Implementasi Jaringan Saraf Tiruan untuk Meningkatkan Akurasi Sensor Kompas Commented [Office1]: Jaringan Saraf Tiruan (JST)

HMC5983 pada Robot KRSBI Beroda

oleh
Muhammad Ghufron Auliya Rahman1
Universitas Brawijaya
Jalan Veteran, Malang, Jawa Timur 65145, Indonesia
Email: muhghufron.ar@gmail.com

Abstrak

Di dalam Kontes Robot Sepakbola Indonesia Beroda (KRSBI Beroda), mahasiswa dituntut
untuk bisa mengembangkan robot yang dapat bergerak secara autonomous, sehingga
dibutuhkan suatu sensor yang dapat dipasang pada robot agar dapat mendeteksi kondisi
lingkungan yang ada disekitarnya, salah satunya yaitu sensor kompas. Sensor kompas yang
digunakan pada tim ENSPARTAN dari Universitas Brawijaya adalah HMC5983. HMC5983
memiliki sensitivitas yang tinggi, namun sayangnya keakurasian derajat putaran sensor
terbilang cukup kecil pada beberapa kondisi. Oleh karena itu, tim ENSPARTAN mencoba
mengimplementasikan Jaringan Saraf Tiruan untuk meningkatkan akurasi sensor kompas
HMC5983 pada robot KRSBI Beroda. Dari hasi peneilitan ini didapatkan bahwadengan
menggunakan JST, akurasi sensor kompas HMC5983 menjadi lebih besar dengan akurasi
rata-rata sebesar 98,43% dengan kesalahan terbesarnya yaitu 3 derajat.

Kata kunci: Jaringan Saraf Tiruan, Sensor Kompas, HMC5983, KRSBI Beroda,
Magnetometer.

PENDAHULUAN

Kontes Robot Sepakbola Indonesia Beroda (KRSBI Beroda) diadakan untuk

meningkatkan keilmuan dan kreatifitas mahasiswa di bidang robotika. Di dalam Kontes
Robot Sepakbola Beroda Indonesia (KRSBI), mahasiswa dituntut untuk dapat
mengembangkan robot yang dapat bergerak secara autonomous, sehingga dibutuhkan suatu
sensor yang dapat dipasang pada robot agar dapat mendeteksi kondisi lingkungan yang ada
disekitarnya, salah satunya yaitu sensor kompas. Akan tetapi mahasiswa sering mengalami
kesulitan dalam penerapan sensor kompas pada robot KRSBI Beroda dengan tepat.
Penggunaan sensor seharusnya digunakan untuk mempermudah mahasiswa memberitahu
robot akan kondisi lingkungannya, akan tetapi nilai error dari pembacaan sensor itu sendiri

1
Mahasiswa Teknik Elektro dan ketua tim utama ENSPARTAN di Universitas Brawijaya.

1
justru mempersulit mahasiswa untuk penerapannya. Sebenarnya, ada beberapa cara yang
dapat diterapkan untuk meningkatkan akurasi sensor kompas.
Agar mendapatkan pembacaan nilai sensor kompas HMC5983 yang lebih akurat, dapat
dilakukan dengan menerapkan beberapa metode yaitu : melindungi sensor dari gangguan
magnet (selain magnet bumi) dari lingkungan sekitarnya menggunakan Magnetic Shielding
Material yang telah didemonstrasikan oleh LessEMF.com pada kanal youtubenya
(https://www.youtube.com/watch?v=oxg_hCvXSrw) dan mengurangi nilai error dengan
mengimplementasikan Jaringan Saraf Tiruan (JST) yang sudah pernah diaplikasikan
sebelumnya untuk Peramalan Penjualan Mobil (F. Pakaja, A. Naba, dan Purwanto).
Otak manusia terdiri dari jutaan unit yang saling berhubungan, yang dikenal secara
individual sebagai neuron biologis. Jaringan Saraf Tiruan (JST) mencoba untuk meniru
bagian biologis neuron tersebut, yang diharapkan selayaknya otak manusia sensor dapat
belajar dari pengalaman kejadian sebelumnya. McCulloch dan Pitts (1943) mengusulkan
model sederhana dari sebuah neuron, dan Hebb (1949) menggambarkan teknik yang dikenal
sebagai Hebbianlearning. Rosenblatt (1961), merancang satu lapisan neuron, yang disebut
Perceptron, yang digunakan untuk pengenalan pola optik. Jaringan Saraf Tiruan memiliki
beberapa keuntungan untuk sistem kontrol cerdas: JST belajar dari pengalaman daripada
bergantung pada pilihan yang konstan, JST memiliki kemampuan untuk menggeneralisasi
dari data pelatihan yang diberikan ke data yang tidak terlihat, dan JST memiliki proses yang
cepat, dan dapat diimplementasikan secara real-time.

