TUGAS AKHIR
Oleh
Anggun Islami
09011381520056
BAB I
PENDAHULUAN
Robot adalah sebuah alat mekanik yang dapat melakukan tugas fisik, baik
menggunakan pengawasan dan kendali manusia [1]. Mobile robot dengan dua buah
roda penggerak dengan ditambah satu buah roda castor untuk menjaga
keseimbangan robot merupakan salah satu jenis dari mobile robot berpenggerak
diferensial atau Differential Drive Mobile Robot [2].
Penggunaan sistem robot saat ini sudah digunakan sebagai sistem yang
mempunyai otomatisasi yang sangat tinggi dan dapat membantu pekerjaan/kegiatan
manusia agar lebih efektif dan efisien baik dalam waktu penyelesaian maupun
dalam mitigasi risiko kecelakaan kerja. Terdapat 3 (tiga) tipe robot, yaitu single
robot, multiple robot dan swarm robot. Sistem beberapa robot (swarm robot) dapat
berpotensi memberikan keunggulan dibandingkan sistem single robot yaitu
kecepatan, ketepatan, dan toleransi kesalahan[3]
dipecahkan salah satunya dengan metode ini baik karena data tidak tersedia, tidak
lengkap atau proses yang terlalu kompleks.
Teknik logika fuzzy dalam kontrol pergerakan mobile robot berguna dalam
mengurangi error pergerakan dengan menghasilkan algoritma dan pengambilan
keputusan yang lebih sederhana yang mana dapat mengubah nilai linguistik
menjadi kontrol otomatis, sehingga penggunaan logika fuzzy sebagai pengendali
modern sangat berguna karena dapat dengan baik bekerja untuk sistem-sistem yang
tidak dilinearisasi atau nonlinear dan memberikan kemudahan untuk melakukan
desain program, hal ini dikarenakan di dalamnya tidak menggunakan model
matematis dari sebuah proses [5].
Prinsip dibalik PSO adalah tiap individu yang disebut partikel akan bergerak
dengan kumpulannya yang disebut swarm menuju partikel dengan kinerja terbaik
saat masing-masing partikel mencari posisi maksimalnya. Selama iterasi setiap
partikel dalam swarm selalu memperbarui kecepatan partikel dan posisinya [6].
1. BAB 1 PENDAHULUAN
Bab ini berisi tentang latar belakang, tujuan, rumusan masalah, batasan masalah,
dan sistematika penulisan.
BAB II
TINJAUN PUSTAKA
2.1 Pendahuluan
Tinjauan pustaka atau Studi literatur merupakan langkah awal, dengan
mempelajari literatur yang kemungkinan nanti akan diperlukan. Tinjauan
pustaka ini mempunyai tujuan untuk mendapatkan teori-teori dari beberapa
sumber literatur seperti buku, jurnal, paper serta sumber-sumber lain yang
diperlukan dalam pengerjaan penelitian ini. Pada penelitian mengenai pemodelan
robot leader-follower untuk mencapai target, maka diperlukan tinjauan pustaka
mengenai metode-metode yang pernah digunakan dalam optimisasi pergerakan
robot leader-follower, serta perkembangan penelitian robot tersebut dalam
beberapa dekade terakhir. Berikut akan dibahas beberapa tinjuan pustaka dan
metode yang akan digunakan yang berkaitan dengan penelitian tersebut.
Contoh waktu nyata dari gerak holonomic ini adalah arm robot atau
manipulator robot yang terpasang secara planar sejajar dengan permukaan bumi
dan dilengkapi dengan dua sendi
𝑥̇ 𝑎
𝜃̇
(𝑦̇𝑎 ) = 𝑇𝑁𝐻 ( 𝑅 ) 𝑎𝑡𝑎𝑢 𝑞̇ = 𝑇𝑁𝐻 (𝑞) 𝑢 (2.3)
𝜃̇𝑎 𝜃̇𝐿
Dimana :
𝑇𝑁𝐻 adalah matriks transformasi nonholonomik, 𝜃̇𝑅 dan 𝜃̇𝐿 merupakan kecepatan
radial roda kiri dan kanan, q adalah sistem koordinat umum robot.
Kinematik inversnya dapat ditulis :
(2.4)
yang dapat menimbulkan efek inersia/kelembaman. Setiap struktur dan massa yang
berbeda akan memberikan efek inersia yang berbeda pula sehingga penanganan
dalam pemberian torsi pada tiap sendi seharusnya berbeda pula.
keluarannya tidak dapat digunakan sebagai umpan balik dalam masukkan. Diagram
blok sistem kendali loop terbuka ditunjukkan pada gambar 2.10.
robot leader sehinggga informasi tentang posisi relatif antar robot dengan cepat dan
akurat sangat diperlukan[14].
𝑥̇ 𝑖 𝑐𝑜𝑠𝜃𝑖 −𝑑𝑐𝑜𝑠𝜃𝑖 𝑣
𝑖
𝑝̇𝑖 = [𝑦̇ 𝑖 ] = [ 𝑠𝑖𝑛𝜃𝑖 𝑑𝑐𝑜𝑠𝜃𝑖 ] [𝜔 ] (2.5)
𝑖
𝜃̇𝑖 0 1
Dimana (xci, yci) merupakan koordinat dari massa pi dan θi merupakan kepala
sudut pada robot. Pada persamaan 2.5, 𝑣⃗ 𝜔
⃗⃗ merupakan kecepatan sudut dan linier
pada robot Ri. Po merupakan perpotongan sumbu simetri dengan sumbu roda.
