PENGEMBANGAN SISTEM NAVIGASI INDOOR MOBILE ROBOT BERDASARKAN EKSTRAKSI CIRI VISUAL OBJEK TUGAS AKHIR

Transkripsi

1 PENGEMBANGAN SISTEM NAVIGASI INDOOR MOBILE ROBOT BERDASARKAN EKSTRAKSI CIRI VISUAL OBJEK TUGAS AKHIR Oleh: ANUGERAH WIBISANA NIM : PROGRAM STUDI TEKNIK ELEKTRONIKA JURUSAN TEKNIK ELEKTRO POLITEKNIK NEGERI BATAM 2014

2 PENGEMBANGAN SISTEM NAVIGASI INDOOR MOBILE ROBOT BERDASARKAN EKSTRAKSI CIRI VISUAL OBJEK TUGAS AKHIR Oleh: ANUGERAH WIBISANA NIM : Disusun untuk memenuhi salah satu syarat kelulusan Program Diploma III Program Studi Teknik Elektronika Politeknik Negeri Batam PROGRAM STUDI TEKNIK ELEKTRONIKA POLITEKNIK NEGERI BATAM 2014

3 PERNYATAAN KEASLIAN TUGAS AKHIR Saya yang bertandatangan dibawah ini menyatakan bahwa isi sebagian maupun keseluruhan Tugas Akhir saya yang berjudul : Pengembangan Sistem Navigasi Indoor Mobile Robot Berdasarkan Ekstraksi Ciri Visual Objek adalah hasil karya sendiri, diselesaikan tanpa menggunakan bahan bahan yang tidak diijinkan dan bukan merupakan karya pihak lain yang saya akui sebagai karya sendiri. Semua referensi yang dikutip atau dirujuk telah ditulis secara lengkap pada daftar pustaka yang telah ada. Apabila pernyataan saya ini tidak benar, saya bersedia menerima sanksi sesuai peraturan yang berlaku. Batam, 16 April 2014 ANUGERAH WIBISANA i

4 LEMBAR PENGESAHAN TUGAS AKHIR Tugas Akhir disusun untuk memenuhi salah satu syarat memperoleh gelar Ahli Madya (A. Md.) di Politeknik Negeri Batam Oleh Anugerah Wibisana Tanggal Sidang : 06 Juni 2014 Disetujui oleh : Dosen Penguji : Dosen Pembimbing : 1. Iman Fahruzi, M.T 1. Hendawan Soebhakti, M.T NIK: NIK: Eko Rudiawan Jamzuri, S. ST 2. Dessy Oktani, S.T NIK: NIK: ii

5 Pengembangan Sistem Navigasi Indoor Mobile Robot Berdasarkan Ekstraksi Ciri Visual Objek Nama Mahasiswa : Anugerah Wibisana NIM : Pembimbing I : Hendawan Soebhakti, ST. MT. Pembimbing II : Dessy Oktani, S.T. anugerah.wibies@gmail.com ABSTRAK Sistem navigasi pada mobile robot dirancang untuk memudahkan mobile robot dalam bergerak dan bermanuver dari satu lokasi ke lokasi berikutnya. Adapun pergerakan mobile robot didapat melalui hasil ekstraksi ciri lingkungan sekitar yang dalam penelitian ini menggunakan ekstraksi ciri visual sebuah objek. Mobile robot nantinya akan dapat mengenali objek yang berada didepannya dan mengetahui seberapa jauh objek tersebut berada didepannya sehingga mobile robot dapat mengambil tindakan untuk bermanuver melewati objek tersebut. Perancangan mobile robot menggunakan differential drive mobile robot dengan menggunakan 2 motor penggerak dibagian depan dan 1 freewheel dibagian belakang. Sedangkan mobile robot menggunakan kamera webcam untuk pembacaan objek yang berada didepan mobile robot. Mobile robot juga dilengkapi sebuah laptop sebagai pengolah data hasil tangkapan webcam. Adapun hasil yang dicapai adalah mobile robot yang mampu bermanuver menyelesaikan lintasan dari awal hingga akhir melewati objek berdasarkan hasil ekstraksi ciri visual objek yaitu warna yang telah dideteksi melalui kamera webcam. Hasil percobaan menunjukkan mobile robot dapat menyelesaikan lintasan dari awal hingga akhir dengan persentase keberhasilan 30 %. Adapun tingkat kegagalan disebabkan pengaruh cahaya didalam ruangan. Kata Kunci : mobile robot, differential drive mobile robot, webcam. iii

6 Development of Indoor Mobile Robot Navigation System Based Feature Extraction of Visual Objects Student Name : Anugerah Wibisana NIM : Supervisor I : Hendawan Soebhakti, ST. MT. Supervisor II : Dessy Oktani, ST. anugerah.wibies@gmail.com ABSTRACT The navigation system on a mobile robot designed to facilitate mobile robots to move and maneuver from one location to the other location. The navigation system of mobile robots obtained from feature extraction results through the surrounding environment which in this case using the visual feature extraction of an object. Mobile robots will be able to recognize objects that are in front of him and find out how far the object is in front of him so that the mobile robot can take action to maneuver through the object. The design of mobile robot using a differential drive mobile robot with two motors driving at the front and one freewheel at the rear. Mobile robot use webcam camera for detecting the object at the front of mobile robot. Mobile robots also equipped with a laptop as a data processor from webcam catches. The results achieved are mobile robots capable of maneuvering trajectory from start to finish through an object based on the visual feature extraction of object colors that have been detected by a webcam camera. The experimental results show that the mobile robot can complete the trajectory from beginning to end with a success percentage of 30%. The failure rate due to the effect of light in the room. Keywords: mobile robot, differential drive mobile robot, webcam. iv

7 KATA PENGANTAR Puji dan syukur yang tidak terhingga penulis haturkan kepada Tuhan Yang Maha Esa, atas limpahan karunia dan rahmat-nya sehingga penulis dapat menyelesaikan Laporan Tugas Akhir ini dengan baik. Penulisan Laporan Tugas Akhir ini dimaksudkan untuk melengkapi persyaratan kelulusan tingkat Diploma III Program Studi Teknik Elektro Politeknik Negeri Batam. Untuk memenuhi persyaratan tersebut maka penulis mengangkat judul Pengembangan Sistem Navigasi Indoor Mobile Robot Berdasarkan Ekstraksi Ciri Visual Objek dimana mobile robot akan bergerak dan bermanuver berdasarkan hasil tangkapan kamera yang diletakkan di mobile robot. Penulisan Laporan Tugas Akhir ini dapat disusun dan diselesaikan dengan baik tidak terlepas dari bantuan dan dukungan dari semua pihak yang ikut dalam membimbing penulis untuk menyelesaikan Laporan Tugas Akhir ini. Pada kesempatan ini, penulis mengucapkan terima kasih kepada: 1. Allah SWT atas anugerah serta segala nikmat yang telah diberikan kepada penulis. 2. Kedua orang tua dan keluarga atas semua doa dan dukungan kepada penulis. 3. Bapak Dr. Priyono Eko Sanyoto, selaku Direktur Politeknik Negeri Batam. 4. Bapak Sumantri K. Risandriya,ST.,MT selaku Kepala Jurusan Studi Elektro yang selalu memberikan yang terbaik untuk kami dan juga Bapak M. Syafei Gozali, ST.,MT selaku Kepala Prodi Studi Elektronika. 5. Ibu Dessy Oktani dan bapak Kamarudin, selaku dosen wali kami yang selalu membimbing dan menasehati kami selama proses perkuliahan. 6. Seluruh dosen-dosen Teknik Elektro Politeknik Negeri Batam. 7. Seluruh Anggota Tim Robot Politeknik Batam yang membantu dalam riset. 8. Seluruh Alumni Tim Robot Politeknik Batam yang ikut membimbing dalam proses pembuatan dan Tugas Akhir. 9. Seluruh teman-teman yang telah membantu atas terselesaikannya buku laporan ini. Semoga amal dan ibadah diterima di sisi Tuhan yang Maha Esa, atas bantuan moril maupun spiritual demi terselesaikannya laporan ini. Penulis sadar masih banyak kekurangan yang terdapat pada Laporan Tugas Akhir ini, oleh karena itu saran dan kritik yang membangun penulis harapkan dari semua kalangan. v