Berdasarkan uraian yang telah dipaparkan diatas, untuk (1) mendeskripsikan

pemodelan dasar dari neuron tiruan tunggal untuk sistem kontrol cerdas, (2) mendeskripsikan
perancangan perangkat sistem Jaringan Saraf Tiruan (JST) untuk meningkatkan akurasi
sensor kompas HMC5983, (3) mendeskripsikan pembuatan perangkat lunak Jasingan Saraf
Tiruan (JST) untuk meningkatkan akurasi sensor kompas HMC5983, dan (4)
mendeskripsikan pengaruh pengaplikasian Jaringan Saraf Tiruan terhadap akurasi nilai sudut
pada sensor kompas HMC5983. Maka diperlukan penerapan metode yang tepat untuk
meningkatkan akurasi sensor kompas HMC5983 dan dari 2 metode diatas metode Jaringan
Saraf Tiruan (JST) memiliki potensi lebih besar untuk dikembangkan. Dengan demikian
artikel dengan judul “Implementasi Jaringan Saraf Tiruan untuk Meningkatkan Akurasi
Sensor Kompas HMC5983 pada Robot KRSBI Beroda” perlu ditulis dan dibahas lebih lanjut.

2
PEMBAHASAN
Operasi Neuron Buatan Tunggal
Model dasar dari neuron buatan tunggal terdiri dari penjumlahan bobot dan aktivasi
(atau transfer) fungsi. Gambar 1 menunjukkan sebuah neuron di lapisan ke-j, dimana :

 x1 ... xiadalah masukan

 wj1 ... wjiadalah bobot
 bj adalah bias
 fj adalah fungsi aktivasi
Koneksi
Sinapsis Fungsi
Aktivasi

Jumlah bobot

Gambar 1 Model dasar dari neuron tiruan tunggal

Oleh karena itu jumlah bobot (sj) adalah

𝑁
𝑠𝑗 (𝑡) = ∑ 𝑤𝑗𝑖 𝑥𝑖 (𝑡) + 𝑏𝑗 (1)
𝑖 =1

Persamaan (2.1) dapat ditulis dalam bentuk matrix dengan :

𝑠𝑗 (𝑡) = 𝑾𝑗 𝒙 + 𝑏𝑗 (2)

Fungsi aktifasi f(s) (dimana s adalah jumlah bobot) dapat dibentuk dengan berbagai
format, beberapa di antaranya bahwa bias bj dalam Persamaan (1) dan (2) akan
menggerakkan kurva sepanjang sumbu s, yaitu secara efektif pengaturan threshold di mana
neuron mengirim sinyal. Jadi dalam kasus fungsi yang sulit dibatasi, jika b j = 0, neuron akan
mengirim sinyalketika sj(t) berubah dari negatif menjadi positif.

