Anda di halaman 1dari 8

Budi Kustamtomo dkk.

: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 1

Implementasi Fuzzy Pelacak Api pada Mobile


Robot
Budi Kustamtomo1, Aris Triwiyatno2, dan Munawar Agus Riyadi 3
1,2,3
Departemen Teknik Elektro, Universitas Diponegoro
Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia
e-mail: budikustam@gmail.com

Abstrak— Robot pemadam kebakaran adalah robot yang menggunakan sensor api dan extinguisher untuk mendeteksi api
serta memadamkannya. Dalam melacak titik api tidak hanya membutuhkan sensor api, perlu kombinasi dengan metode lain
yang dapat mengoptimalkan kerja dari sensor api tersebut. Faktor keamanan robot pemadam api harus diperhatikan agar
robot dapat terhindar dari resiko kerusakan karena adanya suhu panas saat kebakaran. Dalam penelitian ini dibuat sebuah
robot yang mampu melacak titik api dan memadamkannya secara aman dengan menggunakan logika fuzzy dan sensor
infrared. Logika fuzzy digunakan sebagai proses pelacakan api, yang mengoptimalkan sensor infrared dalam mendeteksi dan
mengarahkan robot menuju titik api secara halus, dengan demikian waktu pencarian api lebih efisein sehingga dampak
kebakaran dapat dikurangi. Hasil penelitian menunjukkan robot mampu melakukan pelacakan api pada sudut 00 sampai
dengan 1800. Robot juga mampu secara efisien dalam melacak dan memadamkan api dengan rata-rata persentase keberhasilan
sebesar 99,5% serta memiliki rata-rata waktu pada ruang 1 yaitu 4,2 detik, pada ruang 2 yaitu 10,6 detik, pada ruang 3 yaitu
17,4 detik, dan pada ruang terbuka yaitu 4,8 detik.

Kata kunci: robot, pelacakan api, logika fuzzy, infrared

Abstract— A fire fighting robot is a robot that uses fire sensors and an extinguisher to detect fires and extinguish them. Tracking a
fire point does not only require a fire sensor, it needs a combination with other methods that can optimize the work of the fire
sensor. The safety factor of a fire fighting robot must be considered so that the robot can avoid the risk of damage due to hot
temperatures during fire. In this research, a robot that can track hotspots and extinguish them safely is made using fuzzy logic and
infrared sensors. Fuzzy logic is used as a fire tracking process, which optimizes the infrared sensor in detecting and directing the
robot towards the fire in a smooth manner, thus the fire search time is more efficient so that the impact of the fire can be reduced.
The results showed that the robot was able to tracking fire at an angle of 00 to 1800. The robot is also able to efficiently track and
extinguish fires with an average percentage of success of 99.5% and has an average time in room 1 is 4.2 seconds, in room 2 is 10.6
seconds, in room 3 is 17.4 seconds, and in free room is 4.8 seconds.

Keyword: robot, tracking fire, fuzzy logic, infrared

I. PENDAHULUAN. akan dikirimkan ke mikrokontroler Arduino Mega 2560


menjadi sinyal PWM (Pulse Width Modulation) yang
Api merupakan satu hal yang banyak dimaanfaatkan
digunakan untuk mengontrol kecepatan motor.
manusia dalam kehidupan sehari-hari, bahaya akan terjadi
Robot dilengkapi dengan 16 sensor api jarak pendek
jika api tidak bisa dikontrol yang meyebabkan kebakaran
jenis photodioda (infrared) untuk menjaga robot tetap
[1]. Seiring berkembangnya teknologi mendorong manusia
berada pada jarak yang aman pada proses pemadaman
menggunakan cara yang aman dalam mengatasi bencana
sehingga kerusakan robot dapat dihindari. Robot memiliki
kebakaran, salah satunya menggunakan robot. Secara
range deteksi dari 0 sampai 180 derajat karena robot
spesifik robot pemadam kebakaran adalah robot yang
melakukan pelacakan api dengan bergerak maju.
menggunakan sensor api dan extinguisher untuk
mendeteksi serta memadamkan api [2]–[4]. Sistem kerja
dari robot dibagi menjadi dua yaitu autonomus dan remote II. METODE
control, autonomus bekerja dengan menelusuri dinding,
A. Arsitektur Mobile Robot Pemadam Api
lintasan tanpa dikendalikan oleh operator sedangkan remote
control sebaliknya [5]–[8]. Bentuk dari robot juga berbeda- Robot dilengkapi dua buah propeller untuk
beda ada yang menggunakan roda ada yang menggunakan memadamkan api. Arduino mega 2560 sebagai kontrol
lengan atau kaki sebagai penggerak tergantung dari konteks utama robot serta tiga buah sensor ultrasonic sebagai
dilingkungan seperti apa robot akan digunakan [9],[10]. deteksi jarak robot terhadap api dan sensor api
Penelitian ini mengimplementasikan kontrol logika menggunakan infrared sebagai pelacak api. Robot memiliki
fuzzy pada mobile robot pelacak api. Kontrol logika fuzzy range deteksi dari 0 sampai 180 derajat karena robot
digunakan untuk mengoptimalkan kinerja robot dalam melakukan pelacakan api dengan bergerak maju. Sensor
mendeteksi dan melacak titik api. Metode logika fuzzy yang digunakan untuk pelacakan api berjumlah 16 sensor,
dapat bekerja secara adaptif dengan menyesuaikan setiap sehingga pada tiap sensor memiliki perbedaan sudut
perubahan dari keadaan masukan. Keluaran logika fuzzy sebesar 12 derajat seperti pada Gambar 1.
Budi Kustamtomo dkk.: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 2

