perancangan sistem kendali dan monitoring truk …repository.ppns.ac.id/2420/1/0915040036 -...

1

,

TUGAS AKHIR (609502A)

PERANCANGAN SISTEM KENDALI DAN MONITORING TRUK

TANPA AWAK UNTUK PENGANTAR PETI KEMAS OTOMATIS

DENGAN METODE FUZZY LOGIC

Muhamad Surya Handika

NRP. 0915040036

DOSEN PEMBIMBING :

Dr. MAT SYAI’IN, S.T., M.T., Ph.D.

Ir. JOKO ENDRASMONO, M.T.

PROGRAM STUDI D4 TEKNIK OTOMASI

JURUSAN TEKNIK KELISTRIKAN KAPAL

POLITEKNIK PERKAPALAN NEGERI SURABAYA

SURABAYA

2019

i

TUGAS AKHIR (609502A)

PERANCANGAN SISTEM KENDALI DAN MONITORING

TRUK TANPA AWAK UNTUK PENGANTAR PETI KEMAS

OTOMATIS DENGAN METODE FUZZY LOGIC


NRP. 0915040036

DOSEN PEMBIMBING :

Dr. MAT SYAI’IN, S.T., M.T., Ph.D.

Ir. JOKO ENDRASMONO, M.T.

PROGRAM STUDI D4 TEKNIK OTOMASI

JURUSAN TEKNIK KELISTRIKAN KAPAL

POLITEKNIK PERKAPALAN NEGERI SURABAYA

SURABAYA

2019

ii

Halaman Sengaja Dikosongkan

iv

Halaman ini sengaja dikosongkan

vi


vii

KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang melimpahkan segala rahmat dan

karunia-Nya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul

“Perancangan Sistem Kendali dan Monitoring Truk Tanpa Awak Untuk Pengantar

Peti Kemas Otomatis dengan Metode Fuzzy Logic” yang menjadi salah satu syarat

mutlak untuk menyelesaikan program studi Teknik Otomasi jenjang Diploma-4

Politeknik Perkapalan Negeri Surabaya. Dengan segala kerendahan hati penulis

menyadari bahwa dalam penyelesaian Tugas Akhir ini tidak lepas dari peran berbagai

pihak yang telah memberi banyak bantuan, bimbingan dan dorongan. Dalam

kesempatan ini penulis ingin mengucapkan terimakasih yang tak terhingga khususnya

kepada :

1. Kedua orang tua penulis, Ibu Suyanti dan Bapak Suparno Adi Cahyono

tercinta yang tidak pernah lelah untuk memberikan semangat, doa dan

restunya kepada penulis. Serta Kakak dan Adik tersayang Sunarti dan

Dimas Very Rahmadhani yang selalu memberikan doa, dukungan dan

menghibur penulis.

2. Bapak Ir. Eko Julianto, M.Sc., FRINA. Selaku Direktur Politeknik

Perkapalan Negeri Surabaya.

3. Bapak Mohammad Basuki Rahmat, S.T., M.T. Selaku Ketua Jurusan

Teknik Kelistrikan Kapal Politeknik Perkapalan Negeri Surabaya.

4. Bapak Dr. Mat Syai’in, S.T., M.T., Ph.D. selaku dosen pembimbing 1 dan

Bapak Ir. Joko Endrasmono, M.T. selaku dosen pembimbing 2 yang selalu

dengan sabar memberikan bimbingannya kepada penulis.

5. Bapak Isa Rachman, S.T., M.T., Bapak Agus Khumaidi, S.ST., M.T., dan

Ibu Purwidi Asri, S.ST., M.T. Selaku dosen penguji yang telah

memberikan kritik dan saran demi menyempurnakan penulisan Tugas

Akhir ini.

6. Ibu Ika Triyana, S.T. dan Bapak David Effendi S.T. Selaku pembimbing

On The Job Training (OJT) yang membantu penulis untuk menemukan

suatu ide permasalahan untuk Tugas Akhir.

7. Arifan, Rifky, Fikri, Daus, Bhakti dan Debri yang selalu dengan ikhlas

membantu penulis hingga Tugas Akhir terselesaikan dengan baik.

8. Teman-teman seperjuangan TO angkatan 2015 yang telah membantu

penulis untuk menyelesaikan kendala-kendala yang dihadapi dalam

pengerjaan Tugas Akhir.

9. Seluruh Bapak/Ibu Dosen Politeknik Perkapalan Negeri Surabaya.

10. Semua pihak terkait, baik secara langsung dan tidak langsung.

viii

Penulis menyadari Tugas Akhir ini masih banyak kekurangan, oleh karena itu

kritik dan saran sangat diharapkan demi menyempurnakan Tugas Akhir ini. Penulis

berharap semoga Tugas Akhir ini bermanfaat bagi semua pihak yang membacanya.

Akhir kata, penulis mengucapkan terimakasih banyak kepada semua pihak yang telah

membantu, semoga Allah SWT selalu melimpahkan rahmat dan hidayah-Nya kepada

kita semua. Aamiin…Aamiin…Aamiin Ya Robbal Alamin.

Penulis,


ix

PERANCANGAN SISTEM KENDALI DAN

MONITORING TRUK TANPA AWAK UNTUK

PENGANTAR PETI KEMAS OTOMATIS DENGAN

METODE FUZZY LOGIC


ABSTRAK

Sebagai salah satu pelabuhan terminal peti kemas di Surabaya, PT. Terminal

Teluk Lamong juga harus menghadapi masalah kecelakaan kerja yang tinggi.

Lebih jauh lagi, catatan perusahaan menunjukkan bahwa sebagian besar dari

kecelakaan yang terjadi diakibatkan oleh kesalahan manusia. Sejumlah data

statistik juga menunjukkan bahwa mayoritas kecelakaan kerja pada sektor industri

maritim berkaitan dengan kesalahan manusia (Puspa, 2018). Dalam hal ini

pekerjaan sebagai sopir truk pengantar peti kemas di Terminal Teluk Lamong

merupakan sebuah pekerjaan yang memiliki resiko yang cukup besar, karena

dalam bidang ini dibutuhkan tingkat kewaspadaan yang cukup tinggi, karena jika

kurang waspada dapat menimbulkan kejadian yang tidak diinginkan seperti

menabrak pembatas jalan, menabrak peti kemas yang berada di penumpukan dan

lain sebagainya. Dengan adanya masalah tersebut tujuan dari penelitian ini adalah

melakukan perancangan sistem kendali otomatis berbasis kompas dan Encoder

pada truk tanpa awak. Memanfaatkan truk tanpa awak dengan sistem navigasi

kompas dan Encoder akan lebih efektif dalam segi waktu, biaya dan keselamatan

pekerja. Sistem kendali berbasis kompas selain sebagai kendali motor servo juga

mampu sebagai monitoring truk secara otomatis dengan menggunakan

Mikrokontroler sebagai penghubung sistem monitoring untuk menampilkan nilai

pada kompas yaitu (utara, selatan, barat, dan timur) pada aplikasi Android dan

Encoder untuk menentukan jarak tempuh atau waypoint. Truk digerakkan oleh 2

motor, motor DC sebagai penggerak utama dan motor servo untuk mengarahkan

kendali (roda depan) truk sesuai tujuan yang telah ditentukan berdasarkan

waypoint. Hasil yang didapatkan dari penelitian ini yaitu dapat merancang sistem

kontrol (kendali) dan pemantauan otomatis. Dan adapun hasil persentase

keberhasilan pada pengujian sistem secara keseluruhan yaitu 83,3%. Untuk

monitoring pembacaan nilai sensor pada aplikasi HP Android tergantung dengan

sinyal wifi yang digunakan.

Kata Kunci : Kompas, Encoder, Waypoint, Mikrokontroler, Android.

x


xi

DESIGN OF TRUCK CONTROL SYSTEM AND MONITORING

FOR AUTOMATIC CONTAINER DELIVERY WITH FUZZY LOGIC

METHOD


ABSTRACT

As one of the container terminal ports in Surabaya, PT. Teluk Lamong

Terminal must also face high work accident problems. Furthermore, company

records show that the majority of accidents that occur are caused by human error. A

number of statistical data also show that the majority of workplace accidents in the

maritime industry sector are related to human error (Puspa, 2018). In this case the

work as a container truck delivery driver at Teluk Lamong Terminal is a job that has

considerable risk, because in this field a high level of vigilance is needed, because if

you are not vigilant it can cause undesirable events such as crashing roadblocks, hit

a container that is in stacking and so on. With this problem, this research aims to

design a compass and encoder-based automatic control system on unmanned trucks.

Using unmanned trucks with a compass navigation system and encoders will be more

effective in terms of time, cost, and worker safety. Compass-based control systems

other than as a servo motor control are also capable of monitoring trucks

automatically by using a microcontroller as a connencting monitoring system to

display values on the compass (north, south, west, and east) on the android and

encoder cellphone applications to determine mileage or waypoint. The truck is

driven by 2 motors, the dc motor as the prime mover and the servo motor to drive the

truck according to the destination determined based on the waypoint. The results

obtained from this study can design a control system (control) and automatic

monitoring. And as for the results of the percentage of success in the overall system

testing is 83.3%. To monitor the reading of the sensor value on the android mobile

application depends on the wifi signal used.

Keywords: Compass, Encoder, Waypoint, Microcontroller, Android.

PERNYATAAN BEBAS PLAGIAT

xii


xiii

DAFTAR ISI

HALAMAN JUDUL …………………………………………………………………………. i

LEMBAR PENGESAHAN ………………………………………………………………… iii

PERNYATAAN KEASLIAN ………………………………………………………………...v

KATA PENGANTAR ………………………………………………………………………vii

ABSTRAK ………………………………………………………………………………….. ix

ABSTRACT ………………………………………………………………………………….. xi

DAFTAR ISI........................................................................................................................ xiii

DAFTAR TABEL ………………………………………………………………………….xvii

DAFTAR GAMBAR ……………………………………………………………………….xix

BAB 1 PENDAHULUAN .......................................................................................................1

1.1 Latar Belakang .........................................................................................................1

1.2 Rumusan Masalah ....................................................................................................3

1.3 Tujuan ......................................................................................................................3

1.4 Manfaat ....................................................................................................................3

1.5 Batasan Masalah .......................................................................................................4

BAB 2 TINJAUAN PUSTAKA...............................................................................................5

2.1 Penelitian Sebelumnya .............................................................................................5

2.2 Dasar Teori ...............................................................................................................6

2.2.1 Logika Fuzzy ....................................................................................................6

2.2.2 Metode Fuzzy Sugeno.......................................................................................7

2.2.3 Odometry ..........................................................................................................8

2.2.4 Internet of Things (IoT) ..................................................................................10

2.2.5 Model Setara Penguat .....................................................................................11

2.2.6 Penguat Tegangan ..........................................................................................13

2.3 Perangkat IoT .........................................................................................................16

2.3.1 Arduino Mega 2560 ........................................................................................16

2.3.2 Wemos D1 Mini .............................................................................................17

2.4 Hardware yang Digunakan ....................................................................................18

xiv

2.4.1 Sensor Kompas HMC5833L .......................................................................... 18

2.4.2 Sensor Loadcell ............................................................................................. 19

2.4.3 Modul FC03 .................................................................................................. 21

2.4.4 Sensor Ultrasonik HCSR04 ........................................................................... 22

2.4.5 Motor Servo S90............................................................................................ 23

2.4.6 Motor DC 6V................................................................................................. 24

2.4.7 Driver Motor L298N ..................................................................................... 24

2.4.8 Driver Loadcell HX711 ................................................................................. 25

2.4.9 Fire Base ....................................................................................................... 26

2.5 Software yang Digunakan ...................................................................................... 26

2.5.1 Android Studio .............................................................................................. 26

2.5.2 Arduino IDE (Integrated Development Environment) ................................... 26

2.5.3 Matlab ........................................................................................................... 27

BAB 3 METODOLOGI PENELITAN ................................................................................. 29

3.1 Analisa Kebutuhan Sistem..................................................................................... 30

3.2 Perancangan Sistem ............................................................................................... 31

3.2.1 Diagram Blok Sistem..................................................................................... 31

3.2.2 Perancangan Hardware ................................................................................. 32

3.2.3 Perancangan Sensor Ultrasonik HCSR04 ...................................................... 33

3.2.4 Perancangan Sensor Kompas HMC5833L ..................................................... 34

3.2.5 Perancangan Sensor Loadcell ........................................................................ 35

3.2.6 Perancangan Motor Servo .............................................................................. 36

3.2.7 Perancangan Motor DC ................................................................................. 37

3.2.8 Perancangan Mekanik .................................................................................... 38

3.3 Perancangan Software ........................................................................................... 39

3.3.1 Aplikasi Android Studio ................................................................................ 39

3.3.2 Software Arduino IDE ................................................................................... 39

3.4 Layout Jalur Tracking Truk di Perusahaan ............................................................ 39

3.5 Rule Base fuzzy ...................................................................................................... 41

3.6 Flowchart Sistem Kendali Utama.......................................................................... 44

3.7 Flowchart Sistem Kendali fuzzy ........................................................................... 45

xv

BAB 4 HASIL DAN PEMBAHASAN .................................................................................. 47

4.1 Pengujian Hardware (Input) ...................................................................................47

4.1.1 Pengujian Sensor dan Arduino .......................................................................48

4.2 Pengujian Aktuator dan Arduino ............................................................................55

4.2.1 Pengujian Aktuator Motor DC dan Arduino ...................................................55

4.2.2 Pengujian Aktuator Motor Servo dan Arduino ...............................................58

4.2.3 Pengujian Catu Daya ......................................................................................59

4.3 Pengujian Metode Fuzzy Logic...............................................................................62

4.3.1 Pengujian Menggunakan Toolbox Matlab ......................................................63

4.3.2 Pengujian Menggunakan Perhitungan ............................................................63

4.4 Pengujian Sistem ....................................................................................................65

BAB 5 KESIMPULAN DAN SARAN ……………………………………………………...69

5.1 Kesimpulan ............................................................................................................69

5.2 Saran ......................................................................................................................69

DAFTAR PUSTAKA ............................................................................................................ 71

LAMPIRAN -LAMPIRAN......................................................................................................72

xvi


xvii

DAFTAR TABEL

Tabel 3.1 Pin Wiring Sensor Ultrasonik dengan Arduino ......................................................33

Tabel 3.2 Pin Wiring Sensor Kompas dengan Arduino ..........................................................35

Tabel 3.3 Pin Wiring Sensor Loadcell dengan Arduino .........................................................36

Tabel 3.4 Pin Wiring Motor Servo dengan Arduino ...............................................................37

Tabel 3.5 Pin Wiring Driver Motor ........................................................................................37

Tabel 3.6 Lanjutan Pin Wiring Driver Motor .........................................................................38

Tabel 3.7 Rule Base ...............................................................................................................42

Tabel 3.8 Lanjutan Rule Base ................................................................................................43

Tabel 4.1 Hasil dan Pembahasan …………………………………………………………………………………………47

Tabel 4.2 Pengambilan Data Sensor Kompas dengan Arduino ..............................................49

Tabel 4.3 Lanjutan Pengambilan Data Sensor Kompas dengan Arduino ...............................50

Tabel 4.4 Tabel Pengambilan Data Sensor Loadcell dengan Arduino ....................................51

Tabel 4.5 Hasil Pengujian Sensor Ultrasonik .........................................................................52

Tabel 4.6 Lanjutan Hasil Pengujian Sensor Ultrasonik ..........................................................53

Tabel 4.7 Hasil Pengujian Modul FC03 .................................................................................54

Tabel 4.8 Hasil Pengujian Motor DC .....................................................................................55

Tabel 4.9 Hasil Pengukuran Oscilloscope ..............................................................................58

Tabel 4.10 Data Pengujian Motor Servo ................................................................................59

Tabel 4.11 Hasil Pengujian Baterai Lipo...............................................................................60

Tabel 4.12 Hasil Pengujian Buck Converter...........................................................................61

Tabel 4.13 Lanjutan Hasil Pengujian Buck Converter............................................................62

Tabel 4.14 Pengujian Sistem Kendali berjalannya Truk tanpa Awak .....................................65

xviii


xix

DAFTAR GAMBAR

Gambar 2.1 Diagram Blok Logika Fuzzy ...............................................................................6

Gambar 2.2 Ilustrasi pada Sumbu Cartesian...........................................................................9

Gambar 2.3 Sudut α, β, dan £ .................................................................................................9

Gambar 2.4 Konsep IoT .......................................................................................................11

Gambar 2.5 Rangkaian setara Thevenin Jaringan Bergerbang Dua ......................................12

Gambar 2.6 Pemasangan Tegangan Panjar pada Penguat Emitor Ditanahkan .....................13

Gambar 2.7 Bentuk Isyarat Keluaran Suatu Penguat untuk Isyarat Masukan (a) 1 dan 1.8

mV, (b) 4 dan 8 mV dan (c) 15 dan 20 Mv…………………………………...15

Gambar 2.8 Arduino Mega...................................................................................................17

