Analisis dan Penerapan Sensor Jarak, Sensor Deteksi Api, dan Sensor Garis pada Fire Fighting Robot
ANALISIS DAN PENERAPAN SENSOR JARAK,
SENSOR DETEKSI API, DAN SENSOR GARIS
PADA FIRE FIGHTING ROBOT
NUR MUHAMMAD SIDIK
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis dan Penerapan
Sensor Jarak, Sensor Deteksi Api, dan Sensor Garis pada Fire Fighting Robot
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Desember 2013
Nur Muhammad Sidik
NIM G64090065
ABSTRAK
NUR MUHAMMAD SIDIK. Analisis dan Penerapan Sensor Jarak, Sensor
Deteksi Api, dan Sensor Garis pada Fire Fighting Robot. Dibimbing oleh
KARLISA PRIANDANA.
Sensor merupakan bagian robot untuk mengenali kondisi lingkungan
sekitarnya. Salah satu permasalahan dalam pemakaian sensor adalah keakuratan
data yang diperoleh. Penelitian ini bertujuan untuk mengembangkan sistem indera
pada fire fighting robot dengan menggunakan sensor jarak ultrasonik, sensor api,
dan sensor garis. Dalam proses pengambilan data, sensor-sensor ini memerlukan
beberapa tahapan agar data yang dibaca sesuai dengan data aktualnya seperti
kalibrasi dan data smoothing. Data smoothing yang digunakan adalah moving
average dan exponential smoothing. Metode ini digunakan untuk menghaluskan
data yang diterima secara real-time oleh sensor khususnya sensor jarak HC-SR04.
Hasil penelitian menunjukkan bahwa data smoothing moving average dengan
window sebanyak 5 dan exponential smoothing dengan smoothing factor 0.5
adalah metode yang cocok digunakan untuk mengurangi noise akibat kesalahan
pembacaan data. Namun pada aplikasinya, kedua metode ini menyebabkan robot
sangat lambat dalam mengambil keputusan.
Kata kunci: Arduino, exponential smoothing, fire fighting robot, HC-SR04,
moving average, sensor
ABSTRACT
NUR MUHAMMAD SIDIK. Analysis and Installation of Range Sensors, Fire
Detector Sensor, and Line Sensor into Fire Fighting Robot. Supervised by
KARLISA PRIANDANA.
Sensor is a device in a robot to learn things about its surroundings. One of
the problems from using sensor is its accuracy when retrieving data. This study
developed a fire fighting robot sensor system using ultrasonic range sensor, fire
detector sensor, and line sensor. In the process of retrieving data, these sensors
require some pre-processing steps in order to obtain data that is equal to the actual
data, such as calibration and data smoothing. Data smoothing methods utilized in
this study are moving average and simple exponential smoothing. These methods
are used to smooth the received realtime data especially in the range sensor HCSR04 data. The results show that moving average with 5 windows and
exponential smoothing with smoothing factor 0.5 can be used to reduce the ripples
due to the existence of irregular data. However, both methods may slow down the
robot‟s decision making process.
Keywords: Arduino, exponential smoothing, fire fighting robot, HC-SR04,
moving average, sensors
ANALISIS DAN PENERAPAN SENSOR JARAK,
SENSOR DETEKSI API, DAN SENSOR GARIS
PADA FIRE FIGHTING ROBOT
NUR MUHAMMAD SIDIK
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Penguji:
1 Shelvie Nidya Neyman, SKom MSi
2 Mushthofa, SKom MSc
Judul Skripsi : Analisis dan Penerapan Sensor Jarak, Sensor Deteksi Api, dan
Sensor Garis pada Fire Fighting Robot
Nama
: Nur Muhammad Sidik
NIM
: G64090065
Disetujui oleh
Karlisa Priandana, ST MEng
Pembimbing I
Diketahui oleh
Dr Ir Agus Buono, MSi MKom
Ketua Departemen
Tanggal Lulus:
Judul Skripsi: ...\naLis dan Penerapan Sensor Jarak, Sensor Deteksi Api, dan
Sens r Garis pada Fire Fighting Robot
: Nur ).. uhammad Sidik
Nama
ＰＹ Ｐ Ｖ Ｕ＠
NIM
: ｇＶｾ
Disetujui oleh
Karlisa Priandana, ST MEng
Pembimbing I
Diketahui oleh
Ketua Departemen
Tanggal Lulus :
1 3 DEC 2GB
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2013 ini ialah
sensor pada fire fighting robot, dengan judul Analisis dan Penerapan Sensor Jarak,
Sensor Deteksi Api, dan Sensor Garis pada Fire Fighting Robot.
Terima kasih penulis ucapkan kepada ayah, ibu, serta seluruh keluarga atas
segala doa dan kasih sayangnya. Ungkapan terima kasih juga disampaikan kepada
Ibu Karlisa Priandana, ST MEng selaku pembimbing, serta Ibu Shelvie Nidya
Neyman, SKom MSi dan Bapak Mushthofa, SKom MSc yang telah banyak
memberi koreksi dan masukan.
Di samping itu, penulis juga mengucapkan terima kasih kepada Noer Fitria
Putra Setyono, Erwin Musa Yulio, Wulandari, Hollanda Arief Kusuma, dan
teman-teman Ilmu Komputer angkatan 46 dan 48 serta teman-teman ITK
angkaran 46 dan 47, yang selalu memberi semangat dan dukungannya. Kepada
semua pihak yang namanya tidak bisa saya sebutkan satu per satu, terima kasih
atas dukungan dan doanya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2013
Nur Muhammad Sidik
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vii
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
METODE
3
Studi Literatur
3
Persiapan Alat dan Bahan
3
Analisis Sensor
4
Kalibrasi Sensor
4
Penerapan Data Smoothing
5
Pengujian Sensor
6
Implementasi Sensor Pada Robot
6
HASIL DAN PEMBAHASAN
7
Persiapan Alat dan Bahan
7
Analisis Sensor
8
Kalibrasi Sensor
9
Penerapan Data Smoothing
11
Pengujian Sistem
14
Implementasi Sensor pada Robot
16
SIMPULAN DAN SARAN
17
DAFTAR PUSTAKA
18
LAMPIRAN
19
RIWAYAT HIDUP
47
DAFTAR TABEL
1
2
3
4
5
Nilai pengukuran sensor garis
Nilai pengukuran sensor deteksi api
Hasil perhitungan menggunakan cara brute force
Data sensor jarak pada PING 57 – 63
Hasil pengujian data smoothing moving average dan exponential
smoothing pada sensor jarak
9
9
10
12
15
DAFTAR GAMBAR
1 Metode penelitian sensor jarak, sensor deteksi api, dan sensor garis
2 (a) sensor jarak ultrasonik HC-SR04, (b) sensor deteksi api YG1006,
(c) sensor garis, dan (d) mirokontroler Arduino UNO
3 Rangkaian sederhana (a) sensor jarak ultrasonik dan (b) sensor
deteksi api
4 Grafik data jarak dari sensor dengan menggunakan rumus konversi
dari datasheet
5 Grafik regresi linear data pengukuran sensor jarak
6 Grafik data sensor jarak dengan jarak aktual setelah kalibrasi
7 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan moving average (---)
8 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.2 (---)
9 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.5 (---)
10 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.8 (---)
11 Peletakan sensor jarak ultrasonik pada robot
12 Tampilan akuisisi data semua sensor secara bersamaan
3
7
7
8
10
11
12
13
13
14
16
17
DAFTAR LAMPIRAN
1
2
3
Grafik data sensor jarak sebelum kalibrasi
Grafik data sensor jarak setelah kalibrasi
Grafik data sensor jarak setelah kalibrasi dan moving average
dengan window 5
4 Grafik data sensor jarak setelah kalibrasi dan exponential
smoothing dengan bobot 0.2
5 Grafik data sensor jarak setelah kalibrasi dan exponential
smoothing dengan bobot 0.5
6 Grafik data sensor jarak setelah kalibrasi dan exponential
smoothing dengan bobot 0.8
7 Source code untuk pengambilan data menggunakan sensor
ultrasonik, sensor deteksi api, dan sensor garis
8 Source code untuk pengambilan data menggunakan sensor
ultrasonik dengan moving average
9 Source code untuk pengambilan data menggunakan sensor
ultrasonik dengan exponential smoothing
10 Tabel hasil pengukuran sensor jarak
11 Tabel kalibrasi sensor jarak menggunakan cara brute force
19
21
23
25
27
29
31
34
36
38
43
PENDAHULUAN
Latar Belakang
Perkembangan teknologi sekarang sangat pesat. Perkembangan teknologi
yang pesat ini mengakibatkan munculnya alat-alat yang serba otomatis. Mulai dari
mencuci pakaian sampai adanya mesin untuk membersihkan rumah secara
otomatis. Robot merupakan sebuah mesin yang memiliki fungsi khusus
berdasarkan keperluan manusia. Robot dapat bergerak secara otomatis. Robot juga
dapat diprogram untuk menjalankan tugasnya masing-masing.
Pada pengaplikasiannya, robot memiliki tiga perangkat utama yaitu „sense‟,
„think‟, dan „act‟. Perangkat „act‟ adalah perangkat yang akan mengeksekusi
semua perintah yang didapat dari otak robot. Perangkat inilah yang terlihat
prosesnya secara nyata dan dapat dirasakan secara langsung oleh pengguna.
Perangkat „think‟ memiliki fungsi yang sama dengan otak manusia. Robot perlu
mengumpulkan informasi tentang kondisi lingkungan sekitarnya. Kemudian robot
harus bisa menentukan bagaimana robot harus beraksi seoptimal mungkin dari
data yang didapatkan. Robot dapat diberikan kemampuan untuk berpikir dan
memberikan instruksi dengan memberikan program di bagian otaknya (dalam hal
ini adalah mikrokontroler). Semua data masukan yang diterima robot akan diolah
pada bagian ini lalu robot akan menghasilkan keputusan. Perangkat „sense‟
memiliki fungsi seperti indera manusia. Perangkat ini menggunakan sensor untuk
mendeteksi lingkungan di sekitar robot. Perangkat inilah yang akan menjadi
masukan untuk perangkat „think‟ lalu diproses. Setelah diproses dan menghasilkan
keputusan berupa perintah, perangkat „act‟ akan menjalankan perintah tersebut.
Robot membutuhkan sensor sebagai alat „inderanya‟. Sensor yang
digunakan pada robot berbeda-beda bergantung tujuan dan kondisi yang harus
dicapai. Pada fire fighting robot yang diteliti pada penelitian ini, sensor yang
digunakan adalah sensor jarak, sensor deteksi suara, sensor deteksi garis, sensor
deteksi nyala api, dan sensor kompas.
Sensor pendeteksi jarak dibagi menjadi dua jenis berdasarkan energi yang
digunakan yaitu sensor ultrasonik yang menggunakan energi gelombang suara dan
sensor inframerah yang menggunakan energi gelombang cahaya inframerah.
Dalam aplikasinya pada fire fighting robot, sensor pendeteksi jarak digunakan
untuk mendeteksi jarak robot dengan benda atau jarak robot dengan dinding
pembatas. Namun, setiap sensor memiliki kekurangan yang dapat ditutup dengan
menggunakan bantuan sensor lain. Selain memiliki kekurangan, setiap sensor juga
dapat memiliki hambatan dalam pengambilan data, sehingga data yang diperoleh
mungkin tidak sempurna, dan membuat robot mengambil keputusan yang salah.
Prasetyo (2010) melakukan penelitian mengenai robot beroda dengan
beberapa sensor sebagai indera. Sensor jarak ultrasonik yang digunakan adalah
Sensor Ultrasonik PING))) 1 . Sensor ini dapat mendeteksi jarak antara 3 cm
sampai 3 m dengan cara menghitung waktu perjalanan gelombang ultrasonik
mulai dari ditembakkan, dipantulkan oleh target, sampai diterima kembali oleh
sensor. Pada penelitian tersebut, data yang diterima sensor jarak hanya mengalami
1
Sensor Ultrasonik PING))): salah satu jenis sensor deteksi jarak menggunakan gelombang
ultrasonik.
2
konversi dari data waktu menjadi data jarak. Penelitian tidak melakukan kalibrasi
perhitungan karena data yang didapat oleh sensor sangat akurat. Namun,
percobaan Prasetyo (2010) menghasilkan rata-rata galat 0.5 cm.
Setiap melakukan percobaan, Prasetyo (2010) hanya melakukan satu kali
PING 2 ke dinding pada jarak tertentu lalu mencatat jarak yang diterima oleh
mikrokontroler. Namun dalam pengaplikasiannya, sensor pada robot harus
menerima data secara realtime. Pada penelitian ini akan dilakukan pengembangan
dari penelitian Prasetyo (2010) yaitu dengan pengambilan data secara terusmenerus dengan perubahan jarak terhadap target sebesar 10 cm, serta
pengambilan data menggunakan sensor garis, sensor deteksi api, dan sensor jarak
secara realtime.
Perumusan Masalah
Masalah yang akan diteliti dalam penelitian ini adalah penggunaan sensor
yang tepat untuk fire fighting robot, termasuk pengolahan data sensor yang masih
berupa data mentah agar dapat dengan mudah diproses di mikrokontroler.
Mengkaji pengambilan data jarak yang berubah-ubah oleh sensor jarak secara
realtime. Selain itu penelitian ini juga mengkaji perlakuan khusus yang diperlukan
untuk mengurangi kelemahan setiap sensor.
Tujuan Penelitian
Membuat komunikasi antara mikrokontroler dengan sensor.
Merekomendasikan metode penghalusan atau data smoothing yang dapat
digunakan untuk mengurangi riak data sensor.
Mengimplementasikan sensor pada fire fighting robot.
Manfaat Penelitian
Penelitian ini diharapkan dapat mendukung perkembangan robotika di
lingkungan departemen Ilmu Komputer FMIPA IPB. Selain itu, penelitian
diharapkan dapat membantu penggunaan sensor untuk aplikasi lainnya.
