Anda di halaman 1dari 25

PROPOSAL SKRIPSI

PERANCANGAN PROTOTIPE VISUAL SERVO


MANIPULATOR 5 DOF PEMINDAH OBJEK
BERDASARKAN WARNA

Oleh :
M. Fadli Masykuri
G1D011018

PROGRAM STUDI TEKNIK ELEKTRO


FAKULTAS TEKNIK
UNIVERSITAS BENGKULU
2016

i
DAFTAR ISI

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


DAFTAR ISI ........................................................................................................ ii
DAFTAR GAMBAR ........................................................................................... iv
BAB I. PENDAHULUAN
1.1.Latar Belakang .......................................................................................... 1
1.2.Rumusan Masalah ..................................................................................... 2
1.3.Tujuan ....................................................................................................... 2
1.4.Batasan Masalah ........................................................................................ 3
BAB II. TINJAUAN PUSTAKA
2.1.Definisi Citra ............................................................................................. 6
2.2.Object Detection........................................................................................ 7
2.3.Sensor Kamera .......................................................................................... 8
2.4.Robot Manipulator ................................................................................... 9
2.5.Kinematika Robot Manipulator ................................................................ 10
2.5.1.Forward Kinematic Denavit Hartenberg (D-H) ............................. 11
2.5.2.Inverse Kinematic Jacobian ............................................................ 12

BAB III METODOLOGI PENELITIAN


3.1 Metode Penelitian...................................................................................... 13
3.2 Waktu dan Tempat Pelaksanaan ............................................................... 13
3.3 Alat dan Bahan .......................................................................................... 13
3.4 Tahap Pelaksanaan Penelitan .................................................................... 14
3.5 Perancangan Model Robot ........................................................................ 14
3.6 Perancangan Perangkat Keras (Hardware) ............................................... 15
3.7 Perancangan Software ............................................................................... 15
3.7.1.Perancangan Program Kendali Servo Robot Manipulator ............... 15
3.7.2.Perancangan Program Keseluruhan Kerja Sistem............................ 16
3.8.Metode Pengujian...................................................................................... 18
3.8.1.Pengujian Servo ............................................................................... 18

ii
3.8.2.Pengujian Deteksi Objek .................................................................. 18
3.8.3.Pengujian Serial Komunikasi Matlab-Arduino ................................ 18
Daftar Pustaka ................................................................................................. 19

iii
DAFTAR GAMBAR

Gambar 2.1 Articulated Arm Robot ..................................................................... 8


Gambar 2.2 Relasi Kinematika Maju dan Kinematika Invers ............................. 9
Gambar 2.3 Diagram Sistem Robotika ................................................................ 9

iv
BAB 1
PENDAHULUAN

1.1 Latar Belakang


Perkembangan teknologi saat ini sedang berkembang dengan sangat pesat,
ditinjau dari banyaknya penelitian dilakukan bertujuan untuk mengembangkan
serta memperbaiki kinerja suatu sistem sebagai tindakan positif untuk kemajuan
teknologi. Penelitian yang terus dikembangkan hingga saat ini adalah robot vision,
salah satunya yaitu lengan robot berbasis visual yang memanfaatkan output berupa
video atau image dari kamera sebagai input untuk pergerakan robot.
lengan robot atau dikenal dengan robot manipulator adalah suatu sistem
mekanik yang digunakan dalam memanipulasi pergerakan mengangkat,
memindahkan, dan memanipulasi benda kerja untuk meringankan kerja
manusia[1]. Lengan robot pada saat ini sangat banyak diterapkan pada industri
untuk membantu pekerjaan manusia. Sedangkan Pengolahan citra (image
processing) adalah teknik mengolah citra yang mentransformasikan citra masukan
menjadi citra lain agar keluaran memiliki kualitas yang lebih baik dibandingkan
kualitas citra masukan sehingga dengan penerapan image processing pada lengan
robot diharapkan akan meningkatkan kinerja dari robot dalam melakukan tugasnya
sebagai manipulator [2].
Penggunaan vision data untuk mengontrol gerakan lengan robot merupakan
bentuk dari visual servo control[]. Data citra bisa diperoleh dari kamera yang
dipasang langsung pada ujung gripper atau kamera bisa diletakan diatas area kerja
dari robot sehingga dapat mendeteksi keseluruhan objek pada area kerja. Metode
visual servoing tersebut adalah Image Based Visual Servoing (IBVS) kamera
berada diujung gripper dan Position Based Visual Servoing kamera berada diatas
are kerja robot []
Sebelumnya telah dilakukan penelitian mengenai penerapan metode hybrid
switched reactive berbasis Visual Servoing memanfaatkan IBVS dan PBVS tanpa
menggunakan metode fuzzy[3], modeling dan analisa robot manipulator 6 DOF di
MATLAB memanfaatkan metode D-H untuk mengatur pergerakan antar join pada
lengan robot di area tidak rata (tidak disebut metode image processing yang