perpindahan pembacaan sensor jika tetap maka nilai


delta_error = 0.

Tabel 1. Nilai error positif


Sensor yang aktif kanan Nilai error positif
0000000000000001 128
0000000000000010 64
0000000000000100 32
0000000000001000 16
0000000000010000 8
0000000000100000 4
0000000001000000 2
Gambar 1. Penempatan Sensor
0000000010000000 0
0000000000000011 96
Sensor api yang digunakan merupakan jenis photodioda 0000000000000110 48
yang mampu melakukan pelacakan hingga 3 meter, dimana 0000000000001100 24
0000000000011000 12
dapat diketahui bahwa semakin jauh jaraknya maka
0000000000110000 6
semakin kecil photodioda menerima daya. Namun, untuk 0000000001100000 3
mengurangi sensor terpengaruh oleh cahaya lain, maka 0000000011000000 1.5
setiap sensor api yang digunakan melakukan pelacakan api 0000000110000000 0
hingga sejauh 1 meter. Kemudian, 16 sensor tersebut 0000000000000111 72
0000000000001110 36
dilakukan inisialisasi kedalam bentuk biner untuk 0000000000011100 18
mempermudah dalam proses pengolahan data. Sensor akan 0000000000111000 9
memiliki nilai 1 apabila mendeteksi api dan sebaliknya 0000000001110000 4.5
bernilai 0 jika tidak mendeteksi api. 0000000011100000 2.25
0000000111000000 1.12
0000001110000000 0
0000000000001111 54
B. Kontrol Logika Fuzzy 0000000000011110 27
0000000000111100 13.5
Robot pemadam api menggunakan sistem kontrol fuzzy 0000000001111000 6.75
dengan dua variabel yaitu error dan delta_error. Pada 0000000011110000 3.37
kasus pendeteksian api terdapat kemungkinan lebih dari 0000000111100000 1.68
satu sensor yang mendeteksi api. Kemungkinan- 0000001111000000 0
kemungkinan ini kemudian dilakukan observasi dan
Tabel 2. Nilai error negatif
berikan bobot dengan nama error. error merupakan Sensor yang aktif kiri Nilai error negatif
variabel masukan pertama yang digunakan dalam kontrol 0000000100000000 0
logika fuzzy ini. Sedangkan variabel masukan kedua yang 0000001000000000 -2
digunakan dalam kontrol logika fuzzy ini diberi nama 0000010000000000 -4
0000100000000000 -8
delta_error. Salah satu pembacaan sensor ditunjukkan pada 0001000000000000 -16
Gambar 2, dimana sensor yang aktif mendeteksi ada empat 0010000000000000 -32
buah sensor sehingga nilai biner menjadi 960 dan nilai 0100000000000000 -64
error 0. 1000000000000000 -128
0000001100000000 -1.5
0000011000000000 -3
0000110000000000 -6
0001100000000000 -12
0011000000000000 -24
0110000000000000 -48
1100000000000000 -96
0000011100000000 -2,25
0000111000000000 -4,5
0001110000000000 -9
0011100000000000 -18
0111000000000000 -36
1110000000000000 -72
0000111100000000 -3.37
0001111000000000 -6.75
0011110000000000 -13.5
0111100000000000 -27
1111000000000000 -54