Ruang Lingkup Penelitian
Pada penelitian ini, sensor yang diteliti hanya tiga jenis yaitu sensor jarak
yang menggunakan gelombang suara ultrasonik, sensor garis, dan sensor nyala
api. Percobaan untuk sensor ultrasonik dilakukan secara kontinu dengan
menggerakkan target deteksi (benda dengan permukaan datar) secara manual. Api
yang digunakan pada percobaan menggunakan sensor deteksi api adalah api lilin
yang berada dalam ruangan yang kurang cahaya.
2
PING: istilah yang digunakan ketika sensor menembakkan gelombang suara dari transmitter
sampai menerima pantulan gelombang di receiver.
3
METODE
Metode yang digunakan pada penelitian ini meliputi serangkaian tahapan,
yaitu: tahap studi literatur, persiapan alat dan bahan, analisis sensor, kalibrasi
sensor, dan penerapan data smoothing. Khusus untuk sensor garis dan sensor
deteksi api, tidak dilakukan tahapan kalibrasi sensor dan penerapan data
smoothing, karena output dari kedua sensor ini hanya berupa logika ada atau tidak
ada garis/api. Garis besar dari metode penelitian dapat dilihat dalam bentuk
diagram alir seperti pada Gambar 1.
Studi Literatur
Pada tahapan ini, dilakukan serangkaian studi literatur yang berkaitan
dengan penelitian. Studi ini mencakup sensor-sensor yang digunakan pada fire
fighting robot, cara penggunaan sensor, serta kelemahan yang mungkin terjadi
pada setiap sensor.
Persiapan Alat dan Bahan
Bahan yang digunakan adalah sensor jarak ultrasonik, sensor deteksi api,
dan sensor garis. Sensor jarak ultrasonik yang digunakan adalah HC-SR04. Sensor
ultrasonik HC-SR04 ini berbeda dengan Sensor Ultrasonik PING))) yang
digunakan oleh Prasetyo (2010), dalam hal keakuratan pengambilan data. HCSR04 kurang akurat dibandingkan dengan Sensor Ultrasonik PING))) karena
sensor ini lebih ekonomis. Namun demikian, keakuratan sensor HC-SR04 dapat
ditingkatkan dengan pengkalibrasian sehingga akurasinya dapat mendekati Sensor
Ultrasonik PING))).
Sensor deteksi api yang digunakan adalah sensor YG1006 yang sudah
memiliki modul tambahan, sehingga sensor dapat langsung digunakan.
Kekurangan sensor YG1006 adalah sensor hanya dapat mendeteksi cahaya dengan
spektrum 760 nm sampai 1100 nm (Cytron Technologies 2012).
Gambar 1 Metode penelitian sensor jarak, sensor deteksi api, dan sensor garis
4
Analisis Sensor
Setelah dilakukan pengumpulan alat dan bahan serta perangkaian sensor
dengan mikrokontroler secara sederhana, dilakukan analisis kemampuan baca tiap
sensor secara bergantian. Analisis sensor jarak dilakukan dengan menggunakan
rangkaian sederhana untuk mendapatkan nilai pengukuran. Nilai ini dicatat
beserta jarak target terhadap sensor. Posisi target dari sensor berubah secara
berkala yaitu dari jarak 10 cm sampai 100 cm dengan penambahan jarak sebesar
10 cm. Setiap penambahan jarak, dilakukan PING terhadap target lalu dicatat nilai
pengukuran, sehingga akan ada 10 jenis data nilai pengukuran tiap percobaan.
PING adalah sebuah istilah untuk sensor jarak menembakan gelombang ultrasonik
sampai menerima kembali pantulan gelombang ultrasonik tersebut.
Setelah itu, untuk mendapatkan data jarak dari sensor, nilai pengukuran
yang didapat akan dihitung dengan menggunakan rumus berdasarkan datasheet
dari sensor tersebut. Pengambilan data dilakukan tanpa adanya hambatan yang
tertulis pada datasheet sensor sehingga pembacaan jarak target terhadap sensor
dianggap ideal. Persamaan 1 adalah persamaan konversi pada datasheet Elec
Freaks (2011) sensor HC-SR04.
t
(1)
d=
58.1
Keterangan:
d = jarak deteksi (cm)
t = lama waktu PING
Selain analisis sensor jarak, dilakukan pula analisis terhadap sensor deteksi
api dan sensor garis. Pada tahapan ini, sensor akan dianalisis menggunakan
rangkaian sederhana untuk diambil nilai pengukurannya. Untuk sensor deteksi api,
perlakuannya sama dengan sensor jarak yaitu sumber api ditempatkan pada 10
jarak berbeda ditambah kondisi tidak ada sumber api. Setelah semua data didapat,
akan ditentukan threshold untuk menentukan ada api atau tidak berdasarkan nilai
pengukuran yang diperoleh. Untuk sensor garis, hanya dilakukan percobaan
terhadap garis hitam dan putih, lalu dicatat nilai pengukurannya terhadap warna
tersebut. Berbeda dengan sensor jarak, kedua sensor ini tidak dilanjutkan ke
tahapan kalibrasi karena sensor ini hanya menghasilkan nilai boolean „ada‟ atau
„tidak ada‟.
Kalibrasi Sensor
Kalibrasi dilakukan agar data yang didapat oleh sensor dapat sedekat
mungkin dengan data aktualnya. Pada tahapan kalibrasi sensor, sensor yang
dikalibrasi hanyalah sensor jarak ultrasonik. Pada tahapan ini dilakukan
penyesuaian perhitungan jarak yang dibaca oleh sensor terhadap jarak aktual
sensor dengan target. Penyesuaian dilakukan dengan brute force dan regresi linear
yaitu dengan mencari rumus dasar menggunakan regresi linear dari hubungan
linear antara data pengukuran sensor terhadap jarak aktualnya. Metode brute force
menggunakan Persamaan 2. Cara ini menggunakan rataan dari pembagian antara
data pengukuran dari sensor dengan jarak aktualnya. Setelah didapatkan nilai
kontanta masing-masing, ditentukan nilai konstanta yang akan digunakan pada
rumus kalibrasi.
5
x=
Keterangan:
x = konstanta pembagi
n = banyaknya PING
ai
n
i=1 d
i
(2)
n
ai = lama waktu PING ke-i
di = jarak aktual ke-i
Penerapan Data Smoothing
Data yang didapat setelah kalibrasi masih mungkin memiliki riak (ripple)
yang tidak dibutuhkan. Riak harus dihilangkan, sehingga dibutuhkan data
smoothing untuk mengurangi riak itu. Pada tahapan ini akan dibandingkan 2
metode data smoothing yaitu metode moving average dan metode exponential
smoothing. Metode moving average dapat meramalkan data pada masa yang akan
datang dengan cara mengambil rata-rata atau nilai tengah dari data untuk periode
waktu yang telah ditentukan (Anggraeni dan Alfathoni 2010). Metode ini
dimodelkan dengan Persamaan 3 dengan source code untuk Arduino UNO
terdapat di Lampiran 8.
T
X =
Xi /T
(3)
i=1
Keterangan:
X = jarak deteksi MA (cm)
Xi = jarak deteksi ke-i (cm)
T = banyaknya window/kelompok
Moving average menggunakan layar (window) dalam meramal nilai yang
didapat. Semakin besar window yang digunakan dalam aturan moving average,
akan membuat ketidakstabilan dalam sistem, bahkan perilaku sistem akan
semakin berantakan (Chiarella et al. 2006). Jumlah kelompok (T) yang dipilih
pada penelitian ini sebesar 5. Hal ini dilakukan karena setiap kali pengambilan
data, lama waktu yang dibutuhkan adalah 200 milidetik, sehingga setiap 1 detik
akan didapat hasil jarak yang sesungguhnya. Selain itu, ketika terjadi perubahan
jarak yang besar (misal dari 10 menjadi 100) hanya membutuhkan 5 pengambilan
data (1 detik) untuk mendapatkan jarak aktual 100. Namun ketika terjadi riak data,
data tidak langsung berubah secara signifikan, sehingga dapat meminimalisir
terjadinya ripple pada data.
Metode yang kedua adalah metode exponential smoothing. Metode
exponential smoothing yang digunakan adalah simple exponential smoothing.
Metode ini dimodelkan dengan Persamaan 4 dengan source code untuk Arduino
UNO terdapat di Lampiran 9.
Fi+1 = αXi +(1-α)Fi
Keterangan:
Fi = jarak deteksi ES ke-i (cm)
Xi = jarak observasi ke-i (cm)
α = bobot ES
(4)
Dari Persamaan 4 dapat dilihat bahwa semakin dekat nilai α (bobot) ke 1,
maka prediksi akan semakin mendekati data asli observasi (Xi) dan menjauhi data
hasil prediksi sebelumnya (Fi). Begitu pula sebaliknya jika nilai bobot mendekati
0 maka nilai hasil prediksi akan mendekati nilai prediksi sebelumnya (Chiang
6
2005). Percobaan ini dilakukan dengan menggunakan bobot sebesar 0.2, 0.5 dan
0.8 dengan �0 adalah 0. Hal ini dilakukan agar didapat pola untuk bobot
mendekati 1 dan 0.
Pengujian Sensor
Pengujian dilakukan pada data sensor jarak, sensor deteksi api, dan sensor
garis. Pengujian untuk data sensor jarak adalah keakuratan kalibrasi dalam
memprediksi jarak aktual, dan kemampuan data smoothing dalam menghaluskan
data. Pengujian keakuratan menggunakan korelasi dan root mean square error
(RMSE). Korelasi digunakan untuk mengetahui kedekatan dari data jarak sensor
dengan jarak aktualnya. Semakin bagus hubungannya, nilai korelasi akan
mendekati 1 dimana variasi nilai korelasi berkisar antara -1 sampai 1. Rumus
korelasi seperti pada Persamaan 5 (Downey 2011).
n
i=1 xi - x yi - y
r=
(5)
2
n
2 n y -y
i=1 xi - x
i=1 i
Keterangan:
r = korelasi
xi = data jarak sensor
x = rata-rata jarak sensor
yi = data jarak aktual
y = rata-rata jarak aktual
n = jumlah PING
RMSE digunakan untuk melihat error yang terjadi pada data uji jarak sensor
terhadap jarak aktual. RMSE akan semakin bagus apabila nilainya mendekati 0.
Jika nilai korelasi yang didapat mendekati 1 dan nilai RMSE mendekati 0, maka
akurasi jarak sensor baik. Rumus RMSE seperti pada Persamaan 6 (Johnson,
1995).
RMSE =
n
i=1 (Yi
- Y* )
2
(6)
n
Keterangan:
Y = data jarak sensor
Y∗ = data jarak aktual
n = jumlah PING
Jika akurasi jarak dari sensor cukup baik maka kalibrasi sensor dapat
diimplementasikan pada robot. Namun, jika akurasinya buruk maka harus
dilakukan kalibrasi ulang. Untuk data smoothing, metode yang dapat
menghaluskan data dengan baik akan digunakan. Namun, jika pengambilan data
menggunakan salah satu metode itu tidak sesuai dengan tujuan mengurangi galat
(ripple/riak), maka metode tidak diimplementasikan pada robot. Pengujian untuk
data sensor deteksi api adalah keakuratan threshold dalam menentukan ada api
atau tidak. Pengujian untuk data sensor garis adalah keakuratan dalam mendeteksi
garis putih atau tidak putih.
Implementasi Sensor Pada Robot
Implementasi sensor pada robot dilakukan dengan menempatkan sensor
pada robot. Hal ini dilakukan agar semua sensor dapat digunakan bersama-sama
dengan menggunakan sebuah mikrokontroler, serta penempatan posisi sensor pada
robot.
7
HASIL DAN PEMBAHASAN
Persiapan Alat dan Bahan
Bahan-bahan yang digunakan pada penelitian ini adalah:
5 buah sensor jarak ultrasonik HC-SR04 (Gambar 2a).
1 buah sensor deteksi api YG1006 dengan modul (Gambar 2b).
1 buah sensor garis (Gambar 2c).
1 buah mikrokontroler Arduino UNO (Gambar 2d).
Kabel dan pin header.
Regulator 5V dan baterai 9V.
Project board 1 buah.
Setelah alat dan bahan terkumpul, dilakukan perangkaian sederhana antara
sensor dengan mikrokontroler. Perangkaian dimulai dengan sensor jarak
ultrasonik. Pin VCC pada sensor dihubungkan ke slot Vinput 5V pada
mikrokontroler, pin ground dihubungkan ke slot “ground” pada papan
mikrokontroler. Lalu pin “trigger” dan pin “echo” pada sensor dihubungkan ke
pin serial 3 pada Arduino UNO. Rangkaian sederhana ini bisa dilihat pada
Gambar 3a.
Setelah itu, dibuat rangkaian sederhana untuk sensor deteksi api. Sensor ini
menggunakan pin analog 3 untuk mengirimkan datanya ke mikrokontroler. Pin
VCC dihubungkan ke Vinput 5V dan pin ground dihubungkan ke pin ground pada
papan mikrokontroler. Rangkaian sederhana ini bisa dilihat pada Gambar 3b.
(a)
(b)
(c)
(d)
Gambar 2 (a) sensor jarak ultrasonik HC-SR04, (b) sensor deteksi api YG1006,
(c) sensor garis, dan (d) mirokontroler Arduino UNO
(a)
(b)
Gambar 3 Rangkaian sederhana (a) sensor jarak ultrasonik dan (b) sensor deteksi
api
Jarak (cm)
8
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
1
21
41
61
81
101
PING ke-
121
141
161
181
Gambar 4 Grafik data jarak dari sensor dengan menggunakan rumus konversi
dari datasheet
Analisis Sensor
Rangkaian sederhana sensor jarak digunakan untuk mengambil nilai
pengukuran. Data diambil berdasarkan 10 jarak aktual yang sudah ditentukan
yaitu 10 cm, 20 cm, dan seterusnya sampai 100 cm dari sensor. Sensor jarak
bekerja dengan cara menembakkan gelombang suara ultrasonik lalu menerima
gelombang pantulan dari target. Lama waktu gelombang dipancarkan sampai
diterima adalah nilai pengukurannya, sedangkan untuk mendapatkan nilai jarak,
nilai tersebut harus dikonversi terlebih dahulu. Berdasarkan datasheet Elec Freaks
(2011) untuk sensor HC-SR04, konstanta pembagi yang digunakan adalah 58.1
seperti pada Persamaan 1.
