Judul :

SMART PARKING MOBILE ROBOT BERBASIS LabVIEW

VISION
HALAMAN COVER
Sub Judul :

SISTEM KONTROL SMART PARKING MOBILE ROBOT

BERBASIS LabVIEW DENGAN METODE FLC

TUGAS AKHIR

Dibuat untuk Melengkapi Syarat-Syarat yang Diperlukan Untuk Memperoleh

Diploma Empat Politeknik

Oleh :
Farizstia Nugraha
4314020006

PROGRAM STUDI INSTRUMENTASI DAN KONTROL INDUSTRI

JURUSAN TEKNIK ELEKTRO
POLITEKNIK NEGERI JAKARTA
2018

i
 LEMBAR PENGESAHAN
TUGAS AKHIR

SMART PARKING MOBILE ROBOT BERBASIS LabVIEW VISION

Tugas Akhir diajukan oleh:

Nama : Farizstia Nugraha
NIM : 4314020006
Program Studi : Instrumentasi dan Kontrol Industri
Judul Tugas Akhir : Smart Parking Mobile Robot Berbasis LabVIEW VISION

Telah diuji oleh tim penguji dalam sidang Tugas Akhir pada hari selasa 24 juli 2018
dan dinyatakan LULUS.

Pembimbing : Iwa Sudradjat, S.T., M.T.

NIP : 19610607 1986011002 (…………………….)

Depok, ………………………
Disahkan oleh
Ketua Jurusan Teknik Elektro

Drs. Nuhung Suleman, S.T., M.T.

NIP. 1959123119870312

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.

Kata kunci: FLC, Differential steering, LEGO MINDSTROMS EV3, motor,

……………… waktu siklus.

Kata kunci, diurutkan

sesuai abjad

iv
 DAFTAR ISI

HALAMAN COVER ............................................................................................... i

LEMBAR PENGESAHAN .................................................................................... ii
KATA PENGANTAR ........................................................................................... iii
ABSTRAK ............................................................................................................. iv
DAFTAR ISI ........................................................................................................... v
DAFTAR GAMBAR ........................................................................................... viii
DAFTAR TABEL .................................................................................................. xi
DAFTAR LAMPIRAN ......................................................................................... xii

BAB I PENDAHULUAN ...................................................................................... 1

1.1 Latar Belakang ........................................................................................................... 1
1.2 Perumusan Masalah.................................................................................................. 1
1.3 Batasan Masalah ........................................................................................................ 2
1.4 Tujuan ......................................................................................................................... 2
1.5 Metode Penyelesaian Masalah ................................................................................. 2

BAB II TINJAUAN PUSTAKA .......................................................................... 6

2.1 LabVIEW .................................................................................................................... 6
2.1.1 Front Panel ........................................................................................................ 7
2.1.2 Block Diagram ................................................................................................. 7
2.1.3 Tipe Data ........................................................................................................... 7
2.2 Ruang Lingkup LabVIEW ....................................................................................... 8
2.3 Robot Lego Mindstorms EV3 .................................................................................. 9
2.3.1 Mindstroms EV3 Programmable Brick ...................................................... 10
2.3.2 Motor DC ........................................................................................................ 11

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

BAB III PERANCANGAN DAN REALISASI ................................................ 18

3.1 Analisa ...................................................................................................................... 18
3.1.1 Phytagoras ....................................................................................................... 18
3.1.2 Mobile Robot .................................................................................................. 20
3.2 Spesifikasi Alat ........................................................................................................ 23
3.2.1 Parameter Fungsional...................................................................................... 23
3.2.2 Parameter Kelistrikan dan Dimensi .............................................................. 24
3.3 Desain ........................................................................................................................ 25
3.3.1 Diagram Blok ................................................................................................... 26
3.3.2 Perancangan Perangkat Keras ........................................................................ 27
3.3.3 Perancangan Softwere ..................................................................................... 28
3.4 Softwere (Programming) ........................................................................................ 34
3.4.1 Front panel ........................................................................................................ 34
3.4.2 Block Diagram ................................................................................................. 36

BAB IV PENGUJIAN DAN ANALISA ............................................................ 62

4.1 Pengujian .................................................................................................................. 62
4.1.1Deskripsi Pengujian ........................................................................................ 62
4.1.2 Tujuan Pengujian ........................................................................................... 62
4.1.3 Target Pengujian ............................................................................................ 63
4.1.4 Prosedur Pengujian ........................................................................................ 63
4.1.5 Konfigurasi Pengujian ................................................................................... 64

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

DAFTAR PUSTAKA .......................................................................................... 75

LAMPIRAN

vii
 DAFTAR GAMBAR

Gambar 1.1 Flowchart Penyelesaian Masalah Tugas Akhir................................... 3

Gambar 2.1 Starting pop-up LabVIEW 2015 ......................................................... 6
Gambar 2.2 Sketch Softwere LabVIEW 2015 ......................................................... 7
Gambar 2.3 Tools Bar Softwere LabVIEW 2015 ................................................... 8
Gambar 2.4 Lego Mindstorms Education EV3 Core Education 45544 ................. 9
Gambar 2.7 Flat Black Connector Sockiet pada Large Motor .............................. 11
Gambar 2.8 Socket Mounting pada Sensor Gyro .................................................. 12
Gambar 2.9 Program “FuzzyEx Car Backward Parking” pada example VI ........ 16
Gambar 2.10 Detail “FuzzyEx Car Backward Parking” pada example VI .......... 17
Gambar 3.1 Pembuktian Dalil Phytagoras dari Tiga Segitiga Siku-siku .............. 19
Gambar 3.2 Mode Penggerak Kemudi Diffrential Steering ................................. 22
Gambar 3.3 Desain Alat Tugas Akhir ................................................................... 24
Gambar 3.4 Diagram Blok Alat Tugas Akhir Ini.................................................. 26
Gambar 3.5 Diagram Blok Object Tracking ......................................................... 29
Gambar 3.6 Diagram Blok Pengolahan Gambar (diection) .................................. 29
Gambar 3.7 Diagram Alir Pengolahan Informasi Koordinat (x,y) dan Sudut
Kendaraan (beta) ................................................................................................... 30
Gambar 3.8 Pengolahan Data Arah Gerak Large Motor (maju atau mundur) dan
Sudut Kemudi (phi)............................................................................................... 31
Gambar 3.9 Pengolahan data koordinat ideal (x,y) ............................................... 32
Gambar 3.10 Pengolahan data sudut kendaraan (beta) ......................................... 33
Gambar 3.11 Blok Diagram Program Input Kamera ............................................ 37

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

Tabel 2.1 Spesifiasi Mindstroms EV3 Programmable Brick ............................... 10

Tabel 2.2 Spesifikasi Large Motor ....................................................................... 12
Tabel 3.1 Spesifikasi Berdasarkan Parameter Kelistrikan dan Dimensi Alat ....... 25
Tabel 3.2 Aturan dasar fuzzy untuk kondisi mundur ............................................. 45
Tabel 3.2 Aturan dasar fuzzy untuk kondisi maju ................................................. 46
Tabel 4.1 Posisi titik koordinat (x,y) setiap area .................................................. 64
Tabel 4.2 Peralatan Pendukung Pengujian ............................................................ 65
Tabel 4.3 Waktu Sklus Robot dari Setiap Pengujian yang Berhasil ..................... 70

xi
 DAFTAR LAMPIRAN

Lampiran 1. Riwayat Hidup .................................................................................. 77