Notasi d merupakan jarak dari titik pusat ke titik Po dan h merupakan jarak dari titik
referensi C ke Po. kinematik robot pemimpin (leader) dan pengikut (follower) pada
formasi dinyatakan dalam bentuk persamaan sebagai berikut:
1
𝜓12 = {𝑣 sin 𝜓12 − 𝑣2 𝑠𝑖𝑛𝛾 + 𝑑𝜔2 𝑐𝑜𝑠𝛾 − 𝑙12 𝜔1 }
𝑙12 1
𝛾12̇ = 𝜔1 − 𝜔2 (2.6)
Fuzzy secara bahasa diartikan sebagai kabur atau samarsamar. Suatu nilai
dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat
keanggotaan yang memiliki rentang nilai 0 (nol) hingga 1(satu). Berbeda dengan
himpunan tegas yang memiliki nilai 1 atau 0 (ya atau tidak). Logika Fuzzy
16
merupakan seuatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness)
antara benar atau salah. Dalam teori logika fuzzy suatu nilai bias bernilai benar atau
salah secara bersama. Namun berapa besar keberadaan dan kesalahan suatu
tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki
derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan logika digital yang
hanya memiliki dua nilai 1 atau 0. Logika fuzzy digunakan untuk menterjemahkan
suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan
besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat,
cepat, dan sangat cepat. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu
benar dan sejauh mana suatu nilai itu salah. Tidak seperti logika klasik
(scrisp)/tegas, suatu nilai hanya mempunyai 2 kemungkinan yaitu merupakan suatu
anggota himpunan atau tidak. Derajat keanggotaan 0 (nol) artinya nilai bukan
merupakan anggota himpunan dan 1 (satu) berarti nilai tersebut adalah anggota
himpunan. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang
input kedalam suatu ruang output, mempunyai nilai kontinyu. Fuzzy dinyatakan
dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu
sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang
sama[11].
Sistem logika fuzzy tipe-1 (T1FLS) adalah tipe yang banyak digunakan.
Akan tetapi, T1FLS hanya bisa menangani tingkat ketidakpastian yang terbatas,
sedangkan di dalam pengaplikasian sering dihadapkan pada banyak sumber dengan
tingkat ketidakpastian yang tinggi [17][18].
2.8.2.1.1. Fuzzifikasi
a. Fungsi linier
Fungsi linier merupakan fungsi naik atau turun dimana setiap nilai x berada
pada interval [0,1] berdasarkan garis lurus yang telah ditentukan.
18
Fungsi keanggotaan :
0, 𝑥 ≤ 𝑎
𝑥−𝑎
µ𝑁𝑎𝑖𝑘[𝑥] = {𝑏−𝑎 , 𝑎<𝑥≤𝑏 (2.7)
0, 𝑥 ≥ 𝑏
Fungsi keanggotaan :
0, 𝑥 ≤ 𝑎
𝑏−𝑥
µ𝑇𝑢𝑟𝑢𝑛[𝑥] = {𝑏−𝑎 , 𝑎 < 𝑥 ≤ 𝑏 (2.8)
0, 𝑥 ≥ 𝑏
Fungsi keanggotaan :
19
0, 𝑥 ≤ 𝑎
𝑥−𝑎
, 𝑎<𝑥≤𝑏
𝑏−𝑎
𝑆𝑒𝑔𝑖𝑡𝑖𝑔𝑎(𝑥: 𝑎, 𝑏, 𝑐) = 𝑐−𝑥 (2.9)
, 𝑏<𝑥≤𝑐
𝑐−𝑏
{ 0, 𝑐 < 𝑥
Fungsi keanggotaan :
0, 𝑥 ≤ 𝑎
𝑥−𝑎
, 𝑎≤𝑥≤𝑏
𝑏−𝑎
𝑇𝑟𝑎𝑝𝑒𝑠𝑖𝑢𝑚(𝑥: 𝑎, 𝑏, 𝑐, 𝑑) = 1, 𝑏 ≤ 𝑥 ≤ 𝑐 (2.10)
𝑑−𝑥
, 𝑐≤𝑥≤𝑑
𝑑−𝑐
{ 0, 𝑑 < 𝑥
2.8.2.1.3. Inferensi
2.8.2.1.5. Defuzzifikasi
Type 2 Fuzzy Logic System (T2FLS) memiliki sistem kinerja yang lebih
baik dibandingkan dengan Tipe-1 Fuzzy Logic (T1FLS) . Dalam penyelesaikan
masalah ketidakpastian, penggunaan Type-2 Fuzzy Logic System (IT2FS), telah
digunakan pada pemodelan ketidakpastian dalam menyelesaikan masalah yang
komplek serta mampu meningkatkan akurasi. Penggunaan Type-2 Fuzzy Logic
System, dengan kerangka umum menangani ketidakpastian linguistik dengan
pemodelan ketidakjelasan. Pada IT2FLS, pengurangan biaya komputasi merupakan
hal yang sangat penting, dimana kompleksitas dalam controller tergantung pada
jenis-reduksi dan tahapan defuzzifikasi. Dengan demikian dalam pengembangan
strategi untuk meningkatkan kinerja dengan mengurangi beban komputasi maka
diperlukan penerapkan dua tahap tersebut.
21
Sistem Logika Fuzzy Interval Tipe-2 (IT2FLS) terdiri dari empat proses
utama yakni fuzzifikasi, pengambilan keputusan (inferensi), reduksi, dan
defuzzifikasi. Struktur tersebut hampir sama dengan sturuktur T1FLS. Yang
menjadi perbedaan adalah setelah mendapatkan hasil dari keluaran inferensi,
dilanjutkan dengan mereduksi untuk mengubah himpunan dari IT2FLS menjadi
himpunan T1FLS. Sehingga, T1FLS terdefuzzifikasi menjadi nilai tegas pada
keluaran IT2FLS.
2.8.2.2.1. Fuzzifikasi
2.8.2.2.4. Inferensi
Pada proses ini sama dengan proses inferensi pada T1FLS, di mana nilai
antecedent yang didapatkan dari proses sebelumnya digunakan untuk pengambilan
keputusan. Perbedaannya, tingkat keanggotaan pada UMF dan LMF memiliki dua
nilai yang dihasilkan. Hubungan inputatau output dengan himpunan T1FLS yang
mengaktifkan satu aturan pada inferensi dan keluaran pada inferensi tersebut.
Proses ini merupakan proses yangkhusus dimiliki IT2FLS. Reduksi tipe ini
diperkenalkan oleh Karnik and Mendel [19]. Disebut sebagai reduksi karena pada
proses ini membawa kita dari himpunan fuzzy keluaran tipe-2 yang dihasilkan oleh
inferensi menjadi himpunan fuzzy tipe-1. Himpunan reduksi tipe kemudian
didefuzzifikasikan untuk mendapatkan hasil yang akan dikirimkan ke robot swarm.
2.8.2.2.5. Defuzzifikasi
yl + yr
y= (2.11)
2
24
BAB 3
METODOLOGI PENELITIAN
3.1 Pendahuluan
Pada bab ini akan dibahas mengenai penelitian dan analisis kebutuhan
perangkat lunak. Tugas Akhir ini berkaitan dengan pemodelan robot leader
follower dengan algoritma PSO dengan Fuzzy Logic interval 2. Model robot yang
digunakan adalah robot swarm yang bernavigasi pada sebuah area dengan sudut
tertentu. Pada perancangan ini langkah pertama yang harus dilakukan adalah
pembuatan kerangka kerja.