Gambar 2.9 Wemos d1 Mini ................................................................................................17

Gambar 2.10 Kompas HMC5883L .......................................................................................18

Gambar 2.11 Rangkaian Jembatan Wheatstone tanpa Beban ................................................19

Gambar 2.12 Rangkaian Jembatan Wheatstone dengan Beban .............................................19

Gambar 2.13 Rangkaian Load Cell tanpa Beban ...................................................................20

Gambar 2.14 Rangkaian Load Cell diberi Beban ..................................................................21

Gambar 2.15 Loadcell ...........................................................................................................21

Gambar 2.16 Modul FC03 ....................................................................................................22

Gambar 2.17 Ultrasonik HCSR04 .........................................................................................23

Gambar 2.18 Motor Servo .....................................................................................................23

Gambar 2.19 Motor DC 6V...................................................................................................24

Gambar 2.20 Driver Motor L298N .......................................................................................24

Gambar 2.21 Driver Loadcell HX711 ...................................................................................25

Gambar 3.1 Flowchart alur penelitian…....……………………………………………………………………….29

Gambar 3.2 Diagram Blok Sistem.......................................................................................31

Gambar 3.3 Rancangan Hardware ......................................................................................32

Gambar 3.4 Rangkaian Wiring Ultrasonik ..........................................................................33

Gambar 3.5 Diagram Blok Sensor Ultrasonik .....................................................................34

Gambar 3.6 Rancangan Wiring Kompas .............................................................................34

xx

Gambar 3.7 Rancangan Wiring Loadcell ............................................................................. 35

Gambar 3.8 Diagram Blok Sensor Load Cell ...................................................................... 36

Gambar 3.9 Rancangan Wiring Motor Servo ...................................................................... 36

Gambar 3.10 Rancangan Wiring Motor DC .......................................................................... 37

Gambar 3.11 Desain Mekanik “Bawah” ............................................................................... 38

Gambar 3.12 Desain Mekanik “Tengah” ............................................................................... 38

Gambar 3.13 Desain Mekanik “Atas” .................................................................................. 39

Gambar 3.14 Layout google map di PT. Terminal Teluk Lamong ........................................ 40

Gambar 3.15 Layout AutoCad di PT. Terminal Teluk Lamong ............................................ 40

Gambar 3.16 Gambar Jalur Tracking Prototype .................................................................... 41

Gambar 3.17 Membership Function “Kompas” .................................................................... 43

Gambar 3.18 Flowchart Sistem Kendali Utama .................................................................... 44

Gambar 3.19 Flowchart Sistem Kendali Fuzzy ..................................................................... 45

Gambar 4.1 Pengujian Sensor Kompas…………………………………………………………………………….48

Gambar 4.2 Pengujian Sensor Loadcell ............................................................................... 50

Gambar 4.3 Pengujian Sensor Ultrasonik ............................................................................ 52

Gambar 4.4 Pengukuran Jarak Tempuh Prototipe ............................................................... 54

Gambar 4.5 Pengujian Motor DC ........................................................................................ 55

Gambar 4.6 Pengujian Nilai PWM 145 pada Oscilloscope ................................................. 56

Gambar 4.7 Pengujian Servo dengan Busur ........................................................................ 58

Gambar 4.8 Pengujian Baterai Lipo dan Avometer ............................................................. 60

Gambar 4.9 Pengujian Buck Converter 5V DC ................................................................... 61

Gambar 4.10 Input dan Output Fuzzy Logic .......................................................................... 62

Gambar 4.11 Pengujian Toolbox Matlab ............................................................................... 63

Gambar 4.12 Pergerakan Prototipe dari Waypoint 1 ke Waypoint 2 ...................................... 66



Gambar 4.15 Jalur Tracking Prototipe Truk tanpa Awak ...................................................... 67

1

BAB 1

PENDAHULUAN

1.1 Latar Belakang

Berdasarkan data statistik dari Kementrian Perhubungan, Indonesia

memiliki 111 pelabuhan yang dikelola oleh PT. (Persero) Pelabuhan Indonesia I-IV,

serta memiliki 534 pelabuhan yang dikelola oleh Pemerintah yang tersebar dari

Sabang sampai Merauke. Pelabuhan – pelabuhan tersebut terdiri dari pelabuhan kelas

utama hingga kelas wilker. Dengan jumlah yang signifikan, diperlukan pengelolaan

yang efektif dan efisien agar kegiatan kepelabuhan dapat berjalan dengan lancar.

Sehingga dapat secara langsung meningkatkan sektor – sektor terkait. Beberapa

sektor yang terkait secara langsung adalah sektor Industri, sektor perdagangan dan

sektor transportasi.

Sebagai salah satu pelabuhan terminal peti kemas di Surabaya, PT. Terminal

Teluk Lamong juga harus menghadapi masalah kecelakaan kerja yang tinggi. Lebih

jauh lagi, catatan perusahaan menunjukkan bahwa sebagian besar dari kecelakaan

yang terjadi diakibatkan oleh kesalahan manusia. Sejumlah data statistik juga

menunjukkan bahwa mayoritas kecelakaan kerja pada sektor industri maritim

berkaitan dengan kesalahan manusia (Puspa, 2018). Dalam hal ini pekerjaan sebagai

sopir truk pengantar peti kemas di Terminal Teluk Lamong merupakan sebuah

pekerjaan yang memiliki resiko yang cukup besar, karena dalam bidang ini

dibutuhkan tingkat kewaspadaan yang cukup tinggi, karena jika kurang waspada

dapat menimbulkan kejadian yang tidak diinginkan seperti menabrak pembatas jalan,

menabrak peti kemas yang berada di penumpukan dan lain sebagainya.

Data sekunder mengenai kecelakaan kerja pada shift malam di terminal

bongkar-muat peti kemas menunjukkan bahwa selama tahun 2015, telah terjadi

kecelakaan kerja pada shift malam sebanyak 47 kejadian (24,6%) dari 191 kejadian.

Adapaun pada tahun 2016 juga terjadi 47 kecelakaan pada shift malam (27,8%) dari

2

169 kejadian. Jumlah kecelakaan kerja secara keseluruhan mengalami penurunan dari

tahun 2015 hingga 2016, namun tidak dengan kecelakaan kerja pada shift malam.

(Ayu Wanda Saraswati dan Indriati Paskarini, 2018)

Health and Safety Authority (2015) menjelaskan macam – macam bahaya

utama yang ada pada dermaga dan pelabuhan, termasuk juga terminal petikemas.

Macam – macam bahaya itu yakni jatuh dari ketinggian, kejatuhan benda, kelelahan,

lifting equipment, api/listrik substansi berbahaya, peralatan dan kendaraan bergerak,

jangkar, musculeskeletal disordes (MSDs), kebisingan, terpeleset dan tersandung,

bahaya dari lingkungan, dan yang terakhir adalah shift kerja/bekerja pada malam hari

(night work).

Berdasarkan data dan riset mengenai kesehatan dan kecelakaan kerja yang

dilakukan oleh International Labor Organization (ILO) tahun 2013, setiap tahunnya

lebih dari 250 juta kecelakaan kerja yang terjadi. Dengan adanya masalah tersebut

tujuan dari penelitian ini adalah melakukan perancangan sistem kendali berbasis

kompas dan encoder pada truk tanpa awak. Memanfaatkan truk tanpa awak dengan

sistem navigasi kompas dan encoder akan lebih efektif dalam segi waktu, biaya dan

keselamatan pekerja. Sistem kendali berbasis kompas mampu menggerakkan truk

secara otomatis dengan menggunakan mikrokontroler sebagai pusat sistem yang

mengetahui arah pergerakan truk (utara, selatan, barat, dan timur) dan encoder untuk

menghitung jarak tempuh putaran roda pada motor untuk sampai ke Waypoint yang

telah ditentukan. Truk digerakkan oleh 2 motor, motor DC sebagai penggerak utama

dan motor servo untuk mengarahkan kendali truk sesuai tujuan yang ditentukan pada

tiap – tiap waypoint.

3

1.2 Rumusan Masalah

Berdasarkan latar belakang maka rumusan masalah pada Tugas Akhir ini

adalah:

1. Bagaimana merancang dan membuat prototipe sistem kendali truk tanpa

awak berbasis kompas dan encoder ?

2. Bagaimana kinerja prototipe sistem kendali truk tanpa awak berbasis

kompas dan encoder ?

3. Bagaimana hasil monitoring prototipe sistem kendali truk tanpa awak ?

1.3 Tujuan

Adapun tujuan yang ingin dicapai dalam pengerjaan Tugas Akhir ini adalah :

1. Dapat merancang dan membuat prototipe sistem kendali truk tanpa awak

berbasis kompas dan encoder.

2. Merancang kinerja prototipe sistem kendali truk tanpa awak berbasis

kompas dan encoder.

3. Dapat mengetahui hasil monitoring sistem kendali truk tanpa awak.

1.4 Manfaat

Manfaat yang diperoleh dari pengerjaan Tugas Akhir ini adalah :

1. Bagi perusahaan

Mengurangi terjadinya kecelakaan di PT. Terminal Teluk Lamong,

Efisiensi waktu dan Efisiensi Biaya.

2. Bagi Politeknik

Dapat menjadi referensi ilmu pengetahuan dan teknologi bagi Politeknik

Perkapalan Negeri Surabaya berupa prototipe dalam bidang teknologi

yaitu, Perancangan Sistem kendali dan monitoring truk tanpa awak untuk

pengantar peti kemas otomatis dengan metode fuzzy logic.

3. Bagi Penulis

Sebagai tambahan ilmu pengetahuan untuk membuat sistem kendali

otomatis berbasis kompas dan encoder.

4

1.5 Batasan Masalah

Adapun batasan masalah pada pengerjaan Tugas Akhir ini sebagai berikut :

1. Pada pembuatan Tugas Akhir ini berupa prototipe bukan plant nyata yang

terdapat di Perusahaan. Dengan bentuk plant yang menyerupai jalur yang

terdapat di Perusahaan dengan ukuran P = 320 cm dan L = 230 cm

2. Pengambilan maupun peletakan peti kemas dilakukan manual.

3. Fokus pada kendali jalan lurus atau tidak mendeteksi obstacle didepan.

5

BAB 2

TINJAUAN PUSTAKA

2.1 Penelitian Sebelumnya

Penelitian ini dilakukan tidak lepas dari hasil penelitian – penelitian yang telah

dilakukan oleh para peneliti terdahulu sebagai bahan perbandingan dan kajian.

Berdasarkan penelitian yang dilakukan oleh M. Taufikurrahman dan Hugo

Aprilianto (2017) dengan judul “Penerapan Sistem Navigasi Sensor Kompas pada

Robot Beroda”. Pada penelitian ini sistem navigasi sensor kompas sebagai sensor

yang menunjukkan arah jalan pada robot beroda sehingga robot ini dapat mengatur

posisi maupun juga arah selanjutnya agar dapat berjalan sesuai dengan yang

diharapkan.

Penelitian yang dilakukan oleh Fareza Rizky Ramadhan, Ramdhan Nugraha,

Estananto (2017) dengan judul “Perancangan dan Implementasi Kontrol Posisi Robot

Bawah Air menggunakan Metode Fuzzy Logic Control”. Pada penelitian ini peneliti

menjelaskan bahwa salah satu metode kontrol yang dapat digunakan dalam

pembuatan robot otomatis adalah metode Fuzzy Logic. Fuzzy Logic umumnya

diterapkan pada masalah-masalah yang mengandung unsur ketidakpastian,

ketidaktepatan, dan gangguan. Fuzzy Logic dikembangkan berdasarkan cara berpikir

manusia yang memiliki banyak kemungkinan. Ada tiga proses utama dalam

implementasi Fuzzy Logic yaitu fuzzification, inference system, dan defuzzification.

Tugas Akhir dengan judul “Perancangan Sistem Kendali dan Monitoring Truk

Tanpa Awak untuk Pengantar Peti Kemas Otomatis dengan Metode Fuzzy Logic”

merupakan suatu bentuk pengembangan inovasi dalam mengurangi angka kecelakaan

di Pelabuhan peti kemas khususnya pada pengantaran peti kemas pada tempatnya.

Pada sistem ini mengembangkan teknologi berbasis IoT (Internet of Things) untuk

melakukan pengawasan dan pengendalian sehingga sistem pengantaran peti kemas

6

dapat berjalan otomatis secara realtime. Selain itu, Tugas Akhir ini juga bertujuan

untuk merancang sebuah sistem monitoring nirkabel melalui Smartphone Android

yang dapat memberikan informasi mengenai berat beban yang dibawa dan arah yang

akan dilalui prototipe.

2.2 Dasar Teori

2.2.1 Logika Fuzzy

Struktur Dasar Logika Fuzzy

Gambar 2.1 Diagram Blok Logika Fuzzy

Berdasarkan Gambar 2.1, dalam sistem logika fuzzy terdapat beberapa tahapan

operasional yang meliputi :

1. Fuzzifikasi

Fuzzifikasi adalah suatu proses pengubahan nilai tegas yang ada ke dalam

fungsi keanggotaan.

2. Penalaran (Inference Machine)

Mesin penalaran adalah proses implikasi dalam menalar nilai masukan

guna penentuan nilai keluaran sebagai bentuk pengambilan keputusan.

Salah satu model penalaran yang banyak dipakai adalah penalaran max-

min. Dalam penalaran ini, proses pertama yang dilakukan adalah

melakukan operasi min sinyal keluaran lapisan fuzzifikasi, yang diteruskan

dengan operasi max untuk mencari nilai keluaran yang selanjutnya akan di

defuzzifikasikan sebagai bentuk keluaran.

3. Aturan Dasar (Rule Base)

7

Aturan dasar (Rule Base) pada kontrol logika Fuzzy merupakan suatu

bentuk aturan relasi “Jika-Maka” atau “if-then” seperti berikut ini : if x is

A then y is B dimana A dan B adalah linguistic values yang didefinisikan

dalam rentang variabel X dan Y. Pernyataan “x is A” disebut anticedent

atau premis. Pernyataan “y is B” disebut consequent atau kesimpulan.

4. Defuzzifikasi

Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh

dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan

merupakan suatu bilangan pada domain himpunan fuzzy tersebut.

Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka

harus dapat diambil suatu nilai crisp tertentu.

2.2.2 Metode Fuzzy Sugeno

Fuzzy metode sugeno merupakan metode inferensi fuzzy untuk aturan

yang direpresentasikan dalam bentuk IF – THEN, dimana output (konsekuen)

sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau

persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada

tahun 1985. Model Sugeno menggunakan fungsi keanggotaan Singleton yaitu

fungsi keanggotaan yang memiliki derajat keanggotaan 1 pada suatu nilai

crisp tunggal dan 0 pada nilai crisp yang lain. Untuk Orde 0 dengan rumus :

IF (x1 is a1) o (x2 is A2) o...o (xn is An) THEN z=k,

Dengan Ai adalah himpunan fuzzy ke i sebagai antaseden (alasan), adalah

operator fuzzy (AND atau OR) dan k merupakan konstanta tegas sebagai

konsekuen (kesimpulan). Sedangkan rumus Orde I adalah :

IF (x1 is a1) o (x2 is A2) o…o(xn is An) THEN z = p1*x1+…+pn*xn+q

dengan Ai adalah himpunan fuzzy ke i sebagai antaseden, o adalah operator

fuzzy (AND atau OR), pi adalah konstanta ke i dan q juga merupakan

konstanta dalam konsekuen.

8

2.2.3 Odometry

Odometry adalah penggunaan data dari pergerakan aktuator untuk

memprkirakan perubahan posisi dari waktu ke waktu. Odometry digunakan

untuk memperkirakan posisi relatif terhadap posisi awal.

Untuk memperkirakan posisi relatif robot, digunakan perhitungan

jumlah pulsa yang dihasilkan oleh sensor rotary encoder setiap satuan ukuran

yang kemudian dikonversi menjadi satuan milimeter.

Untuk mendapatkan jumlah pulsa setiap satu kali putaran roda digunakan

rumus sebagai berikut.

K roda = 2 x π x r

Pulsa_per_mm = resolusi enc / K roda

Pada sistem penggerak differensial terdapat dua roda, yaitu roda kanan

dan roda kiri dan dimisalkan jumlah pulsa_per_mm untuk roda kanan adalah

right_encoder dan roda kiri adalah left_encoder dan jarak antara dua roda

adalah wheel_base maka didapatkan jarak tempuh (distance) dan sudut

orientasi (θ). Rumusnya adalah sebagai berikut.