Analisis dilakukan menggunakan rumus konversi pada Persamaan 1 untuk
mendapatkan data jarak. Percobaan dilakukan dengan 10 jarak yang berbeda.
Setiap 10 cm dilakukan beberapa PING terhadap target secara realtime, kemudian
nilai jarak dari sensor dicatat. Data jarak dari sensor dibandingkan dengan jarak
aktualnya. Namun, hasilnya tidak mendekati jarak aktualnya seperti yang terlihat
pada Gambar 4, sehingga dibutuhkan kalibrasi dan penyesuaian untuk rumus
konversi dari waktu menjadi jarak. Untuk data jarak sensor yang lainnya dapat
dilihat pada Lampiran 1.
Grafik pada Gambar 4 menunjukkan data jarak aktual dan jarak yang
dideteksi oleh sensor untuk setiap PING yang dilakukan. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Dalam waktu tertentu jarak aktual diubah-ubah dari 10 cm hingga 100
cm dengan rentang 10 cm. Grafik menunjukkan bahwa jarak sensor (garis merah)
yang tidak sama dengan jarak aktual (garis titik-titik hitam). Hal ini membuktikan
bahwa rumus konversi dari datasheet kurang tepat.
9
Tabel 1 Nilai pengukuran sensor garis
Percobaan 1 2 3 4 5 6 7 8 9 10
Tidak Putih 0 0 0 0 0 0 0 0 0 0
Putih
1 1 1 1 1 1 1 1 1 1
Tabel 2 Nilai pengukuran sensor deteksi api
Jarak (cm)
10
20
30
40
50
60
70
80
90
100
Tidak ada api
Nilai pengukuran
Min
Max
126
256
112
159
103
113
103
113
89
96
88
94
76
91
79
88
88
122
75
116
39
50
Untuk sensor deteksi api, sumber api yang dideteksi berada pada jarak 10
cm, 20 cm, sampai 100 cm. Untuk menentukan ada tidaknya api pada jarak 10100 cm, dibutuhkan sebuah threshold. Nilai threshold ditentukan berdasarkan
nilai pengukuran minimum pada saat adanya api dan nilai pengukuran maksimum
pada saat tidak ada api. Pada Tabel 2, nilai pengukuran minimum pada saat
adanya api didapat pada jarak sumber api 100 cm yaitu 75. Sedangkan nilai
pengukuran maksimum yang didapat ketika tidak ada api adalah 50. Oleh karena
itu, nilai threshold yang digunakan untuk menentukan adanya api atau tidak
adalah sebesar 65. Ketika sensor api menghasilkan nilai pengukuran lebih besar
dari 65 maka terdeteksi ada api, sedangkan jika nilai pengukurannya kurang dari
65 maka tidak terdeteksi api.
Percobaan yang dilakukan pada sensor garis hanyalah membedakan warna
putih dan tidak putih. Sensor ini akan menghasilkan nilai pengukuran 1 untuk
warna putih dan 0 untuk tidak putih seperti pada Tabel 1, sehingga sensor tidak
memerlukan kalibrasi.
Kalibrasi Sensor
Kalibrasi dilakukan agar data yang didapat oleh sensor dapat sedekat
mungkin dengan data aktualnya. Kalibrasi hanya dilakukan pada sensor jarak
ultrasonik saja karena sensor ini mendeteksi jarak target yang nilainya berupa
bilangan kontinyu. Sensor deteksi api dan sensor garis tidak memerlukan kalibrasi
karena hasil yang didapat hanya berupa logika “ada” atau “tidak ada”.
Lama waktu PING (s)
10
7
6
5
4
3
2
1
0
t = 56.91d - 5.006
R² = 0.997
0
20
40
60
Jarak aktual (cm)
80
100
Gambar 5 Grafik regresi linear data pengukuran sensor jarak
Untuk sensor jarak, nilai pengukuran didapat dengan menggunakan fungsi
regresi linear. Data pengukuran yang didapat dari sensor setiap kali PING pada
jarak aktual tertentu, dicatat kemudian dicari hubungan regresi linear data
pengukuran terhadap jarak aktual. Grafik regresi linear dapat dilihat pada Gambar
5, dan persamaan yang diperoleh dapat dilihat pada Persamaan 7.
t + 5.006
(7)
d=
56.91
Keterangan:
d = jarak deteksi (cm)
t = lama waktu PING
Selain menggunakan regresi linear, digunakan juga cara brute force. Cara
ini menggunakan rataan dari pembagian antara data pengukuran dari sensor
dengan jarak aktualnya, seperti pada Persamaan 2. Cara ini menghasilkan
konstanta baru yaitu 57.34. Tabel hasil perhitungan menggunakan cara brute force
dapat dilihat pada Tabel 3, dan data lengkapnya dapat dilihat pada Lampiran 11.
Konstanta yang digunakan adalah 57.34 dikarenakan konstanta ini dapat
menghindari worst case yang mungkin terjadi.
Pada Persamaan 8, terdapat fungsi ceiling yang berfungsi sebagai pengaman
agar jarak yang dideteksi oleh sensor dibulatkan keatas sehingga jarak aman robot
terhadap target/dinding terjaga. Dalam hal ini, fungsi ceiling menjadi pelindung
Tabel 3 Hasil perhitungan menggunakan cara brute force
Lama waktu PING
Jarak aktual
591
10
591
10
591
10
1151
20
1165
20
.
.
.
.
.
.
603
10
603
10
591
10
591
10
591
10
Total lama waktu PING/ jarak aktual
Rata-rata lama waktu PING/ jarak aktual
Lama waktu PING/jarak aktual
59.1
59.1
59.1
57.6
58.3
.
.
.
60.3
60.3
59.1
59.1
59.1
9920.2
57.3
11
100
Jarak sensor
Jarak aktual
Jarak (cm)
80
60
40
20
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
86
91
96
101
106
111
116
121
126
0
PING ke-
Gambar 6 Grafik data sensor jarak dengan jarak aktual setelah kalibrasi
robot dari worst case yang mungkin terjadi. Hasil dari kalibrasi untuk sensor jarak
dapat dilihat pada Gambar 6, untuk hasil kalibrasi yang lainnya dapat dilihat pada
Lampiran 2.
t
(8)
d=
57.34
Keterangan:
d = jarak deteksi (cm)
t = lama waktu PING
Grafik pada Gambar 6 menunjukkan data jarak aktual dan jarak yang
dideteksi oleh sensor dengan menggunakan rumus konversi Persamaan 7. Sumbu
x pada grafik menunjukkan urutan PING yang dilakukan sementara sumbu y
menunjukkan jarak dalam cm. Terlihat bahwa data hasil konversi data jarak
sensor menggunakan Persamaan 8 (―), mendekati nilai jarak aktualnya (••••).
Oleh karena itu, rumus konversi Persamaan 8 dapat digunakan untuk
mengkonversi data dari sensor HC-SR04 menggunakan Arduino UNO sebagai
mikrokontrolernya.
Penerapan Data Smoothing
Setelah kalibrasi, tahap berikutnya adalah penerapan metode data
smoothing. Metode yang digunakan untuk data smoothing adalah moving average
dan exponential smoothing. Setiap metode dilakukan pada sensor jarak dengan
kondisi target sama seperti tahap analisis sensor jarak.
Moving Average
Metode ini dilakukan dengan memasukkan Persamaan 3 ke mikrokontroler
dengan kelompok sebesar 5. Lalu percobaan dimulai dengan kondisi sama seperti
tahap analisis sensor jarak. Grafik pada Gambar 7 menunjukkan data jarak aktual,
data jarak yang dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor
dengan data smoothing moving average dengan window 5. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Grafik menunjukkan bahwa jarak sensor dengan moving average
dapat mengurangi riak data. Hasil percobaan yang lainnya dapat dilihat pada
Lampiran 3.
Hasil data smoothing moving average untuk sensor jarak dapat dilihat pada
Gambar 7. Dari gambar terlihat bahwa setiap perubahan jarak sebesar 10 cm,
dibutuhkan 5 kali PING untuk mendapatkan jarak aktualnya. Hal ini terjadi karena
12
120
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
Gambar 7 Grafik data sensor jarak (
61
71 81 91 101 111 121 131 141 151
PING ke-
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan moving average (---)
untuk setiap perubahan jarak, rata-rata kelompok tidak langsung berubah secara
signifikan.
Pada data sensor jarak (Gambar 7), terjadi perubahan jarak dari 70 cm
menjadi 80 cm pada PING ke 54 sehingga menyebabkan nilai rata-rata kelompok
berubah bertahap. Rata-rata kelompok berubah menjadi 80 cm setelah 5 PING
dari perubahan jarak di PING 55. Dapat dilihat bahwa pada PING 58 – 64 terjadi
riak dari data jarak sensor. Data yang terbaca tidaklah tepat 80, tetapi berfluktuatif
dari 79 sampai 82 dikarenakan adanya kesalahan pembacaan data oleh sensor.
Namun hal ini tidak mengubah rata-rata kelompok yang nilainya tetap 80,
sehingga metode moving average ini dapat menghilangkan riak yang terjadi pada
PING 57 – 63, seperti yang dapat dilihat pada Tabel 4.
Exponential Smoothing
Metode ini dilakukan dengan memasukkan Persamaan 4 ke mikrokontroler
dengan bobot 0.2, 0.5, dan 0.8. Lalu, percobaan dimulai dengan kondisi sama
seperti tahap analisis sensor jarak. Grafik pada Gambar 8 menunjukkan data jarak
aktual, data jarak yang dideteksi oleh sensor setelah kalibrasi, dan data deteksi
dari sensor dengan data smoothing exponential smoothing dengan bobot 0.2.
Sumbu x pada grafik menunjukkan urutan PING yang dilakukan sementara sumbu
y menunjukkan jarak dalam cm. Grafik menunjukkan bahwa jarak sensor dengan
exponential smoothing dengan bobot 0.2 membutuhkan waktu yang lama untuk
mencapai jarak aktualnya sehingga metode tidak sempat untuk menghilangkan
riak data. Hasil percobaan yang lainnya dapat dilihat pada Lampiran 4.
Tabel 4 Data sensor jarak pada PING 57 – 63
PING
57
58
59
60
61
62
63
Aktual
80
80
80
80
80
80
80
Jarak (cm)
Kalibrasi
80
81
80
81
81
79
82
MA
76
78
80
80
80
80
80
13
120
Jarak (cm)
100
80
60
40
20
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
0
PING ke-
Gambar 8 Grafik data sensor jarak (
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.2 (---)
Hasil dari gambar terlihat bahwa metode ini membutuhkan banyak PING
untuk mencapai nilai aktual. Hal ini terjadi karena bobot untuk nilai aktual lebih
kecil daripada bobot untuk nilai prediksi, sehingga perubahan nilai sangat lambat
karena pengaruh nilai prediksi sangat besar.
Grafik pada Gambar 9 menunjukkan data jarak aktual, data jarak yang
dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor dengan data
smoothing exponential smoothing dengan bobot 0.5. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Grafik menunjukkan bahwa jarak sensor dengan exponential
smoothing dengan bobot 0.5 membutuhkan waktu lebih sedikit untuk mencapai
jarak aktualnya. Metode dapat menghilangkan riak data. Hasil percobaan yang
lainnya dapat dilihat pada Lampiran 5.
Nilai yang dihasilkan membutuhkan 5 – 6 kali PING untuk mencapai nilai
aktual. Perubahan nilai lebih cepat dibandingkan dengan menggunakan bobot 0.2.
Hal ini cukup baik karena perubahan tidak terlalu memakan waktu lama tetapi
bisa menghilangkan riak yang terjadi pada PING 133 – 137.
Grafik pada Gambar 10 menunjukkan data jarak aktual, data jarak yang
dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor dengan data
smoothing exponential smoothing dengan bobot 0.8. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Grafik menunjukkan bahwa jarak sensor dengan exponential
120
Jarak (cm)
100
80
60
40
20
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
121
126
0
PING ke-
Gambar 9 Grafik data sensor jarak (
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.5 (---)
14
100
Jarak (cm)
80
60
40
20
0
1
6
11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96
PING ke-
Gambar 10 Grafik data sensor jarak (
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.8 (---)
smoothing dengan bobot 0.8 membutuhkan waktu yang singkat untuk mencapai
jarak aktualnya. Namun pada gambar, hasil percobaan tidak dapat menghilangkan
riak data. Jarak sensor dengan exponential smoothing dengan bobot 0.8 lebih
mengikuti perubahan data jarak sensor setelah kalibrasi. Hasil percobaan yang
lainnya dapat dilihat pada Lampiran 6.
Nilai yang dihasilkan sangat cepat berubah. Hal ini dikarenakan bobot
prediksi yang kecil dan bobot nilai yang didapat sangat besar, sehingga nilai
prediksi akan lebih cepat berubah. Hal ini kurang baik karena bobot yang besar
akan membuat nilai prediksi mudah berubah mengikuti ripple.
Pengujian Sistem
Pengujian akurasi data jarak sensor menggunakan toleransi ±10% dari jarak
aktualnya. Akurasi dihitung dengan menggunakan Persamaan 8, dimana data jarak
sensor dianggap akurat jika nilainya berada pada rentang toleransi ±10% dari
jarak aktualnya. Data pengukuran akurasi dapat dilihat pada Lampiran 10, dengan
data jarak dari sensor ketika target bergerak dihilangkan. Hal ini dilakukan karena
sensor akan membaca jarak yang tidak diketahui jarak aktualnya ketika target
bergerak. Akurasi data jarak sensor yang didapatkan sebesar 100%.
x=
a
×100%
n
(8)
Keterangan:
x = akurasi
a = banyaknya data yang akurat
n = banyaknya data
Korelasi data sensor jarak setelah kalibrasi terhadap jarak aktualnya
dihitung dengan Persamaan 5 dan diperoleh hasil sebesar 0.999155. Nilai korelasi
mendekati 1 artinya data sensor jarak setelah kalibrasi memiliki hubungan yang
dekat dengan jarak aktualnya. Artinya hasil kalibrasi sangat baik dan sangat dekat
dengan jarak aktualnya.