Lampiran 2. Gambar Tampilan HMI Smart Parking Mobile Robot Berbasis
LabVIEW VISION ............................................................................................... 78
Lampiran 3. Gambar Function Block Snap Image ................................................ 79
Lampiran 4. Gambar Function Block Learn Image .............................................. 80
Lampiran 5. Gambar Function Block Image Tracking ......................................... 81
Lampiran 6. Gambar Function Block Processing Data x, y, dan angle ............... 82
Lampiran 7. Gambar Function Block Processing Data x, y, dan angle (Lanjutan)
............................................................................................................................... 83
Lampiran 8. Gambar Function Block Move Direction Kondisi Mundur ............. 84
Lampiran 9. Gambar Function Block Move Direction Kondisi Mundur ............. 85
Lampiran 10. EV3 Technical Over View .............................................................. 86
Lampiran 11. Rancangan Akhir Hardwere ........................................................... 92

xii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Smart Parking Mobile Robot Berbasis LabVIEW VISION merupakan
robot yang menyerupai mobil yang dapat parkir ke garasi secara otomatis.
Pembuatan tugas akhir ini dimaksudkan untuk mengembangkan fungsi alat bantu
parkir otomatis konvensional. Sensor ultrasonik dan kamera belakang adalah alat
bantu untuk memudahkan pengemudi dalam memarkirkan kendaraannya. Dalam
hal ini pengemudi menjadi lebih terbantu dibandingkan hanya menggunakan
cermin saja. Tetapi perangkat tersebut memiliki kelemahan, yaitu masih
mengandalkan kemampuan pengemudi dalam mengambil keputusan arah kemudi
dan gerak kendaraan tersebut.
Dengan menggunakan Webcam atau kamera USB yang ditempatkan pada
posisi tinggi serta pengolahan gambar digital (digital image processing), alat ini
diharapkan mampu membantu pengemudi dalam memakirkan kendaraannya secara
otomatis. Tidak semua kendaraan dapat digunakan pada penerapan tugas akhir ini,
tetapi ada kendaraan yang sudah mendukung remote control seperti mobil Range
Rover tipe Jaguar yang dapat dikendalikan via Remote Control [Ahmad Reza,
2016]. Pada tugas akhir ini kendaraan tersebut digantikan fungsinya dengan robot
LEGO MINDSTROMS EV3 dengan dua motor sebagai kemudi arah dan gerak
robot. Sehingga jenis kemudi yang diterapkan untuk pergerakan robot ini adalah
jenis differential steering. Personal Computer (PC) berfungsi sebagai pengolahan
gambar digital (digital image processing) sehingga menghasilkan sinyal kontrol
yang dikirim ke Programmable Brick EV3 via bluetooth.

1.2 Perumusan Masalah

1. Bagaimana membuat prototipe area parkir dan penempatan kamera “Smart
Parking Mobile Robot Berbasis LabVIEW Vision” agar mekanisme kerja
robot berjalan sesuai yang dipersyaratkan.
2. Bagaimana mekanisme gerak robot agar sampai ke garasi.

1
 2

3. Bagaimana algoritma sistem kontrol untuk mengolah data koordinat dan

sudut sehingga kendaraan sampai ke garasi dengan sempurna.
4. Berapa tingkat keberhasilan robot untuk parkir ke garasi.
5. Berapa waktu rata-rata yang dibutuhkan robot untuk parkir ke garasi dari
posisi awal yang berbeda.
6. Pada area awal robot mana yang memungkinkan untuk robot dapat parkir
ke garasi secara otomatis dengan waktu siklus rata-rata yang paling cepat.

1.3 Batasan Masalah

Adapun batasan masalah yang ada dalam tugas akhir ini adalah, kerja alat
ini mencakup:
1. Kondisi bidang area parkir dan garasi harus dalam keadaan datar dan tanpa
halangan.
2. Luas area parkir dan gasrasi berturut-urut 150 x 100 cm dan 20 x 15 cm.
3. Pada sub judul “Sistem Kontrol Pada Smart Parking Mobile Robot
Berbasis LabVIEW dengan metode FLC” akan dibahas terkait sistem
kontrol untuk mengatur kerja motor.
4. Mekanisme gerak pada sistem parkir robot adalah dengan kondisi parkir
mundur.
5. Jenis kemudi yang digunakan untuk melakukan manuver (pembelokan)
adalah jenis differential steering tipe circular path.
6. Mekanisme gerak robot pada saat melakukan pembelokan dan saat
bergerak lurus dilakukan secara bergantian.
7. Variabel input kontrol fuzzy adalah koordinat x dan sudut kendaraan.

1.4 Tujuan
Tujuan penelitian ini adalah mengontrol kecepatan sudut pada tiap motor
agar robot dapat parkir ke garasi.

1.5 Metode Penyelesaian Masalah

 3

MULAI A

DESAIN DAN
PEMBUATAN ALAT
STUDI LITERATUR

REALISASI DAN UJI

KONSULTASI COBA ALAT
DENGAN DOSEN
PEMBIMBING

TIDAK

APAKAH SUDAH
TIDAK SEMPURNA?
APAKAH SUDAH
DI SETUJUI?
Kata
YA
sempurna
YA
sebaiknya
PERENCANAAN PENYUSUNAN diganti
SPESIFIKASI LAPORAN
dengan
Perencanaan/
A Spesifikasi
SELESAI

Gambar 1.1 Flowchart Penyelesaian Masalah Tugas Akhir

Berdasarkan gambar metodologi yang digunakan sesuai pada gambar

untuk penyelesaian masalah yang telah disebutkan diatas adalah sebagai berikut:

1. Studi Literatur dan Pengumpulan Data dari Berbagai Sumber

Sumber informasi dari internet dan buku-buku terkait dengan
perkembangan teknologi parkir otomatis dibutuhkan untuk dijadikan acuan
dalam merancang sistem identifikasi dan sistem kontrol pada alat ini. Untuk
memulai perancangan hardwere penulis membutuhkan literasi mengenai
spesifikasi perangkat-perangkat yang digunakan pada alat ini. Sedangkan
pada sofware penulis membutuhkan manual book terkait penulisan program
dengan sofware LabVIEW 2015.
Litersasi tentang diagram block dan tipe data pada softwere
LabVIEW juga penulis butuhkan dalam membuat program sistem kontrol
pada alat ini. Konsep terkait dengan metode kontrol FLC (Fuzzy Logic
Controller) dan kontrol mobile robot juga dibutuhkan sebagai bahan studi
 4

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

Laboratory Virtual Instruments Engineering Workbench (LabVIEW)

merupakan produk dari National Instruments yang berupa software pengembangan
program aplikasi dan hardware input-output untuk keperluan akusisi dan
pengendalian [Kussigit Santosa. 2013]. Perangkat lunak (software) ini dapat
dijalankan pada sistem operasi Linux, Unix, Mac OS X dan Windows. Berbeda
dengan pemograman berbasis teks dimana instruksi-instruksi menentukan eksekusi
program pada sistem kendali. LabVIEW merupakan pemograman aliran data,
dimana aliran data menentukan eksekusi dari program. Bahasa pemograman
LabVIEW menggunakan simbol (icon) untuk membuat aplikasi, membuat tampilan
program aplikasi LabVIEW menggunakan tools dan objek. Tampilan aplikasi ini
dikenal dengan front panel. Tampilan front panel kemudian ditambahkan kode
yang direpresentasikan oleh simbol dari fungsi untuk mengatur objek. Sedangkan
source code simbol tersebut ada dalam tampilan jendela block diagram. LabVIEW
software terdiri dari 3 (tiga) komponen utama, yaitu front panel, block diagram dan
tipe data. Berikut tampilan starting pop up LabVIEW 2015.

Gambar 2.1 Starting pop-up LabVIEW 2015

6
 7

2.1.1 Front Panel

Front panel merupakan penghubung (interface) antara pengguna (user)
dengan program aplikasi. Didalam front panel terdapat kontrol (input) dan indikator
(output) sebagai masukan atau keluaran instrumen. Kontrol adalah instrumen
mekanisme masukan yang menyuplai data dari block diagram yang mencakup
knop, push button, dial dan mekanisme masukan lainnya. Sedangkan indikator
adalah instrument mekanisme keluaran yang menampilkan data dari block diagram,
mencakup grafik, LED, tank dan tampilan keluaran lainnya.

2.1.2 Block Diagram

Block diagram merupakan jendela tempat menuliskan perintah dan fungsi,
berisikan source code berupa simbol-simbol, node dan garis sebagai data flow untuk
mengeksekusi program termasuk kode dari front panel. Pada block diagram juga
tersedia function palette yang berisi fungsi-fungsi yang digunakan untuk
memanipulasi input, contohnya fungsi array, matematika, fungsi IO dan
sebagainya. Pada block diagram, tool palette juga dipakai untuk mengatur dan
menghubungkan icon. Berikut sketch block diagram dan front panel software
LabVIEW 2015.

