Sistem Ar Drone Pengikut Garis Menggunakan Algoritma Progressive Probabilistic Hough Transform

Transkripsi

1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X Vol. 2, No. 9, September 2018, hlm Sistem Ar Drone Pengikut Garis enggunakan Algoritma Progressive Probabilistic Hough Transform Achmad Baichuni Zain 1, Gembong Edhi Setyawan 2, Hurriyatul Fitriyah 3 Program Studi Teknik Informatika, 1 zainachmad13@gmail.ac.id, 2 gembong@ub.ac.id, 3 hfitriyah@ub.ac.id Abstrak Quadcopter merupakan UAV yang memiliki empat buah baling-baling motor yang digunakan sebagai penggeraknya. Untuk menerbangkannya dapat dikontrol menggunakan smartphone atau remote control tetapi dengan keahlian khusus. Berdasarkan permasalahan tersebut maka perlu dikembangkan agar quadcopter bergerak otomatis mengikuti suatu objek. Sistem yang dibuat pada penelitian ini quadcopter akan mendeteksi dan mengikuti sebuah garis berwarna hitam secara otomatis. Sehingga pada penelitian ini menggunakan pengolahan citra digital. Dalam pengolahan citra digital menggunakan canny detection dan progressive probabilistic hough transform. Quadcopter yang digunakan dalam penelitian ini adalah Parrot Ar.Drone 2.0. Dari hasil pengujian yang telah dilakukan diperoleh nilai HSV dari masing-masing parameter yaitu Hue dengan nilai minimal = 0 dan nilai maksimal = 180, Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan Value dengan nilai minimal = 0 dan nilai maksimal = 10. Sedangkan ukuran frame yang digunakan untuk mendeteksi adalah 330*240 pixel. Untuk presentase ketepatan gerakan yang berhasil dilakukan quadcopter saat mengikuti garis secara otomatis sebesar 100%. Untuk delay yang dihasilkan sistem ini pada saat garis terdeteksi sampai quadcopter bergerak mengikuti garis adalah sebesar 0,22 detik. Sedangkan untuk pengujian ketinggian didapatkan hasil bahwa ketinggian minimal yang bisa terdeteksi adalah 80 cm dan ketinggian maksimal adalah 230 cm. Kata kunci: Garis, Pengolahan Citra, Hough Transform, Quadcopter Abstract Quadcopter is UAV which has four motorcycle propellers used to move it. We can control quadcopter with smartphone or remote control while it is flying, but with a particular skill. Based on the issues, quadcopter should be developed in order to move and follow an object automatically. Quadcopter will detect and follow a black line directly. In this research, we use digital image processing that use canny detection and progressive probabilistic hough transform. Parrot AR Drone 2.0 is used in this research of quadcopter. Based on the result of research, it obtains the point of HSV from each parameter that is Hue with minimum point = 0 and maximum point = 180, Saturation with minimum point = 0 and maximum point = 255, and Value with minimum point = 0 and maximum point = 10. While the measure of frame used for detecting is 330*240 pixel and the percentage of precision of motion is 100 %. The system produces a delay that follows the line in the detected line to quadcopter and the point is 0,22 second. While altitude testing obtain the result that minimum high can be detected is 80 cm and maximum high is 230 cm. Keywords: Line, Image Processing, Hough Transform, Quadcopter 1. PENDAHULUAN Pada beberapa tahun belakangan quadcopter atau lebih dikenal dengan sebutan drone mulai digemari di Indonesia. Biasanya digunakan untuk hiburan atau digunakan oleh beberapa instansi atau lembaga untuk berbagai acara yang membutuhkan quadcopter. Untuk dapat menerbangkan quadcopter sesuai keinginan dari pengguna dapat menggunakan remote control yang menggunakan transmisi gelombang radio atau Wi-Fi. Selain menggunakan remote control, quadcopter juga bisa dikendalikan menggunakan smartphone atau joystick. Namun untuk mengendalikannya perlu proses belajar Fakultas Ilmu Komputer Universitas Brawijaya 2965

