TUGAS AKHIR
Oleh :
Farizstia Nugraha
4314020006
i
LEMBAR PENGESAHAN
TUGAS AKHIR
Telah diuji oleh tim penguji dalam sidang Tugas Akhir pada hari selasa 24 juli 2018
dan dinyatakan LULUS.
Depok, ………………………
Disahkan oleh
Ketua Jurusan Teknik Elektro
ii
KATA PENGANTAR
Puji syukur saya panjatkan kepada Tuhan Yang Maha Esa, karena atas
berkat dan rahmat-Nya, penulis dapat menyelesaikan Tugas Akhir ini. Penulisan
Tugas Akhir ini dilakukan dalam rangka memenuhi salah satu syarat untuk
mencapai gelar Diploma Empat Politeknik. Tugas ini berisi mengenai sistem
identifikasi dan sistem kontrol yang dibuat menggunakan softwere LabVIEW 2015.
Untuk mengontrol posisi robot agar sampai ke garasi masukan dari sensor kamera
dan gyro akan di proses sehingga menghasilkan sinyal kontrol berupa kecepatan
sudut setiap motor. Penulis menyadari bahwa, tanpa bantuan dan bimbingan dari
berbagai pihak, dari masa perkuliahan sampai pada penyusunan Tugas Akhir ini,
sangatlah sulit bagi penulis untuk menyelesaikan Tugas Akhir ini. Oleh karena itu,
penulis mengucapkan terima kasih kepada:
1. Bapak Iwa Sudradjat, S.T., M.T. selaku dosen pembimbing yang telah
menyediakan waktu, tenaga, dan pikiran untuk mengarahkan penulis dalam
penyusunan Tugas Akhir ini;
2. Bapak Endang Wijaya, S.T., M.T. selaku dosen Teknik Instrumentasi Dan
Kontrol Industri yang telah meminjamkan alat bantu untuk menunjang
penyelesaian Tugas Akhir ini;
3. Orang tua dan keluarga penulis yang telah memberikan doa serta dukungan
material dan moral; dan
4. Ananda Kamila Husain selaku rekan satu kelompok pada pelaksanaan
Tugas Akhir ini yang telah bekerja sama dengan baik. Serta Sahabat satu
angkatan IKI 2014 yang telah banyak membantu penulis dalam
menyelesaikan Tugas Akhir ini.
Akhir kata, penulis berharap Tuhan Yang Maha Esa berkenan membalas
segala kebaikan semua pihak yang telah membantu. Semoga Tugas Akhir ini
membawa manfaat bagi pengembangan ilmu.
Depok, 2018
Penuli
iii
ABSTRAK
Tujuan penelitian ini dibuat adalah untuk mengembangkan fungsi alat bantu parkir
konvensional. Sensor ultrasonik dan kamera belakang adalah alat bantu
konvensional untuk memudahkan pengemudi dalam memarkirkan kendaraannya.
Dalam hal ini pengemudi menjadi lebih terbantu dibandingkan hanya
menggunakan cermin saja. Sehingga untuk mengambil keputusan arah kemudi dan
gerak kendaraan tersebut masih mengandalkan manusia. Metode yang digunakan
untuk membuat suatu keputusan arah kemudi pada penelitian ini adalah
menggunakan metode FLC (Fuzzy Logic Controller). Besar nilai keputusan berupa
sinyal kontrol dihasilkan berdasarkan masukan data koordinat dan sudut
kendaraan. Pada rancangan ini target utama dalam pengujian adalah robot LEGO
MINDSTROMS EV3 yang ditempatkan di dalam area parkir. Dengan
menempatkan kamera diatas area parkir nilai posisi koordinat (x) robot dapat
diambil. Sedangkan data sudut kendaraan dihasilkan oleh sensor gyro. Mekanisme
gerak pada robot ini menerapkan jenis kemudi differential steering, dimana untuk
melakukan manuver kedua motor berputar dengan kecepatan yang sama tetapi
dengan arah yang berlawanan. Sehingga untuk mengontrol posisi robot agar
sampai ke garasi data masukan akan diproses untuk menghasilkan sinyal kontrol
berupa kecepatan sudut setiap motor. Rerata waktu yang dibutuhkan robot dengan
jenis keumudi differential steering ini untuk sampai ke garasi adalah 34.74 detik
dan tingkat keberhasilannya mencapai 88.57 %. Area “I” merupakan area awal
robot untuk parkir ke garasi dengan waktu siklus yang paling cepat.
iv
DAFTAR ISI
v
2.3.3 Gyroscope Sensor .......................................................................................... 12
2.4 Personal Computer .................................................................................................. 13
2.5 FLC (Fuzzy Logic Controller) ............................................................................... 13
2.6 Using LabVIEW Fuzzy Logic Softwere ................................................................ 15
vi
4.1.6 Peralatan Pendukung Pengujian ................................................................... 65
4.1.7 Rancangan Akhir Peralatan Tugas Akhir ................................................... 66
4.2 Analisis Data ............................................................................................................ 69
4.2.1 Analisa Data Tingkat Keberhasilan ............................................................. 69
4.2.2 Analisa Data Waktu Siklus Robot ............................................................... 70
4.2.3 Analisa Rerata Waktu Siklus Setiap Area .................................................. 71
BAB V PENUTUP............................................................................................... 74
5.1 Simpulan ................................................................................................................... 74
5.2 Saran .......................................................................................................................... 74
vii
DAFTAR GAMBAR
viii
Gambar 3.12 Funtion Block Vision and Motion ................................................... 37
Gambar 3.13 Funtion Block Program Inisialisasi Kamera .................................. 38
Gambar 3.14 Function Block Program Konversi Gambar Raster ke Grayscale . 38
Gambar 3.15 Function Block Program Image Tracking ....................................... 39
Gambar 3.16 (a) SubVI “XY In” Pada Program Image Tracking, (b) Program
SubVI XY In ......................................................................................................... 39
Gambar 3.17 Blok Diagram Program Data Processing ....................................... 40
Gambar 3.18 (a) Program Pengolahan Informasi Koordiat dan Sudut Kendaraan,
(b) Program SubVI “fuzzy Set Move Direction.vi” ............................................... 40
Gambar 3.19 Program Sistem Fuzzy Pada Smart Parking Mobile Robot Berbasis