Gambar 2.2 Sketch Block Diagram dan Front Panel Softwere LabVIEW 2015

2.1.3 Tipe Data

Dalam membuat aplikasi VI, harus diperhatikan tipe data tiap simbol agar
data flow dapat berjalan semestinya. Tipe data yang tersedia yaitu numeric, boolean
dan string. Tipe data dari sebuah simbol dapat diketahui dari warna node atau warna
 8

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.

2.2 Ruang Lingkup LabVIEW

Pada bagian ini akan dijelaskan mengenai Menu Bar, Menu File, Menu
Edit, Menu View, Menu Project, Menu Operate, , Menu Tools, Menu Windows,
Help. Berikut tools bar softwere LabVIEW 2015.

Gambar 2.3 Tools Bar Softwere LabVIEW 2015

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

Menu Operate terdiri dari bebrapa item yang digunakan untuk

mengontrol suatu operasi VI. Perintah-perintah pada menu operate
diantaranya dapat dilihat pada lampiran.
g. Menu Tools
Menu Tools terdiri dari beberapa item untuk menkonfigurasikan
LabVIEW dan VI.
h. Menu Help
Menu help terdiri dari beberapa item untuk menemukan fitur-fitur
LabVIEW dan menyediakan dokumentasi LabVIEW serta bantuan dengan
akses internet.

2.3 Robot Lego Mindstorms EV3

Lego Mindstorms EV3 adalah kit robotika generasi ketiga dari
Mindstorms Lego. Kit robot Lego Mindstorms EV3 yang digunakan pada alat tugas
akhir ini adalah EV3 Home (31313) yang terdiri dari: 1 EV3 programmable brick,
2 Large Motors, 1 Medium Motor, 1 Touch Sensor, 1 Color Sensor, 1 Infrared
Sensor, 1 Remote Control, cables, USB cable, dan 585 TECHNIC elements. Set
EV3 Core Education (45544) terdiri dari: 1 EV3 programmable brick, 2 Large
Motors, 1 Medium Motor, 2 Touch Sensors, 1 Color Sensor, 1 Gyroscopic Sensor,
1 Ultrasonic Sensor, cables, USB cable, 1 Rechargeable battery dan 547
TECHNIC elements. Berikut gambar interkoneksi motor dan sensor pada
programmable brick.

Gambar 2.4 Lego Mindstorms Education EV3 Core Education 45544

[Sumber: https://www.toysbrick.com/product/45544/ ]
 10

Gambar diatas merupakan sambungan antara programmable brick dengan

sensor dan motor. Terdapat dua jenis port pada programmable brick yaitu, port 1
sampai port 4 digunakan untuk soket koneksi sensor. Sedangkan port A sampai
port D digunakan sebagai soket koneksi motor. Untuk menggunakan flat black
connector, hubungkan setiap sensor dengan programmable brick menggunakan
port input 1, 2, 3 dan 4 dan motor dengan programmable brick menggunakan port
output A, B, C, dan D. Berikut penjelasan dari masing-masing perangkat pada robot
Smart Parking Robot Berbasis LabVIEW VISION.

2.3.1 Mindstroms EV3 Programmable Brick

Lego Mindstroms EV3 programmable brick adalah CPU (Central
Processing Unit) yang terdiri dari rangkaian elektronika yang kompleks sehingga
dapat berfungsi secara luas. Berikut spesifikasi dari EV3 Programmable Brick.

Tabel 2.1 Spesifiasi Mindstroms EV3 Programmable Brick

Fitur Spesfikasi
Main Processor 32-bit ARM 9 processor, Texas
Instrument AM1808
• 300 Mhz
• OS: LINUX
Memory 64 MB DDR RAM
16 MB FLASH
256 KB EEPROM
Mocro SD-Card interface SDHC standard, 2-32 GB
Bluetooth wireless communition Bluetooth v2.1 EDR, Panasonic
PAN1325 module
• Texas Instrument CC2550 chip
• BlueZ Buetooth stack
• Primary usage, Serial Port
Profile (SPP)
USB 2.0 Communication, Client High speed port (480 Mbit/s)
interface
 11

USB 1.1 Communication, Host Full speed port (12 Mbit/s)

interface
4 input ports 6-wire interface supporting both
digital and analog interface.
4 output ports 6 -wire interface supporting input form
motor encoders.
Display 178x128 pixel black & white dot-
matrix display.
Loudspeaker Diameter, 23 mm
6 Buttons User Interface Surrounding UI Light
Power source 6 AA Batteries
Connector 6-wire industry-started connector, RJ-
12 Righr side adjusment

Untuk mengetahui lebih detail terkait dengan fungsional programmable

brick secara keseluruhan dapat dilihat pada lampiran 10.

2.3.2 Motor DC

Gambar 2.7 Flat Black Connector Sockiet pada Large Motor

[Sumber: 45544 Core Set product sheet]

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.

Tabel 2.2 Spesifikasi Large Motor

Lego Mindstroms EV3 Large motor
9 Volt, no load 175 RPM
60 mA
Stalled 45Ncm
1.8 A

2.3.3 Gyroscope Sensor

Gambar 2.8 Socket Mounting pada Sensor Gyro

[Sumber: 45544 Core Set product sheet]

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.

2.3.2.1 Mode Gyro Angle

 13

Pada mode ini sensor gyro secara berkelanjutan mengukur,

mengakumulasi kecepatan sudut, dan menterjemahkan kedalam suatu nilai sudut
yang relative. Sudut relative merupakan relasi ke putaran setelah nilai mengalami
reset dari akumulasi sudut. Pada mode ini sensor dapat mengukur 440 degree/sec.

2.4 Personal Computer

Komputer adalah alat yang dipakai untuk mengolah data menurut
prosedur yang telah dirumuskan dimana komputer itu sendiri merupakan perangkat
elektronik. Komputer terdiri dari beberapa komponen yang saling beroperasi
membentuk sebuah sistem kerja yang dapat menjalankan pekerjaan secara otomatis
berdasarkan urutan instruksi ataupun program yang diberikan kepadanya, sehingga
dapat menghasilkan suatu informasi berdasarkan program dan data yang ada. Pada
tugas akhir ini, kumputer digunakan sebagai hardwere prosesor serta menampilkan
display pada monitor. Selain kegunaannya sebagai prosesor utama, komputer juga
difungsikan dalam menuliskan program, komunikasi dengan kamera dan Modul
Programmable Brick EV3.

2.5 FLC (Fuzzy Logic Controller)

Konsep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zadeh
pada tahun 1962. Konsep himpunan fuzzy adalah dikaitkan dengan makna yang
dapat diukur atau yang tidak dapat diukur, dan akar genetiknya terletak di dalam
fenomena linguistik menciptakan kolektif dinamai dengan predikat yang tepat atau
tidak tepat, seperti asal-usul termodinamika terletak pada transmisi panas, sebuah
fenomena yang didasarkan pada kumpulan molekul dan kecepatannya. [Mikael
Collan, 2016]. Logika fuzzy adalah metodologi sistem kontrol pemecahan masalah,
yang cocok untuk diimplementasikan pada sistem, mulai dari sistem yang
sederhana, sistem kecil, embedded system, jaringan PC, multichannel atau
workstation berbasis akuisisi data, dan sistem kontrol. Dalam logika klasik
dinyatakan bahwa segala sesuatu bersifat biner, yang artinya adalah hanya
mempunyai dua kemungkinan, “Ya atau Tidak”, “Benar atau Salah”, “Baik atau
 14

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 Konfigurasi FLC

Konfigurasi FLC merupakan tahapan-tahapan yang harus dilakukan dalam
menerapkan logika fuzzy pada suatu sistem. Berikut tahapan-tahapannya.
2.5.1.1 Fuzzyfikasi
Tahap fuzzyfikasi adalah proses eveluasi dari fungsi keanggotaan untuk
digunakan oleh mekanisme pertimbangan fuzzy. Melalui tahap fuzzyfikasi proses
menyesuaikan atau mentransformasikan masukan tegas atau crisp input yang
bersifat bukan fuzzy kedalam himpunan fuzzy dapat dilakukan. Data yang berbentuk
tegas/ nyata (crisp) dipetakan menjadi nilai linguistik pada semesta pembicaraan
tertentu.

