PENGAMBILAN KEPUTUSAN KIPER PADA ROBOT HUMANOID MENGGUNAKAN DECISION TREE. oleh Silvester Kristian Sungkono NIM:

Transkripsi

1 PENGAMBILAN KEPUTUSAN KIPER PADA ROBOT HUMANOID MENGGUNAKAN DECISION TREE oleh Silvester Kristian Sungkono NIM: Skripsi Untuk melengkapi salah satu syarat memperoleh Gelar Sarjana Teknik Program Studi Teknik Elektro Fakultas Teknik Elektronika dan Komputer Universitas Kristen Satya Wacana Salatiga September 2015

2

3

4

5

6 INTISARI Sejak awal tim R2C mengikuti KRSBI hingga saat ini, sudah banyak aturanaturan permainan yang berkembang terutama dari tahun 2014 ke tahun Dimana aturan di tahun 2015 ini mengubah ukuran lapangan menjadi lebih luas dan ukuran gawang yang menjadi lebih besar. Dengan ukuran gawang yang menjadi lebih lebar ini muncul permasalahan terutama bagi robot kiper, seperti algoritma pada robot yang belum memadai untuk menutup gawang yang lebih lebar dari sebelumnya, robot yang belum bisa kembali secara tepat setelah bergerak terlalu jauh dari titik awal jaganya, serta proses menjauhkan bola yang kurang efektif. Berdasarkan permasalahanpermasalahan tersebut diperlukan modifikasi terhadap algoritma robot humanoid sebagai kiper yang dikerjakan pada tugas akhir ini. Algoritma kiper dikerjakan dengan memanfaatkan kompas, komunikasi antar robot, orientasi pada servo kepala, serta penglihatan robot yang didapat dari kamera smartphone Android pada robot terhadap bola, serta landmark yang ada di lapangan. Titik pinalti digunakan sebagai acuan untuk membantu robot kembali ke posisi awal. Algoritma kiper ini dianalisis menggunakan decision tree untuk mengoptimalkan penggunaan atribut yang ada. Namun pada pelaksanaannya terdapat konflik pada komunikasi antar robot sehingga analisis decision tree tidak dapat diterapkan pada keseluruhan algoritma. Setelah dimodifikasinya algoritma pada robot humanoid sebagai kiper, algoritma menjadi lebih lengkap yaitu presentase keberhasilan robot dapat menjauhkan bola dari gawang menjadi 100% dibanding algoritma sebelumnya yang hanya 75%, saat kondisi diserang robot berhasil memposisikan diri terhadap arah bola, serta robot dapat mengerti kapan harus kembali ke posisi awal dengan memanfaatkan komunikasi dari robot penyerang. i

7 ABSTRACT Since R2C team participated in KRSBI until now, there are so many change about the rules especially from 2014 to The rules change the size of the field and the goalpost become wider. With this size of goalpost, there are some problems that appear especially for goal keeper robot, such as the robot s algorithm that can not protect every place in the new size goalpost, robot s ability to go back to the starting point is not accurate enough, and ineffectiveness in robot s ability to return the ball to the field. Based on those problems, this final project proposes to modification the algorithm for the goal keeper robot. The algorithm is utilizing compass, communication between robots, orientation of the head servos, and robot s vision from Android smartphone camera s in robot s body towards ball and landmark on the field. Penalty mark is used for robot to go back to its starting point. The whole algorithm analyzed using decision tree, but in fact, decision tree learning method can applied partly, because there are some conflicts with the communication between robots. After modification the robot s algorithm become more powerful, now robot can return the ball to the field so the goalpost stay safe with percentage 100% compared with previous algorithm with percentage 75%, robot can position itself towards ball direction, and robot can understand when it has to go back to its starting point position based on the communication from forward robot. ii

