Vo l. 3 No. 3 Desember 2019 ISS : 2580-0760 (media...

Vol. 3 No. 3 Desember 2019 ISSN : 2580-0760 (media online)

i


SAMBUTAN EDITOR Alhamdulillah, ungkapan puji dan syukur kami haturkan atas terbitnya Jurnal RESTI

(Rekayasa Sistem dan Teknologi Informasi) Vol. 3 No. 3 Desember 2019, berkat usaha

yang sungguh-sungguh dari segenap tim redaksi, mitra bestari dan atas bantuan banyak

pihak. Akhirnya Jurnal ini dapat hadir tepat waktu dan memberikan kontribusi ilmiah di

dalam bidang informatika.

Volume ini terdiri atas 34 manuskrip yang berasal dari 28 Perguruan tinggi di Indonesia,

yaitu STMIK Nusa Mandiri, Politeknik Negeri Tanah Laut, STMIK Kharisma

Karawang, Universitas Telkom , Universitas Darussalam Gontor, STMIK Jayanusa,

Universitas Pendidikan Ganesha, Universitas Mercubuana, Universitas Negeri Malang,

Politeknik negeri Padang, Politeknik Negeri Malang, Institut Teknologi Telkom

Purwokerto, Universitas Sriwijaya, Universitas Udayana, Universitas Informatika dan

Bisnis Indonesia, Universitas Ichsan Gorontalo, Universitas Putra Indonesia “YPTK”

Padang, STMIK IKMI Cirebon, Universitas Negeri Padang, Universitas Dharmas

Indonesia, STMIK-AMIK Bandung, Universitas Bhayangkara, Universitas Budi

Luhur dan Universitas Andalas..

Artikel yang publish dalam edisi ini telah terakreditasi SINTA Peringkat 2 sesuai

keputusan Dirjen Penguatan Riset dan Pengembangan Kemenristekdikti No.

10/E/KPT/2019.

Penerbitan Jurnal ini tidak terlepas dari bantuan banyak pihak, terutama ucapan terima

kasih kami sampaikan kepada mitra bestari yang sudah rela bekerja keras dalam

mereview manuskrip hingga layak publish di Jurnal ini dan segenap tim editor. Kami

juga mengapresiasi para peneliti yang sudah menjadikan Jurnal RESTI sebagai media

untuk publikasi hasil penelitiannya. Terakhir, kami berharap semoga manuskrip di Jurnal RESTI dapat menambah khazanah

keilmuan dan wawasan ilmiah, khususnya dalam bidang informatika. Kritik dan saran

membangun tetap kami harapkan untuk perbaikan Jurnal ini.

Ketua Dewan Redaksi,

Dr. Yuhefizar, S.Kom., M.Kom

[ ii ]


SUSUNAN DEWAN REDAKSI Jurnal RESTI(Rekayasa Sistem dan Teknologi Informasi)

Penanggung Jawab Ketua Umum DPP IAII

Ketua Dewan Redaksi

Dr. Yuhefizar, S.Kom, M.Kom

Sekretaris Rini Asmara, S.Kom, M.Kom

Editor Dr. Arta Moro Sundjaja

Arsyad Ramadhan Darlis, ST., MT

Budi Sunaryo, ST., MT

Yance Sonatha, MT

Mutiana Pratiwi, M.Kom

Tri Apriyanto Sundara, S.Th.I, MT

Dukungan Teknis dan Layout Ikhwan Arief, M.Sc

Mitra Bestari

Prof. Dr. Marsudi W. Kisworo Falahah, ST, MT Dr. Ruri Suko Basuki Dr. Muljono Dr. Muhammad Faisal Dr. Leon Abdillah Robbi Rahim, M.Kom Dr. Mujiono Sadikin Dr. Adele B.L Mailangkay

Dr. Yaya Sudarya Triana Dr. Windu Gata Ir. Siswanto, MM Dr. Asrul Huda Dr. Yuhandri Dr. Gasim Heri Nurdiyanto, M.Kom Mohd. Helmi Abd Wahab, M.Sc Dr. Sandi Kosasi

Widianto, ST., MT Dr. Muhammad Faisal Sulfikar Sallu, M.Kom, ITIL., MTA Dr. Krismadinata