Distance = (left_enc + right_enc) / 2

θ = (left enc – right enc) / wheel base

Karena θ adalah sudut dalam radian maka untuk mengetahui sudut dalam

derajat (heading) digunakan rumus sebagai berikut :

Heading = θ x 180

𝜋

Dari ketentuan diatas didapatkan bahwa nilai heading akan bernilai

negatif (-) ketika robot berputar melawan arah jarum jam dan akan bernilai

positif (+) ketika robot berputar searah dengan jarum jam. Dengan

mengetahui jarak dan sudut (distance dan θ) maka peneliti dapat mengetahui

9

koordinat X dan koordinat Y dengan persamaan trigonometri. Pada Gambar

2.2. di bawah ini.

Gambar 2.2 Ilustrasi pada Sumbu Cartesian

Dari ilustrasi diatas maka koordinat dari robot dapat diketahui dengan rumus :

Xpos = distance x sin (θ)

Ypos = distance x cos (θ)

Untuk menentukan error arah hadap dari robot terhadap titik tujuan

maka digunakan teorema phytagoras yang akan menghasilkan posisi (path)

saat ini dan jarak terhadap titik tujuan, berikut perhitungannya :

x = X tujuan – Xpos

y = tujuan – Ypos

target distance = √x2 + y2

Heading dari robot yang telah diketahui sehingga peneliti dapat

menghitung error arah hadap (heading error) robot terhadap titik tujuan.

Gambar 2.3 Sudut α, β, dan £

Pada Gambar 2.3. menunjukkan ilustrasi untuk mencari heading error

(α) dimana β adalah target bearing yaitu sudut antara posisi robot saat ini

10

terhadap titik tujuan. Sedangkan garis berwarna biru adalah garis bantu yang

masing – masing sejajar dengan sumbu X dan sumbu Y.

Untuk mendapat nilai dari β, maka digunakan rumus sebagai berikut :

β = arctan 𝑌𝑡𝑢𝑗𝑢𝑎𝑛−𝑌𝑝𝑜𝑠

𝑋𝑡𝑢𝑗𝑢𝑎𝑛−𝑋 𝑝𝑜𝑠

sehingga,

α = β - £

2.2.4 Internet of Things (IoT)

Pada Tugas Akhir ini, sistem yang dibuat berbasis IoT (Internet of Things).

Internet of Things merupakan perkembangan keilmuan yang sangat

menjanjikan untuk mongoptimalkan kehidupan berdasarkan sensor cerdas dan

peralatan pintar yang berkerjasama melalui jaringan internet (Keoh, S.

L.,2014). Pada dasarnya IoT (Internet of Things) mengacu pada benda yang

dapat diidentifikasikan secara unik sebagai representative virtual dalam

struktur berbasis internet. Cara kerja IoT (Internet of Things) adalah interaksi

antara sesama mesin yang terhubung secara otomatis tanpa campur tangan

user dan dalam jarak berapa pun. Agar tercapainya cara kerja IoT (Internet of

Things) tersebut, maka internet menjadi penghubung diantara kedua interaksi

mesin tersebut, sementara user hanya bertugas sebagai pengatur dan

pengawas bekerjanya alat secara langsung. Manfaat yang didapatkan dari

konsep IoT (Internet of Things) itu sendiri ialah pekerjaan yang dilakukan

bisa menjadi lebih cepat, mudah dan efisien. Gambar 2.4 menunjukkan

sebuah konsep IoT (Internet of Things).

11

Gambar 2.4 Konsep IoT

2.2.5 Model Setara Penguat

Secara umum penguat (amplifier) dapat dikelompokkan menjadi 3

(tiga), yaitu penguat tegangan, penguat arus dan penguat transresistansi. Pada

dasarnya kerja sebuah penguat adalah mengambil masukan (input),

mengolahnya dan menghasilkan keluaran (output) yang besarnya sebanding

dengan masukan. Besarnya tegangan keluaran (vo) dibandingkan dengan

tegangan masukan (vi) dinyatakan sebagai berikut :

vo = Av . vi (2.1)

Dimana Av adalah penguatan tegangan (voltage gain). Hal yang sama untuk

penguat arus berlaku

io = A1 . i1 (2.2)

dimana io adalah arus keluaran, i1 adalah arus masukan dan A1 adalah

penguatan arus (current gain). Sementara ini pembahasan hanya dibatasi pada

penguatan tegangan.

Persamaan 2.1 menunjukkan rangkaian setara Thevenin dari jaringan

bergerbang dua dari suatu penguat. Secara ideal, penguat tidak mengambil

arus dari masukan vi dan tegangan keluaran tidak mengalami perubahan jika

arus diambil dari ujung keluaran (lihat Gambar 2.5-a). Pada kenyataannya

rangkaian yang ideal ini tidak dapat dibuat. Rangkaian seperti terlihat pada

12

Gambar 2.5-b adalah lebih realistik dimana penulis menambah hambatan

masukan Ri dan hambatan keluaran Ro.

(a)

(b)

Gambar 2.5 Rangkaian setara Thevenin Jaringan Bergerbang Dua

Pada Gambar 2.5-b terlihat bahwa pada bagian masukan mengalir arus

masukan sebesar

ii = 𝑣𝑖

𝑅𝑖 (2.3)

semakin besar harga Ri penguat tersebut semakin mendekati kondisi ideal.

Hambatan sumber Rs dan hambatan masukan Ri membentuk pembagi

tegangan sehingga

vi = 𝑅𝑖

𝑅𝑖+𝑅𝑠 vs (2.4)

pada bagian keluaran, dengan adanya Ro, tegangan keluaran vo menjadi

v’o = vo - ioRo

atau

v’o = 𝑅𝐿

𝑅𝑜+𝑅𝐿 vo (2.5)

13

Persamaan 3.5 jelas memperlihatkan bahwa semakin kecil harga Ro suatu

penguat akan mendekati kondisi ideal.

2.2.6 Penguat Tegangan

Pada bagian sebelumnya telah dipelajari bagaimana transistor diberi

tegangan panjar (bias) agar transistor tersebut dapat bekerja sebagai penguat.

Pada Gambar 2.6 diperlihatkan penguat BJT emitor-ditanahkan dengan

tegangan panjar dari Vcc dan VBE.

Gambar 2.6 Pemasangan Tegangan Panjar pada Penguat Emitor Ditanahkan

Antara parameter masukan dan keluaran terdapat hubungan dalam

bentuk eksponensial sebagai berikut

-iE = Io {exp(𝑉𝐵𝐸

𝑉𝑇)-1} (2.6)

= Io exp(𝑉𝐵𝐸

𝑉𝑇)

Arus kolektor (ic) besarnya hampir mendekati arus emitor (iE), dengan

demikian dapat ditulis dengan rumus

ic = Io exp(𝑉𝐵𝐸

𝑉𝑇) (2.7)

14

(a)

(b)

(c)

15

Gambar 2.7 Bentuk Isyarat Keluaran Suatu Penguat untuk Isyarat Masukan (a) 1 dan 1.8 mV, (b) 4

dan 8 mV dan (c) 15 dan 20 mV

dan tegangan kolektor diberikan oleh

vc = Vcc - icRL (2.8)

vc = Vcc – Io RL exp(𝑉𝐵𝐸

𝑉𝑇)

Persamaan 2.8 menunjukkan hubungan antara tegangan input VBE dan

tegangan output vc dimana keduanya terdapat komponen DC (untuk panjar)

dan komponen AC (isyarat).

Sayangnya keluaran dan masukan merupakan hubungan yang tidak

selalu linier. Dengan kata lain tidak selalu keluaran merupakan copy dari

masukan sehingga terjadi keluaran yang terdestori (cacat). Ini terjadi akibat

isyarat masukan yang terlalu besar. Pada Gambar 2.7-a isyarat keluaran dari

suatu input 1 dan 1.8 mV memperlihatkan bentuk sinusoida yang sempurna

(tidak terjadi distorsi). Namun jika isyarat masukan diperbesar menjadi 4 dan

8 mV (Gambar 2.7-b) nampak bahwa untuk garis referensi di 7V, isyarat

keluaran tidak simetri lagi (bagian bawah lebih tajam). Pada isyarat masukan

sebesar 15 mV (Gambar 2.7-c), isyarat keluaran mengalami distorsi yang

sangat nyata. Saat masukan diperbesar ke harga 20 mV, masukan kolektor

menyamai tegangan emitter, akibatnya transistor berada pada daerah jenuh

sehingga isyarat keluaran terpotong kurang lebih 2V.

Dengan demikian hanya dapat menentukan besarnya tegangan

keluaran karena adanya perubahan yang sangat kecil pada masukan, yang

lebih dikenal sebagai penguatan isyarat kecil (small-signal gain). Didapatkan

vc = Vcc – Io RL exp(𝑉𝐵𝐸

𝑉𝑇)

dan besarnya penguatan diberikan oleh

16

𝑑𝑣𝑐

𝑑𝑣𝐵𝐸 = -{(

𝑅𝐿

𝑉𝑇)Io exp(

𝑉𝐵𝐸

𝑉𝑇)} atau

𝑑𝑣𝑐

𝑑𝑣𝐵𝐸 = -

𝑖𝑐𝑅𝐿

𝑉𝑇 (2.9)

Pada Persamaan 2.9 terlihat bahwa penguatan berharga negatif, artinya jika

VBE naik maka ic juga naik, tetapi sebaliknya vc akan menurun.

Untuk pengoperasian pada isyarat kecil, ic tetap mendekati harga

panjar DC yaitu Ic, sehingga penguatan isyarat kecil diberikan oleh :

Av = - 𝐼𝑐𝑅𝐿

𝑉𝑇 (2.10)

Penguatan ini bernilai cukup besar, misalnya untuk IcRL = 5V diperoleh

penguatan sebesar = -200.

2.3 Perangkat IoT

Perangkat IoT yang digunakan pada penelitian Tugas Akhir ini yaitu

menggunakan Arduino Mega yang dimanfaatkan sebagai controller dan Wemos

sebagai modul wifi sehingga suatu sistem dapat terkoneksi dengan internet. Hasil

pembacaan sensor yang diterima oleh Arduino Mega akan dikirimkan ke server

dengan bantuan Wemos. Berikut penjelasan mengenai perangkat-perangkat IoT

tersebut:

2.3.1 Arduino Mega 2560

Pada penelitian ini menggunakan Arduino Mega sebagai controller.

Arduino Mega 2560 adalah papan Mikrokontroler yang berbasis pada Atmega

2560. Ini memiliki 54 pin input / output digital (dimana 15 dapat digunakan

sebagai output Pulse Wide Modulation), 16 input analog, 4 UART (port serial

perangkat keras), osilator Kristal 16 MHz, USB koneksi, colokan listrik,

header ICSP, dan tombol reset, Arduino ini diperlukan untuk mendukung

Mikrokontroler, cukup hubungkan ke komputer dengan kabel USB atau diatur

dengan adaptor AC ke DC atau baterai untuk memulai.

17

Gambar 2.8 Arduino Mega

Fungsi dari Arduino Mega dalam Tugas Akhir ini sebagai pengontrol utama

untuk mengontrol antara Hardware dan Software.

2.3.2 Wemos D1 Mini

Pada Tugas Akhir ini, wemos berfungsi untuk menghubungkan

Arduino ke jaringan internet via wifi. Wemos merupakan salah satu modul

board yang dapat dikombinasikan dengan Arduino khususnya untuk project

yang mengusung konsep IoT. Wemos dapat running stand-alone tanpa perlu

dihubungkan dengan Mikrokontroler. Berbeda dengan modul wifi lain yang

masih membutuhkan Mikrokontroler sebagai pengontrol atau otak dari

rangkaian tersebut. Wemos dapat running stand-alone karena didalamnya

sudah terdapat CPU yang dapat memprogram melalui serial port atau via

OTA serta transfer program secara wireless. Gambar 2.9 merupakan salah

satu jenis wemos.

Gambar 2.9 Wemos d1 Mini

18

Fungsi dari wemos d1 mini dalam Tugas Akhir ini yaitu untuk

mengoneksikan antara program Arduino dengan aplikasi Android.

2.4 Hardware yang Digunakan

Sensor adalah perangkat atau komponen yang bertugas mendeteksi (hasil)

gerakan atau fenomena lingkungan yang diperlukan oleh sistem kontroler. Pada

Tugas Akhir ini, penulis menggunakan 4 macam sensor yaitu sensor kompas, sensor

ultrasonik, sensor loadcell, sensor kecepatan (FC-03). Tedapat 3 sensor ultrasonik

yang masing-masing dipasang disamping kanan, depan dan kiri prototipe. Terdapat

sensor kompas yang dipasang di gearbox roda depan. Terdapat sensor loadcell yang

dipasang ditengah (lapis kedua) prototipe. Serta terdapat sensor kecepatan (FC-03)

dipasang di gearbox belakang.

2.4.1 Sensor Kompas HMC5833L

Sensor kompas yang digunakan pada perancangan ini menggunakan

sensor kompas HMC5883L. Sensor kompas HMC5883L sebuah kompas yang

bekerja dengan menyelaraskan medan magnet bumi. Karena jarum kompas

terbuat dari bahan besi, yang sejalan dengan ayunan pada bantalan di pusat

seperti medan magnet bumi menariknya kedalam keselarasan. Medan magnet

ini berkembang di seluruh permukaan bumi sehingga dapat digunakan untuk

membantu dalam menunjuk arah mata angin.

Gambar 2.10 Kompas HMC5883L

Fungsi dari kompas dalam Tugas Akhir ini yaitu sebagai kendali (setir)

pengatur servo.

19

2.4.2 Sensor Loadcell

Load cell adalah sensor gaya dan tekanan, apabila dikenal gaya atau

tekanan maka bentuknya akan berubah. Pada strain gauge (loadcell) atau

dapat disebut dengan deformasi (strain gauge). Strain gauge mengukur

perubahan yang berpengaruh pada strain sebagai sinyal listrik, karena

perubahan efektif terjadi pada beban hambatan kawat listrik.

Prinsip kerja sensor berat (loadcell) selama proses penimbangan akan

mengakibatkan reaksi terhadap elemen logam pada loadcell yang

mengakibatkan gaya secara elastis. Gaya yang ditimbulkan oleh regangan ini

dikonversikan kedalam sinyal elektrik oleh strain gauge (pengukur regangan)

yang terpasang pada loadcell. Prinsip kerja loadcell berdasarkan rangkaian

jembatan wheatstone dapat dilihat pada Gambar 2.11 di bawah ini.

Gambar 2.11 Rangkaian Jembatan Wheatstone tanpa Beban

Pada Gambar 2. 12 nilai R = 350 Ω, arus yang mengalir pada R1 dan

R3 sama degan arus yang mengalir di R2 dan R4, hal ini dikarenakan nilai

semua resistor sama dan tidak ada perbedaan tegangan antara titik 1 dan 2,

oleh karena itu rangkaian ini dikatakan seimbang.

Gambar 2.12 Rangkaian Jembatan Wheatstone dengan Beban

20

Jika rangkaian jembatan Wheatstone diberi beban, maka nilai R pada

rangkaian akan berubah, nilai R1 = R4 dan R2 = R3. Sehingga membuat sensor load

cell tidak dalam kondisi yang seimbang dan membuat beda potensial. Beda potensial

inilah yang menjadi outputnya. Untuk menghitung Vout atau A seperti pada gambar,

maka rumus yang digunakan adalah sebagai berikut :

Vo = (Vs x (𝑅1

𝑅1+𝑅4)) – (Vs x (

𝑅2

𝑅2+𝑅3))

Vo = (10 x (349,3

349,3+350,7)) – (10 x (

350,7

350,7+349,3))

Vo = (10 x (0,499)) – (10 x (0,501))

Vo = 4,99 – 5,01

Vo = -0,02 x 10 = 2 Mv

Secara teori, prinsip kerja load cell berdasarkan pada jembatan Wheatstone

dimana saat load cell diberi beban terjadi perubahan pada nilai resistansi, nilai

resistansi R1 dan R3 akan turun sedangkan nilai resistansi R2 dan R4 akan naik.

Ketika posisi setimbang, Vout load cell = 0 volt, namun ketika nilai resistansi R1 dan

R3 naik maka akan terjadi perubahan Vout pada load cell. Pada load cell output data

(+) dipengaruhi oleh perubahan resistansi pada R1, sedangkan output (-) dipengaruhi

oleh perubahan resistansi pada R3.

Gambar 2.13 Rangkaian Loadcell tanpa Beban

21

Gambar 2.14 Rangkaian Loadcell diberi Beban

Pada Gambar 2.15 merupakan contoh sensor loadcell yang dipakai pada

Tugas Akhir ini.

Gambar 2.15 Loadcell

Fungsi dari loadcell dalam Tugas Akhir ini yaitu sebagai pendeteksi adanya

berat pada prototipe truk tanpa awak.

2.4.3 Modul FC03

Modul FC-03 adalah sensor optocoupler yang terintegrasi dengan

komparator LM393 dalam satu modul. Modul ini dapat digunakan untuk

menghitung pulsa dan mengukur kecepatan motor. Penggunaannya dilakukan

dengan menempatkan poros encoder diantara optocoupler untuk dihitung

lubang-lubang pada poros encoder.