1
digunakan)[4], deteksi objek dan tracking menggunakan image processing
menggunakan mikrokontrolker Raspberry Pi sehingga berfokus pada efesiensi
waktu robot untuk memindahkan objek[5], dan perancangan prototype robot
manipulator 5 DOF untuk memindahkan benda berdasarkan warna menggunakan
metode Denavit Hartenberg memanfaatkan sensor warna analog dalam mendeteksi
objek[6].
Berbeda dengan penelitian penelitian sebelumnya, penelitian ini
memanfaatkan teori visual servoing (PBVS) untuk mendeteksi objek secara
realtime menggunakan metode background substraction, untuk mendapatkan
koordinat dari robot dan objek yang dideteksi sehingga koordinat tersebut dapat
digunakan prototipe robot manipulator sebagai penyortir objek menggunakan
metode Forward Kinematic dan Inverse Kinematic yang diolah oleh bahasa
pemrograman MATLAB. Penelitian ini mengambil judul skripsi : Perancangan
Prototipe Visual Servo Manipulator 5 DOF Pemindah Objek Berdasarkan Warna.

1.2 Rumusan Masalah


1. Bagaimana menentukan sistem optimal yang dapat diterapkan untuk
mendeteksi objek memanfaatkan pengolahan citra digital pada MATLAB?
2. Bagaimana mengontrol gerakan lengan robot memanfaatkan metode
Denavit-Hantenberg (D-H) dengan aplikasi Forward dan Inverse
Kinematik?
3. Bagaimana tingkat akurasi lengan robot memanfaatkan pengolahan citra
digital untuk mendeteksi serta memindahkan objek?

1.3 Tujuan
1. Merancang robot manipulator 5 DOF (Degree Of Freedom) dengan sistem
deteksi yang optimal memanfaatkan pengolahan citra digital.
2. Mengaplikasikan metode Denavit Hartenberg aplikasi Forward dan Inverse
Kinematic dalam sistem penggerak arm robot.
3. Menganalisa penggunaan kamera dalam pemanfaatannya pada arm robot
manipulator dalam mendeteksi titik koordinat serta warna dari objek yang
akan dipindahkan.

2
1.4 Batasan Masalah
1. Menggunakan WebCam untuk kamera yang digunakan sebagai pendeteksi.
2. Area Pengujian arm robot manipulator dibatasi pada area kerja robot yang
telah dirancang.

3
BAB II
TINJAUAN PUSTAKA

Tsai, Chi-Yi., Wong, Ching-Chang.,et al. 2015 dengan judul A Hybrid


Switched Reactive Based Visual Servo Control of 5-DOF Manipulators for Pick
and Place Task [3] merancang arm robot manipulator 5 DOF menggunakan 2
kamera utama yaitu pada end effector dan statik kamera yang diposisikan diatas
wilayah kerja robot manipulator. Metode deteksi yang digunakan adalah hybrid
switched reactive berbasis visual servoing tanpa menggunakan logika fuzzy yaitu
Image-Based Visual Servoing (IBVS) untuk menggenggam objek yang paling
dekat dengan gripper dan Position-Based Visual Servoing (PBVS) untuk
memindahkan objek yang telah digenggam oleh gripper menuju lokasi yang
ditetapkan. Metode gerak lengan robot manipulator yang digunakan pada
penelitian ini adalah inverse kinematik memanfaatkan ketetapan posisi servo
Denavit-Hartenberg. Hasil penelitian ini menyatakan dengan menggunakan sistem
hybrid novel image based orientation memungkinkan untuk memindahkan objek
dengan bentuk persegi dan lingkaran dengan akurasi yang tinggi serta memiliki
real-time performance yang baik dan minim error.
Ruben, Jose., Marin, Antonio.,Elvia, 2011 dengan Judul Visual Detection,
Tracking and Pose Estimation of a Robotic Arm End Effector [2] merancang arm
robot manipulator 7 DOF yang posisinya terpisah dengan kamera dimana pada
penelitian ini tidak membahas sistem gerak pada robot arm namun fokus kepada
Visual detection, Tracking dan Pose Estimation dengan menghasilkan proses
skema yang cepat untuk memperhitungkan tracking dan feature extraction untuk
efektor dalam menyeleksi object. Metode yang digunakan dibagi menjadi tiga
proses. Yang pertama adalah fast segmentation HSV pada warna efektor yang
diberikan planar. Langkah ini memperhitungkan segmentasi menggunakan
klasifikasi piksel dan pengukuran kemiripan jarak Euclidean. Yang kedua adalah
menyeleksi daerah yang dimaksud, ektraksi titik fitur, dan tracking ke daerah yang
dimaksud. Dan pada tahap akhir yaitu pencocokan antara referensi frame di bidang
nyata dengan referensi frame pada image dimana proses ini berjalan real time
sehingga digunakan sebagai acuan gerak servo untuk menjepit object. Hasil