Penerbit

Organisasi Profesi Ikatan Ahli Informatika Indonesia (IAII)

Alamat Redaksi

Kampus STMIK Jayanusa

Jl. Damar No. 69E, Padang – Sumatera Barat

Website : www.jurnal.iaii.or.id | Email : [email protected]

[ iii ]

http://www.jurnal.iaii.or.id/

mailto:[email protected]


DAFTAR ISI

Pengembangan Game Gamelan Gender Wayang Berbasis Virtual Reality

Gede Aditra Pradnyana, Gede Yogi Wiryawan, 319 – 327

Dewa Gede Hendra Divayana

DOI: https://doi.org/10.29207/resti.v3i3.881

Sistem Informasi Monitoring Siswa Menggunakan SMS Gateway

Siti Monalisa, Achmad Harpin Asrori, Fitra Kurnia 328 – 335


Virtual Reality Berbasis Video 3600 Sebagai Alternatif Penyampaian Informasi

Pelayanan Rumah Sakit

Prayoga Pribadi, Triana Nur Cahyani, Retno Waluyo, 336 – 342

Dhanar Intan Surya Saputra, Sitaresmi Wahyu Handani


Penerapan ECS Stemmer untuk Modifikasi Nazief & Adriani Berbahasa Jawa

Nur Hidayatullah, Aji Prasetya Wibawa, Harits Ar Rosyid 343 – 348


Rancang Bangun Game Edukasi Biologi untuk Peningkatan Pemahaman Materi

Genetika

Fahrudin Mukti Wibowo 349 – 356


Prediksi Indeks Harga Konsumen Menggunakan Metode Long Short Term Memory

(LSTM) Berbasis Cloud Computing

Soffa Zahara, Sugianto, M. Bahril Ilmiddafiq 357 – 363


Penggunaan Feature Selection di Algoritma Support Vector Machine untuk Sentimen

Analisis Komisi Pemilihan Umum

Imam Santoso, Windu Gata, Atik Budi Paryanti 364 – 370


Performansi Navigasi Robot Leader-Follower menggunakan Algoritma Logika Fuzzy

Interval Tipe 2

Gita Fadila Fitriana, Rifki Adhitama 371 - 376


Sentiment Analysis Analisis Sentimen E-Wallet Pada Google Play Menggunakan

Algoritma Naive Bayes Berbasis Particle Swarm Optimization

Suwanda Aditya Aaputra, Didi Rosiyadi, Windu Gata, 377 – 382

Syepry Maulana Husain


Judul, Penulis dan DOI Hal.

[email protected]

Highlight


Integrasi N-gram, Information Gain, Particle Swarm Optimation di Naïve Bayes

untuk Optimasi Sentimen Google Classroom

Fajar Pramono, Didi Rosiyadi, Windu Gata 383 – 388


Prototype Alat Pengendali Lampu dengan Perintah Suara menggunakan Arduino

Uno Berbasis Web

Nurul Isna Ganggalia, Apri Junaidi, Fahrudin Mukti Wibowo 389 – 394


Rancang Bangun Sistem Informasi Manajemen Bank Sampah Studi Kasus Pada

Bank Sampah Panggung Berseri (BSPB)