8 Batam, 30 Mei 2014 Penulis vi

9 DAFTAR ISI PERNYATAAN KEASLIAN TUGAS AKHIR... i LEMBAR PENGESAHAN... ii ABSTRAK... iii ABSTRACT... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR GAMBAR... ix DAFTAR TABEL... xi BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan dan Manfaat Sistematika Penulisan... 2 BAB 2 DASAR TEORI Differential Drive Mobile Robot Konsep Warna RGB Deteksi Tepi (Edge Detection) Sistem Ruang Warna HSV Pengambangan (Thresholding) PID Controller Kontrol Proporsional Kontrol Integral Kontrol Derivative Kontrol PID ( Proportional, Integral, dan Derivative) BAB 3 PERANCANGAN SISTEM Rancangan Penelitian Perancangan Hardware Robot Blok Diagram Mobile Robot Skema Rangkaian Mobile Robot Rancangan Mekanik Mobile Robot vii

10 3.3 Perancangan Software Robot Blok Diagram Sistem Navigasi Mobile Robot Diagram Alir (Flowchart) Instrumentasi Penelitian Lintasan Percobaan Instrumen Ukur BAB 4 HASIL DAN ANALISA Data Hasil Pengujian Nilai HSV (Hue, Saturation, Value) Warna Biru Warna Merah Warna Hijau Warna Kuning Data Hasil Pengujian Respon PID Controller Uji Respon PID dengan Setpoint Uji Respon PID dengan Setpoint Uji Respon PID dengan Setpoint Uji Respon PID dengan Setpoint Uji Respon PID dengan Setpoint Uji Respon PID dengan Setpoint Data Hasil Pengujian Posisi Objek Terhadap Kecepatan Mobile Robot Data Hasil Pengujian Tingkat Keberhasilan Robot Analisa Data Analisa Data Pengujian Nilai HSV (Hue, Saturation, Value) Analisa Data Pengujian respon PID Controller Analisa Data Pengujian Posisi Objek Terhadap Kecepatan Mobile Robot Analisa Data Pengujian Tingkat Keberhasilan Mobile Robot.. 37 BAB 5 KESIMPULAN DAN SARAN BAB 6 DAFTAR PUSTAKA LAMPIRAN BIOGRAFI PENULIS viii

11 DAFTAR GAMBAR GAMBAR 2.1 Trajektori Differential Drive Mobile Robot... 3 GAMBAR 2.2 Contoh Colour dan Gray Image Beserta Nilai Tiap Pixel... 4 GAMBAR 2.3 Contoh Gambar yang Telah Melalui Proses Edge Detection... 5 GAMBAR 2.4 Nilai hue, saturation, dan value... 6 GAMBAR 2.5 Diagram Blok Kontrol Proporsional... 8 GAMBAR 2.6 Diagram Blok Kontrol Integral... 9 GAMBAR 2.7 Diagram Blok Kontrol Derivative... 9 GAMBAR 2.8 Diagram Blok PID Controller GAMBAR 3.1 Flowchart Penelitian GAMBAR 3.2 Blok Diagram Mobile Robot GAMBAR 3.3 Skema Rangkaian Mobile Robot GAMBAR 3.4 Desain Mekanik Mobile Robot GAMBAR 3.5 Diagram Blok Sistem Navigasi dari Mobile Robot GAMBAR 3.6 Graphic User Interface Menggunakan opencv GAMBAR 3.7 HSV-Filtering dan Binerisasi Menggunakan opencv GAMBAR 3.8 Flowchart Sistem Navigasi Mobile Robot GAMBAR 3.9 Rancang Bangun Lintasan Mobile Robot GAMBAR 3.10 Tacho Meter GAMBAR 4.1 Image Original (a) dan Image Setelah Thresholding untuk Warna Biru (29 Desember 2013, 23:00) GAMBAR 4.2 Image Original (a) dan Image Setelah Thresholding untuk Warna Biru (30 Desember 2013, 09:30) GAMBAR 4.3 Image Original (a) dan Image Setelah Thresholding untuk Warna Merah (29 Desember 2013, 23:00) GAMBAR 4.4 Image Original (a) dan Image Setelah Thresholding untuk Warna Merah (30 Desember 2013, 09:30) GAMBAR 4.5 Image Original (a) dan Image Setelah Thresholding untuk Warna Hijau (29 Desember 2013, 23:00) GAMBAR 4.6 Image Original (a) dan Image Setelah Thresholding untuk Warna Hijau (30 Desember 2013, 09:30) ix

12 GAMBAR 4.7 Image Original (a) dan Image Setelah Thresholding untuk Warna Kuning (29 Desember 2013, 23:00) GAMBAR 4.8 Image Original (a) dan Image Setelah Thresholding untuk Warna Kuning (30 Desember 2013, 09:30) GAMBAR 4.9 Grafik Respon PID SP=100 Dengan Kp = 4.9, Kd = 0.1 dan Ki = GAMBAR 4.10 Grafik Respon PID SP=200 Dengan Kp = 4.9, Kd = 0.1 dan Ki = GAMBAR 4.11 Grafik Respon PID SP=300 Dengan Kp = 4.9, Kd = 0.1 dan Ki = GAMBAR 4.12 Grafik Respon PID SP=400 Dengan Kp = 4.9, Kd = 0.1 dan Ki = GAMBAR 4.13 Grafik Respon PID SP=500 Dengan Kp = 4.9, Kd = 0.1 dan Ki = GAMBAR 4.14 Grafik Respon PID SP=600 Dengan Kp = 4.9, Kd = 0.1 dan Ki = GAMBAR 4.15 Posisi Mulai Mobile Robot GAMBAR 4.16 Persamaan Linear Nilai Kecepatan Mobile Robot (v) terhadap Jarak Objek x

13 DAFTAR TABEL TABEL 2.1 Perbedaan Kontrol KP, KI, KD... 7 TABEL 4.1 Data Hue, Saturation, dan Value untuk Warna Biru (29 November 2013) TABEL 4.2 Data Hue, Saturation, dan Value untuk Warna Biru (30 November 2013) TABEL 4.3 Data Hue, Saturation, dan Value untuk Warna Merah (29 November 2013) TABEL 4.4 Data Hue, Saturation, dan Value untuk Warna Merah (30 November 2013) TABEL 4.5 Data Hue, Saturation, dan Value untuk Warna Hijau (29 November 2013) TABEL 4.6 Data Hue, Saturation, dan Value untuk Warna Hijau (30 November 2013) TABEL 4.7 Data Hue, Saturation, dan Value untuk Warna Kuning (29 November 2013) TABEL 4.8 Data Hue, Saturation, dan Value untuk Warna Kuning (30 November 2013) TABEL 4.9 Data Jarak Objek dan Kecepatan Mobile Robot TABEL 4.10 Data Pengujian Tingkat Keberhasilan Mobile Robot xi