2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2966 yang relatif lama serta keahlian khusus. Dengan permasalahan tersebut dapat dikembangkan dengan menerbangkan quadcopter secara otomatis mengikuti sebuah objek menggunakan pengolahan citra. Pengolahan citra digital dapat digunakan sebagai navigasi pada quadcopter dalam mengikuti sebuah objek. Dengan menggunakan pengolahan citra nantinya quadcopter akan berjalan secara otomatis mengikuti objek yang dideteksi. Dengan berjalan secara otomatis diharapkan pengguna dapat mengendalikan quadcopter tanpa perlu menggunakan smartphone atau yang lainnya. Pada penelitian ini dilakukan implementasi pengolahan citra pada kamera quadcopter. Untuk quadcopter yang digunakan adalah Parrot AR.Drone. Pemilihan parrot AR.Drone dikarenakan quadcopter jenis ini merupakan salah satu quadcopter yang telah memiliki built in camera sehingga tidak diperlukan kamera tambahan. Selain itu quadcopter ini bersifat open source sehingga pengambilan datanya menjadi lebih cepat. Untuk pengolahan citra menggunakan algoritme progressive probabilistic hough transform. Sebelum diolah dengan algoritme tersebut awalnya garis akan dideteksi menggunakan dengan model warna HSV, setelah itu mendeteksi tepi dengan canny edge detection. Penelitian menggenai quadcopter menggunakan pengolahan citra digital juga pernah dilakukan oleh Boudjit (2015) yang membahas mengenai deteksi dan implementasi autonomi pelacakan target dengan quadcopter. Penelitian ini berhasil membuat quadcopter mengikuti sebuah garis lurus yang telah di buat sebelumnya dengan memanfaatkan citra digital. Penelitian tersebut hanya mengikuti garis lurus saja tidak ada garis yang berbelok. Penelitian lain yang juga menjadi dasar penelitian ini yang berkaitan dengan deteksi garis yang dilakukan oleh Brandao (2015). Pada penelitian tersebut quadcopter mengikuti sungai yang di jadikan sebagai garis lurus. Algoritme yang digunakan mampu menentukan posisi dan perbatasan dari saluran air. Algoritme yang digunakan juga bergantung pada kontras dari objek untuk mendeteksi garis. Adanya bayangan juga mempengaruhi kinerja dari algortime. Selama percobaan yang dilakukan bayangan batang pohon akan memiliki pengaruh penting saat terlihat dalam kamera. Berdasarkan kedua penelitian tersebut maka penelitian ini akan menggunakan garis dengan warna hitam yang nantinya dideteksi. Kemudian garis yang digunakan adalah garis lurus dan garis berbelok. 2. PERGERAKAN QUADCOPTER enurut Kusuma, Effendi, dan Iskandar (2012) quadcopter memiliki empat buah motor yang berbentuk menyilang. Dengan terdapatnya motor yang memiliki baling-baling pada masingmasing ujung kerangka akan membuat aliran udara yang menghasilkan tekanan ke arah bawah sehingga timbul gaya angkat pada quadcopter. Quadcopter memiliki empat pergerakan yaitu roll (gerakan ke kiri dan kanan searah sumbu y), pitch (gerakan ke depan dan belakang searah sumbu x), gaz (gerakan ke atas dan bawah searah sumbu z), serta yaw (gerakan berputar ke kiri dan kanan yang berotasi pada sumbu z ). Untuk pergerakan secara detailnya bisa dilihat pada Gambar 1. Gambar 1. Koordinat pada quadcopter 3. PERANCANGAN DAN IPLEENTASI Untuk tahap perancangan dan implementasi pada penelitian ini dibagi menjadi tiga tahapan secara beruntun yaitu komunikasi sistem, deteksi garis, dan pergerakan quadcopter. Gambar 2. Tahapan Perancangan dan Implementasi Sistem

