telah dirancang sejumlah 5 yaitu tipe I, II, III, IV dan V. Pemodelan dengan waktu komputasi tercepat adalah tipe III pada UF = 5 dengan waktu komputasi 0,155041 detik dan TBF sebesar 0,775205 detik. Pemodelan dengan PSNR terbaik adalah tipe IV dengan PSNR 28,11 dB pada UF = 5. Pemodelan terbaik berdasarkan MOS adalah tipe III dengan nilai rata-rata MOS UF 1-5 sebesar 3.Kata Kunci : Kata Kunci: Augmented Reality, Dynamic Error, Prediksi citra bergerak, Pengolahan videoABSTRACT: Augmented Reality (AR) is a technology which allowed augment visual object to real environment. Because of the complexity of system which needed to realize AR and its age, because of that there is several error whether on input or output. Some error which still appears frequently is static error, dynamic error and registration error. Dynamic error is a error which exist because of motion on input, this error can be reduced with some nontechnically ways, which is replacing the camera with higher frame rate camera or replace entire system with high specification system. In this final project will be created a technically engineering solution to reduce dynamic error on AR with predict view point which has high accuracy and computation time.
Result of design is 5 type of prediction model among other Type I, II, III, IV and V. Fastest model is type III on UF = 5 with computation time 0,155041 seconds and time benefit factor 0,775205 s. Best model in term of PSNR is type IV with PSNR 28,11 dB on UF = 5. Best model in result of MOS is type III with average MOS value is 3.Keyword: Keyword : Augmented Reality, Dynamic Error, Moving image prediction, Video