14 BAB I PENDAHULUAN 1.1 Latar Belakang Sistem navigasi mobile robot sangat penting untuk menentukan arah gerak robot dari satu lokasi ke lokasi tujuan dengan benar. Dalam sistem navigasi mobile robot, robot harus bisa menggunakan ciri dari lingkungan sekitarnya untuk membuat keputusan kemana arah gerak selanjutnya. Banyak penelitian membahas mengenai sistem navigasi mobile robot, salah satunya dengan menggunakan Global Ultrasonic System[1]. Global Ultrasonic System terdiri dari 4 atau lebih generator ultrasonik sebagai transmitter yang diletakkan di tempat yang telah ditentukan sebelumnya dalam ruangan, lalu pada mobile robot diletakkan 2 modul receiver dan sebuah RF modul yang ditambahkan ke sensor ultrasonik. Dengan mengontrol sinyal generasi ultrasonik melalui saluran RF, robot dapat mengukur jarak antara generator ultrasonik dan receiver, sehingga memungkinkan mobile robot untuk memperkirakan posisinya dan bergerak menuju posisi tertentu. Namun sistem ini memiliki kelemahan yaitu keadaan ruangan harus ideal tanpa ada benda yang dapat membuat transmisi sinyal ultrasonik menjadi terhalang dan membuat mobile robot tidak dapat menerima sinyal dengan baik. Penelitian lain menggunakan Single Camera Vision and Ultrasonic Sensing[2]. Sistem ini menggunakan gabungan antara sebuah kamera monocular dan sensor ultrasonik sebagai pendeteksi objek yang berada di depan robot. Kelemahan dari sistem ini ialah ukuran hambatan menentukan hasil pendeteksian oleh kamera. Pada penelitian ini, sistem navigasi dibentuk dengan cara melakukan ekstraksi ciri visual objek di sekitar robot. Ciri visual tersebut adalah warna dan bentuk dari objek. Sebuah kamera digunakan untuk mengambil gambar lingkungan sekitar robot. Dari gambar tersebut dicari posisi objek berdasarkan warna dan bentuk yang sudah ditetapkan. 1.2 Rumusan Masalah Pada pembuatan tugas akhir ini, dapat dirumuskan masalah sebagai berikut : 1. Bagaimana cara menentukan posisi objek berdasarkan ciri visual objek yaitu warna dan bentuk objek. 2. Bagaimana cara melakukan ekstraksi ciri visual objek untuk menentukan jarak objek. 1

15 1.3 Batasan Masalah Adapun batasan masalahnya sebagai berikut : 1. Penelitian dilakukan didalam ruang tertutup dengan luas ruangan 5 m x 4 m. 2. Warna objek sudah ditentukan yaitu terdiri dari warna merah, kuning, hijau dan biru. 3. Objek yang digunakan berbentuk bola. 1.4 Tujuan dan Manfaat Tujuan dari pembuatan tugas akhir ini yaitu: 1. Mengendalikan arah gerak robot sesuai dengan posisi objek yang dikenali berdasarkan hasil ekstraksi ciri visual objek yaitu warna dan bentuk. 2. Mengendalikan kecepatan robot berdasarkan jarak objek yang dikenali. Adapun manfaat dari proyek akhir ini adalah untuk mempermudah mobile robot untuk bernavigasi dari awal lintasan hingga akhir lintasan. 1.5 Sistematika Penulisan Sistematika Penulisan merupakan bagian dari penulisan laporan yang mempunyai tujuan untuk mempermudah pemahaman pembaca terhadap isi yang terkandung di dalamnya, hal ini untuk menghindari kesalahan penafsiran. Penulisan laporan ini dikelompokkan menjadi beberapa bagian antara lain: BAB I BAB II BABIII BAB IV BAB V Pendahuluan berisikan latar belakang, rumusan masalah, batasan masalah, tujuan dan manfaat, dan sistematika penulisan. Landasan teori menerangkan teori dasar yang digunakan. Meliputi teori singkat tentang differential drive mobile robot, konsep warna RGB, edge detection, Sistem ruang warna HSV, Pengambangan dan PID Controller. Perancangan sistem menggambarkan keseluruhan sistem dari tugas akhir dan flowchart cara kerja sistem. Hasil dan analisa sistem berisi tentang hasil pengujian dan analisa sistem. Kesimpulan dan saran merupakan ringkasan dari hasil analisa yang dibuat. 2

16 BAB II DASAR TEORI 2.1 Differential Wheel Mobile Robot Banyak mobile robot menggunakan mekanisme penggerak yang dikenal sebagai differential Drive[3]. Differential Drive terdiri dari 2 roda penggerak yang dipasang pada sumbu yang sama, dan setiap roda dapat bergerak secara independen baik maju atau mundur. Gambar 2.1 Trajektori Differential Drive mobile robot 3

17 Ada 3 hal yang perlu diketahui dari differential drive yaitu : 1. Jika V l = Vr, maka mobile robot akan bergerak maju linier terhadap garis lurus. Nilai R menjadi tak terbatas, dan secara efektif tidak ada perputaran - ω menjadi nol. 2. Jika V l = - Vr, maka mobile robot akan berotasi terhadap titik tengah di sumbu antar roda, yang membuat mobile robot akan berputar ditempat. 3. Jika V l = 0, maka mobile robot akan berotasi terhadap roda kiri mobile robot. Pada kasus ini R = ½ Kondisi ini juga sama ketika nilai Vr = Konsep Warna RGB RGB merupakan kepanjangan Red, Green, Blue yang artinya merah, hijau dan biru. RGB sendiri merupakan susunan warna primer.warna primer adalah warna pokok yang gabungannya dapat menghasilkan warna baru. Dalam colour image, sebuah pixel terdiri dari tiga buah nilai warna, yaitu Red, Green, dan Blue. Sedangkan pada gray image,sebuah pixel terdiri dari nilai intensitas yang berkisar antara 0 sampai dengan 255. Untuk nilai paling gelap (Dark) = 0, sedangkan untuk nilai paling terang (Bright) = 255. Gambar 2.2 Contoh colour dan gray image beserta nilai tiap pixel-nya 4

18 2.3 Deteksi Tepi (Edge Detection) Tepi (Edge) berubah adalah titik pada gambar yang intensitasnya berubah dengan cepat. Tepi biasanya membatasi antara 2 daerah yang berbeda dalam satu gambar. Tujuan dilakukannya deteksi tepi adalah : 1. Menghasilkan gambar yang terdiri dari garis-garis dari sebuah gambar aslinya. 2. Beberapa fitur penting dapat diekstraksi dari tepi gambar (misalnya sudut, garis, kurva). Gambar 2.3 Contoh gambar yang telah melalui proses Edge Detection Ada 4 langkah dalam proses deteksi tepi yaitu : 1. Smoothing : Menekan sebanyak mungkin noise, tanpa menrusak tepi yang asli. 2. Enhancement : Menerapkan sistem filter untuk meningkatkan kualitas dari tepi gambar. 3. Detection : Menentukkan tepi pixel yang harus dibuang sebagai noise dan yang perlu dipertahankan. 4. Localization : Menentukkan posisi yang tepat dari sebuah tepi (resolusi sub -pixel mungkin diperlukan untuk beberapa aplikasi yaitu, memperkirakan lokasi tepi yang lebih baik daripada jarak antara pixel). Edge Thinning dan Linking biasanya diperlukan dalam langkah ini. 2.4 Sistem Ruang Warna HSV (Hue, Saturation, Value) Model HSV ( Hue, Saturation, Value) menunjukkan ruang warna dalam tiga komponen utama yaitu hue, saturation, dan value (atau disebut juga brightness). Hue adalag sudut dari 0 sampai 360 derajat, biasanya 0 adalah merah, 60 derajat adalah kuning, 120 derajat adalah hijau, 180 derajat adalah cyan, 240 derajat adalah biru, dan 300 derajat adalah warna magenta. Hue menunjukkan jenis warna (seperti merah, biru, atau kuning) atau corak warna yaitu tempat warna tersebut ditemukan dalam spektrum warna. Saturasi ( saturation) dari suatu warna adalah ukuran seberapa besar kemurnian dari warna tersebut. Sebagai contoh 5