4
penelitian ini menyatakan bahwa dengan metode yang diterapkan ini sistem tidak
rentan terhadap error dikarenakan apabila terjadi error maka segmentasi proses
terus menghitung dengan perhitungan yg lebih komplek dalam menentukan lokasi
gripper sesuai dengan memperhitungkan kamera.
Vijayalaxmi., Anjali, K., Srujana, B., Kumar, P.Rothith, 2014 dengan judul
Object Detection And Tracking Using Image Processing [5] penelitian ini fokus
pada dasar untuk mengimplementasikan object detection dan tracking yang
berbasiskan warna, yang merupakan proyek berbasis visual, dimana input untuk
proyek ini berupa data video atau gambar yang terus ditangkap dengan bantuan
webcam yang dihubungkan ke Raspberry Pi sedangkan output-nya adalah gerakan
kamera kearah objek yang terdeteksi dengan bantuan servo yang dikendalikan oleh
arduino dengan mengatur PWM servo. Hasil dari penelitian ini adalah terciptanya
sebuah model yang dapat mendeteksi objek warna tertentu yang bekerja atas data
visual yang ditangkap webcam dimana dengan algoritma yang diuji berjalan
dengan sangat baik dalam semua kondisi dan waktu yang dibutuhkan untuk
melacak object sangatlah cepat yakni kurang dari 10ms.
Iqbal, Jamshed., ul Islam, Raza., Khan,Hamza, 2012 dengan Judul
Modeling and Analysis of a 6 DOF Robotic Arm Manipulator[4] memodelkan
dan menganalisa arm robot 6 DOF dimana pada penelitian ini mengembangkan
kinematic arm robot yang berfungsi mengatur gerakan antar join sehingga
memungkinkan efektor dapat menjepit objek pada bidang tidak rata. Metode utama
yang digunakan pada penelitian ini untuk mengatur gerakan dari arm robot adalah
model Forward Kinematic didasarkan pada metode Denavit Hartenberg sebagai
parameter skema untuk penempatan dan posisioning arm robot. Mengingat posisi
yang diinginkan dan orientasi dari robot dan penjepit. Model Inverse Kinematic
memiliki kriteria yang diperlukan sesuai dengan sudut sendi yang ingin
digerakkan. Sehingga model Forward Kinematic divalidasi pada Robotics Toolbox
untuk MATLAB sementara model Inverse Kinematic diimplementasikan pada
robot arm sebenarnya. Hasil dari penelitian ini menyatakan bahwa model Forward
Kinematic telah dilaviasi menggunakan MATLAB dan hasil dari Forward
Kinematic sama persis dengan MATLAB. Sedangkan menggunakan Inverse

5
Kinematic memberikan sudut sendi yang akurat untuk menggerakan lengan
penjepit pada orientasi bidang kerja-nya dengan akurasi robot mencapai 0.5cm.
Utami, Heka Lusi, 2015 dengan judul Perancangan Prototype robot
Manipulator 5 DOF Untuk Memindahkan Benda Berdasarkan Warna
Menggunakan Metode Denative Herteberg[6] merancang arm robot 5 DOF untuk
memindahkan benda berdasarkan warna dimana sistem ini menggunakan sensor
warna TCS 3200 dalam mendeteksi objek dengan data keluaran berupa frekuensi
dan intensitas cahaya. Sedangkan metode yang digunakan pada arm robot untuk
menentukan koordinat posisi efektor menggunakan metode Denavit Hartenberg
dengan model Forward Kinematic. Hasil dari penelitian ini menyatakan bahwa
arm robot berjalan berfungsi sebagaimana yang diharapkan dalam memanipulasi
benda dengan baik tetapi pada penelitian ini robot hanya dapat mendeteksi benda
yang berada didepannya dengan jarak yang minim dan tingkat error pada joint ke-
tiga dan ke-empat memiliki tingkat error yang cukup tinggi sehingga diperlukan
perbaikan kedepannya.
Berbeda dengan penelitian sebelumnya, penelitian ini berfokus pada object
detection secara realtime untuk mendapatkan koordinat dari robot dan objek yang
dideteksi sehingga koordinat tersebut dapat digunakan prototipe robot manipulator
sebagai penyortir objek menggunakan metode Forward Kinematic Denavit
Hartenberg dan Inverse Kinematic Jacobian yang diolah oleh bahasa
pemrograman MATLAB.