Nilai error dan delta_error yang didapat selanjutnya


Gambar 2. Inisialisasi bentuk biner dilakukan fuzifikasi menggunakan aturan fuzzy IF-THEN.
Nilai terkomposisi dengan minimal yang kemudikan
Nilai error didapatkan berdasarkan hasil pengamatan dilanjutkan proses defuzifikasi menggunakan metode
saat robot menuju titik api yang ditunjukkan pada Tabel 1 weight average sehingga akan didapatkan nilai keluaran
dan Tabel 2. Sedangkan untuk variabel delta_error dari fuzzy. Nilai error didapatkan berdasarkan hasil
diperoleh dari error – 1 atau sama dengan nilai error pengamatan saat robot menuju titik api yang ditunjukkan
sebelumnya. Nilai delta_error ada ketika terjadi pada Tabel 1 dan Tabel 2. Sedangkan untuk variabel
Budi Kustamtomo dkk.: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 3

delta_error diperoleh dari error – 1 atau sama dengan nilai


error sebelumnya. Nilai delta_error ada ketika terjadi
perpindahan pembacaan sensor jika tetap maka nilai
delta_error = 0.
Gambar 3 menunjukkan alur kerja dari kontrol logika
fuzzy yang diterapkan pada robot pemadam api. Robot akan
melakukan inisialisasi 1 sampai 16 sensor yang kemudian
terkalibrasi sehingga dapat melakukan pendeteksian api.
Sensor yang membaca posisi api akan dikonversikan
nilainya kedalam bilangan biner.
Gambar 5. Fungsi keanggotaan delta_error

Gambar 6. Representasi Kurva Segitiga [11]

Gambar 7. Representasi Linear Naik dan Turun [11]

Gambar 3. Alur kerja kontrol logika fuzzy Setelah inferensi fuzzy, dibuat aturan IF-THEN
berdasarkan basis aturan seperti pada Tabel 3. Kemudian
Variabel error dan delta_error kemudian akan dilakukan perhitungan untuk mencari komposisi minimum.
dilakukan proses fuzzifikasi yang ditunjukkan pada Gambar Dengan menggunakan metode Sugeno, proses defuzifikasi
4 dan Gambar 5. Setiap variabel memiliki fungsi diperoleh berdasarkan metode weight average seperti pada
keanggotaan yang berbeda-beda. Fungsi keanggotaan pada (1). WA merupakan weight average metode Sugeno, α
error dan delta_error adalah representasi kurva segitiga predikat merupakan nilai keanggotaan sebagai hasil dari
dan linear. Nilai pada setiap fungsi keanggotaan dari operasi dua himpunan, dan indeks merupakan nilai indeks
variabel error dan delta_error didapatkan berdasarkan dari fungsi keanggotaan keluaran seperti pada Tabel 4.
representadi dari kurva segitiga dan kurva linear seperti
Gambar 6 dan Gambar 7. ( ) ( )
(1)

Tabel 3. Basis Auran


error (a)
Ln mn sn vsn zero vsp sp mp Lp
Ln_e nb nm nm nm ze pm pm pm pb
mn_e nm nm ns ns ze ps ps pm pm
delta_error (b)

sn_e nm ns ns vns ze vps ps ps pm


vsn_e nm ns ns vns ze vps ps ps pm
zero_e nb nm ns vns ze vps ps pm pb
vsp_e nm ns ns vns ze vps ps ps pm
sp_e nm ns ns vns ze vps ps ps pm
mp_e nm nm ns ns ze ps ps pm pm
Gambar 4. Fungsi keanggotaan error Lpe nb nm nm nm ze pm pm pm pb
Budi Kustamtomo dkk.: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 4

Tabel 4. Nilai indeks


Fungsi Keanggotaan Output Nilai Indeks
NB (Negative Big) -170
NM (Negative Medium) -90
NS (Negative Small) -70
VNS (Very Negative Small) -50
ZE (Zero) 0
VPS (Very Positive Small) 50
PS (Positive Small) 70
PM (Positive Medium) 90
PB (Positive Big) 170

C. Kinematika Kemudi Diferensial


Gambar 8 menunjukkan kinematika kemudi diferensial
pada robot bergerak. VL merupakan kecepatan linier roda
kiri dan VR merupakan kecepatan linier roda kanan dari
robot bergerak yang dikemudikan secara diferensial.
Sedangkan, V adalah kecepatan yang berasal dari titik pusat
robot. Koordinat x dan y merupakan lokasi dari robot,
sedangkan θ merupakan sudut positif yang membentuk
bingkai dari koordinat dengan berlawanan arah jarum jam.
Jarak antara kedua robot dilambangkan dengan b [12].

Gambar 9. Alur kerja robot pemadam api

III. HASIL DAN PEMBAHASAN


A. Mobile Robot Pemadam Api
Gambar 10 sampai Gambar 12 merupakan robot
pemadam api tampak depan, samping, dan belakang yang
telah dibuat.