Veri Julianto, Hendrik Setyo Utomo, Herpendi 395 – 401


Studi Komparatif Metode Ekstraksi Fitur pada Analisis Sentimen Maskapai

Penerbangan Menggunakan Support Vector Machine dan Maximum Entropy

Mona Cindo, Dian Palupi Rini, Ermatita 402 – 407


Verifikasi Telapak Tangan dengan Multimodal Biometrik Fermat’s Spiral

Agus Anwar Eka Wahyudi, I Made Oka Widyantara, 408 – 413

Komang Oka Saputra


Pengembangan Sistem Pendukung Keputusan Menggunakan Metode Tsukamoto

Graha Prakarsa, Vani Maharani Nasution 414 – 421


Penentuan Peluang Usaha Pertanian Holtikultura Menggunakan Simple Additive

Weighting dan Promethee

Yogi Hermawan, Dedih, Yessy Yanitasari 422 – 428


Klasifikasi Kelompok Usia Melalui Citra Wajah Berbasis Image Texture Analysis

pada Sistem Automatic Video Filtering

Sudirman S Panna, Betrisandi 429 – 434


Sistem Pakar Diagnosis Penyakit Jamur pada Manusia Menggunakan Input Suara

Berbasis Android

Feriantano Sundang Pranata, Jufriadif Na’am, Sumijan 435 – 442


Synthetic Minority Oversampling Technique pada Averaged One Dependence

Estimators untuk Klasifikasi Credit Scoring

Omer Heranova 443 – 450



Pengembangan Smart Home Dengan Microcontrollers ESP32 Dan MC-38 Door

Magnetic Switch Sensor Berbasis Internet of Things (IoT) Untuk Meningkatkan

Deteksi Dini Keamanan Perumahan

Andi Setiawan, Ade Irma Purnamasari 451 – 457


Pendekatan Machine Learning yang Efisien untuk Prediksi Kanker Payudara

Azminuddin I. S. Azis, Irma Surya Kumala Idris, Budy Santoso, 458 – 469

Yasin Aril Mustofa


Pengembangan E-Authentic Asessment Berbasis PBL untuk Meningkatkan

Kompetensi Mahasiswa dalam Pembelajaran Jaringan Komputer

Ambiyar, Raimon Efendi, Waskito, Surfa Yondri, Yuyun Irawati 470 – 478


Penjadwalan Berbasis MAC 802.11 dan Routing ACO padaWireless Sensor

Network

RA Fattah Adriansyah, Reza Firsandaya Malik 479 – 487


Metode McCall’s untuk Pengujian Kualitas Sistem Informasi Administrasi Tugas

Akhir (SIATA)

Christina Juliane, Rizal Dzulkarnaen, Windi Susanti 488 – 495


Analisis Risiko dan Kontrol Perlindungan Data Pribadi pada Sistem Informasi

Administrasi Kependudukan

Iqbal Santosa, Raras Yusvinindya 496 – 504


Seleksi Fitur Berbasis Pearson Correlation Untuk Optimasi Opinion Mining Review

Pelanggan

Nova Tri Romadloni, Hilman F Pardede 505 – 510


Perancangan Sistem Pendukung Keputusan Untuk Pemilihan Lokasi Dalam

Perluasan Usaha Kafe menggunakan Analytical Hierarchy Process

Wowon Priatna, Suryadi 511 – 517


Sistem Pakar Identifikasi Modalitas Belajar Siswa Menggunakan Metode Forward

Chaining

Asep Kurniawan, Sumijan, Jufriadif Na’am 518 - 523


Implementasi Keras Library dan Convolutional Neural Network Pada Konversi

Formulir Pendaftaran Siswa

Wahyu Andi Saputra -, Muhammad Zidny Naf’an, Asyhar Nurrochman 524 – 531



Kerja Sehat: Aplikasi Mobile Untuk Mengurangi Resiko Musculoskeletal Disorders

(MSDs)

Fikky Aprico, Muhammad Syakir Arif, Dihin Muriyatmoko, 532 - 537

Azis Musthafa , Ario Ramadhan, Sisca Mayang Phuspa, Ratih Andhika Akbar

Rahma


Validitas dan Praktikalitas E-Modul Pelatihan Mikrotik Guru Teknik Komputer

Jaringan

Khairul Anshari, Kasman Rukun, Asrul Huda 538 - 543


Pemanfaatan Sensor Suhu DHT-22, Ultrasonik HC-SR04 Untuk Mengendalikan

Kolam Dengan Notifikasi Email

Siswanto, Ikin Rojikin, Windu Gata 544 - 551


Sistem Pelacakan Lokasi Petugas Survei RTLH Menggunakan GPS Android dan

WebGIS

Khairil Hamdi, Budi Sunaryo, Arianto Arianto, Yuhefizar 552 - 559

Imam Gunawan


Perancangan dan Analisis Kinerja Steganography pada MPEG SAOC Menggunakan

Improved Spread Spectrum

Aggrivina Dwiharzandis, Amirul Luthfi, Ikhwana Elfitri 560 - 566


Diterima Redaksi : 29-07-2019 | Selesai Revisi : 08-08-2019 | Diterbitkan Online : 02-12-2019