2.1 Definisi Citra


Citra atau image adalah angka, dari segi estetika, citra atau gambar adalah
kumpulan warna yang bisa terlihat, memiliki pola, berbentuk abstrak dan lain
sebagainya. Citra dapat berupa foto, penampang lintang (cross section) dari suatu
benda, gambar wajah, hasil tomografi otak dan lain sebagainya[6]. Citra
didefinisikan sebagai suatu fungsi dua dimensi f(x,y), dimana nilai atau amplitude
dari f pada koordinat spasial (x,y) menyatakan intensitas (kecerahan) citra pada titik
tersebut. Jika x, y, dan nilai intensitas f terbatas sifatnya, citra tersebut dapat disebut
sebagai citra digital[14].

6
Citra digital merupakan citra f(x,y) yang telah dilakukan digitalisasi baik
koordinat area maupun brightness level. Nilai f di koordinat (x,y) menunjukkan
brightness atau grayness level dari citra pada titik tersebut. Dengan kata lain
sederhananya bahwa citra digital adalah citra yang telah disimpan atau dikonversi
ke dalam format digital[15]. Citra yang digunakan pada penelitian ini adalah objek
berukuran Antara 2-4 cm dengan warna variasi yang ditentukan yaitu Red, Green,
Blue. Pada penelitian ini citra digital dari objek didapatkan dari sensor kamera
berupa webcam.

2.2 Object Detection


Berdasarkan penelitian penelitian sebelumnya terdapat banyak metode
yang dapat digunakan untuk menjalankan proses object detection, diantaranya
Background substraction [7][8], Support Vector Machine [9][10][11], Template
Matching[12][13], Color Detection [16]. Pada penelitian ini digunakan metode
object detection berbasis Color Detection yang mencakup beberapa proses
pengolahan citra yaitu.
1. Preprocessing
Proses awal yang dilakukan adalah menangkap obyek secara visual
menggunakan kamera webcam yang terhubung dengan PC. Proses ini
menghasilkan citra dari sudut pandang kamera dengan ukuran 460 x 320
piksel[]. Tahap ini dilakukan noise removal pada gambar sehingga input
menjadi lebih informatif. Pada penelitian ini Noise removal dilakukan
dengan menggunakan Transformasi erosi dan dilasi pada Bahasa
pemrograman MATLAB.
2. Segmentasi
Operasi segmentasi mencakup grayscalling dan thresholding. Proses
grayscalling digunakan untuk mengubah citra warna menjadi citra abu-abu
untuk kemudian dilakukan proses thresholding pada citra hasil[17]. Pada
proses thresholding citra gray-scale diubah menjadi citra biner dengan
memanipulasi 3 nilai ambang (Red, Green, dan Blue) yang berfungsi untuk
memisahkan obyek pada citra dengan latar belakangnya[18]. Pada penelitian
ini objek akan dipisahkan berdasarkan warnanya.

7
3. Estimasi Posisi
Estimasi posisi dilakukan dengan metode proyeksi integral. Metode ini
menghasilkan koordinat titik tengah objek dari hasil proses
segmentasi[16].Proses pencarian titik tengah objek yang dideteksi pada
penelitian ini dilakukan dengan mencari center of gravity dari citra yang
sudah disegmentasi. Teknik ini bisa disebut dengan integral baris dan kolom
piksel, karena integral ini menjumlahkan piksel perbaris dan piksel
perkolom. Persamaan yang digunakan adalah :

= (, ), = (, ) (2.1)

Dimana:
Hx = jumlah piksel hasil integral proyeksi terhadap baris x.
Hy = jumlah piksel hasil integral proyeksi terhadap kolom y.
I(x,y) = piksel hitam pada baris ke-x dan kolom ke y
Ny = panjang citra (piksel)
Nx = lebar citra (piksel)
Metode ini mempermudah untuk menemukan daerah objek tunggal
yang kita perlukan. Untuk mencari titik tengah diperlukan titik paling kiri
obyek (x1) dan titik paling kanan obyek (x2) serta titik paling atas (y1) dan
titik paling bawah (y2). Setelah diketahui titik-titik tersebut dapat ditentukan
titik tengah objek sebenarnya menggunakan Persamaan 2.2 berikut[19].

(1 + 2)
=
2
(2.2)
(1 + 2)
=
2

2.3 Sensor Kamera


Kamera merupakan alat untuk mengakuisisi citra digital. Citra digital yang
ditangkap oleh kamera tersebut dapat diproses sehingga didapatkan parameter
parameter seperti posisi, bentuk, warna yang dibutuhkan sistem untuk
mengendalikan lengan robot manipulator.

8
Lensa pada kamera berguna untuk memfokuskan cahaya yang diterima
sehingga tepat mengenai bidang sensor cahaya. Sensor cahaya yang terdapat pada
kamera merupakan kumpulan dari banyak sensor cahaya yang disusun dalam
bentuk matrik. Sinyal analog yang dihasilkan oleh sensor dikonversikan ke dalam
bentuk digital oleh digitizer sehingga sinyal digital dihasilakan oleh kamera digital.