Fungsi aktivasi sigmoid sangat populer untuk aplikasi jaringan saraf karena dapat
terdiferensiasi dan monotonik, keduanya merupakan syarat untuk algoritma back-
propagation. Persamaan untuk fungsi sigmoid adalah :

1
𝑓(𝑠) = −𝑠𝑗 (2.3)
1+𝑒

3
 JST adalah jaringan neuron tunggal yang disatukan oleh koneksi sinaptik. Gambar 2
menunjukkan jaringan syaraf feedforward tiga lapisan. Jaringan feedforward yang
ditunjukkan pada Gambar 2 terdiri dari tiga lapisan masukan(input layer)neuron, dua lapisan
keluaran(output layer) neuron dan empat lapisan menengah neuron, yang disebut lapisan
tersembunyi(hidden layer). Perhatikan bahwa semua neuron di lapisan tertentu sepenuhnya
terhubung ke semua neuron di lapisan berikutnya. Ini umumnya disebut jaringan multilayer
yang sepenuhnya terhubung, dan tidak ada batasan pada jumlah neuron di setiap lapisan,
termasuk lapisan tersembunyi.

Gambar 2 Bentuk JST feedworward 3 lapisan

Perancangan Perangkat Sistem

Perancangan perangkat elektrik pada penelitian ini dapat digambarkan pada blok
diagram sebagai berikut.
Sumber
Tegangan
5V
VCC GND

MK-Master
(STM32F4 Discovery)
Rx Tx
VCC GND
Tx Rx

MK-Slave
(Arduino Pro
Mini)
VCC GND SDA SCL

Sensor Kompas
(HMC5983)

Gambar 3 Diagram blok rangkaian elektrik

4
 Pada perancangan perangkat elektrik, terdapat empat bagian utama yang dapat dilihat
pada Gambar 3, yaitu sumber tegangan, mikrokontroller master (MK-Master),
mikrokontroller slave (MK-Slave), dan sensor kompas HMC5983 itu sendiri. Sumber
tegangan berfungsi untuk menyuplai semua rangkaian dengan tegangan 5 volt yang
terhubung ke sumber tegangan, dimana sumber tegangan terhubung langsung dengan MK-
Master. MK-Master pada peneilitan ini menggunakan STM32F4 Discovery yang berfungsi
sebagai tempat proses JST serta proses kalibrasi JST akan dilakukan. Sensor kompas yang
disuplai dengan MK-Slave (yang dalam penelitian ini menggunakan Arduino Pro Mini), akan
mengirim data mentah sensor (raw data) ke MK-Slave melalui komunikasi I2C untuk dibaca
dan diolah dalam bentuk satuan derajat. Hasil dari proses pengolahan data sensor pada MK-
Slave akan berkisar antara 1 derajat sampai dengan 360 derajat.

MK-Master menyuplai MK-Slave serta data yang telah diolah pada MK-Slave akan
dikirim melalui komunikasi USART ke MK-Master untuk dilakukan proses JST. Fungsi
adanya MK-Slave disini ialah agar proses pembacaan sensor dapat dilakukan terpisah dengan
proses JST, sehingga pemograman dapat lebih mudah. Adapun peletakan sensor kompas
yang perlu dilakukan yaitu sensor kompas harus sejajar dengan tanah untuk mengurangi
kesalahan akibat peletakan sensor yang miring. Selain itu, sensor juga lebih baik diletakkan
pada bagian titik tengah robot serta sensor lebih baik diletakkan jauh dari sumber medan
magnet yang dapat mengganggu performa sensor, contohnya rangkaian elektrik yang
menghasilkan medan magnet, motor, aktuator, dan sebagainya.

Pembuatan Perangkat Lunak

Pada penelitian ini terdapat 3 bagian program, yaitu program kalibrasi, program
pembacaan sensor kompas, dan program JST itu sendiri. Sebelum dilakukan proses JST,
robot perlu dikalibrasi terlebih dahulu untuk mengetahui kesalahan pengukuran dari sensor
kompas, dimana kalibrasi hanya perlu dilakukan sekali saja. Setelah itu proses JST dapat
dijalankan dengan mengambil acuan dari hasil kalibrasi sebelumnya. Untuk program
pembacaan sensor kompas dilakukan pada MK-Slave, dimana hasil pembacaan dikirim
langsung ke MK-Master melalui komunikasi USART. Kalibrasi digunakan untuk
menyimpan nilai derajat dari sensor kompas (raw data) serta menyimpan nilai derajat
sebenarnya untuk dijadikan target atau setpoint, yang selanjutkan akan digunakan pada proses
JST. Diagram alur untuk kalibrasi JST dapat dilihat pada Gambar 4.