Gambar 8. Kinematika kemudi diferensial [12]

Pada kinematika forward (maju) terdapat dua


perhitungan. Untuk mencari nilai kecepatan robot (V)
ditunjukkan pada (2) sedangkan untuk mencari nilai
kecepatan sudut robot (ω) ditunjukkan pada (3), dimana ωR
merupakan kecepatan sudut robot roda kanan, ωL
merupakan kecepatan sudut robot roda kiri, dan variabel r
merupakan jari-jari dari roda robot [12].
Gambar 10. Robot pemadam api tampak depan

(2)

(3)

D. Wall Following Robot Pemadam Api


Gambar 9 menunjukkan alur cara kerja robot pemadam
api untuk mempermudah dalam memahami cara kerja dari
robot pemadam api. Robot pemadam api menerapkan
sistem PD wall following pada prinsip kerjanya. Robot
akan melakukan pendeteksian api dengan menerapkan
kontrol logika fuzzy. Saat api terdeteksi dan robot
mendekati api, maka sistem akan menghidupkan kipas serta
buzzer. Gambar 11. Robot pemadam api tampak samping
Budi Kustamtomo dkk.: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 5

Nilai puncak keluaran fuzzy pada sudut 0 derajat


mencapai 100%, pada sudut 12 derajat mencapai 74,8 %,
pada sudut 24 derajat mencapai 56,7%, dan pada sudut 36
derajat mencapai 47,7%. Nilai 100% mewakili nilai real
dari keluaran fuzzy yang bernilai 170.
Tabel 6 menampilkan hasil pengujian robot dari sudut
0 derajat sampai sudut 36 derajat berupa keluaran nilai
fuzzy. Gambar 14 menunjukkan grafik dari nilai keluaran
fuzzy dalam persen (%) terhadap waktu dalam satuan
millisecon (ms).

Tabel 6. Hasil pengujian satu sensor 480sampai 840


Gambar 12. Robot pemadam api tampak belakang Nilai Keluaran Fuzzy
Waktu
0 480 0 600 720 840
(ms) 48 60 720 840
(%) (%) (%) (%)
0 0 0 58,7 34,5 0 0 0 0
B. Pengujian Pendeteksian Api
1 64,4 37,9 57,69 33,9 36,17 21,3 0 0
Pada pengujian ini, sensor yang mendeteksi api hanya 2 65,38 38,5 57,69 33,9 36,17 21,3 0 0
ada satu buah sensor. Robot akan dijalankan dan dilakukan 3 65,38 38,5 57,69 33,9 36,17 21,3 0 0
4 65,38 38,5 57,69 33,9 36,17 21,3 0 0
pengujian tiap satu sensor pada setiap titik sudut (16 titik 5 65,38 38,5 35,05 20,6 36,17 21,3 0 0
sudut). Tabel 5 menampilkan hasil pengujian robot dari 6 58,7 34,5 36,17 21,3 36,17 21,3 0 0
sudut 0 derajat sampai sudut 36 derajat berupa keluaran 7 57,69 33,9 36,17 21,3 36,17 21,3 0 0
nilai fuzzy. Gambar 13 menunjukkan grafik dari nilai 8 57,69 33,9 36,17 21,3 36,17 21,3 0 0
9 35,05 20,6 36,17 21,3 0 0 0 0
keluaran fuzzy dalam persen (%) terhadap waktu dalam 10 36,17 21,3 36,17 21,3 0 0 0 20,6
satuan millisecon (ms). 11 36,17 21,3 36,17 21,3 0 0 35,05 21,3
12 36,17 21,3 0 0 0 0 36,17 21,3
Tabel 5. Hasil pengujian satu sensor 00sampai 360 13 36,17 21,3 0 0 0 0 36,17 21,3
Nilai Keluaran Fuzzy 14 36,17 21,3 0 0 0 0 36,17 21,3
Waktu
00 120 240 360 15 36,17 21,3 0 0 0 0 36,17 21,3
(ms) 00 120 240 360 16 0 0 0 0 0 0 36,17 21,3
(%) (%) (%) (%)
0 0 0 0 0 0 0 81,11 47,7 17 0 0 0 0 0 0 36,17 21,3
1 170 100 127,11 74,8 96,37 56,7 81,11 47,7 18 0 0 0 0 0 0 36,17 21,3
2 170 100 127,11 74,8 96,37 56,7 81,11 47,7 19 0 0 0 0 0 0 36,17 21,3
3 170 100 127,11 74,8 96,37 56,7 81,11 47,7 20 0 0 0 0 0 0 36,17 0
4 90 52,9 83,92 49,4 75,88 44,6 64,4 37,9
5 81,11 47,7 81,11 47,7 64,4 37,9 65,38 38,5
6 64,4 37,9 64,4 37,9 65,38 38,5 58,7 34,5
7 60 35,3 65,38 38,5 65,38 38,5 57,69 33,9 Sudut 480 - Sudut 840
8 59,78 35,2 65,38 38,5 65,38 38,5 57,69 33,9 50
9 57,69 33,9 58,7 34,5 58,7 34,5 35,05 20,6
Nilai Keluaran Fuzzy