RMSE untuk data sensor jarak kalibrasi dihitung dengan menggunakan
Persamaan 6 dan diperoleh hasil sebesar 1.1319. Nilai RMSE mendekati 0 artinya
data sensor jarak kalibrasi menghasilkan sedikit error. Hal ini sangat baik karena
error yang dihasilkan sedikit. Pengujian akurasi kalibrasi sensor jarak
15
Tabel 5 Hasil pengujian data smoothing moving average dan exponential
smoothing pada sensor jarak
Sensor
1
2
3
4
5
Rata-rata banyaknya PING* untuk mencapai nilai aktual
MA (window = 5) ES (α = 0.2) ES (α = 0.5) ES (α = 0.8)
5
28
6
3
5
28
6
3
5
29
6
3
5
29
7
3
5
29
6
3
* 1 PING = 200 ms
menghasilkan nilai korelasi dan RMSE yang sangat baik, sehingga akurasi yang
didapat sangat baik.
Untuk data smoothing, pengujian dilakukan dengan menghitung rata-rata
banyaknya PING yang diperlukan sensor untuk mencapai nilai aktualnya. Hasil
dari pengujian dapat dilihat pada Tabel 5. Untuk moving average dengan window
sebesar 5, dibutuhkan 5 kali PING untuk mencapai nilai aktual. Hal ini
menunjukkan bahwa setiap 1 detik, sensor akan mendapatkan nilai aktual dari
data yang didapat. Jika dalam rentang 1 detik terdapat data yang menyimpang,
nilai yang didapat tidak akan berubah drastis, sehingga pada PING yang
berikutnya, nilai aktual akan kembali didapat.
Untuk exponential smoothing dengan α (bobot/smoothing factor) 0.2,
dibutuhkan rata-rata 29 kali PING untuk mencapai nilai aktual. Hal ini
menunjukkan bahwa untuk mencapai nilai aktual, dibutuhkan waktu 6 detik.
Dengan kata lain, robot memerlukan waktu tambahan untuk mendeteksi jarak
aktualnya dengan target. Namun ketika ada data yang salah, nilai yang didapat
berubah sangat sedikit.
Untuk exponential smoothing dengan α (bobot/smoothing factor) 0.5,
dibutuhkan rata-rata 6 kali PING untuk mencapai nilai aktual. Hal ini cukup bagus
karena hanya dibutuhkan 1.2 detik untuk mencapai nilai aktual. Metode ini dapat
menghaluskan data yang didapat oleh sensor. Ketika ada data yang menyimpang,
nilai yang didapat hanya berubah 50% dari selisih data sebelumnya dengan data
yang menyimpang. Ketika terjadi perubahan jarak aktual, tiap PING dari sensor
akan mengubah nilai yang didapat sebesar 50% dari selisih nilai sebelumnya
dengan nilai baru yang didapat.
Untuk exponential smoothing dengan α (bobot/smoothing factor) 0.8,
dibutuhkan rata-rata 3 kali PING untuk mencapai nilai aktual. Ketika ada
kesalahan pembacaan nilai oleh sensor, data yang didapat akan berubah drastis,
sekitar 80% dari selisih data sebelumnya dengan data yang baru. Walaupun untuk
mencapai nilai aktual hanya dibutuhkan 600 milidetik, tetapi data yang didapat
akan rentan terhadap gangguan. Hal ini dapat membuat robot berjalan secara zigzag karena data yang diterima sangat mudah berubah.
16
Gambar 11 Peletakan sensor jarak ultrasonik pada robot
Pengujian selanjutnya dilakukan pada data sensor deteksi api. Pengujian
dilakukan dengan meletakkan api pada jarak tertentu di depan sensor. Kemudian
digunakan threshold sebesar 65 untuk menentukan ada api atau tidak. Percobaan
membuktikan bahwa seluruh nilai pengukuran yang dihasilkan ketika ada api
lebih besar dari 65. Dengan kata lain, sensor api dengan threshold 65 memiliki
akurasi 100%.
Untuk sensor garis, nilai pengukuran yang dihasilkan oleh sensor ketika
mendeteksi garis warna tidak putih bernilai 0. Sedangkan ketika mendeteksi
warna putih, nilai pengukuran yang dihasilkan sebesar 1. Akurasi sensor ini juga
100%.
Implementasi Sensor pada Robot
Peletakan 5 buah sensor jarak membentuk setengah lingkaran pada bagian
depan robot. Sensor pertama diletakan menghadap depan robot, hal ini bertujuan
agar robot dapat mendeteksi dinding di depan robot sehingga robot tidak
menabrak dinding. Sensor kedua dan ketiga diletakan menghadap serong kanan
dan serong kiri robot. Hal ini bertujuan agar kaki depan robot tidak menabrak
dinding. Sensor keempat dan kelima diletakan menghadap samping kanan dan
damping kiri robot. Hal ini bertujuan agar robot dapat mendeteksi jarak dari
dinding kanan dan dinding kiri, sehingga robot dapat memutuskan untuk berbelok
atau tidak berdasarkan jaraknya terhadap dinding di kanan dan di kiri. Untuk lebih
jelasnya, peletakan sensor jarak dapat dilihat pada Gambar 11.
Setiap sensor dapat mengambil data secara bersamaan dengan menggunakan
sebuah mikrokontroler. Source code untuk pengambilan data secara bersamaan
dapat dilihat pada Lampiran 7. Sensor jarak diimplementasikan menggunakan
rumus hasil kalibrasi serta tidak diterapkan data smoothing pada datanya. Hasil
akuisisi data sensor secara bersamaan dapat dilihat pada Gambar 12. Pada Gambar
12:
kolom pertama berisi data dari sensor jarak yang diletakan menghadap samping
kiri robot,
kolom kedua berisi data dari sensor jarak yang diletakan menghadap serong
kiri robot,
17
Gambar 12 Tampilan akuisisi data semua sensor secara bersamaan
kolom ketiga berisi data sensor jarak yang diletakan menghadap depan robot,
kolom keempat berisi data sensor jarak yang diletakan menghadap serong
kanan robot,
kolom kelima berisi data sensor jarak yang diletakan menghadap samping
kanan robot,
kolom keenam berisi data sensor deteksi api, dan
kolom ketujuh berisi data sensor garis.
SIMPULAN DAN SARAN
Hasil eksperimen menunjukan bahwa sensor jarak ultrasonik yang
digunakan dalam sistem robot hexapod pada penelitian ini dapat membaca data
jarak dengan baik ketika konstanta pembagi yang digunakan adalah 57.34.
Akurasi dari kalibrasi sensor jarak menggunakan konstanta pembagi 57.34 sangat
baik, hal ini ditunjukkan dari korelasi data hasil kalibrasi sebesar 0.999155 dan
RMSE sebesar 1.1319. Artinya data hasil kalibrasi dengan menggunakan
konstanta pembagi 57.34 memiliki korelasi yang baik dengan nilai aktualnya serta
menghasilkan error yang sedikit. Metode data smoothing yang direkomendasikan
adalah moving average dengan window 5 atau exponential smoothing dengan
bobot 0.5. Namun, penggunaan salah satu dari kedua metode ini memerlukan
penelitian lebih lanjut, karena diperlukan penyesuaian dalam pemrosesan data di
mikrokontroler. Untuk sensor deteksi api, nilai threshold yang disarankan adalah
65 untuk mendeteksi api dalam jarak 10 cm sampai 100 cm. Sensor garis tidak
memerlukan pengolahan data tambahan karena nilai yang didapat merupakan nilai
logika. Nilai 0 merepresentasikan garis tidak putih sedangkan nilai 1
merepresentasikan garis putih. Pada fire fighting robot, peletakan sensor jarak
membentuk setengah lingkaran. Sensor jarak yang menghadap ke depan robot 1
buah, 2 buah sensor jarak menyerong kanan dan kiri, sedangkan 2 sensor jarak
lainnya menghadap samping kanan dan kiri robot.
Saran untuk penelitian selanjutnya adalah dengan menggabungkan data
yang diterima oleh sensor dengan kecerdasan buatan robot untuk mengambil
keputusan pergerakan robot. Metode data smoothing dapat diterapkan, namun
dibutuhkan penyesuaian dalam pemrosesan data di mikrokontroler.
18
DAFTAR PUSTAKA
Anggraeni W, Alfathoni A. 2010. Peramalan port throughput menggunakan
metode kombinasi nonlinier [skripsi]. Yogyakarta (ID): UPN Veteran.
Chiang TC. 2005. Business Conditions & Forecasting. Philadelphia (US): Drexel
University.
Chiarella C, He XZ, Hommes C. 2006. A dynamic analysis of moving average
rules. Journal of Economic Dynamics & Control. 30:1729–1753.
Cytron Technologies. 2012. Flame sensor module getting started guide [datasheet].
Johor (MY): Cytron Technologies.
Downey AB. 2011. Think Stats: Probability and Statistics for Programmers.
Massachusetts (US): Green Tea Pr.
Elec Freaks. 2011. Ultrasonic ranging module HC-SR04 [internet]. [diunduh 2013
Mar 24]. Tersedia pada: http://elecfreaks.com/store/download/HC-SR04.pdf.
Johnson LL. 1995. A comparison of methods for estimating RMS error: a “brute
force” approach versus a mathematically-elegant approach, as applied to the
calculation of a specific retrieval error for a limb-scanning microwave
radiometer-spectrometer [tesis]. Ohio (US): Air Force Institute of
Technology.
Prasetyo WE. 2010. Perancangan dan implementasi robot cerdas pemadam api
senior beroda DU 114-v10 (dirancang untuk pertandingan KRCI 2010)
[skripsi]. Bandung (ID): Universitas Komputer Indonesia.
19
LAMPIRAN
Lampiran 1 Grafik data sensor jarak sebelum kalibrasi
(a) Grafik data sensor jarak 1
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
5
10
15
20
25
30
35
40
45
50
55
61
66
71
76
81
86
91
96
101
106
111
116
121
126
131
136
Jarak (cm)
Jarak aktual
PING ke-
Jarak (cm)
(b) Grafik data sensor jarak 2
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
20
40
60
80
100
120
140
160
180
200
PING ke-
Jarak (cm)
(c) Grafik data sensor jarak 3
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
20
40
60
80
100
PING ke-
120
140
160
180
20
Lampiran 1 Lanjutan
(d) Grafik data sensor jarak 4
Jarak (cm)
100
90
80
70
60
Jarak sensor
Jarak aktual
50
40
30
20
10
0
20
40
60
80
100
120
140
160
PING keJarak sensor
Jarak aktual
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
105
110
115
120
125
130
136
141
Jarak (cm)
(e) Grafik data sensor jarak 5
100
90
80
70
60
50
40
30
20
10
0
PING ke-
21
Lampiran 2 Grafik data sensor jarak setelah kalibrasi
(a) Grafik data sensor jarak 1
Jarak sensor
Jarak aktual
Jarak (cm)
100
90
80
70
60
50
40
30
20
10
0
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
PING keJarak sensor
Jarak aktual
5
10
15
20
25
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
Jarak (cm)
(b) Grafik data sensor jarak 2
100
90
80
70
60
50
40
30
20
10
0
PING ke-
(c) Grafik data sensor jarak 3
100
90
Jarak sensor
Jarak aktual
70
60
50
40
30
20
10
0
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
86
91
96
101
106
111
116
121
126
Jarak (cm)
80
PING ke-
22
Lampiran 2 Lanjutan
Jarak (cm)
(d) Grafik data sensor jarak 4
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
5
10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90
PING keJarak sensor
Jarak aktual
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
105
110
115
120
125
Jarak (cm)
(e) Grafik data sensor jarak 5
100
90
80
70
60
50
40
30
20
10
0
PING ke-
23
Lampiran 3 Grafik data sensor jarak setelah kalibrasi dan moving average dengan
window 5
(a) Grafik data sensor jarak 1
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71 81 91 101 111 121 131 141 151
PING ke-
(b) Grafik data sensor jarak 2
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71 81
PING ke-
91
101 111 121 131 141
61
71 81
PING ke-
91
101 111 121 131 141 151
(c) Grafik data sensor jarak 3
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
24
Lampiran 3 Lanjutan
(d) Grafik data sensor jarak 4
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71
81
91
101 111 121 131 141 151
91
101 111 121 131 141 151
PING ke-
(e) Grafik data sensor jarak 5
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71
81
PING ke-
25
Lampiran 4 Grafik data sensor jarak setelah kalibrasi dan exponential smoothing
dengan bobot 0.2
(a) Grafik data sensor jarak 1
120
Jarak sensor
Jarak sensor + ES
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
21
41
61
81
101 121 141 161 181 201 221 241 261 281
PING ke-
(b) Grafik data sensor jarak 2
120
Jarak (cm)
100
Jarak sensor
Jarak sensor + ES
Jarak aktual
80
60
40
20
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
121
126
0
PING ke-
(c) Grafik data sensor jarak 3
120
Jarak (cm)
100
Jarak sensor
Jarak sensor + ES
Jarak aktual
80
60
40
20
0
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101106111116
PING ke-
26
Lampiran 4 Lanjutan
(d) Grafik data sensor jarak 4
120
Jarak (cm)
100
Jarak sensor
Jarak sensor + ES
Jarak aktual
80
60
40
20
1
6
11
16
21
26
31
3
SENSOR DETEKSI API, DAN SENSOR GARIS
PADA FIRE FIGHTING ROBOT
NUR MUHAMMAD SIDIK
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Analisis dan Penerapan
Sensor Jarak, Sensor Deteksi Api, dan Sensor Garis pada Fire Fighting Robot
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Desember 2013
Nur Muhammad Sidik
NIM G64090065
ABSTRAK
NUR MUHAMMAD SIDIK. Analisis dan Penerapan Sensor Jarak, Sensor
Deteksi Api, dan Sensor Garis pada Fire Fighting Robot. Dibimbing oleh
KARLISA PRIANDANA.