5
 Gambar 4 Diagram alur kalibrasi JST

Pada alur proses JST yang dapat dilihat pada Gambar 5, inisialisasikan input yang akan
dipakai terlebih dahulu, kemudian definisikan input dan target data yang telah diambil
sebelumnya dari hasil kalibrasi. Setelah itu, buat feedforward back propagation 3 layer
network (yang terdiri dari input layer, hidden layer, output layer) dan mulailah perhitungan
total error dari awal dengan cara menjadikan total error=0 terlebih dahulu lalu jalankan JST.
Setelah proses JST dijalankan, bandingkan keluaran JST dengan target data, selisih antara
keluaran JST dan target data adalah error. lalu jumlahkan semua error data yang diperoleh.
Jika total error sudah lebih kecil dari yang diinginkan maka proses training selesai, akan
tetapi jika error masih lebih besar dari yang diinginkan maka training akan dilakukan lagi.
Setelah proses training selesai maka JST akan disimulasikan.

6
 Gambar 5 Diagram alur proses JST

Hasil Dan Pembahasan

Pengujian dilakukan dengan meletakkan robot pada papan yang telah diberi penanda
untuk mengukur sudut derajat putaran robot seperti pada Gambar 6. Robot akan diposisikan
di tengah lingkaran kemudian robot akan menghadap kesudut yang ingin diukur. Pengukuran
akan dimulai dari sudut 0 derajat sampai dengan 360 derajat dengan penambahan sebesar 15
derajat dari pengukuran sebelumnya.

Gambar 6 Papan pengukuran sudut derajat putar robot

7
 Setiap pengukuran tersebut akan dicatat hasil dari nilai sensor kompas yang berupa
nilai mentah (raw data) serta akan dicatat pula nilai dari hasil proses JST. Hasil dari JST
setiap pengukuran akan dibandingkan dengan sudut tujuan untuk mendapatkan persentasi
keakurasian pengukuran dengan JST. Untuk mendapatkan hasil yang mendekati nilai
sebenarnya maka perlu dilakukan pengambilan data lebih dari 20 kali (semakin banyak
proses pengambilan data maka nilai yang kita dapat akan semakin baik)

Tabel 1 Hasil pengujian raw data dan pengujian JST

Akurasi
Sudut Akurasi
No Sudut Tujuan (°) Sudut raw (°) raw
JST (°) JST (%)
(%)
1 0 0 100,00 0 100,00
2 15 14 93,33 16 93,33
3 30 29 96,67 31 96,67
4 45 44 97,78 45 100,00
5 60 66 90,00 63 95,00
6 75 86 85,33 77 97,33
7 90 106 82,22 91 98,89
8 105 127 79,05 106 99,05
9 120 147 77,50 122 98,33
10 135 162 80,00 137 98,52
11 150 178 81,33 153 98,00
12 165 190 84,85 166 99,39
13 180 206 85,56 183 98,33
14 195 219 87,69 197 98,97
15 210 232 89,52 211 99,52
16 225 244 91,56 227 99,11
17 240 258 92,50 243 98,75
18 255 271 93,73 255 100,00
19 270 284 94,81 269 99,63
20 285 297 95,79 285 100,00
21 300 309 97,00 301 99,67
22 315 321 98,10 315 100,00
23 330 332 99,39 328 99,39
24 345 347 99,42 346 99,71
Akurasi
raw = 90,55 % JST = 98,65 %
rata-rata