10 57,62 33,9 57,69 33,9 57,69 33,9 36,17 21,3 40


11 55 32,4 57,62 33,9 57,69 33,9 36,17 21,3
12 35,71 21 55 32,4 57,62 33,9 36,17 21,3 30
(%)

13 36,17 21,3 35,71 21,0 35,71 21 36,17 21,3


14 36,17 21,3 36,17 21,3 36,17 21,3 36,17 21,3 20
15 36,17 21,3 36,17 21,3 36,17 21,3 36,17 21,3
16 36,17 21,3 36,17 21,3 36,17 21,3 0 0 10
17 0 0 36,17 21,3 36,17 21,3 0 0
18 0 0 36,17 21,3 36,17 21,3 0 0 0
19 0 0 0 0 0 0 0 0 0 2 4 6 8 10 12 14 16 18 20
20 0 0 0 0 0 0 0 0
Waktu (ms)

48 derajat 60 derajat 72 derajat 84 derajat


Sudut 00 - Sudut 360
150 Gambar 14. Grafik sudut 480 sampai 840
Nilai Keluaran Fuzzy

100 Nilai puncak keluaran fuzzy pada sudut 48 derajat


mencapai 38,5%, pada sudut 60 derajat mencapai 34,5 %,
(%)

pada sudut 72 derajat mencapai 21,3%, dan pada sudut 84


50 derajat mencapai 0%. Nilai 100% mewakili nilai real dari
keluaran fuzzy yang bernilai 170.
Tabel 7 menampilkan hasil pengujian robot dari sudut
0 96 derajat sampai sudut 132 derajat berupa keluaran nilai
0 2 4 6 8 10 12 14 16 18 20 fuzzy. Gambar 15 menunjukkan grafik dari nilai keluaran
Waktu (ms) fuzzy dalam persen (%) terhadap waktu dalam satuan
0 derajat 12 derajat 24 derajat 36 derajat millisecon (ms).
0 0
Gambar 13. Grafik sudut 0 sampai 36
Budi Kustamtomo dkk.: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 6

Tabel 7. Hasil pengujian satu sensor 960sampai 1320 Sudut 1440 - Sudut 1800
Nilai Keluaran Fuzzy
Waktu 0
0 96 0 1080 1200 1320 0
(ms) 96 108 1200 1320
(%) (%) (%) (%) 0 2 4 6 8 10 12 14 16 18 20

Nilai Keluaran Fuzzy


0 0 0 -35,05 -20,6 0 0 -64,4 -37,9
1 0 0 -36,17 -21,3 -58,7 -34,5 -65,38 -38,5 -50
2 0 0 0 0 -57,69 -33,9 -65,38 -38,5

(%)
3 0 0 0 0 -57,69 -33,9 -58,7 -34,5
4 0 0 0 0 -35,05 -20,6 -57,69 -33,9
-100
5 0 0 0 0 -36,17 -21,3 -57,69 -33,9
6 0 0 0 0 -36,17 -21,3 -35,05 -20,6
7 0 0 0 0 0 0 -36,17 -21,3
8 0 0 0 0 0 0 0 0 -150
9 0 0 0 0 0 0 0 0 Waktu (ms)
10 0 0 0 0 0 0 0 0 144 derajat 156 derajat 168 derajat 180 derajat
11 0 0 0 0 0 0 0 0
12 0 0 0 0 0 0 0 0 Gambar 16. Grafik sudut 1440 sampai 1800
13 0 0 0 0 0 0 0 0
14 0 0 0 0 0 0 0 0 Nilai puncak keluaran fuzzy pada sudut 144 derajat
15 0 0 0 0 0 0 0 0
16 0 0 0 0 0 0 0 0 mencapai -47,7%, pada sudut 156 derajat mencapai -
17 0 0 0 0 0 0 0 0 56,7%, pada sudut 168 derajat mencapai -74,8%, dan pada
18 0 0 0 0 0 0 0 0 sudut 180 derajat mencapai -100%. Nilai 100% mewakili
19 0 0 0 0 0 0 0 0 nilai real dari keluaran fuzzy yang bernilai 170.
20 0 0 0 0 0 0 0 0
Berdasarkan data yang telah diambil, setiap sudut
memiliki nilai puncak pada setiap waktu. Sudut yang
berada pada sisi kanan (sudut terkecil sampai sudut tengah)
Sudut 960 - Sudut 1320 akan menghasilkan nilai keluaran fuzzy yang positif,
0
Nilai Keluaran

0 2 4 6 8 10 12 14 16 18 20 sedangkan sudut yang berada pada sisi kiri (sudut tengah


sampai sudut terbesar) akan menghasilkan nilai keluaran
Fuzzy
(%)

fuzzy yang negatif.