2.5.1.2 Basis Pengetahuan

Basis pengetahuan berisi pengetahuan kendali sebagai pedoman evaluasi
keadaan sistem untuk mendapatkan keluaran kendali sesuai yang diinginkan
perancang. Basis pengetahuan terdisi dari basis data dan basis aturan fuzzy.
1. Basis data
 15

Basis data mencakup perancangan fungsi keanggotaan untuk

variabel masukan dan keluaran. Pendefenisian semsesta pembicaraan
dan penentuan variabel linguistik setiap variabel masukan dan keluaran.
2. Basis aturan
Basis aturan kendali fuzzy digunakan untuk menghubungkan
setiap masukan dan variabel-variabel keluaran. Basis aturan fuzzy
merupakan kumpulan pernyataan aturan ‘JIKAMAKA’ atau ‘IF–
THEN’ yang didasarkan pada pengetahuan manusia untuk mengolah
variabel masukan sehingga menghasilkan variabel keluaran dalam
bentuk himpunan Fuzzy.
3. Mekanisme Pertimbangan Fuzzy
Pengambilan keputusan dilakukan berdasarkan basis aturan
yang telah dibuat. Teknik pengambilan keputusan yang sering
digunakan adalah metode MAX-MIN dan MAX-DOT.

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.

2.6 Using LabVIEW Fuzzy Logic Softwere

Tahap awal dalam menggunakan logika fuzzy pada softwere LabVIEW
adalah dengan mendesain fuzzy system. Selanjutnya dalam mendesain fuzzy system
adalah dengan membuat linguistik variabels input dan output. Untuk mendisain
fuzzy system adalah membuat aturan dasar. Aturan adalah sebuah kata yang
menjelaskan persamaan variabel linguistic input dan output berdasarkan aturan
 16

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.

Gambar 2.9 Program “FuzzyEx Car Backward Parkingi” pada example VI

[Sumber: LabVIEW PID and Fuzzy Logic User Manual 2009]

Contoh ini menggunakan FL Load Fuzzy System VI untuk memuat

keduanya File “Truck-forward.fs” dan “Truck-backward.fs”. File ini mewakili
sistem fuzzy untuk menggerakkan kendaraan maju dan mundur. Berikut detail block
diagram sistem kontrol fuzzy pada softwere LabVIEW 2015.
 17

Gambar 2.10 Detail “FuzzyEx Car Backward Parking” pada example VI

[Sumber: LabVIEW PID and Fuzzy Logic User Manual 2009]
 BAB III
PERANCANGAN DAN REALISASI

Metode dalam perancangan alat ini adalah research and development.

Metode penelitian research and development adalah metode penelitian yang
digunakan untuk menghasilkan produk tertentu, dan menguji keefektifan produk
tersebut. Produk tersebut tidak selalu berbentuk benda atau perangkat keras
(hardware), seperti buku, alat tulis, dan alat pembelajaran lainnya. Akan tetapi,
dapat pula dalam bentuk perangkat lunak (software) [Sugiyono, 2009]. Proses yang
dilakukan melalui berbagai tahapan mengikuti model Linier Sequential Model
(LSM) yang terdiri dari 6 tahapan yang berulang yaitu tahap analisis dan studi
literatur, desain atau perancangan, perakitan (hardware), pengkodean (coding-
software), pengujian dan teknik impelementasi [Pressman, 2002]. Tahapan ini akan
berulang hingga dipenuhinya kondisi ideal yaitu alat berfungsi dengan baik sesuai
yang direncanakan. Berikut tahapan yang dilakukan dalam perancangan
menggunakan metode research and development.

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.

Gambar 3.1 Pembuktian Dalil Phytagoras dari

Tiga Segitiga Siku-siku Oleh Garfield
[Sumber: https://www.slideshare.net/srihandayanimath/pembuktian-teorema-
pythasgoras-oleh-presiden-james-garfield]

Luas trapezium = Luas seitiga I, II, dan III

 20

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.

3.1.2 Mobile Robot

Mobile robot merupakan robot yang dapat bergerak dari satu tempat ke
tempat lain secara autonomus, yaitu tanpa bantuan dari luar atau operator manusia.
[Spyros G. Tzafestas, 2014]. Tidak seperti mayoritas dari robot industri yang dapat
bergerak hanya pada satu tempat atau tempat tertentu. Kemampuan pergerakan
membuat mobile robot cocok untuk berbagai macam aplikasi pada lingkungan yang
tersusun ataupun yang tidak tersusun. Ground mobile dibedakan menjadi dua jenis
yaitu, wheeled mobile robot (WMRs) dan Legged Mobile Robote (LMRs). Ground
mobile WMRs sangat cocok untuk aplikasi yang tidak membutuhkan rancangan
mekanikan yang kompleks sehingga konsumsi energi pun relatif rendah. Sedangkan
Legged robot cocok untuk tugas pada lingkungan yang tidak berstandar, bertangga,
dan bertumpuk.

3.1.2.1 Ground Robot Locomotion

Locomotion dari ground mobile robot terbagi menjadi dua yaitu:
1. Wheeled locomotion
2. Legged locomotion

3.1.2.1.1 Wheeled Locomotion

Cara gerak dari WMR tergantung pada jenis roda dan tipe kemudi yang
digunakan. WMR memiliki tiga karteristik DOF dengan cara gerak yang maksimal.
Nonholonomic WMRs tidak memiliki lebih dari 3 DOF (Degree of Freedom) pada
suatu bidang, tetapi WMRs memiliki konstruksi yang sederhana dan murah karena
tidak menggunakan lebih dari tiga roda. Persoalan dari desain WMR adalah jalur,
cara gerak, stabilitas, dan control. Semua persoalan tersebut bergantung pada tipe
 21

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

yang paling sederhana karena tidak memerlukan rotasi poros yang

digerakan. Jika roda berputar dengan kecepatan yang sama, robot
bergerak lurus ke depan atau mundur ke belakang. Jika satu roda
bergerak lebih cepat dari yang lain, maka robot mengikuti jalur
melengkung sepanjang busur lingkarang. Jika kedua roda berputar
dengan kecepatan yang sama dalam arah yeng berlawanan, maka
robot berputar di sekitar titik tengah dua roda penggerak. Berikut
ilustrasi mode differential drive.

(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]

Adapun mode Circular Path pada jenis kemudi Diffrential

Steering yang penulis terapkan pada robot ini saat melakukan
pembelokan. Pada mode Circular Path, kedua roda berputar dengan
kecepatan yang sama dalam arah yeng berlawanan, sehingga robot
berputar sekitar titik tengah antara kedua roda tersebut. Selanjutnya
 23

robot akan melakukan pembelokan (berputar) sampai pada posisi

sudut yang ditentukan oleh sistem kontrol pada alat ini. Berdasarkan
konsep tersebut penulis terbantu untuk meyelesaikan persoalan
mengenai cara gerak robot saat proses pembelokan.

3.2 Spesifikasi Alat

Perencanaan spesfikasi alat dibutuhkan sebagai acuan dalam melakukan
tahap pendesainan. Pada Spesifikasi alat tugas akhir ini terdiri dari spesifikasi
perangkat-perangkat yang saling beroperasi satu sama lain untuk menghasilkan
fungsi alat secara keseluruhan. Fungsi tersebut merupakan suatu karakteristik dan
kemampuan alat tugas akhir ini yang dapat di tinjau berdasarkan parameter
kelistrikan, fugsional, dan dimensi. Berikut penjabaran spesfikasi alat tugas akhir
ini.