400

350

300

250

200

150

100

50

0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

raw data Target Sudut Hasil JST

Gambar 7 Grafik hasil pengujian sensor kompas

8
 Hasil pengujian yang dapat dilihat pada Tabel 1 dan Gambar 7 bahwa akurasi rata-rata
dari sensor kompas sebelum adanya JST (raw data) adalah sebesar 90,55%, sedangkan
akurasi rata-rata sensor kompas setelah diberi JST adalah sebesar 98,65%. Akurasi paling
kecil sebelum diberi JST adalah sebesar 77,5% dengan kesalahan terbesarnya 28°, sedangkan
akurasi paling kecil setelah diberi JST adalah sebesar 93,33% dengan kesalahan terbesarnya
3°. Kedua hasil pengukuran tersebut dapat kita simpulkan bahwa dengan penambahan JST
sensor kompas dapat ditingkatkan keakurasiannya sebesar 98,43% dengan kesalahan terbesar
yaitu 3°.

Peningkatan akurasi sensor kompas dapat digunakan untuk mengetahui sudut hadap
robot yang selanjutnya digunakan untuk mengetahui perpindahan robot sehingga robot
tersebut dapat mengetahui posisinya di lapangan secara akurat. Jika data sudut robot tidak
akurat, maka posisi robot di lapangan menjadi tidak akurat yang berakibat robot akan salah
mengarahkan bola ke gawang. Adapun selama penelitian ini berlangsung, didapatkan
kekurangan dan kelebihan dari penggunaan JST pada sensor kompas. Kekurangannya yaitu
dikarenakan ada proses JST yang berlapis yang didalamnya terdapat banyak proses
matematis, mengakibatkan proses looping pada program utama di mikrokontroller master
menjadi lebih lambat. Akan tetapi, kelebihan dari penggunaan JST pada sensor kompas yaitu
kesalahan sensor kompas dapat diperkecil serta proses kalibrasi tidak perlu dilakukan setiap
saat.

Kesimpulan

Berdasarkan pada uraian yang telah dijabarkan sebelumnya serta berdasarkan hasil
pengujian yang telah dilakukan, maka pada penelitian ini dapat ditarik beberapa kesimpulan
sebagai berikut.

1. Pembahasan tujuan 1
2. Dengan menggunakan JST, akurasi sensor kompas HMC5983 menjadi lebih besar dengan
akurasi rata-rata sebesar 98,65% dengan kesalahan terbesarnya yaitu 3 derajat, dimana
sebelum penambahan JST, kesalahan sensor kompas dapat mencapai 28 derajat.
3. Peningkatan akurasi sensor kompas dapat digunakan untuk mengetahui sudut hadap robot
yang selanjutnya digunakan untuk mengetahui perpindahan robot sehingga robot tersebut
dapat mengetahui posisinya di lapangan secara akurat.

9
4. Kekurangan dari penggunaan JST pada sensor kompas yaitu dikarenakan ada proses JST
yang berlapis yang didalamnya terdapat banyak proses matematis, mengakibatkan proses
looping pada program utama di mikrokontroller master menjadi lebih lambat. Akan
tetapi, kelebihan dari penggunaan JST pada sensor kompas yaitu kesalahan sensor
kompas dapat diperkecil serta proses kalibrasi tidak perlu dilakukan setiap saat.

Daftar Pustaka
F. Pakaja, A. Naba dan Purwanto, 2012, “Peramalan Penjualan Mobil Menggunakan Jaringan
Syaraf Tiruan dan Certainty Factor,” Malang
Honeywill, 2012, “3-Axis Digital Compass IC HMC5983”, Plymouth, Honeywell
International Inc.

RISTEKDIKTI, 2017, “Buku Panduan
 Kontes Robot Sepakbola Indonesia Divisi

Beroda
 (KRSBI Beroda)
 2018,” Jakarta

R. S. Burns, 2001, “Advanced Control Engineering,” Oxford

https://www.youtube.com/watch?v=oxg_hCvXSrw , online (diakses 19 November 2018)
(keterangan orang seng upload, lihat contoh ibuknya)

10