Koordinasi Gerak dan Navigasi Hexapod dengan Algoritme Tripod gait, Wall Following, dan Logika Fuzzy

KOORDINASI GERAK DAN NAVIGASI HEXAPOD DENGAN
ALGORITME TRIPOD GAIT, WALL FOLLOWING, DAN
LOGIKA FUZZY

SODIK KIRONO

DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2014

PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Koordinasi Gerak dan
Navigasi Hexapod dengan Algoritme Tripod gait, Wall Following, dan Logika
Fuzzy 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, Juli 2014

Sodik Kirono
NIM G64100002

ABSTRAK
SODIK KIRONO. Koordinasi Gerak dan Navigasi Hexapod dengan Algoritme
Tripod gait, Wall Following, dan Logika Fuzzy. Dibimbing oleh KARLISA
PRIANDANA dan HERU SUKOCO.
Robot adalah alat yang dapat berinteraksi dengan lingkungannya dan
melakukan fungsi tertentu sesuai dengan program yang ditanamkan kepadanya.
Untuk dapat berfungsi dengan baik, robot perlu berinteraksi dengan
lingkungannya (sense), memproses informasi tersebut (think), dan memberikan
respons (act). Penelitian ini bertujuan untuk mengintegrasikan ketiga fungsi utama
tersebut pada robot hexapod pemadam api. Masukan dari lingkungan diperoleh
dari sensor jarak. Masukan ini kemudian diproses dengan algoritme navigasi wallfollowing dan logika fuzzy untuk menentukan arah atau sudut gerak robot. Sudut
gerak robot kemudian diimplementasikan menjadi koordinasi gerakan kaki-kaki
robot dengan algoritme tripod gait. Penelitian ini telah berhasil mengintegrasikan

algoritme akusisi data dari sensor (sense), sistem navigasi wall-following dan
logika fuzzy (think), dan sistem koordinasi kaki dengan tripod gait (respon).
Robot telah diuji pada lingkungan sesuai dengan ketentuan KRPAI 2014 dan
robot berhasil bergerak tanpa menabrak dinding.
Kata kunci: hexapod, navigasi, robot, sensor

ABSTRACT
SODIK KIRONO. Hexapod Movement Coordination and Navigation using
Tripod gait, Wall Following, and Fuzzy Logic Algorithms. Supervised by
KARLISA PRIANDANA and HERU SUKOCO.
Robot is a tool that can interact with its environment and perform certain
functions in accordance with a program that is embedded in it. To function
properly, the robot needs to interact with its environment (sense), process the
information (think), and give some responses (act). This study aims to integrate
the three major functions in an hexapod fire-fighting robot. Input from the
environment is obtained from range sensor. These inputs are then processed with a
wall-following navigation algorithms and fuzzy logic to determine the direction or
angle of motion. This angle is then implemented by the robot’s legs into some
movement coordination by using tripod gait algorithm. This study has
successfully integrate the algorithm of sensor data acquisition (sense), wallfollowing and fuzzy logic navigation system (think), and tripod gait coodination

system (respon). The robot was tested in an environment in accordance with the
provisions of KRPAI 2014, and it can move without hitting against the wall.
Keywords: hexapod, navigation, robot, sensor

KOORDINASI GERAK DAN NAVIGASI HEXAPOD DENGAN
ALGORITME TRIPOD GAIT, WALL FOLLOWING, DAN
LOGIKA FUZZY

SODIK KIRONO

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

2014

Penguji : Ir Sri Wahjuni, MT

Judul Skripsi : Koordinasi Gerak dan Navigasi Hexapod dengan Algoritme
Tripod gait, Wall Following, dan Logika Fuzzy
Nama
: Sodik Kirono
NIM
: G64100002

Disetujui oleh

Karlisa Priandana, ST MEng
Pembimbing I

DrEng Heru Sukoco, SSi MT
Pembimbing II

Diketahui oleh

Dr Ir Agus Buono, MSi MKom
Ketua Departemen

Tanggal Lulus:

PRAKATA
Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas
segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Judul
penelitian yang dilaksanakan sejak bulan November 2013 ini ialah Koordinasi
Gerak Dan Navigasi Hexapod dengan Algoritme Tripod gait, Wall Following, dan
Logika Fuzzy.
Terima kasih penulis ucapkan kepada Ibu Karlisa Priandana, ST MEng dan
Bapak DrEng Heru Sukoco, SSi MT selaku komisi pembimbing. Ucapan terima
kasih juga kepada bapak, ibu dan seluruh keluarga, atas segala doa dan
dukungannya, serta kepada teman-teman Ilmu Komputer 47 dan semua pihak
yang terkait langsung maupun tidak atas dukungannya selama penelitian ini
dilakukan.
Semoga karya ilmiah ini bermanfaat.

Bogor, Juli 2014
Sodik Kirono

DAFTAR ISI
DAFTAR TABEL

xi

DAFTAR GAMBAR

xi

DAFTAR LAMPIRAN

xi

PENDAHULUAN

1

Latar Belakang

1

Perumusan Masalah

2

Tujuan Penelitian

2

Manfaat Penelitian

2

Ruang Lingkup Penelitian

2

METODE PENELITIAN

2

Studi Literatur

3

Persiapan Alat dan Bahan

3

Perakitan Robot dan Peripheral

3

Implementasi dan Penggabungan Algoritme pada Robot

4

Pengambilan Data dari Sensor Jarak

4

Navigasi dengan Algoritme Wall Following dan Logika Fuzzy

5

Konversi Sudut Belok Robot ke Lebar Pulsa

5

Koordinasi gerak kaki dengan algoritme tripod gait

5

Pengujian

6

Pengujian masing-masing algoritme

6

Pengujian integrasi algoritme

6

Evaluasi

7

HASIL DAN PEMBAHASAN

7

Persiapan Alat dan Bahan

7

Perakitan Robot dan Peripheral

8

Implementasi dan Penggabungan Algoritme pada Robot

9

Pengambilan Data dari Sensor Jarak

9

Navigasi dengan Algoritme Wall Following dan Logika Fuzzy

9

Konversi Sudut Putar Menjadi Nilai Lebar Pulsa

14

Koordinasi Gerak dengan Tripod Gait

14

Pengujian

16

Pengujian pada Masing-Masing Algoritme

16

Pengujian Integrasi Algoritme

17

Evaluasi

18

SIMPULAN DAN SARAN

18

Simpulan

18

Saran

18

DAFTAR PUSTAKA

19

DAFTAR TABEL
1
2
3
4
5
6

Aturan fuzzy untuk right dan left wall following
12
Perbandingan waktu komputasi algoritme tripod gait tanpa fuzzy dan dengan fuzzy16
Hasil pengujian algoritme akusisi data sensor
16
Hasil pengujian algoritme navigasi
17
Hasil pengujian algoritme koordinasi gerak kaki
17
Hasil pengujian integrasi algoritme pada konfigurasi ruangan KRPAI 2014
17