2.4 Robot Manipulator


Manipulator Robot di definisikan sebagai bagian mekanik yang dapat
difungsikan untuk memindah. Di industri manipulator robot umumnya sering
disebut sebagai lengan robot, dengan link dan sendi. Setiap sendi merupakan rotary
atau revolute. Berbeda dengan manusia sendi robot memiliki derajat lebih sedikit
kebebasan atau disebut derajat kebebasan atau Degree of Freedom (DOF), robot
manipulator dapat bergerak bebas dari suatu sudut tertentu dengan kebebasan yang
lebih dibanding manusia[6].
Terdapat beberapa konfigurasi robot yang sering digunakan, yaitu:
Cartesian robot[20], Cylindrical robot, SCARA (selectively Complaint Assembly
Robot Arm) [21], Spherical Robot[22][23], dan Articulated robot[24]. Pada
penelitian ini model robot manipulator yang akan dikerjakan yaitu Articulated arm
robot karena gerakannya paling menyerupai gerakan manusia. Articulated arm
robot ditunjukan pada gambar 2.1 berikut.

Gambar 2.1 Articulated Arm Robot[21]

9
2.5 Kinematika Robot Manipulator
Kinemaika adalah suatu ilmu yang mempelajari mengenai gerakan
(meliputi lintasan, kecepatan dan percepatan) dari mesin atau mekanisme tanpa
memperhitungkan penyebabnya[6]. Pada penelitian ini kinematika yang digunakan
adalah forward Kinematic dan inverse Kinematic. Forward Kinematics adalah
metode untuk menentukan koordinat posisi (x,y,z) jika diketahui besarnya sudut
setiap sendi dan panjang link lengan robot. Inverse kinematics adalah metode untuk
menentukan besar sudut dan panjang link lengan robot jika mempunyai data
koordinat posisi (x,y,z).

Ruang Sudut / Sendi Forward Kinematic Ruang Kartesian

(r,) P(x,y,z)
Inverse Kinematic
Gambar 2.2 Relasi kinematika Maju dan kinematika invers[6]
Sistem robotika umumnya teridiri dari sistem kontroler, elektronik, dan
mekanik yang dapat dinyatakan dalam bentuk diagram berikut.

Kontroler Elektronik dan Mekanik

Ref + e u y
G(s) H(S)

Gambar 2.3 Diagram Sistem Robotika [6].


Pada Gambar 2.3 Simbol ref menyatakan referensi input (bisa berupa posisi,
kecepatan, dan akselerasi) symbol G(s) adalah persamaan matematik kontroler,
sedangkan H(s) adalah persamaan system robot secara fisik terdiri dari satu system
elektronika dan actuator.
Komponen e ialah error dan komponen u ialah output dari controller,
dengan output y sebagai fungsi gerak robot yang diharapkan selalu sama dengan
referensi gerak yang didefinisikan pada input ref. Pada praktiknya, input
merupakan fungsi dari suatu koordinat vector posisi dan orientasi P(x,y,z) dan
output berupa (1, 2,..... n) dengan n mempresentasikan jumlah send atau
DOF[5].

10
2.5.1 Forward Kinematic Denavit-Hartenberg (D-H)
Tujuan penggunaan metode Denavit Hartenberg pada penelitian ini adalah
untuk mempermudah penentuan parameter parameter yang digunakan sehingga
komputasi menjadi lebih sedikit dibandingkan dengan penentuan Forward
Kinematic standar[19]. Prinsip dasar representasi DH adalah suatu matriks (4x4)
yang berupa sistem koordinat dari suatu link dengan link yang terhubung pada
pangkalnya (link sebelumnya).
Dalam konfigurasi serial, koordinat (ujung) link-1 dihitung brdasarkan
sendi-0 atau sendi pada tubuh robot[5]. Sistem koordinat pada link-2 dihitung
berdasarkan posisi sendi-1 yang berada di ujung link-1 dengan mengasumsikan
link-1 adalah basis gerakan link-2. Demikian seterusnya, link-3 dihitung
berdasarkan link-2, hingga link-ke(n) dihitung berdasarkan link-ke(n-1)[5].
Metode D-H menggunakan 4 buah parameter, yaitu , , d, a. untuk robot
dengan n-DOF maka keempat parameter itu ditentukan hingga yang ke-n.
penjelasannya :
1. n adalah sudut putaran pada sumbu zn-1.
2. n adalah sudut putaran pada sumbu xn.
3. dn adalah translasi pada sumbu zn-1.
4. an adalah translasi pada sumbu xn.
Dari persamaan berikut dapat didefinisikan suatu matriks transformasi
homogen yang mengandung unsr rotasi dan translasi :

(i-1)
Ti = Rotzi Transzi Transxi Rotxi (2.3)

Untuk link dengan konfigurasi revolute joint,Matriks A pada sendi ke-n adalah :

cosn sinncosn sinnsinn ncosn


= [ sinn cosncosn cosnsinn nsinn ]
0 sinn cosn dn
0 0 0 1
Metode ini berguna untuk menganalisis gerak rotasi translasi antara lengan-
lengan yang terhubung dalam suatu manipulator. Prinsipnya ialah transformasi
koordinat antara dua link yang berdekatan, dengan hasil suatu matriks 4x4 yang
menyatakan sistem koordinat dari suatu link dengan link yang terhubung pada link
sebelumnya[6].