LabVIEW VISION ............................................................................................... 41
Gambar 3.20 Blok Diagram Sistem Fuzzy Pada Alat Ini ..................................... 42
Gambar 3.21 Membership Function Input Koordinat Robot (x) .......................... 43
Gambar 3.22 Membership Function Input Sudut Kendaraan (beta) ..................... 44
Gambar 3.23 Membership Function Output Sudut Kemudi (phi) ........................ 44
Gambar 3.24 Membership Function Input Koordinat Robot (x) .......................... 44
Gambar 3.25 Membership Function Input Sudut Kendaraan (beta) ..................... 44
Gambar 3.26 Membership Function Output Sudut Kemudi (phi) ........................ 45
Gambar 3.27 Proses Fuzzyfikasi Input Koordinat Kendaraan (x) ........................ 47
Gambar 3.28 Proses Fuzzyfikasi Input Sudut Kendaraan (beta) .......................... 48
Gambar 3.29 Area Membership Function PB (Positive Big) .............................. 49
Gambar 3.30 Area Membership Function PM (Positive Medium) ...................... 50
Gambar 3.31 Area Membership Function PB (Positive Big) .............................. 50
Gambar 3.32 Area Membership Function PM (Positive Medium) ....................... 51
Gambar 3.33 (a) Program Untuk Menentukan Koordinat Ideal dan Sudut
Kendaraan Ideal, (b) Program SubVI “Fuzzex Simulate Car Position” .............. 52
ix
Gambar 3.34 Segitiga Siku-siku Untuk Menentukan Panjang Sisi “r” ................ 53
Gambar 3.35 Mekanisme Gerak Robot dengan Fungsi Trigonometri .................. 54
Gambar 3.36 Program Untuk Menghasilkan Nilai Jarak Tempuh Robot ............. 55
Gambar 3.37 Program SubVI Convertion.vi ........................................................ 56
Gambar 3.38 Konversi Koordinat Gambar Area Parkir ...................................... 56
Gambar 3.39 Menentukan Jarak Tempuh Robot dengan Dalil Phytagoras .......... 58
Gambar 3.40 Program Imput Sudut Kendaraan (beta) ......................................... 60
Gambar 3.41 Program Pengolahan Data Jarak Tempuh Robot ............................ 60
Gambar 3.42 Menu “MINDSTROM Robotics” ..................................................... 61
Gambar 4.1 Konfigurasi Pengujian Berdasarkan (a) Posisi Koordinat, (b)
Orientasi Awal Robot .......................................................................................... 64
Gambar 4.2 Grafik Waktu Siklus Robot Pada Area A ........................................ 66
Gambar 4.3 Grafik Waktu Siklus Robot Pada Area B .......................................... 66
Gambar 4.4 Grafik Waktu Siklus Robot Pada Area C .......................................... 67
Gambar 4.5 Grafik Waktu Siklus Robot Pada Area D ......................................... 67
Gambar 4.6 Grafik Waktu Siklus Robot Pada Area E .......................................... 67
Gambar 4.7 Grafik Waktu Siklus Robot Pada Area F .......................................... 68
Gambar 4.8 Grafik Waktu Siklus Robot Pada Area G ........................................ 68
Gambar 4.9 Grafik Waktu Siklus Robot Pada Area H ........................................ 68
Gambar 4.10 Grafik Waktu Siklus Robot Pada Area I ........................................ 69
x
DAFTAR TABEL
xi
DAFTAR LAMPIRAN
xii
BAB I
PENDAHULUAN
1
2
1.4 Tujuan
Tujuan penelitian ini adalah mengontrol kecepatan sudut pada tiap motor
agar robot dapat parkir ke garasi.
MULAI A
DESAIN DAN
PEMBUATAN ALAT
STUDI LITERATUR
TIDAK
APAKAH SUDAH
TIDAK SEMPURNA?
APAKAH SUDAH
DI SETUJUI?
Kata
YA
sempurna
YA
sebaiknya
PERENCANAAN PENYUSUNAN diganti
SPESIFIKASI LAPORAN
dengan
Perencanaan/
A Spesifikasi
SELESAI
dan analisa pada penulisan program dan penyusunan laporan tugas akhir ini
sesuai dengan permasalahan yang dihadapi.
2. Konsultasi dan Bimbingan
Konsultasi dan bimbingan kami lakukan dengan maksud
mangikuti arahan dan berdiskusi untuk mecari solusi dalam menyelesaikan
persoalan yang dihadapi baik penulisan program dan penyusunan laporan
tugas akhir.
3. Perencanaan Spesifikasi
Perencanaan Spesifikasi dilakukan dengan maksud membuat
skema dari kemampuan dan karakteristik pada alat ini. Pada tahap
perencanaan spesifikasi dibedakan menjadi dua jenis yaitu, spesfikasi
hardware dan spesifikasi alat. Spesifikasi dari alat ini terdiri dari parameter
kelistrikan, fungsional, dan dimensi. Ketiga parameter tersebut digunakan
sebagai acuan dalam mendesain hardwere dan software pada alat ini. Hasil
dari perencanaan spesifikasi alat ini dapat dituangkan dalam bentuk diagram
block dari alat yang akan dibuat.
4. Desain dan Perancangan Alat
Tahap pendesainan yang dilakukan dengan maksud membuat blok
diagram sistem identifikasi dan sistem kontrol pada alat ini didasarkan
pada persyaratan dan spesifikasi yang sudah direncanakan. Dalam proses
pendisainan, alat ini terbagi menjadi dua bagian, yaitu desain sistem
identifikasi dan sistem kontrol pada alat ini. Hasil pendisainan berupa
susunan algoritma dari dua bagian sistem pada alat ini berguna sebagai
acuan dalam proses perancangan alat.
Hasil proses pendisainan sistem kontrol pada alat ini terbagi
menjadi enam bagian, dimana setiap bagian berkaitan satu sama lain secara
beruntun. Hasil dari proses pendisainan sistem kontrol pada alat ini
digunakan sebagai acuan dalam proses penulisan program. Pada tahap
perancangan alat, penulis menggunakan software LabVIEW 2015 untuk
melakukan penulisan program.
5. Realisasi dan Uji Coba Alat
5
Pada tahap ini, alat yang dirancang sudah selesai. Dapat dikatakan
selesai apabila hasil perancangan software dan harware sesuai dengan
perencanaan spesifikasi yang sudah ditentukan. Perancangan software
meliputi sistem identifikasi dan sistem kontrol pada alat ini. Sedangkan
Perancangan hardware terdiri dari pemasangan partisi robot LEGO
MINDSTROMS EV3, pembuatan prototipe area parkir, dan pembuatan
tiang sebagai tempat kamera.