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10

Alur penelitian
3
Konfigurasi sensor jarak
4
Proses penggabungan algoritme
4
Konfigurasi KRPAI 2014
6
(a) Robot Hexapod (b) SPC servo controller (c) Sensor Jarak HC-SR04 dan (d)
Mikrokontroler Arduino UNO
7
Perakitan sensor jarak
8
Track Robot
8
Fungsi keanggotaan sensor (a) depan, (b) samping, dan (c) serong
11
Fungsi keanggotaan keluaran
13
Konfigurasi servo pada kaki
15

DAFTAR LAMPIRAN
1 Algoritme navigasi dengan wall following dan logika fuzzy
2 Contoh Perhitungan Logika Fuzzy
3 Algoritme tripod gait untuk gerak maju, belok kiri, dan belok kanan
4 Algoritme koordinasi gerak dengan tripod gait

20
21
23
24

PENDAHULUAN
Latar Belakang
Robot adalah suatu alat multifungsi yang dapat bergerak pada suatu
lingkungan dengan kemampuan tertentu disesuaikan dengan tugasnya (Carelli dan
Freire 2003). Gerak robot dideskripsikan oleh pose, kecepatan, akselerasi, dan
turunan dari pose badan robot yang menghasilkan gerak (Siciliano dan Khatib
2008).
Robot berkaki dibedakan menjadi dua macam berdasarkan kestabilannya
yaitu kestabilan statis dan kestabilan dinamis. Robot berkaki dengan kestabilan
dinamis artinya bahwa titik berat robot dapat berpindah untuk menjaga kestabilan
dan keseimbangan ketika robot bergerak, dan yang termasuk dalam jenis ini
adalah robot berkaki satu sampai empat. Sedangkan robot dengan kestabilan statis
adalah robot yang titik beratnya tetap stabil dan tidak berpindah ketika bergerak,
dan yang termasuk dalam jenis ini adalah robot dengan jumlah kaki minimal 4
buah, seperti hexapod dan octopod (Thirion dan Thiry 2002).
Hexapod adalah robot berkaki enam sehingga memiliki ragam gerakan
yang bervariasi. Kompleksitas gerakan kaki juga menjadi tinggi sehingga
diperlukan algoritme pergerakan kaki yang sesuai dengan kondisi lingkungannya
(Thirion dan Thiry 2002).
Robot cerdas melakukan tugasnya berdasarkan program kecerdasan buatan
yang ditanamkan padanya. Salah satu kecerdasan yang dibutuhkan robot adalah
kemampuan untuk melakukan navigasi. Kemampuan navigasi dapat dikaitkan
dengan kemampuan sensor untuk menerima masukan dari lingkungan (Carelli dan
Freire 2003). Masukan dari lingkungan merupakan sesuatu yang tidak pasti
sehingga memerlukan pemodelan yang dapat mengatasinya. Logika fuzzy dapat
menjadi pilihan untuk menangani ketidakpastian (Peri 2002).
Penelitian terkait yang telah dilaksanakan yaitu analisis dan penerapan
sensor jarak, sensor deteksi api, dan sensor garis pada fire fighting robot oleh
Sidik (2013). Penelitian tersebut telah berhasil mengimplementasikan sensor jarak,
sensor deteksi api, dan sensor garis pada fire fighting robot dengan
mengembangkan algoritme akusisi data sensor. Selain itu, Chriswantoro (2013)
telah melakukan penelitian untuk mengembangkan sistem navigasi menggunakan
wall following dan logika fuzzy. Penelitian telah berhasil mengembangkan sistem
navigasi menggunakan wall following dan logika fuzzy dan telah berhasil
menyelesaikan misi pada lintasan KRPAI (Kontes Robot Pemadam Api
Indonesia). Wulandari (2013) telah mengembangkan penelitian untuk
implementasi tripod gait dan inverse kinematics untuk koordinasi gerak robot
berkaki enam. Penelitian tersebut telah berhasil mengimplementasikan algoritme
tripod gait dan inverse kinematics pada hexapod dengan masukan berupa nilai
lebar pulsa yang telah dihitung sebelumnya. Namun algoritme-algoritme yang
telah dikembangkan tersebut belum terintegrasi.
Penelitian ini bertujuan untuk mengintegrasikan algoritme tripod gait dalam
mengatur koordinasi gerak kaki hexapod dari masukan sensor jarak yang telah
diolah dengan sistem navigasi menggunakan algoritme wall following dan logika
fuzzy.

2
Perumusan Masalah
Robot dengan jumlah kaki banyak, contohnya hexapod, memerlukan
algoritme untuk mengatur koordinasi gerak kakinya. Salah satunya yaitu tripod
gait. Selain itu koordinasi kaki, robot berkaki enam juga memerlukan sistem
navigasi untuk menyelesaikan tugasnya. Implementasi sistem navigasi akan
dilakukan dengan menggunakan algoritme wall following dan logika fuzzy dengan
masukan dari sensor jarak untuk menentukan sudut perputaran/ belok robot.
Algoritme-algoritme tersebut masing-masing sudah dikembangkan pada
penelitian sebelumnya, namun belum terintegrasi.
Tujuan Penelitian
Tujuan dari penelitian ini adalah mengintegrasikan algoritme pengambilan
data dari sensor jarak, algoritme pengolahan data sensor dengan algoritme wall
following dan logika fuzzy serta algoritme tripod gait sebagai pengatur koordinasi
gerak kaki sehingga robot dapat bergerak menyusuri ruangan dengan mengikuti
konfigurasi dinding sesuai ketentuan KRPAI 2014.
Manfaat Penelitian
Manfaat yang diharapkan dalam penelitian ini adalah mendukung
pengembangan smart multi-legged robots di Indonesia.
Ruang Lingkup Penelitian
•
•
•
•

Ruang lingkup dari penelitian ini adalah:
Implementasi dilakukan pada robot hexapod yang sudah dirakit pada
penelitian sebelumnya.
Algoritme kecerdasan yang sudah terintegrasi yang dikembangkan akan
diterapkan pada robot berkaki enam berukuran 40 × 30 × 27 cm.
Sistem navigasi yang diujikan dalam penelitian ini hanya sebatas gerak
untuk menyusuri dinding lintasan sesuai dengan ketentuan KRPAI 2014
untuk konfigurasi ruang 4.
Masukan yang akan diproses oleh sistem navigasi hanya berasal dari sensor
jarak.

METODE PENELITIAN
Alur penelitian dapat dilihat pada Gambar 1. Penelitian dimulai dengan
studi literatur. Selanjutnya dilakukan persiapan alat dan bahan serta perakitan
robot dan peripheral. Penelitian dilanjutkan dengan tahap implementasi dan
penggabungan algoritme. Tahap pengujian dilakukan untuk mengetahui hasilnya,
dan
selanjutnya

3

Gambar 1 Alur penelitian
dilakukan evaluasi untuk mengetahui penyebab keberhasilan atau kegagalan
dalam tahap implementasi dan penggabungan algoritme.

Studi Literatur
Tahap studi literatur dilakukan untuk mempelajari datasheet komponen
yang digunakan dan algoritme yang akan digunakan.

