1___________________________________________________________________________

Jurnal Penelitian Gladi Buana, Juli 2013

IMPLEMENTASI LOGIKA FUZZY SEBAGAI PERINTAH GERAKANTARI PADA ROBOT HUMANOID KRSI MENGGUNAKAN SENSOR

KAMERA CMUCAM4

Abstrak-Pada Kontes Robot SeniIndonesia (KRSI) robot diharuskan melakukangerakan tari yang berbeda pada tiap zonalapangan. Zona lapangan ini ditandai denganwarna yang berbeda. Untuk keperluan tersebut,pada penelitian ini dikembangkan metodepengenalan warna untuk mendeteksi zonalapangan KRSI. Metode yang digunakan untukpengaturan ini ialah logika fuzzy. Metode inimelalui beberapa tahap, yaitu fuzzifikasi,kaidah atur (Rule-base) dan inferensi, dandefuzzifikasi.

Penelitian ini menggunakan sensorkamera CMUCAM4 untuk pendeteksian warnapada lintasan. Data dari sensor diproses denganlogika fuzzy menggnakan mikrokontrolerATMega8 sebagai mikrokontroler slave. Dataterkontrol dikirim ke mikrokontroler masteryaitu ATMega128 untuk kemudian diproses dandikirimkan ke motor DC servo sebagaiaktuator.

Hasil pengujian menunjukkan bahwametode logika fuzzy cukup efektif digunakanuntuk mendeteksi warna lapangan. Daribeberapa hasil uji yang dilakukan robothumanoid dapat melaksanakan perintah sesuaidengan yang diinginkan.

Kata Kunci: robot humanoid, KRSI, perintahgerakan tari, logika fuzzy, sensor kamera.

I. PENDAHULUAN

Kontes Robot Seni Indonesia (KRSI)merupakan suatu kontes resmi dari Dirjen Dikti(Direktorat Jenderal Pendidikan Tinggi) Indonesiadimana menampilkan berbagai macam kreativitasrobot penari (dengan mengutamakan unsur-unsurseni di dalamnya) dari setiap tim mahasiswaseluruh perguruan tinggi yang ada di Indonesia.Robot penari ini harus mampu berjalan mengikutilintasan perlombaan yang telah disediakan.Lintasan dalam perlombaan KRSI terdiri daribermacam-macam warna pada tiap-tiap zonanya.Untuk mengetahui lintasan (dengan warna tertentu)mana yang harus dilewati dan juga sebagaipendeteksi tarian apa yang harus dilakukan padazona yang sedang ditempati oleh robot diperlukansistem pengambilan keputusan denganmemanfaatkan pengolahan data yang diperoleh dari

sensor kamera CMUcam4. Salah satu metode yangdapat digunakan ialah dengan menggunakan logikafuzzy. Keunggulannya adalah dapat memproseslebih dari satu variabel masukan dalam satu sistemuntuk menghasilkan satu keluaran. Sehinggametode ini diharapkan sangat handal untukmengatasi permasalahan robot.

II. IDENTIFIKASI SISTEM2.1 Sensor Kamera

Kamera yang digunakan dalam penelitian inisebagai pendeteksi warna adalah modulCMUCAM4 seperti pada Gambar 1 berikut.

Gambar 1. Sensor Kamera CMUCAM4

2.2 Motor DC servoMotor DC servo memiliki 3 jalur kabel :

power, ground, dan control seperti ditunjukkandalam Gambar 2.

Gambar 2. Konfigurasi Pin Motor DC Servo

Gladi Buana, Pembimbing 1:Purwanto, Pembimbing 2: M. Aziz Muslim.

2___________________________________________________________________________

Jurnal Penelitian Gladi Buana, Juli 2013

Dari kondisi tersebut bisa ditarik kesimpulanbahwa untuk mengatur sudut putaran motor servodiperlukan sinyal dengan lebar pulsa seperti padapersamaan berikut:= + 1000 atau= (5,56) + 1000==2.3 Lapangan KRSI

Lapangan perlombaan KRSI dapatdigambarkan pada Gambar 3 di bawah ini.