19 suatu yang semuanya merah tanpa putih adalah saturasi penuh. Jika ditambahkan putih ke merah, hasilnya adalah warna a digeser dari merah ke merah muda (pink). Saturasi (saturation) biasanya bernilai 0 sampai 1 (atau 0 sampai 100 %) dan menunjukkan n nilai keabu-abuan warna dimana 0 menunjukkann abu-abu dan 1 menunjukkan warna primerr murni. Komponen ketiga dari HSV adalah value atau disebut juga intensitas ( intensity) yaitu ukuran seberapa besar kecerahan dari suatu warna atau seberapa besar cahaya datang dari suatu warna. Value dapat bernilai dari 0 sampai 100 %. Gambar 2.4 Nilai hue, saturation, dan value Suatu warna dengan nilai value 100 % akan tampak secerah mungkin dan suatu warna dengan nilai value 0 akan tampak segelap mungkin. Sebagai contoh jika hue, adalah merah dan value bernilai tinggi maka warna kelihatan cerah tetapi ketika nilai value rendah maka warna tersebut akan kelihatan gelap. 2.5 Pengambangan (Thresholding) Proses pengambangan (thresholding) akan menghasilkan citra biner, yaitu citra yang memiliki dua tingkat keabuan yaitu hitam dan putih. Secara umum proses pengambangan citra grayscale untuk menghasilkan citra biner sebagai berikut. 6

20 1, g( x, y) 0, f ( x, y) T f ( x, y) T Dengan g(x,y) adalah citra biner dari citra gryascale f(x,y) dan T menyatakan nilai ambang. Nilai T memegang peranan yang sangat penting dalam proses pengambangan. Kualitas hasil citra biner sangat tergantung pada nilai T yang digunakan. Pengambangan (thresholding) dapat dibagi menjadi dua jenis, yaitu : 1. Pengambangan global (global thresholding) yaitu pengambangan dengan pola seluruh pixel pada citra dikonversikan menjadi hitam atau putih dengan satu nilai ambang T. 2. Pengambangan lokal ( locally thresholding) yaitu pengambangan dengan cara citra dibagi menjadi blok-blok kecil dan kemudian dilakukan pengambangan lokal pada setipe blok dengan nilai T yang berbeda 2.6 PID Controller PID Controller adalah sebuah sistem kontrol yang terdiri atas Proportional, Integral dan Derivative dengan masing-masing memiliki kelebihan dan kekurangannya. Dalam implementasinya masing-masing dapat bekerja sendiri maupun secara gabungan. Dalam perancangan sistem PID yang perlu dilakukan adalah mengatur parameter P, I, atau D agar hasil sinyal output sistem terhadap input sesuai yang diinginkan. Tabel 2.1 Perbedaan setiap Kontrol KP,KI,KD Respon Loop Tertutup Rise Time Overshoot Settling Time Steady-state Error Proportional (Kp) Menurun Meningkat Perubahan kecil Menurun Integral (Ki) Menurun Meningkat Meningkat Hilang Derivative (Kd) Perubahan kecil Menurun Menurun Perubahan kecil 7

21 Untuk merancang sistem kontrol PID, metode yang paling sering dilakukan adalah trial & error. Hal ini disebabkan karena parameter Kp, Ki, dan Kd tidak independent. Untuk mendapatkan aksi kontrol yang baik diperlukan langkah coba-coba dengan kombinasi antara nilai Kp, Ki dan Kd Kontrol Proporsional Karakteristik dari kontrol proporsional adalah mengurangi waktu rise time yang membuat sistem kontrol cepat mencapai kondisi steady-state, tetapi menambah overshoot terhadap sistem. Kontrol proporsional juga mengurangi tingkat steady-state error sistem telah mencapai kondisi steady-state. Gambar 2.5 Diagram blok Kontrol Proporsional Persamaan dari kontrol proporsional dapat ditulis dengan : m( t) K. e( t) p Sedangkan dalam bentuk Laplace dapat ditulis dengan : M ( s) E( s) K p Kontrol Integral Karakteristik dari kontrol integral adalah mengurangi waktu settling time, sehingga kontrol cepat mencapai nilai steady-state, tetapi hal ini menambah overshoot terhadap sistem. Kontrol integral juga menghilangkan steady-state error dan mengurangi waktu rise time. 8

22 Gambar 2.6 Digram Blok Kontrol Integral Perlu diketahui, bahwa kontrol integral tidak dapat berdiri sendiri, maka dari itu dibutuhkan kontrol proporsional agar kontrol integral dapat berkerja dalam sistem. Persamaan dari kontrol integral dapat dituliskan dengan : m( t) KI t 0 e( t). dt Sedangkan dalam Persamaan Laplace dapat dituliskan sebagai berikut : Kontrol Derivative M ( s) E( s) KI s Karakteristik dari kontrol deriavtive adalah mengurangi waktu settling time dan overshoot, sedangkan pada rise time dan steady-state error hanya terjadi perubahan kecil saja. Sama halnya dengan kontrol integral, kontrol derivative tidak dapat berdiri sendiri sehingga paling tidak dibutuhkan kontrol proporsional untuk membuat kontrol derivative bekerja. Gambar 2.7 Digram Blok Kontrol Derivative 9

23 10 Persamaan kontrol derivative dapat dituliskan dengan : Sedangkan dalam Persamaan Laplace dapat dituliskan sebagai berikut : Kontrol PID ( Proportional, Integral, dan Derivative) Ketika ketiga kontrol propotional, integral dan derivekati ative menjadi sebuah kontrol PID, maka karakteristik yang dihasilkan berupa sistem yang mendekati ideal. Sistem kontrol tidak memiliki overshoot, waktu rise time yang cepat, dan steady-state error yang sangat kecil hingga mendekati nol. Parameter yang perlu diperhatikan dalam kontrol ini ialah nilai Kp, Ki, dan Kd. Gambar 2.8 Diagram Blok PID Controller Persamaan dari PID Controller dapat dituliskan dengan : Sedangkan dalam Persamaan Laplace dapat dituliskan : ) (. ) ( t e dt d T t m d s T s E s M d. ) ( ) ( t I P d P P dt t e T K t e dt d T K t e K m t 0 ) ( ) (.. ) (. ) ( ). 1. (1 ) ( ) ( s T s T K s E s M I d P

24 BAB III PERANCANGAN SISTEM 3.1 Rancangan Penelitian Tahapan penelitian yang akan dilakukan dalam perancangan sistem terdiri dari beberapa bagian. Diantaranya studi literatur mengenai penelitian terkait, perancangan hardware robot dan perancangan software robot. Agar lebih jelas untuk memahami alur dari penelitian yang dilakukan, dapat dilihat pada flowchart diagram pada gambar 3.1 Gambar 3.1 Flowchart Penelitian 3.2 Perancangan Hardware Robot Pada bagian ini akan dijelaskan mengenai blok diagram robot, skema rangkaian pada mobile robot, desain mekanik robot serta dimensi robot. 11

25 3.2.1 Blok Diagram Mobile Robot gambar 3.2 Berikut gambar blok diagram mobile robot seperti yang ditampilkan pada Gambar 3.2 Blok Diagram Mobile robot Pada blok diagram diatas menjelaskan sistem mobile robot, dimana webcam akan menangkap objek yang warnanya telah diset, kemudian laptop akan memproses posisi objek menjadi nilai v dan ω yang akan menentukan arah gerak robot. Data tersebut akan dikirimkan ke arduino slave yang berfungsi mengolah data v dan ω menjadi nilai θl dan θr kemudian dikirimkan ke arduino master yang berfungsi menggerakkan motor melalui input θl dan θr yang dikirimkan. Selain itu, arduino master juga berfungsi mengatur nilai PID untuk mengatur kecepatan motor Skema Rangkaian Mobile Robot 3.3 Perancangan sistem elektronik pada mobile robot dapat dilihat pada gambar Gambar 3.3 Skema Rangkaian Mobile robot 12