Parameter-parameter yang dibutuhkan dalam melakukan
pengujian alat ini adalah deskripsi pengujian, prosedur pengujian, peralatan
pendukung pengujian, rancangan akhir peralatan tugas akhir, dan hasil
pengujian berdasarkan posisi masing-masing robot. Untuk mendapatkan
tingkat keberhasilan robot parkir ke garasi. Tingkat keberhasilan tersebut
diterapkan untuk tiga puluh lima posisi robot yang berbeda. Selanjutnya
nilai rata-rata dari tiga puluh lima kali percobaan merupakan persentase
keberhasilan robot dapat parkir ke garasi dengan sempurna. Dalam waktu
proses pengujian yang sama waktu yang diperlukan robot untuk parkir ke
garasi dari tiga puluh lima posisi yang berbeda dapat di analisis. Hasil
analsisis adalah waktu rata-rata yang dibutuhkan robot untuk parkir ke
garasi dari tiga puluh lima posisi awal robot yang berbeda.
6. Penyusunan Laporan Akhir
Membuat laporan tugas akhir mengenai hasil kegiatan tugas
akhir yang telah dilaksanakan berdasarkan arahan dari dosen
pembimbing.
BAB II
TINJAUAN PUSTAKA
2.1 LabVIEW
6
7
Gambar 2.2 Sketch Block Diagram dan Front Panel Softwere LabVIEW 2015
kabel ketika dihubungkan ke simbol lainnya. Untuk tipe data numeric ditandai
dengan warna oranye untuk bilangan float atau biru untuk bilangan integer, tipe
data boolean ditandai dengan warna hijau dan tipe data string ditandai dengan
warna merah muda.
a. Menu Bar
Menu bar suatu VI terdiri dari beberapa bagian diantaranya
adalah file, edit, operate, tools, browse, windows, dan help.
b. Menu File
Menu file terdiri dari bebrapa item yang digunakan untuk dasar
pengoprasian seperti membuka, menyimpan, dan mencetak suatu file.
c. Menu Edit
Menu edit terdiri dari beberapa item yang membolehkan
komponen dan file LabVIEW untuk diteliti dan di modifikasi.
d. Menu VIEW
Menu VIEW teridiri dari bebrapa item yang digunakan untuk
menampilkan suatu operasi VI.
e. Menu Project
Menu Project terdiri dari beberapa item untuk menapilkan
bebarapa aspek VI agar dapat mencari file exectable.
f. Menu Operate
9
2.3.2 Motor DC
Kit Robot LEGO Mindstroms EV3 memiliki 2 jenis motor yang berbeda
yaitu, large motor dan medium motor. Setiap motor tersebut di rancang dengan
sensor rotasi yang sudah terintegasi. Sensor tersebut dapat mengukur dengan
resolusi 1 hitungan/ degree. Sehingga mampu digunakan untuk mengontrol
12
kecepatan dari motor secara akurat. Pada alat tugas akhir ini motor yang digunakan
adalah jenis large motor. Berikut karakteristik Mindstroms EV3 large motor.
Sensor Gyro pada kit robotika LEGO EV3 adalah sensor digital yang
dapat mendeteksi pergerakan rotasi pada satu poros. Sensor gyro pada kit robotika
LEGO EV3 dapat beroperasi dengan 3 mode berbeda yaitu, mode fungsi standar
gyro, mode pegukuran sudut relative, dan mode penggabungan antara kedua mode
sebelumnya yang dapat beroperasi dalam waktu yang sama. Semua pengukuran
oleh sensor gyro platform EV3 berelasi dengan poros-Z. Sensor gyro dapat
diimplementasikan menjadi sensor digital, dapat diartikan sensor tersebut terdiri
dari 8-bit mikrokontroler yang bekomunikasi dengan EV3 P-brick menggunakan
komunkasi UART pada pin 5 dan 6.
Buruk”, dan lainlain. Oleh karena itu, semua ini dapat mempunyai nilai
keanggotaan 0 atau 1. Akan tetapi, dalam logika fuzzy kemungkinan nilai
keanggotaan berada diantara 0 dan 1. Artinya bisa saja suatu keadaan mempunyai
dua nilai “Ya dan Tidak”, “Benar dan Salah”, “Baik dan Buruk” secara bersamaan,
namun besar nilainya tergantung pada bobot keanggotaan yang dimilikinya.
Metodologi fuzzy yang diterapkan pada “smart parking robot berbasis
LabVIEW VISION” merupakan inetegrasi anatara perangkat keras dan perangkat
lunak. Sehingga dalam penerapan kontrol logika fuzzy pada sistem ini digunakan
program aplikasi untuk merancang aturan dasar logika fuzzy. Guna mengahasilkan
sinyal luaran sudut steering, masukan berupa posisi koordinat x dan orientasi robot
di proses berdasarkan aturan logika fuzzy (fuzzy rule base) yang sudah di bentuk
sesuai data hasil percobaan dan studi permasalahan. Untuk menggunakan metode
kontrol dengan FLC (Fuzzy Logic Controller) berikut tahapan yang harus
dilakukan.
2.5.1.3 Defuzzyfikasi
Proses defuzzyfikasi digunakan untuk menghasilkan suatu aksi kontrol
non-fuzzy (crisp output) dalam merepresentasikan kemungkinan distribusi aksi
kontrol fuzzy yang telah dihasilkan. Metode defuzzifikasi yang sering digunakan
adalah metode Mean of Maximum (MOM) dan metode rata-rata terbobot (weighted
average) atau lebih dikenal sebagai Center of Area (COA). Dalam penulisan
program sistem kontrol dengan metode FLC pada softwere LabVIEW memiliki
beberapa tahapan. Berikut tahapan dalam menerapkan logika fuzzy pada softwere
LabVIEW.
linguistik setiap variabel. Aturan dasar suatu fuzzy system menentukan nilai output
dari fuzzy system sesuai nilai inputnya.
Tahap selanjutnya setelah membuat aturan dasar fuzzy system adalah
menetapkan bagaimana kontrol fuzzy melakukan defuzzification. Defuzzification
adalah proses konversi derajat keanggotaan variabel linguistic output ke dalam nilai
numerik. Pada Rules page, pilih metode defuzzification dari menu pull-down
defuzzification method. Untuk menguji hubungan antara nilai input dan output dari
fuzzy system untuk memvalidasi aturan dasar sistem fuzzy. Gunakan Test System
halaman pada Fuzzy System Designer untuk menguji sistem fuzzy yang sudah
dibuat.