Mulai
Pemodelan Matematika
Selesai
𝑞 = [𝑥𝑎 , 𝑦𝑎 , 𝜃𝑎 ]𝑇
28
𝑥̇ 𝑎
(𝑦̇𝑎 ) = 𝑇𝑁𝐻 (𝑞)𝑢
𝜃̇𝑎
𝑥̇ 𝑎
𝜓̇
(𝑦̇𝑎 ) = 𝑇𝑁𝐻 ( 𝑅 ) (3.2)
𝜓̇𝐿
𝜃̇𝑎
Dimana [𝑥̇ 𝑎 , 𝑦̇𝑎 , 𝜃̇𝑎 ]Tmerupakan turunan pertama dari persamaan posisi
robot. TNH adalah transformasi nonholonomik robot. 𝜓̇𝑅 dan𝜓̇𝐿 merupakan
kecepatan roda kiri dan roda kanan.
Pada Gambar 3.2 diasumsikan pada koordinat kartesian xy. Kecepatan roda
kanan (vR) dan roda kiri (vL) robot didapatkan dari persamaan kecepatan va
ditambahkan dengan setengah dari lebar robot dan perpindahan putaran sudut roda
𝜃̇. Sehingga kecepatan roda kiri dan kanan digambarkan pada persamaan berikut:
𝑣𝑅 = 𝑣𝑎 + 𝑏𝜃̇𝑎 (3.3)
𝑣𝐿 = 𝑣𝑎 − 𝑏𝜃̇𝑎 (3.4)
𝑣𝑅 + 𝑣𝐿 = 2𝑣𝑎
1
𝑣𝑎 = (𝑣𝑅 ) + 𝑣𝐿 (3.5)
2
𝑣𝑅 − 𝑣𝐿 = 2𝑏𝜃̇𝑎
𝑣𝑅 −𝑣𝐿
𝜃̇𝑎 = (3.6)
2𝑏
29
𝐴(𝑞)𝑞̇ = 0 (3.7)
𝑑𝑦 sin 𝜃
= tan 𝜃 =
𝑑𝑥 cos 𝜃
𝑑𝑡 𝑦̇𝑎
=
𝑑𝑢 𝑥̇ 𝑎
𝑦̇𝑎 sin 𝜃
=
𝑥̇ 𝑎 cos 𝜃
Roda dan lantai diasumsikan tidak slip, pertemuan antara roda dan lantai
dianggap titik P terlihat pada Gambar 3.4. Sehingga kecepatan roda kiri dan roda
kanan didapatkan dari perubahan putaran sudut roda kiri dan kanan berturut-turut
𝜓̇𝑅 dan 𝜓̇𝐿 yang dikalikan dengan jari-jari r roda, yang dapat dilihat pada Persamaan
(3.9) dan Persamaan (3.10) berikut ini:
𝑣𝑅 = 𝑟𝜓̇𝑅 (3.9)
𝑣𝐿 = 𝑟𝜓̇𝐿 (3.10)
𝑣𝐿 = 𝑣𝑎 − 𝑏𝜃̇𝑎
𝑣𝐿 = 𝑥̇ 𝑎 cos 𝜃 + 𝑦̇𝑎 sin 𝜃 − 𝑏𝜃̇𝑎
𝑟𝜓𝐿 = 𝑥̇ 𝑎 cos 𝜃 + 𝑦̇𝑎 sin 𝜃 − 𝑏𝜃̇𝑎
𝑥̇ 𝑎 cos 𝜃 + 𝑦̇𝑎 sin 𝜃 − 𝑏𝜃̇𝑎 − 𝑟𝜓̇𝐿 = 0 (3.12)
Dari Persamaan konstrain (3.8), (3.11) dan Persamaan (3.12) tersebut dapat
ditulis kembali menjadi bentuk matriks berikut:
sin 𝜃 − cos 𝜃 0 0 0
𝐴𝑞 = [cos 𝜃 sin 𝜃 𝑏 −𝑟 0 ] (3.13)
cos 𝜃 sin 𝜃 −𝑏 0 −𝑟
Dari Gambar 3.5 dengan melihat posisi awal roda terhadap bidang kartesian
xy dapat diperoleh persamaan posisi awal roda robot yaitu Persamaan (3.14),
Persamaan (3.15), dan Persamaan (3.16) berikut.
