29
BAB 4. HASIL DAN PEMBAHASAN
4.1 Pengujian Program Kalman Filter
Pada penelitian ini perancangan program Kalman Filter menggunakan software Arduino 1.6.5.
Gambar 4.1 Program Kalman Filter pada software Arduino 1.6.5
floatvarKecepatan = 1.136115;
Untuk mendapatkan nilai diatas maka kita perlu mengambil nilai variasi terlebih dahulu pada sensor untuk dapat ditentukan variasi variabel kecepatannya.
Ini dapat kita lakukan dengan cara memutar alat beberapa saat dengan kecepatan putar yang konstan untuk mendapatkan nilai variasinya. Seperti yang ditunjukkan
pada Microsoft Excel kalibrasi, dimana dengan kecepatan putar yang konstan
30
ternyata nilai yang dihasilkan sensor tidak konstan, sehingga dengan mengacu pada nilai variasi tersebut kita dapat menggunakan rumus G5 = VARC4:C114
untuk mendapatkan nilai variasinya, sehingga didapatkan nilai 1.136115 sebagai nilai variasinya.
Dibawah ini adalah variabel variasi yang diasumsikan dimana semakin kecil nilainya maka semakin steady hasil filter atau semakin halus tidak mengikuti nilai
masukkan dari sensor.
floatvarProcess = 1e-8;
Contoh jika 1e-8 diganti dengan 1e-9 maka yang terjadi adalah grafik sinyal keluaran akan semakin tidak sesuai dengan nilai masukkan sensor, namun jika
semakin besar nilainya yaitu 1e-7 maka sinyal keluaran akan semakin menyesuaikan dengan nilai masukkan sensor yang nilainya tidak steady, alhasil
pada grafik sinyal keluaran akan naik turun atau tidak steady halus. Variabel untuk kovarian selanjutnya
floatPc = 0.0;
Mewakili lambang K fungsi variabel di sini adalah variabel tampung kalman gain, sehingga disingkat G.
float G = 0.0;
Variabel tampung kovarian estimasi
float P = 1.0;
Variabel tampung biasa, penamaan bebas. Fungsi dari variabel ini adalah berfungsi memindahkan nilai agar nilai di dalam variabel tidak berubah saat
proses Kalman Filter terjadi
floatXp = 0.0; floatZp = 0.0;
floatXe = 0.0;
31
Gambar 4.2 Rumus Kalman Filter pada software Arduino 1.6.5
Memprediksi kovarian selanjutnya next covariance
Pc = P + varProcess;
Menghitung Kalman Filter
G = Pc Pc + varKecepatan;
Memperbarui kovarian estimasi atau memprediksikan kovarian selanjutnya update the covariance estimate
P = 1 - G Pc;
Update nilai sebelumnya
Xp = Xe;
Update nilai sebelumnya
Zp = Xp;
32
Kalman Filter memperbarui kondisi estimasi nilai yang keluar dari sensor nilai output Kalman Filter
Xe = G KecepatanAngin - Zp + Xp;
4.2 Pengujian Program 4.2.1 Pengujian Tampilan Pada
Kategori