371

Terakreditasi SINTA Peringkat 2 Surat Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti No. 10/E/KPT/2019

masa berlaku mulai Vol. 1 No. 1 tahun 2017 s.d Vol. 5 No. 3 tahun 2021

Terbit online pada laman web jurnal: http://jurnal.iaii.or.id

JURNAL RESTI

(Rekayasa Sistem dan Teknologi Informasi)

Vol. 3 No. 3 (2019) 371 – 376 ISSN Media Elektronik: 2580-0760

Performansi Navigasi Robot Leader-Follower menggunakan Algoritma

Logika Fuzzy Interval Tipe 2

Gita Fadila Fitriana1, Rifki Adhitama

2

1 2 Prodi Rekayasa Perangkat Lunak, Fakultas Teknologi Industri dan Informatika, Institut Teknologi Telkom Purwokerto [email protected], [email protected]

Abstract

A leader-follower robot is used to perform different tasks without continuous human assistance. The movement of robot

leader-follower to environment who do not structure, avoid persecution and achieving goals is very difficult. Related to the

problem, the robot leader-follower requires navigating robots independently using Interval Fuzzy Logic Type-2 (IFLT) 2

Algorithm. The IFLT 2 algorithm performance is successfully applied to this leader-follower robot, with 8 base rules less

than the Fuzzy Logic Type 1 Algorithm. This simulation, the robot successfully moves to avoid obstacles and go hand in

hand with the position of the follower robot always following the position of the robot leader.

Keywords: leader follower robot, interval fuzzy logic type-2 algorithm, navigating robots, fuzzy logic type 1 algorithm

Abstrak

Robot leader follower digunakan untuk melakukan tugas yang berbeda tanpa bimbingan manusia secara terus menerus.

Pergerakan robot leader follower pada lingkungan yang tidak terstruktur, menghindari halangan dan mencapai tujuan

merupakan hal yang sangat sulit. Berkaitan dengan masalah tersebut, robot leader follower memerlukan navigasi robot secara

mandiri menggunakan Algoritma Logika Fuzzy Tipe 2 (LFIT) 2. Performansi Algoritma LFIT2 berhasil diterapkan pada

robot leader follower ini, dengan 8 basis aturan yang lebih sedikit dari algoritma Logika Fuzzy Tipe 1. Simulasi ini, robot

berhasil bergerak dengan menghindari halangan serta berjalan secara beriringan dengan posisi robot follower selalu

mengikuti posisi robot leader.

Kata kunci: robot leader follower, algoritma logika fuzzy interval tipe 2, navigasi robot, algoritma logika fuzzy tipe 1

© 2019 Jurnal RESTI

1. Pendahuluan

Navigasi robot secara mandiri untuk memandu

pergerakkan sebuah robot di lingkungan yang tidak

terstruktur merupakan tugas yang sulit dan menantang

[1][2][3]. Navigasi robot dapat bergerak melalui

lingkungan untuk mencapai tujuan [4]. Agar robot tidak

terganggu atau bertabrakan dengan objek lain, maka

diperlukan navigasi dalam menghadapi masalah-

masalah ketidakpastian, yaitu ketidakpastian sensor,

akuator, dan lingkungan [5].

Robot yang bergerak pada lingkungan yang tidak pasti

akan memberikan informasi ke sensor dan mengarah ke

berbagai perilaku robot. Beberapa pendekatan untuk

kontrol dan strategi pada formasi robot swarm dapat

dirujuk pada literatur, seperti pendekatan berbasis

prilaku [6][7][8], pendekatan struktur virtual

[9][10][11], pendekatan leader follower [12][3]. Robot

leader follower merupakan konsep yang mengikuti

pemimpin (leader) didasarkan pada kebutuhan suatu

kelompok untuk mencapai keteraturan. Hal terpenting

dalam konsep leader follower adalah mengontrol

formasi dari robot, sehingga robot dapat mencapai

bentuk formasi yang diinginkan [13].

Penelitian yang dilakukan oleh [4], navigasi yang

digunakan algoritma logika fuzzy. Penelitian tersebut

menjelaskan dengan 16 aturan robot dapat bergerak

secara bebas tanpa tujuan. Pada penelitian ini, robot

bergerak dengan prilaku leader follower bergerak

dalam menghindari halangan dan mencapi target.