11
2.5.2 Inverse Kinematic Jacobian
Inverse Kinematic sulit diterapkan pada robot manipulator yang bergerak
secara kontinyu karena memiliki banyak solusi untuk menentukan sudut dari posisi
yang diinginkan [25]. Pada penelitian ini digunakan inverse kinematic jacobian
yang dapat dimanfaatkan sebagai matriks transformasi antara kecepatan linier titik
koordinat Cartesian dengan kecepatan sudut sendi. Matriks jacobian sendiri
merupakan suatu matrik dengan turunan pertama dari suatu fungsi vektor f:Rm
Rn yang dapat ditulis seperti persamaan 2.4.
1()
2()
.
() = (2.4)
.
.
[()]
Dimana fi:Rm R untuk i bukan himpunan {1,2, . . . n} dengan turunan dari f
sehubungan dengan vektor x yang dapat dinyatakan dalam bentuk matriks jacobian
yang ditunjukkan persamaan 2.5.
1 1

1
=[ ] (2.5)


1

Atau bisa dituliskan seperti persamaan 2.6.


1
2
() = . (2.6)
.
.
[ ]
Derifatif ini juga dikenal sebagai peta tangen dari , dinotasikan T, atau diferensial
dari dinotasikan D untuk menegaskan bahwa diferensiasi adalah terhadap x dapat
dinyatakan sebagai Jx, Txf, Dxf bahkan f/x.

12
BAB III
METODOLOGI PENELITIAN

3.1 Metode Penelitian


Penelitian ini bertujuan untuk membuat lengan robot manipulator 5 DOF
metode Denavit-Hartenberg sebagai aktuator menggunakan teknologi pengolahan
citra digital untuk mendeteksi serta memindahkan objek dari satu area kerja ke area
kerja lainnya berbasiskan warna yang dideteksi kamera.

3.2 Waktu dan Tempat Pelaksanaan


Penelitian akan dilaksanakan pada bulan November 2016 sampai dengan
selesai di lingkungan Gedung Laboratorium Fakultas Teknik Universitas Bengkulu
dengan tahap awal yaitu mempelajari teori pendukung penelitian.

3.3 Alat dan Bahan


Alat yang digunakan :
1. Solder
2. Bor
3. Gergaji Besi
4. Personal Computer (PC)

Bahan yang digunakan :


1. Alumunium
2. Triplek
3. Motor Servo Double Head
4. Webcam
5. Arduino
6. Kabel Jumper, dll.

3.4 Tahap Pelaksanaan Penelitian


Dalam pelaksanaan kegiatan pembuatan prototipe Lengan Robot
Manipulator ini dibutuhkan tahap-tahap yang terstruktur sehingga hasil yang

13
dicapai tepat sesuai tujuan. Adapun kerangka acuan program dapat dilihat pada
gambar 3.1 berikut.
Pembuatan Program
Persiapan Awal & Perancangan Model Perancangan Gerak Robot
Studi Lieteratur Keseluruhan Sistem hardware Menggunakan
Metode DH

Evaluasi dan Perancangan Serial Pembuatan Program


Hasil Akhir Robot
Pembuatan Laporan Komunikasi Matlab Untuk Deteksi
Manipulator
Akhir & Arduino Objek
Gambar 3.1 Diagram Blok Tahapan Penelitian

3.5 Perancangan Model Robot


Perancangan model robot pada peneltian ini meliputi perancangan bentuk
standing kamera, power supply, bodi robot, engsel, area kerja robot, area benda
yang dipindahkan robot, serta penjepit yang digunakan untuk memanipulasi objek.
Rancangan hardware secara umum ditunjukkan pada Gambar 3.2.

Gambar 3.2 Rancangan Akhir Robot Manipulator

14
3.6 Perancangan Perangkat Keras (Hardware)
Perancangan perangakat keras pada pada penelitian terdiri dari beberapa
bagian penting yaitu. Personal Computer (PC), Arduino Uno, Motor Servo,
Kamera. Adapun diagram blok susunan dari perangkat keras ini dapat dilihat pada
gambar 3.2

Servo 1

Servo 2

Input Citra Digital Personal Computer


Arduino Uno Servo 3
(Kamera) (PC)

Servo 4

Servo 5

Gambar 3.3 Diagram Blok Rancangan Robot Manipulator


3.7 Perancangan Software
Perancangan sistem pada penelitian ini terdiri dari 2 bagian utama yaitu
perancangan program gerak servo menggunakan metode Denavit-Hartenberg dan
perancangan program untuk kamera dan keseluruhan kerja sistem, sehingga robot
manipulator bisa mendeteksi dan memindahkan objek ke wadah yang diinginkan
sesuai dengan tujuan yang diinginkan .