3.2.1 Parameter Fungsional

Spesifikasi alat tugas akhir ini dapat ditinjau dari parameter
fungsional. Pada parameter fungsional terdiri dari karakteristik dan
kemampuan alat dalam beroperasi berdasarkan persyaratan yang
ditentukan. Berikut spesfikasi alat berdasarkan parameter fungsionalnya:
• Menangkap gambar berukuran 1024 x 576 pixel.
• Dapat mengukur sudut kendaraan dengan range kesalahan ± 0⁰ saat
tombol start program belogika “0” nol dan ± 7⁰ saat tombol start
program belogika “1” satu.
• Mampu parkir ke garasi dengan dua jenis mekanisme gerak robot.
• Mengidentifikasi marking robot pada gambar berdasarkan
rekognisi bentuk.
• Dapat mengolah informasi koordinat dan sudut kendaraan dengan
metode FLC.
• Robot memiliki 2 motor penggerak yang bekerja secara
independen.
• Dapat parkir ke garasi dengan posisi sudut robot 83 – 97⁰.
 24

• Kamera dipasangkan pada tiang penopang setinggi dua meter dan

vertikal terhadap marking robot.
• Standar komunikasi yang digunakan adalah USB (Universal Serial
Bus).

3.2.2 Parameter Kelistrikan dan Dimensi

Paremeter kelistrikan dan dimensi dari spesifikasi alat ini
dibedakan menjadi tiga bagian, yaitu bagian sensor, controller, dan actuator
Parameter kelistrikan dari sistem dari alat ini didasarkan pada datasheet
perangkat-perangkat robot LEGO EV3. Sedangkan parameter dimensi
digunakan untuk mempertimbangkan dalam menentukan spesifikasi
fungsional pada alat ini. Berikut, model rancangan dimensi dari masing-
masing perangkat.

Gambar 3.3 Desain Alat Tugas Akhir

Pada gambar diatas untuk membedakan antara unit sensor,

controller, dan actuator penulis menggunakan marking warna pada setiap
perangkat. Warna merah digunakan untuk penanda sebagai unit sensor,
warna kuning digunakan untuk penanda sebagai controller, warna biru
digunakan untuk penanda sebagai unit actuator, dan warna hijau digunakan
untuk penanda sebagai perangkat-perangkat pendukung lainnya. Berikut
 25

tabel penjabaran spesifikasi berdasarkan parameter kelistrikan dan dimensi

alat ini.

Tabel 3.1 Spesifikasi Berdasarkan Parameter Kelistrikan dan Dimensi Alat

Huruf Nama Spesifikasi

Perangkat Kelistrikan Dimensi
B Webcam P = 0.75 (Watt) Tinggi = 29 ~ 44 (mm); Lebar =
V = 5 (Volt) 94 (mm); Tebal = 24 ~ 71 (mm).
c Gyro Sensor P = 0.08 (Watt) Panjang = 4 (cm); Lebar = 2.3
V = 5 (Volt) (cm); Tinggi = 2.2 (cm)
a Personal P = 65 (Watt) Panjang = 336 (mm); Lebar =
Computer V = 20 (Volt) 241.2 (mm); Tebal = 8 ~ 21
(mm).
d Large Motor P = 0.54 (Watt) Panjang = 10.6 (cm); Lebar =
V = 9 (Volt) 2.4 ~ 3.7 (cm); Tinggi = 5 (cm).
e Programmable P = 0.216 (mW) Panjang = 11. 11 (cm); Lebar =
Brick V = 9 (Volt) 6.3 (cm); Tinggi = 5.2 (cm).
f USB 3.0 I = Capable 3A Panjang = 3 (m).
male-female V = max. 20 V

g Tiang - Panjang = 2 (m); Tinggi =

Penopang max. 3 (m); min. 2 (m).

h Sketch area - Panjang = 2 (m); Lebar = 1 (m).

parkir

3.3 Desain
Desain model penelitian ini terdiri dari:
 26

3.3.1 Diagram Blok

Gyro Sensor

Gambar 3.4 Diagram Blok Alat Tugas Akhir Ini

Langkah awal sebelum mengopreasikan alat ini, user secara manual
menentukan objek atau gambar acuan yang akan di tracking. Kamera akan
mengirimkan gambar tangkapan berukuran 1024 x 576 pixel. Pada proses tracking,
komputer menggunakan gambar acuan untuk membandingkan dengan gambar
hasil tangkapan kamera sehingga sehingga menghasilkan nilai koordinat x dan y.
Sedangkan sensor gyro digunakan sebagai acuan untuk menentukan sudut
kendaraan.
Untuk sampai ke garasi robot melakukan dua jenis mekanisme gerak
secara bergantian yaitu, proses pembelokan dan gerak lurus. Pada saat melakukan
pembelokan data koordinat dan orientasi kendaraan akan di proses oleh komputer.
Logika fuzzy digunakan untuk menghasilkan output berupa sudut steering.
Sedangkan arah gerak motor dihasilkan berdasarkan masukan koordinat dan sudut
kendaraan. Pada proses lainnya komputer mengkonversi nilai sudut steering
menjadi orientasi kendaraan yang digunakan sebagai sudut acuan robot. Hasil
konversi data orientasi kendaraan ke kecepatan sudut motor digunakan sebagai
masukan untuk mengatur kecepatan sudut pada motor dimana proses tersebut
 27

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.

3.3.2 Perancangan Perangkat Keras

Proses perancangan perangkat keras berlandaskan pada spesfikasi alat.
Perancangan perangkat keras dilakukan dengan maksud merancang alat yang
mengacu pada parameter kelistrikan, fungsi, dan dimensi dari masing-masing
perangkat. Hasil akhir perancangan perangkat keras dapat dilihat pada lampiran
nomor 11. Berikut penjabaran fungsi dari masing-masing hardwere alat ini.

1. Camera USB: Digunakan untuk menangkap gambar dan

mengirimkannya ke komputer.
2. Personal Computer (PC): Berguna untuk menginterpretasi gambar
sehingga menghasilkan luaran berupa posisi robot. Pada proses lainnya
berfungsi untuk menghasilkan sinyal kontrol berupa sudut steering
berdasarkan masukan berupa koordinat dan orientasi robot. Selain itu
melakukan proses konversi nilai sudut kemudi menjadi kecepatan sudut
motor. Data berupa kecepatan sudut large motor dan kondisi gerak maju
 28

atau mundur motor akan dikirim ke Programmable Brick EV3 via

Bluetooth.
3. EV3 Programmable Brick: Managtur kerja large motor berdasarkan
sinyal kontrol dari PC (Personal Computer). Pada permukaan bagian
atas EV3 Programmable Brick dibuat marking yang berfungsi sebagai
template dalam mengidentifikasi gambar pada proses imaga tracking.
Adapun marking batas area parkir yang berfungsi untuk mengetahui
nilai batas maksimal dan batas minimal koordinat area parkir. Nilai
tersebut berguna sebagai konstanta dalam proses menentukan jarak
tempuh robot saat bergerak lurus.
4. Gyro Sensor: Berfungsi untuk membaca setiap perubahan nilai sudut
robot EV3.
5. Motor DC: Berguna sebagai penggerak yang beroperasi secara
independen. Kerja motor didasarkan pada sinyal aksi dari EV3
Programmable Brick.
6. Kebel USB 3.0: Berfungsi sebagai saluran komunikasi antara webcam
dengan PC (Personal Computer) dalam proses image tracking.
7. Tiang Penopang Kamera: Berguna sebagai tempat pemasangan kamera
yang diletakan secara vertikal terhadap marking pada robot.
8. Sketch area parkir: Berfungsi untuk menentukan posisi awal robot pada
proses pengungujian tanpa dukungan softwere. Pada permukaan sketch
area parkir diberikan beberapa marking berupa garis lurus yang disusun
secara vertikal dan horizontal sehingga membentuk petakan berbentuk
kotak. Jumlah kotak pada lebar area parkir adalah sebanyak 12 buah,
sedangkan panjang area parkir sebanyak 20 buah.

3.3.3 Perancangan Softwere

Pada tugas akhir ini penulis menggunakan metode kontrol yang bertujuan
untuk mengontrol kerja setiap motor pada robot untuk sampai ke garasi. Pada
bagian softwere yang digunakan sebagai pembuatan program kontrol robot penulis
menggunakan softwere LabVIEW 2015. Adapun rancangan algoritma untuk tugas
akhir ini adalah sebagai beriku.
 29

3.3.3.1 Object Tracking

Berikut diagram blok proses pengolahan gambar untuk proses tracking:

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

Gambar 3.5 Diagram Blok Object Tracking

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)

Gambar 3.6 Diagram Blok Diection

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.