Algoritma Logika Fuzzy Interval Tipe (LFIT) 2

menggunakan 8 aturan yang dapat menyelesaikan

[email protected]

Highlight

Gita Fadila Fitriana, Rifki Adhitama

Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol . 3 No. 3 (2019) 371 - 376

Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi) Vol . 3 No. 3 (2019) 371 – 376

372

masalah menghindari halangan dan bergerak menuju

target.

2. Metode Penelitian

2.1. Robot Leader Follower

Leader follower merupakan salah satu prilaku dari

robot swarm. Leader follower merupakan robot yang

berperan sebagai robot pemimpin (leader) dan sebagian

robot pengikut (follower). Gerak robot follower

mengikuti trajektori robot leader dengan jarak yang

ditentukan dalam kecepatan yang stabil serta

percepatan yang dinamis [14].

Gambar 1. Robot Leader-Follower [15]

Bentuk persamaan kinematik robot leader follower

ditunjukkan pada Persamaan 1 sebagai berikut :

(1)

Dimana merupakan posisi aktual robot leader,

merupakan posisi aktual robot follower, merupakan

posisi robot follower yang diharapkan, yaitu jarak

actual antar robot leader dan follower,

merupakan sudut aktual pergerakan roda antara

follower dan leader, merupakan jarak robot

leader dan robot follower yang diharapkan, dan

merupakan sudut pergerakan roda robot leader dan

robot follower yang diharapkan. Berdasarkan

Persamaan (1) maka dapat diturunkan persamaan

rumus kinematik menjadi

(2)

(3)

Hasil turunan rumus berupa keluaran kecepatan robot

dan perubahan sudut. Nilai ini menjadi keluaran pada

algoritma LFIT2.

2.2. Algoritma Logika Fuzzy Interval Tipe 2 (LFIT) 2

Logika fuzzy merupakan sebuah logika yang memiliki

nilai keabuan antara benar dan salah [16]. Tahapan

algoritma LFIT2 meliputi fuzzifikasi, basis aturan dan

inferensi, reduksi tipe dan defuzzifikasi. Proses

fuzzifikasi merupakan suatu tahapan untuk mengubah

suatu nilai masukan dari bentuk nilai pasti menjadi

fuzzy input (variable linguistik). Bentuk variable

linguistic disediakan dalam bentuk himpunan-

himpunan fuzzy dengan fungsi keanggotaannya masing-

masing. Fungsi keanggotaan dalam algoritma LFIT 2

memiliki dua derajat keanggotaan, yaitu derajat

keanggotaan primer dan sekunder (yang merupakan

derajat keanggotaan dari derajat keanggotaan primer).

Sedangkan derajat keanggotaan sekunder dalam

algoritma LFT 2 interval adalah bernilai 1, yang

disebut FOU (Footprint Of Uncertainty) [17], garis

yang berada pada nilai-nilai tertinggi disebut sebagai

Upper Membership Function (UMF), dan yang berada

pada nilai-nilai terendah disebut sebagai Lower

Membership Function (LMF). Fungsi keanggotaan

dapat dinyatakan dalam fungsi keanggotaan segitiga,

trapesium, sigmoid atau fungsi keanggotaan lainnya.

Selanjutnya, tahapan basis kaidah merupakan aturan-

aturan berupa pernyataan logika fuzzy yang berbentuk

”Jika-Maka” (If-Then) yang merupakan inti dari relasi

fuzzy [16].

Setelah menentukan basis kaidah pada sistem ini, lalu

masuk ke tahapan tipe reduksi. Tipe reduksi merupakan

output processing terdiri dari dua langkah. Langkah

pertama adalah reduksi tipe (type reduction) dan kedua

adalah defuzzifikasi. Hal ini dikarenakan keluaran dari

inference merupakan himpunan LFIT2. Metode reduksi

tipe bertujuan untuk mengubah himpunan fuzzy tipe 2

yang dihasilkan pada proses sebelumnya menjadi

himpunan fuzzy tipe 1. Himpunan yang telah direduksi

tipe kemudian didefuzzifikasi menjadi nilai tegas

(crisp) untuk keluaran dari fuzzy proses [18]. Tahapan

terakhir pada algoritma LFIT2 yaitu defuzzifikasi.