Setelah fuzzy system pada Fuzzy System Designer sudah tervalidasi dari
pengujian, maka tahap selanjutnya adalah mengimplementasikannya ke dalam
sebuah kontroler fuzzy system. Sebagai contoh, “FuzzyEx Car Backward Parking”
pada example VI. Berikut block diagram program sistem kontrol “FuzzyEx Car
Gambar ini tidak
Backward Parking” yang menerapkan aturan logika fuzzy.
mencerminkan apa-apa,
karena tidak bisa di baca.
Sebaiknya dipecah dan
tampilkan yg diperlukan
sesuai naskahnya.
3.1 Analisa
Tahap analisa data dilakukan dengan tujuan menganalisis terhadap
variabel yang ada dalam alat. Hal ini dilakukan dengan mencari inoformasi terkait
persoalan yang dihadapi berdasarkan lokasi atau tempat yang dijadikan target
pengembangan produk. Adapun persoalan yang penulis dapatkan mengenai
mekanisme gerak robot untuk sampai ke garasi. Namun, melalui studi literatur akan
memberikan gambaran hasil-hasil penelitian terdahulu yang bisa digunakan sebagai
bahan perbandingan ataupun analisa terkait dengan mekanisme gerak robot pada
Sesuai
alat ini. Berikut bahan studi literasi yang dibutuhkan untuk membantu penulis
panduan spasi
dalam menyelesaikan
untuk alineapersoalan
6 yang dihadapi.
ketikan digunakan
3.1.1 Phytagoras
Esensi mengenai perhitungan pada dalil phtagoras penulis gunakan
sebagai studi literasi dalam menyelesaikan persoalan terkait mekanisme gerak robot
pada “Sistem Kontrol Smart Parking Mobile Robot Berbasis LabVIEW dengan
18
19
Metode FLC”. Perhitungan untuk menentukan jarak tempuh robot ini saat
melakukan gerak lurus pada dasarnya sama dengan perhitungan untuk mencari
panjang garis miring dari segitiga siku-siku pada dalil phytagoras. Seseorang
bernama Phytagoras menyatakan bahwa kuadrat hipotenusa dari suatu segitiga
siku-siku adalah sama dengan jumlah kuadrat dari kaki-kakinya (sisi-sisi siku-
sikunya). Walaupun fakta di dalam teorema ini telah banyak diketahui sebelum
lahirnya Pythagoras, namun teorema ini dikreditkan kepada Pythagoras karena ia
yang pertama kali membuktikan pengamatan ini secara matematis. Sejak
ditemukannya, dalil Pythagoras telah menarik perhatian banyak orang khususnya
ahli-ahli matematika. Begitu menariknya dalil ini, maka salah seorang mantan
presiden Amerika tahun 1882 yaitu Garfield, sangat tertarik terutama dengan
pembuktian kebenarannya.
Saat bertugas di Kongres AS, Garfield mengarang salah satu bukti yang
paling menakjubkan yaitu Teorema Pythagoras yang pernah dibuat. Bukti
pembedahan yang terlihat kembali ke diagram asli yang dikaitkan Pythagoras
sendiri belum mengurangi jumlah permainan potongan-potongan dari lima hingga
tiga sisi. [John C. Sparks, 2008]. Berikut pembuktian dalil tersebut dengan
menggunakan gambar seperti di bawah ini.
1 1 1 1
(𝑎 + 𝑏)(𝑎 + 𝑏) = 𝑎𝑏 + 𝑐 2 + 𝑎𝑏
2 2 2 2
(𝑎 + 𝑏)2 = 𝑎𝑏 + 𝑐 2 + 𝑎𝑏
𝑎2 + 2𝑎𝑏 + 𝑏 2 = 2𝑎𝑏 + 𝑐 2
𝑎2 + 𝑏 2 = 𝑐 2
Pada sub bab berikutnya akan dijelaskan mengenai mekanisme gerak robot
saat melakukan pembelokan.
roda dan konfigurasi (jenis kemudi). Berikut jenis-jenis kemudi pada WMR
(Wheelsed Mobile Robot).
a. Conventional Wheels
Conventional wheels dibedakan menjadi tiga jenis, yaitu:
1. Powered Fixed Wheels
Powered fixed wheels adalah jenis kemudi yang dipasangkan
dengan motor pada posisi yang tetap dari kendaraan. Beberapa sudut
rotasi sudah terpasang pada arah yang tetap dengan baik berdasarkan
koordinat kerangka robot.
2. Castor Wheels
Jenis castor wheels tidak terpasang dengan daya penggerak
(motor), tetapi jenis roda ini mampu berotasi secara bebas sesuai sudut
tegak lurus terhadap sudut rotasi.
3. Powered steering wheels
Perbedaan powered fixed wheels dengan powered steering wheels
adalah powered steering wheels dapat dipasang dengan motor penggerak.
b. Drive Type
Jenis kemudi WMR dibedakan menjadi enam jenis, yaitu:
Differential Drive, Tricycle, Omnidirectional, Syncho Drive, Ackerman
Steering, dan Skid Steering. Pada “Smart Parking Mobile Robot Berbasis
LabVIEW VISION” penulis menerapkan tipe kemudi WMR Differential
Drive pada robot. Mekanisme gerak robot Smart Parking ini pada saat
melakukan pembelokan mengacu pada konsep jenis kemudi WMR
Differential Drive.
1. Differential drive
Jenis kemudi ini terdiri dari dua roda tetap yang terpasang di
sisi kiri dan kanan pada badan robot. Dua roda dipasang secara
independen dan satu atau dua roda kastor pasif digunakan untuk
keseimbangan dan stabilitas. Differential drive adalah jenis kemudi
22
(a) (b)
(c) (d)
Gambar 3.2 Mode Penggerak Kemudi Diffrential Steering. (a) Straight Path (b)
Curved Path, (c) Circular Path, (d) Obstacle-Freet To Go From an Initial to A
Final Pose.
[Sumber: Handbook Introduction to Mobile Robot Control, Spyros G. Tzafestas]
3.3 Desain
Desain model penelitian ini terdiri dari:
26
Gyro Sensor
dilakukan oleh programmable brick pada robot EV3. Saat melakukan proses
pembelokan, robot ini melakukan jenis kemudi differential steering. Pada waktu
yang sama, sensor gyro membaca setiap sudut pergerakan kendaraan. Apabila
sudut kendaraan sudah sama dengan sudut acuan yang ditentukan maka
mekanisme gerak robot selanjutnya adalah robot akan bergerak lurus.