Gambar 3. Lapangan Perlombaan KRSI

2.4 Mikrokontroler MasterMikrokontroler master yang digunakan ialah

mikrokontroler produksi Atmel, yaitu ATMega128.Mikrokontroler ini memiliki clock dan kerjanyatinggi sampai 16 MHz, ukuran flash memorinyacukup besar, kapasistas SRAM sebesar 4 KiloByte,EEPROM juga 4 KiloByte, 2 buah 8-bitTimer/Counter dengan Separate Prescalers danCompare Modes, 2 buah 16-bit Timer/Counterdengan Separate Prescalers, Compare Mode, danCapture Mode, 53 buah port I/O yang sangatmemadai untuk berintegrasi dengan motor DCservo.

2.5 Mikrokontroler SlaveMikrokontroler slave yang digunakan ialah

mikrokontroler ATmega8. Mikrokontroler inimerupakan mikrokontroler keluaran AVR yangmerupakan mikrokontroler AVR CMOS 8 bitberdaya rendah. Mikrokontroler ATmega8 dapatmengeksekusi instruksi hingga 1 MIPS per MHzdalam satu siklus waktu.

2.6 Perancangan Logika FuzzyGaris besar perncangan logika fuzzy dapat

ditunjukkan pada diagram blok Gambar 4 berikut.

Gambar 4. Diagram Blok Logika Fuzzy

2.6.1 FuzzifikasiProses ini memanfaatkan data tiga komponen

warna dasar (RGB) yang terbaca oleh sensorkamera sebagai fungsi keanggotaannya. Sehinggaterdapat tiga fungsi keanggotaan sebagai masukanlogika fuzzy, yaitu red, green, dan blue. Tiap-tiapfungsi keanggotaan terdiri dari tiga kurva, yaitulow, med dan high.

Berikut ini jenis fungsi keanggotaan yang akandigunakan yaitu fungsi keanggotaan T (triangular).Definisi fungsi triangular dapat ditunjukkan padaPersamaan 1 sebagai berikut:

cu

cubbcuc

buaabau

au

cbauT

0

0

),,;(

..............(1)Fungsi keanggotaan bentuk Tringular

ditunjukkan dalam Gambar 5

Gambar 5. Fungsi Keanggotaan Bentuk TriangularSumber : Jun Yan, 1994 : 19

Fungsi keanggotaan masukan logika fuzzydapat ditunjukkan pada gambar 6 hingga gambar 8.

Gambar 6. Fungsi Keanggotaan Masukan Red

a b c

0.5

1

u

3___________________________________________________________________________

Jurnal Penelitian Gladi Buana, Juli 2013

Gambar 7. Fungsi Keanggotaan Masukan Green

Gambar 8. Fungsi Keanggotaan Masukan Blue

Fungsi keanggotaan keluaran logika fuzzymerupakan representasi hasil dari keputusan warnayang dianalogikan dalam variasi nilai PWMmikrokontroler slave. Fungsi keanggotaan untukkeluaran logika fuzzy dapat ditunjukkan dalamGambar 9 berikut.

Gambar 9. Fungsi Keanggotaan Keluaran PWMmikrokontroler slave

2.6.2 Rule-base (Kaidah Atur) Logika FuzzyPenentuan kaidah atur logika fuzzy

didasarkan pada pengalaman dan disusun dalambentuk penalaran Jika-Maka (If-Then). Metodeinferensi yang dipergunakan ialah metode max-min.Tabel 1 menunjukkan kaidah atur (Rule-base)logika fuzzy.

Tabel 1. Kaidah Atur (Rule-base) logika fuzzyR

low med highG B

lowlow

Light_Blue Red Redmed Light_Blue Yellow Yellowhigh Green Yellow Yellow

lowmed

Light_Blue Red Redmed Light_Blue White Whitehigh Green White White

lowhigh

Green Red Redmed Blue White Whitehigh Blue White White

2.6.3 DefuzzifikasiDefuzzifikasi adalah proses mengubah

keluaran fuzzy menjadi keluaran crips. Hasildefuzzifikasi inilah yang digunakan untuk memberisinyal perintah gerakan yang harus dilakukan robothumanoid kepada mikrokontroler master. Metodedefuzzifikasi yang digunakan adalah Max-Membership Principle. Metode ini dikenal jugasebagai metode tinggi, skema ini terbatas padaoutput fungsi memuncak. Metode ini didefinisikanseperti pada persamaan 2 sebagai berikut:

C(z*) C(z) untuk semua nilai z Z..........(2)

dengan z* ialah nilai terdefuzzifikasi.