3.7.1 Perancangan Program Kendali Servo Robot Manipulator


Perancangan program untuk sistem kendali robot manipulator untuk
mendeteksi koordinat gerak serta mengatur gerak servo memanfaatkan metode D-
H akan bekerja seperti yang terlihat pada flow chart Gambar 3.4.

15
START

Inisialisasi Program

Input PWM
Servo 1 Servo 5

Eksekusi
Servo 1 Servo 5
Sesuai Nilai PWM

Apakah T
Gerak Servo
Benar?

Y
Gunakan Data
Forward Kinematic

Proses Menggunakan
DH Parameter

Standby

END

Gambar 3.4 Flow Chart Kendali Servo Robot Manipulator


3.7.2 Perancangan Program Keseluruhan Kerja Sistem
Perancangan program untuk keseluruhan kerja sistem pada penelitian ini
meliputi perancangan program kamera saat mendeteksi objek serta program gerak
robot manipulator dalam memindahkan objek yang telah dideteksi oleh kamera.
Sistem akan bekerja seperti yang terlihat pada flow chart Gambar 3.5.

16
START

Manipulator Standby

Akuisisi Citra

Pengambilan
informasi objek

T
Objek dideteksi?

Input Data
penyortiran

T T T
Merah Green Blue

Y Y Y

Tempatkan Wadah 1 Tempatkan Wadah 2 Tempat Wadah 3

Manipulator Standby

Selesai

Gambar 3.5 Flow Chart Keseluruhan Kerja Robot Manipulator

17
3.8 Metode Pengujian
Pada penelitian ini terdapat beberapa tahapan pengujian yang dilakukan
yaitu pengujian servo, pengujian deteksi objek, pengujian serial komunikasi antara
MATLAB Arduino dan pengujian sistem secara keseluruhan. Pengujian
dilakukan untuk mengatur dan memastikan setiap sistem dapat bekerja dengan baik.

3.8.1 Pengujian Servo


Pengujian servo dilakukan agar dapat diketahui kondisi servo yang
digunakan dapat berfungsi baik atau tidak, sehingga dapat diketahui apakah servo
bergerak sesuai dengan PWM yang diberikan atau tidak.

3.8.2 Pengujian Deteksi Objek


Pengujian ini bertujuan untuk mengetahui seberapa baik akurasi kamera
dalam mendeteksi objek yang ada di area kerja. Pengujian dilakukan dengan cara
memberikan variasi jarak untuk objek yang dideteksi. Dari hasil pengujian ini dapat
ditentukan jarak optimal kamera menuju objek yang akan dideteksi.

3.8.3 Pengujian Serial Komunikasi MATLAB Arduino


Penelitian ini menggunakan serial komunikasi antara MATLAB dan
Arduino untuk deteksi objek dan pergerakan lengan robot manipulator. Pada
penelitian ini pengujian dilakukan dengan cara memberikan input 0 atau 1 dari
matlab menuju arduino untuk menghidupkan LED.