22

Gambar 2.16 Modul FC03

Fungsi dari modul FC-03 dalam Tugas Akhir ini yaitu sebagai penghitung

jarak tempuh motor pada tiap-tiap waypoint yang telah ditentukan.

2.4.4 Sensor Ultrasonik HCSR04

Pada Tugas Akhir ini penulis menggunakan sensor ultrasonik HC-

SR04 HC-SR04 merupakan sensor ultrasonik yang dapat digunakan untuk

mengukur jarak antara penghalang dan sensor. Didalam kendali

mikrokontroler (untuk mengeluarkan pulsa pemicu), sensor mengirimkan

gelombang ultrasonik pendek dengan frekuensi 40 kHz. Gelombang ini akan

merambat melalui udara dengan kecepatan 344 m/s, membentur suatu objek

dan kemudian kembali ke sensor. Sensor ini menyediakan pulsa keluaran pada

mikrokontroler yang akan diteruskan ketika gelombang pantulan terdeteksi

oleh sensor. Alat ini memiliki 4 pin, pin Vcc, Gnd, Trigger, dan Echo. Prinsip

pengukuran jarak menggunakan sensor ultrasonik HC-SR04 adalah ketika

pulsa trigger diberikan pada sensor, transmitter akan mulai memancarkan

gelombang ultrasonik, pada saat yang sama sensor akan menghasilkan output

TLL transisi naik menandakan sensor mulai menghitung waktu pengukuran,

setelah receiver menerima pantulan yang dihasilkan oleh suatu objek maka

pengukuran waktu akan dihentikan dengan menghasilkan output TTL transisi

turun. Jika waktu pengukuran adalah t dan kecepatan suara adalah 340 m/s,

maka jarak antara sensor dengan objek dihitung dengan menggunakan

Persamaan 2.1 berikut.

23

s = 𝑡 x 340𝑚

𝑠⁄

2 (2.1)

Dimana :

s = Jarak antar sensor dengan objek (m)

t = Waktu tempuh gelombang ultrasonik dari transmitter ke receiver (s)

Gambar 2.17 Ultrasonik HCSR04

Fungsi dari ultrasonik dalam Tugas Akhir ini yaitu sebagai pendeteksi

halangan didepan, samping kanan dan juga kiri apabila ada suatu halangan.

2.4.5 Motor Servo S90

Motor Servo yang digunakan adalah SG90 yang memiliki masukan

tegangan 5V dan memiliki putaran maksimal 1800. Motor servo ini memiliki 3

masukan, yaitu power, ground dan control seperti yang ditunjukkan pada

Gambar 2. 18 di bawah ini.

Gambar 2.18 Motor Servo

Fungsi dari motor servo dalam Tugas Akhir ini yaitu sebagai penggerak

(aktuator) pengatur arah kendali dari prototipe truk tanpa awak.

24

2.4.6 Motor DC 6V

Motor listrik DC atau DC Motor adalah suatu perangkat yang

mengubah energi listrik menjadi energi kinetik atau gerakan (motion). Motor

DC ini juga dapat disebut sebagai Motor arus searah. Seperti namanya, DC

Motor memiliki dua terminal dan memerlukan tegangan arus searah atau DC

(Direct Current) untuk dapat menggerakkannya. Motor listrik DC ini biasanya

digunakan pada perangkat – perangkat elektronik dan listrik yang

menggunakan sumber listrik DC seperti Vibrator Ponsel, Kipas DC dan Bor

Listrik DC.

Gambar 2.19 Motor DC 6V

Fungsi dari motor DC untuk Tugas Akhir ini yaitu sebagai penggerak

(aktuator) utama berjalannya prototipe tanpa awak (roda belakang).

2.4.7 Driver Motor L298N

Driver motor L298N merupakan modul driver motor DC yang

digunakan untuk mengontrol kecepatan serta arah perputaran motor DC. IC

L298N merupakan sebuah IC tipe H-bridge yang mampu mengendalikan

beban – beban induktif seperti relay, solenoid, motor DC dan motor stepper.

Gambar 2.20 Driver Motor L298N

25

Fungsi dari driver motor L298N dalam Tugas Akhir ini untuk mengoneksikan

antara motor DC dengan mikrokontroler Arduino Mega.

2.4.8 Driver Loadcell HX711

HX711 adalah modul timbangan, yang memiliki prinsip kerja

mengkonversi perubahan yang terukur dalam perubahan resistansi dan

mengkonversinya ke dalam besaran tegangan melalui rangkaian yang ada.

Modul melakukan komunikasi dengan komputer/mikrokontroler melalui

TTL232. Digunakan pada bidang aerospace, mekanik, elektrik, kimia,

konstruksi, farmasi dan lainnya, digunakan untuk mengukur gaya, gaya

tekanan, perpindahan, gaya tarikan, torsi dan percepatan. Untuk perhitungan

konversi input analog ke digital yang berbentuk heksadesimal dapat

digunakan rumus sebagai berikut :

Out = 𝑖𝑛𝑝𝑢𝑡−(−40)

80 x 224

Contoh :

Out = 0,3−(−40)

80 x 16777216

Out = 8451522 heksadesimal

Bilangan heksadesimal diataslah yang kemudian yang dapat diolah

mikrokontroler yang kemudian dikonversikan kembali menjadi satuan berat.

Gambar 2. 21 Driver Loadcell HX711

Fungsi dari driver Loadcell HX711 dalam Tugas Akhir ini yaitu untuk

mengoneksikan antara sensor Loadcell dengan mikrokontroler Arduino Mega.

26

2.4.9 Fire Base

Firebase adalah BaaS (Backend as a Service) yang saat ini dimiliki

oleh Google. Firebase ini merupakan solusi yang ditawarkan oleh Google

untuk mempermudah pekerjaan Mobile Apps Developer. Dengan adanya

firebase pengembang software dapat lebih fokus mengembangkan aplikasi

tanpa harus memikirkan software yang besar untuk bagian backend. Fungsi

dari firebase dalam penelitian ini yaitu digunakan untuk pengiriman data

serial sensor yang ada pada prototipe ke smarthphone.

2.5 Software yang Digunakan

2.5.1 Android Studio

Android adalah sebuah sistem operasi untuk perangkat mobile berbasis

linux yang mencakup sistem operasi, middleware dan aplikasi. Android

menyediakan platform terbuka bagi para pengembang untuk membuat aplikasi

sendiri. Pada awalnya dikembangkan oleh Android Inc, sebuah perusahaan

pendatang baru yang membuat perangkat lunak untuk ponsel yang kemudian

dibeli oleh Google Inc. Untuk pengembangannya, dibentuklah Open Handset

Alliance (OHA), konsorsium dari 34 perusahaan perangkat keras, perangkat

lunak dan telekomunikasi termasuk Google. HTC, Intel, Motorola,

Qualcomm, T-Mobile dan Nvidia (Safaat, 2014). Fungsi dari software

Android Studio untuk Tugas Akhir ini yaitu untuk memonitoring agar dapat

mengetahui arah jalur yang dilalui truk tanpa awak, berat peti kemas yang

dibawa oleh prototipe truk tanpa awak dan pendeteksi apabila ada benda

disekitar prototipe.

2.5.2 Arduino IDE (Integrated Development Environment)

IDE itu merupakan kependekan dari Integrated Development

Environment, atau secara bahasa mudahnya merupakan lingkungan

terintegrasi yang digunakan untuk melakukan pengembangan. Disebut sebagai

lingkungan karena melalui software inilah Arduino dilakukan pemrograman

27

untuk melakukan fungsi – fungsi yang dibenamkan melalui sintaks

pemrograman. Arduino menggunakan bahasa pemrograman sendiri yang

menyerupai Bahasa C. Bahasa pemrograman Arduino (sketch) sudah

dilakukan perubahan untuk memudahkan pemula dalam melakukan

pemrograman dari Bahasa aslinya. Sebelum dijual ke pasaran, IC

mikrokontroler Arduino telah ditanamkan suatu program bernama Bootlader

yang berfungsi sebagai penengah antara compiler Arduino dengan

mikrokontroler. Arduino IDE dibuat dari Bahasa pemrograman JAVA.

Arduino IDE juga dilengkapi dengan library C/C++. Yang biasa disebut

Wiring yang membuat operasi input dan Output menjadi lebih mudah.

Arduino IDE ini dikembangkan dari software processing yang dirombak

menjadi Arduino IDE khusus untuk pemrograman dengan Arduino.

Fungsi dari Software Arduino IDE dalam Tugas Akhir ini yaitu sebagai

program utama untuk mengontrol dan mengoneksikan dari tiap – tiap

hardware beserta software Android Studio dan juga MATLAB.

2.5.3 Matlab

MATLAB (Matrix Laboratory) adalah sebuah lingkungan komputasi

numerikal dan Bahasa pemrograman komputer generasi keempat.

Dikembangkan oleh The MathWorks, MATLAB memungkinkan manipulasi

matriks, pem-plot-an fungsi dan data, implementasi algoritma, pembuatan

antar muka pengguna, dan pengantar mukaan dengan program dalam Bahasa

lainnya. Meskipun hanya bernuansa numerik, sebuah kotak kakas atau toolbox

yang menggunakan mesin simbolik MuPAD, memungkinkan akses terhadap

kemampuan aljabar komputer. Sebuah paket tambahan, Simulink,

menambahkan simulasi grafis multirana dan desain berdasar model untuk

sistem terlekat dan dinamik. fungsi dari Sofware Matlab dalam Tugas Akhir

ini yaitu digunakan sebagai pengolahan input Kompas, Ultrasonik dan juga

output (Motor Servo) dengan metode Fuzzy Logic.

28


29

BAB 3

METODOLOGI PENELITAN

Pada penelitian ini akan dijelaskan langkah – langkah perencanaan dalam

pembuatan alat pada Tugas Akhir. Alat yang berupa prototipe yang dapat mewakili

sistem yang direncanakan seperti ditunjukkan pada diagram alur berikut :

Gambar 3.1 Flowchart alur penelitian

Mulai

Analisa

Kebutuhan Sistem

Perancangan

Sistem

Perancangan Hardware,

Software dan Mekanik

Apakah Sesuai

Tujuan ?

Analisis Data dan

Kesimpulan

Ya

Tidak

Identifiaksi masalah

dan Studi Literatur

Selesai

30

Gambar 3.1 merupakan flowchart alur penelitian yang dimulai dari identifikasi

masalah saat pelaksanaan On The Job Training (OJT) yang dilakukan di PT.

Terminal Teluk Lamong. Adapun permasalahan tersebut berhubungan dengan sistem

transportasi truk pengantar peti kemas, setelah mengidentifikasi masalah yang ada

penulis melakukan studi literatur guna mencari referensi yang dibutuhkan dalam

pengerjaan Tugas Akhir ini. Kemudian dilakukan tahap Analisa kebutuhan sistem

untuk mengetahui komponen-komponen serta penerapan teknologi yang digunakan.

Tahap selanjutnya yaitu desain dan perencanaan sistem untuk dijadikan sebagai

pedoman atau panduan dalam perancangan hardware, mekanik ataupun software

dalam Tugas Akhir ini. Setelah sistem memiliki desain dan perencanaan yang baik

maka dilanjutkan dengan perancangan sistem yang dimulai dari perancangan

hardware dan mekanik, kemudian dilanjutkan dengan perancangan software.

Selanjutnya tahap integrasi software, hardware dan mekanik diperlukan untuk

memastikan keseluruhan sistem agar sesuai dengan tujuan yang diinginkan penulis.

Apabila sistem dinyatakan berhasil maka dapat dilakukan analisis data dan

kesimpulan. Tetapi, jika pengujian tidak sesuai maka diperlukan perancangan sistem

kembali baik hardware, mekanik atau software.

3.1 Analisa Kebutuhan Sistem

Analisa kebutuhan sistem merupakan proses dalam merancang sistem dengan

memperhitungkan kebutuhan yang diperlukan. Pada tahapan ini dilakukan analisis

terhadap data yang dibutuhkan. Selain itu juga dilakukan analisis tentang teknologi

yang dibutuhkan untuk membangun sistem ini. Berikut adalah teknologi yang

dibutuhkan untuk membangun sistem :

1. Arduino Mega 2560

2. Kompas HMC5883L

3. Modul Encoder FC-03

4. Sensor Loadcell

5. Sensor Ultrasonik HCSR04

6. Wemos D1 mini

31

7. Motor DC

8. Motor Servo SG90

9. Driver Motor L298N

10. Driver Loadcell HX711

3.2 Perancangan Sistem

Setelah mengetahui kebutuhan sistem, dasar – dasar ilmu serta teknologi yang

akan digunakan, maka langkah selanjutnya adalah melakukan perancangan dan

desain dari sistem yang akan dikembangkan. Pada Tugas Akhir ini desain dan

perencanaan sistem meliputi tahap pengumpulan data, diagram blok sistem,

perancangan hardware, perancangan mekanik.

3.2.1 Diagram Blok Sistem

Gambar 3.2 menunjukkan dengan diagram blok sistem yang dirancang

menggunakan empat sensor yaitu Loadcell, Kompas, Encoder FC-03, dan

Ultrasonik. Sensor mengirim data ke Arduino Mega 2560 untuk dilakukan

proses pengolahan data dengan metode fuzzy logic setelah Arduino Mega

2560 mengolah data dari sensor, selanjutnya Arduino Mega 2560 akan

mengontrol Motor DC dan Motor Servo. Selain mengontrol Motor DC dan

Motor Servo, Wemos D1 mini akan mengoneksikan antara Arduino dengan

smartphone.

Gambar 3.2 Diagram Blok Sistem

32

Gambar 3.2 menunjukkan diagram blok yang mewakili sistem yang akan

dijalankan. Pada diagram blok tersebut dapat diketahui bahwa sistem memilki

tiga bagian penting yaitu masukan, proses dan keluaran. Sensor loadcell yang

dipasang di tengah bertugas untuk mendeteksi massa atau berat peti kemas

(balok). Sensor ultrasonik yang dipasang di sisi kiri, depan dan kanan

bertugas untuk mendeteksi benda halangan disekitar. Sensor kompas yang

dipasang di depan bertugas untuk penunjuk arah. Sedangkan sensor encoder

fc-03 bertugas untuk menghitung putaran roda (jarak tempuh) menuju

waypoint yang telah ditentukan. Hasil pembacaan sensor tersebut akan

diterima oleh Arduino Mega untuk kemudian diproses sehingga dapat

menjalankan aktuator berupa motor servo dan motor DC. Selain itu, hasil

pemrosesan Arduino akan dapat dipantau secara realtime menggunakan

smarthphone Android.

3.2.2 Perancangan Hardware

Berikut adalah gambar rancangan hardware sistem kendali/kontrol

truk tanpa awak yang akan dibuat pada tugas akhir ini.

Gambar 3.3 Rancangan Hardware

SENSOR INTERFACE

Kompas CONTROLLER

Wemos D1 Mini Smartphone

Ultrasonik

Motor DC

Arduino Mega

Encoder FC-03

AKTUATOR

Motor Servo

Driver Motor

Driver Load Cell Load Cell

33

3.2.3 Perancangan Sensor Ultrasonik HCSR04

Perancangan sensor ultrasonik bertujuan untuk membaca jarak sekitar

prototipe truk tanpa awak. Pengujian ini dilakukan dilakukan dengan cara

mengukur jarak antara ultrasonik dengan kardus dalam satuan cm dengan

menggunakan mikrokontroler Arduino Mega. Kemudian pembanding sensor

ultrasonik menggunakan penggaris. Berikut merupakan rangkaian sensor

ultrasonik pada Gambar 3.4 di bawah ini.

Gambar 3.4 Rangkaian Wiring Ultrasonik

Dari datasheet pada sensor ultrasonik HCSR04 ini mampu mengukur

jarak maksimal hingga 4 meter, tetapi semakin jauh jarak yang dideteksi,

maka semakin besar pula nilai error dari sensor ini. Sensor ini membutuhkan

daya 3,3 VDC – 5,0 VDC untuk dapat beroperasi. Dari rancangan sensor

ultrasonik yang ditunjukkan pada Gambar 3.4 dapat diperjelas konektivitas

pemasangan pin sensor Arduino dengan sensor ultrasonik pada Tabel 3.1.

Tabel 3.1 Pin Wiring Sensor Ultrasonik dengan Arduino

VCC 5V

TRIG 52

ECHO 50

GND GND

34

Untuk pengukuran jarak, sensor ultrasonik ini memancarkan gelombang

(transmitter) kemudian diterima balik oleh receiver. Berikut pada Gambar 3.5

merupakan diagram blok dari sensor ultrasonik.