Data koordinat digunakan sebagai variabel dalam menentukan jarak
tempuh kendaraan untuk mencapai posisi koordinat acuan. Proses konversi data
koordinat menjadi jarak menggunakan dalil phytagoras. Formula terkait
perhitungan phytagoras dalam menentukan panjang garis miring pada segitiga
siku-siku memiliki esensi yang sama terhadap persoalan dalam menentukan jarak
tempuh robot. Nilai koordinat ideal adalah titik koordinat acuan yang akan di
proses dengan nilai koordinat saat ini sehingga nilai jarak tempuh dapat ditentukan.
Apabila kendaraan sudah mencapai koordinat acuan atau jarak tempuh,
maka kendaraan akan melakukan proses pembelokan kembali. Data berupa arah
gerak dan kecepatan sudut large motor akan dikirim dari komputer ke EV3 via
bluetooth.
Tracking
Tracking
Inisialisasi
Inisialisasi port
port Snapping
Snapping gambar
gambar Croping
Croping berdasarkan
berdasarkan
USB
USB Webcam
Webcam refrensi
refrensi gambar
gambar acuan
acuan gambar
gambar acuan
acuan
Langkah awal untuk pengoprasian alat ini yaitu, user secara manual
menentukan port USB yang terdeteksi dengan masukan kamera. Sehingga proses
awal pada pemrograman ini adalah membuat inisialisasi port yang terhubung
dengan kamera (webcam). Gambar hasil tangkapan akan dikirim oleh kamera
melalui port USB yang sudah ditentukan. Untuk memulai image tracking proses
snapping dilakukan untuk memotret gambar utuh. Dalam merubah gambar hasil
snapping tersebut user memilih gambar yang akan dijadikan gambar acuan dengan
cara memberikan garis potong pada gambar, sehingga gambar yang dimaksud akan
dipisahkan dengan gambar hasil tangkapan. Proses tersebut juga dapat disebut
proses cropping. Hasil cropping berupa gambar acuan pada proses tracking akan
dibandingkan dengan gambar tangkapan kamera.
3.3.3.2 Direction
Berikut diagram blok proses pengolahan data untuk mendapatkan
koordinat (x,y):
Konversi
Konversi gambar
gambar Mengolah
Mengolah data
data
Menentukan
Menentukan
menjadi
menjadi Grayscale
Grayscale 88 image
image tracking
tracking
region
region of
of interest
interest
bit
bit menjadi
menjadi nilai
nilai (x,y)
(x,y)
Tipe gambar yang digunakan untuk mendeteksi posisi koordinat pada alat
ini adalah tipe grayscale. Sehingga perlu proses konversi dari gambar berformat
raster menjadi gambar berformat grayscale. Pada proses berikutnya gambar hasil
proses cropping atau gambar acuan akan diidentifikasi berdasarkan ROI (Region of
Interest) yang dimiliki. Saat melakukan proses identifikasi nilai ROI pada gambar
30
acuan akan dibandingkan dengan gambar tangkapan kamera. Apabila nilai ROI
antara gambar acuan dengan gambar tangkapan sama, maka proses tracking dapat
menentukan posisi titik tengah gambar acuan pada gambar tangkapan kamera,
sehingga nilai posisi titik tengah dapat diidentifikasi berdasarkan koordinat gambar
tangkapan. Informasi terkait posisi koordinat yang dihasilkan digunakan sebagai
masukan untuk sistem kontrol pada “Smart Parking Mobile Robot Berbasis
LabVEW”. Pada sub-bab berikutnya akan di bahas terkait dengan cara kerja
perangkkat lunak sistem kontrol pada alat ini yang dapat dijelaskan menggunakan
susunan algoritma berupa flowchart.
Gambar 3.7 Diagram Alir Proses Pengolahan Informasi Koordinat x dan Sudut
Kendaraan
31
Nilai koordinat dan sudut kendaraan yang sudah di ekstrak sebelumnya akan di
proses untuk menghasilkan data arah gerak motor. Data arah gerak motor
selanjutnya berguna dalam menentukan aturan fuzzy yang akan digunakan. Apabila
arah gerak motor adalah maju maka aturan fuzzy yang digunakan adalah “Fuzzy
Logic Forward”. Sedangkan aturan “Fuzzy Logic Backward” digunakan untuk
arah gerak motor mundur. Output yang dihasilkan dari kontrol fuzzy adalah nilai
sudut kemudi yang pada proses berikutnya berfungsi sebagai masukan dalam
menentukan nilai koordinat dan orientasi robot acuan. Apabila robot sudah sampai
pada garasi maka proses pengolahan nilai koordinat x dan sudut kendaraan
menggunakan logika fuzzy telah selesai. Penjelasan terkait proses perancangan
sistem kontrol menggunakan logika fuzzy akan dijelaskan pada sub bab 3.3.3.2.2.
3.3.3.4 Pengolahan Data Arah Gerak Large Motor dan Sudut Kemudi
Berikut diagram alir proses pengolahan data untuk menghasilkan output
berupa koordinat dan orientasi robot acuan:
Gambar 3.8 Pengolahan Data Arah Gerak Large Motor dan Sudut Kemudi
32
Data koordinat, sudut kendaraan, sudut kemudi, dan arah gerak motor
berguna sebagai nilai variabel yang akan di proses untuk menentukan nilai
koordinat dan orientasi robot acuan. Pada proses selanjutnya nilai koordinat acuan
digunakan sebagai masukan untuk menentukan jarak tempuh kendaraan.
Sedangkan orientasi robot acuan berfungsi sebagai sudut acuan robot dalam
melakukan mekanisme pembelokan. Dalam hal ini koordinat x disimbolkan xo,
koordinat y disimbolkan yo, dan orientasi acuan disimbolkan bo.
Variabel input berupa nilai koordinat, koordinat acuan dan batas sumbu x
dan y area parkir akan diolah guna menghasilkan nilai jarak tempuh robot pada saat
33
melakukan gerak lurus. Formula terkait dengan dalil phyagoras digunakan untuk
menentukan jarak tempuh robot agar sampai pada posisi koordinat acuan. Untuk
mengetahui apakah robot sudah pada posisi koordinat acuan sensor rotary encoder
digunakan untuk mengukur setiap sudut putaran motor. Hasil dari pembacaan
sensor rotary encoder selanjutnya berfungsi untuk mendeteksi apakah robot sudah
bergerak menempuh jarak yang ditentukan. Pada saat melakukan gerak lurus, nilai
kecepatan sudut motor adalah konstan. Apabila robot sudah sampai posisi yang
ditentukan di garasi maka proses koordinat acuan telah selesai dilakukan.