Sensor merupakan bagian robot untuk mengenali kondisi lingkungan
sekitarnya. Salah satu permasalahan dalam pemakaian sensor adalah keakuratan
data yang diperoleh. Penelitian ini bertujuan untuk mengembangkan sistem indera
pada fire fighting robot dengan menggunakan sensor jarak ultrasonik, sensor api,
dan sensor garis. Dalam proses pengambilan data, sensor-sensor ini memerlukan
beberapa tahapan agar data yang dibaca sesuai dengan data aktualnya seperti
kalibrasi dan data smoothing. Data smoothing yang digunakan adalah moving
average dan exponential smoothing. Metode ini digunakan untuk menghaluskan
data yang diterima secara real-time oleh sensor khususnya sensor jarak HC-SR04.
Hasil penelitian menunjukkan bahwa data smoothing moving average dengan
window sebanyak 5 dan exponential smoothing dengan smoothing factor 0.5
adalah metode yang cocok digunakan untuk mengurangi noise akibat kesalahan
pembacaan data. Namun pada aplikasinya, kedua metode ini menyebabkan robot
sangat lambat dalam mengambil keputusan.
Kata kunci: Arduino, exponential smoothing, fire fighting robot, HC-SR04,
moving average, sensor
ABSTRACT
NUR MUHAMMAD SIDIK. Analysis and Installation of Range Sensors, Fire
Detector Sensor, and Line Sensor into Fire Fighting Robot. Supervised by
KARLISA PRIANDANA.
Sensor is a device in a robot to learn things about its surroundings. One of
the problems from using sensor is its accuracy when retrieving data. This study
developed a fire fighting robot sensor system using ultrasonic range sensor, fire
detector sensor, and line sensor. In the process of retrieving data, these sensors
require some pre-processing steps in order to obtain data that is equal to the actual
data, such as calibration and data smoothing. Data smoothing methods utilized in
this study are moving average and simple exponential smoothing. These methods
are used to smooth the received realtime data especially in the range sensor HCSR04 data. The results show that moving average with 5 windows and
exponential smoothing with smoothing factor 0.5 can be used to reduce the ripples
due to the existence of irregular data. However, both methods may slow down the
robot‟s decision making process.
Keywords: Arduino, exponential smoothing, fire fighting robot, HC-SR04,
moving average, sensors
ANALISIS DAN PENERAPAN SENSOR JARAK,
SENSOR DETEKSI API, DAN SENSOR GARIS
PADA FIRE FIGHTING ROBOT
NUR MUHAMMAD SIDIK
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Komputer
pada
Departemen Ilmu Komputer
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2013
Penguji:
1 Shelvie Nidya Neyman, SKom MSi
2 Mushthofa, SKom MSc
Judul Skripsi : Analisis dan Penerapan Sensor Jarak, Sensor Deteksi Api, dan
Sensor Garis pada Fire Fighting Robot
Nama
: Nur Muhammad Sidik
NIM
: G64090065
Disetujui oleh
Karlisa Priandana, ST MEng
Pembimbing I
Diketahui oleh
Dr Ir Agus Buono, MSi MKom
Ketua Departemen
Tanggal Lulus:
Judul Skripsi: ...\naLis dan Penerapan Sensor Jarak, Sensor Deteksi Api, dan
Sens r Garis pada Fire Fighting Robot
: Nur ).. uhammad Sidik
Nama
ＰＹ Ｐ Ｖ Ｕ＠
NIM
: ｇＶｾ
Disetujui oleh
Karlisa Priandana, ST MEng
Pembimbing I
Diketahui oleh
Ketua Departemen
Tanggal Lulus :
1 3 DEC 2GB
PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang
dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2013 ini ialah
sensor pada fire fighting robot, dengan judul Analisis dan Penerapan Sensor Jarak,
Sensor Deteksi Api, dan Sensor Garis pada Fire Fighting Robot.
Terima kasih penulis ucapkan kepada ayah, ibu, serta seluruh keluarga atas
segala doa dan kasih sayangnya. Ungkapan terima kasih juga disampaikan kepada
Ibu Karlisa Priandana, ST MEng selaku pembimbing, serta Ibu Shelvie Nidya
Neyman, SKom MSi dan Bapak Mushthofa, SKom MSc yang telah banyak
memberi koreksi dan masukan.
Di samping itu, penulis juga mengucapkan terima kasih kepada Noer Fitria
Putra Setyono, Erwin Musa Yulio, Wulandari, Hollanda Arief Kusuma, dan
teman-teman Ilmu Komputer angkatan 46 dan 48 serta teman-teman ITK
angkaran 46 dan 47, yang selalu memberi semangat dan dukungannya. Kepada
semua pihak yang namanya tidak bisa saya sebutkan satu per satu, terima kasih
atas dukungan dan doanya.
Semoga karya ilmiah ini bermanfaat.
Bogor, Desember 2013
Nur Muhammad Sidik
DAFTAR ISI
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vii
PENDAHULUAN
1
Latar Belakang
1
Perumusan Masalah
2
Tujuan Penelitian
2
Manfaat Penelitian
2
Ruang Lingkup Penelitian
2
METODE
3
Studi Literatur
3
Persiapan Alat dan Bahan
3
Analisis Sensor
4
Kalibrasi Sensor
4
Penerapan Data Smoothing
5
Pengujian Sensor
6
Implementasi Sensor Pada Robot
6
HASIL DAN PEMBAHASAN
7
Persiapan Alat dan Bahan
7
Analisis Sensor
8
Kalibrasi Sensor
9
Penerapan Data Smoothing
11
Pengujian Sistem
14
Implementasi Sensor pada Robot
16
SIMPULAN DAN SARAN
17
DAFTAR PUSTAKA
18
LAMPIRAN
19
RIWAYAT HIDUP
47
DAFTAR TABEL
1
2
3
4
5
Nilai pengukuran sensor garis
Nilai pengukuran sensor deteksi api
Hasil perhitungan menggunakan cara brute force
Data sensor jarak pada PING 57 – 63
Hasil pengujian data smoothing moving average dan exponential
smoothing pada sensor jarak
9
9
10
12
15
DAFTAR GAMBAR
1 Metode penelitian sensor jarak, sensor deteksi api, dan sensor garis
2 (a) sensor jarak ultrasonik HC-SR04, (b) sensor deteksi api YG1006,
(c) sensor garis, dan (d) mirokontroler Arduino UNO
3 Rangkaian sederhana (a) sensor jarak ultrasonik dan (b) sensor
deteksi api
4 Grafik data jarak dari sensor dengan menggunakan rumus konversi
dari datasheet
5 Grafik regresi linear data pengukuran sensor jarak
6 Grafik data sensor jarak dengan jarak aktual setelah kalibrasi
7 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan moving average (---)
8 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.2 (---)
9 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.5 (---)
10 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.8 (---)
11 Peletakan sensor jarak ultrasonik pada robot
12 Tampilan akuisisi data semua sensor secara bersamaan
3
7
7
8
10
11
12
13
13
14
16
17
DAFTAR LAMPIRAN
1
2
3
Grafik data sensor jarak sebelum kalibrasi
Grafik data sensor jarak setelah kalibrasi
Grafik data sensor jarak setelah kalibrasi dan moving average
dengan window 5
4 Grafik data sensor jarak setelah kalibrasi dan exponential
smoothing dengan bobot 0.2
5 Grafik data sensor jarak setelah kalibrasi dan exponential
smoothing dengan bobot 0.5
6 Grafik data sensor jarak setelah kalibrasi dan exponential
smoothing dengan bobot 0.8
7 Source code untuk pengambilan data menggunakan sensor
ultrasonik, sensor deteksi api, dan sensor garis
8 Source code untuk pengambilan data menggunakan sensor
ultrasonik dengan moving average
9 Source code untuk pengambilan data menggunakan sensor
ultrasonik dengan exponential smoothing
10 Tabel hasil pengukuran sensor jarak
11 Tabel kalibrasi sensor jarak menggunakan cara brute force
19
21
23
25
27
29
31
34
36
38
43
PENDAHULUAN
Latar Belakang
Perkembangan teknologi sekarang sangat pesat. Perkembangan teknologi
yang pesat ini mengakibatkan munculnya alat-alat yang serba otomatis. Mulai dari
mencuci pakaian sampai adanya mesin untuk membersihkan rumah secara
otomatis. Robot merupakan sebuah mesin yang memiliki fungsi khusus
berdasarkan keperluan manusia. Robot dapat bergerak secara otomatis. Robot juga
dapat diprogram untuk menjalankan tugasnya masing-masing.
Pada pengaplikasiannya, robot memiliki tiga perangkat utama yaitu „sense‟,
„think‟, dan „act‟. Perangkat „act‟ adalah perangkat yang akan mengeksekusi
semua perintah yang didapat dari otak robot. Perangkat inilah yang terlihat
prosesnya secara nyata dan dapat dirasakan secara langsung oleh pengguna.
Perangkat „think‟ memiliki fungsi yang sama dengan otak manusia. Robot perlu
mengumpulkan informasi tentang kondisi lingkungan sekitarnya. Kemudian robot
harus bisa menentukan bagaimana robot harus beraksi seoptimal mungkin dari
data yang didapatkan. Robot dapat diberikan kemampuan untuk berpikir dan
memberikan instruksi dengan memberikan program di bagian otaknya (dalam hal
ini adalah mikrokontroler). Semua data masukan yang diterima robot akan diolah
pada bagian ini lalu robot akan menghasilkan keputusan. Perangkat „sense‟
memiliki fungsi seperti indera manusia. Perangkat ini menggunakan sensor untuk
mendeteksi lingkungan di sekitar robot. Perangkat inilah yang akan menjadi
masukan untuk perangkat „think‟ lalu diproses. Setelah diproses dan menghasilkan
keputusan berupa perintah, perangkat „act‟ akan menjalankan perintah tersebut.
Robot membutuhkan sensor sebagai alat „inderanya‟. Sensor yang
digunakan pada robot berbeda-beda bergantung tujuan dan kondisi yang harus
dicapai. Pada fire fighting robot yang diteliti pada penelitian ini, sensor yang
digunakan adalah sensor jarak, sensor deteksi suara, sensor deteksi garis, sensor
deteksi nyala api, dan sensor kompas.
Sensor pendeteksi jarak dibagi menjadi dua jenis berdasarkan energi yang
digunakan yaitu sensor ultrasonik yang menggunakan energi gelombang suara dan
sensor inframerah yang menggunakan energi gelombang cahaya inframerah.
Dalam aplikasinya pada fire fighting robot, sensor pendeteksi jarak digunakan
untuk mendeteksi jarak robot dengan benda atau jarak robot dengan dinding
pembatas. Namun, setiap sensor memiliki kekurangan yang dapat ditutup dengan
menggunakan bantuan sensor lain. Selain memiliki kekurangan, setiap sensor juga
dapat memiliki hambatan dalam pengambilan data, sehingga data yang diperoleh
mungkin tidak sempurna, dan membuat robot mengambil keputusan yang salah.
Prasetyo (2010) melakukan penelitian mengenai robot beroda dengan
beberapa sensor sebagai indera. Sensor jarak ultrasonik yang digunakan adalah
Sensor Ultrasonik PING))) 1 . Sensor ini dapat mendeteksi jarak antara 3 cm
sampai 3 m dengan cara menghitung waktu perjalanan gelombang ultrasonik
mulai dari ditembakkan, dipantulkan oleh target, sampai diterima kembali oleh
sensor. Pada penelitian tersebut, data yang diterima sensor jarak hanya mengalami
1
Sensor Ultrasonik PING))): salah satu jenis sensor deteksi jarak menggunakan gelombang
ultrasonik.
2
konversi dari data waktu menjadi data jarak. Penelitian tidak melakukan kalibrasi
perhitungan karena data yang didapat oleh sensor sangat akurat. Namun,
percobaan Prasetyo (2010) menghasilkan rata-rata galat 0.5 cm.
Setiap melakukan percobaan, Prasetyo (2010) hanya melakukan satu kali
PING 2 ke dinding pada jarak tertentu lalu mencatat jarak yang diterima oleh
mikrokontroler. Namun dalam pengaplikasiannya, sensor pada robot harus
menerima data secara realtime. Pada penelitian ini akan dilakukan pengembangan
dari penelitian Prasetyo (2010) yaitu dengan pengambilan data secara terusmenerus dengan perubahan jarak terhadap target sebesar 10 cm, serta
pengambilan data menggunakan sensor garis, sensor deteksi api, dan sensor jarak
secara realtime.
Perumusan Masalah
Masalah yang akan diteliti dalam penelitian ini adalah penggunaan sensor
yang tepat untuk fire fighting robot, termasuk pengolahan data sensor yang masih
berupa data mentah agar dapat dengan mudah diproses di mikrokontroler.
Mengkaji pengambilan data jarak yang berubah-ubah oleh sensor jarak secara
realtime. Selain itu penelitian ini juga mengkaji perlakuan khusus yang diperlukan
untuk mengurangi kelemahan setiap sensor.
Tujuan Penelitian
Membuat komunikasi antara mikrokontroler dengan sensor.
Merekomendasikan metode penghalusan atau data smoothing yang dapat
digunakan untuk mengurangi riak data sensor.
Mengimplementasikan sensor pada fire fighting robot.
Manfaat Penelitian
Penelitian ini diharapkan dapat mendukung perkembangan robotika di
lingkungan departemen Ilmu Komputer FMIPA IPB. Selain itu, penelitian
diharapkan dapat membantu penggunaan sensor untuk aplikasi lainnya.