Kontroler

(Arduino Mega)

Aktuator

(Motor Servo)

Plant

(Gerak Sudut)

Sensor

(Ultrasonik)

+

-

jarak

Output

Feedback

jarak

Input

Gambar 3.5 Diagram Blok Sensor Ultrasonik

input dari sensor ultrasonik berupa jarak yang akan diproses melalui kontroler

Arduino Mega, setelah itu menggerakkan nilai sudut pada motor servo

sebagai aktuatornya dan output yang akan diperoleh berupa jarak.

3.2.4 Perancangan Sensor Kompas HMC5833L

Perancangan sensor kompas bertujuan untuk mengetahui arah jalur

prototipe truk tanpa awak. Pengujian ini dilakukan pada serial monitor dengan

menggunakan mikrokontroler Arduino Mega. Kemudian pembanding sensor

kompas menggunakan kompas manual. Berikut merupakan rangkaian sensor

kompas pada Gambar 3.6 dibawah ini.

Gambar 3.6 Rancangan Wiring Kompas

35

Dari rancangan sensor kompas yang ditunjukkan pada Gambar 3.6 dapat

diperjelas konektivitas pemasangan pin sensor Arduino dengan sensor kompas

pada Tabel 3.2.

Tabel 3.2 Pin Wiring Sensor Kompas dengan Arduino

VCC 5V

SCL 21

SDA 20

GND GND

3.2.5 Perancangan Sensor Loadcell

Perancangan sensor loadcell untuk mengetahui massa (berat) balok

yang akan dibawa oleh prototipe truk tanpa awak. Pengujian ini dilakukan

pada serial monitor dengan menggunakan mikrokontroler Arduino Mega.

Kemudian pembanding sensor loadcell menggunakan loadcell digital. Berikut

merupakan rangkaian sensor loadcell pada Gambar 3.7 di bawah ini..

Gambar 3.7 Rancangan Wiring Loadcell

Dari rancangan sensor loadcell yang ditunjukkan pada Gambar 3.7 dapat

diperjelas konektivitas pemasangan pin sensor Arduino dengan sensor

loadcell pada Tabel 3.3. Dan juga pada Gambar 3.8 terdapat diagram blok

sensor loadcell.

36

Tabel 3.3 Pin Wiring Sensor Loadcell dengan Arduino

VCC 5V

SCK 8

DT 9

GND GND

Berikut pada Gambar 3.8 merupakan diagram blok sensor loadcell.

Kontroler

(Arduino Mega)

Aktuator

(Motor DC)

Plant

(Gerak Putar)

Sensor

(Loadcell)

+

-

berat

Feedback

Input

berat

Output

Gambar 3.8 Diagram Blok Sensor Loadcell

input dari sensor loadcell berupa berat yang akan diproses melalui kontroler

Arduino Mega, setelah itu menggerakkan roda pada Motor DC sebagai

aktuatornya dan output yang akan diperoleh berupa berat.

3.2.6 Perancangan Motor Servo

Perancangan motor servo untuk menggerakkan kendali roda depan

pada prototipe truk tanpa awak. Pengujian ini dilakukan dengan menggunakan

mikrokontroler Arduino Mega. Kemudian pembanding motor servo

menggunakan busur. Berikut merupakan rangkaian motor servo pada Gambar

3.9 di bawah ini.

Gambar 3.9 Rancangan Wiring Motor Servo

37

Dari rancangan motor servo yang ditunjukkan pada Gambar 3.9 dapat

diperjelas konektivitas pemasangan pin Arduino dengan sensor motor servo

pada Tabel 3.4.

Tabel 3.4 Pin Wiring Motor Servo dengan Arduino

VCC 5V

PWM 13

GND GND

3.2.7 Perancangan Motor DC

Perancangan Motor DC untuk menggerakkan roda belakang pada

prototipe truk tanpa awak. Pengujian ini dilakukan dengan menggunakan

mikrokontroler Arduino Mega. Berikut merupakan rangkaian Motor DC pada

Gambar 3.10 di bawah ini.

Dari rancangan Motor DC yang ditunjukkan pada Gambar 3.10 dapat

diperjelas konektivitas pemasangan pin Arduino dengan Motor DC pada

Tabel 3.5 dan Tabel 3.6 di bawah ini.

Tabel 3.5 Pin Wiring Driver Motor

VCC 5V

IN 1 14

IN 2 15

IN 3 16

Gambar 3.10 Rancangan Wiring Motor DC

38

Tabel 3.6 Lanjutan Pin Wiring Driver Motor

3.2.8 Perancangan Mekanik

Desain mekanik merupakan desain bentuk dari rancang bangun dan

tempat peletakan komponen yang akan digunakan. Dan dapat dilihat desain

mekanik bawah, tengah dan atas pada Gambar 3.11., 3.12., dan 3.13 di bawah

ini.

Gambar 3.11 Desain Mekanik “Bawah”

Gambar 3.12 Desain Mekanik “Tengah”

IN 4 17

ENA 10

ENB 2

GND GND

39

Gambar 3.13 Desain Mekanik “Atas”

3.3 Perancangan Software

Setelah merancang dan membuat hardware, maka tahap selanjutnya yaitu

perancangan dan pembuatan software. Pada tahap ini peneliti menetapkan untuk

menggunakan software Android Studio sebagai program monitoring dan software

Arduino IDE sebagai program kontrol, serta Matlab sebagai pengujian metode fuzzy.

3.3.1 Aplikasi Android Studio

Dalam perancangan ini dilakukan pembuatan program dan desain

tampilan semenarik mungkin agar lebih mempermudah pemahaman dalam

melakukan monitoring arah (kompas), dan massa (berat) pada sensor yang

terdapat di prototipe truk tanpa awak. Pada tampilan interface yang telah

dibuat terdapat 3 halaman yaitu splashcreen, login, dan proses.

3.3.2 Software Arduino IDE

Perancangan dan pembuatan program ini bertujuan untuk proses

pengendalian dari sistem dalam Tugas Akhir ini. Sehingga dapat dilakukan

komunikasi antara HP Android dan Prototipe.

3.4 Layout Jalur Tracking Truk di Perusahaan

Gambar 3.14 merupakan gambaran wilayah untuk perusahaan PT. Terminal

Teluk Lamong dilihat melalui google map.

40

Gambar 3.14 Layout google map di PT. Terminal Teluk Lamong

Gambar 3.15 merupakan gambaran wilayah untuk perusahaan PT. Terminal

Teluk Lamong dilihat melalui desain AutoCAD.

Gambar 3.15 Layout AutoCad di PT. Terminal Teluk Lamong

Dari hasil kedua layout gambar di atas peneliti mencoba untuk membuat jalur

tracking di Gambar 3.16 terdapat 4 Waypoint yang nantinya akan dilalui oleh

prototipe truk tanpa awak. Berikut merupakan gambaran dan penjelasan sistem

operasi prototipe tanpa awak :

Waypoint 1 dari dermaga merupakan awalan start prototipe truk tanpa awak

ketika menerima massa (berat) peti kemas, setelah sampai Waypoint 2 Tikungan 1

maka akan belok ke kiri sesuai perhitungan jarak tempuh atau perputaran piringan

encoder, selanjutnya setelah sampai pada waypoint 3 Tikungan 2 maka akan belok

kearah kiri sesuai pehitungan jarak tempuh atau perputaran encoder selanjutnya, dan

41

terakhir setelah sampai Waypoint 4 (tempat penumpukan peti kemas) yang

merupakan akhiran (finish) dan prototipe truk tanpa awak akan berhenti.

Gambar 3.16 Gambar jalur tracking prototype

3.5 Rule Base fuzzy

Rule Base fuzzy berisi pernyataan – pernyataan logika fuzzy (fuzzy statement),

yang berbentuk pernyataan if-then. Setelah dilakukan fuzzification untuk setiap

masukan dan keluaran, maka langkah berikutnya yaitu membuat aturan (rule base).

Rule Base ini terdiri dari kumpulan aturan yang berbasis logika fuzzy untuk

menyatakan suatu kondisi. Penyusunan rule base sangat berpengaruh pada presisi

model, pada tahap pengambilan keputusan ditentukan berdasarkan rancangan rule

base. Aturan if-then yang dihubungkan dengan logika operasi and dan or. Rule base

yang digunakan pada penelitian ini masing – masing input mempunyai 5 membership

function (mf) yang pertama pada input kompas yaitu kiri, agak kiri, sedang, agak

kanan dan kanan. Kedua pada input ultrasonikkiri yaitu dekat, agak dekat, sedang,

agak jauh dan jauh. Ketiga pada input ultrasonikdepan yaitu dekat, agak dekat,

sedang, agak jauh dan jauh. Keempat pada input ultrasonikkanan yaitu dekat, agak

dekat, sedang, agak jauh dan jauh. Dapat dilihat pada Tabel 3.7 berupa penjelasan

tentang rule base yang akan digunakan dalam Tugas Akhir ini, sebagai berikut :

Untuk output berupa Motor servo yaitu lurus. Hal tersebut dikarenakan program fuzzy

42

ini hanya dikhususkan untuk meluruskan kendali yaitu berupa servo apabila bergeser

sudut di lintasan lurus. Agar prototipe truk tanpa awak berjalan di jalur lurus dapat

stabil. Pada Tabel 3.6 merupakan rule base fuzzy yang digunakan pada Tugas Akhir

ini.

Tabel 3.7 Rule Base

kondisi arah Jarak kanan Jarak depan Jarak kiri sudut

1 Utara jauh jauh jauh lurus

2 Barat laut jauh jauh jauh lurus

3 Timur laut jauh jauh jauh lurus

4 Utara dekat jauh jauh lurus

5 Barat laut dekat jauh jauh lurus

6 Timur laut dekat jauh jauh lurus

7 Utara jauh dekat jauh lurus

8 Barat laut jauh dekat jauh lurus

9 Timur laut jauh dekat jauh lurus

10 Utara jauh jauh dekat lurus

11 Barat laut jauh jauh dekat lurus

12 Timur laut jauh jauh dekat lurus

13 Utara dekat dekat jauh lurus

14 Barat laut dekat dekat jauh lurus

15 Timur laut dekat dekat jauh lurus

16 Utara jauh dekat dekat lurus

17 Barat laut jauh dekat dekat lurus

18 Timur laut jauh dekat dekat lurus

19 Utara dekat jauh dekat lurus

20 Barat laut dekat jauh dekat lurus

21 Timur laut dekat jauh dekat lurus

43

Tabel 3.8 Lanjutan Rule Base

Kondisi arah Jarak kanan Jarak depan Jarak kiri Sudut

22 Utara dekat dekat dekat Lurus

23 Barat laut dekat dekat dekat Lurus

24 Timur laut dekat dekat dekat Lurus

Pada Gambar 3.17 merupakan contoh membership function yang digunakan

pada Tugas Akhir ini.

Gambar 3.17 Membership Function “Kompas”

Dan pada Gambar 3.17 telah dibuat 5 membership function kompas untuk

digunakan sebagai aturan rule base fuzzy yang nantinya akan menentukan keluaran

nilai output.

44

3.6 Flowchart Sistem Kendali Utama

Gambar 3.18 Flowchart Sistem Kendali Utama

Peletakan prototipe pada jalur lintasan, ketika prototipe truk tanpa awak

mendeteksi adanya beban berat peti kemas (benda statis) dengan berat (>200g) maka

motor DC akan aktif menjalankan prototipe dan parameter untuk peti kemas adalah

massa atau berat yang telah ditentukan. Selanjutnya sensor kompas menunjukkan

arah yang telah ditentukan pada layout jalur tracking yang harus dilalui oleh prototipe

Mulai

Baca Sensor Load Cell

Berat Balok

(Peti Kemas)

Berat Balok (Peti

Kemas) >200g ?

Baca Sensor Kompas

Nilai Sudut

Arah Mata

Angin (0-3600)

Baca Sensor Encoder

Roda

Belakang

Motor Aktif

Waypoint = Setpoint ?

Motor DC Akan Berhenti

Selesai

A

A

Arah Roda

Depan

Logika Fuzzy

Tidak

Ya

Ya

Tidak

45

untuk menggerakkan roda depan menuju tiap – tiap waypoint sesuai dengan rule

logika fuzzy. Dan sensor encoder digunakan untuk menghitung jarak tempuh tiap –

tiap waypoint yang harus dilalui oleh prototipe. Setelah sampai pada waypoint =

setpoint maka prototipe akan berhenti.

3.7 Flowchart Sistem Kendali fuzzy

Gambar 3. 19 Flowchart Sistem Kendali Fuzzy

Ketika sensor kompas aktif maka tahap selanjutnya masuk kedalam proses

fungsi keanggotaan (fuzzifikasi), selanjutnya proses rule fuzzy, kemudian hitung

centroid (defuzzifikasi), dan setelah selesai akan mengatur arah roda depan.

Mulai

Nilai Sudut

Arah Mata

Angin (0-3600)

Selesai

Arah Roda

Depan

Fungsi Keanggotaan

(Fuzzifikasi)

Rule Fuzzy

Hitung Centroid

(Deffuzifikasi)

46


47

BAB 4

HASIL DAN PEMBAHASAN

Pada bab hasil dan pembahasan berisi tentang hasil pengujian setiap

komponen – komponen penunjang Tugas Akhir dan analisanya. Pada bab ini

dilakukan beberapa pengujian guna memastikan bahwa komponen maupun sistem

dapat berjalan sesuai perencanaan yang telah dibuat. Pengujian meliputi beberapa

bagian antara lain seperti yang terdapat pada Tabel 4.1 di bawah ini :

Tabel 4.1 Hasil dan Pembahasan

PENGUJIAN

TIAP – TIAP

KOMPONEN

INPUT OUTPUT

Sensor Kompas Motor DC

Sensor Loadcell

Sensor Ultrasonik Motor Servo

Modul Encoder FC03

PENGUJIAN

SISTEM

TRACKING PERCOBAAN

Beban (300g)

10x

Berikut merupakan penjelasan masing – masing pengujian yang dilakukan pada

Tugas Akhir ini.

4.1 Pengujian Hardware (Input)

Perancangan hardware elektronika (baik sensor, controller, aktuator dan catu

daya) dirancang sedemikian rupa sehingga komponen – komponen tersebut mampu

memberikan output yang diinginkan. Sensor dapat membaca data input, controller

dapat memproses data dan memberikan sinyal output ke aktuator serta catu daya

dapat memberikan energi listrik yang sesuai. Pada proses pengujian hardware ini

bertujuan untuk mengetahui tingkat keakuratan setiap komponen – komponen

48

tersebut serta mengetahui besarnya persentase error yang dihasilkan. Berikut

pengujian tingkat keakuratan komponen – komponen yang digunakan pada Tugas

Akhir ini :

4.1.1 Pengujian Sensor dan Arduino

Pada Tugas Akhir ini menggunakan empat jenis sensor sebagai

input/masukan pada sistem yaitu sensor kompas, loadcell, ultrasonik, dan

modul encoder fc03. Berikut pengujian tingkat keakuratan pada masing –

masing sensor tersebut:

4.1.1.1 Sensor Kompas dan Arduino

Pada Tugas Akhir ini pengujian sensor kompas bertujuan untuk

menguji apakah data sensor kompas yang muncul pada serial monitor Arduino

sesuai dengan kompas manual (sebenarnya). Pengujian dimulai dari 0 derajat

sampai dengan 360 derajat, seperti ditunjukkan pada dan hasil pengujian

ditunjukkan pada Gambar 4.1 di bawah ini.

Gambar 4.1 Pengujian Sensor Kompas

Pada Gambar 4.1 menunjukkan pengujian data sensor kompas dengan

pembanding kompas manual untuk mengetahui seberapa akurat pendeteksian

sensor kompas terhadap arah mata angin yang sebenarnya. Seperti yang

ditunjukkan pada serial monitor Arduino bahwa pembacaan sensor kompas

apabila dibandingkan dengan kompas manual mendapatkan error seperti yang

terdapat pada Tabel 4.2 di bawah ini.

49

Tabel 4.2 Pengambilan Data Sensor Kompas dengan Arduino

No Kompas manual

(derajat)

Kompas Arduino

(derajat)

Presentase error (%)

1 0 0 0,00

2 10 11 10,00

3 20 20 0,00

4 30 30 0,00

5 40 41 2,50

6 50 53 6,00

7 60 60 0,00

8 70 71 1,43

9 80 81 1,25

10 90 90 0,00

11 109 111 1,83

12 120 121 0,83

13 130 129 0,77

14 140 141 0,71

15 152 149 1,97

16 159 159 0,00

17 169 170 0,59

18 180 178 1,11

19 190 192 1,05

20 200 201 0,50

21 209 211 0,96

22 219 220 0,46

23 230 229 0,43

24 240 240 0,00

25 250 248 0,80

50

Gambar 4.2 Pengujian Sensor Loadcell

Tabel 4.3 Lanjutan Pengambilan Data Sensor Kompas dengan Arduino

Dari hasil pengujian Sensor Kompas yang ditunjukkan oleh dapat diketahui

bahwa pada data kompas terjadi error dengan rata – rata sebesar 1,06%

4.1.1.2 Sensor Loadcell dan Arduino

Pada Tugas Akhir ini, digunakan sensor loadcell untuk mendeteksi

massa (berat) balok untuk permisalan peti kemas yang akan dibawa oleh

prototipe truk tanpa awak nantinya. Dalam pengujian ini menggunakan

pembanding timbangan digital dan hasilnya seperti Gambar 4.2 di bawah ini.