Persiapan Alat dan Bahan
Komponen-komponen yang harus dipersiapkan adalah robot hexapod,
sensor jarak, dan track robot. Robot hexapod yang digunakan adalah hasil
perakitan dari penelitian sebelumnya oleh Wulandari (2013). Robot hexapod yang
digunakan memiliki 12 buah servo HS645MG, 6 buah servo HS225BB, 1 buah
SPC servo controller, 1 buah mikrokontroler Arduino UNO, baterai 9 V, baterai
LiPo 7.4 V dan 5.1 V Regulator.
Sensor jarak yang akan digunakan adalah HC-SR04. HC-SR04
menggunakan gelombang ultrasonik dalam mengukur jarak antara robot dan
dinding. Masing-masing sensor jarak tersebut memerlukan daya 5V.
Track robot digunakan sebagai lintasan robot dan akan dibuat dari kayu
(untuk dinding dan lintasan), karpet (untuk pelapis pada sebagian lintasan), dan
lakban putih (untuk penanda ruangan dan perekat alas). Track robot akan dibuat
sesuai ketentuan KRPAI 2014.

Perakitan Robot dan Peripheral
Tahap perakitan robot dan peripheral dilakukan untuk menambah
komponen yang belum ada pada penelitian sebelumnya, seperti perakitan sensor
jarak. Selain itu, pada tahap ini dilakukan juga pemeriksaan terhadap fungsi dari
masing-masing komponen. Sensor jarak akan dipasang melingkar pada 5 posisi
yaitu depan, serong kanan, serong kiri, samping kanan, dan samping kiri dengan
konfigurasi seperti pada Gambar 2 (Chriswantoro 2013).

4

Gambar 2 Konfigurasi sensor jarak

Implementasi dan Penggabungan Algoritme pada Robot
Pada tahap implementasi terdapat 3 algoritme yang akan diintegrasikan
yaitu pengambilan data dari sensor jarak, navigasi dengan wall following dan
logika fuzzy, dan koordinasi gerak kaki dengan tripod gait. Ketiga algoritme akan
diintegrasikan untuk mengatur navigasi dan koordinasi pada robot hexapod
sehingga robot dapat menyusuri dinding sesuai konfigurasi ruangan yang ada.
Proses penggabungan algoritme dapat dilihat pada Gambar 3, dengan penjelasan
sebagai berikut :

Gambar 3 Proses penggabungan algoritme
Pengambilan Data dari Sensor Jarak
Penelitian ini akan menggunakan masukan dari lima buah sensor jarak.
Sensor depan akan digunakan untuk mengukur jarak robot dengan dinding di

5
depannya. Sensor serong akan digunakan untuk mengukur jarak robot dengan
dinding di serong kiri dan kanan. Sensor samping digunakan untuk mengukur
jarak antara robot dengan dinding di samping kiri dan kanan.
Algoritme untuk pengambilan data dari sensor akan menggunakan kode
program yang sudah dikembangkan pada penelitian sebelumnya oleh Sidik (2013).
Keluaran algoritme ini berupa jarak kelima sensor dengan dinding. Informasiinformasi ini akan menjadi data masukan untuk algoritme navigasi robot.
Navigasi dengan Algoritme Wall Following dan Logika Fuzzy
Data jarak dari sensor yang diterima Arduino UNO akan digunakan sebagai
masukan bagi navigasi robot yang menggunakan algoritme wall following dan
logika fuzzy. Untuk variabel sensor samping dan serong yang aktif ditentukan oleh
tipe wall following yang sedang dipakai. Apabila menggunakan right wall
following, maka sensor samping dan sensor serong yang dimaksud ialah sensor
samping kanan dan serong kanan. Apabila menggunakan left wall following,
maka sensor samping dan sensor serong yang dimaksud ialah sensor samping kiri
dan serong kiri.
Navigasi yang digunakan pada robot adalah hasil penelitian sebelumnya
oleh Chriswantoro (2013). Keluaran dari algoritme ini adalah besar sudut belok
robot.
Konversi Sudut Belok Robot ke Lebar Pulsa
Keluaran dari algoritme navigasi dengan wall following dan logika fuzzy
adalah sudut belok robot yang menentukan derajat perputaran. Sedangkan
masukan dari algoritme koordinasi yang akan digunakan yaitu tripod gait adalah
lebar pulsa. Lebar pulsa menentukan pergerakan dari setiap servo. Lebar pulsa
didapatkan dengan cara mengubah sudut belok robot ke lebar pulsa. Hubungan
antara lebar pulsa dengan sudut servo yang diinginkan dapat dilihat pada
persamaan 1 (RCToys 2001).
Lebar pulsa=(10*sudut servo) + 600

(1)

Koordinasi gerak kaki dengan algoritme tripod gait
Sudut belok robot menjadi masukan bagi algoritme koordinasi gerak kaki
yaitu tripod gait. Dalam tripod gait, sebuah tripod terdiri dari kaki depan dan
belakang pada satu sisi dan kaki tengah pada sisi lainnya. Untuk masing-masing
tripod, kaki-kaki tersebut akan terangkat, bergerak maju atau mundur, dan turun
kembali.
Algoritme koordinasi gerak dengan tripod gait yang digunakan adalah
algoritme yang telah dikembangkan oleh Wulandari (2013). Masukan yang
diharapkan adalah lebar pulsa yang akan digunakan untuk menentukan besar
pergerakan servo.

6
Pengujian
Pengujian masing-masing algoritme
Pengujian algoritme dilakukan untuk melihat kesesuaian proses integrasi
algoritme terhadap kondisi yang diinginkan. Pengujian pada penelitian ini akan
dilakukan dengan tiga tahap, yaitu pengujian tahap satu pada algoritme akusisi
data sensor jarak, pengujian tahap dua pada algoritme navigasi, dan pengujian
tahap tiga pada algoritme koordinasi.
Pengujian tahap satu dilakukan dengan cara melihat keluaran jarak pada
serial monitor Arduino. Keluaran tersebut dibandingkan dengan hasil pengukuran
jarak sebenarnya dengan penggaris/ mistar. Kedua hasil tersebut akan
dibandingkan untuk menentukan keberhasilan akusisi data sensor jarak (Sidik
2013).
Pengujian tahap dua dilakukan dengan cara melihat keluaran sudut belok
pada serial monitor. Keluaran tersebut dibandingkan dengan hasil perhitungan
manual dengan memasukkan pada fungsi keanggotaan fuzzifikasi dan
defuzzifikasi yang ada. Keberhasilan proses integrasi dilihat dari keluaran sudut
belok robot dari jarak yang dimasukkan (Chriswantoro 2013).
Pengujian tahap tiga dilakukan dengan cara melihat besar perputaran robot
dari posisi semula. Posisi ini akan dibandingkan dengan sudut putar seharusnya
berdasarkan keluaran sudut belok dari algoritme navigasi. Pengukuran sudut
sebenarnya dilakukan dengan busur derajat. Keberhasilan proses integrasi dengan
melihat kesesuaian antara perputaran robot dan perputaran seharusnya (Wulandari
2013).
Pengujian integrasi algoritme
Pengujian integrasi dan kinerja robot akan dilakukan pada track robot.
Konfigurasi ruangan track robot disesuaikan dengan ketentuan dari KRPAI 2014,
dapat dilihat pada Gambar 4. Kinerja robot diuji sesuai dengan konfigurasi
ruangan 4. Robot dinyalakan dan ditempatkan pada posisi tertentu dalam ruangan,
kemudian robot dibiarkan menyusuri ruangan. Ketepatan menyusuri ruangan dan
tidak menabrak dinding akan menjadi indikator keberhasilan pengujian.