26 Skema rangkaian yang digunakan pada mobile robot terdiri dari 2 buah arduino yang berfungsi sebagai Master dan Slave serta sebuah LCD Display. Arduino Uno yang berfungsi sebagai slave menerima data yang dikirim melalui laptop menggunakan komunikasi serial. Data yang diterima slave akan diparsing untuk diambil nilai v dan ω kemudian dimasukkan ke persamaan differential drive sehingga didapat nilai θl dan θr. Nilai tersebut kemudian dikirimkan ke Arduino Mega. Master akan mengolah data θl dan θr menjadi gerakan motor maju atau mundur melalui driver motor. Selain itu Master juga mengatur nilai PID dari nilai feedback encoder yang ada pada motor untuk menjaga kestabilan kecepatan mobile robot Rancangan Mekanik Mobile Robot Desain mekanik mobile robot dapat dilihat pada gambar 3.4 Gambar 3.4 Desain Mekanik mobile robot. Mobile robot menggunakan desain mekanik dengan sistem differential drive mobile robot, yang menggunakan 2 motor disisi kanan dan kiri untuk bergerak. Sedangkan untuk titik tumpu pada bagian belakang mobile robot menggunakan roda omniwheel. Laptop yang berfungsi mengolah data visual dari webcam diletakkan pada bagian tengah robot. Webcam sendiri diletakkan didepan robot dengan peletakkannya setinggi ± 1 M dari badan robot dengan tujuan agar pandangan webcam menjadi lebih luas. 13

27 3.3 Perancangan Software Robot Perancangan Software robot disini membahas mengenai blok diagram sistem mobile robot dan flowchart dari mobile robot Blok Diagram Sistem Navigasi Mobile Robot Gambar 3.5 Diagram Blok Sistem Navigasi dari Mobile robot Pada diagram blok diatas ditunjukkan bahwa pertama kamera webcam akan menangkap gambar objek yang berada di depan robot, kemudian akan dideteksi terlebih dahulu warna dari objek tersebut. Apabila warna objek sesuai dengan yang dikenali oleh mobile robot, maka akan dilihat posisi objek terhadap tampilan pada webcam. Karena penentuan posisi objek akan mempengaruhi PID controller sebagai pengendali kecepatan mobile robot. Untuk software pembacaan webcam menggunakan aplikasi opencv yang menggunakan bahasa pemograman c++. Pada opencv dilakukan proses HSV-Filtering dan binarisasi untuk mengeset nilai warna bola yang diinginkan. Tampilan GUI dari aplikasi seperti yang terlihat pada gambar

28 Gambar 3.6 Graphic User Interface menggunakan opencv Gambar 3.7 HSV-Filtering dan binerisasi menggunakan opencv 15

29 3.3.2 Diagram Alir (Flowchart) Gambar 3.8 Flowchart Sistem Navigasi Mobile Robot Flowchart diatas adalah serangkaian alur proses dari mobile robot, dimulai dari mobile robot bergerak maju dari garis start, menyusuri bola biru yang ada ditengah, memutar arah didekat bola hijau, kembali meyusuri bola biru hingga kembali ke titik awal. 16

30 3.4 Instrumentasi Penelitian Dalam penelitian tugas akhir ini, ada beberapa instrument penelitian antara lain lintasan percobaan dan instrumen ukur yaitu Tacho meter Lintasan Percobaan Lintasan terbentuk antara gabungan lorong memanjang dengan ujung setengah lingkaran di bagian atasnya. Lintasan akan dibentuk melalui objek berbentuk bola dengan warna objek merah, biru, kuning dan hijau. Sedangkan untuk diameter bola ±30 cm. Rancang bangun lintasan dapat dilihat pada gambar 3.3. Gambar 3.9 Rancang Bangun Lintasan Mobile Robot Instrumen Ukur Tacho Meter Tachometer yang digunakan adalah tacho meter merk DE LORENZO kode. DL 2026R. Digunakan untuk mengukur kecepatan putaran motor EDF dalam satuan RPM(Revolution Per Minute). Gambar 3.10 Tacho Meter 17

31 BAB IV HASIL DAN ANALISA 4.1 Data Hasil Pengujian Nilai HSV (Hue, Saturation, Value) Warna Biru Tabel 4.1 Data Hue, Saturation, dan Value untuk warna biru (29 November 2013) Hari Tanggal Data HSV Biru Hue Min 48 Hue Max November 2013, Jam 23.00, Saturation Min 0 Minggu Gedung Robotika Politeknik Negeri Saturation Max 130 Batam Value Min 268 Value Max 76 Tabel 4.1 merupakan data Hue, Saturation dan Value untuk warna biru yang dilakukan pada malam hari. Hue sendiri menunjukkan jenis warna atau corak warna yaitu tempat warna tersebut ditemukan dalam spektrum warna. Saturation dari suatu warna adalah ukuran seberapa besar kemurnian dari warna tersebut. Nilai penuh Saturation menginterpretasikan suatu warna penuh tanpa campuran putih. Value atau disebut juga intensitas ( intensity) yaitu ukuran seberapa besar kecerahan dari suatu warna atau seberapa besar cahaya datang suatu warna[6]. Nilai Hue yang diperoleh dari pengambilan data warna biru yang dilakukan pada malam hari adalah untuk Hue minimum adalah 48 dan Hue maximum adalah 115. Nilai Saturation yang diperoleh dari pengambilan data warna biru yang dilakukan pada malam hari adalah untuk Saturation minimum adalah 0 dan Saturation maximum adalah 130. Sedangkan untuk nilai Value yang diperoleh dari pengambilan data warna biru yang dilakukan pada malam hari adalah untuk Value minimum adalah 268 dan value maximum adalah

32 (a) (b) Gambar 4.1 Image original (a) dan image setelah thresholding untuk warna biru Gambar 4.1 bagian merupakan image hasil capture webcam pada mobile robot. Pada gambar (a), menunjukkan image original yang ditangkap webcam, sedangkan gambar (b) merupakan image setelah proses thresholding dari image (a) sehingga didapat hasil image binerisasi. Tabel 4.2 Data Hue, Saturation, dan Value untuk warna biru (30 November 2013) Hari Tanggal Data HSV Biru Hue Min 0 Hue Max November 2013, Jam 09.30, Saturation Min 0 Senin Gedung Robotika Politeknik Saturation Max 103 Negeri Batam Value Min 258 Value Max 120 Tabel 4.2 merupakan data Hue, Saturation dan Value untuk warna biru yang dilakukan pada pagi hari. Nilai Hue yang diperoleh dari pengambilan data warna biru yang dilakukan pada pagi hari adalah untuk Hue minimum adalah 0 dan Hue maximum adalah 189. Nilai Saturation yang diperoleh dari pengambilan data warna biru yang dilakukan pada pagi hari adalah untuk Saturation minimum adalah 0 dan Saturation maximum adalah 103. Sedangkan untuk nilai Value yang diperoleh dari pengambilan data warna biru yang dilakukan pada pagi hari adalah untuk Value minimum adalah 258 dan value maximum adalah