III. PERANCANGAN ALATPerancangan ini meliputi perancangan

perangkat keras dan perancangan perngkat lunak.Perancangan perangkat keras meliputi perancanganmekanik, perancangan sensor kamera, perancanganrangkaian mikrokontroler master, dan perancanganrangkaian mikrokontroler slave.

3.1 MekanikBentuk jadi robot humanoid dapat

ditunjukkan dalam Gambar 10 berikut.

Gambar 10. Robot humaoid IBRAHIsM

3.2 Sensor KameraKonfigurasi modul sensor kamera

CMUCAM4 dapat ditunjukkan pada Gambar 11berikut.

4___________________________________________________________________________

Jurnal Penelitian Gladi Buana, Juli 2013

Gambar 11. Konfigurasi modul sensor kameraCMUCAM4

3.3 Rangkaian Mikrontroler Master(ATMega128) dan Mikrokontroler Slve(ATMega8)Dalam penelitin ini mikrokontroler

ATMega128 berfungsi sebagai pengendali utamadalam menjalankan program keseluruhan,sedangkan mikrokontroler ATMega8 berfungsisebagai mikrokontroler slave untuk proses datalogika fuzzy dari sensor kamera agar tidakmempengaruhi mikrokontroler master. Komunikasiantara mikrokontroler master dan slave denganmenggunakan komunikasi USART.

Gambar 12. Rangkaian Minimum SistemMikrokontroler Master

Gambar 13. Rangkaian Minimum SistemMikrokontroler Slave

3.4 Perancangan Perangkat LunakPada penelitian ini pemrograman keseluruhan

sistem menggunakan software CodeVisionAVRV2.05.0. Berikut diagram alir logika fuzzy yangdipergunakan dalam sistem ini.

Gambar 14. Diagram Blok Logika Fuzzy

IV. PENGUJIAN DAN ANALISIS DATAPengujian alat meliputi pengujian sensor

kamera, pengujian logika fuzzy, dan pengujiankeseluruhan sistem.

4.1 Pengujian Sensor KameraPengujian ini dilakukan dengan tujuan untuk

mengetahui sistem komunikasi serta cara mengirimperintah dan data yang dikeluarkan dari kameraCMUCAM4. Menggunakan perangkat lunakParallax Serial Terminal untuk mengetahui register

ke pin RxATMega8ke pin Tx

ATMega8

ke catudaya 5V

DC

OutputPWM

5___________________________________________________________________________

Jurnal Penelitian Gladi Buana, Juli 2013

apa saja yang bisa digunakan untuk memerintahkamera dan data apa saja yang dikeluarkan darisensor. Hasil pengiriman perintah dan penerimaandata CMUCAM4 pada Parallax Serial Terminalditunjukkan dalam Gambar 15.Gambar

Gambar 15. Hasil Pembacaan Data RGBCMUCAM4

(Light_Blue,Blue,Green,Red,Yellow,White)

4.2 Pengujian Logika FuzzyPengujian ini dilakukan untuk mengetahui

performa sistem logika fuzzy yangdiimplementasikan pada robot humanoid dalammendeteksi warna lintasan. Menggunakanperangkat lunak Dev C++ untuk mengetahuikeluaran yang dihasilkan dari program logika fuzzyyang telah dibuat. Gambar 16 menunjukkantampilan proses logika fuzzy dari salah satu datamasukan (warna merah).

Gambar 16. Proses Logika Fuzzy Masukan WarnaMerah

.

Pengujian ini dilakukan pada masukan warna-warna pada lintasan yang dapat ditunjukkan dalamTabel 2 dan Tabel 3.

Tabel 2. Hasil Pengujian Logika FuzzyNo Warna

Input FuzzyR (R) G (G) B (B)

1Biru

Muda 106 low=1 125 low=1 115 low=1

2 Biru 115 low=1 133 low=0.67 172 high=1med=0.33

3 Hijau 115 low=1 157 high=1 106 low=14 Merah 156 high=1 133 low=0.67 139 med=1

med=0.33

5 Kuning 148 high=1 157 high=1 74 low=1

6 Putih 139 med=1 149 high=1 156 high=1

Tabel 3. Hasil Pengujian Logika Fuzzy(lanjutan Tabel 2)