Terdapat dua jenis mekanisme gerak robot pada alat ini yang beroperasi
secara bergantian. Sudut kendaraan yang terukur oleh gyro sensor berguna sebagai
34
masukan yang akan di proses untuk menghasilkan output berupa kecepatan sudut
setiap motor. Apabila tombol active FLC belum ditekan maka nilai beta adalah
sudut kendaraan. Jika nilai sudut kendaraan masih di dalam range tersebut,
kecepatan sudut setiap motor adalah “0”. Namun jika nilai output gyro sensor
diluar range tersebut maka arah gerak motor berbeda, sehingga robot akan
melakukan manuver sampai pada sudut acuannya. Pada proses yang lain apabila
tombol active FLC sudah bernilai sudah ditekan maka nilai batas atasnya adalah
beta + 7 dan batas bawahnya adalah beta - 7. Jika nilai output gyro sensor di luar
dari range tersebut maka arah gerak setiap motor berbeda, sehingga robot akan
melakukan proses manuver sampai pada nilai output gyro sensor didalam dari
range sudut acuan. Namun apabila output gyro sensor di dalam range tersebut maka
arah gerak motor adalah sama, sehingga robot akan bergerak lurus sampai pada
jarak tempuh yang sudah ditentukan. Saat melakukan manuver kecepatan sudut
setiap motor adalah sama.
“true” maka nilai sudut kemudi akan sesuai dengan nilai output logika fuzzy
sistem kontrol pada alat ini. Selain itu nilai jarak tempuh juga akan sama
dengan output hasil proses pengolahan data koordinat. Sehingga robot
melakukan mekanisme pergerakan untuk sampai ke garasi.
6. Informasi Status Kendaraan
Panel indikator ini akan menampilkan koordinat x dan y, sudut robot,
dan sudut kemudi. Selain itu pada panel ini juga menampilkan status motor
Pada indikator status motor, apabila motor dalam kondisi diam maka
indikator berwarna merah. Apabila motor dalam kondisi maju maka
indikator berwarna hijau, sedangkan jika motor dalam kondisi mundur
maka indikator berwarna kuning.
7. Button Stop
Apabila tombol ini ditekan maka proses eksekusi program alat ini
akan berhenti.
8. Menu Ring
Menu ini menyediakan pilihan page yang akan ditampilkan pada
HMI.
9. Panel Timing
Panel ini berfungsi sebagai indikator waktu siklus saat robot parkir
ke garasi. Waktu akan berjalan setelah tombol active FLC ditekan dan akan
berhenti jika robot sudah sampai ke garasi.
10. Status finish
Indikator ini menunjukan bahwa robot sudah masuk garasi. Ditandai
dengan indikator lampu hijau yang aktif.
Berikut ini adalah diagram block program input kamera yang dapat
digunakan dalam penulisan program. Program tersebut nantinya berguna untuk
menghasilkan output berupa data koordinat robot.
1. Inisialisasi kamera
4. Image Tracking
4. Extract x dan y
(a) (b)
Gambar 3.16 (a) SubVI XY In Pada Program Image Tracking, (b) Program
SubVI XY In
Masukan berupa posisi koordinat (x,y) yang sudah dikonversi dan sudut
kendaraan (beta) selanjutnya digunakan sebagai masukan untuk function block data
processing. Untuk lebih jelasnya dapat dilihat pada lampiran 6. Program data
processing pada alat ini terbagi menjadi enam proses yang beroperasi secara
beruntun. Berikut adalah diagram block data processing pada alat ini.
(a) (b)
Gambar 3.18 (a) Program Pengolahan Informasi Koordiat dan Sudut
Kendaraan, (b) Program
Sub-vi “fuzzy Set Move Direction.vi”
Pada gambar 3.18 (b) masukan berupa arah gerak atau direction
menentukan case yang akan beroperasi. Saat direction berlogika “true” maka nilai
koordinat y akan dibandingkan dengan nilai konstatanta sebesar 4. Jika nilai
41
koordinat y lebih dari atau sama dengan 4 maka proses menentukan arah gerak
robot menghasilkan output berlogika “true”, sehingga arah gerak motor adalah
maju. Pada kondisi yang lain, apabila nilai koordinat y kurang dari 4 maka proses
akan menghasilkan arah gerak mundur pada motor.
Pada case yang lain, jika direction berlogika “false” proses awal adalah
membandingkan koordinat y dengan nilai konstanta 1. Proses tersebut akan
menghasilkan output berlogika “false” jika nilai koordinat y lebih dari 1. Namun,
jika nilai koordinat y kurang dari 1 maka, perlu beberapa pertimbangan dari
masukan berupa koordinat x dan sudut kendaraan yang diperlukan untuk
menentukan arah gerak motor.
Gambar 3.19 Program Sistem Fuzzy Pada Smart Parking Mobile Robot
Berbasis LabVIEW VISION
terkait dengan penerapan metode fuzzy pada alat tugas akhir ini, berikut dijelaskan
tahapan dalam menerapkan sistem fuzzy pada alat tugas akhir ini.
1. Fuzzyfikasi
Pada tahap ini akan di evaluasi dari fungsi keanggotaan
berdasarkan variabel input dan output. Berikut identifikasi variabel input
dan output dari sistem fuzzy alat ini.
Variabel input:
Variabel output:
Variabel input:
• Koordinat x : [0 10]
• Orientasi robot : [-90 270]
Variabel output:
2. Basis Pengetahuan
Tahap basis pengetahuan diperlukan untuk membuat fungsi
keanggotaan dan aturan dasar fuzzy serta pengambilan keputusan. Pada
tahap ini terbagi menjadi tiga tahap yaitu: basis data, basis aturan, dan
pengambilan keputusan.
a. Basis data
Basis data merupakan tahapan untuk merancang fungsi
keanggotaan dari setiap variabel input dan output. Basis data bertujuan
mendefenisikan semesta pembicaraan dan penentuan variabel linguistik.
Berikut fungsi keanggotaan sistem fuzzy pada alat ini.