3.3.3.3 Pengolahan Informasi Koordinat x dan Sudut Kendaraan

Berikut diagram alir proses pengolahan data untuk menghasilkan output
berupa arah gerak motor dan sudut steering:

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.

3.3.3.5 Pengolahan Data Koordinat

Berikut diagram alir proses pengolahan data koordinat dan koordinat
acuan untuk menghasilkan output berupa jarak tempuh kendaraan pada saat
bergerak maju atau mundur:

Gambar 3.9 Pengolahan Data Koordinat Acuan

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.

3.3.3.6 Pengolahan Data Sudut Kendaraan

Berikut diagram alir proses pengolahan data untuk menghasilkan output
kecepatan sudut motor:

Gambar 3.10 Pengolahan Data Sudut Kendaraan

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.

3.4 Softwere (Programming)

Untuk melakukan penulisan program sistem kontrol pada alat ini penulis
menggunakan softwere LabVIEW 2015. Pada tahap programming dibedakan
menjadi dua bagian yaitu pemrograman HMI pada front panel dan block diagram
pada sketch vi. HMI digunakan sebagai antarmuka antara operator dengan mesin
(hardwere), sedangkan block diagram adalah susunan bahasa pemrograman yang
dibuat menggunakan softwere LabVIEW 2015.

3.4.1 Front panel

Tampilan HMI pada desain smart parking robot berbasis LabVIEW
dengan metode FLC menggunakan kamera untuk menghasilkan gambar acuan
dalam proses identifikasi kendaraan dapat dilihat di lampiran nomor 2. Berikut
penjelasan terkait dengan fungsi dari setiap panel pada pemrograman HMI “Smart
Parking Mobile Robot Berbasis LabVIEW”:
1. Panel Parking Area
 35

Panel ini berfungsi untuk menampilkan hasil tangkapan webcam yang

sudah dikonversi menjadi format grayscale. Hasil tangkapan selanjutnya
digunakan untuk melihat proses image tracking berdasarkan marking robot
pada area parkir.
2. Panel Snap Image
Panel display digunakan untuk menampilkan gambar hasil potretan
dari panel Parking Area. Pada panel display ini operator dapat memilih
gambar acuan dengan memisahkan gambar yang dijadikan acuan dari
gambar hasil potretan, proses tersebut bisa disebut juga cropping.
3. Panel Template
Gambar yang dijadikan acuan akan ditampilkan pada panel
template. Gambar acuan tersebut selanjutnya akan dibandingkan dengan
gambar yang ditampilkan pada panel display hasil webcam dengan menekan
tombol matching.
4. Panel Camera (Image Processing)
Ada beberapa tahapan dalam proses tracking objek sistem ini. Tahap
awal yang dilakukan adalah memilih port usb yang digunakan oleh webcam
tersebut. Selanjutnya proses pengambilan gambar dari webcam dengan cara
user menekan tombol “snap frame”. Gambar hasil tangkapan akan
ditampilkan di panel nomor 2. Kemudian proses cropping gambar untuk
memisahkan background dengan objek yang dimaksudkan, yaitu user
memilih bagian mana dari gambar hasil tangkapan untuk dijadikan acuan
dengan menggunakan tool yang tersedia disamping panel nomor 2.
Selanjutnya proses matching antara gambar hasil crop dengan gambar yang
terekam oleh webcam dengan cara user menekan tombol “learn” dan
dilanjutkan dengan menekan tombol “match” untuk memulai tracking.
5. Active FLC
Tombol ini berfungsi untuk mengaktifkan output FLC berupa sudut
kemudi. Apbila tombol ini tidak di tekan maka sudut kemudi dan jarak
tempuh kendaraan bernilai “nol”, sehingga robot tidak akan melakukan
pergerakan. Namun, apabila tombol active FLC di tekan atau berkondisi
 36

“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.

3.4.2 Block Diagram

Dalam tahap pemrogramman alat tugas akhir ini dibedakan menjadi dua
bagian, yaitu bagian input kamera dan data processing.

3.4.2.1 Program Input Kamera

 37

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.

Gambar 3.11 Blok Diagram Program Input Kamera

Tahap awal dalam melakukan penullisan program input kamera dengan
softwere LabVIEW adalah pilih menu “Vision and motion”. Tahap selanjutnya
adalah pilih function block yang akan digunakan.

Gambar 3.12 Funtion Block Vision and Motion

Berdasarkan fungsinya, diagram block input kamera dibagi menjadi enam

bagian. Berikut diagram block input kamera.
 38

1. Inisialisasi kamera

Gambar 3.13 Funtion Block Program Inisialisasi Kamera

Untuk melakukan image tracking tahap awal yang dilakukan

adalah memilih port USB yang teridentifikasi dengan kamera. Maka
untuk kamera input digunakan format ”control” sehingga user dapat
menentukan port USB yang terhubung dengan kamera.

2. Mengubah gambar dari tipe raster menjadi tipe grayscale 8-bit.

Gambar 3.14 Function Block Program Konversi

Gambar Raster ke Grayscale

Menggunakan tipe gambar grayscale 8 bit proses computing

pada komputer personal akan lebih cepat dibandingkan menggunakan
tipe gambar grayscale16 bit maupun raster.

3. Menentukan gambar acuan atau titik acuan.

Untuk melakukan image tracking, user memilih bagain yang
akan di tracking. Pada program input kamera ini menggunakan dua
langkah dalam menentukan titik acuan pada gambar template..
1. Snap frame
2. Learning
 39

4. Image Tracking

Gambar 3.15 Function Block Program Image Tracking

Block diagram diatas berfungsi untuk membandingkan

gambar acuan dengan gambar tangkapan webcam. Gambar berformat
grayscale 8 bit beserta hasil tracking akan ditampilkan pada panel
display parking area.

4. Extract x dan y

(a) (b)
Gambar 3.16 (a) SubVI XY In Pada Program Image Tracking, (b) Program
SubVI XY In

Pada diagram block diatas informasi terkait dengan titik acuan

pada gambar hasil proses tracking akan di ekstrak untuk mendapatkan nilai
koordinat robot. Nilai tersebut selanjutnya akan di konversi berdasarkan
koordinat bidang area parkir yang sudah ditentukan sehingga berguna
sebagai masukan pada bagian data processing.

3.4.2.2 Program Data Processing

 40

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.

Gambar 3.17 Blok Diagram Program Data Processing

Berikut penjelasan proses dari masing-masing blok.
3.4.2.2.1 Menentukan Arah Gerak Motor

(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.

3.4.2.2.2 Menentukan Sudut Kemudi

Gambar 3.19 Program Sistem Fuzzy Pada Smart Parking Mobile Robot
Berbasis LabVIEW VISION

Berdasarkan gambar diatas informasi koordinat x dan sudut kendaraan

diolah menggunakan metode FLC (Fuzzy Logic Controller). Proses tersebut
dilakukan untuk menentukan besarnya sudut kemudi yang pada proses berikutnya
berfungsi sebagai masukan dalam proses menghasilkan data koordinat dan sudut
kendaraan acuan. Terdapat dua function block FL Fuzzy Controller yang masing-
masing digunakan untuk mengolah data masukan koordinat x dan sudut kendaraan
saat robot melakukan gerak maju atau gerak mundur. Berdasarkan tinjauan pustaka
 42

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.

Gambar 3.20 Blok Diagram Sistem Fuzzy Pada Alat Ini

Variabel input : Koordinat x dan orientasi robot beta

Variabel output : Sudut kemudi

Berdasarkan gambar 3.20 tipe kontrol fuzzy yang digunakan

adalah tipe MISO (Multiple Input Single output) yang memiliki dua variabel
input dan satu variabel output. Tahap berikutnya adalah proses
mentransformasikan masukan tegas (crisp input) yang bersifat bukan fuzzy
kedalam himpunan fuzzy. Berikut himpunan fuzzy pada setiap variabel input
dan output pada alat ini.