Ruang Lingkup Penelitian
Pada penelitian ini, sensor yang diteliti hanya tiga jenis yaitu sensor jarak
yang menggunakan gelombang suara ultrasonik, sensor garis, dan sensor nyala
api. Percobaan untuk sensor ultrasonik dilakukan secara kontinu dengan
menggerakkan target deteksi (benda dengan permukaan datar) secara manual. Api
yang digunakan pada percobaan menggunakan sensor deteksi api adalah api lilin
yang berada dalam ruangan yang kurang cahaya.
2
PING: istilah yang digunakan ketika sensor menembakkan gelombang suara dari transmitter
sampai menerima pantulan gelombang di receiver.
3
METODE
Metode yang digunakan pada penelitian ini meliputi serangkaian tahapan,
yaitu: tahap studi literatur, persiapan alat dan bahan, analisis sensor, kalibrasi
sensor, dan penerapan data smoothing. Khusus untuk sensor garis dan sensor
deteksi api, tidak dilakukan tahapan kalibrasi sensor dan penerapan data
smoothing, karena output dari kedua sensor ini hanya berupa logika ada atau tidak
ada garis/api. Garis besar dari metode penelitian dapat dilihat dalam bentuk
diagram alir seperti pada Gambar 1.
Studi Literatur
Pada tahapan ini, dilakukan serangkaian studi literatur yang berkaitan
dengan penelitian. Studi ini mencakup sensor-sensor yang digunakan pada fire
fighting robot, cara penggunaan sensor, serta kelemahan yang mungkin terjadi
pada setiap sensor.
Persiapan Alat dan Bahan
Bahan yang digunakan adalah sensor jarak ultrasonik, sensor deteksi api,
dan sensor garis. Sensor jarak ultrasonik yang digunakan adalah HC-SR04. Sensor
ultrasonik HC-SR04 ini berbeda dengan Sensor Ultrasonik PING))) yang
digunakan oleh Prasetyo (2010), dalam hal keakuratan pengambilan data. HCSR04 kurang akurat dibandingkan dengan Sensor Ultrasonik PING))) karena
sensor ini lebih ekonomis. Namun demikian, keakuratan sensor HC-SR04 dapat
ditingkatkan dengan pengkalibrasian sehingga akurasinya dapat mendekati Sensor
Ultrasonik PING))).
Sensor deteksi api yang digunakan adalah sensor YG1006 yang sudah
memiliki modul tambahan, sehingga sensor dapat langsung digunakan.
Kekurangan sensor YG1006 adalah sensor hanya dapat mendeteksi cahaya dengan
spektrum 760 nm sampai 1100 nm (Cytron Technologies 2012).
Gambar 1 Metode penelitian sensor jarak, sensor deteksi api, dan sensor garis
4
Analisis Sensor
Setelah dilakukan pengumpulan alat dan bahan serta perangkaian sensor
dengan mikrokontroler secara sederhana, dilakukan analisis kemampuan baca tiap
sensor secara bergantian. Analisis sensor jarak dilakukan dengan menggunakan
rangkaian sederhana untuk mendapatkan nilai pengukuran. Nilai ini dicatat
beserta jarak target terhadap sensor. Posisi target dari sensor berubah secara
berkala yaitu dari jarak 10 cm sampai 100 cm dengan penambahan jarak sebesar
10 cm. Setiap penambahan jarak, dilakukan PING terhadap target lalu dicatat nilai
pengukuran, sehingga akan ada 10 jenis data nilai pengukuran tiap percobaan.
PING adalah sebuah istilah untuk sensor jarak menembakan gelombang ultrasonik
sampai menerima kembali pantulan gelombang ultrasonik tersebut.
Setelah itu, untuk mendapatkan data jarak dari sensor, nilai pengukuran
yang didapat akan dihitung dengan menggunakan rumus berdasarkan datasheet
dari sensor tersebut. Pengambilan data dilakukan tanpa adanya hambatan yang
tertulis pada datasheet sensor sehingga pembacaan jarak target terhadap sensor
dianggap ideal. Persamaan 1 adalah persamaan konversi pada datasheet Elec
Freaks (2011) sensor HC-SR04.
t
(1)
d=
58.1
Keterangan:
d = jarak deteksi (cm)
t = lama waktu PING
Selain analisis sensor jarak, dilakukan pula analisis terhadap sensor deteksi
api dan sensor garis. Pada tahapan ini, sensor akan dianalisis menggunakan
rangkaian sederhana untuk diambil nilai pengukurannya. Untuk sensor deteksi api,
perlakuannya sama dengan sensor jarak yaitu sumber api ditempatkan pada 10
jarak berbeda ditambah kondisi tidak ada sumber api. Setelah semua data didapat,
akan ditentukan threshold untuk menentukan ada api atau tidak berdasarkan nilai
pengukuran yang diperoleh. Untuk sensor garis, hanya dilakukan percobaan
terhadap garis hitam dan putih, lalu dicatat nilai pengukurannya terhadap warna
tersebut. Berbeda dengan sensor jarak, kedua sensor ini tidak dilanjutkan ke
tahapan kalibrasi karena sensor ini hanya menghasilkan nilai boolean „ada‟ atau
„tidak ada‟.
Kalibrasi Sensor
Kalibrasi dilakukan agar data yang didapat oleh sensor dapat sedekat
mungkin dengan data aktualnya. Pada tahapan kalibrasi sensor, sensor yang
dikalibrasi hanyalah sensor jarak ultrasonik. Pada tahapan ini dilakukan
penyesuaian perhitungan jarak yang dibaca oleh sensor terhadap jarak aktual
sensor dengan target. Penyesuaian dilakukan dengan brute force dan regresi linear
yaitu dengan mencari rumus dasar menggunakan regresi linear dari hubungan
linear antara data pengukuran sensor terhadap jarak aktualnya. Metode brute force
menggunakan Persamaan 2. Cara ini menggunakan rataan dari pembagian antara
data pengukuran dari sensor dengan jarak aktualnya. Setelah didapatkan nilai
kontanta masing-masing, ditentukan nilai konstanta yang akan digunakan pada
rumus kalibrasi.
5
x=
Keterangan:
x = konstanta pembagi
n = banyaknya PING
ai
n
i=1 d
i
(2)
n
ai = lama waktu PING ke-i
di = jarak aktual ke-i
Penerapan Data Smoothing
Data yang didapat setelah kalibrasi masih mungkin memiliki riak (ripple)
yang tidak dibutuhkan. Riak harus dihilangkan, sehingga dibutuhkan data
smoothing untuk mengurangi riak itu. Pada tahapan ini akan dibandingkan 2
metode data smoothing yaitu metode moving average dan metode exponential
smoothing. Metode moving average dapat meramalkan data pada masa yang akan
datang dengan cara mengambil rata-rata atau nilai tengah dari data untuk periode
waktu yang telah ditentukan (Anggraeni dan Alfathoni 2010). Metode ini
dimodelkan dengan Persamaan 3 dengan source code untuk Arduino UNO
terdapat di Lampiran 8.
T
X =
Xi /T
(3)
i=1
Keterangan:
X = jarak deteksi MA (cm)
Xi = jarak deteksi ke-i (cm)
T = banyaknya window/kelompok
Moving average menggunakan layar (window) dalam meramal nilai yang
didapat. Semakin besar window yang digunakan dalam aturan moving average,
akan membuat ketidakstabilan dalam sistem, bahkan perilaku sistem akan
semakin berantakan (Chiarella et al. 2006). Jumlah kelompok (T) yang dipilih
pada penelitian ini sebesar 5. Hal ini dilakukan karena setiap kali pengambilan
data, lama waktu yang dibutuhkan adalah 200 milidetik, sehingga setiap 1 detik
akan didapat hasil jarak yang sesungguhnya. Selain itu, ketika terjadi perubahan
jarak yang besar (misal dari 10 menjadi 100) hanya membutuhkan 5 pengambilan
data (1 detik) untuk mendapatkan jarak aktual 100. Namun ketika terjadi riak data,
data tidak langsung berubah secara signifikan, sehingga dapat meminimalisir
terjadinya ripple pada data.
Metode yang kedua adalah metode exponential smoothing. Metode
exponential smoothing yang digunakan adalah simple exponential smoothing.
Metode ini dimodelkan dengan Persamaan 4 dengan source code untuk Arduino
UNO terdapat di Lampiran 9.
Fi+1 = αXi +(1-α)Fi
Keterangan:
Fi = jarak deteksi ES ke-i (cm)
Xi = jarak observasi ke-i (cm)
α = bobot ES
(4)
Dari Persamaan 4 dapat dilihat bahwa semakin dekat nilai α (bobot) ke 1,
maka prediksi akan semakin mendekati data asli observasi (Xi) dan menjauhi data
hasil prediksi sebelumnya (Fi). Begitu pula sebaliknya jika nilai bobot mendekati
0 maka nilai hasil prediksi akan mendekati nilai prediksi sebelumnya (Chiang
6
2005). Percobaan ini dilakukan dengan menggunakan bobot sebesar 0.2, 0.5 dan
0.8 dengan �0 adalah 0. Hal ini dilakukan agar didapat pola untuk bobot
mendekati 1 dan 0.
Pengujian Sensor
Pengujian dilakukan pada data sensor jarak, sensor deteksi api, dan sensor
garis. Pengujian untuk data sensor jarak adalah keakuratan kalibrasi dalam
memprediksi jarak aktual, dan kemampuan data smoothing dalam menghaluskan
data. Pengujian keakuratan menggunakan korelasi dan root mean square error
(RMSE). Korelasi digunakan untuk mengetahui kedekatan dari data jarak sensor
dengan jarak aktualnya. Semakin bagus hubungannya, nilai korelasi akan
mendekati 1 dimana variasi nilai korelasi berkisar antara -1 sampai 1. Rumus
korelasi seperti pada Persamaan 5 (Downey 2011).
n
i=1 xi - x yi - y
r=
(5)
2
n
2 n y -y
i=1 xi - x
i=1 i
Keterangan:
r = korelasi
xi = data jarak sensor
x = rata-rata jarak sensor
yi = data jarak aktual
y = rata-rata jarak aktual
n = jumlah PING
RMSE digunakan untuk melihat error yang terjadi pada data uji jarak sensor
terhadap jarak aktual. RMSE akan semakin bagus apabila nilainya mendekati 0.
Jika nilai korelasi yang didapat mendekati 1 dan nilai RMSE mendekati 0, maka
akurasi jarak sensor baik. Rumus RMSE seperti pada Persamaan 6 (Johnson,
1995).
RMSE =
n
i=1 (Yi
- Y* )
2
(6)
n
Keterangan:
Y = data jarak sensor
Y∗ = data jarak aktual
n = jumlah PING
Jika akurasi jarak dari sensor cukup baik maka kalibrasi sensor dapat
diimplementasikan pada robot. Namun, jika akurasinya buruk maka harus
dilakukan kalibrasi ulang. Untuk data smoothing, metode yang dapat
menghaluskan data dengan baik akan digunakan. Namun, jika pengambilan data
menggunakan salah satu metode itu tidak sesuai dengan tujuan mengurangi galat
(ripple/riak), maka metode tidak diimplementasikan pada robot. Pengujian untuk
data sensor deteksi api adalah keakuratan threshold dalam menentukan ada api
atau tidak. Pengujian untuk data sensor garis adalah keakuratan dalam mendeteksi
garis putih atau tidak putih.
Implementasi Sensor Pada Robot
Implementasi sensor pada robot dilakukan dengan menempatkan sensor
pada robot. Hal ini dilakukan agar semua sensor dapat digunakan bersama-sama
dengan menggunakan sebuah mikrokontroler, serta penempatan posisi sensor pada
robot.
7
HASIL DAN PEMBAHASAN
Persiapan Alat dan Bahan
Bahan-bahan yang digunakan pada penelitian ini adalah:
5 buah sensor jarak ultrasonik HC-SR04 (Gambar 2a).
1 buah sensor deteksi api YG1006 dengan modul (Gambar 2b).
1 buah sensor garis (Gambar 2c).
1 buah mikrokontroler Arduino UNO (Gambar 2d).
Kabel dan pin header.
Regulator 5V dan baterai 9V.
Project board 1 buah.
Setelah alat dan bahan terkumpul, dilakukan perangkaian sederhana antara
sensor dengan mikrokontroler. Perangkaian dimulai dengan sensor jarak
ultrasonik. Pin VCC pada sensor dihubungkan ke slot Vinput 5V pada
mikrokontroler, pin ground dihubungkan ke slot “ground” pada papan
mikrokontroler. Lalu pin “trigger” dan pin “echo” pada sensor dihubungkan ke
pin serial 3 pada Arduino UNO. Rangkaian sederhana ini bisa dilihat pada
Gambar 3a.
Setelah itu, dibuat rangkaian sederhana untuk sensor deteksi api. Sensor ini
menggunakan pin analog 3 untuk mengirimkan datanya ke mikrokontroler. Pin
VCC dihubungkan ke Vinput 5V dan pin ground dihubungkan ke pin ground pada
papan mikrokontroler. Rangkaian sederhana ini bisa dilihat pada Gambar 3b.
(a)
(b)
(c)
(d)
Gambar 2 (a) sensor jarak ultrasonik HC-SR04, (b) sensor deteksi api YG1006,
(c) sensor garis, dan (d) mirokontroler Arduino UNO
(a)
(b)
Gambar 3 Rangkaian sederhana (a) sensor jarak ultrasonik dan (b) sensor deteksi
api
Jarak (cm)
8
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
1
21
41
61
81
101
PING ke-
121
141
161
181
Gambar 4 Grafik data jarak dari sensor dengan menggunakan rumus konversi
dari datasheet
Analisis Sensor
Rangkaian sederhana sensor jarak digunakan untuk mengambil nilai
pengukuran. Data diambil berdasarkan 10 jarak aktual yang sudah ditentukan
yaitu 10 cm, 20 cm, dan seterusnya sampai 100 cm dari sensor. Sensor jarak
bekerja dengan cara menembakkan gelombang suara ultrasonik lalu menerima
gelombang pantulan dari target. Lama waktu gelombang dipancarkan sampai
diterima adalah nilai pengukurannya, sedangkan untuk mendapatkan nilai jarak,
nilai tersebut harus dikonversi terlebih dahulu. Berdasarkan datasheet Elec Freaks
(2011) untuk sensor HC-SR04, konstanta pembagi yang digunakan adalah 58.1
seperti pada Persamaan 1.