No Kompas manual

(derajat)

Kompas Arduino

(derajat)

Presentase error (%)

26 270 270 0,00

27 280 278 0,71

28 290 289 0,34

39 300 300 0,00

30 310 309 0,32

31 320 321 0,31

32 330 329 0,30

33 340 341 0,29

34 350 351 0,29

35 Rata-rata error 1,06

51

Pada menunjukkan pengujian tingkat keakuratan data massa (berat)

pada balok (peti kemas) yang dibawa oleh prototipe truk tanpa awak dengan

loadcell untuk mengetahui besar error-nya. Agar dapat mengetahui rata – rata

error dari sensor loadcell, maka dilakukan beberapa pengujian sensor yang

kemudian hasilnya dibandingkan dengan menggunakan timbangan digital.

Tabel 4.4 Tabel Pengambilan Data Sensor Loadcell dengan Arduino

No. Sensor Loadcell Timbangan Digital Error(%)

1. 3008 gram 3008 gram 0 %

2. 143 gram 146 gram 2,05%

3. 397 gram 396 gram 0,25%

4. 435 gram 436 gram 0,23%

5. 622 gram 623 gram 0,16%

Rata-rata persentase error 0,54%

Dari Tabel 4.4 menunjukkan bahwa setelah melakukan beberapa

pengujian, data disimpulkan bahwa sensor loadcell cukup akurat karena

menghasilkan rata-rata error yang cukup kecil yaitu 0.54%

4.1.1.3 Sensor Ultrasonik dan Arduino

Pada Tugas Akhir ini menggunakan sensor ultrasonik HC-SR04 untuk

mendeteksi halangan disamping kanan, depan dan kiri prototipe. Selain itu,

hasil pembacaan sensor ultrasonik tersebut juga ditampilkan pada aplikasi

Android.

Untuk mengetahui tingkat keakuratan dan persentase error sensor

ultrasonik yang digunakan maka dilakukan pengujian dengan

membandingkan hasil pembacaan jarak dari sensor ultrasonik dan Arduino

dengan hasil pengukuran jarak menggunakan penggaris yang diberi

penghalang di depannya seperti yang terlihat pada Gambar 4.3 di bawah ini.

52

Gambar 4.3 Pengujian Sensor Ultrasonik

Setelah pengujian sensor ultrasonik HC-SR04 dilakukan, maka

selanjutnya dapat dicari nilai presentase error (% e) adalah hasil nilai mutlak

dari pengurangan nilai aktual (Na) dan nilai eksperimental (Ne) dibagi dengan

nilai aktual (Na) kemudian dikalikan dengan 100% seperti Persamaan 4.1:

% e = |

Na−Ne

| 100%

(4.1)

Na

Tabel 4.5 Hasil Pengujian Sensor Ultrasonik

No.

Jarak Pengujian Hasil Pengukuran

Rata-rata Error (%)

(Penggaris)

(Ultrasonik)

9 cm

9 cm

1. 10 cm 9 cm 9 cm 10

9 cm

9 cm

53

Tabel 4.6 Lanjutan Hasil Pengujian Sensor Ultrasonik

Berdasarkan Hasil Pengujian Sensor Ultrasonik menunjukkan bahwa

hasil pembacaan sensor ultrasonik HC-SR04 dan Arduino dibandingkan

dengan penggaris sebagai alat ukur memiliki error sebanyak 3,95%.

4.1.1.4 Modul Encoder FC03 dan Arduino

Pada Tugas Akhir ini menggunakan sensor encoder FC03 yang

digunakan untuk menghitung jarak tempuh jalur prototipe yang telah dihitung

berdasarkan alat ukur manual berupa penggaris dan akan dibandingkan

dengan control Arduino. Hasil dan pengujian dapat dilihat pada Gambar 4.4

di bawah ini.

No.

Jarak Pengujian Hasil Pengukuran Rata-rata Error (%)

(Penggaris) (Ultrasonik)

2. 20 20 cm

20 cm 20 0

20 cm

29 cm

29 cm

3. 30 cm 29 cm 29 cm 3,3

29 cm

29 cm

39 cm

39 cm

4. 40 cm 39 cm 39 cm 2,5

39 cm

39 cm

Rata-rata error (%) 3,95

54

Gambar 4. 4 Pengukuran Jarak Tempuh Prototipe

Tabel 4.7 Hasil Pengujian Sensor Encoder FC03

No. Set-point posisi

(cm)

Pergeseran sebenarnya

(cm)

Persentase error

(%)

1. 0 0 0

2. 10 10,5 5

3. 20 20,7 3,5

4. 30 30,4 1,3

5. 40 40,2 0,5

6. 50 50,5 1

7. 60 61 1,6

8. 70 70,5 0,7

9. 80 80,8 1

10. 90 90,6 0,6

11. 100 101 1

Rata – rata persentase error 1,62

Berdasarkan Hasil Pengujian Sensor encoder FC03 menunjukkan bahwa

hasil pembacaan sensor encoder FC03 dan Arduino dibandingkan dengan

penggaris sebagai alat ukur memiliki error sebanyak 1,62%.

55

Gambar 4.5 Pengujian Motor DC

4.2 Pengujian Aktuator dan Arduino

Pada Tugas Akhir ini menggunakan dua jenis aktuator sebagai

output/keluaran pada sistem yaitu Motor DC dan Motor Servo. Berikut merupakan

pengujian tingkat keakuratan pada masing – masing aktuator tersebut :

4.2.1 Pengujian Aktuator Motor DC dan Arduino

Pada Tugas Akhir ini menggunakan aktuator Motor DC yang

digunakan untuk menggerakkan roda belakang. Dan dilakukan pengujian

berdasarkan tegangan ideal output Motor DC dengan nilai pengukuran yang

sebenarnya menggunakan Avometer. Berikut merupakan hasil dan pengujian

dapat dilihat pada Gambar 4.5 di bawah ini.

No. Input(Volt) Tegangan

Ideal Output

Motor DC

Nilai

Pengukuran

Sebenarnya

Error (%)

1. 1 1 1 1

2. 2 2 1,98 1,01

3. 3 3 2,96 1,35

4. 4 4 3,99 0,25

5. 5 5 4,95 1,01

Persentase Error 0,924

Tabel 4.8 Hasil Pengujian Motor DC

56

Gambar 4.6 Pengujian Nilai PWM 145 pada Oscilloscope

Berdasarkan data pengujian motor DC seperti yang ditunjukkan Tabel

4.6 diatas dapat dianalisa bahwa terdapat selisih tegangan ideal dengan nilai

pengukuran sebenarnya, dikarenakan beban motor DC tinggi sehingga

mengakibatkan tegangan sebenarnya lebih rendah daripada tegangan ideal.

Dari hasil uji coba motor DC didapatkan rata-rata error sebesar 0,924%.

Pengujian motor dilakukan untuk mengetahui keterkaitan antara PWM

(Pulse Width Modulation) terhadap besarnya tegangan keluaran motor.

Metode pengujian (Pulse Width Modulation) dilakukan menggunakan

Oscilloscope untuk mengetahui lebar pulsa dari nilai Duty Cycle untuk

mengetahui luaran tegangan motor dari hasil masukan PWM. Hasil dari

pengujian menggunakan Oscilloscope yang dibandingkan dengan multimeter

dapat dilihat pada Gambar 4.6 di bawah ini.

Setelah pengujian motor DC, selanjutnya akan dilakukan pengujian

keterkaitan PWM (Pulse With Modulation) terhadap besarnya tegangan

keluaran motor. Metode pengujian PWM menggunakan oscilloscope untuk

mengetahui lebar pulsa dari nilai masukan PWM Arduino. Pada tampilan

oscilloscope akan diketahui Duty Cycle untuk mengetahui keluaran tegangan

motor berdasarkan nilai besaran dari PWM. Dibawah ini merupakan contoh

proses perhitungan dari nilai keluaran sebagai berikut :

57

Diketahui :

Nilai PWM = 145 T/div = 1 ms/div

ton = 1,2 V/div = 1v/div

toff = 1

ttot = ton + toff F = 1

𝑡

= 1,2 + 1 = 1

0,0022

= 2,2ms = 454,54 hz

= 0,0022s

D = 𝑇𝑜𝑛

𝑇𝑡𝑜𝑡 x A A = 1div x

5𝑉

𝑑𝑖𝑣

= 𝑇𝑜𝑛

𝑇𝑡𝑜𝑡 x 100% = 1 x 5V

= 1,2

2,2 x 100% = 5V

= 54,54 %

Vaverage = D x A

= 54,54

100 x 5

= 2,73 V

Keterangan : ton = lebar pulsa ketika high

toff = lebar pulsa ketika low

D = Duty Cycle

A = Amplitudo

Vaverage = Tegangan Keluaran

58

Gambar 4.7 Pengujian Servo dengan Busur

Tabel 4. 9 Hasil Pengukuran Oscilloscope

Pengukuran Oscilloscope Tegangan

Multimeter

(Volt)

Error

(%) No. Nilai PWM

(milisecond)

Ton

(Time

high)

Toff

(Time

low)

A

(Amplitudo)

V

average

(Volt)

1. 0 0 0 5 0,00 0,00 0,00

2. 96 0,8 1,4 5 1,82 1,80 1,11

3. 145 1,2 1 5 2,73 2,75 0,73

4. 227 2 0,3 5 4,35 4,33 0,46

5. 255 2 0 5 5 4,89 2,25

Error rata-rata 0,51

Dari Analisa hasil pengujian nilai PWM sebanyak 5 kali dapat disimpulkan

bahwa presentase error yang diperoleh dari pengujian antara perhitungan

oscilloscope dengan tegangan multimeter yaitu sebesar 0,51%.

4.2.2 Pengujian Aktuator Motor Servo dan Arduino

Pengujian motor servo ini dilakukan dengan cara memasukkan data

pada Arduino. Motor servo diletakkan pada busur 900 (derajat) untuk

mengukur sudut dari perputaran motor servo. Hasil perputaran dari motor

servo akan menunjukkan sudut, kemudian akan dibandingkan dengan sudut

yang ditunjukkan pada busur. Motor servo pada prototipe truk tanpa awak

akan digunakan untuk menggerakkan as pada roda depan. Dapat dilihat pada

Gambar 4.7 di bawah ini.

59

Berikut pada Tabel 4.10 merupakan data hasil pengujian motor servo:

Tabel 4.10 Data Pengujian Motor Servo

No

Sudut pada busur

(derajat)

Sudut hasil perutaran servo

(derajat)

Error (%)

1 0o 0o 0%

2 10o 10o

0%

3 20o 21o

5%

4 25o 24o

4%

5 30o 31o

3,33%

6 40o 41o

2,50%

7 50o 50o

0%

8 60o 62o

3,33%

9 70o 70o

0%

10 90o 89o

1,11%

Rata-rata

error (%)

0.43%

Berdasarkan pengujian yang telah dilakukan terdapat error sudut antara 00

sampai 20 pada putaran servo seperti yang ditunjukkan pada pada proses pengujian

motor servo diperoleh error rata – rata 0,43%. Error yang terjadi pada hasil

percobaan di atas dapat disebabkan oleh arus yang masuk pada servo tersebut kurang

sehingga mempengaruhi gerak dari motor servo serta kualitas mekanik dari servo

yang digunakan.

4.2.3 Pengujian Catu Daya

Pengujian catu daya digunakan untuk mengetahui jumlah tegangan

output yang dihasilkan oleh Baterai Lipo 11.1V, Buck Converter 5Vdc.

Pengujian ini dilakukan dengan membandingkan nilai tegangan keluaran

Baterai Lipo dan Buck Converter tersebut nilai pembacaan Avometer. Berikut

tingkat keakuratan dan presentase error yang didapatkan :

60

Gambar 4.8 Pengujian Baterai Lippo dan Avometer

4.2.3.1 Pengujian Baterai Lipo

Pada Tugas Akhir ini menggunakan baterai lipo dengan tegangan

output sebesar 11.1V DC yang nantinya akan digunakan sebagai sumber

tegangan untuk mengaktifkan aktuator yaitu Motor DC 6V DC. Untuk

mengetahui tingkat keakuratan dan persentase error dari baterai lipo tersebut

maka dilakukan pengujian menggunakan alat ukur Avometer seperti terlihat

pada Gambar 4.8 di bawah ini.

Tabel 4.11 Hasil Pengujian Baterai Lipo

No. Nilai Seharusnya Nilai yang Diperoleh

(Avometer) Error (%)

1. 11.1 V 11,75 V 5.85

2. 11.1 V 11,73 V 5.67

3. 11.1 V 11,72 V 5.58

4. 11.1 V 11,74 V 5.76

5. 11.1 V 11,75 V 5.85

Rata-rata error (%) 5.74

Berdasarkan Hasil Pengujian baterai lipo menunjukkan bahwa presentase error

yang didapatkan dengan membandingkan nilai seharusnya dan nilai yang diperoleh dari

pengukuran menggunakan Avometer yaitu sebesar 5.74%.

61

Gambar 4.9 Pengujian Buck Converter 5V DC

4.2.3.2 Pengujian Buck Converter

Buck Converter merupakan converter penurun tegangan khusus yang

menerapkan sistem SMPS (Switching Mode Power Supply). Buck Converter

pada sistem ini berfungsi untuk menurunkan tegangan Baterai Lipo dari

11.1V DC menjadi 5V DC sebagai sumber tegangan Motor DC dan Motor

Servo serta menurunkan tegangan Baterai Lipo dari 11.1V DC menjadi 5V

DC sebagai sumber tegangan untuk Arduino, Sensor Kompas, Sensor

Loadcell, Sensor Ultrasonik, dan Sensor encoder FC03. Pengujian dilakukan

dengan cara menghubungkan input (+/-) Baterai Lippo ke input (+/-) Buck

Converter, kemudian output Buck Converter tersebut diukur menggunakan

Avometer seperti terlihat pada Gambar 4.9 di bawah ini.

Tabel 4.12 Hasil Pengujian Buck Converter

No. Nilai Seharusnya Nilai yang Diperoleh (Avometer) Rata-rata Error (%)

11,99 V

12,1 V

1. 12 V 12,0 V 12,04 V 0,3

12,0 V

12,1 V

62

Tabel 4. 13 Lanjutan Hasil Pengujian Buck Converter

No. Nilai Seharusnya Nilai yang Diperoleh (Avometer) Rata-rata Error (%)

5 V

5,01 V

2. 5 V 5,0 V 5 V 0

5,1 V

4,9 V

Rata-rata error (%) 0,15

Berdasarkan Hasil Pengujian Buck Converter menunjukkan bahwa

persentase error yang didapatkan dengan membandingkan nilai seharusnya dan

nilai yang diperoleh dari pengukuran menggunakan Avometer yaitu sebesar

0,15%.

4.3 Pengujian Metode Fuzzy Logic

Pada tugas akhir ini menggunakan metode fuzzy sebagai pengendalinya. Sistem

ini menggunakan 4 input (arah dan kompas) dan 1 output (sevo). Hasil pengujian fuzzy

pada Tugas Akhir ini dilakukan dengan toolbox.

Gambar 4. 10 Input dan Output fuzzy logic

63

4.3.1 Pengujian Menggunakan Toolbox Matlab

Dari hasil pengujian fuzzy pada toolbox menunjukkan bahwa input kompas

= -10, ultrakiri = 10

Gambar 4. 11 Pengujian Toolbox Matlab

4.3.2 Pengujian Menggunakan Perhitungan

a. Fuzzifikasi

Fuzzifikasi yang merupakan proses memetakan nilai input kedalam nilai

keanggotaan yang memiliki interval antara 0 hinga 1. Salah satu cara yang

dapat digunakan adalah dengan melalui pendekatan fungsi. Contoh kasus :

Kompas = -5 ;

(-10;0), (0;1) => (0;0), (-10;1)

m = 𝑦2−𝑦1

𝑥2−𝑥1 =

1−0

0−10 =

1

−10 => m =

𝑦2−𝑦1

𝑥2−𝑥1 =

1−0

0−10 =

1

−10

c = y – mx => c = y - mx

= 0 - 1

−10 x -10 = 1 => = 0 -

1

−10 x -10 = 1

64

y = mx + c => y = mx + c

= 1

−10 x -5 + 1 =

1

−10 x -5 + 1

= - 1

2 + 1 = -

1

2 + 1

= 0,5 = 0,5

Ultrakiri1 = 21 ;

(18;0), (24;1) => (24;0), (18;1)

m = 𝑦2−𝑦1

𝑥2−𝑥1 =

1−0

24−18 =

1

6 => m =

𝑦2−𝑦1

𝑥2−𝑥1

c = y – mx => c = y - mx

= 0 - 1

6 x 18 = -3 => = 0 -

1

−6 x 24 = 4

y = mx + c => y = mx + c

= 1

6 x 21 + (-3) =

1

−6 x 21 + 4

= 3,5+(-3) = -3,5 + 4

= 0,5 = 0,5

b. Defuzzifikasi

Proses ini digunakan untuk menentukan nilai keanggotaan dari output.