𝑞 = [𝑥𝑎 , 𝑦𝑎 , 𝜃𝑎 ]𝑇 (3.14)
Dimana,
𝑥𝑎 = 𝑣𝑎 sin 𝜃
𝑦𝑎 = 𝑣𝑎 cos 𝜃
𝜃𝑎 = 𝑣𝑎 (3.15)
𝑥̇ 𝑎 = 𝑣𝑎 cos 𝜃
𝑣𝑅 + 𝑣𝐿
𝑥̇ 𝑎 = cos 𝜃
2
𝑟𝜓𝑅 cos 𝜃+ 𝑟𝜓𝑅 cos 𝜃
𝑥̇ 𝑎 = (3.17)
2
𝑦̇𝑎 = 𝑣𝑎 sin 𝜃
𝑣𝑅 + 𝑣𝐿
𝑦̇𝑎 = sin 𝜃
2
𝑟𝜓𝑅 sin 𝜃+ 𝑟𝜓𝑅 sin 𝜃
𝑦̇𝑎 = (3.18)
2
𝑣𝑅 − 𝑣𝐿
𝜃𝑎 = 2𝑏
𝑟𝜓𝑅 − 𝑟𝜓𝐿
𝜃𝑎 = (3.19)
2𝑏
33
𝑢1 = 𝜓𝑅
𝑢2 = 𝜓𝐿
𝜃̇𝑎 = 𝜔 (3.21)
Sehingga model kinematik dari gerakan DDMR sebagai berikut:
𝑞̇ = 𝑇𝑁𝐻 (𝑞) 𝑢
𝑟 𝑟
𝑥̇ 𝑎 cos 𝜃 cos 𝜃
2 2
𝑟 𝑢1𝑟
[𝑦̇𝑎 ] = 2
sin 𝜃 2
sin 𝜃 [ 𝑢2 ] (3.22)
𝜃̇𝑎 𝑟 𝑟
− 2𝑏 ]
[ 2𝑏
𝑣𝑅 = 𝑣𝑎 + 𝑏𝜃̇𝑎
𝑟𝜓̇𝑅 = 𝑣𝑎 + 𝑏𝜃̇𝑎
𝑟𝑢1 = 𝑣𝑎 + 𝑏𝜔
𝑣𝑎 𝑏𝜔
𝑢1 = 𝑟
+ 𝑟
(3.23)
34
𝑣𝐿 = 𝑣𝑎 + 𝑏𝜃̇𝑎
𝑟𝜓̇𝐿 = 𝑣𝑎 + 𝑏𝜃̇𝑎
𝑟𝑢2 = 𝑣𝑎 + 𝑏𝜔
𝑣𝑎 𝑏𝜔
𝑢2 = + (3.24)
𝑟 𝑟
Kemudian input robot pada Persamaan (3.23) dan Persamaan (3.24) dapat
dituliskan dalam bentuk matriks menjadi Persamaan (3.25) berikut:
1 𝑏
𝑢1 𝑣
[𝑢 ] = [𝑟1 𝑟 𝑏] [ 𝑎 ] (3.25)
2 −𝑟 𝜔
𝑟
𝑟 𝑟
cos 𝜃 cos 𝜃
𝑥̇ 𝑎 2 2
𝑟 𝑟 𝑢1
[𝑦̇𝑎 ] = sin 𝜃 sin 𝜃 [𝑢 ]
2 2 2
𝜃̇𝑎 𝑟 𝑟
[ 2𝑏 −
2𝑏 ]
r r
𝑥̇ 𝑎 cos θ cos θ 1 𝑏
2 2
r r 𝑣𝑎
[𝑦̇𝑎 ] = 2
sin θ 2 sin θ [𝑟1 𝑟
𝑏] [ 𝜔 ]
𝜃̇𝑎 r r −𝑟
− 2b ] 𝑟
[ 2b
𝑟 1 𝑟 1 𝑟 𝑏 𝑟 𝑏
cos 𝜃 + cos 𝜃 cos 𝜃 + cos 𝜃 (− )
𝑥̇ 𝑎 2 𝑟 2 𝑟 2 𝑟 2 𝑟
𝑟 1 𝑟 1 𝑟 𝑏 𝑟 𝑏 𝑣
[𝑦𝑎 ] = sin 𝜃 + sin 𝜃
̇ sin 𝜃 + sin 𝜃 (− ) [ 𝜔𝑎 ]
2 𝑟 2 𝑟 2 𝑟 2 𝑟
𝜃̇ 𝑎 𝑟 1 𝑟 1 𝑟 𝑏 𝑟 𝑏
+ (− ) + (− ) (− )
[ 2𝑏 𝑟 2𝑏 𝑟 2𝑏 𝑟 2𝑏 𝑟 ]
1 1 𝑏 𝑏
cos 𝜃 + cos 𝜃 cos 𝜃 − cos 𝜃
𝑥̇ 𝑎 2 2 2 2
1 1 𝑏 𝑏 𝑣𝑎
[𝑦̇ 𝑎 ] = sin 𝜃 + sin 𝜃 sin 𝜃 − sin 𝜃 [ 𝜔 ]
2 2 2 2
𝜃̇ 𝑎 1 1 1 1
[ − + ]
2𝑏 2𝑏 2 2
35
𝑥̇ 𝑎 cos 𝜃(𝑡) 0
𝑣
[𝑦̇ 𝑎 ] = [ sin 𝜃(𝑡) 0] [ 𝑎 ] (3.26)
𝜔
𝜃̇ 𝑎 0 1
Berdasarkan Gambar 3.6 diasumsikan dengan roda dan lantai tidak slip.
Sehingga persamaan kinematic constraint nonholonomic ditunjukkan sebagai
berikut :
𝑦̇𝑎 cos 𝜃𝑎 − 𝑥̇ 𝑎 sin 𝜃𝑎 = 𝑑𝜃̇𝑎 (3.27)
36
𝑥̇ 𝑎 cos 𝜃𝑎 − 𝑑 cos 𝜃𝑎 𝑣
𝑎
𝑝̇𝑎 = [ 𝑦̇𝑎 ] = [ sin 𝜃𝑎 − 𝑑 cos 𝜃𝑎 ] [𝜔 ] (3.28)
𝑎
𝜃̇𝑎 0 1
Dimana
𝑣𝑎 : Kecepatan linier
𝜔𝑎 : Kecepatan sudut pada robot
Dari Gambar 3.6 ditunjukkan robot follower Rb mengikuti robot leader Ra.