-50
Waktu (ms) C. Pengujian Simulasi Logika Fuzzy pada Matlab
96 derajat 108 derajat 120 derajat 132 derajat Simulasi logika fuzzy pada Matlab dibuat di dalam
Gambar 15. Grafik sudut 960 sampai 1320 Simulink Matlab. Simulasi ini bertujuan untuk menguji
sistem robot sebelum menjadi hardware robot. Berikut
Nilai puncak keluaran fuzzy pada sudut 96 derajat beberapa pengujian yang telah dibuat menggunakan
mencapai 0%, pada sudut 108 derajat mencapai -21,3%, Simulink Matlab. Dari tampilan simulasi tersebut
pada sudut 120 derajat mencapai -34,5%, dan pada sudut berdasarkan nilai error, delta error, dan base speed yang
132 derajat mencapai -38,5%. Nilai 100% mewakili nilai telah ditentukan sebelumnya akan diketahui hasil
real dari keluaran fuzzy yang bernilai 170. defuzifikasi, nilai kecepatan PWM kanan dan PWM kiri,
Tabel 8 dan Gambar 16 menampilkan hasil pengujian serta nilai kecepatan sudut dari robot.
robot dari sudut 144 derajat sampai sudut 180 derajat Salah satu hasil dari simulink ditunjukkan pada
berupa keluaran nilai fuzzy terhadap waktu. Gambar 17. Gambar 17 menunjukkan hasil simulasi pada
Simulink Matlab saat dimasukkan nilai error = 8 dan nilai
Tabel 8. Hasil pengujian satu sensor 1440sampai 1800
d_error=0. Akan diperoleh nilai PWM kiri sebesar 200
Nilai Keluaran Fuzzy
Waktu dan nilai PWM kanan sebesar 104,6 sehingga robot akan
1440 1560 1680 1800
(ms) 1440 1560 1680 1800 bergerak ke arah kanan. Kemudian nilai keluaran fuzzy
(%) (%) (%) (%)
0 -81,1 -47,7 -95,5 -56,2 0 0 0 0 yang dihasilkan yaitu 65,38 dan kecepatan sudut yang
1 -81,1 -47,7 -96,4 -56,7 -127,1 -74,8 -170 -100 diperoleh adalah -14,31.
2 -81,1 -47,7 -96,4 -56,7 -127,1 -74,8 -109,3 -64,3
3 -81,1 -47,7 -75,9 -44,6 -127,1 -74,8 -127,1 -74,8
4 -81,1 -47,7 -81,1 -47,7 -127,1 -74,8 -95,5 -56,2
5 -81,1 -47,7 -81,1 -47,7 -83,9 -49,4 -96,4 -56,7
6 -62,9 -37,0 -81,1 -47,7 -81,1 -47,7 -96,4 -56,7
7 -57,7 -33,9 -81,1 -47,7 -64,4 -37,9 -96,4 -56,7
8 -35,1 -20,6 -62,9 -37,0 -58,7 -34,5 -71,5 -42,1
9 -36,2 -21,3 -57,7 -33,9 -57,7 -33,9 -58,7 -34,5
10 0 0,0 -35,1 -20,6 -57,7 -33,9 -57,7 -33,9
11 0 0,0 -36,2 -21,3 -35,1 -20,6 -57,7 -33,9
12 0 0,0 -36,2 -21,3 -36,2 -21,3 -35,1 -20,6
13 0 0,0 0 0 -36,2 -21,3 -36,2 -21,3
14 0 0,0 0 0 0 0 0 0
15 0 0,0 0 0 0 0 0 0
16 0 0 0 0 0 0 0 0
17 0 0 0 0 0 0 0 0 Gambar 17. Simulink error=8 d_error=0
18 0 0 0 0 0 0 0 0
19 0 0 0 0 0 0 0 0
20 0 0 0 0 0 0 0 0
Budi Kustamtomo dkk.: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 7

D. Pengujian Robot Pemadam Api pada Ruangan Gambar 20 menunjukkan lilin dengan api menyala
Robot akan dilakukan pengujian pemadaman api diletakkan di ruang 2 dan saat robot berhasil melacak dan
menggunakan lilin pada setiap ruang-ruang dalam track memadamkan api pada ruang 2. Tabel 10 menunjukkan
yang telah dibuat menggunakan papan. Gambar 18 waktu yang dibutuhkan robot saat berhasil memadamkan
merupakan ruang-ruang dalam track yang telah dibuat dari api pada ruang 2. Pada tabel terlihat jika dalam 10 kali
papan untuk pengujian robot. Track terbuat dari papan percobaan terdapat 8 kali percobaan yang membutuhkan
berbentuk persegi dengan panjang dan lebar sebesar 150 waktu 10 detik untuk memadamkan api, 1 kali percobaan
cm. Setiap ruang dalam track memiliki ukuran yang yang membutuhkan waktu 12 detik untuk memadamkan
berbeda-beda. Saat percobaan dilakukan, sebuah lilin akan api dan 1 kali percobaan yang membutuhkan waktu 12
diletakkan di sudut ruang yang akan diuji. detik untuk memadamkan api. Sehingga, dalam 10 kali
percobaan memiliki rata-rata waktu yang dibutuhkan yaitu
10,6 detik dengan persentase keberhasilan sebesar 100%.