Nilai servo = (90)

Jumlah pembilang = (90 x 0,5) + (90 x 0,5) + (90 x 0,5) + (90 x 0,5)

Jumlah penyebut = 45 + 45 + 45 + 45

Output = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑚𝑏𝑖𝑙𝑎𝑛𝑔

𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑒𝑛𝑦𝑒𝑏𝑢𝑡

= 45+45+45+45

0,5+0,5+0,5+0,5

= 180

2 = 90 (servo)

65

4.4 Pengujian Sistem

Tabel 4.14 Pengujian Sistem Kendali berjalannya Truk tanpa Awak

Percobaan Rute Berhasil Tidak

1

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

2

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

3

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

4

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

5

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

6

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

7

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

8

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

9

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

10

Waypoint 1 ke 2 √

Waypoint 2 ke 3 √

Waypoint 3 ke 4 √

Kesimpulan berdasarkan hasil data percobaan pada Tabel 4.14 pengujian

dikatakan berhasil apabila prototipe telah mampu mencapai waypoint – waypoint

yang telah ditentukan jarak tempuhnya, waypoint 1 ke waypoint 2, waypoint 2 ke

waypoint 3, dan waypoint 3 ke waypoint 4. Dan dikatakan tidak berhasil apabila tidak

sampai pada waypoint – waypoint yang telah ditentukan. Dapat dilihat pada Gambar

4.12, 4.13 dan 4.14 di bawah ini.

66

Pada Gambar 4.12 merupakan pergerakan prototipe dari waypoint 1 ke waypoint 2.

Gambar 4.12 Pergerakan Prototipe dari Waypoint 1 ke Waypoint 2





67

➢ Waypoint 1 ke 2 : 10

10 x 100 = 100%

➢ Waypoint 2 ke 3 : 8

10 x 100 = 80%

➢ Waypoint 3 ke 4 :7

10 x 100 = 70%

Jadi, Total Keberhasilan keseluruhan Sistem Kendali mencapai tiap - tiap

waypoint = 83,3 %.

Gambar 4.15 Jalur Tracking Prototipe Truk Tanpa Awak

68


69

BAB 5

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Kesimpulan dari penelitian ini adalah sebagai berikut.

1) Tingkat akurasi sensor dan kinerja aktuator yang digunakan pada prototipe

truk tanpa awak rata- rata memiliki tingkat keakuratan yang cukup akurat

dan masih memiliki error yang kecil.

2) Keakuratan untuk berjalannya sistem prototipe truk tanpa awak cukup baik

dengan menghitung jarak tempuh menggunakan Encoder FC03, dengan

tingkat keberhasilan 83,3% yang dapat dilihat pada Tabel 4.14.

3) Monitoring sensor menggunakan Android dapat dibuat, namun untuk

pembacaan nilai sensor pada HP Android tergantung dengan sinyal wifi

yang digunakan.

5.2 Saran

Berdasarkan kesimpulan yang telah diuraikan sebelumnya, adapun saran untuk

menyempurnakan Tugas Akhir ini dengan tujuan menambah performa dan

kualitas alat yaitu :

1) Mengatur kendali servo dan kompas menggunakan metode kontrol yang

lebih cocok sehingga dapat menghasilkan hasil output yang lebih sesuai.

2) Dapat membuat aplikasi monitoring yang lebih baik lagi dan tidak

terkendala dengan sinyal wifi.

70


71

DAFTAR PUSTAKA

Aprilianto, Hugo. Dan Taufikurrahman, M. 2017. “Penerapan Sistem

Navigasi Sensor Kompas pada Robot Beroda”. ISSN, STMIK Banjarbaru 2017

Health and Safety Authority, 2015. Guidance for Employers and Employees

on Night and Shift Work. www.hsa.ie/eng/occupational_Health

Nirwani, Affinannisa T. 2018. “Simulator Kursi Roda Otomatis dengan

sensor flex Berbasis Mikrokontroller”, Tugas Akhir, Universitas Negeri Yogyakarta

2018.

Prabarini, Puspa. 2018. “Pengaruh Iklim Keselamatan Kerja dan Big Five

Personality Terhadap Perilaku Keselamatan Karyawan di PT. Terminal Teluk

Lamong”, Tesis, Universitas Airlangga 2018.

Ramadhan, Fareza Rizky. Nugraha, Ramdhan. Dan Estananto.2017.

“Perancangan dan Implementasi Kontrol Posisi Robot Bawah Air menggunakan

Metode Fuzzy Logic Control”, ISSN, Universitas Telkom 2017.

Safaat H, Nazrudin. 2014. “Pemrograman Aplikasi Mobile Smartphone dan

Tablet PC Berbasis Android ”, Informatika Bandung 2014.

Saraswati, Ayu W. Dan Paskarini, Indriati. 2018. “Hubungan Gangguan

Tidur pada Pekerja Shift dengan kejadian Kecelakaan Kerja di Terminal Petikemas”,

Jurnal, Universitas Airlangga 2018.

http://www.hsa.ie/eng/occupational_Health

72


73

LAMPIRAN – LAMPIRAN

#include <Servo.h>

Servo motorServo;

#include "fis_header.h"

#include <Wire.h>

#include <Adafruit_Sensor.h>

#include <Adafruit_HMC5883_U.h>

Adafruit_HMC5883_Unified mag = Adafruit_HMC5883_Unified(12345);

#include "HX711.h"

#define DOUT 9

#define CLK 8

HX711 scale(DOUT, CLK);

float calibration_factor = 344.10;

int GRAM;

int UltrasonikTrig1 = 52;

int UltrasonikEcho1 = 50;





float headingDegrees;

unsigned long endTime;

/* www.nyebarilmu.com */

74

long duration1, duration2, duration3 ;

//long inchi1, inchi2, inchi3;

long cm1, cm2, cm3 ;

//mendefinisikan pin yang digunakan untuk control pin

int IN_1 = 14;

int IN_2 = 15;

int IN_3 = 16;

int IN_4 = 17;

int ENA = 10;

int ENB = 2;

int encoder_pin = 3;

int state;

volatile int c = 0;

int GRAM2;

static volatile unsigned long debounce = 0; // Tiempo del rebote.

/////////////////////////////////fuzzy

// Number of inputs to the fuzzy inference system

const int fis_gcI = 4;

// Number of outputs to the fuzzy inference system

const int fis_gcO = 1;

// Number of rules to the fuzzy inference system

const int fis_gcR = 135;

75

FIS_TYPE g_fisInput[fis_gcI];

FIS_TYPE g_fisOutput[fis_gcO];

/////////////////////////////////fuzzy

float data;

int flag1;

void setup()

{

Serial.begin(9600);

pinMode(UltrasonikTrig1, OUTPUT);



pinMode(UltrasonikEcho1, INPUT);



Serial.println("HMC5883 Magnetometer Test"); Serial.println("");

motorServo.attach(13); // servo Pada Pin digital 10

motorServo.write(90);

if (!mag.begin())

{

/* There was a problem detecting the HMC5883 ... check your connections */

Serial.println("Ooops, no HMC5883 detected ... Check your wiring!");

while (1);

}

scale.set_scale();

76

scale.tare();

//mendefinisikan control pin sebagai output

pinMode(IN_1, OUTPUT);




state = 3;

pinMode(3, INPUT);

attachInterrupt(digitalPinToInterrupt(3), counter, RISING);

}

void loop() {

analogWrite(ENA, 150);

analogWrite(ENB, 150);

jarak();

magnet();

berat();

if (GRAM >= 150 ) {

state = 1;

}

if (GRAM <= 150 ) {

state = 3;

}

if ( c >= 95 && c <=105) {


77

state = 1;

c=105;

delay(1000);

//waypoint1

} else if (c >=115 && c<=210) {


flag1 = 1;

if(flag1 == 1){

int defkom = 262;

data = headingDegrees - defkom;

// Read Input: kompas

g_fisInput[0] = data;

// Read Input: ultrakiri

g_fisInput[1] = cm1;

// Read Input: ultrakanan


// Read Input: ultradepan


motorServo.write(g_fisOutput[0]);

fis_evaluate();

flag1 = 0;

}

} else if (c >=210 && c <=220) {


c=220;

delay(1000);

78

//2

} else if (c >= 220 && c <=315) {


flag1 = 1;

if(flag1 == 1){

int defkom = 166;











fis_evaluate();

flag1 = 0;

}

} else if (c>=315) {


state = 3;

if (state == 3){

int defkom = 45;




79







// g_fisOutput[0] = 0;


fis_evaluate();

}

}

if (state == 1) {

maju();

} else if (state == 2) {

mundur();

} else if (state == 3) {

mati();

}

Serial.print(GRAM);

Serial.print("\t c= ");

Serial.print(c,DEC);

Serial.print("\t");

Serial.print("Heading (degrees): ");

Serial.print(headingDegrees);

Serial.print(cm1);

Serial.print(" ");

80

Serial.print(cm2);

Serial.print(" ");

Serial.println(cm3);

delay(500);

}

long microsecondsKeCenti(long microseconds)

{

return microseconds / 29 / 2;

}

void counter(){

if( digitalRead (encoder_pin) && (micros()-debounce > 500) && digitalRead

(encoder_pin) ) {

// Vuelve a comprobar que el encoder envia una señal buena y luego comprueba que el

tiempo es superior a 1000 microsegundos y vuelve a comprobar que la señal es correcta.

debounce = micros(); // Almacena el tiempo para comprobar que no contamos el rebote

que hay en la señal.

c++;} // Suma el pulso bueno que entra.

else ;

if (c >= 190) {

state = 1;

}

}

//***********************************************************************

// Support functions for Fuzzy Inference System

//***********************************************************************

// Triangular Member Function

81

FIS_TYPE fis_trimf(FIS_TYPE x, FIS_TYPE* p)

{

FIS_TYPE a = p[0], b = p[1], c = p[2];

FIS_TYPE t1 = (x - a) / (b - a);

FIS_TYPE t2 = (c - x) / (c - b);

if ((a == b) && (b == c)) return (FIS_TYPE) (x == a);

if (a == b) return (FIS_TYPE) (t2*(b <= x)*(x <= c));

if (b == c) return (FIS_TYPE) (t1*(a <= x)*(x <= b));

t1 = min(t1, t2);

return (FIS_TYPE) max(t1, 0);

}

// Trapezoidal Member Function

FIS_TYPE fis_trapmf(FIS_TYPE x, FIS_TYPE* p)

{

FIS_TYPE a = p[0], b = p[1], c = p[2], d = p[3];

FIS_TYPE t1 = ((x <= c) ? 1 : ((d < x) ? 0 : ((c != d) ? ((d - x) / (d - c)) : 0)));

FIS_TYPE t2 = ((b <= x) ? 1 : ((x < a) ? 0 : ((a != b) ? ((x - a) / (b - a)) : 0)));

return (FIS_TYPE) min(t1, t2);

}

FIS_TYPE fis_min(FIS_TYPE a, FIS_TYPE b)

{

return min(a, b);

}

FIS_TYPE fis_max(FIS_TYPE a, FIS_TYPE b)

{

return max(a, b);

}

FIS_TYPE fis_prod(FIS_TYPE a, FIS_TYPE b)

82

{

return (a * b);

}

FIS_TYPE fis_sum(FIS_TYPE a, FIS_TYPE b)

{

return (a + b);

}

FIS_TYPE fis_array_operation(FIS_TYPE *array, int size, _FIS_ARR_OP pfnOp)

{

int i;

FIS_TYPE ret = 0;

if (size == 0) return ret;

if (size == 1) return array[0];

ret = array[0];

for (i = 1; i < size; i++)

{

ret = (*pfnOp)(ret, array[i]);

}

return ret;

}

//***********************************************************************

// Data for Fuzzy Inference System

//***********************************************************************

// Pointers to the implementations of member functions

_FIS_MF fis_gMF[] =

83

{

fis_trimf, fis_trapmf

};

// Count of member function for each Input

int fis_gIMFCount[] = { 5, 3, 3, 3 };

// Count of member function for each Output

int fis_gOMFCount[] = { 1 };

// Coefficients for the Input Member Functions

FIS_TYPE fis_gMFI0Coeff1[] = { -20, -10, 0 };

FIS_TYPE fis_gMFI0Coeff2[] = { -10, 0, 10 };

FIS_TYPE fis_gMFI0Coeff3[] = { 10, 20, 30 };

FIS_TYPE fis_gMFI0Coeff4[] = { -30, -20, -10 };


FIS_TYPE* fis_gMFI0Coeff[] = { fis_gMFI0Coeff1, fis_gMFI0Coeff2, fis_gMFI0Coeff3,

fis_gMFI0Coeff4, fis_gMFI0Coeff5 };


FIS_TYPE fis_gMFI1Coeff2[] = { 18, 27, 35, 35 };


FIS_TYPE* fis_gMFI1Coeff[] = { fis_gMFI1Coeff1, fis_gMFI1Coeff2, fis_gMFI1Coeff3 };









FIS_TYPE** fis_gMFICoeff[] = { fis_gMFI0Coeff, fis_gMFI1Coeff, fis_gMFI2Coeff,

fis_gMFI3Coeff };

84

// Coefficients for the Output Member Functions

FIS_TYPE fis_gMFO0Coeff1[] = { 0, 0, 0, 0, 90 };

FIS_TYPE* fis_gMFO0Coeff[] = { fis_gMFO0Coeff1 };

FIS_TYPE** fis_gMFOCoeff[] = { fis_gMFO0Coeff };

// Input membership function set

int fis_gMFI0[] = { 0, 0, 0, 0, 0 };

int fis_gMFI1[] = { 0, 1, 1 };

int fis_gMFI2[] = { 1, 0, 1 };

int fis_gMFI3[] = { 0, 1, 1 };

int* fis_gMFI[] = { fis_gMFI0, fis_gMFI1, fis_gMFI2, fis_gMFI3};

// Output membership function set

int* fis_gMFO[] = {};

// Rule Weights

FIS_TYPE fis_gRWeight[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,

1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,

1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,

1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 };

// Rule Type

int fis_gRType[] = { 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,

1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,

1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,

1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1 };

// Rule Inputs

int fis_gRI0[] = { 1, 1, 1, 1 };

int fis_gRI1[] = { 1, 1, 1, 2 };

85

int fis_gRI2[] = { 1, 1, 1, 3 };

int fis_gRI3[] = { 1, 1, 2, 1 };

int fis_gRI4[] = { 1, 1, 2, 2 };

int fis_gRI5[] = { 1, 1, 2, 3 };

int fis_gRI6[] = { 1, 1, 3, 1 };

int fis_gRI7[] = { 1, 1, 3, 2 };

int fis_gRI8[] = { 1, 1, 3, 3 };

int fis_gRI9[] = { 1, 2, 1, 1 };

int fis_gRI10[] = { 1, 2, 1, 2 };

int fis_gRI11[] = { 1, 2, 1, 3 };

int fis_gRI12[] = { 1, 2, 2, 1 };

int fis_gRI13[] = { 1, 2, 2, 2 };

int fis_gRI14[] = { 1, 2, 2, 3 };

int fis_gRI15[] = { 1, 2, 3, 1 };

int fis_gRI16[] = { 1, 2, 3, 2 };

int fis_gRI17[] = { 1, 2, 3, 3 };

int fis_gRI18[] = { 1, 3, 1, 1 };

int fis_gRI19[] = { 1, 3, 1, 2 };

int fis_gRI20[] = { 1, 3, 1, 3 };

int fis_gRI21[] = { 1, 3, 2, 1 };

int fis_gRI22[] = { 1, 3, 2, 2 };

int fis_gRI23[] = { 1, 3, 2, 3 };

int fis_gRI24[] = { 1, 3, 3, 1 };

int fis_gRI25[] = { 1, 3, 3, 2 };

int fis_gRI26[] = { 1, 3, 3, 3 };

int fis_gRI27[] = { 2, 1, 1, 1 };

int fis_gRI28[] = { 2, 1, 1, 2 };

int fis_gRI29[] = { 2, 1, 1, 3 };

int fis_gRI30[] = { 2, 1, 2, 1 };

int fis_gRI31[] = { 2, 1, 2, 2 };

int fis_gRI32[] = { 2, 1, 2, 3 };

int fis_gRI33[] = { 2, 1, 3, 1 };