Berikut parameter-parameter yang didapatkan dari Gambar 3.7 sebagai berikut:
𝑅𝑎 : Robot leader
𝑅𝑏 : Robot follower
𝑝𝑎 : Posisi aktual robot leader
𝑝𝑏 : Posisi aktual robot follower
𝑝𝑏𝑑 : Posisi robot follower yang diharapkan
𝐿𝑎𝑏 : Jarak aktual antar robot leaderdan follower
𝜓𝑎𝑏 : Sudut aktual pergerakan roda antara followerdan leader
𝐿𝑑𝑎𝑏 : Jarak robot leader dan robot follower yang diharapkan
𝑑
𝜓𝑎𝑏 : Sudut pergerakan roda robot leader dan robot follower yang
diharapkan
Hubungan geometris antar robot didapatkan dari posisi robot follower 𝑝𝑏𝑑
yang diharapkan kemudian diimplementasikan dalam bentuk persamaan berikut,
𝑑
dimana nilai 𝜓𝑎𝑏 =0:
𝑝𝑏 = [𝑥𝑏 , 𝑦𝑏 , 𝜃𝑏 ]𝑇
𝑥𝑏 − 𝑑 cos 𝜃𝑏 + 𝐿𝑑𝑎𝑏 cos(𝜓𝑎𝑏
𝑑
+ 𝜃𝑏 )
𝑑 𝑑
= [ 𝑦𝑏 − 𝑑 sin 𝜃𝑏 + 𝐿𝑎𝑏 sin(𝜓𝑎𝑏 + 𝜃𝑏 ) ] (3.30)
𝜃𝑏
Jarak aktual antar robot 𝐿𝑎𝑏 di sumbu x dan y pada koordinat cartesian
berikut:
Dimana 𝐿𝑎𝑏𝑥 dan 𝐿𝑎𝑏𝑦 dinotasikan sebagai jarak relatif aktual antara leader
dan follower terhadap koordinat cartesian sumbu x dan y masing-masing sebagai
berikut:
𝐿𝑎𝑏𝑥 = 𝑥𝑎 − 𝑥𝑏 − 𝑑 cos 𝜃𝑎
= −𝐿𝑎𝑏 cos(𝜓𝑎𝑏 + 𝜃𝑎 )
𝐿𝑎𝑏𝑦 = 𝑦𝑎 − 𝑦𝑏 − 𝑑 sin 𝜃𝑎
= −𝐿𝑎𝑏 sin(𝜓𝑎𝑏 + 𝜃𝑎 ) (3.32)
Hasil turunan pertama dari Persamaan (3.32)disubsitusikan pada Persamaan
(3.28) menjadi
1
𝐿̇𝑎𝑏 = (𝐿𝑎𝑏𝑥 . 𝐿̇𝑎𝑏𝑥 + 𝐿𝑎𝑏𝑦 . 𝐿̇𝑎𝑏𝑦 )
√𝐿𝑎𝑏𝑥 2 + 𝐿𝑎𝑏𝑦 2
1
𝐿̇𝑎𝑏 = [𝑣 (𝐿 cos 𝜃𝑎 + 𝐿𝑎𝑏𝑦 sin 𝜃𝑎 )]
𝐿𝑎𝑏 𝑎 𝑎𝑏𝑥
1
𝐿̇𝑎𝑏 − [𝑣 (𝐿 cos 𝜃𝑏 + 𝐿𝑎𝑏𝑦 sin 𝜃𝑏 )]
𝐿𝑎𝑏 𝑏 𝑎𝑏𝑥
1
𝐿̇𝑎𝑏 + [−𝑑𝜔𝑏 (−𝐿𝑎𝑏𝑥 sin 𝜃𝑏 + 𝐿𝑎𝑏𝑦 cos 𝜃𝑏 )]
𝐿𝑎𝑏
𝐿̇𝑎𝑏 = −𝑣𝑎 cos 𝜓𝑎𝑏 + 𝑣𝑏 cos 𝛾𝑎𝑏 + 𝑑𝜔𝑗 sin 𝛾𝑎𝑏 (3.35)
𝐿̇𝑎𝑏 = −𝑣𝑎 cos 𝜓𝑎𝑏 + 𝑣𝑏 cos 𝛾𝑎𝑏 + 𝑑𝜔𝑏 sin 𝛾𝑎𝑏 , (3.37)
39
1
𝜓̇𝑎𝑏 = [𝑣𝑎 sin 𝜓𝑎𝑏 − 𝑣𝑏 sin 𝛾𝑎𝑏 + 𝑑𝜔𝑏 cos 𝛾𝑎𝑏 ] − 𝜔𝑎 (3.38)
𝐿𝑎𝑏
cm. Pada perangkat lunak ini, hasil bacaan model sensor untuk
mendapatkan jarak terdekat antara titik model sensor dengan bidang
persegi model halangan. Pseudocode sensor ultrasonik dapat dilihat
pada Gambar 3.10
Start
Inisialisasi
input dan
output
Read Input
Proses
pedefinisian fuzzy
input
Proses Fuzzifikasi
Finish
3.4.1 Fuzzifikasi
𝟐
𝟏 𝒙𝒊 −𝒄𝒍𝒊𝟏
𝒇𝒍𝒊 = 𝒆𝒙𝒑 [− ( ) ] , 𝛔𝒍𝒊 ∈ ⌈𝛔𝒍𝒊𝟏 , 𝛔𝒍𝒊𝟐 ⌉ (3.39)
𝟐 𝛔𝒍𝒊
𝒄𝒍𝒊𝟏 + 𝒄𝒍𝒊𝟐
(𝒄𝒍𝒊𝟏 , 𝛔𝒍𝒊 ; 𝒙𝒊 ), 𝒙𝒊 ≤ 2
𝑓={
𝒄𝒍𝒊𝟏 + 𝒄𝒍𝒊𝟐
(𝒄𝒍𝒊𝟐 , 𝛔𝒍𝒊 ; 𝒙𝒊 ), 𝒙𝒊 > 2
(3.41)
44
̅
Gambar 3.15 Pseudocode Rule Base dan Inferensi 𝑓 𝑚𝑖𝑛
Nilai ̅
𝑓 𝑚𝑖𝑛 dari tiap-tiap kombinasi masukan akan di simpan dan
dihitung pada nilai 𝑓𝑚𝑖𝑛. Berikut pseudocode untuk 𝑓𝑚𝑖𝑛 :
Tentukan nilai-nilai ykiri[i] untuk i=1,2,...,banyak kaidah, sesuai dengan keluaran dari
tiap
kombinasi baris kaidah
ykiri[i] = ckrkiri, jika keluaran = kiri
ykiri[i] = ckrlurus, jika keluaran = lurus
ykiri[i] = ckrkanan, jika keluaran = kanan
Urutkan himpunan yli beserta urutan kombinasi kaidahnya secara menaik untuk
i=1,2,...,banyak kaidah.
𝑓𝑚𝑖𝑛 𝑖
̅ i+
Hitung nilai-nilai fmin i = 𝑓min ⁄ untuk i = 1,2,....,banyak rules
2
∑𝑁
𝑖=1 𝑦𝑘𝑖𝑟𝑖[𝑖] 𝑓𝑚𝑖𝑛 𝑖
Hitung nilai ykiri’ = ∑𝑁
, dengan N=banyak rules
𝑖=1 𝑓min 𝑖
Tentukan nilai ykiri”= -1
Tentukan nilai k_lama =0
Tentukan nilai k_baru = 0
Tentukan nilai break=false;
While (break=false) do
Tentukan nilai k=0
Cari nilai k_baru, dimana ykiri[i] ≤ fmin k_baru ≤ ykiri(i+1) dengan i=1,2,...,banyak
kaidah
Jika k_baru ≤ k_lama, break = true;
∑𝑘 𝑁
𝑖=1 𝑦𝑖 𝑓 min 𝑖 + ∑𝑖=𝑘+1 𝑦𝑖𝑓
̅𝑚𝑖𝑛 𝑖
Hitung nlai ykanan = ∑𝑁 , dimana N = banyak kaidah
𝑖=1 𝑓 min 𝑖 + ∑𝑁 ̅
𝑖=𝑘+1 𝑓 𝑚𝑖𝑛 𝑖
jika ykiri’ = ykiri “break = true
jika ykiri’ ≠ ykiri”
ykiri’ = ykiri”
k_lama=k_baru
endwhile
Tentukan nilai ykiri= ykiri”
𝒚𝒌𝒊𝒓𝒊 +𝒚𝒌𝒂𝒏𝒂𝒏
𝒚= (3.42)
𝟐
1 Dekat [5.5 0]
1 Dekat [5.5 0]
1 Dekat [5.5 0]
1 Kiri [4 0]
2 Lurus [3 8]
3 Kanan [4 15]
1 Cepat [3 0]
2 Sedang [3 7]
3 Lambat [3 13]
4. Rule base pada sensor0 = dekat and sensor1 = dekat and sensor2
= dekat maka keluaran arah sudut senilai 5.11 dengan keluaran
lurus dan kecepatan senilai 8.55 dengan keluaran lambat.
