Electronic Engineering Polytechnic Institute of Surabaya (EEPIS), Indonesia, October 26, 2011
Identitifikasi area digunakan untuk mengetahui Input dari proses thresholding adalah gambar dari
kondisi area robot meliputi titik awal, titi akhir dan posisi kamera, kemudian dengan menggunakan metode distance
halangan yang berada diantara titik awal dan akhir. threshold dihitung jarak antara acuan dengan obyek real.
Penciptaan jalur, memroses hasil identifikasi area untuk Apabila kurang dari acuan maka warna piksel akan
digunakan sebagai input sistem dari algoritma genetika dirubah menjadi putih. Sebaliknya akan dirubah menjadi
(AG). Sedangkan simulasi, menyimulasikan hasil dari hitam. Pada persamaan 1 untuk menghitung jarak antara
jalur yang telah didapat dari proses AG, dan sebagai warna acuan dan warna real.
penentu titik awal dalam proses penciptaan jalur secara
dinamis. 2 2 2
d ( R r ) (G g ) ( B b ) (1)
382
Control Systems, Technologies and Applications
383
Control Systems, Technologies and Applications
384
Control Systems, Technologies and Applications
Tabel 2. Hasil pengujian FCM Tabel 3. Hasil pengujian titik bantu (via point)
385
Control Systems, Technologies and Applications
Dari hasil pengujian yang dilakukan metode Dari hasil pengujian AG secara online/dinamis,
algoritma genetika dalam menghasilkan jalur optimum individu dengan panjang bit 10 dan 15 memiliki tingkat
berdasarkan tabel 4 – 6 pengujian diatas didapatkan keberhasilan yang besar untuk penerapan perencanaan
panjang bit kromosom yang cukup baik dalam jalur optimum dengan halangan yang dinamis. Seperti
menghasilkan jalur optimum. panjang bit kromosom halnya pada kasus penerapan secara offline/statis jumlah
antara 10 – 20 bit. Hasil ini didapatkan tingkat titik bantu 10 dan 15 cukup efektif karena tidak terlalu
keberhasilan antara 90% hingga 98% untuk penerapan memenuhi area dan mampu menghindar diluar halangan
dalam keadaan offline. yang ada karena kisaran nilai posisi yang cukup lebar
antara titik bantunya. Tingkat keberhasilan dari seluruh
3.2.3 Pengujian AG Secara Online pengujian ada pada kisaran 70.8 % - 74 %.
386
Control Systems, Technologies and Applications
387