33 (a) (b) Gambar 4.2 Image original (a) dan image setelah thresholding untuk warna biru Gambar 4.2 merupakan image hasil capture webcam pada mobile robot. Pada gambar (a), menunjukkan image original yang ditangkap webcam, sedangkan gambar disisi (b) merupakan image setelah proses thresholding dari image (a) sehingga didapat hasil image binerisasi Warna Merah Tabel 4.3 Data Hue, Saturation, dan Value untuk warna merah (29 November 2013) Hari Tanggal Data HSV Merah Hue Min 0 Hue Max November 2013, Jam 23.00, Saturation Min 62 Minggu Gedung Robotika Politeknik Saturation Max 255 Negeri Batam Value Min 272 Value Max 88 Tabel 4.3 merupakan data Hue, Saturation dan Value untuk warna merah yang dilakukan pada malam hari. Nilai Hue yang diperoleh dari pengambilan data warna merah yang dilakukan pada malam hari adalah untuk Hue minimum adalah 0 dan Hue maximum adalah 182. Nilai Saturation yang diperoleh dari pengambilan data warna merah yang dilakukan pada malam hari adalah untuk Saturation minimum adalah 62 dan Saturation maximum adalah 255. Sedangkan untuk nilai Value yang diperoleh dari 20

34 pengambilan data warna merah yang dilakukan pada malam hari adalah untuk Value minimum adalah 272 dan value maximum adalah 88. (a) (b) Gambar 4.3 Image original (a) dan image setelah thresholding untuk warna merah Gambar 4.3 merupakan image hasil capture webcam pada mobile robot. Pada gambar (a), menunjukkan image original yang ditangkap webcam, sedangkan gambar (b) merupakan image setelah proses thresholding dari image (a) sehingga didapat hasil image binerisasi. Tabel 4.4 Data Hue, Saturation, dan Value untuk warna merah (30 November 2013) Hari Tanggal Data HSV Merah Hue Min 0 Hue Max November 2013, Jam 09.30, Saturation Min 12 Senin Gedung Robotika Politeknik Saturation Max 255 Negeri Batam Value Min 260 Value Max 184 Tabel 4.4 merupakan data Hue, Saturation dan Value untuk warna merah yang dilakukan pada pagi hari. Nilai Hue yang diperoleh dari pengambilan data warna merah yang dilakukan pada pagi hari adalah untuk Hue minimum adalah 0 dan Hue maximum adalah 188. Nilai Saturation yang diperoleh dari pengambilan data warna merah yang dilakukan pada pagi hari adalah untuk Saturation minimum adalah 12 dan Saturation maximum adalah 255. Sedangkan untuk nilai Value yang diperoleh dari pengambilan 21

35 data warna merah yang dilakukan pada pagi hari adalah untuk Value minimum adalah 260 dan value maximum adalah 184. (a) (b) Gambar 4.4 Image original (a) dan image setelah thresholding untuk warna merah Gambar 4.4 merupakan image hasil capture webcam pada mobile robot. Pada gambar (a), menunjukkan image original yang ditangkap webcam, sedangkan gambar (b) merupakan image setelah proses thresholding dari image (a) sehingga didapat hasil image binerisasi Warna Hijau Tabel 4.5 Data Hue, Saturation, dan Value untuk warna hijau (29 November 2013) Hari Tanggal Data HSV Hijau Hue Min 56 Hue Max November 2013, Jam 23.00, Saturation Min 19 Minggu Gedung Robotika Politeknik Saturation Max 255 Negeri Batam Value Min 384 Value Max 78 Tabel 4.5 merupakan data Hue, Saturation dan Value untuk warna hijau yang dilakukan pada malam hari. Nilai Hue yang diperoleh dari pengambilan data warna hijau yang dilakukan pada malam hari adalah untuk Hue minimum adalah 56 dan Hue maximum adalah 91. Nilai Saturation yang diperoleh dari pengambilan data warna hijau yang dilakukan pada malam hari adalah untuk Saturation minimum adalah 19 dan 22

36 Saturation maximum adalah 255. Sedangkan untuk nilai Value yang diperoleh dari pengambilan data warna merah yang dilakukan pada malam hari adalah untuk Value minimum adalah 384 dan value maximum adalah 78. (a) (b) Gambar 4.5 Image original (a) dan image setelah thresholding untuk warna hijau Gambar 4.5 merupakan image hasil capture webcam pada mobile robot. Pada gambar (a), menunjukkan image original yang ditangkap webcam, sedangkan gambar (b) merupakan image setelah proses thresholding dari image (a) sehingga didapat hasil image binerisasi. Tabel 4.6 Data Hue, Saturation, dan Value untuk warna hijau (30 November 2013) Hari Tanggal Data HSV Hijau Hue Min 71 Hue Max November 2013, Jam 09.30, Saturation Min 9 Senin Gedung Robotika Politeknik Saturation Max 255 Negeri Batam Value Min 258 Value Max 87 Tabel 4.6 merupakan data Hue, Saturation dan Value untuk warna hijau yang dilakukan pada pagi hari. Nilai Hue yang diperoleh dari pengambilan data warna hijau yang dilakukan pada pagi hari adalah untuk Hue minimum adalah 71 dan Hue maximum adalah 116. Nilai Saturation yang diperoleh dari pengambilan data warna hijau yang dilakukan pada pagi hari adalah untuk Saturation minimum adalah 9 dan Saturation 23

37 maximum adalah 255. Sedangkan untuk nilai Value yang diperoleh dari pengambilan data warna hijau yang dilakukan pada pagi hari adalah untuk Value minimum adalah 258 dan value maximum adalah 87. (a) (b) Gambar 4.6 Image original (a) dan image setelah thresholding untuk warna hijau Gambar 4.6 merupakan image hasil capture webcam pada mobile robot. Pada gambar (a), menunjukkan image original yang ditangkap webcam, sedangkan gambar (b) merupakan image setelah proses thresholding dari image (a) sehingga didapat hasil image binerisasi Warna Kuning Tabel 4.7 Data Hue, Saturation, dan Value untuk warna kuning (29 November 2013) Hari Tanggal Data HSV Kuning Hue Min 6 Hue Max November 2013, Jam 23.00, Saturation Min 52 Minggu Gedung Robotika Politeknik Saturation Max 250 Negeri Batam Value Min 268 Value Max 76 Tabel 4.7 merupakan data Hue, Saturation dan Value untuk warna kuning yang dilakukan pada malam hari. Nilai Hue yang diperoleh dari pengambilan data warna kuning yang dilakukan pada malam hari adalah untuk Hue minimum adalah 6 dan Hue maximum adalah 50. Nilai Saturation yang diperoleh dari pengambilan data warna 24

38 kuning yang dilakukan pada malam hari adalah untuk Saturation minimum adalah 52 dan Saturation maximum adalah 250. Sedangkan untuk nilai Value yang diperoleh dari pengambilan data warna kuning yang dilakukan pada malam hari adalah untuk Value minimum adalah 268 dan value maximum adalah 76. (a) (b) Gambar 4.7 Image original (a) dan image setelah thresholding untuk warna kuning Gambar 4.7 merupakan image hasil capture webcam pada mobile robot. Pada gambar (a), menunjukkan image original yang ditangkap webcam, sedangkan gambar (b) merupakan image setelah proses thresholding dari image (a) sehingga didapat hasil image binerisasi. Tabel 4.8 Data Hue, Saturation, dan Value untuk warna kuning (30 November 2013) Hari Tanggal Data HSV Kuning Hue Min 6 Hue Max November 2013, Jam 09.30, Saturation Min 40 Senin Gedung Robotika Politeknik Saturation Max 236 Negeri Batam Value Min 357 Value Max 124 Tabel 4.8 merupakan data Hue, Saturation dan Value untuk warna kuning yang dilakukan pada pagi hari. Nilai Hue yang diperoleh dari pengambilan data warna kuning yang dilakukan pada pagi hari adalah untuk Hue minimum adalah 6 dan Hue maximum adalah 34. Nilai Saturation yang diperoleh dari pengambilan data warna kuning yang 25