Berikut hasil rule base dapat dilihat pada Gambar 3.19
54
akhir ini posisi tiap robot adalah setiap perubahan jarak robot dalam mendekati
target. Global best dan f() global best telah ditentukan sebelumnya karena global
best adalah posisi optimal yang akan dicapai oleh robot. Dalam hal ini global best
adalah jarak minimal robot dari target dan f() global best adalah besarnya nilai
target maksimal yang dibaca oleh robot. Sedangkan particle best dan f() particle
best adalah nilai inputan dari sensor robot, dimana particle best adalah jarak posisi
robot dari target dan f() particle best adalah besarnya nilai dari target pada jarak
tersebut.
Permasalahan tidak berlakunya nilai particle best karena perubahan
lingkungan, dapat diselesaikan dengan membuat posisi terakhir masing-masing
partikel menjadi nilai particle best dari partikel tersebut
∀𝑝𝑖𝑘 , 𝑥𝑖𝑘 : lingkungan berubah → 𝑝𝑖𝑘 = 𝑥𝑖𝑘 (3.43)
Ketika PSO menjadi konvergen, maka nilai faktor sosial akan mendekati
nol. Sementara itu, berubahnya posisi nilai particle best menjadi posisi terakhir
agent akan membuat nilai seperti yang ditunjukkan pada persamaan 3.40 :
Persamaan PSO standar dapat dilihat pada persamaan 3.44 dan persamaan
3.45 berikut.
Individu Sosial
Dimana :
i = partikel ke i,
56
k = iterasi PSO ke k
𝑐1 = tingkat akselerasi untuk faktor kognitif, bernilai antara 0 - 2
𝑐2 = tingkat akselerasi untuk faktor sosial, bernilai antara 0- 2
𝑉𝑖𝑘 = kecepatan partikel ke i pada iterasi ke k
𝑥𝑖𝑘 = posisi partikel ke i pada iterasi ke k
𝑝𝑖𝑘 = local best dari partikel ke i pada iterasi ke k
𝑝𝑔𝑘 = global best pada iterasi ke k
rand = fungsi acak, bernilai antara 0 – 1
Start
INISIALISASI
(partikel, i, 𝑐1 , 𝑐2 , w)
READ INPUT
f(x)
NO
f(x)>f(pbest)
YES
pbest = xi
NO
f(x)>f(gbest)
YES
gbest = xi
UPDATE SPEED
END
Deklarasi :
pbest, gbest : integer
Deskripsi :
for→ i
if f(xi) > f(pbest) then
pbest xi
end if
if f(xi) >f(gbest) then
gbest xi
end if
end for
wrand {0-1}
for→ i
𝑣𝑖𝑘+1 𝑣𝑖𝑘 + 𝑐1 ∗ 𝑟𝑎𝑛𝑑 ∗ (𝑝𝑖𝑘 − 𝑥𝑖𝑘 ) + 𝑐2 ∗ 𝑟𝑎𝑛𝑑 ∗ (𝑝𝑔𝑘 − 𝑥𝑖𝑘 )
end for
Gambar 3.22. Pseudo Code Particle Swarm Optimization
Dengan menganalisis persamaan (3.45) dan (3.46) dapat diperoleh bahwa setiap
partikel mengikuti dua nilai 'terbaik', Kecepatan partikel dengan cepat mendekati
nol, yang menyebabkan partikel stuck secara lokal. Algoritma original PSO pada
persamaan (3.41) di modifikasi kedalam persamaan sebagai berikut:
Dimana,
𝑖𝑡𝑒𝑟𝑚𝑎𝑥 −𝑖𝑡𝑒𝑟
𝑤 = 𝑤𝑖𝑛𝑖 − ( ) ∗ (𝑤𝑚𝑎𝑥 − 𝑤𝑚𝑖𝑛 ) (3.51)
𝑖𝑡𝑒𝑟𝑚𝑎𝑥
Deklarasi :
pbest, gbest : integer
w: integer
Deskripsi :
for→ i
if f(xi) > f(pbest) then
pbest xi
end if
if f(xi) >f(gbest) then
gbest xi
end if
end for
w 𝑤 = 𝑤𝑖𝑛𝑖 − (𝑖𝑡𝑒𝑟𝑚𝑎𝑥 − 𝑖𝑡𝑒𝑟⁄𝑖𝑡𝑒𝑟𝑚𝑎𝑥 ) ∗ (𝑤𝑚𝑎𝑥 − 𝑤𝑚𝑖𝑛 )
for→ i
𝑣𝑖𝑘+1 𝑤𝑖 ∗ 𝑣𝑖𝑘 + 𝑐1 ∗ 𝑟𝑎𝑛𝑑 ∗ (𝑝𝑖𝑘 − 𝑥𝑖𝑘 ) + 𝑐2 ∗ 𝑟𝑎𝑛𝑑 ∗ (𝑝𝑔𝑘 − 𝑥𝑖𝑘 )
end for
Gambar 3.23 Pseudo Code Dynamic Particle Swarm Optimization
cukup kecil, maka dapat dipastikan PSO sudah menuju ke titik konvergen. Cara
lain, jika perhitungan kecepatan pada PSO memberikan hasil yang mendekati
nol maka pertikel hampir tidak bergerak, dan perhitungan PSO dapat
dihentikan.