Defuzzifikasi merupakan Nilai tegas dari suatu

himpunan tereduksi dapat dihitung dengan merata-rata

nilai paling kanan dan paling kiri dari himpunan

tereduksi, atau dapat dinyatakan sebagai:

(3)

3. 3. Hasil dan Pembahasan

Pada hasil penelitian ini untuk memvisualisasikan suatu

benda kehidupan nyata, benda-benda tersebut harus

dimodelkan terlebih dahulu. Model-model kemudian

digunakan sebagai dasar dari pembuatan perangkat

lunak.

3.1. Lingkungan

Lingkungan utama dari simulasi dimodelkan sebagai

bidang dua dimensi, dengan sumbu koordinat x dan y.




373

Arah sumbu x positif dan y positif dari lingkungan

dapat dilihat pada Gambar 2 berikut

Gambar 2. Model lingkungan simulasi robot

Skala lingkungan adalah 1,4 : 1 cm , di mana 1 cm di

nyata lingkungan adalah sama dengan 1,4 piksel pada

aplikasi. Ukuran pemodelan lingkungan terbentuk

ruang 961 x 561 piksel.

3.2. Pemodelan Robot Leader-Follower

Robot leader dan robot follower divisualisasikan

sebagai bidang lingkaran yang berjalan berdasarkan

nilai kecepatan dan sudut yang dapat dilihat pada

Persamaan (2) dan (3). Letak model robot swarm

leader follower pada lingkungan ditentukan oleh

koordinat titik pusatnya pada lingkungan, yaitu xrobot

dan yrobot, sedangkan arah robot adalah besar

sudutnya terhadap sumbu x positif berupa θrobot. Besar

bidang lingkaran ditentukan oleh besar lebar robot,

seperti yang diilustrasikan pada Gambar 3.

Gambar 3. Model Robot leader follower pada lingkungkan

3.3. Sensor Ultrasonik

Pada simulasi, model robot swarm memiliki tiga buah

model sensor ultrasonik pada bagian depan, samping

kiri dan samping kanan, seperti pada Gambar 4.

Gambar 4. Letak tiga buah sensor pada robot leader follower

Sensor-sensor tersebut kemudian disebut sebagai sensor

0, sensor 1, dan sensor 2. Letak dari masing-masing

sensor dipisahkan masing-masing sebesar 30° dari

θrobot. Arah sensor 1 adalah sama dengan arah robot,

sehingga besar sudutnya terhadap sumbu x positif

adalah sama dengan θrobot, koordinat dari sensor 1

Os1 ditentukan dengan mentranslasi titik dari Orobot

searah dengan Orobot sejauh setengah dari lebar robot.

Koordinat dari sensor 0 didapatkan dengan melakukan

rotasi dari titik Os1 terhadap Orobot sebesar -30°

sedangkan nilai arahnya adalah -30° dari θrobot.

Koordinat dari sensor 2 didapatkan dengan melakukan

rotasi dari titik Os1 sebesar 30° terhadap Orobot , dan

nilai arahnya didapatkan dengan menambahkan 30°

dari θrobot. Pada aplikasi ini robot swarm berbentuk

melingkar dengan 35 piksel diameter lingkaran atau 25

cm.

Model sensor ultrasonik yang digunakan pada model

robot swarm divisualisasikan sebagai titik pada

lingkungan yang gerakannya mengikuti gerakan dari

model robot swarm. Letak sensor ditentukan dengan

merotasi titik pada bagian depan robot berdasarkan

jarak sudutnya dari pusat robot. Pada aplikasi yang

dirancang, besar bacaan dari model sensor didasarkan

pada keadaan ideal, dimana model sensor akan

membaca jarak terdekat dengan halangan yang berada

pada juring AO sensor seperti diilustrasikan pada

Gambar 5.

Gambar 5. Model sensor ultrasonik

Keadaan ideal pada sebuah sensor ultrasonik adalah

nilai besar sudut AosensorB sebesar 400 cm, dan

bacaan maksimum, yaitu garis OsensorA dan OsensorB

adalah sebesar 300 cm. Pada perangkat lunak ini, hasil

bacaan model sensor untuk mendapatkan jarak terdekat

antara titik model sensor dengan bidang persegi model

halangan.