Gambar 4 Konfigurasi KRPAI 2014

7
Evaluasi
Evaluasi dilakukan untuk menganalisis penyebab kegagalan yang terjadi
pada tahap pengujian. Keluaran dari tahap ini berupa saran-saran perbaikan yang
dapat dilakukan pada penelitian selanjutnya.

HASIL DAN PEMBAHASAN
Persiapan Alat dan Bahan
•
•
•
•
•
•
•
•
•

Alat dan bahan yang digunakan pada penelitian ini adalah:
Robot hexapod hasil perakitan sebelumnya oleh Wulandari (2013) (Gambar
5a),
1 buah SPC servo controller (Gambar 5b),
5 buah sensor jarak ultrasonik HC-SR04 (Gambar 5c),
1 buah Arduino UNO (Gambar 5d),
3 baterai 9 V,
baterai LiPo 7.4 V
elco 0.1 μF dan 0.33 μF,
regulator 7805,
dan perangkat lunak yang digunakan adalah Arduino dan menggunakan
bahasa pemrograman C.

Sumber : Wulandari (2013)
(a)

Sumber : www.parallax.com
(c)

Sumber :
http://www.centralelectro.com
(b)

Sumber : arduino.cc
(d)

Gambar 5 (a) Robot Hexapod (b) SPC servo controller (c) Sensor Jarak HC-SR04
dan (d) Mikrokontroler Arduino UNO

8
Perakitan Robot dan Peripheral
Robot hexapod yang digunakan pada penelitian ini adalah hasil perancangan
dan perakitan penelitian sebelumnya oleh Wulandari (2013). Beberapa komponen
yang dipasangkan ke robot sehingga robot dapat menjalankan fungsinya adalah
Arduino, SPC Servo Controller, sensor jarak, baterai 9 V, dan baterai Lipo 7.4 V.
Arduino dipasangkan pada robot sebagai otak robot yang digunakan untuk
memasukkan kode program yang dibuat untuk akusisi data sensor, navigasi dan
koordinasi robot. Selain itu, arduino juga digunakan untuk menggerakkkan servo
pada kaki robot. Namun, arduino hanya mampu menampung maksimal 10 buah
servo, sedangkan servo untuk kaki robot terdapat 18 buah sehingga harus
dipasangkan SPC Servo Controller yang maksimum dapat menampung 20 servo.
Robot yang telah dirakit akan dihubungkan ke power supply, yaitu baterai 9
V dan Lipo 7.4 V. Baterai 9 V digunakan untuk memberikan daya pada Arduino
dan SPC Servo Controller, sedangkan baterai Lipo 7.4 V digunakan untuk
memberikan daya pada kedelapan belas servo pada kaki-kaki robot. Selain itu,
baterai 9 V juga digunakan untuk memberikan daya pada sensor jarak. Namun
karena tegangan yang dibutuhkan oleh sensor jarak hanya lima volt, maka
dilakukan proses konversi sehingga tegangan keluaran menjadi 5 V dengan
menggunakan regulator 7805.
Sensor jarak dipasangkan melingkar pada robot seperti pada Gambar 6.
Sensor pertama dipasang menghadap depan robot. Hal ini dilakukan agar robot
tidak menabrak dinding depannya. Sensor kedua dan ketiga dipasang menghadap
serong kanan dan kiri robot. Hal ini dilakukan agar robot tidak menabrak bagian
serong kanan dan kirinya. Sensor keempat dan kelima dipasang menghadap
samping kanan dan kiri. Hal ini dilakukan agar robot dapat mendeteksi jarak
samping kanan dan kiri sehingga robot tidak menabrak dinding kanan dan kirinya.
Lima sensor yang dipasang tersebut akan memancarkan gelombang ultrasonik
secara bersamaan yang nanti akan dipantulkan oleh dinding dan kembali
ditangkap oleh sensor. Delay time antara memancarkan dan menerima gelombang
inilah yang digunakan untuk menghitung jarak robot dan dinding dengan
membagi dengan koefisien tertentu sesuai penelitian Sidik (2013).
Setelah komponen-komponen yang dibutuhkan robot untuk melakukan

Gambar 7 Track robot

Gambar 6 Perakitan sensor jarak

9
gerakan menyusuri dinding dipasangkan, selanjutnya dilakukan pembuatan track
robot. Track robot dirancang sesuai ketentuan dari KRPAI 2014 (Gambar 7).

Implementasi dan Penggabungan Algoritme pada Robot
Pengambilan Data dari Sensor Jarak
Data dari kelima sensor jarak diakusisi dengan algoritme akuisisi data.
Algoritme ini mengolah masukan dari sensor menjadi informasi sesuai yang
dibutuhkan, yaitu informasi jarak. Algoritme akusisi data yang digunakan adalah
hasil penelitian oleh Sidik (2013). Keluaran dari algoritme ini adalah jarak antara
robot dengan dinding. Jarak antara robot dan dinding yang didapatkan menjadi
masukan bagi algoritme navigasi dengan wall following dan logika fuzzy.
Proses pengambilan data sensor jarak menggunakan delay time 1 detik.
Delay 1 detik diberikan dengan pertimbangan perlu adanya ketepatan data sensor
jarak yang digunakan untuk menggerakkan kaki-kaki. Tidak adanya delay (delay
0 detik) akan mengakibatkan jarak yang digunakan untuk memandu gerak adalah
jarak sebelumnya, bukan jarak pada saat robot seharusnya bergerak. Namun
menggunakan delay time yang terlalu lama (delay 2 detik) juga mengakibatkan
robot menjadi kurang responsif.
Navigasi dengan Algoritme Wall Following dan Logika Fuzzy
Navigasi pada robot menerima masukan dari algoritme akuisisi data berupa
nilai jarak. Dari lima buah sensor jarak yang ada, hanya tiga buah sensor yang
digunakan untuk menentukan navigasi menyusuri dinding, tergantung dari tipe
wall following yang digunakan. Secara default, tipe wall following yang
digunakan adalah right wall following. Sensor-sensor yang digunakan saat right
wall following adalah sensor depan, sensor serong kanan, dan sensor samping
kanan. Sedangkan pada kondisi tertentu, maka tipe wall following yang dipakai
akan berganti menjadi left wall following. Sensor yang digunakan pada left wall
following adalah sensor depan, sensor serong kiri, dan sensor samping kanan.
Nilai ketiga sensor diproses dengan aturan fuzzy.
Berikut adalah potongan program yang ditambahkan pada algoritme wall
following dari hasil penelitian Chriswantoro (2013) untuk menentukan tipe wall
following yang digunakan.
if(aturan == 0) //right wall following
{
samping.data = cmE; //jarak samping adalah sensor E
serong.data = cmD; //jarak serong adalah sensor D
depan.data = cmC; //jarak depan adalah sensor C
}
else if(aturan == 1) //left wall following
{
samping.data = cmA; //jarak samping adalah sensor A
serong.data = cmB; //jarak serong adalah B
depan.data = cmC; //jarak depan adalah C
}

