implementasi logika fuzzy.pdf
-
Upload
ade-blipapo -
Category
Documents
-
view
4 -
download
1
Transcript of implementasi logika fuzzy.pdf
-
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.