8 KATA PENGANTAR Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang selalu menyertai dan membimbing penulis selama menempuh pendidikan dari awal hingga sekarang penulis dapat menyelesaikan perancangan serta penulisan tugas akhir sebagai syarat kelulusan di fakultas Teknik Eletronika dan Komputer Universitas Kristan Satya Wacana. Pada kesempatan ini penulis juga ingin mengucapkan terima kasih kepada berbagai pihak yang baik secara langsung maupun tidak langsung telah membantu dalam menyelesaikan tugas akhir ini: 1. Tuhan Yesus yang selalu menyertai, memberikan harapan, serta memberkati penulis sehingga penulis dapat menyelesaikan pendidikan S1 di FTEK UKSW. 2. Papa Marselinus Irwan Song, Mama Ratna Indrawati Winoto, serta kakak Angela Marselina Sungkono tercinta sebagai keluarga yang selalu menguatkan, mendukung, serta mendoakana penulis. 3. Luisa Lavinia Wijaunarko sebagai kekasih yang selalu menguatkan, memberi semangat, serta mendoakan penulis. 4. Bapak Banu Wirawan Yohanes, M.Comp.Sc. dan Bapak Daniel Santoso, M.S. sebagai pembimbing I dan pembimbing II yang telah membimbing, memberikan ilmu, kritik, saran serta masukan kepada penulis selama mengerjakan tugas akhir ini. 5. Keluarga besar 2011, terutama Ivan Kurniawan, Oei Kurniawan Utomo, Marcel Frans Wijadi, dan Kurnia Sanjaya sebagai teman seperjuangan yang selalu membantu, menyemangati dan memberi dukungan kepada penulis. 6. Keluarga besar Tim R2C, yang selalu memberikan semangat, bersama-sama melakukan riset, serta mau sama-sama berjuang dalam suka maupun duka selama mempersiapkan Kontes Robot Indonesia. 7. Seluruh staff dosen, dan karyawan FTEK UKSW yang memberi bantuan serta menyediakan fasilitas bagi penulis. iii

9 8. Teman-taman FTEK, terutama Samuel Alvin Hutama, dan Yohanes Haryudanta Dwityatmaka, sahabat-sahabat terutama Ivander Tanuwijaya, David Setyadi, Danny Gunawan, dan Yose indrawan, kemudian semua Teman-teman komunitas, dan teman-teman dari fakultas lain yang senantiasa mendoakan penulis. 9. Berbagai pihak yang tidak dapat dituliskan satu persatu, penulis mengucapkan terima kasih. Penulis menyadari bahwa tugas akhir ini masih jauh dari kata sempurna, oleh karena itu penulis mengharapkan kritik dan saran dari pembaca sehingga tugas akhir ini dapat berguna bagi kemajuan pendidikan FTEK UKSW dan riset tim R2C UKSW. Salatiga, 28 September 2015 Penulis iv

10 DAFTAR ISI INTISARI... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR GAMBAR... viii DAFTAR TABEL... x DAFTAR ISTILAH... xi BAB I PENDAHULUAN Tujuan Latar Belakang Pendahuluan Permasalahan Batasan Masalah Sistematika Penulisan... 3 BAB II DASAR TEORI Deteksi Bola Color Space Segmentasi Warna Metode Pusat Masa Penjaga Gawang Daya Jangkau Penempatan Posisi Refleks Konsentrasi... 6 v

11 2.3. Format Lapangan Metode Decision Tree Entropy Information Gain Latar Belakang Pemilihan Metode decision tree BAB III PERANCANGAN SISTEM Sistem Instruksi dan Kontrol Robot Konstruksi Robot Desain Perangkat Keras Smartphone Android Mikrokontroler ATMega Modul Bluetooth Motor Servo Desain Perangkat Lunak Modifikasi Algoritma Analisis perubahan Spesifikasi BAB IV HASIL PENGUJIAN DAN ANALISIS Pengujian Mode Blok Pengujian Mode Siaga Pengujian Mode Siap Analisis Decision Tree Pengujian Mode Kembali Durasi Perpindahan Antar Mode Perilaku robot saat lomba berlangsung BAB V KESIMPULAN DAN SARAN Kesimpulan vi