Variabel input:

• Koordinat x : left, left-center, center, right-center, dan right.

• Orientasi robot : left-down, left, left-up, up, right-up, dan right, right-
down.

Variabel output:

• Sudut kemudi : negative big, negative medium, negative small, zero,

positive small, positive medium, dan positive big.

Sedangkan semesta pembicaraan pada masing-masing variabel

input dan output adalah sebagai berikut.
 43

Variabel input:

• Koordinat x : [0 10]
• Orientasi robot : [-90 270]

Variabel output:

• Sudut kemudi : [-30 30]

Berdasarkan himpunan fuzzy yang sudah ditentukan maka,
masukan tegas (crisp input) atau semesta pembicaraan akan dipetakan
menjadi jenis yang sesuai dengan himpunan fuzzy. Hasil dari proses
tersebut menghasilkan domain fuzzy yang akan digunakan sebagai acuan
dalam merancang membership function (fungsi keanggotaan).

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:

Gambar 3.21 Membership Function Input Koordinat x

 44

Gambar 3.22 Membership Function Input Sudut Kendaraan

Gambar 3.23 Membership Function Output Sudut Kemudi

• Fungsi keanggotaan fuzzy logic kondisi mundur:

Gambar 3.24 Membership Function Input Koordinat x

Gambar 3.25 Membership Function Input Sudut Kendaraan

 45

Gambar 3.26 Membership Function Output Sudut Kemudi

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

Orientasi Posisi Kendaraan

Kendaraan left Left- center right- right
center center
left-down NS NM NM NB NB
left PS NS NM NB NB
left-up PM PS NS NB NB
up PM PM Z NM NM
right-up PB PM PS NM NM
right PB PB PM NS NS
Right-down PB PB PM NS NS
 46

Tabel 3.3 Aturan dasar fuzzy untuk kondisi maju

Orientasi Posisi Kendaraan

Kendaraan Left left- center right- right
center center
left-down PB PB PM PM PM
left PB PB PM PS PS
left-up PM PM PS NS NS
up PM PM Z NM NM
right-up PS PS NS NM NM
right NS NS NM NB NB
Right-down NB NM NM NB NB

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

himpunan fuzzy. Berikut penjelasan terkait dengan perhitungan

membership function sampai kepada menentukan nilai output kontrol
fuzzy tanpa dukungan softwere LabVIEW 2015.
Sebagai contoh, diberikan suatu nilai input koordinat x sebesar
3.5 dan sudut kendaraan adalah 60⁰. Tentukan besar output sudut
kemudi robot yang harus dihasilkan pada saat motor bergerak maju.
Tahap pertama dalam menentukan output kontrol fuzzy tanpa softwere
LabVIEW adalah dengan menentukan nilai keanggotaan titik input pada
setiap area himpunan fuzzy.
Input: Koordinat (x) = 3.5

Gambar 3.27 Proses Fuzzyfikasi Input Koordinat Kendaraan (x)

• Pemetaan masukan tegas (crisp input) dengan himpunan

fuzzy area left berbentuk trapesium sehingga domainnya
adalah [0 0 1 4]. Maka,
𝑏 = 4; 𝑎 = 1; 𝑥 = 3.5

𝜇 (𝑏 − 𝑥) 4 − 3.5 0.5
(𝑙𝑒𝑓𝑡) = = = = 0.167
(𝑏 − 𝑎) 4 −1 3

• Pemetaan masukan tegas (crisp input) dengan himpunan fuzzy

area left-center berbentuk segitiga sehingga domainnya adalah
[3 4 5]. Maka,

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

Input: Sudut Kendaraan (beta) = 60°

Gambar 3.28 Proses Fuzzyfikasi Input Sudut Kendaraan (beta)

[Sumber: Dokumen Pribadi]

• Pemetaan masukan tegas (crisp input) dengan himpunan

fuzzy area left berbentuk segitiga sehingga domainnya adalah
[-20 20 70]. Maka,
𝑏 = 70; 𝑎 = 20; 𝑥 = 60

𝜇 (𝑏 − 𝑥) 70− 60 10
(𝑙𝑒𝑓𝑡) = = = = 0.2
(𝑏 − 𝑎) 70−20 50

• Pemetaan masukan tegas (crisp input) dengan himpunan fuzzy

area lef t-up berbentuk segitiga sehingga domainnya adalah
[45 70 90]. Maka,

𝑏 = 70; 𝑎 = 45; 𝑥 = 60

𝜇 (𝑏 − 𝑥) 70 − 60 10
(𝑙𝑒𝑓𝑡) = = = = 0.4
(𝑏 − 𝑎) 70 −45 25

Sebelum mempertibangkan untuk pengambilan keputusan

tahapan yang harus dilakukan adalah tahap premis. Premis berupa fakta
 49

dan kesimpulan berupa keputusan yang akan diambil. Berikut premis

dari persoalan ini.

1. Jika koordinat x adalah left dan sudut kendaraan adalah left

maka sudut kemudi adalah PositiveBig.
2. Jika koordinat x adalah left dan sudut kendaraan adalah left-up
maka sudut kemudi adalah PositiveMedium.
3. Jika koordinat x adalah left-center dan sudut kendaraan adalah
left maka sudut kemudi adalah PositiveBig.
4. Jika koordinat x adalah left-center dan sudut kendaraan adalah
left-up maka sudut kemudi adalah PositiveMedium.

Tahap selanjutnya adalah menterjemahkan berdasarkan

premise yang berlaku. Teknik pengambilan keputusan yang digunakan
adalah metode MAX-MIN.

1. Koordinat x 𝜇(left) = 0.167 dan sudut kendaraan 𝜇(left) = 0.2

maka,

Gambar 3.29 Area Membership Function PB (Positive Big)

2. Koordinat x 𝜇(left) = 0.167 dan sudut kendaraan 𝜇(left-up) =

0.4 maka,
 50

Gambar 3.30 Area Membership Function PM (Positive Medium)

3. Koordinat x 𝜇(lef-center) = 0.5 dan sudut kendaraan 𝜇(left) =

0.2 maka,

Gambar 3.31 Area Membership Function PB (Positive Big)

4. Koordinat x 𝜇(lef-center) = 0.5 dan sudut kendaraan 𝜇(lef-up)

= 0.4 maka,

Gambar 3.32 Area Membership Function PM (Positive Medium)

Setelah kemungkinan distribusi aksi kontrol atau keputusan

fuzzy telah dihasilkan, maka tahap defuzzyfikasi dapat dilakukan. Proses
defuzzyfikasi digunakan untuk menghasilkan suatu aksi kontrol non-
Fuzzy (crisp output). Metode yang digunakan pada sistem ini adalah
Center of Area (COA). Berikut perhitungan menggunakan metode
Center of Area (COA).
𝑚 𝑚

𝐶𝑂𝐴 = (∑ 𝜏𝑖 𝑦𝑖 ) / (∑ 𝜏𝑖 )
𝑖=1 𝑖=1

Dimana,

𝜏𝑖 : Titik tengah domain himpunan fuzzy yang terpilih

 51

𝑦𝑖 : Nilai keanggotaan minimum dari variabel input yang

…...terpilih.

(22.5 × 0.167) + (17.5 × 0.167) + (22.5 × 0.2) + (17.5 × 0.4)

𝐶𝑂𝐴 =
0.167 + 0.167 + 0.4 + 0.2

18.72
= = 19.4
0.934

Maka nilai aksi kontrol sudut kemudi yang dihasilkan logika

fuzzy untuk mengolah informasi koordinat dan sudut kendaraan adalah
19.4°. Sedangkan output kontrol fuzzy pada softwere LabVIEW adalah:

Output: Sudut Kemudi

Setelah masukan berupa koordinat x, sudut kendaraan, sudut

kemudi, dan arah gerak motor sudah dihasikan maka proses untuk
menentukan koordinat dan sudut kendaraan acuan dapat dilakukan.