No Warna Inferensi PerhitunganOutputWarna

Terbaca

1Biru

Muda (1)=1 1 LIGHT_BLUE

2 Biru (1)=0.67 0.67 BLUE(2)=0.33

3 Hijau (1)=1 1 GREEN4 Merah (1)=0.67 0.67 RED

(2)=0.33

5 Kuning (1)=1 1 YELLOW

6 Putih (1)=1 1 WHITE

6___________________________________________________________________________

Jurnal Penelitian Gladi Buana, Juli 2013

4.3 Pengujian Keseluruhan SistemPengujian sistem secara menyeluruh

dilakukan dengan prosedur sebagai berikut:1. Menyusun semua rangkaian yang

dibutuhkan.2. Menulis program slave pada

mikrokontroler ATMega83. Menulis program master pada

mikrokontroler ATMega128.4. Memberikan catu daya pada sistem.5. Menguji pembacaan warna sensor kamera

terhadap objek terdeteksi.

Hasil pengujian sistem secara keseluruhanpada dapat dilihat pada Tabel 4 hingga 9.

Tabel 4. Pengujian Zona Mulai (Mode Biru)Pengujian

ke-Warnayang

Dideteksi

Gerakan yangdilakukan

1 Biru sembah pembuka2 Biru sembah pembuka3 Biru sembah pembuka

Tabel 5. Pengujian Zona Mulai (Mode Merah)Pengujian

ke-Warnayang

Dideteksi

Gerakan yangdilakukan

1 Merah sembah pembuka2 Merah sembah pembuka3 Merah sembah pembuka

Tabel 6. Pengujian Zona IPengujian

ke-Warnayang

Dideteksi

Gerakanyang

dilakukan1 Biru_Muda Ngasak2 Biru_Muda Ngasak3 Biru_Muda Ngasak

Tabel 7. Pengujian Zona IIPengujian

ke-Warnayang

Dideteksi

Gerakan yangdilakukan

1 Putih Membelah Awan2 Putih Membelah Awan3 Putih Membelah Awan

Tabel 8. Pengujian Menghindari Zona LarangPengujian

ke-Warnayang

Dideteksi

Gerakan yang dilakukan

1 Kuning Menghindari Zona Larang2 Kuning Menghindari Zona Larang3 Kuning Menghindari Zona Larang

Tabel 9. Pengujian Zona IIIPengujian

ke-Warnayang

Dideteksi

Gerakan yangdilakukan

1 Hijau Memberi Cincin2 Hijau Memberi Cincin3 Hijau Memberi Cincin

V. KESIMPULAN DAN PROSPEKBerdasarkan perancangan dan hasil pengujian,

dapat diambil kesimpulan:1. Data dari sensor kamera dapat diperoleh

dengan menggunakan komunikasiUSART.

2. Dari beberapa hasil pengujian logikafuzzy untuk pembacaan 6 warna yangberbeda didapatkan hasil yang samadengan hitungan teorinya, dengan tingkatkeberhasilan pada pengujian tersebut100%.

3. Dari 3 hasil pengujian sistem secaramenyeluruh pada masing-masing zona,diperoleh hasil yang sesuai dengan yangdiharapkan, dengan tingkat keberhasilanpada pengujian tersebut 100%.

Pada penelitian ini pencahayaan dilakukanpada kondisi yang sama (intensitas cahaya 210lux). Untuk penelitian lanjutan perlu dikembangkanmetode untuk mengatasi kesalahan deteksi warnaakibat perbedaan pencahayaan.

DAFTAR PUSTAKA

[1] Atmel. 2011. 8-bit AVR with 128KBytes In-System Programmable Flash ATmega128,ATmega128L. San Jose: Atmel.

[2] Atmel. 2007. 8-bit AVR with 8KBytes In-System Programmable Flash ATmega8,ATmega8L. San Jose: Atmel.

[3] DIKTI. 2013. Panduan Kontes Robot SeniIndonesia 2013. Jakarta: DIKTI.

[4] Kuswadi, Son. 2007. Kendali Cerdas.Yogyakarta: ANDI.

[5] Ogata, Katsuhiko. 1997. Modern ControlEngineering (Third Edition). USA: Prentice-Hali.

[6] Ross, Timothy J. 1997. Fuzzy Logic WithEngineering Applications. Singapore:McGraw-Hill.

[7] Yan,J.,Ryan,M., dan Power,J. 1993. UsingFuzzy Logic. NewYork: Prentice Hall.