39 dilakukan pada pagi hari adalah untuk Saturation minimum adalah 40 dan Saturation maximum adalah 236. Sedangkan untuk nilai Value yang diperoleh dari pengambilan data warna kuning yang dilakukan pada pagi hari adalah untuk Value minimum adalah 357 dan value maximum adalah 124. (a) (b) Gambar 4.8 Image original (a) dan image setelah thresholding untuk warna kuning Gambar 4.8 merupakan image hasil capture webcam pada mobile robot. Pada gambar di sisi kiri, menunjukkan image original yang ditangkap webcam, sedangkan gambar disisi kanan merupakan image setelah proses thresholding dari image disisi kiri sehingga didapat hasil image binerisasi. Dari hasil pengujian yang dilakukan terhadap setiap objek pada pagi dan malam hari maka dapat dianalisa bahwa antara data HSV yang diambil pada malam hari dengan data HSV yang diambil pada pagi hari menunjukkan adanya perbedaan. Hal ini dipengaruhi oleh pengaruh cahaya pada lokasi ujicoba. Terlihat pada hasil tangkapan objek pada malam hari dipengaruhi oleh penerangan lampu, sehingga jika dibandingkan dengan hasil tangkapan objek pada pagi hari yang pencahayaannya merata karena terpaan sinar matahari. 26

40 4.2 Data Hasil Pengujian Respon PID Controller Berikut merupakan data respon PID Controller terhadap setpoint yang diberikan. Dalam hal ini, input setpoint dimasukkan melalui serial monitor Arduino Uji Respon PID dengan Setpoint SP = Kecepatan (Rpm) Setpoint Motor Kiri Motor Kanan Waktu (sec) Gambar 4.9 Grafik Respon PID SP=100 Dengan Kp = 4.9, Kd = 0.1 dan Ki = 0.17 Gambar diatas merupakan grafik respon PID controller dengan Setpoint 100 Rpm yang diatur melalui Serial Monitor Arduino. Pada grafik terlihat bahwa respon rise time PID controller menunjukkan waktu yang singkat, sedangkan respon controller mempunyai overshoot yang kecil. Untuk settling time, respon controller menunjukkan untuk motor kanan dan kiri membutuhkan waktu 15s untuk mencapai nilai stabil dan untuk steady-state error terlihat bahwa rentang nilai error masih cukup tinggi. 27

41 4.2.2 Uji Respon PID dengan Setpoint SP = 200 Kecepatan (Rpm) Setpoint Motor Kiri Motor Kanan Waktu (sec) Gambar 4.10 Grafik Respon PID SP=200 Dengan Kp = 4.9, Kd = 0.1 dan Ki = 0.17 Gambar diatas merupakan grafik respon PID controller dengan Setpoint 200 Rpm yang diatur melalui Serial Monitor Arduino. Pada grafik terlihat bahwa respon rise time PID controller menunjukkan waktu yang singkat, sedangkan respon controller mempunyai overshoot yang sangat kecil. Untuk settling time, respon controller menunjukkan untuk motor kanan dan kiri membutuhkan waktu 5s untuk mencapai nilai stabil dan untuk steady-state error terlihat bahwa nilai error masih terjadi walaupun dengan nilai yang kecil. 28

42 4.2.3 Uji Respon PID dengan Setpoint SP = Kecepatan (Rpm) Setpoint Motor Kanan Motor Kanan Waktu (sec) Gambar 4.11 Grafik Respon PID SP=300 Dengan Kp = 4.9, Kd = 0.1 dan Ki = 0.17 Gambar diatas merupakan grafik respon PID controller dengan Setpoint 300 Rpm yang diatur melalui Serial Monitor Arduino. Pada grafik terlihat bahwa respon rise time PID controller menunjukkan waktu yang singkat, sedangkan respon controller mempunyai overshoot yang sangat kecil. Untuk settling time, respon controller menunjukkan untuk motor kanan dan kiri membutuhkan waktu 1s untuk mencapai nilai stabil dan untuk steady-state error terlihat bahwa nilai error sangat kecil. 29

43 4.2.4 Uji Respon PID dengan Setpoint 400 Kecepatan (Rpm) SP = 400 Setpoint Motor Kiri Motor Kanan Waktu (sec) Gambar 4.12 Grafik Respon PID SP=400 Dengan Kp = 4.9, Kd = 0.1 dan Ki = 0.17 Gambar diatas merupakan grafik respon PID controller dengan Setpoint 400 Rpm yang diatur melalui Serial Monitor Arduino. Pada grafik terlihat bahwa respon rise time PID controller menunjukkan waktu yang singkat, sedangkan respon controller mempunyai tidak terjadi overshoot. Untuk settling time, respon controller menunjukkan untuk motor kanan dan kiri membutuhkan waktu 1s untuk mencapai nilai stabil dan untuk steady-state error terlihat bahwa nilai error sangat kecil. Pada Setpoint 400 Rpm inilah didapat respon PID controller yang mendekati ideal. 30

44 4.2.5 Uji Respon PID dengan Setpoint SP = Kecepatan (Rpm) Setpoint Motor Kiri Motor Kanan Waktu (sec) Gambar 4.13 Grafik Respon PID SP=500 Dengan Kp = 4.9, Kd = 0.1 dan Ki = 0.17 Gambar diatas merupakan grafik respon PID controller dengan Setpoint 500 Rpm yang diatur melalui Serial Monitor Arduino. Pada grafik terlihat bahwa respon PID controller tidak mencapai nilai Setpoint. Apabila nilai konstanta Proportional diubah menjadi lebih tinggi, maka respon grafik akan naik, namun nilai Setpoint yang lebih kecil lainnya akan mengalami overshoot yang tinggi. 31

45 4.2.6 Uji Respon PID dengan Setpoint SP = 600 Kecepatan (Rpm) Setpoint Motor Kiri Motor Kanan Waktu (sec) Gambar 4.14 Grafik Respon PID SP=600 Dengan Kp = 4.9, Kd = 0.1 dan Ki = 0.17 Gambar diatas merupakan grafik respon PID controller dengan Setpoint 600 Rpm yang diatur melalui Serial Monitor Arduino. Pada grafik terlihat bahwa respon PID controller tidak mencapai nilai Setpoint. Apabila nilai konstanta Proportional diubah menjadi lebih tinggi, maka respon grafik akan naik, namun nilai Setpoint yang lebih kecil lainnya akan mengalami overshoot yang tinggi. 32

46 4.3 Data Hasil Pengujian Posisi Objek Terhadap Kecepatan Mobile Robot Berikut merupakan data besarnya pixel yang ditangkap GUI untuk mengukur jarak sehingga mempengaruhi kecepatan mobile robot dalam mendekati objek. Gambar 4.15 Posisi mulai Mobile Robot Tabel 4.9 Data Jarak Objek dan Kecepatan Mobile Robot No Lebar Pixel Terhadap Frame Kecepatan Jarak (m) (cm/s) X Y , , , , , , , , , , , ,4 1 33