10
Jika nilai variabel aturan adalah 0 maka tipe yang navigasi yang dipakai
adalah right wall following. Sensor jarak yang digunakan ketika right wall
following adalah sensor depan, sensor serong kanan, sensor serong kiri.
Sedangkan jika nilai variabel aturan = 1 maka tipe navigasi yang dipakai adalah
left wall following. Sensor jarak yang dipakai ketika left wall following adalah
sensor depan, sensor serong kiri, dan sensor samping kanan. Tipe navigasi ini
akan menentukan proses evaluasi aturan yang dibentuk dari proses fuzzifikasi.
Nilai variabel 0 atau 1 didapatkan dari jumlah ruangan yang dikunjungi.
Jika jumlah ruangan yang dikunjungi belum mencapai 3 maka nilai variabel
aturan adalah 0. Sedangkan jika jumlah ruangan yang dikunjungi sudah mencapai
3 maka nilai variabel aturan akan diubah menjadi 1. Untuk menentukan jumlah
ruangan yang dikunjungi dibutuhkan informasi dari sensor garis dan sensor api.
Hal tersebut tidak tercakup dalam ruang lingkup penelitian ini.
Masing-masing jarak dari sensor akan masuk ke dalam proses fuzzifikasi.
Proses fuzzifikasi digunakan untuk menentukan besar derajat keanggotan nilai
jarak terhadap fungsi keanggotaan masing-masing sensor. Fungsi keanggotaan
akan memproses data jarak masing-masing sensor untuk mengeluarkan keluaran
sudut. Batas-batas fungsi keanggotaan sensor serong dan sensor samping diubah
berdasarkan hasil percobaan. Fungsi keanggotaan sensor dapat dilihat pada
Gambar 8.
Batas-batas fungsi keanggotaan masing-masing sensor diubah sehingga
robot tidak menabrak dinding ketika menyusuri ruangan. Pengubahan batas
dilakukan karena Chriswantoro (2013) pada penelitian sebelumnya menganggap
robot sebagai titik sehingga jarak yang yang ditetapkan adalah jarak titik ke
dinding. Sedangkan pada keadaan sebenarnya, robot berkaki mempunyai kaki
yang dapat bergerak melebar dan menyempit. Pelebaran kaki menyebabkan robot
membutuhkan ruang lebih untuk bergerak. Oleh karena itu, diperlukan
pengubahan pada batas masing-masing fungsi keanggotaan sensor.
Untuk menentukan derajat keanggotaan masing-masing sensor, grafik
derajat fungsi keanggotaan fuzzy masing-masing sensor pada Gambar 8 dapat
ditransformasikan ke bentuk formula. Formula untuk menghitung derajat
keanggotaan sensor depan adalah seperti pada persamaan 2.
1, x ≤ 17
μdep_dekat(x) = �25 - x , 17 ≤ x ≤ 25�
8

0, x ≥ 25

0, x ≤ 17
μdep_jauh(x) = �x - 17 , 17 ≤ x ≤ 25�
8

1, x ≥ 25

(2)

11

(a)

(b)

(c)
Gambar 8 Fungsi keanggotaan sensor (a) depan, (b) samping, dan (c) serong
dengan x adalah nilai anggota, µ dep_dekat(x) adalah derajat keanggotaan dekat dan
µ dep_jauh(x) adalah derajat keanggotaan jauh pada sensor samping. Formula
matematika untuk sensor samping adalah seperti pada persamaan 3.
1, x ≤ 12
μsam_dekat(x) = �

20 - x
8

, 12 ≤ x ≤ 20�
0, x ≥ 20

0, x ≤ 20
μsam_jauh(x) = �

x - 20
8

, 20 ≤ x ≤ 28�
1, x ≥ 28

μsam_sedang(x) =

0, x ≤ 12
⎧ x - 12
⎫
⎪
, 12 ≤ x ≤ 20 ⎪
8
28⎨ x

⎪
⎩

8

, 20 ≤ x ≤ 28⎬
⎪
⎭
0, x ≥ 28

(3)

dengan x adalah nilai anggota, µ sam_dekat(x) adalah derajat keanggotaan dekat,
µ sam_sedang(x) adalah derajat keanggotaan sedang, dan µ sam_jauh(x) adalah derajat
keanggotaan jauh pada sensor samping. Formula matematika untuk sensor
samping adalah seperti pada persamaan 4.

12
1, x ≤ 12
μser_dekat(x) = �

20 - x
8

, 12 ≤ x ≤ 20�
0, x ≥ 20

μser_sedang(x) =

x - 20
8

8
28⎨ x

⎪
⎩

0, x ≤ 20
μser_jauh(x) = �

0, x ≤ 12
⎧ x - 12
⎫
⎪
, 12 ≤ x ≤ 20 ⎪

, 20 ≤ x ≤ 28�
1, x ≥ 28

8

, 20 ≤ x ≤ 28⎬
⎪
⎭
0, x ≥ 28

(4)

dengan x adalah nilai anggota, µ ser_dekat(x) adalah derajat keanggotaan dekat,
µ ser_sedang(x) adalah derajat keanggotaan sedang, dan µ ser_jauh(x) adalah derajat
keanggotaan jauh pada sensor serong.
Keluaran dari masing-masing fungsi keanggotaan adalah derajat
keanggotaan masing-masing sensor. Derajat keanggotaan masing-masing sensor
akan dievaluasi dengan aturan fuzzy pada Tabel 1 (Chriswantoro 2013).
Tabel 1 Aturan fuzzy untuk right dan left wall following
Masukan sensor
Samping
Serong
1
Dekat
Dekat
2
Dekat
Dekat
3
Dekat
Sedang
4
Dekat
Sedang
5
Dekat
Jauh
6
Dekat
Jauh
7
Sedang
Dekat
8
Sedang
Dekat
9
Sedang
Sedang
10 Sedang
Sedang
11
Sedang
Jauh
12 Sedang
Jauh
13
Jauh
Dekat
14
Jauh
Dekat
15
Jauh
Sedang
16
Jauh
Sedang
17
Jauh
Jauh
18
Jauh
Jauh
Sumber : Chriswantoro (2013)
No

Depan
Dekat
Jauh
Dekat
Jauh
Dekat
Jauh
Dekat
Jauh
Dekat
Jauh
Dekat
Jauh
Dekat
Jauh
Dekat
Jauh
Dekat
Jauh

Keluaran wall following
Right
Left
Kiri1
Kanan1
Kiri0
Kanan0
Kiri0
Kanan0
Maju
Maju
Kiri0
Kanan0
Kiri0
Kanan0
Kiri1
Kanan1
Kiri0
Kanan0
Kiri0
Kanan0
Maju
Maju
Kiri1
Kanan1
Maju
Maju
Kiri1
Kanan1
Kiri0
Kanan0
Maju
Maju
Maju
Maju
Kanan1
Kiri1
Kanan0
Kiri0

Nilai fuzzy hasil evaluasi aturan adalah nilai fuzzy untuk keluaran yang
merupakan nilai minimum dari masing-masing fungsi keanggotaan. Untuk
mendapatkan nilai aturan yang bersifat diskret, maka diperlukan fungsi
keanggotaan output. Fungsi keanggotaan yang digunakan untuk output hanya satu