3.4 Pengujian Algoritma LFIT2

Robot leader follower dengan algoritma LFIT2

menggunakan inferensi Mamdani. Menggunakan 2

variabel linguistik. Berikut Tabel 1 kaidah 2 variabel

linguistik.




374

Tabel 1.Basis Kaidah 2 Variabel Linguistik

Sensor0 Sensor1 Sensor2 Kecepatan Perubahan

Sudut

Dekat Dekat Dekat Lambat Lurus

Dekat Dekat Jauh Lambat Kanan

Dekat Jauh Dekat Lambat Lurus

Dekat Jauh Jauh Sedang Kanan Jauh Dekat Dekat Lambat Kiri

Jauh Dekat Jauh Sedang Kiri Jauh Jauh Dekat Sedang Kiri

Jauh Jauh Jauh Cepat Lurus

Pada sistem navigasi robot leader follower, ditanamkan

algoritma LFT 2. Sebuah algoritma Logika Fuzzy

dengan keluaran berupa nilai perubahan sudut, dan

sebuah lainnya dengan keluaran berupa nilai kecepatan

dari robot. Pada pengujian ini robot bergerak secara

beriringan dan menghindari halangan berupa lima

dinding serta bergerak untuk pencapaian target.

Berdasarkan Table 1, seluruh kombinasi kaidah akan

dilakukan dengan arah robot adalah 0, yaitu searah

dengan sumbu x dari model lingkungan. Pengujian

algoritma LFIT2 menggunakan aplikasi Unity versi 5.

Berikut pengujian berdasarkan kombinasi pada Tabel 1.

a. Kombinasi I

Pada kombinasi I, sensor 0 bernilai dekat, sensor 1

bernilai dekat dan sensor 2 bernilai dekat, sedangkan

hasil yang diharapkan adalah model robot berbelok ke

kiri. Hasil jalannya model robot pada lingkungan

dengan kombinasi ini dapat dilihat pada Gambar 6.

Gambar 6. Lintasan Robot Kombinasi I

b. Kombinasi II

Pada kombinasi II, sensor 0 bernilai dekat, sensor 1



kanan. Hasil jalannya model robot pada lingkungan


c. Kombinasi III

Pada kombinasi III, sensor 0 bernilai dekat, sensor 1

bernilai jauh dan sensor 2 bernilai dekat, sedangkan

hasil yang diharapkan adalah model robot berjalan

lurus. Hasil jalannya model robot pada lingkungan


. Gambar 7. Lintasan Robot Kombinasi II

Gambar 8. Lintasan Robot Kombinasi III

d. Kombinasi IV

Pada kombinasi IV, sensor 0 bernilai dekat, sensor 1

bernilai jauh dan sensor 2 bernilai jauh, sedangkan hasil

yang diharapkan adalah model robot berbelok ke

kanan. Hasil jalannya model robot pada lingkungan


Gambar 9. Lintasan Robot Kombinasi IV

e. Kombinasi V

Pada kombinasi V, sensor 0 bernilai jauh, sensor 1






375



Gambar 10. Lintasan Robot Kombinasi V

f. Kombinasi VI

Pada kombinasi VI, sensor 0 bernilai jauh, sensor 1

bernilai dekat dan sensor 2 bernilai jauh, sedangkan




Gambar 11. Lintasan Robot Kombinasi VI

g. Kombinasi VII

Pada kombinasi VII, sensor 0 bernilai jauh, sensor 1

bernilai jauh dan sensor 2 bernilai dekat, sedangkan




h. Kombinasi VIII

Pada kombinasi I, sensor 0 bernilai jauh, sensor 1

bernilai jauh dan sensor 2 bernilai jauh, sedangkan hasil

yang diharapkan adalah model robot berjalan lurus.

Hasil jalannya model robot pada lingkungan dengan

kombinasi ini dapat dilihat pada Gambar 13.

Gambar 12. Lintasan Robot Kombinasi VII

Gambar 13. Lintasan Robot Kombinasi VIII

4. Kesimpulan

Penelitian robot leader follower menggunakan navigasi

algoritma LFIT2 menghasilkan 8 basis aturan yang

dapat berjalan sesuai dengan target tujuan. Pada

simulasi ini, robot berhasil bergerak dengan

menghindari halangan serta berjalan secara beriringan

dengan posisi robot follower selalu mengikuti posisi

robot leader. Pada penelitian selanjutnya robot akan

ditambahkan 1 robot dengan implementasi secara

nyata.