𝑅
𝑚𝑎𝑥
𝑅𝑛𝑜𝑟𝑚 = diameter(𝑆) (3.48)
𝑓(𝑥) adalah fitness function yang menghitung seberapa besar solusi telah
ditemukan pada posisi x. Jika f terlalu kecil, maka kumpulan partikel dapat
diasumsikan sudah konvergen menuju satu titik. Di sini juga dibutuhkan
batasan seberapa dekat perubahan yang terjadi dengan nol. Seperti pada
kondisi-kondisi sebelumnya, jika ambang batas terlalu besar, maka PSO akan
berhenti sebelum solusi yang optimal ditemukan, begitu pula sebaliknya.
62
BAB 4
4.1.Pendahuluan
Pada bab ini akan dilakukan pengujian pada perangkat lunak yang telah
dibuat. Dalam pengujian dan analisa dijelaskan prosedur-prosedur pengujian dan
evaluasi PSO-Fuzzy Tipe 2.
Start
Iya
Target
Ditemukan
an
Tidak
END
(a) (b)
(c) (d)
65
(e) (f)
(g)
dan posisi akhir pada saat robot telah mencapai target serta waktu yang ditempuh
masing-masing robot dalam mencapai target yang telah ditentukan.
Tabel 4.1. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan Fuzzy type-2 tanpa halangan
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 6 detik dan titik akhir lebih kurang 46 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 40 detik.
Dari trajectory pada gambar 4.5 bahwa dari posisi awal robot telah bergerak
dengan memperhatikan sudut putar dan kecepatan berjalan robot leader follower ke
target terlihat dari hasil trajectory yang mengarah pada satu titik. Berikut ini
dijelaskan posisi awal masing-masing robot pada saat mulai bergerak menuju target
dan posisi akhir pada saat robot telah mencapai target serta waktu yang ditempuh
masing-masing robot dalam mencapai target yang telah ditentukan. Terlihat bawa
trajectory susah untuk menemukan target tetapi trajectory nya melaju dengan
teratur.
Tabel 4.2. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan Fuzzy type-2 satu halngan
Dari trajectory pada gambar 4.6 bahwa dari posisi awal robot telah bergerak
dengan memperhatikan sudut putar dan kecepatan berjalan robot leader follower ke
target terlihat dari hasil trajectory yang mengarah pada satu titik dan melawati
halagan tanpa tersetuh halangan tersebut. Berikut ini dijelaskan posisi awal masing-
masing robot pada saat mulai bergerak menuju target dan posisi akhir pada saat
70
robot telah mencapai target serta waktu yang ditempuh masing-masing robot dalam
mencapai target yang telah ditentukan.
Tabel 4.3. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan Fuzzy type-2 dua halangan
Jarak Sensor 9 9 9 9
Kiri
Kecepatan 3.35 3.35 1.8 1.8
pindah
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 6 detik dan titik akhir lebih kurang 48 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 42 detik.
Tabel 4.5. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan Fuzzy type-2 empat
halangan
Sudut 0 0 0 31
Sudut 0 0 31 0
75
ketiga tersentuh oleh robot. Berikut ini dijelaskan posisi awal masing-masing robot
pada saat mulai bergerak menuju target dan posisi akhir pada saat robot telah
mencapai target serta waktu yang ditempuh masing-masing robot dalam mencapai
target yang telah ditentukan dengan melewati enam halangan.
Tabel 4.7. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan Fuzzy type-2 enam halangan
dapat disimpulkan bahwa robot follower selalu mengikuti robot leader dengan
posisi dibelakang robot leader, dan antara robot leader dan follower dapat menjaga
jaraknya. Hal ini dikarenakan kecepatan yang dikendalikan oleh algoritma LFIT 2
mempengaruhi perubahan kecepatan dengan selisih yang tidak drastis berubah jauh
sehingga gerak antar robot leader dan follower dapat dikendalikan dengan sangat
baik dalam menghindari tabrakan.
(a) (b)
78
(c) (d)
(e) (f)
79
(g)
Dari trajectory pada gambar 4.12 bahwa dari posisi awal robot telah
bergerak dengan memperhatikan sudut putar dan kecepatan berjalan robot leader
follower ke target terlihat dari hasil trajectory yang mengarah pada satu titik.
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai bergerak
menuju target dan posisi akhir pada saat robot telah mencapai target serta waktu
yang ditempuh masing-masing robot dalam mencapai target yang telah ditentukan.
Tabel 4.8. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan PSO tanpa halangan
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 1 detik dan titik akhir lebih kurang 5 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 4 detik.
81
Dari trajectory pada gambar 4.13 bahwa dari posisi awal robot telah
bergerak dengan memperhatikan sudut putar dan kecepatan berjalan robot leader
follower ke target terlihat dari hasil trajectory yang mengarah pada satu titik. Serta
memiliki jarak antara robot dengan halangan. Berikut ini dijelaskan posisi awal
masing-masing robot pada saat mulai bergerak menuju target dan posisi akhir pada
saat robot telah mencapai target serta waktu yang ditempuh masing-masing robot
dalam mencapai target yang telah ditentukan. Terlihat bawa trajectory robot
tersebuut terlihat teratur untuk mencapai sebuat target.
82
Tabel 4.9. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan PSO satu halngan
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 1 detik dan titik akhir lebih kurang 15 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 14 detik.
Tabel 4.10. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan PSO dua halangan
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 1 detik dan titik akhir lebih kurang 10 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 9 detik.
akhir pada saat robot telah mencapai target serta waktu yang ditempuh masing-
masing robot dalam mencapai target.
Tabel 4.11. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan PSO tiga halangan
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 1 detik dan titik akhir lebih kurang 14 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 13 detik.
Tabel 4.12. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan PSO empat halangan
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 1 detik dan titik akhir lebih kurang 30 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 29 detik.
Dari trajectory pada gambar 4.17 sama hal nya seperti gambar 4.16 bahwa
dari posisi awal robot telah bergerak dengan memperhatikan sudut putar dan
kecepatan berjalan robot leader follower ke target terlihat dari hasil trajectory yang
mengarah pada satu titik dan terlihat bahwa trajectory menemukan target dan
88
Tabel 4.13. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan Fuzzy type-2 lima halangan
Titik Mulai Titik Akhir
Leader Follower Leader Follower
Koordinat X -7.4 -7.5 -5.018287 -3.103205
Koordinat Z -8.7 -11.4 12.76932 13.14542
Waktu 1.66562 1.65234 29.38593 29.36234
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 1 detik dan titik akhir lebih kurang 29 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 28 detik.