3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Komunikasi Sistem Alur komunikasi pada sistem ini diperlihatkan pada Gambar 3. Pertama pengguna akan melakukan konfigurasi ke komputer seperti menjalankan program. Kemudian komputer dan quadcopter akan dihubungkan menggunakan komunikasi Wi-Fi. Setelah komputer dan quadcopter terhubung, quadcopter akan mengirimkan data navigasi berupa data kamera. Setelah data dikirim ke komputer kemudian pengguna bisa melihat data kamera dari quadcopter. Langkah selanjutnya pengguna melakukan perintah takeoff untuk menerbangkan quadcopter. Setelah quadcopter terbang akan membaca garis. Kemudian quadcopter akan mengirimkan data navigasi berupa data kamera, ketinggian, dan kecepatan. Setelah data dikirim pengguna bisa melihat data dari quadcopter dan bisa melihat quadcopter terbang mengikuti garis. Gambar 4. Alur pendeteksian garis Gambar 3. Alur komunikasi pada sistem 3.2. Deteksi Garis Untuk perancangan dan implementasi deteksi garis diperlukan data kamera dari quadcopter sebagai input. Setelah mendapatkan data kamera kemudian akan dilakukan beberapa proses. Untuk proses yang dilakukan bisa dilihat pada Gambar 4. Seperti pada Gambar 4 setelah mendapatkan data kamera dari quadcopter akan dilakukan proses mendeteksi tepi dari garis. Untuk mendeteksi tepi menggunakan canny edge detection. Kemudian setelah mendapatkan tepi garis akan dilakukan proses selanjutnya yaitu menghilangkan noise dari tepi yang sudah terdeteksi. Untuk menghilangkan noise ini menggunakan progressive probabilistic hough transform. Setelah dilakukan pendeteksian tepi akan dihasilkan garis yang nantinya akan digunakan. Langkah selanjutnya dilakukan perubahan warna pixel dari RGB ke HSV dikarenakan garis yang terdeteksi pada warna RGB masih terdapat noise sehingga harus diubah ke warna HSV. Warna yang digunakan untuk mendeteksi garis adalah warna hitam. Untuk warna hitam menggunakan nilai HSV pada masing-masing parameter yaitu Hue dengan nilai minimal = 0 dan nilai maksimal = 180, Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan Value dengan nilai minimal = 0 dan nilai maksimal = 10. Setelah itu dilakukan pembacaan garis berdasarkan koordinat garis berada. Setelah semua proses selesai dilakukan maka hasil yang didapatkan akan ditampilkan dalam sebuah frame. Ukuran frame yang digunakan adalah 330*240 pixel. Ukuran ini paling pas digunakan karena proses yang dilakukan dalam mendeteksi garis cukup cepat dan garis terdeteksi secara penuh. Dengan menggunakan ukuran frame 330*240 pixel dapat mempermudah dalam proses mendeteki garis dikarenakan frame akan dibagi lagi menjadi beberapa bagian. Dalam pembagian frame menggunakan Persamaan 1 untuk pembagian pada sumbu x dan Persamaan 2 untuk pembagian pada sumbu y. pembagian sumbu x = sumbu x 3 (1)

4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2968 pembagian sumbu y = sumbu y 2 (2) Berdasarkan Persamaan 1 pada sumbu x akan dibagi menjadi 3 bagian, masing-masing bagian mempunyai ukuran 110 pixel. Sedangkan berdasarkan Persamaan 2 pada sumbu y akan dibagi menjadi 2 bagian, masing-masing bagian mempunyai ukuran 120 pixel. Sehingga pada sumbu x dibagi dengan range (C), range (D), dan range (E). Sedangkan pada sumbu y dibagi dengan range (B) dan range (A). Untuk pembagian lebih jelaskan bisa dilihat pada Gambar 5. jelasnya bisa dilihat pada Gambar 6 (c). Gambar 6. Area pendeteksian gerakan quadcopter Gambar 5. Area pendeteksian 3.3. Pergerakan Quadcopter Dalam perancangan dan implementasi pergerakan dari quadcopter dilakukan pembacaan garis berdasarkan koordinat yang didapatkan dari area pendeteksian garis. Untuk lebih jelasnya letak dari pergerakan quadcopter bisa dilihat pada Gambar 6. Quadcopter akan bergerak maju ketika dengan sumbu x koordinat dan sumbu y dengan sumbu x pada koordinat dan jelasnya