Analisis dilakukan menggunakan rumus konversi pada Persamaan 1 untuk
mendapatkan data jarak. Percobaan dilakukan dengan 10 jarak yang berbeda.
Setiap 10 cm dilakukan beberapa PING terhadap target secara realtime, kemudian
nilai jarak dari sensor dicatat. Data jarak dari sensor dibandingkan dengan jarak
aktualnya. Namun, hasilnya tidak mendekati jarak aktualnya seperti yang terlihat
pada Gambar 4, sehingga dibutuhkan kalibrasi dan penyesuaian untuk rumus
konversi dari waktu menjadi jarak. Untuk data jarak sensor yang lainnya dapat
dilihat pada Lampiran 1.
Grafik pada Gambar 4 menunjukkan data jarak aktual dan jarak yang
dideteksi oleh sensor untuk setiap PING yang dilakukan. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Dalam waktu tertentu jarak aktual diubah-ubah dari 10 cm hingga 100
cm dengan rentang 10 cm. Grafik menunjukkan bahwa jarak sensor (garis merah)
yang tidak sama dengan jarak aktual (garis titik-titik hitam). Hal ini membuktikan
bahwa rumus konversi dari datasheet kurang tepat.
9
Tabel 1 Nilai pengukuran sensor garis
Percobaan 1 2 3 4 5 6 7 8 9 10
Tidak Putih 0 0 0 0 0 0 0 0 0 0
Putih
1 1 1 1 1 1 1 1 1 1
Tabel 2 Nilai pengukuran sensor deteksi api
Jarak (cm)
10
20
30
40
50
60
70
80
90
100
Tidak ada api
Nilai pengukuran
Min
Max
126
256
112
159
103
113
103
113
89
96
88
94
76
91
79
88
88
122
75
116
39
50
Untuk sensor deteksi api, sumber api yang dideteksi berada pada jarak 10
cm, 20 cm, sampai 100 cm. Untuk menentukan ada tidaknya api pada jarak 10100 cm, dibutuhkan sebuah threshold. Nilai threshold ditentukan berdasarkan
nilai pengukuran minimum pada saat adanya api dan nilai pengukuran maksimum
pada saat tidak ada api. Pada Tabel 2, nilai pengukuran minimum pada saat
adanya api didapat pada jarak sumber api 100 cm yaitu 75. Sedangkan nilai
pengukuran maksimum yang didapat ketika tidak ada api adalah 50. Oleh karena
itu, nilai threshold yang digunakan untuk menentukan adanya api atau tidak
adalah sebesar 65. Ketika sensor api menghasilkan nilai pengukuran lebih besar
dari 65 maka terdeteksi ada api, sedangkan jika nilai pengukurannya kurang dari
65 maka tidak terdeteksi api.
Percobaan yang dilakukan pada sensor garis hanyalah membedakan warna
putih dan tidak putih. Sensor ini akan menghasilkan nilai pengukuran 1 untuk
warna putih dan 0 untuk tidak putih seperti pada Tabel 1, sehingga sensor tidak
memerlukan kalibrasi.
Kalibrasi Sensor
Kalibrasi dilakukan agar data yang didapat oleh sensor dapat sedekat
mungkin dengan data aktualnya. Kalibrasi hanya dilakukan pada sensor jarak
ultrasonik saja karena sensor ini mendeteksi jarak target yang nilainya berupa
bilangan kontinyu. Sensor deteksi api dan sensor garis tidak memerlukan kalibrasi
karena hasil yang didapat hanya berupa logika “ada” atau “tidak ada”.
Lama waktu PING (s)
10
7
6
5
4
3
2
1
0
t = 56.91d - 5.006
R² = 0.997
0
20
40
60
Jarak aktual (cm)
80
100
Gambar 5 Grafik regresi linear data pengukuran sensor jarak
Untuk sensor jarak, nilai pengukuran didapat dengan menggunakan fungsi
regresi linear. Data pengukuran yang didapat dari sensor setiap kali PING pada
jarak aktual tertentu, dicatat kemudian dicari hubungan regresi linear data
pengukuran terhadap jarak aktual. Grafik regresi linear dapat dilihat pada Gambar
5, dan persamaan yang diperoleh dapat dilihat pada Persamaan 7.
t + 5.006
(7)
d=
56.91
Keterangan:
d = jarak deteksi (cm)
t = lama waktu PING
Selain menggunakan regresi linear, digunakan juga cara brute force. Cara
ini menggunakan rataan dari pembagian antara data pengukuran dari sensor
dengan jarak aktualnya, seperti pada Persamaan 2. Cara ini menghasilkan
konstanta baru yaitu 57.34. Tabel hasil perhitungan menggunakan cara brute force
dapat dilihat pada Tabel 3, dan data lengkapnya dapat dilihat pada Lampiran 11.
Konstanta yang digunakan adalah 57.34 dikarenakan konstanta ini dapat
menghindari worst case yang mungkin terjadi.
Pada Persamaan 8, terdapat fungsi ceiling yang berfungsi sebagai pengaman
agar jarak yang dideteksi oleh sensor dibulatkan keatas sehingga jarak aman robot
terhadap target/dinding terjaga. Dalam hal ini, fungsi ceiling menjadi pelindung
Tabel 3 Hasil perhitungan menggunakan cara brute force
Lama waktu PING
Jarak aktual
591
10
591
10
591
10
1151
20
1165
20
.
.
.
.
.
.
603
10
603
10
591
10
591
10
591
10
Total lama waktu PING/ jarak aktual
Rata-rata lama waktu PING/ jarak aktual
Lama waktu PING/jarak aktual
59.1
59.1
59.1
57.6
58.3
.
.
.
60.3
60.3
59.1
59.1
59.1
9920.2
57.3
11
100
Jarak sensor
Jarak aktual
Jarak (cm)
80
60
40
20
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
86
91
96
101
106
111
116
121
126
0
PING ke-
Gambar 6 Grafik data sensor jarak dengan jarak aktual setelah kalibrasi
robot dari worst case yang mungkin terjadi. Hasil dari kalibrasi untuk sensor jarak
dapat dilihat pada Gambar 6, untuk hasil kalibrasi yang lainnya dapat dilihat pada
Lampiran 2.
t
(8)
d=
57.34
Keterangan:
d = jarak deteksi (cm)
t = lama waktu PING
Grafik pada Gambar 6 menunjukkan data jarak aktual dan jarak yang
dideteksi oleh sensor dengan menggunakan rumus konversi Persamaan 7. Sumbu
x pada grafik menunjukkan urutan PING yang dilakukan sementara sumbu y
menunjukkan jarak dalam cm. Terlihat bahwa data hasil konversi data jarak
sensor menggunakan Persamaan 8 (―), mendekati nilai jarak aktualnya (••••).
Oleh karena itu, rumus konversi Persamaan 8 dapat digunakan untuk
mengkonversi data dari sensor HC-SR04 menggunakan Arduino UNO sebagai
mikrokontrolernya.
Penerapan Data Smoothing
Setelah kalibrasi, tahap berikutnya adalah penerapan metode data
smoothing. Metode yang digunakan untuk data smoothing adalah moving average
dan exponential smoothing. Setiap metode dilakukan pada sensor jarak dengan
kondisi target sama seperti tahap analisis sensor jarak.
Moving Average
Metode ini dilakukan dengan memasukkan Persamaan 3 ke mikrokontroler
dengan kelompok sebesar 5. Lalu percobaan dimulai dengan kondisi sama seperti
tahap analisis sensor jarak. Grafik pada Gambar 7 menunjukkan data jarak aktual,
data jarak yang dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor
dengan data smoothing moving average dengan window 5. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Grafik menunjukkan bahwa jarak sensor dengan moving average
dapat mengurangi riak data. Hasil percobaan yang lainnya dapat dilihat pada
Lampiran 3.
Hasil data smoothing moving average untuk sensor jarak dapat dilihat pada
Gambar 7. Dari gambar terlihat bahwa setiap perubahan jarak sebesar 10 cm,
dibutuhkan 5 kali PING untuk mendapatkan jarak aktualnya. Hal ini terjadi karena
12
120
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
Gambar 7 Grafik data sensor jarak (
61
71 81 91 101 111 121 131 141 151
PING ke-
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan moving average (---)
untuk setiap perubahan jarak, rata-rata kelompok tidak langsung berubah secara
signifikan.
Pada data sensor jarak (Gambar 7), terjadi perubahan jarak dari 70 cm
menjadi 80 cm pada PING ke 54 sehingga menyebabkan nilai rata-rata kelompok
berubah bertahap. Rata-rata kelompok berubah menjadi 80 cm setelah 5 PING
dari perubahan jarak di PING 55. Dapat dilihat bahwa pada PING 58 – 64 terjadi
riak dari data jarak sensor. Data yang terbaca tidaklah tepat 80, tetapi berfluktuatif
dari 79 sampai 82 dikarenakan adanya kesalahan pembacaan data oleh sensor.
Namun hal ini tidak mengubah rata-rata kelompok yang nilainya tetap 80,
sehingga metode moving average ini dapat menghilangkan riak yang terjadi pada
PING 57 – 63, seperti yang dapat dilihat pada Tabel 4.
Exponential Smoothing
Metode ini dilakukan dengan memasukkan Persamaan 4 ke mikrokontroler
dengan bobot 0.2, 0.5, dan 0.8. Lalu, percobaan dimulai dengan kondisi sama
seperti tahap analisis sensor jarak. Grafik pada Gambar 8 menunjukkan data jarak
aktual, data jarak yang dideteksi oleh sensor setelah kalibrasi, dan data deteksi
dari sensor dengan data smoothing exponential smoothing dengan bobot 0.2.
Sumbu x pada grafik menunjukkan urutan PING yang dilakukan sementara sumbu
y menunjukkan jarak dalam cm. Grafik menunjukkan bahwa jarak sensor dengan
exponential smoothing dengan bobot 0.2 membutuhkan waktu yang lama untuk
mencapai jarak aktualnya sehingga metode tidak sempat untuk menghilangkan
riak data. Hasil percobaan yang lainnya dapat dilihat pada Lampiran 4.
Tabel 4 Data sensor jarak pada PING 57 – 63
PING
57
58
59
60
61
62
63
Aktual
80
80
80
80
80
80
80
Jarak (cm)
Kalibrasi
80
81
80
81
81
79
82
MA
76
78
80
80
80
80
80
13
120
Jarak (cm)
100
80
60
40
20
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
0
PING ke-
Gambar 8 Grafik data sensor jarak (
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.2 (---)
Hasil dari gambar terlihat bahwa metode ini membutuhkan banyak PING
untuk mencapai nilai aktual. Hal ini terjadi karena bobot untuk nilai aktual lebih
kecil daripada bobot untuk nilai prediksi, sehingga perubahan nilai sangat lambat
karena pengaruh nilai prediksi sangat besar.
Grafik pada Gambar 9 menunjukkan data jarak aktual, data jarak yang
dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor dengan data
smoothing exponential smoothing dengan bobot 0.5. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Grafik menunjukkan bahwa jarak sensor dengan exponential
smoothing dengan bobot 0.5 membutuhkan waktu lebih sedikit untuk mencapai
jarak aktualnya. Metode dapat menghilangkan riak data. Hasil percobaan yang
lainnya dapat dilihat pada Lampiran 5.
Nilai yang dihasilkan membutuhkan 5 – 6 kali PING untuk mencapai nilai
aktual. Perubahan nilai lebih cepat dibandingkan dengan menggunakan bobot 0.2.
Hal ini cukup baik karena perubahan tidak terlalu memakan waktu lama tetapi
bisa menghilangkan riak yang terjadi pada PING 133 – 137.
Grafik pada Gambar 10 menunjukkan data jarak aktual, data jarak yang
dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor dengan data
smoothing exponential smoothing dengan bobot 0.8. Sumbu x pada grafik
menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak
dalam cm. Grafik menunjukkan bahwa jarak sensor dengan exponential
120
Jarak (cm)
100
80
60
40
20
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
121
126
0
PING ke-
Gambar 9 Grafik data sensor jarak (
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.5 (---)
14
100
Jarak (cm)
80
60
40
20
0
1
6
11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96
PING ke-
Gambar 10 Grafik data sensor jarak (
―) dengan jarak aktual (••••) dan jarak
sensor menggunakan exponential smoothing dengan bobot 0.8 (---)
smoothing dengan bobot 0.8 membutuhkan waktu yang singkat untuk mencapai
jarak aktualnya. Namun pada gambar, hasil percobaan tidak dapat menghilangkan
riak data. Jarak sensor dengan exponential smoothing dengan bobot 0.8 lebih
mengikuti perubahan data jarak sensor setelah kalibrasi. Hasil percobaan yang
lainnya dapat dilihat pada Lampiran 6.
Nilai yang dihasilkan sangat cepat berubah. Hal ini dikarenakan bobot
prediksi yang kecil dan bobot nilai yang didapat sangat besar, sehingga nilai
prediksi akan lebih cepat berubah. Hal ini kurang baik karena bobot yang besar
akan membuat nilai prediksi mudah berubah mengikuti ripple.
Pengujian Sistem
Pengujian akurasi data jarak sensor menggunakan toleransi ±10% dari jarak
aktualnya. Akurasi dihitung dengan menggunakan Persamaan 8, dimana data jarak
sensor dianggap akurat jika nilainya berada pada rentang toleransi ±10% dari
jarak aktualnya. Data pengukuran akurasi dapat dilihat pada Lampiran 10, dengan
data jarak dari sensor ketika target bergerak dihilangkan. Hal ini dilakukan karena
sensor akan membaca jarak yang tidak diketahui jarak aktualnya ketika target
bergerak. Akurasi data jarak sensor yang didapatkan sebesar 100%.
x=
a
×100%
n
(8)
Keterangan:
x = akurasi
a = banyaknya data yang akurat
n = banyaknya data
Korelasi data sensor jarak setelah kalibrasi terhadap jarak aktualnya
dihitung dengan Persamaan 5 dan diperoleh hasil sebesar 0.999155. Nilai korelasi
mendekati 1 artinya data sensor jarak setelah kalibrasi memiliki hubungan yang
dekat dengan jarak aktualnya. Artinya hasil kalibrasi sangat baik dan sangat dekat
dengan jarak aktualnya.