• Fungsi keanggotaan fuzzy logic kondisi maju:
b. Basis aturan
Setelah merancang fungsi keanggotaan dari masing-masing
variabel input dan output, tahapan berikutnya adalah merancang aturan
sistem fuzzy pada alat ini. Pada tahap basis aturan masukan koordinat x
dan sudut kendaraan pada masing-masing fuzzy controller akan
dihubungkan dengan luaran sudut kemudi. Berikut perincian aturan
dasar sistem fuzzy pada alat ini.
Tabel 3.2 Aturan dasar fuzzy untuk kondisi mundur
Keterangan:
PB : Positive Big
PM : Positive Medium
PS : Positive Small
Z : Zero
NS : Negative Small
NM : Negative Medium
NB : Negative Big
c. Mekanisme Pertimbangan
Tahap mekanisme pertimbangan adalah proses pengambilan
keputusan berdasarkan aturan dasar yang sudah ditentukan. Pada proses
pembuatan program sistem kontrol fuzzy dengan softwere LabVIEW,
tahapan ini tidak dilakukan. Softwere LabVIEW akan secara otomatis
menghasilkan aturan dasar fuzzy yang terpanggil berdasarkan besar nilai
membership function. Derajat keaangotaan atau membership function
sendiri dihasilkan dari proses perhitungan pada masing-masing area
47
𝜇 (𝑏 − 𝑥) 4 − 3.5 0.5
(𝑙𝑒𝑓𝑡) = = = = 0.167
(𝑏 − 𝑎) 4 −1 3
𝑏 = 5; 𝑎 = 4; 𝑥 = 3.5
48
𝜇 (𝑏 − 𝑥) 4 − 3.5 0.5
(𝑙𝑒𝑓𝑡−𝑐𝑒𝑛𝑡𝑒𝑟) = = = = 0.5
(𝑏 − 𝑎) 4 −1 1
𝜇 (𝑏 − 𝑥) 70− 60 10
(𝑙𝑒𝑓𝑡) = = = = 0.2
(𝑏 − 𝑎) 70−20 50
𝑏 = 70; 𝑎 = 45; 𝑥 = 60
𝜇 (𝑏 − 𝑥) 70 − 60 10
(𝑙𝑒𝑓𝑡) = = = = 0.4
(𝑏 − 𝑎) 70 −45 25
𝐶𝑂𝐴 = (∑ 𝜏𝑖 𝑦𝑖 ) / (∑ 𝜏𝑖 )
𝑖=1 𝑖=1
Dimana,
18.72
= = 19.4
0.934
(a)
52
(b)
Gambar 3.33 (a) Program Untuk Menentukan Koordinat Ideal dan Sudut
Kendaraan Ideal, (b) Program SubVI “Fuzzex Simulate Car Position”
𝑥
• Cos 𝑎 =
𝑟
𝑦
• Sin 𝑎 =
𝑟
berdasarkan nilai sin dan cos dari besar sudut kendaraan. Untuk
mempermudah dalam menentukan koordinat ideal (xo,yo), berikut
skema gerak robot alat ini.
(0,0)
(0,0) x y
(−1) ∗ ∑ p
Xg = (X ∗ ∑ p) + Xmin.
Yg = (Y ∗ (−1) ∗ ∑ p) + Ymin.
• Tahap terakhir adalah dengan menjumlahkan batas bawah setiap
variabel sumbu x dan sumbu y pada gambar area parkir.
Xg = (X ∗ ∑ p) + Xmin.
58
Yg = (Y ∗ (−1) ∗ ∑ p) + Ymin.
Saat belum melakukan gerak lurus robot berada pada posisi koordinat
Xg,Yg. Sedangkan posisi koordinat Xog,Yog adalah posisi robot setelah
melakukan gerak lurus. Panjang sisi Z dalam hal ini adalah jarak tempuh robot
saat bergerak lurus yang ditentukan berdasarkan jumlah akar kuadrat dari sisi
59
“A” dan sisi “B”. Berikut adalah perhitungan dalam menentukan panjang sisi
“Z”.
Z = √A2 + B2
A = Yog − Yg
B = Xog − Xg
Maka,
Z = √(Yog − Yg)2 + (Xog − Xg)2
Berdasarkan formula diatas jarak tempuh robot dapat hitung
menggunakan dalil phytagoras berdasarkan nilai koordinat acuan gambar
(Xog,Yog) dan koordinat gambar (Xg,Yg). Nilai jarak yang dihasilkan masih
berupa stuan pixel, sehingga dibutuhkan proses konversi untuk mendapatkan
nilai jarak sudut putaran rotary encoder. Berikut langkah untuk proses konversi
nilai jarak dengan satuan pixel menjadi nilai jarak dengan satuan sudut putaran
rotary encoder.
• Menentukan keliling lingkaran roda robot.
Diameter roda : 5.6 cm
Keliling :𝜋∗𝑑
= 3.14 ∗ 5.6
= 17.58 cm
• Konversi 1 cm ke sudut putaran roda.
Keliling lingkaran roda 17.58°
1° = = = 0.043 cm
360° 360°
Maka,
1 cm = 23.25°
• Konversi nilai dari satuan “pixel” ke derajat putaran.
23.25°
= Jarak ∗ ( )
∑p
7.5
Hasil konversi nilai dari satuan “pixel” ke derajat putaran pada
proses selanjutnya digunakan acuan kerja motor saat robot melakukan gerak
lurus.
60
4.1 Pengujian
Tahap pengujian dilakukan dengan maksud mengumpulkan data yang
diperlukan dalam proses analisis. Sebelum alat ini diuji adapun beberapa trial and
error yang penulis lakukan untuk mencoba robot parkir ke garasi dengan posisi
awal tertentu. Pada pengujian alat tugas akhir ini diperlukan beberapa parameter
yang berguna sebagai acuan dalam melakukan tahap pengujian. Berikut penjelasan
dari parameter tahap pengujian.
4.1.1Deskripsi Pengujian
Pengujian ini berguna untuk mendapatkan data berupa persentase
keberhasilan dan waktu siklus (Ws) robot parkir ke garasi. Berikut data dalam
proses mengumpulkan data.
a. Persentase keberhasilan
Lokasi Pengujian :.Bengkel Elektronika Industri
………………..Politeknik Negeri Jakarta
Tanggal Pengambilan Data : 12 Juli 2018
Waktu Pengambilan Data : 08:00 – 14:00
b. Waktu siklus
Lokasi Pengujian :.Bengkel Elektronika Industri
…………………………………....Politeknik Negeri Jakarta
Tanggal Pengambilan Data : 12 Juli 2018
Waktu Pengambilan Data : 08:00 – 14:00
62
63
8. Panel “time” akan ditampilkan waktu siklus atau waktu yang dibutuhkan
robot untuk parkir ke garasi setelah tombol “Active FLC” diaktifkan.