18
DAFTAR PUSTAKA

[1]. Syam, Rafiuddin. Kinematika dan Dinamika Robot Lengan Untuk Kasus
Robot Penjinak Bom dan Robot Tari Pakkarena. Makassar. Universitas
Hassanuddin, 2015.
[2]. Ruben, Jose., Marin, Antonio.,Elvia. Visual Detection, Tracking and Pose
Estimation of a Robotic Arm End Effector. Mexico. Universitas Veracruzana,
2011.
[3]. Tsai, Chi-Yi, et al. "A Hybrid Switched Reactive-Based Visual Servo Control
of 5-DOF Robot Manipulators for Pick-and-Place Tasks." IEEE Systems
Journal9.1 (2015): 119-130.
[4]. Iqbal, Jamshed., ul Islam, Raza., Khan,Hamza. Modeling and Analysis of a 6
DOF Robotic Arm Manipulator. Canadian Journal on Electrical and
Electronics Engineering Vol. 3, No. 6, July 2012.
[5]. Vijayalaxmi., K.Anjali., B.Srujana., P.Rohith Kumar. Object Detection And
Tracking Using Image Processing. Departement of ECE, Vignan Institue of
Technology and Science, Hyderabad, 2014.
[6]. Lusi Utami, Heka. Perancangan Prototype Robot Manipulator 5 DOF Untuk
Memindahkan Benda Berdasarkan Warna Menggunakan Metode Denavite
Hertenberg. Bengkulu. Program Study Teknik Elektro, Universitas
Bengkulu, 2015.
[7]. Satria, Oking. Perancangan Prototype Robot Manipulator menggunakan
metode Denavit Haternberg. Bengkulu. Program Study Teknik Elektro,
Universitas Bengkulu, 2014.
[8]. Guo, Jing-Ming, et al. "Fast background subtraction based on a multilayer
codebook model for moving object detection." IEEE Transactions on Circuits
and Systems for Video Technology 23.10 (2013): 1809-1821.
[9]. Panda, Deepak Kumar, and Sukadev Meher. "Detection of moving objects
using fuzzy color difference histogram based background subtraction." IEEE
Signal Processing Letters 23.1 (2016): 45-49.
[10]. Morell, Antonio, Mahmoud Tarokh, and Leopoldo Acosta. "Inverse
kinematics solutions for serial robots using support vector
regression." Robotics and Automation (ICRA), 2013 IEEE International
Conference on. IEEE, 2013.
[11]. Chen, Jie, and Henry YK Lau. "Inverse kinematics learning for redundant
robot manipulators with blending of support vector regression
machines." Advanced Robotics and its Social Impacts (ARSO), 2016 IEEE
Workshop on. IEEE, 2016.
[12]. Vijayan, Asha, et al. "Classification of robotic arm movement using SVM and
Nave Bayes classifiers." Innovative Computing Technology (INTECH), 2013
Third International Conference on. IEEE, 2013.

19
[13]. Gavrila, Dariu M., and Vasanth Philomin. "Real-time object detection for
smart vehicles." Computer Vision, 1999. The Proceedings of the Seventh
IEEE International Conference on. Vol. 1. IEEE, 1999.
[14]. Brunelli, Roberto. Front Matter. John Wiley & Sons, Ltd, 2009.
[15]. Agustian, Indra, and Hidayat Risanuri. "Mouse Kamera dengan Deteksi
Wajah Realtime dan Deteksi Kedip Berbasis Metode Haarcascade dan
SURF." Proceedings of Conference On Information Technology and
Electrical Engineering. Fakultas Teknik UGM, Yogyakarta (2012): 146-151.
[16]. Garofalaki, Zacharenia I., John T. Amorginos, and John N. Ellinas. "Object
Motion Tracking Based On Color Detection for Android Devices." World
Academy of Science, Engineering and Technology, International Journal of
Computer, Electrical, Automation, Control and Information Engineering 9.4
(2015): 970-973.
[17]. Jin, Ruibing, and Jianliang Wang. "A vision tracking system via color
detection."Control and Automation (ICCA), 2016 12th IEEE International
Conference on. IEEE, 2016.
[18]. Narkhede, Prachi R., and Aniket V. Gokhale. "Color image segmentation
using edge detection and seeded region growing approach for CIELab and
HSV color spaces." Industrial Instrumentation and Control (ICIC), 2015
International Conference on. IEEE, 2015.
[19]. A. Aly Ashraf, Safaai, Zaki Nazar, Research Review For Digital Image
Segmentation Techniques.Faculty of Computer Science, Universiti Teknologi
Malaysia, 2011.
[20]. Yulianto Andik, Ramadan Edy, Sistem Kendali Robot Manipulator Pemindah
Barang Dengan Umpan Balik Visual. Program Studi Teknik Elektro, Fakultas
Teknologi Industri, Universitas Internasional Batam, 2014.
[21]. Dadfarnia, Mohsen, et al. "A Lyapunov-based piezoelectric controller for
flexible Cartesian robot manipulators." Journal of dynamic systems,
measurement, and control 126.2 (2004): 347-358.
[22]. Sciavicco, Lorenzo, and Bruno Siciliano. Modelling and control of robot
manipulators. Springer Science & Business Media, 2012.
[23]. Halme, Aarne, Torsten Schonberg, and Yan Wang. "Motion control of a
spherical mobile robot." Advanced Motion Control, 1996. AMC'96-MIE.
Proceedings., 1996 4th International Workshop on. Vol. 1. IEEE, 1996.
[24]. Rubio, J. de J., et al. "Variable Structure Model of an Articulated Robotic
Arm."IEEE Latin America Transactions 13.12 (2015): 3794-3802.
[25]. Buss, Samuel R. "Introduction to inverse kinematics with jacobian transpose,
pseudoinverse and damped least squares methods." IEEE Journal of Robotics
and Automation 17.1-19 (2004): 16.
[26]. Chaumette, Franois, and Seth Hutchinson. "Visual servo control. I. Basic
approaches." IEEE Robotics & Automation Magazine 13.4 (2006): 82-90.

20
[27]. Chaumette, Franois, and Seth Hutchinson. "Visual servo control, Part II:
Advanced approaches." IEEE Robotics and Automation Magazine 14.1
(2007): 109-118.

21