47 Tabel diatas merupakan perbandingan antara jarak dan kecepatan mobile robot. Adapun nilai jarak didapat dari hasil pengukuran lebar pixel x dan y objek yang ditangkap dengan posisi mobile robot. Ketika posisi objek masih jauh terhadap mobile robot membuat lebar pixel x dan y semakin kecil terhadap webcam, maka nilai kecepatan akan diset tinggi. Semakin dekat posisi objek dengan mobile robot membuat lebar pixel x dan y semakin besar terhadap webcam, maka kecepatan akan perlahan-lahan turun hingga jarak robot mencapai posisi untuk berbelok. Dari perbandingan jarak dan kecepatan ini maka dapat dirumuskan nilai untuk mendapatkan nilai kecepatan berdasarkan jarak objek menggunakan persamaan garis linear, seperti yang diinterpretasikan pada gambar Kecepatan y = 10x - 3 Kecepatan (cm/s) Kecepatan Linear (Kecepatan) 0 0 0,5 1 1,5 2 Jarak (m) Gambar 4.16 Persamaan Linear Nilai Kecepatan Mobile Robot (v) terhadap Jarak Objek Pada grafik diatas, sumbu x meginterpretasikan nilai jarak dalam satuan meter, sedangkan sumbu y menginterpretasikan kecepatan mobile robot dalam satuan m/s. Dengan menggunakan persamaan garis linear dengan rumus y=(10x 30), maka kecepatan robot akan berubah sesuai jarak robot terhadap objek. Semakin jauh jarak mobile robot terhadap objek, maka hasil perhitungan akan membuat nilai kecepatan semakin tinggi. Sebaliknya, ketika mobile robot semakin dekat dengan objek, maka nilai kecepatannya semakin lama akan semakin pelan. 34

48 4.4 Data Hasil Pengujian Tingkat Keberhasilan Robot Berikut ini merupakan data hasil pengujian robot dengan menjalankan robot dari awal lintasan hingga akhir dengan percobaan sepuluh kali, maka didapat data sebagai berikut : Tabel 4.10 Data Tingkat Keberhasilan Mobile Robot No Tahap Percobaan Hasil Percobaan 1 Percobaan ke -1 Gagal 2 Percobaan ke -2 Berhasil 3 Percobaan ke -3 Berhasil 4 Percobaan ke -4 Gagal 5 Percobaan ke -5 Gagal 6 Percobaan ke -6 Gagal 7 Percobaan ke -7 Berhasil 8 Percobaan ke -8 Gagal 9 Percobaan ke -9 Gagal 10 Percobaan ke -10 Gagal Persentase Keberhasilan 30 % dari 100 % Dari tabel diatas didapat data bahwa dalam sepuluh kali percobaan, mobile robot berhasil menyelesaikan lintasan dari awal hingga akhir sebanyak tiga kali. Maka dari itu dapat dihitung presentase keberhasilan 30 % dari 100 %. 35

49 4.5 Analisa Data Analisa Data Pengujian Nilai HSV Dari hasil pengujian yang dilakukan terhadap setiap objek pada pagi dan malam hari maka dapat dianalisa bahwa antara data HSV yang diambil pada malam hari dengan data HSV yang diambil pada pagi hari menunjukkan adanya perbedaan. Hal ini dipengaruhi oleh pengaruh cahaya pada lokasi ujicoba. Terlihat pada hasil tangkapan objek pada malam hari dipengaruhi oleh penerangan lampu, sehingga jika dibandingkan dengan hasil tangkapan objek pada pagi hari yang pencahayaannya merata karena terpaan sinar matahari Analisa Data Pengujian Respon PID Controller Dari hasil pengujian yang dilakukan terhadap kedua motor penggerak menunjukkan bahwa respon PID yang mendekati ideal berada pada setpoint 400. Pada setpoint ini, respon PID controller menunjukkan respon rise time yang singkat dan tidak terjadi overshoot. Untuk settling time, respon controller menunjukkan untuk motor kanan dan kiri membutuhkan waktu 1s untuk mencapai nilai stabil dan untuk steady-state error terlihat bahwa nilai error sangat kecil Analisa Data Pengujian Posisi Objek Terhadap Kecepatan Mobile Robot Dari hasil pengujian yang dilakukan dengan mengukur lebar pixel x dan y pada GUI bahwa semakin jauh objek terhadap mobile robot, maka semakin kecil lebar pixel yang ditangkap oleh kamera webcam. Ketika posisi objek berada pada jarak 1,6 m dari mobile robot, maka robot akan diset dengan kecepatan 13 cm/s. Sehingga mobile robot akan bergerak maju mendekati objek, yang membuat lebar pixel x dan y akan semakin membesar. Dan menyebabkan robor akan bergerak semakin pelan menuju objek. Ketika robot mencapai jarak 0,3 m dari objek, maka robot akan diset berbelok melewati objek. Kemudian kembali lagi mencari objek yang berada didepannya. Hal ini terus dilakukan hingga mobile robot menyelesaikan lintasan kembali ke garis start. 36

50 4.5.4 Analisa Data Pengujian Tingkat Keberhasilan Mobile Robot Dari hasil pengujian yang dilakukan, mobile robot berhasil menyelesaikan lintasan sebanyak tiga kali dari sepuluh kali percobaan. Adapun hal hal yang mempengaruhi tingkat keberhasilan mobile robot adalah pengaruh cahaya yang berada didalam ruangan sehingga mempengaruhi pembacaan kamera webcam. 37

51 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Kesimpulan yang dapat diambil dari laporan tugas akhir ini adalah mobile robot yang mampu mengenali objek yang berada didepannya berdasarkan warna objek serta memperhitungkan jarak antara mobile robot dan objek dengan mengukur lebar pixel x dan y pada tampilan GUI sehingga mobile robot dapat bermanuver melewati objek dari start lintasan sampai kembali ke posisi awal. PID Controller akan mengatur kecepatan robot berdasarkan jarak robot, ketika objek dideteksi jauh dari mobile robot, maka kecepatan robot mendekati objek akan cepat. Dan ketika semakin dekat dengan objek maka kecepatan robot akan diatur semakin pelan. Respon PID controller yang ideal berada pada setpoint 400 dengan nilai Kp = 4.9, Ki =0.1, dam Kd = sedangkan hasil percobaan menunjukkan mobile robot dapat menyelesaikan lintasan dari awal hingga akhir dengan persentase keberhasilan 30 %. Presentase keberhasilan dipengaruhi oleh pembacaan objek terhadap cahaya. Deteksi objek hanya dilakukan dengan pembacaan warna, dikarenakan deteksi bentuk dipengaruhi terpaan cahaya sehingga pembacaan objek menjadi terganggu. 5.2 Saran Untuk sistem yang lebih baik kedepannya perlu diperhatikan beberapa hal diantaranya : 1. Pencahayaan ruangan diatur merata antara siang dan malam agar tidak mengalami kesulitan dalam melakukan setting Hue, Saturation, Value. 2. Dibutuhkan sistem auto-brightness yang dapat menyesuaikan pencahayaan terhadap objek. 2. Pemilihan Motor DC yang baik hendaknya dilengkapi dengan datasheet yang jelas dan lengkap. 38

52 BAB VI DAFTAR PUSTAKA [1] Yi, Soo-Yeong dan Byoung-Wook Choi Autonomous Navigation of Indoor Mobile Robot Using Global Ultrasonic System. Croatia : University Campus STeP Ri. [2] Guzel, Mehmet Serdar Mobile Robot Navigation using a Vision Based Approach. England : Newcastle University. [3] Dudek, Gregory dan Michael Jenkin Computational Principles of Mobile Robotics. England : Newcastle University. [4] Soebhakti, Hendawan Introduction to Basic Image Processing. Batam : Politeknik Negeri Batam [5] Soebhakti, Hendawan Colour Conversion. Batam : Politeknik Negeri Batam [6] Putra, Darma Colour Conversion. Yogjakarta : Penerbit Andi 39

53 Lampiran 1. Foto Robot 40

54 BIOGRAFI PENULIS Nama : Anugerah Wibisana Tempat/tanggal lahir : Urung / 27April 1994 Agama : Islam Alamat Rumah : Muka Kuning Permai 1 Jln. P. Siantan No.38 Batu Aji Batam anugerah.wibies@gmail.com Riwayat Pendidikan : 1. SMK Negeri 1 Batam - Teknik Elektronika Industri ( ) 2. SMP Negeri 11 Batam ( ) ` 3. SD Negeri 009 Batam ( ) 41