9. Poin 4 sampai poin 8 akan diulang sebanyak 35 kali pengujian dengan
posisi awal robot yang berbeda sesuai konfigurasi pengujian pada
gambar 4.1 (a) dan gambar 4.1 (b)
(a) (b)
65
yang di uji
yang di uji
pendukung
pendukung
pendukung
66
150
Ws (detik)
100
50 21.46
0
0 90 180 270
Sudut
• Area B
50
39.02
40
Ws (detik)
30
16.22
20 12.02 10.2
10
0
0 90 180 270
Sudut
• Area C
100 89.05
80
Ws (detik) 60
35.03
40
20.42 17.41
20
0
0 90 180 270
Sudut
40
30 19.82 23.4
20
10
0
0 90 180 270
Sudut
• Area E
30 25.02 23.42
25
17.61
Axis Title
20
13.02
15
10
5
0
0 90 180 270
Axis Title
• Area F
160 151.9
140
120
Ws (setik)
100
80
60 36.62
40 20.81 20.22
20
0
0 90 180 270
Sudut
• Area G
60 55.44
50
40 33.21
Ws (derik)
29.23
30 22.21
20
10
0
0 90 180 270
Sudut
• Area H
60 56.25
50
35.04
Ws (detik)
40
30 22.21
20
10
0
0 180 270
Sudut
• Area I
80 71.24
60
Ws (detik)
40 25.01 27.01
22.21
20
0
0 90 180 270
Sudut
Tabel 4.3 Waktu Sklus Robot dari Setiap Pengujian yang Berhasis
∑𝑋
Mw :
𝑁
71
Dimana,
Mw : Tingkat keberhasilan alat berdasarkan waktu
∑ 𝑊s : Jumlah waktu siklus
𝑁 : Jumlah data yang akan dirata-ratakan
∑ 𝑊𝑠
𝑀𝑤 =
𝑁
(11077.21)
𝑀𝑓 = = 34.74 𝑠
31
∑ 𝑊𝑠𝑥
̅̅̅̅
𝑀𝑠 =
𝑁
Dimana,
̅̅̅̅
𝑀𝑠 : Rerata waktu siklus dari setiap area.
∑ 𝑊𝑠𝑥 : Jumlah waktu siklus setiap area, 𝑥: Area awal robot
𝑁 : Jumlah data yang akan dirata-ratakan
• Area A
∑ 𝑊𝑠𝑎
̅̅̅̅ =
𝑀𝑠
𝑁
(21.46 + 185.3 + 184.2 + 189.04)
̅̅̅̅
𝑀𝑠 =
4
72
580
̅̅̅̅
𝑀𝑠 = = 145 𝑠
4
• Area B
∑ 𝑊𝑠𝑏
̅̅̅̅
𝑀𝑠 =
𝑁
(12.02 + 10.20 + 16.22 + 39.02)
̅̅̅̅
𝑀𝑠 =
4
77.46
̅̅̅̅ =
𝑀𝑠 = 19.36 𝑠
4
• Area C
∑ 𝑊𝑠𝑐
̅̅̅̅ =
𝑀𝑠
𝑁
(20.24 + 17.41 + 35.03 + 89.05)
̅̅̅̅ =
𝑀𝑠
4
161.91
̅̅̅̅
𝑀𝑠 = = 40.47 𝑠
4
• Area D
∑ 𝑊𝑠𝑑
̅̅̅̅
𝑀𝑠 =
𝑁
(41.82 + 60.28 + 19.82 + 23.40)
̅̅̅̅
𝑀𝑠 =
4
145.32
̅̅̅̅ =
𝑀𝑠 = 36.33 𝑠
4
• Area E
∑ 𝑊𝑠𝑒
̅̅̅̅
𝑀𝑠 =
𝑁
(13.02 + 25.02 + 17.61 + 23.42)
̅̅̅̅ =
𝑀𝑠
4
79.05
̅̅̅̅
𝑀𝑠 = = 19.76 𝑠
4
73
• Area F
∑ 𝑊𝑠𝑓
̅̅̅̅ =
𝑀𝑠
𝑁
(20.81 + 20.22 + 151.9 + 151.9)
̅̅̅̅ =
𝑀𝑠
4
344.83
̅̅̅̅
𝑀𝑠 = = 86.20 𝑠
4
• Area G
∑ 𝑊𝑠𝑓
̅̅̅̅
𝑀𝑠 =
𝑁
(55.44 + 33.21 + 22.21 + 20.23)
̅̅̅̅
𝑀𝑠 =
4
140.9
̅̅̅̅ =
𝑀𝑠 = 35.02 𝑠
4
• Area H
∑ 𝑊𝑠ℎ
̅̅̅̅ =
𝑀𝑠
𝑁
(22.21 + 35.04 + 56.25)
̅̅̅̅ =
𝑀𝑠
3
113.5
̅̅̅̅
𝑀𝑠 = = 37.83 𝑠
3
• Area I
∑ 𝑊𝑠𝑖
̅̅̅̅
𝑀𝑠 =
𝑁
(71.24 + 22.21 + 25.01 + 27.01)
̅̅̅̅
𝑀𝑠 =
4
35.47
̅̅̅̅ =
𝑀𝑠 = 18.86 𝑠
4
BAB V
PENUTUP
5.1 Simpulan
Berdasarkan perumusan dan pembahasan masalah dapat disimpulkan
bahwa:
1. Waktu rata-rata yang diperlukan robot untuk sampai ke garasi dari 35 posisi
awal yang berbeda adalah 34.74 detik.
2. Tingkat keberhasilan robot yang menerapkan jenis kemudi differential drive
pada tugas akhir ini sebesar 88.57 %.
3. Area “I” merupakan area awal robot untuk parkir ke garasi dengan rerata
waktu siklus yang paling cepat.
5.2 Saran
Adapun saran untuk sistem kontrol pada smart parking mobile robot
berbasis LabVIEW dengan metode FLC yaitu perlu adanya pengembangan terkait
dengan aturan logika fuzzy yang digunakan untuk setiap posisi awal robot yang
berbeda.
74
75
DAFTAR PUSTAKA
LabVIEW. 2009. PID and Fuzzy Logic Toolkit User Manual. Texas:
………..…National Instruments Corporation