13

Sumber : Chriswantoro (2013)
Gambar 9 Fungsi keanggotaan keluaran
variabel dengan 5 anggota, yaitu kiri0, kiri1, kanan0, kanan1, dan maju.
Selengkapnya dapat dilihat pada Gambar 9 (Chriswantoro 2013). Fungsi
keanggotaan keluaran akan mengevaluasi setiap aturan fuzzy yang tercakup.
Fungsi keanggotaan output akan menentukan besar derajat perputaran robot.
Untuk mempermudah dalam menentukan nilai deffuzifikasi, maka Gambar
9 dapat ditransformasi menjadi formula seperti pada persamaan 5 (Chriswantoro
2013).
0, x ≤ -90
⎧ x + 90
⎫
⎪
, -90 ≤ x ≤ -60 ⎪
30
μkiri1(x) =
-x
⎨ - 30 , -60 ≤ x ≤ -30⎬
⎪ 30
⎪
⎩
⎭
0, x ≥ -30
0, x ≤ -15
⎧x + 15
⎫
⎪
, -15 ≤ x ≤ 0⎪
15
μmaju(x) =
⎨ 15 - x , 0 ≤ x ≤ 15 ⎬
⎪ 15
⎪
⎩
⎭
0, x ≥ 15

μkanan1(x) =

0, x ≤ 30
⎧x - 30
⎫
⎪
, 30 ≤ x ≤ 60⎪
30
90
⎨ -x

⎪
⎩

30

, 60 ≤ x ≤ 90⎬
⎪
⎭
0, x ≥ 90

0, x ≤ -60
⎧x + 60
⎫
⎪
, -60 ≤ x ≤ -30⎪
30
μkiri0(x) =
⎨ -x , -30 ≤ x ≤ 0 ⎬
⎪ 30
⎪
⎩
⎭
0, x ≥ 0

0, x ≤ 0
⎫
x
, 0 ≤ x ≤ 30 ⎪
30
μkanan0(x) = 60 - x
⎨
, 30 ≤ x ≤ 60⎬
⎪ 30
⎪
⎩
⎭
0, x ≥ 60
⎧
⎪

(5)

14
dengan x adalah nilai anggota, µ kiri1(x) adalah derajat keanggotaan kiri1, µ kiri0(x)
adalah derajat keanggotaan kiri0, µ maju(x) adalah derajat keanggotaan maju,
µ kanan0(x) adalah derajat keanggotaan kanan0, dan µ kanan1(x) adalah derajat
keanggotaan kanan1 pada variabel sudut.
Setelah didapatkan nilai fuzzy keluaran, kemudian dilakukan agregasi
dengan metode Center of Gravity (COG). Formula untuk menghitung nilai
agregasi COG ditunjukkan pada persamaan 6. Nilai keluaran hasil agregasi
dengan metode (COG) merupakan nilai akhir dari proses fuzzy, yaitu sudut putar
robot. Sudut putar inilah yang digunakan untuk menentukan besar perputaran dan
pergerakan setiap kaki dan servo robot. (Algoritme fuzzy selengkapnya dapat
dilihat pada Lampiran 1 dan contoh perhitungan pada Lampiran 2).
COG =

∑nk μd (xk)xk
∑nk μd (xk)

(6)

dengan COG adalah nilai agregasi, µ d(x) adalah derajat keanggotaan output,
xk adalah nilai diskret output.
Konversi Sudut Putar Menjadi Nilai Lebar Pulsa
Proses ini digunakan untuk mengubah sudut putar robot menjadi nilai lebar
pulsa. Nilai lebar pulsa tersebut akan menjadi masukan untuk algoritme
koordinasi gerak kaki yang telah dikembangkan oleh Wulandari (2013). Konversi
sudut putar robot menjadi nilai lebar pulsa disesuaikan dengan gerak yang
dilakukan oleh robot. Persamaan 1 digunakan untuk menentukan lebar pulsa
dalam menggerakkan servo. Lebar pulsa dimasukkan ke kode program fungsi
gerakMotor yang telah dikembangkan pada penelitian sebelumnya oleh Wulandari
2013.
Nilai pengubahan lebar pulsa untuk menggerakkan servo menggunakan
prinsip PWM. PWM (Pulse Width Modulation) adalah teknik modulasi digital
dengan lebar dari pulsa carrier dibuat bervariasi berdasarkan modulasi
tegangan. Perbedaan tegangan inilah yang akan menentukan lebar pergerakan
pada servo yang digunakan [PTDesign 2000]. Keluaran berupa besaran PWM
akan menjadi masukan algoritme koordinasi kaki.
Koordinasi Gerak dengan Tripod Gait
Koordinasi gerakan kaki digunakan untuk mengatur gerakan pada kaki.
Algoritme koordinasi gerak yang digunakan adalah hasil penelitian sebelumnya
oleh Wulandari (2013).
Wulandari (2013) telah membuat kode program untuk keluaran gerakan
untuk maju, mundur, belok kanan, belok kiri. Namun karena navigasi yang
dikembangkan oleh Chriswantoro (2013) tidak mencakup gerakan untuk mundur,
maka hanya gerakan maju, belok kanan, dan belok kiri saja yang digunakan.
Setiap gerakan kaki, akan mengikuti aturan dari 3 sumbu gerakan, seperti telihat
pada Gambar 10. Pada setiap kaki terdapat tiga servo yang menentukan tiga arah
gerakan berbeda. Servo 1 menggerakkan kaki searah sumbu Z, artinya
menggerakkan kaki ke arah depan dan belakang. Servo 2 menggerakkan kaki
searah sumbu Y, artinya menggerakkan kaki naik dan turun. Servo 3

15
menggerakkan kaki searah sumbu X, artinya menggerakkan kaki melebar dan
menyempit ke samping.
Koordinasi gerak kaki pada robot dapat menggunakan algoritme tripod gait,
slow gait, dan lain-lain (Thirion dan Thiry 2002). Penelitian ini menggunakan
algoritme tripod gait. Tripod gait artinya menggerakkan tiga kaki sekali langkah.
Kaki-kaki yang bergerak adalah kaki depan dan belakang pada satu sisi dan kaki
tengah pada sisi lainnya. Contohnya, jika melakukan gerak belok kiri maka kaki
pertama yang digerakkan adalah kaki kanan depan, kanan belakang, dan kiri
tengah. Kemudian, kaki kiri depan, kiri belakang, dan kanan tengah akan
digerakkan setelahnya (selengkapnya pada Lampiran 3).

Sumber : Wulandari ( 2013)
Gambar 10 Konfigurasi servo pada kaki
Tripod gait menggerakkan kaki-kaki robot dengan 3 tahap yaitu lift, swing,
dan contact. Penjelasan algoritme tripod gait secara lebih lengkap dapat dilihat
pada Lampiran 4. Lift adalah gerakan untuk mengangkat kaki robot searah sumbu
Y. Swing adalah gerakan kaki untuk mengayunkan kaki, dapat ke samping atau ke
depan. Contact adalah gerakan untuk mengembalikan ke posisi semula setelah
melakukan lift dan swing.