86

int fis_gRI34[] = { 2, 1, 3, 2 };

int fis_gRI35[] = { 2, 1, 3, 3 };

int fis_gRI36[] = { 2, 2, 1, 1 };

int fis_gRI37[] = { 2, 2, 1, 2 };

int fis_gRI38[] = { 2, 2, 1, 3 };

int fis_gRI39[] = { 2, 2, 2, 1 };

int fis_gRI40[] = { 2, 2, 2, 2 };

int fis_gRI41[] = { 2, 2, 2, 3 };

int fis_gRI42[] = { 2, 2, 3, 1 };

int fis_gRI43[] = { 2, 2, 3, 2 };

int fis_gRI44[] = { 2, 2, 3, 3 };

int fis_gRI45[] = { 2, 3, 1, 1 };

int fis_gRI46[] = { 2, 3, 1, 2 };

int fis_gRI47[] = { 2, 3, 1, 3 };

int fis_gRI48[] = { 2, 3, 2, 1 };

int fis_gRI49[] = { 2, 3, 2, 2 };

int fis_gRI50[] = { 2, 3, 2, 3 };

int fis_gRI51[] = { 2, 3, 3, 1 };

int fis_gRI52[] = { 2, 3, 3, 2 };

int fis_gRI53[] = { 2, 3, 3, 3 };

int fis_gRI54[] = { 3, 1, 1, 1 };

int fis_gRI55[] = { 3, 1, 1, 2 };

int fis_gRI56[] = { 3, 1, 1, 3 };

int fis_gRI57[] = { 3, 1, 2, 1 };

int fis_gRI58[] = { 3, 1, 2, 2 };

int fis_gRI59[] = { 3, 1, 2, 3 };

int fis_gRI60[] = { 3, 1, 3, 1 };

int fis_gRI61[] = { 3, 1, 3, 2 };

int fis_gRI62[] = { 3, 1, 3, 3 };

int fis_gRI63[] = { 3, 2, 1, 1 };

int fis_gRI64[] = { 3, 2, 1, 2 };

int fis_gRI65[] = { 3, 2, 1, 3 };

87

int fis_gRI66[] = { 3, 2, 2, 1 };

int fis_gRI67[] = { 3, 2, 2, 2 };

int fis_gRI68[] = { 3, 2, 2, 3 };

int fis_gRI69[] = { 3, 2, 3, 1 };

int fis_gRI70[] = { 3, 2, 3, 2 };

int fis_gRI71[] = { 3, 2, 3, 3 };

int fis_gRI72[] = { 3, 3, 1, 1 };

int fis_gRI73[] = { 3, 3, 1, 2 };

int fis_gRI74[] = { 3, 3, 1, 3 };

int fis_gRI75[] = { 3, 3, 2, 1 };

int fis_gRI76[] = { 3, 3, 2, 2 };

int fis_gRI77[] = { 3, 3, 2, 3 };

int fis_gRI78[] = { 3, 3, 3, 1 };

int fis_gRI79[] = { 3, 3, 3, 2 };

int fis_gRI80[] = { 3, 3, 3, 3 };

int fis_gRI81[] = { 4, 1, 1, 1 };

int fis_gRI82[] = { 4, 1, 1, 2 };

int fis_gRI83[] = { 4, 1, 1, 3 };

int fis_gRI84[] = { 4, 1, 2, 1 };

int fis_gRI85[] = { 4, 1, 2, 2 };

int fis_gRI86[] = { 4, 1, 2, 3 };

int fis_gRI87[] = { 4, 1, 3, 1 };

int fis_gRI88[] = { 4, 1, 3, 2 };

int fis_gRI89[] = { 4, 1, 3, 3 };

int fis_gRI90[] = { 4, 2, 1, 1 };

int fis_gRI91[] = { 4, 2, 1, 2 };

int fis_gRI92[] = { 4, 2, 1, 3 };

int fis_gRI93[] = { 4, 2, 2, 1 };

int fis_gRI94[] = { 4, 2, 2, 2 };

int fis_gRI95[] = { 4, 2, 2, 3 };

int fis_gRI96[] = { 4, 2, 3, 1 };

int fis_gRI97[] = { 4, 2, 3, 2 };

88

int fis_gRI98[] = { 4, 2, 3, 3 };

int fis_gRI99[] = { 4, 3, 1, 1 };

int fis_gRI100[] = { 4, 3, 1, 2 };

int fis_gRI101[] = { 4, 3, 1, 3 };

int fis_gRI102[] = { 4, 3, 2, 1 };

int fis_gRI103[] = { 4, 3, 2, 2 };

int fis_gRI104[] = { 4, 3, 2, 3 };

int fis_gRI105[] = { 4, 3, 3, 1 };

int fis_gRI106[] = { 4, 3, 3, 2 };

int fis_gRI107[] = { 4, 3, 3, 3 };

int fis_gRI108[] = { 5, 1, 1, 1 };

int fis_gRI109[] = { 5, 1, 1, 2 };

int fis_gRI110[] = { 5, 1, 1, 3 };

int fis_gRI111[] = { 5, 1, 2, 1 };

int fis_gRI112[] = { 5, 1, 2, 2 };

int fis_gRI113[] = { 5, 1, 2, 3 };

int fis_gRI114[] = { 5, 1, 3, 1 };

int fis_gRI115[] = { 5, 1, 3, 2 };

int fis_gRI116[] = { 5, 1, 3, 3 };

int fis_gRI117[] = { 5, 2, 1, 1 };

int fis_gRI118[] = { 5, 2, 1, 2 };

int fis_gRI119[] = { 5, 2, 1, 3 };

int fis_gRI120[] = { 5, 2, 2, 1 };

int fis_gRI121[] = { 5, 2, 2, 2 };

int fis_gRI122[] = { 5, 2, 2, 3 };

int fis_gRI123[] = { 5, 2, 3, 1 };

int fis_gRI124[] = { 5, 2, 3, 2 };

int fis_gRI125[] = { 5, 2, 3, 3 };

int fis_gRI126[] = { 5, 3, 1, 1 };

int fis_gRI127[] = { 5, 3, 1, 2 };

int fis_gRI128[] = { 5, 3, 1, 3 };

int fis_gRI129[] = { 5, 3, 2, 1 };

89

int fis_gRI130[] = { 5, 3, 2, 2 };

int fis_gRI131[] = { 5, 3, 2, 3 };

int fis_gRI132[] = { 5, 3, 3, 1 };

int fis_gRI133[] = { 5, 3, 3, 2 };

int fis_gRI134[] = { 5, 3, 3, 3 };

int* fis_gRI[] = { fis_gRI0, fis_gRI1, fis_gRI2, fis_gRI3, fis_gRI4, fis_gRI5, fis_gRI6,

fis_gRI7, fis_gRI8, fis_gRI9, fis_gRI10, fis_gRI11, fis_gRI12, fis_gRI13, fis_gRI14,












fis_gRI103, fis_gRI104, fis_gRI105, fis_gRI106, fis_gRI107, fis_gRI108, fis_gRI109,




fis_gRI131, fis_gRI132, fis_gRI133, fis_gRI134 };

// Rule Outputs

int fis_gRO0[] = { 1 };

int fis_gRO1[] = { 1 };

int fis_gRO2[] = { 1 };

int fis_gRO3[] = { 1 };

int fis_gRO4[] = { 1 };

int fis_gRO5[] = { 1 };

int fis_gRO6[] = { 1 };

90

int fis_gRO7[] = { 1 };

int fis_gRO8[] = { 1 };

int fis_gRO9[] = { 1 };

int fis_gRO10[] = { 1 };

int fis_gRO11[] = { 1 };

int fis_gRO12[] = { 1 };

int fis_gRO13[] = { 1 };

int fis_gRO14[] = { 1 };

int fis_gRO15[] = { 1 };

int fis_gRO16[] = { 1 };

int fis_gRO17[] = { 1 };

int fis_gRO18[] = { 1 };

int fis_gRO19[] = { 1 };

int fis_gRO20[] = { 1 };

int fis_gRO21[] = { 1 };

int fis_gRO22[] = { 1 };

int fis_gRO23[] = { 1 };

int fis_gRO24[] = { 1 };

int fis_gRO25[] = { 1 };

int fis_gRO26[] = { 1 };

int fis_gRO27[] = { 1 };

int fis_gRO28[] = { 1 };

int fis_gRO29[] = { 1 };

int fis_gRO30[] = { 1 };

int fis_gRO31[] = { 1 };

int fis_gRO32[] = { 1 };

int fis_gRO33[] = { 1 };

int fis_gRO34[] = { 1 };

int fis_gRO35[] = { 1 };

int fis_gRO36[] = { 1 };

int fis_gRO37[] = { 1 };

int fis_gRO38[] = { 1 };

91

int fis_gRO39[] = { 1 };

int fis_gRO40[] = { 1 };

int fis_gRO41[] = { 1 };

int fis_gRO42[] = { 1 };

int fis_gRO43[] = { 1 };

int fis_gRO44[] = { 1 };

int fis_gRO45[] = { 1 };

int fis_gRO46[] = { 1 };

int fis_gRO47[] = { 1 };

int fis_gRO48[] = { 1 };

int fis_gRO49[] = { 1 };

int fis_gRO50[] = { 1 };

int fis_gRO51[] = { 1 };

int fis_gRO52[] = { 1 };

int fis_gRO53[] = { 1 };

int fis_gRO54[] = { 1 };

int fis_gRO55[] = { 1 };

int fis_gRO56[] = { 1 };

int fis_gRO57[] = { 1 };

int fis_gRO58[] = { 1 };

int fis_gRO59[] = { 1 };

int fis_gRO60[] = { 1 };

int fis_gRO61[] = { 1 };

int fis_gRO62[] = { 1 };

int fis_gRO63[] = { 1 };

int fis_gRO64[] = { 1 };

int fis_gRO65[] = { 1 };

int fis_gRO66[] = { 1 };

int fis_gRO67[] = { 1 };

int fis_gRO68[] = { 1 };

int fis_gRO69[] = { 1 };

int fis_gRO70[] = { 1 };

92

int fis_gRO71[] = { 1 };

int fis_gRO72[] = { 1 };

int fis_gRO73[] = { 1 };

int fis_gRO74[] = { 1 };

int fis_gRO75[] = { 1 };

int fis_gRO76[] = { 1 };

int fis_gRO77[] = { 1 };

int fis_gRO78[] = { 1 };

int fis_gRO79[] = { 1 };

int fis_gRO80[] = { 1 };

int fis_gRO81[] = { 1 };

int fis_gRO82[] = { 1 };

int fis_gRO83[] = { 1 };

int fis_gRO84[] = { 1 };

int fis_gRO85[] = { 1 };

int fis_gRO86[] = { 1 };

int fis_gRO87[] = { 1 };

int fis_gRO88[] = { 1 };

int fis_gRO89[] = { 1 };

int fis_gRO90[] = { 1 };

int fis_gRO91[] = { 1 };

int fis_gRO92[] = { 1 };

int fis_gRO93[] = { 1 };

int fis_gRO94[] = { 1 };

int fis_gRO95[] = { 1 };

int fis_gRO96[] = { 1 };

int fis_gRO97[] = { 1 };

int fis_gRO98[] = { 1 };

int fis_gRO99[] = { 1 };

int fis_gRO100[] = { 1 };

int fis_gRO101[] = { 1 };

int fis_gRO102[] = { 1 };

93

int fis_gRO103[] = { 1 };

int fis_gRO104[] = { 1 };

int fis_gRO105[] = { 1 };

int fis_gRO106[] = { 1 };

int fis_gRO107[] = { 1 };

int fis_gRO108[] = { 1 };

int fis_gRO109[] = { 1 };

int fis_gRO110[] = { 1 };

int fis_gRO111[] = { 1 };

int fis_gRO112[] = { 1 };

int fis_gRO113[] = { 1 };

int fis_gRO114[] = { 1 };

int fis_gRO115[] = { 1 };

int fis_gRO116[] = { 1 };

int fis_gRO117[] = { 1 };

int fis_gRO118[] = { 1 };

int fis_gRO119[] = { 1 };

int fis_gRO120[] = { 1 };

int fis_gRO121[] = { 1 };

int fis_gRO122[] = { 1 };

int fis_gRO123[] = { 1 };

int fis_gRO124[] = { 1 };

int fis_gRO125[] = { 1 };

int fis_gRO126[] = { 1 };

int fis_gRO127[] = { 1 };

int fis_gRO128[] = { 1 };

int fis_gRO129[] = { 1 };

int fis_gRO130[] = { 1 };

int fis_gRO131[] = { 1 };

int fis_gRO132[] = { 1 };

int fis_gRO133[] = { 1 };

int fis_gRO134[] = { 1 };

94

int* fis_gRO[] = { fis_gRO0, fis_gRO1, fis_gRO2, fis_gRO3, fis_gRO4, fis_gRO5,

fis_gRO6, fis_gRO7, fis_gRO8, fis_gRO9, fis_gRO10, fis_gRO11, fis_gRO12, fis_gRO13,

fis_gRO14, fis_gRO15, fis_gRO16, fis_gRO17, fis_gRO18, fis_gRO19, fis_gRO20,

















fis_gRO133, fis_gRO134 };

// Input range Min

FIS_TYPE fis_gIMin[] = { -30, 0, 0, 0 };

// Input range Max

FIS_TYPE fis_gIMax[] = { 30, 35, 35, 120 };

// Output range Min

FIS_TYPE fis_gOMin[] = { 0 };

// Output range Max

FIS_TYPE fis_gOMax[] = { 1 };

95

//***********************************************************************

// Data dependent support functions for Fuzzy Inference System

//***********************************************************************

// None for Sugeno

//***********************************************************************

// Fuzzy Inference System

//***********************************************************************

void fis_evaluate()

{

FIS_TYPE fuzzyInput0[] = { 0, 0, 0, 0, 0 };

FIS_TYPE fuzzyInput1[] = { 0, 0, 0 };



FIS_TYPE* fuzzyInput[fis_gcI] = { fuzzyInput0, fuzzyInput1, fuzzyInput2, fuzzyInput3,

};

FIS_TYPE fuzzyOutput0[] = { 0 };

FIS_TYPE* fuzzyOutput[fis_gcO] = { fuzzyOutput0, };

FIS_TYPE fuzzyRules[fis_gcR] = { 0 };

FIS_TYPE fuzzyFires[fis_gcR] = { 0 };

FIS_TYPE* fuzzyRuleSet[] = { fuzzyRules, fuzzyFires };

FIS_TYPE sW = 0;

// Transforming input to fuzzy Input

int i, j, r, o;

for (i = 0; i < fis_gcI; ++i)

{

for (j = 0; j < fis_gIMFCount[i]; ++j)

{

fuzzyInput[i][j] =

(fis_gMF[fis_gMFI[i][j]])(g_fisInput[i], fis_gMFICoeff[i][j]);

96

}

}

int index = 0;

for (r = 0; r < fis_gcR; ++r)

{

if (fis_gRType[r] == 1)

{

fuzzyFires[r] = FIS_MAX;


{

index = fis_gRI[r][i];

if (index > 0)

fuzzyFires[r] = fis_min(fuzzyFires[r], fuzzyInput[i][index - 1]);

else if (index < 0)

fuzzyFires[r] = fis_min(fuzzyFires[r], 1 - fuzzyInput[i][-index - 1]);

else

fuzzyFires[r] = fis_min(fuzzyFires[r], 1);

}

}

else

{

fuzzyFires[r] = FIS_MIN;


{

index = fis_gRI[r][i];

if (index > 0)

fuzzyFires[r] = fis_max(fuzzyFires[r], fuzzyInput[i][index - 1]);

else if (index < 0)

fuzzyFires[r] = fis_max(fuzzyFires[r], 1 - fuzzyInput[i][-index - 1]);

else

fuzzyFires[r] = fis_max(fuzzyFires[r], 0);

97

}

}

fuzzyFires[r] = fis_gRWeight[r] * fuzzyFires[r];

sW += fuzzyFires[r];

}

if (sW == 0)

{

for (o = 0; o < fis_gcO; ++o)

{

g_fisOutput[o] = ((fis_gOMax[o] + fis_gOMin[o]) / 2);

}

}

else

{

for (o = 0; o < fis_gcO; ++o)

{

FIS_TYPE sWI = 0.0;

for (j = 0; j < fis_gOMFCount[o]; ++j)

{

fuzzyOutput[o][j] = fis_gMFOCoeff[o][j][fis_gcI];


{

fuzzyOutput[o][j] += g_fisInput[i] * fis_gMFOCoeff[o][j][i];

}

}

for (r = 0; r < fis_gcR; ++r)

{

index = fis_gRO[r][o] - 1;

sWI += fuzzyFires[r] * fuzzyOutput[o][index];

98

}

g_fisOutput[o] = sWI / sW;

}

}

}

perancangan sistem kendali dan monitoring truk …repository.ppns.ac.id/2420/1/0915040036 -...

Documents