Gambar 18. Percobaan pada ruang 2


Gambar 18. Ruangan pengujian robot
Tabel 10. Hasil percobaan pada ruang 2
Gambar 19 menunjukkan lilin dengan api Percobaan ke- Waktu yang dibutuhkan (detik) Keterangan
menyala diletakkan di ruang 1 dan saat robot berhasil 1 12 Berhasil
melacak dan memadamkan api pada ruang 1. Tabel 9 2 14 Berhasil
menunjukkan waktu yang dibutuhkan robot saat berhasil 3 10 Berhasil
4 10 Berhasil
memadamkan api pada ruang 1. Pada tabel terlihat jika 5 10 Berhasil
dalam 10 kali percobaan terdapat 8 kali percobaan yang 6 10 Berhasil
membutuhkan waktu 4 detik untuk memadamkan api dan 2 7 10 Berhasil
kali percobaan yang membutuhkan waktu 5 detik untuk 8 10 Berhasil
9 10 Berhasil
memadamkan api. Sehingga dalam 10 kali percobaan 10 10 Berhasil
memiliki rata-rata waktu yang dibutuhkan yaitu 4,2 detik Rata-rata = 10,6 detik 100% Berhasil
dengan persentase keberhasilan sebesar 100%.
Gambar 21 menunjukkan lilin dengan api menyala
diletakkan di ruang 3 dan saat robot berhasil melacak dan
memadamkan api pada ruang 3. Tabel 11 menunjukkan
waktu yang dibutuhkan robot saat berhasil memadamkan
api pada ruang 3. Pada tabel terlihat jika dalam 10 kali
percobaan terdapat 1 kali percobaan yang membutuhkan
waktu 14 detik untuk memadamkan api, 2 kali percobaan
yang membutuhkan waktu 15 detik untuk memadamkan
api, 3 kali percobaan yang membutuhkan waktu 16 detik
untuk memadamkan api, 2 kali percobaan yang
membutuhkan waktu 17 detik untuk memadamkan api, dan
Gambar 19. Percobaan pada ruang 1 2 kali percobaan gagal melakukan pelacakan api dalam
batas waktu 17 detik. Sehingga, dalam 10 kali percobaan
Tabel 9. Hasil percobaan pada ruang 1 memiliki rata-rata waktu yang dibutuhkan yaitu 17,4 detik
Percobaan ke- Waktu yang dibutuhkan (detik) Keterangan
1 5 Berhasil
dengan persentase keberhasilan sebesar 80%
2 4 Berhasil
3 4 Berhasil
4 4 Berhasil
5 4 Berhasil
6 4 Berhasil
7 4 Berhasil
8 5 Berhasil
9 4 Berhasil
10 4 Berhasil
Rata-rata = 4,2 detik 100% Berhasil

Gambar 21. Percobaan pada ruang 3


Budi Kustamtomo dkk.: IMPLEMENTASI FUZZY PELACAK API PADA MOBILE ROBOT 8

Tabel 11. Hasil percobaan pada ruang 3 maupun perangkat lunak pada penelitian ini, maka dapat
Percobaan ke- Waktu yang dibutuhkan (detik) Keterangan dikatakan jika kontrol logika fuzzy model Sugeno dengan
1 17 Gagal
2 17 Gagal dua variabel masukan yaitu error dan delta_error dapat
3 17 Berhasil digunakan pada pelacakan api robot pemadam api. Dalam
4 16 Berhasil 10 kali percobaan yang dilakukan, rata-rata waktu yang
5 16 Berhasil dibutuhkan untuk memadamkan api pada ruang 1 yaitu 4,2
6 14 Berhasil
7 15 Berhasil detik, pada ruang 2 yaitu 10,6 detik, ruang 3 yaitu 17,4
8 16 Berhasil detik, dan rata-rata waktu yang dibutuhkan untuk
9 15 Berhasil memadamkan api pada ruang terbuka yaitu 4,8 detik.
10 17 Berhasil Dalam 10 kali percobaan yang dilakukan pada ruang 1,
Rata-rata = 17,4 detik 80% Berhasil
ruang 2, dan ruang terbuka memiliki persentase
keberhasilan sebesar 100% dalam melacak dan
Gambar 22 menunjukkan lilin dengan api menyala memadamkan api, sedangkan pada ruang 3 memiliki
diletakkan di ruang terbuka dan saat robot berhasil persentase keberhasilan sebesar 80% dalam melacak dan
melacak dan memadamkan api pada ruang terbuka. memadamkan api. Sehingga rata-rata presentase
keberhasilannya sebesar 95%. Penelitian ini dapat
dikembangkan lagi menggunakan motor DC yang
memiliki nilai rpm lebih tinggi, sehingga robot akan
merespon lebih cepat.