RMSE untuk data sensor jarak kalibrasi dihitung dengan menggunakan
Persamaan 6 dan diperoleh hasil sebesar 1.1319. Nilai RMSE mendekati 0 artinya
data sensor jarak kalibrasi menghasilkan sedikit error. Hal ini sangat baik karena
error yang dihasilkan sedikit. Pengujian akurasi kalibrasi sensor jarak
15
Tabel 5 Hasil pengujian data smoothing moving average dan exponential
smoothing pada sensor jarak
Sensor
1
2
3
4
5
Rata-rata banyaknya PING* untuk mencapai nilai aktual
MA (window = 5) ES (α = 0.2) ES (α = 0.5) ES (α = 0.8)
5
28
6
3
5
28
6
3
5
29
6
3
5
29
7
3
5
29
6
3
* 1 PING = 200 ms
menghasilkan nilai korelasi dan RMSE yang sangat baik, sehingga akurasi yang
didapat sangat baik.
Untuk data smoothing, pengujian dilakukan dengan menghitung rata-rata
banyaknya PING yang diperlukan sensor untuk mencapai nilai aktualnya. Hasil
dari pengujian dapat dilihat pada Tabel 5. Untuk moving average dengan window
sebesar 5, dibutuhkan 5 kali PING untuk mencapai nilai aktual. Hal ini
menunjukkan bahwa setiap 1 detik, sensor akan mendapatkan nilai aktual dari
data yang didapat. Jika dalam rentang 1 detik terdapat data yang menyimpang,
nilai yang didapat tidak akan berubah drastis, sehingga pada PING yang
berikutnya, nilai aktual akan kembali didapat.
Untuk exponential smoothing dengan α (bobot/smoothing factor) 0.2,
dibutuhkan rata-rata 29 kali PING untuk mencapai nilai aktual. Hal ini
menunjukkan bahwa untuk mencapai nilai aktual, dibutuhkan waktu 6 detik.
Dengan kata lain, robot memerlukan waktu tambahan untuk mendeteksi jarak
aktualnya dengan target. Namun ketika ada data yang salah, nilai yang didapat
berubah sangat sedikit.
Untuk exponential smoothing dengan α (bobot/smoothing factor) 0.5,
dibutuhkan rata-rata 6 kali PING untuk mencapai nilai aktual. Hal ini cukup bagus
karena hanya dibutuhkan 1.2 detik untuk mencapai nilai aktual. Metode ini dapat
menghaluskan data yang didapat oleh sensor. Ketika ada data yang menyimpang,
nilai yang didapat hanya berubah 50% dari selisih data sebelumnya dengan data
yang menyimpang. Ketika terjadi perubahan jarak aktual, tiap PING dari sensor
akan mengubah nilai yang didapat sebesar 50% dari selisih nilai sebelumnya
dengan nilai baru yang didapat.
Untuk exponential smoothing dengan α (bobot/smoothing factor) 0.8,
dibutuhkan rata-rata 3 kali PING untuk mencapai nilai aktual. Ketika ada
kesalahan pembacaan nilai oleh sensor, data yang didapat akan berubah drastis,
sekitar 80% dari selisih data sebelumnya dengan data yang baru. Walaupun untuk
mencapai nilai aktual hanya dibutuhkan 600 milidetik, tetapi data yang didapat
akan rentan terhadap gangguan. Hal ini dapat membuat robot berjalan secara zigzag karena data yang diterima sangat mudah berubah.
16
Gambar 11 Peletakan sensor jarak ultrasonik pada robot
Pengujian selanjutnya dilakukan pada data sensor deteksi api. Pengujian
dilakukan dengan meletakkan api pada jarak tertentu di depan sensor. Kemudian
digunakan threshold sebesar 65 untuk menentukan ada api atau tidak. Percobaan
membuktikan bahwa seluruh nilai pengukuran yang dihasilkan ketika ada api
lebih besar dari 65. Dengan kata lain, sensor api dengan threshold 65 memiliki
akurasi 100%.
Untuk sensor garis, nilai pengukuran yang dihasilkan oleh sensor ketika
mendeteksi garis warna tidak putih bernilai 0. Sedangkan ketika mendeteksi
warna putih, nilai pengukuran yang dihasilkan sebesar 1. Akurasi sensor ini juga
100%.
Implementasi Sensor pada Robot
Peletakan 5 buah sensor jarak membentuk setengah lingkaran pada bagian
depan robot. Sensor pertama diletakan menghadap depan robot, hal ini bertujuan
agar robot dapat mendeteksi dinding di depan robot sehingga robot tidak
menabrak dinding. Sensor kedua dan ketiga diletakan menghadap serong kanan
dan serong kiri robot. Hal ini bertujuan agar kaki depan robot tidak menabrak
dinding. Sensor keempat dan kelima diletakan menghadap samping kanan dan
damping kiri robot. Hal ini bertujuan agar robot dapat mendeteksi jarak dari
dinding kanan dan dinding kiri, sehingga robot dapat memutuskan untuk berbelok
atau tidak berdasarkan jaraknya terhadap dinding di kanan dan di kiri. Untuk lebih
jelasnya, peletakan sensor jarak dapat dilihat pada Gambar 11.
Setiap sensor dapat mengambil data secara bersamaan dengan menggunakan
sebuah mikrokontroler. Source code untuk pengambilan data secara bersamaan
dapat dilihat pada Lampiran 7. Sensor jarak diimplementasikan menggunakan
rumus hasil kalibrasi serta tidak diterapkan data smoothing pada datanya. Hasil
akuisisi data sensor secara bersamaan dapat dilihat pada Gambar 12. Pada Gambar
12:
kolom pertama berisi data dari sensor jarak yang diletakan menghadap samping
kiri robot,
kolom kedua berisi data dari sensor jarak yang diletakan menghadap serong
kiri robot,
17
Gambar 12 Tampilan akuisisi data semua sensor secara bersamaan
kolom ketiga berisi data sensor jarak yang diletakan menghadap depan robot,
kolom keempat berisi data sensor jarak yang diletakan menghadap serong
kanan robot,
kolom kelima berisi data sensor jarak yang diletakan menghadap samping
kanan robot,
kolom keenam berisi data sensor deteksi api, dan
kolom ketujuh berisi data sensor garis.
SIMPULAN DAN SARAN
Hasil eksperimen menunjukan bahwa sensor jarak ultrasonik yang
digunakan dalam sistem robot hexapod pada penelitian ini dapat membaca data
jarak dengan baik ketika konstanta pembagi yang digunakan adalah 57.34.
Akurasi dari kalibrasi sensor jarak menggunakan konstanta pembagi 57.34 sangat
baik, hal ini ditunjukkan dari korelasi data hasil kalibrasi sebesar 0.999155 dan
RMSE sebesar 1.1319. Artinya data hasil kalibrasi dengan menggunakan
konstanta pembagi 57.34 memiliki korelasi yang baik dengan nilai aktualnya serta
menghasilkan error yang sedikit. Metode data smoothing yang direkomendasikan
adalah moving average dengan window 5 atau exponential smoothing dengan
bobot 0.5. Namun, penggunaan salah satu dari kedua metode ini memerlukan
penelitian lebih lanjut, karena diperlukan penyesuaian dalam pemrosesan data di
mikrokontroler. Untuk sensor deteksi api, nilai threshold yang disarankan adalah
65 untuk mendeteksi api dalam jarak 10 cm sampai 100 cm. Sensor garis tidak
memerlukan pengolahan data tambahan karena nilai yang didapat merupakan nilai
logika. Nilai 0 merepresentasikan garis tidak putih sedangkan nilai 1
merepresentasikan garis putih. Pada fire fighting robot, peletakan sensor jarak
membentuk setengah lingkaran. Sensor jarak yang menghadap ke depan robot 1
buah, 2 buah sensor jarak menyerong kanan dan kiri, sedangkan 2 sensor jarak
lainnya menghadap samping kanan dan kiri robot.
Saran untuk penelitian selanjutnya adalah dengan menggabungkan data
yang diterima oleh sensor dengan kecerdasan buatan robot untuk mengambil
keputusan pergerakan robot. Metode data smoothing dapat diterapkan, namun
dibutuhkan penyesuaian dalam pemrosesan data di mikrokontroler.
18
DAFTAR PUSTAKA
Anggraeni W, Alfathoni A. 2010. Peramalan port throughput menggunakan
metode kombinasi nonlinier [skripsi]. Yogyakarta (ID): UPN Veteran.
Chiang TC. 2005. Business Conditions & Forecasting. Philadelphia (US): Drexel
University.
Chiarella C, He XZ, Hommes C. 2006. A dynamic analysis of moving average
rules. Journal of Economic Dynamics & Control. 30:1729–1753.
Cytron Technologies. 2012. Flame sensor module getting started guide [datasheet].
Johor (MY): Cytron Technologies.
Downey AB. 2011. Think Stats: Probability and Statistics for Programmers.
Massachusetts (US): Green Tea Pr.
Elec Freaks. 2011. Ultrasonic ranging module HC-SR04 [internet]. [diunduh 2013
Mar 24]. Tersedia pada: http://elecfreaks.com/store/download/HC-SR04.pdf.
Johnson LL. 1995. A comparison of methods for estimating RMS error: a “brute
force” approach versus a mathematically-elegant approach, as applied to the
calculation of a specific retrieval error for a limb-scanning microwave
radiometer-spectrometer [tesis]. Ohio (US): Air Force Institute of
Technology.
Prasetyo WE. 2010. Perancangan dan implementasi robot cerdas pemadam api
senior beroda DU 114-v10 (dirancang untuk pertandingan KRCI 2010)
[skripsi]. Bandung (ID): Universitas Komputer Indonesia.
19
LAMPIRAN
Lampiran 1 Grafik data sensor jarak sebelum kalibrasi
(a) Grafik data sensor jarak 1
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
5
10
15
20
25
30
35
40
45
50
55
61
66
71
76
81
86
91
96
101
106
111
116
121
126
131
136
Jarak (cm)
Jarak aktual
PING ke-
Jarak (cm)
(b) Grafik data sensor jarak 2
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
20
40
60
80
100
120
140
160
180
200
PING ke-
Jarak (cm)
(c) Grafik data sensor jarak 3
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
20
40
60
80
100
PING ke-
120
140
160
180
20
Lampiran 1 Lanjutan
(d) Grafik data sensor jarak 4
Jarak (cm)
100
90
80
70
60
Jarak sensor
Jarak aktual
50
40
30
20
10
0
20
40
60
80
100
120
140
160
PING keJarak sensor
Jarak aktual
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
105
110
115
120
125
130
136
141
Jarak (cm)
(e) Grafik data sensor jarak 5
100
90
80
70
60
50
40
30
20
10
0
PING ke-
21
Lampiran 2 Grafik data sensor jarak setelah kalibrasi
(a) Grafik data sensor jarak 1
Jarak sensor
Jarak aktual
Jarak (cm)
100
90
80
70
60
50
40
30
20
10
0
5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100
PING keJarak sensor
Jarak aktual
5
10
15
20
25
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
Jarak (cm)
(b) Grafik data sensor jarak 2
100
90
80
70
60
50
40
30
20
10
0
PING ke-
(c) Grafik data sensor jarak 3
100
90
Jarak sensor
Jarak aktual
70
60
50
40
30
20
10
0
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
86
91
96
101
106
111
116
121
126
Jarak (cm)
80
PING ke-
22
Lampiran 2 Lanjutan
Jarak (cm)
(d) Grafik data sensor jarak 4
100
90
80
70
60
50
40
30
20
10
0
Jarak sensor
Jarak aktual
5
10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90
PING keJarak sensor
Jarak aktual
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
105
110
115
120
125
Jarak (cm)
(e) Grafik data sensor jarak 5
100
90
80
70
60
50
40
30
20
10
0
PING ke-
23
Lampiran 3 Grafik data sensor jarak setelah kalibrasi dan moving average dengan
window 5
(a) Grafik data sensor jarak 1
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71 81 91 101 111 121 131 141 151
PING ke-
(b) Grafik data sensor jarak 2
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71 81
PING ke-
91
101 111 121 131 141
61
71 81
PING ke-
91
101 111 121 131 141 151
(c) Grafik data sensor jarak 3
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
24
Lampiran 3 Lanjutan
(d) Grafik data sensor jarak 4
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71
81
91
101 111 121 131 141 151
91
101 111 121 131 141 151
PING ke-
(e) Grafik data sensor jarak 5
120
Jarak sensor
Jarak sensor + MA
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
11
21
31
41
51
61
71
81
PING ke-
25
Lampiran 4 Grafik data sensor jarak setelah kalibrasi dan exponential smoothing
dengan bobot 0.2
(a) Grafik data sensor jarak 1
120
Jarak sensor
Jarak sensor + ES
Jarak aktual
Jarak (cm)
100
80
60
40
20
0
1
21
41
61
81
101 121 141 161 181 201 221 241 261 281
PING ke-
(b) Grafik data sensor jarak 2
120
Jarak (cm)
100
Jarak sensor
Jarak sensor + ES
Jarak aktual
80
60
40
20
1
6
11
16
21
26
31
36
41
46
51
56
61
66
71
76
81
86
91
96
101
106
111
116
121
126
0
PING ke-
(c) Grafik data sensor jarak 3
120
Jarak (cm)
100
Jarak sensor
Jarak sensor + ES
Jarak aktual
80
60
40
20
0
1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101106111116
PING ke-
26
Lampiran 4 Lanjutan
(d) Grafik data sensor jarak 4
120
Jarak (cm)
100
Jarak sensor
Jarak sensor + ES
Jarak aktual
80
60
40
20
1
6
11
16
21
26
31
3