bisa dilihat pada Gambar 6 (a). Quadcopter akan bergeser ke kiri ketika dengan sumbu x koordinat dan sumbu y dengan sumbu x pada koordinat dan jelasnya bisa dilihat pada Gambar 6 (b). Quadcopter akan bergeser ke kanan ketika dengan sumbu x koordinat dan sumbu y dengan sumbu x pada koordinat dan Quadcopter akan berputar ke kiri ketika dengan sumbu x koordinat dan sumbu y dengan sumbu x pada koordinat dan jelasnya bisa dilihat pada Gambar 6 (d). Quadcopter akan berputar ke kanan ketika dengan sumbu x koordinat dan sumbu y dengan sumbu x pada koordinat dan jelasnya bisa dilihat pada Gambar 6 (e). Quadcopter akan hover atau tidak bergerak ketika tidak ada garis yang terdeteksi baik itu pada bagian A maupun bagian B. Untuk lebih jelasnya bisa dilihat pada Gambar 6 (f). 4. PENGUJIAN DAN HASIL Untuk menguji performa dan akurasi dari sistem ini, maka akan dilakukan 5 jenis pengujian yaitu pengujian nilai HSV, pengujian ukuran frame, pengujian ketepatan deteksi garis dengan beragam kecepatan, pengujian waktu sistem (delay), dan pengujian ketinggian Hasil Pengujian Nilai HSV Pengujian nilai HSV dilakukan untuk mendapatkan nilai HSV dari warna hitam yang paling akurat untuk digunakan mendeteksi garis.

5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2969 Untuk melakukan pengujian ini dengan menggunakan kamera dari quadcopter tanpa menerbangkan quadcopter-nya. Dengan merubah nilai-nilai HSV akan terlihat garis sudah terdeteksi atau belum. Tabel 1. Hasil pengujian nilai HSV No Nilai Hue in a x Nilai Saturation in ax Nilai Value in ax Ketera ngan TD TD TD TD TD T 50% T 80% T 100% TD TD Berdasarkan hasil pengujian yang dilakukan sebanyak 10 kali dengan nilai HSV yang berbeda-beda seperti yang terlihat pada Tabel 1 dengan keterangan TD adalah tidak terdeteksi sedangkan T adalah terdeteksi. Didapatkan hasil bahwa nilai yang bisa mendeteksi dengan akurat yaitu parameter Hue dengan nilai minimal = 0 dan nilai maksimal = 180, parameter Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan parameter Value dengan nilai minimal = 0 dan nilai maksimal = Hasil Pengujian Ukuran Frame Pengujian ukuran frame digunakan untuk mengetahui ukuran dari frame yang akan digunakan mendeteksi garis. Untuk melakukan pengujian ini dengan menerbangkan quadcopter. Diuji dengan beberapa ukuran frame yang berbeda-beda sehingga akan didapatkan ukuran yang paling sesuai untuk mendeteksi garis. Gambar 7. Hasil pengujian ukuran frame Setelah melakukan pengujian mendeteksi garis dengan ukuran frame yang berbeda-beda seperti pada Gambar 7, didapatkan hasil bahwa ukuran yang paling sesuai digunakan untuk mendeteksi garis adalah ukuran 330*240 pixel seperti pada Gambar 7 (b). Ukuran ini bisa mendeteksi secara akurat dan proses yang dilakukan juga cepat. Sedangkan untuk ukuran 600*300 pixel seperti pada Gambar 7 (a) terlalu besar sehingga proses untuk mendeteksi garis cukup lama dan ukuran 200*150 pixel seperti pada Gambar 7 (c) terlalu kecil sehingga proses untuk mendeteksi garis terlalu cepat dan garis yang terdeteksi tidak menyeluruh Hasil Pengujian Ketepatan Deteksi Garis Dengan Beragam Kecepatan Pengujian ini dilakukan untuk mengetahui quadcopter sudah berjalan sesuai dengan garis yang terdeteksi dengan kecepatan yang berdedabeda. Pada pengujian gerak maju, quadcopter akan bergerak maju ketika garis yang terdeteksi berada di frame yang tengah seperti pada Gambar 8 (a). Pada pengujian geser kiri, quadcopter akan bergeser ke kiri ketika garis yang terdeteksi berada di frame yang kiri seperti pada Gambar 8 (b). Pada pengujian geser kanan, quadcopter akan bergeser ke kanan ketika garis yang terdeteksi berada di frame yang kanan seperti pada Gambar 8 (c).