16
Gerak lift pada kaki ditentukan sebesar 100, karena gerakan kaki yang
terlalu tinggi dapat menghalangi sensor jarak dalam mengakuisisi data. Gerak
swing pada kaki ditentukan maksimal sebesar 450 sebagai sudut maksimal kaki
dapat bergerak ke depan atau belakang tanpa membentur kaki lainnya. Jadi, jika
sudut putar servo lebih dari 450, maka dilakukan dua kali gerak. Gerak contact
adalah posisi tegak, yaitu pada posisi masing-masing servo 900.
Secara keseluruhan, dapat dilihat bahwa algoritme koordinasi kaki dengan
tripod gait yang dikembangkan
oleh Wulandari (2013) telah dapat
diimplementasikan dan bekerja baik pada hexapod. Algoritme ini memiliki
waktu komputasi yang cukup cepat, terutama bila diimplementasikan dengan
cara langsung memasukkan nilai lebar pulsa. Namun, karena lebar pulsa yang
dimasukkan pada penelitian ini didapatkan dari nilai hasil fuzzifikasi dengan
kompleksitas yang tinggi, maka respon kaki robot menjadi lebih lambat. Hasil
perbandingan waktu komputasi algoritme tripod gait dengan memasukkan
langsung lebar pulsa dengan perhitungan menggunakan jarak yang diolah dengan
fuzzy dapat dilihat pada Tabel 2. Dapat dilihat bahwa dengan adanya fuzzy
menyebabkan pergerakan kaki menjadi lebih lambat.

Tabel 2 Perbandingan waktu komputasi algoritme tripod gait tanpa fuzzy dan
dengan fuzzy
Jenis
gerakan
Maju
Kiri
Kanan

Sudut
putar (o)
0
45
45

Waktu yang dibutuhkan tiap 1 langkah (detik)
tanpa fuzzy (Wulandari 2013)
dengan fuzzy
2.05
4.76
3.42
5.59
3.28
5.74

Pengujian
Pengujian pada Masing-Masing Algoritme
Pengujian algoritme tahap pertama dilakukan dengan cara membandingkan
keluaran pada jarak pada serial monitor dengan jarak sebenarnya. Jarak
sebenarnya didapatkan dengan melakukan pengukuran jarak robot dan dinding
menggunakan mistar. Hasil pengujian tahap pertama integrasi algoritme dapat
dilihat pada Tabel 3. Jarak hasil keluaran algoritme sama dengan jarak sebenarnya
antara robot dan dinding. Hal ini mengindikasikan bahwa algoritme tersebut sudah
menghasilkan output yang benar dan dapat langsung diintegrasikan dengan
algoritme wall following dan logika fuzzy.
Tabel 3 Hasil pengujian algoritme akusisi data sensor
No
1
2
3
4
5

Jarak
sebenarnya (cm)
3
5
7
9
12

Keluaran
algoritme (cm)
3
5
7
9
12

17
Pengujian tahap kedua dilakukan dengan cara membandingkan sudut
keluaran integrasi algoritme akusisi data sensor dan algoritme navigasi dengan
keluaran manual hasil perhitungan sesuai fungsi keanggotaan yang ditetapkan.
Hasil pengujian tahap pertama dapat dilihat pada Tabel 4. Terjadi perbedaan hasil
antara keluaran algoritme dan perhitungan manual sebesar 0.1 – 0.5 derajat. Untuk
melakukan perputaran, besar 0.1 – 0.5 masih dapat ditolerir kesalahannya. Oleh
karena itu, proses integrasi tahap pertama dapat dianggap berhasil.
Tabel 4 Hasil pengujian algoritme navigasi
No
1
2
3

Sensor
Samping
10
2
7

Sensor
Serong
11
10
11

Sensor
Depan
4
4
5

Sudut Keluaran
Algoritme
43.66
46.34
44.26

Sudut Perhitungan
Manual
43.33
46.6
44.04

Tabel 5 Hasil pengujian algoritme koordinasi gerak kaki
No
1
2
3

Kondisi
Maju
Belok Kanan
Belok Kiri

Besar masukan
(derajat)
45
45

Harapan

Pengujian

Maju
Belok Kanan 450
Belok Kiri 45 0

Berhasil
Berhasil
Berhasil

Setelah proses integrasi tahap kedua berhasil dilakukan, selanjutnya
dilakukan integrasi tahap ketiga. Integrasi dilakukan pada ketiga algoritme, yaitu
algoritme akusisi data sensor, algoritme navigasi dan algoritme koordinasi.
Pengujian dilakukan dengan cara melakukan beberapa kondisi sehingga robot
akan bergerak maju, belok kanan dan belok kiri secara bergantian. Keberhasilan
pengujian diukur dari kesesuaian pergerakan robot dengan keadaan seharusnya.
Hasil pengujian menunjukkan bahwa hasil perputaran robot sama dengan sudut
putar seharusnya (Tabel 5).
Pengujian Integrasi Algoritme
Hasil pengujian integrasi algoritme menunjukkan bahwa integrasi algoritme
telah berhasil dilaksanakan dengan menghasilkan keluaran yang benar (Tabel 6).
Tabel 6 Hasil pengujian integrasi algoritme pada konfigurasi ruangan KRPAI
2014
No
1
2
3

Keadaan awal
Pintu masuk
Pojok ruangan
Masuk ruangan

Wall following
Right
Right
Right

4
5
6

Pintu masuk
Pojok ruangan
Masuk ruangan

Left
Left
Left

Harapan
Masuk ruangan
Belok kiri
Telusur dinding
kanan
Masuk ruangan
Belok kanan
Telusur dinding
kiri

Pengujian
Berhasil
Berhasil
Berhasil
Berhasil
Berhasil
Berhasil

18

Evaluasi
Pengujian untuk algoritme akusisi data jarak telah berhasil, karena hasil
keluaran dari algoritme sama dengan hasil pengukuran sebenarnya. Oleh karena
itu, hasil tersebut dapat langsung menjadi masukan untuk sistem navigasi dengan
wall following dan logika fuzzy.
Pada pengujian algoritme navigasi didapatkan perbedaan hasil keluaran
algoritme dan perhitungan manual sebesar 0.1 – 0.5 derajat, adanya pembulatan
pada proses perhitungan, bukan pada proses integrasi algoritme. Oleh karena itu,
proses integrasi tahap kedua dapat dianggap berhasil dilakukan.
Pengujian koordinasi gerakan kaki menunjukkan bahwa hasil perputaran
robot sama dengan sudut perputaran seharusnya, walaupun terdapat sedikit
perbedaan derajat karena jika sudut putar lebih dari 450 maka sudut putar akan
diulang dua kali. Selain itu, pergerakan servo yang kadang tidak seimbang akan
menambah perbedaan nilai derajat.
Pengujian kinerja robot pada konfigurasi ruangan 4 sesuai ketentuan
KRPAI 2014 telah berhasil. Oleh karena itu, proses integrasi algoritme
menunjukkan kinerja yang baik dan sesuai dengan ketentuan KRPAI 2014.
Namun, hal yang menjadi kendala adalah cepat habisnya daya pada baterai yang
digunakan, karena banyaknya jumlah servo yang harus digerakkan. Selain itu,
menjaga posisi berdiri tegak pada sudut servo 900 juga menjadi salah satu faktor
penyebab terkurasnya daya baterai.
Pergerakan robot juga menjadi lebih lambat. Aturan fuzzy yang digunakan
membuat kompleksitas dari kode program menjadi meningkat sehingga
menjadikan waktu eksekusi program dan penentuan sudut putar robot lebih lama.
Akibatnya, pergerakan kaki-kaki robot juga menjadi lebih lambat.