Tabel 4.14. Titik Koordinat Awal dan Akhir serta Waktu dan sudut yang
ditempuh Robot dalam mencapai target menggunakan PSO enam halangan
Titik Mulai Titik Akhir
Leader Follower Leader Follower
Koordinat X -7.4 -7.5 -5.969064 -5.566927
Koordinat Z -8.7 -11.4 10.8 8.85244
Waktu 1.94723 1.93754 32.39052 32.38365
90
Berdasarkan Tabel diatas bahwa waktu yang ditempuh robot pada titik awal
lebih kurang 1 detik dan titik akhir lebih kurang 32 detik, maka perbandingan waku
antara keduanya yaitu lebih kurang 31 detik.
4.4 Hasil dan Analisis Perbandingan Simulasi Fuzzy Tipe 1 – PSO dengan
Fuzzy Tipe 2 – PSO
Percobaan robot leader follower dilakukan pada enam jenis halangan
lingkungan, dari hasil percobaan berupa trajektori, kecepatan dan perubahan sudut.
Hasil trajektori dari Pengujian pertama robot leader follower diletakkan pada
lingkungan tanpa halangan sampai enam halangan yang ditunjukkan pada Gambar
4.19
(a) (b)
(c) (d)
(e) (f)
92
(g) (h)
4.20.
93
4.21.
4.4.3 Data Hasil Percobaan Fuzzy type 1 – PSO dengan Fuzzy Type 2 - PSO
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
98
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.15. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO tanpa halangan.
Tabel 4.16. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO tanpa halangan.
Titik Mulai Titik Akhir
Leader Follower Leader Follower
Koordinat X -13,75838 -13,7994 17,65075 16,00417
Koordinat Z -1,90097 -9,193536 18,02247 16,97735
Waktu 5,724608 5,747764 16,17435 16,18075
Kecepatan 5,323268 5,323268 2,281864 5,323268
pindah
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.17. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO Satu halangan.
Tabel 4.18. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO Satu halangan.
robot fuzzy 1 – PSO pada titik awal dan akhir yaitu lebih kurang 12 detik sedangkan
Waktu yang ditempuh robot fuzzy 2 – PSO pada titik awal dan akhir yaitu lebih
kurang 8 detik yang artinya bahwa robot dengan menggunkan fuzzy tipe 2 - PSO
lebih baik Performanya dibandingkan fuzzy tipe 1 – PSO.
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.19. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO Dua halangan.
Tabel 4.20. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO Dua halangan.
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.21. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO Tiga halangan.
Tabel 4.22. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO Tiga halangan.
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.23. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO Empat halangan.
Tabel 4.24. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO Empat halangan.
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.25. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO Halangan Lingkaran.
Tabel 4.26. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO Halangan Lingkaran.
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.27. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO Halangan Persegi
Tabel 4.28. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO Halangan Persegi
yaitu lebih kurang 32 detik yang artinya bahwa robot dengan menggunkan fuzzy
tipe 2 - PSO lebih baik Performanya dibandingkan fuzzy tipe 1 – PSO. Pada
percobaan ini robot memliki perubahan sudut yang stabil memungkinkan robot
untuk menghindari halangan.
Berikut ini dijelaskan posisi awal masing-masing robot pada saat mulai
bergerak menuju target dan posisi akhir pada saat robot telah mencapai target serta
waktu yang ditempuh masing-masing robot dalam mencapai target yang telah
ditentukan.
Tabel 4.29. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 1 – PSO Halangan Oval
Tabel 4.30. Titik Koordinat Awal dan Akhir serta Waktu yang ditempuh Robot
dalam mencapai target menggunakan Fuzzy type 2 – PSO Halangan Oval
Tabel 4.32 berikut ini adalah hasil perbandingan waktu dalam mencapai
target antara Fuzzy tipe 1 – PSO dengan Fuzzy tipe 2 – PSO pada masing-
masing lingkungan pengujian.
2 Halangan 318 318 14,705 14,711 16,1 18,9 258 258 14,588 14,597 14,5 16,9
3 Halangan 259 259 16,864 16,892 15,1 15,9 222 222 12,691 12,726 15 15,4
4 Halangan 319 319 15,152 15,158 16,3 17,3 270 270 10,831 10,8363 15,8 16
Lingkaran 596 596 39,376 39,389 24,3 27,1 562 562 25,340 25,376 23,5 24
Persegi 1680 1680 213,03 213,05 50,4 46,2 1342 1342 34.427 34.432 49,1 40,3
(Gagal) (Gagal) (Gagal) (Gagal)
Oval 2435 2435 83,526 83,536 49,7 68,1 1108 1108 134,90 134,92 38,7 41,2
(Gagal) (Gagal) (Gagal) (Gagal)
112
BAB 5
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil pemodelan sistem dan pembahasan dari evaluasi simulasi
robot leader follower dengan metode Logika Fuzzy type 2 dan metode Particle
Swarm Optimization, dapat diambil kesimpulan sebagai berikut:
1. Pemodelan dan simulasi telah berhasil dilakukan pada robot leader
follower menggunakan algoritma logika fuzzy type 2 dan algoritma Particle
Swarm Optimization.
2. Pemodelan leader follower telah dimodelkan dengan menggunakan
persamaan kinematik dan pengendalian pergerakan trajektori robot dalam
bentuk simulasi telah berhasil dilakukan. Robot leader follower dapat
diimplementasikan pada dunia simulasi dengan hasil yang yang lebih
optimal menggunakan algoritma Fuzzy tipe 2 - PSO dan dengan hasil yang
baik dibandingkan dengan menggunakan sistem kendali algoritma Logika
fuzzy type 1 - PSO. Dari beberapa kali pengujian dengan menggunakan
beberapa halangan di setiap metodenya maka didapatkan bahwa algoritma
Fuzzy tipe 2 - PSO berhasil mencapai target dengan 6 (enam) obstacle dengan
stabil tanpa menabrak halangan dibandingkan dengan algoritma logika fuzzy
tipe 1 - PSO.
3. algoritma logika fuzzy type 2 - PSO memiliki waktu yang lebih tinggi,
menandakan hasil kecepatan yang stabil serta dilihat dari trajektori dalam
menghindari halangan, robot leader follower memiliki respon yang lebih
cepat.