6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2970 gerakan berdasarkan garis yang terdeteksi pada kecepatan 0,6 m/s. Sedangkan pada kecepatan 0,9 m/s, 1,2 m/s, 1,5 m/s, dan 1,8 m/s tidak berhasil melakukan gerakan berputar ke kiri dan berputar ke kanan karena quadcopter bergerak cepat sehingga melewati garis yang telah dibuat Hasil Pengujian Delay Sistem Pengujian ini dilakukan untuk mengetahui seberapa baik performa dari sistem pendeteksi garis yang telah dibuat dengan melihat seberapa besar delay yang terjadi saat garis terdeteksi sampai quadcopter bergerak mengikuti garis. Untuk mengetahui waktu delay tersebut dengan akurat, maka dilakukan dengan melihat selisih waktu antara quadcopter dalam keadaan stabil dengan saat sudah mulai berjalan. Untuk mengetahui selisih waktu yang akurat, maka akan dilakukan perekaman navdata dengan menggunakan rqt plot. Tabel 3 Hasil pengujian delay sistem Gambar 8. Gerakan quadcopter Pada pengujian berputar ke kiri, quadcopter akan berputar ke kiri ketika garis yang terdeteksi berada di antara frame yang tengah dan kiri seperti pada Gambar 8 (d). Pada pengujian berputar ke kanan, quadcopter akan berputar ke kanan ketika garis yang terdeteksi berada di antara frame yang tengah dan kanan seperti pada Gambar 8 (e). Pada pengujian hover, quadcopter akan hover ketika tidak ada garis yang terdeteksi seperti pada Gambar 8 (f). Tabel 2 Hasil pengujian ketepatan gerakan Gerakan Kecepatan (m/s) 0,6 0,9 1,2 1,5 1,8 Gerak maju 100% 100% 100% 100% 100% Geser kiri 100% 100% 100% 100% 100% Geser kanan Berputar ke kiri Berputar ke kanan 100% 100% 100% 100% 100% 100% 0% 0% 0% 0% 100% 0% 0% 0% 0% Hover 100% 100% 100% 100% 100% Dari pengujian yang telah dilakukan didapatkan hasil seperti pada Tabel 2. Quadcopter berhasil bergerak mengikuti semua Gerakan Gerak maju Geser kiri Geser Kanan Berputar ke kiri Berputar ke kanan Hasil Delay (detik) Pengujian ke Ratarata (detik) 0,1 0,17 0,30 0,34 0,07 0,19 0,11 0,22 0,64 0,61 0,51 0,41 0,05 0,18 0,19 0,21 0,31 0,18 0,13 0,18 0,08 0,20 0,16 0,15 0,09 0,05 0,14 0,06 0,18 0,21 Total delay sistem 0,22 Setelah melakukan pengujian terhadap delay sistem pada setiap gerakan sebanyak 5 kali, didapat hasil delay seperti pada Tabel 3. Besar dari delay sistem ini diperoleh dari menghitung selisih waktu pada saat quadcopter dalam keadaan hover sampai quadcopter mulai bergerak. Perhitungan delay total didapat dari nilai rata-rata pada keseluruhan percobaan yang telah dilakukan. Sehingga didapat delay pada sistem ini sebesar 0,22 detik Hasil Pengujian Ketinggian Pengujian ini dilakukan untuk mengetahui seberapa rendah dan tinggi quadcopter bisa mendeteksi garis. Untuk melakukan pengujian ini dengan menerbangkan quadcopter dan mengatur ketinggian yang berbeda-beda.