SIMPULAN DAN SARAN
Simpulan
Penelitian telah berhasil mengintegrasikan algoritme akusisi data sensor,
navigasi dengan wall following dan logika fuzzy, dan koordinasi dengan tripod
gait. Pengujian integrasi algoritme dilakukan pada konfigurasi ruangan sesuai
ketentuan KRPAI 2014.

Saran
Proses integrasi algoritme hanya dilakukan dengan menggabungkan kode
program saja, sehingga baris kode yang dihasilkan sangat banyak. Untuk
penelitian selanjutnya, keteraturan dan kompleksitas fungsi perlu diperhatikan.
Aturan fuzzy yang dipakai menjadikan eksekusi program dan pergerakan kaki
menjadi lebih lambat, sehingga perlu dicarikan metode lain yang lebih efisien,
misalnya metode fuzzy dengan aturan yang berbeda atau metode decision tree.

19
Selain itu, modul untuk mendeteksi jumlah ruangan dengan sensor garis dan
mendeteksi api dengan flame sensor belum diintegrasikan. Hal ini dapat menjadi
topik penelitian selanjutnya.

DAFTAR PUSTAKA
Carelli R, Freire EO. 2003. Corridor navigation and wall-following stable control
for sonar-based mobile robots. Robotics and Autonomous Systems. 45:235-247.
doi:10.1016/j.robot.2003.09.005.
Chriswantoro EMY. 2013. Sistem navigasi pada robot pemadam api
menggunakan wall following dan logika fuzzy [skripsi]. Bogor(ID): Institut
Pertanian Bogor
[Dikti] Direktorat Pendidikan Tinggi. 2012. Panduan Kontes Robot Pemadam Api
Indonesia (KRPAI) Beroda dan Berkaki 2013. Jakarta: Direktorat Pendidikan
Tinggi.
Peri VM. 2002. Fuzzy logic controller for an autonomous mobile robot [tesis].
Hyderabad (IN): Jawaharlal Nehru Technological Univ.
PTDesign. 2000. Pulse width modulation [Internet]. [diunduh 2013 Jun 23].
Tersedia pada: fab.cba.mit.edu/classes/MIT/961.04/topics/pwm.pdf
RCToys. 2001. Announced specification of HS-645MG standard deluxe high
torque servo [datasheet]. [diunduh 2012 Nov 2012]. Tersedia pada:
www.rctoys.com/hitec-servos/HIT-HS645MG.pdf
Siciliano B, Khatib O 2008. Handbook of Robotics [bibliografi]. Berlin (DE):
Springer.
Sidik NM. 2013. Analisis dan penerapan sensor jarak, sensor garis, sensor deteksi
api, dan sensor garis pada fire fighting robot [skripsi]. Bogor(ID): Institut
Pertanian Bogor.
Thirion B, Thiry L. 2002. Concurrent programming for the control of hexapod
walking. ACM SIGAda Ada Letters. 22 (1):17-28. doi: 10.1145/507548.507551.
Wulandari. 2013. Implementasi inverse kinematics untuk koordinasi gerak robot
berkaki enam [skripsi]. Bogor(ID): Institut Pertanian Bogor.

20

Lampiran 1 Algoritme navigasi dengan wall following dan logika fuzzy

21
Lampiran 2 Contoh Perhitungan Logika Fuzzy
Contoh (dengan aturan left wall following)
Masukan :
Sensor depan = 16 cm
Sensor samping = 19 cm
Sensor serong = 33 cm
Derajat keanggotaan :
Sensor depan
depan.dekat = 1
depan.jauh = 0
Sensor samping
samping.dekat = 0.125
samping.sedang = 0.875
samping.jauh = 0
Sensor serong
serong.dekat = 0
serong.sedang = 0
serong.jauh = 1
Aturan yang dipakai :
Aturan 1 : depan.dekat, samping.dekat, serong.jauh = kanan0
Aturan 2 : depan.dekat, samping.sedang, serong.jauh = kanan1
Evaluasi aturan
Aturan 1 : min (1, 0.125, 1) = 0.125 untuk kanan0
Aturan 2 : min(1,0.875,1) = 0.875 untuk kanan1
Deffuzifikasi
Aturan 1 (kanan0)
Gambar pemotongan aturan
Derajat
keanggotaan

Kanan0
1

0
0

x1

10

20

30

Jarak (cm)
x1 = 56.25
x2 = 3.75
Aturan 2 (kanan1)
Gambar pemotongan aturan

40

50

x2

60

22
Lampiran 2 Contoh Perhitungan Logika Fuzzy (Lanjutan)

Derajat
keanggotaan

Kanan1
1

0
30

40

50

60

70

Jarak (cm)
x1 = 56.25
x2 = 63.75
Agregasi dengan Center of Gravity (COG)
(0.125 ∗3.75)+(0.125 ∗56.25)+(0.875 ∗56.22)+(0.875 ∗63.75)
��� =
(2∗0.125)+(2(0.875
)

112 .5

��� =
2
��� = 56.25

80

90

23
Lampiran 3 Algoritme tripod gait untuk gerak maju, belok kiri, dan belok kanan

24
Lampiran 4 Algoritme koordinasi gerak dengan tripod gait

25

RIWAYAT HIDUP
Penulis dilahirkan di Banjarnegara, Jawa Tengah pada tanggal 13 Mei 1991
dari ayah bernama Eko Dikoro dan ibu bernama Sainem. Penulis merupakan anak
kelima dari 6 bersaudara. Pada tahun 2010, penulis menamatkan pendidikan di
MAN 2 Banjarnegara. Penulis lulus seleksi masuk Institut Pertanian Bogor (IPB)
pada tahun 2010 melalui jalur Undangan Seleksi Masuk IPB (USMI) di
Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam.
Selama mengikuti perkuliahan, penulis menjadi asisten praktikum pada
mata kuliah Rekayasa Perangkat Lunak (2013), Sistem Operasi (2013), dan Data
Mining (2014). Penulis aktif di organisasi kemahasiswaan Himpunan
Mahasiswa Ilmu Komputer (HIMALKOM) pada tahun 2012 dan Ikatan
Keluarga Mahasiswa Banjarnegara (IKAMABARA) di IPB pada tahun 2012,
serta berbagai kegiatan kepanitiaan seperti IToday (2012), Pesta Sains
Nasional (2012), dan Olimpiade Mahasiswa IPB (2012). Selain itu, penulis juga
aktif menjadi salah satu pengajar di LPK Tepi Sawah desa Cikonjen Kabupaten
Bogor. Penulis melaksanakan kegiatan Praktik Kerja Lapangan di International
Collaboration Office (ICO) IPB pada bulan Juli-Agustus 2013. Selain itu, penulis
juga menjadi pemakalah pada Seminar Nasional dan Arsip Tahunan Bidang
MIPA (SEMIRATA) 2014.