12 5.2.Saran Pengembangan Daftar Pustaka Lampiran A vii

13 DAFTAR GAMBAR Gambar 2.1. Dimensi lapangan... 7 Gambar 3.1. Blok diagram sistem Gambar 3.2. Robot humanoid kiper versi Gambar 3.3. Smartphone Android Sony Xperia Mini st15i[1] Gambar 3.4. Orientasi sensor pada smartphone Gambar 3.5. DF-Bluetooth V3[2] Gambar 3.6. Pin pada DF-Bluetooth V3[2] Gambar 3.7. Motor Servo Tower Pro MG90s[3] Gambar 3.8. decision tree mode blok Gambar 3.9. decision tree mode siaga Gambar decision tree mode siap Gambar Diagram alir algoritma lama Gambar Diagram alir algoritma baru Gambar Diagram alir algoritma mode siap Gambar Diagram alir algoritma mode kembali Gambar Persebaran warna hijau yang Nampak sangat dominan meski ada robot di depannya Gambar 4.1. Analisis decision tree mode blok Gambar 4.2. Decision tree mode blok setelah dianalisis Gambar 4.3. Analisis decision tree mode siaga Gambar 4.4. Decision tree mode siaga setelah dianalisis Gambar 4.5. Toleransi kompas yang dialami robot Gambar 4.6. Decision tree algoritma mode siap Gambar 4.7. Decision tree algoritma mode siap setelah dianalisis awal viii

14 Gambar 4.8. Analisis decision tree algoritma mode siap yang sudah disederhanakan Gambar 4.9. Decision tree algoritma mode siap setelah dianalisis secara menyeluruh Gambar Decision tree untuk menggambarkan pertanyaan apakah dengan mode blok dan mode siaga gawang kebobolan atau tidak Gambar Decision tree untuk menggambarkan pertanyaan apakah mode siap bisa bisa dilakukan atau tidak Gambar Durasi perpindahan ke mode lain di dalam sistem Gambar Durasi perpindahan ke mode lain dalam keadaan nyata ix

15 DAFTAR TABEL Tabel 2.1. Keterangan dimensi lapangan(cm)... 7 Tabel 2.2. Tabel perbandingan antara decision tree, Naïve Bayes, serta jaringan syaraf Tiruan Tabel 3.1. Tabel keterangan badan robot Tabel 3.2. Tabel perbedaan algoritma lama dan baru Tabel 4.1. Pengujian mode blok Tabel 4.2. Pengujian mode siaga Tabel 4.3. Pengujian mode siap Tabel 4.4. Pengujian mode kembali Tabel 5.1. Saran pengembangan Tabel A.1. Tabel lengkap hasil pengujian mode blok Tabel A.2. Tabel lengkap hasil pengujian mode siaga Tabel A.3. Tabel lengkap hasil pengujian mode siap Tabel A.4. Tabel lengkap hasil pengujian mode kembali x

16 DAFTAR ISTILAH I n Vi A E E1 Ev pi ni IG RGB CMYK HSV HSL YUV fungsi informasi dari sekumpulan informasi acak (entropy) jumlah sampel negatif yang terkandung dalam suatu kejadian suatu variabel V dalam suatu subset i yang akan dihitung probabilitasnya variabel acak subset dari atribut A subset ke-1 dari atribut A subset ke-v dari atribut A jumlah sampel positif dalam suatu subset jumlah sampel positif dalam suatu subset information gain atau nilai reduksi dari suatu entropy dari sebuah atribut yang diuji suatu pemodelan warna dalam angka dengan unsur Red, Green, dan Blue (merah, hijau, biru) suatu pemodelan warna dalam angka dengan unsur Cyan, Magenta, Yellow, dan Key (cyan, magenta, kuning, dan hitam) suatu pemudelan warna dalam angka dengan unsur Hue, Saturation, dan Value (warna, kejenuhan atau jumlah abu-abu, dan intensitas kecerahan warna) suatu pemudelan warna dalam angka dengan unsur Hue, Saturation, dan Lightness (sama seperti HSV) suatu pemudelan warna dalam angka dengan unsur luminans dan krominans xi