REFERENSI
[1] G. S. A, Swatika, Vidya, “Automated Fire Extinguisher Robot with
Multisensors and Radar Using PID Controller,” IJIRSET, vol. 7, no.
1, pp. 376–380, 2018.
[2] S. V Varun and V. R. V, “Autonomous Fire Extinguisher Robot,”
IRJET, vol. 04, no. 05, pp. 2909–2913, 2017.
Gambar 22. Percobaan pada ruang terbuka
[3] O. Bhongale, K. Pal, P. Lingawar, and N. Hiwarkhade, “Fire
Fighting Robot Using,” vol. 2, no. 12, pp. 4481–4486, 2018.
Tabel 12 menunjukkan waktu yang dibutuhkan robot [4] S. Bobba, “Automatic fire extinguisher robot,” no. November 2011,
saat berhasil memadamkan api pada ruang terbuka.Pada pp. 10–14, 2016.
tabel terlihat jika dalam 10 kali percobaan terdapat 6 kali [5] T. N. Khoon, P. Sebastian, and A. B. S. Saman, “Autonomous fire
percobaan yang membutuhkan waktu 5 detik untuk fighting mobile platform,” Procedia Eng., vol. 41, no. Iris, pp.
1145–1153, 2012.
memadamkan api, 3 kali percobaan yang membutuhkan
[6] Z. Weichun and D. Cheng, “Development of a new remote
waktu 4 detik untuk memadamkan api dan 1 kali controlled emergency-handling and fire-fighting robot,” 2009 WRI
percobaan yang membutuhkan waktu 6 detik untuk World Congr. Comput. Sci. Inf. Eng. CSIE 2009, vol. 5, pp. 239–
memadamkan api. Sehingga, dalam 10 kali percobaan 243, 2009.
memiliki rata-rata waktu yang dibutuhkan yaitu 4,8 detik [7] P. Samantha, C. Amira, S. Cressida, and G. Anaska, “Literature
dengan persentase keberhasilan sebesar 100%. Survey on Fire Fighter Robot Don Bosco College of Engineering
India,” IJSRD, vol. 5, no. 01, pp. 336–338, 2017.
[8] S. U. Park, J. H. Park, S. Choi, D. J. Park, and D. S. Shin, “Wireless
Tabel 12. Hasil percobaan pada ruang terbuka
image communication system for fire-fighting robots,” 2010 2nd
Percobaan ke- Waktu yang dibutuhkan (detik) Keterangan Int. Conf. Comput. Autom. Eng. ICCAE 2010, vol. 3, pp. 254–256,
1 4 Berhasil 2010.
2 4 Berhasil
[9] Z. Ma and D. Li, “Suspension system design of all-terrain fire-
3 5 Berhasil
fighting robot,” Proc. - 2018 Int. Conf. Virtual Real. Intell. Syst.
4 5 Berhasil
ICVRIS 2018, pp. 466–468, 2018.
5 5 Berhasil
6 5 Berhasil [10] S. Varghese, A. Paul, B. George, S. Warier, and F. Ali M.A,
7 4 Berhasil “Design and Fabrication of Fire Fighting Robotic Arm for
8 5 Berhasil Petrochemical Industries,” SSRG Int. J. Ind. Eng. (SSRG - IJIE),
9 5 Berhasil vol. 5, no. 1, pp. 14–17, 2018.
10 6 Berhasil [11] G. Taufiq, “Implementasi Logika Fuzzy Tahani untuk Model
Rata-rata = 4,8 detik 100% Berhasil Sistem,” J. Pilar Nusa Mandiri, vol. 12, no. 1, pp. 12–20, 2016.
[12] Fahmizal and C. H. Kuo, “Development Of A Fuzzy Logic Wall
Following Controller For Steering Mobile Robots,” in International
Conference on Fuzzy Theory and Its Applications, 2013, pp. 7–12.
IV. KESIMPULAN
Berdasarkan hasil yang telah dicapai selama analisis,
perancangan, implementasi, dan pengujian perangkat keras