7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2971 Ketinggian Tabel 4 Hasil pengujian ketinggian Hasil Keberhasilan Pengujian ke Presentase Keberhasilan 80 cm 100% 90 cm 100% 110 cm 100% 130 cm 100% 150 cm 100% 170 cm 100% 190 cm 100% 210 cm 100% 230 cm 100% 240 cm 0% 250 cm 0% Setelah melakukan pengujian ketinggian dengan ketinggian yang berbeda-beda sebanyak lima kali pada setiap ketinggian, didapat hasil seperti Tabel 4. Tanda ( ) merupakan tanda pengujian berhasil, sedangkan tanda ( ) merupakan tanda pengujian tidak berhasil. Dari hasil tersebut quadcopter dapat bergerak mengikuti garis secara otomatis pada ketinggian lebih dari 80 cm sampai dengan kurang dari 230 cm. Sedangkan pada ketinggian 70 cm tidak bisa mengikuti garis dikarenakan quadcopter setelah takeoff akan berada pada ketinggian 80 cm secara default. Dan pada ketinggian 240 cm keatas juga tidak bisa mengikuti garis secara otomatis dikarenakan garis sudah semakin kecil sehingga sulit dideteksi oleh kamera quadcopter. 5. KESIPULAN Dari pengujian yang telah dilakukan terhadap sistem ini, maka diambil kesimpulan bahwa dalam pengujian nilai HSV didapatkan nilai dari masing-masing parameter yaitu parameter Hue dengan nilai minimal = 0 dan nilai maksimal = 180, parameter Saturation dengan nilai minimal = 0 dan nilai maksimal = 255, dan parameter Value dengan nilai minimal = 0 dan nilai maksimal = 10. Sedangkan pengujian ukuran frame didapatkan hasil bahwa ukuran yang paling sesuai digunakan untuk mendeteksi garis adalah ukuran 330*240 pixel. Setelah melakukan pengujian ketepatan gerakan dengan menggunakan kecepatan yang berbeda-beda, dihasilkan presentase ketepatan gerakan sebesar 100% pada kecepatan 0,6 m/s. Sedangkan pada kecepatan 0,9 m/s, 1,2 m/s, 1,5 m/s dan 1,8 m/s didapatkan presentase sebesar 60%. Sehingga lebih akurat menggunakan kecepatan 0,6 m/s dalam mengikuti garis, semua gerakan dapat berjalan sesuai dengan program. Kemudian untuk pengujian delay sistem didapatkan delay sebesar 0,09 detik. Pengujian yang terakhir yaitu pengujian ketinggian. Dalam pengujian ini didapatkan hasil bahwa ketinggian minimal quadcopter dapat mendeteksi dan mengikuti garis lebih dari 80 cm. Sedangkan ketinggian maksimal untuk mendeteksi dan mengikuti garis kurang dari 230 cm. DAFTAR PUSTAKA Boudjit, K. & Larbes, C., Detection and Implementation Autonomous Target Tracking with a Quadrotor AR.Drone. International Conference on Informatics in Control, Automation and Robotics (ICINCO), Volume 02, pp Brandao, A. S., artins, F. N. & Soneguetti, H. B., A Vision-based Line Following Strategy for an Autonomous UAV. International Conference on Informatics in Control, Automation and Robotics (ICINCO), Volume 02, pp Hadi, S. W., Setyawan, G. E. & aulana, R., Sistem Kendali Navigasi Ar.Drone Quadcopter Dengan Prinsip Natural. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK), Volume 02, pp Hellmund, A.-., Wirges, S., Tas, O. S. & Bandera, C., Robot Operating System: A odular Software Framework. Research Center for Information Technology, pp Winarno, E. (2011). Aplikasi Deteksi Tepi pada Realtime Video enggunakan Algoritma Canny Detection. Teknologi Informasi DINAIK, Pallas, F. A., Setyawan, G. E. & Prasetio, B. H., Sistem Kendali Navigasi Quadcopter enggunakan Suara elalui Smartphone dan Arduino dengan etode Text Processing. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J- PTIIK), Volume 02, pp