Daftar Rujukan

[1] A. Saffiotti, “The uses of fuzzy logic in autonomous robot

navigation,” vol. 1, 1997. [2] C. Wagner and H. Hagras, “A Genetic Algorithm Based

Architecture for Evolving Type-2 Fuzzy Logic Controllers for

Real World Autonomous Mobile Robots,” 2007 IEEE Int. Fuzzy Syst. Conf., pp. 1–6, 2007.

[3] Z. Li and X. Liu, “Distributed Tracking Control for Linear

Multiagent Systems With a Leader of Bounded Unknown Input,” vol. 58, no. 2, pp. 518–523, 2013.

[4] S. K. Hussein and M. A. Al-Mutairi, “A Novel Prototype

Model for Swarm Mobile Robot Navigation Based Fuzzy Logic Controller,” Int. J. Comput. Sci. Inf. Technol., vol. 11,

no. 02, pp. 63–77, 2019.

[5] G. F. Fitriana and S. Nurmaini, “Interval Type 2 Fuzzy Logic

Algorithm for Leader-Follower Robot.”




376

[6] T. Balch, R. C. Arkin, and S. Member, “Behavior-Based

Formation Control for Multirobot Teams,” IEEE Trans. Robot.

Autom., vol. 14, no. 6, pp. 926–939, 1998. [7] J. R. T. Lawton, R. W. Beard, and B. J. Young, “A

decentralized approach to formation maneuvers,” IEEE Trans.

Robot. Autom., vol. 19, no. 6, pp. 933–941, 2003. [8] A. Brunete, M. Hernando, E. Gambao, and J. E. Torres, “A

behaviour-based control architecture for heterogeneous

modular ,” Rob. Auton. Syst., vol. 60, pp. 1607–1624, 2012. [9] K. Tan and M. A. Lewis, “Virtual Structures for High-

Precision Cooperative Mobile Robotic Control *,” Proc IROS 96 IEEE, pp. 132–139, 1996.

[10] M. A. Lewis and K. Tan, “High Precision Formation Control

of Mobile Robots Using Virtual Structures,” Auton. Robot. 4, vol. 403, pp. 387–403, 1997.

[11] J. P. Desai, J. P. Ostrowski, and V. Kumar, “Modeling and

control of formations of nonholonomic mobile robots,” Robot. Autom. IEEE Trans., vol. 17, no. 6, pp. 905–908, 2001.

[12] J. L. Whittington and R. G. Bell, “Leader – member exchange ,

enriched jobs , and goal-setting : Applying fuzzy set methodology,” J. Bus. Res., vol. 69, no. 4, pp. 1401–1406,

2016.

[13] J. D. McLurkin, “Analysis and Implementation of Distributed

Algorithms for Multi-Robot Systems,” Theses Diss., 2008.

[14] P. Chandak, “Study and Implementation of „ Follow the Leader,” 2002.

[15] B. Tutuko, S. Nurmaini, Saparudin, and G. F. Fitriana,

“Enhancement of Non-Holonomic leader-follower formation using Interval Type-2 Fuzzy Logic Controller,” Int. J. Online

Eng., vol. 14, no. 9, pp. 124–142, 2018.

[16] L. Hakim and V. Yonatan, “Deteksi Kebocoran Gas LPG menggunakan Detektor Arduino dengan algoritma Fuzzy

Logic Mandani,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 2, p. 114, 2017.

[17] Q. Liang and J. M. Mendel, “Interval Type-2 Fuzzy Logic

Systems : Theory and Design,” IEEE Trans. Fuzzy Syst., vol. 8, no. 5 october, pp. 535–550, 2000.

[18] N. H. Seng, “Implementation of Various Types of Fuzzy

Controls on a Mobile Robot Using Sonar Sensors,” 2008.

Vo l. 3 No. 3 Desember 2019 ISS : 2580-0760 (media...

Documents

Transcript of Vo l. 3 No. 3 Desember 2019 ISS : 2580-0760 (media...