3.4.2.2.3 Menentukan Koordinat dan Sudut Kendaraan Acuan

(a)
 52

(b)
Gambar 3.33 (a) Program Untuk Menentukan Koordinat Ideal dan Sudut
Kendaraan Ideal, (b) Program SubVI “Fuzzex Simulate Car Position”

Gambar diatas merupakan function block untuk menentukan

koordinat dan sudut kendaraan acuan saat sudut kemudi bernilai “nol”.
Masukan yang akan di proses pada saat kondisi tersebut adalah data
koordinat, sudut kendaraan, dan arah gerak motor. Berikut detail
perhitungan dari program diatas.
𝑥𝑜 = 𝑥𝑖 + 𝐷𝑖𝑟 ∗ 𝑠 ∗ 𝑐𝑜𝑠(𝛽)
𝑦𝑜 = 𝑦𝑖 − 𝐷𝑖𝑟 ∗ 𝑠 ∗ 𝑠𝑖𝑛(𝛽)
Dimana,
xo : koordinat x acuan
xi : koordinat x
yo : koordinat y acuan
yi : koordinat y
Dir : arah gerak motor
s : konstanta jarak setiap pergerakan robot
𝛽 : sudut kendaraan
 53

Untuk menentukan nilai xo dan yo didasarkan pada besar sudut

kendaraan yang berkorelasi dengan fungsi trigonometri. Berikut fungsi-
fungsi trigonometri yang digunakan untuk menentukan nilai xo dan yo.

Gambar 3.34 Segitiga Siku-siku Untuk Menentukan Panjang Sisi

“r”

𝑥
• Cos 𝑎 =
𝑟
𝑦
• Sin 𝑎 =
𝑟

Berdasarkan gambar segitiga siku-siku diatas, dapat diartikan

bahwa nilai cos 𝑎 adalah perbandingan panjang sisi x (sisi horizontal)
di depan sudut dengan panjang sisi r (sisi miring segitiga tersebut).
Sedangkan nilai sinus 𝑎 adalah perbandingan panjang sisi y (sisi
vertikal) di depan sudut dengan panjang sisi x (sisi miring segitiga
tersebut). Penulisan sinus dan cosinus pada persamaan disimbolkan
dengan tulisan berurut-urut adalah “sin” dan “cos”.
Pada proses gerak robot, jarak antara koordinat sebelum
bergerak sampai koordinat setelah pergerakan atau koordinat acuan
bernilai konstan sebesar 0.26. Sehingga jika posisi sudut kendaraan
adalah “nol” jarak konstan sebesar 0.26 adalah selisih koordinat robot
(x) dengan nilai koordinat ideal (xo). Sedangkan koordinat ideal (yo)
adalah sama dengan koordinat (y) sebelum bergerak. Namun, hal
tersebut tidak berlaku jika nilai sudut kendaraan (beta) tidak sama
dengan “nol”, sehingga untuk menentukan nilai koordinat ideal (xo,yo)
 54

berdasarkan nilai sin dan cos dari besar sudut kendaraan. Untuk
mempermudah dalam menentukan koordinat ideal (xo,yo), berikut
skema gerak robot alat ini.

Gambar 3.35 Skema Mekanisme Gerak Robot dengan Fungsi

Trigonometri

Berdasarkan gambar diatas dan mengacu pada fungsi

trigonometri selisih antara koordinat ideal xo dengan koordinat
kendaraan x pada posisi start dapat ditentukan. Untuk menentukannya
adalah dengan mengalikan besar nilai cosinus dari sudut kendaraan
dengan panjang garis miring “r”. Pada penerapannya panjang garis
miring “r” adalah konstanta sebesar 0.26 dikalikan dengan arah gerak
motor (direction).
Cos(𝛽) ∗ 𝑟 = ∆𝑥
Cos(β) ∗ (0.26 ∗ direction) = ∆x

Sehingga besar nilai koordinat ideal (x) adalah:

𝑥𝑜 = 𝑥𝑖 + ∆𝑥
𝑥𝑜 = 𝑥𝑖 + (𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛 ∗ 0.26 ∗ 𝑐𝑜𝑠(𝛽))
Sedangkan selisih antara koordinat acuan dengan koordinat
robot pada posisi start dapat ditentukan dengan perhitungan yang sama
dengan mentukan selisih koordinat acuan dengan koordinat x pada
 55

posisi start. Namun fungsi trigonometeri yang digunakan berbeda.

Berikut perhitungan untuk menentukan koordinat acuan y.
Sin(𝛽) ∗ 𝑟 = ∆𝑥
Sin(β) ∗ (0.26 ∗ direction) = ∆x

Sehingga besar nilai koordinat acuan y adalah:

𝑦𝑜 = 𝑦𝑖 + ∆𝑦
𝑦𝑜 = 𝑦𝑖 + (𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛 ∗ 0.26 ∗ 𝑠𝑖𝑛(𝛽))
Nilai koordinat acuan diatas dihasilkan saat sudut kemudi
bernilai “0”. Apabila sudut kemudi tidak sama dengan “0” maka
diperlukan pertimbangan terkait dengan besar sudut kemudi yang
digunakan sebagai nilai variabel dalam menentuan koordinat acuan.

3.4.2.2.4 Konversi Nilai Koordinat dan Koordinat Acuan

Gambar 3.36 Program Untuk Menghasilkan Nilai Jarak Tempuh

Robot
Sebelum menentukan jarak tempuh kendaraan, nilai masukan
koordinat dan koordinat acuan akan di konversi berdasarkan besar
ukuran gambar area parkir. Hasil konversi tersebut selanjutnya
digunakan untuk menentukan selisih antara koordinat acuan x dengan
koordinat x dan koordinat acuan y dengan koordinat y. Berikut program
untuk proses konversinya.
 56

Gambar 3.37 Program SubVI Convertion.vi

Berdasarkan gambar 3.37 nilai “Ymax.” dan “Ymin.” adalah

titik pixel yang posisinya ada di batas atas dan bawah sumbu “y” area
parkir. Selisih dari kedua nilai tersebut berfungsi untuk mengetahui
lebar area parkir berdasarkan jumlah pixel-nya. Berdasarkan
perencanaan perangkat keras pada sub-bab sebelumnya lebar area parkir
adalah 90 cm. Sedangkan jumlah marking kotak pada sisi lebar area
parkir adalah 12 buah. Sehinga satu cell kotak panjang dan lebarnya
adalah
y 7.5 cm. x

(0,0)

(0,0) x y

Gambar 3.38 Konversi Koordinat Gambar Area Parkir

Sesuai pada gambar diatas titik koordinat (0,0) pada area

parkir yang diinginkan berbeda dengan koordinat (0,0) gambar area
parkir hasil tangkapan kamera. Sehingga perlu proses konversi untuk
menyesuaikan titik koordinat (0,0) pada gambar area parkir. Selain itu,
diperlukan juga penyesuain untuk setiap koordinat area parkir yang
 57

diinginkan dengan koordinat gambar area parkir hasil tangkapan

kamera. Berikut perhitungan untuk menghasilkan nilai koordinat
gambar area parkir hasil tangkapan kamera.
• Langkah awal adalah menentukan jumlah pixel setiap sisi cell
kotak area parkir atau ∑ p.
Lebar area parkir: Ymax – Ymin.
Lebar area parkir
∑p =
∑ 𝑐𝑒𝑙𝑙 kotak sisi lebar
• Berdasarkan gambar 3.38 posisi koordinat (0,0) pada gambar
area parkir hasil tangkapan kamera berbeda dengan possisi
koordinat (0,0) pada area parkir yang diinginkan. Hal tersebut
karena nilai sumbu y pada gambar area parkir dengan area parkir
yang diinginkan berbanding terbalik. Sehingga untuk
menghasilkan sumbu y sesuai gambar area parkir maka, setiap
variabel sumbu y harus dikalikan “-1”.

(−1) ∗ ∑ p

Untuk sumbu x tidak dikalikan “-1”.

• Tahap selanjutnya adalah dengan mengalikan setiap masukan
dengan jumlah pixel yang sudah disesuaikan dengan sumbu x
dan y.

Xog = (Xo ∗ ∑ p) + Xmin.

Xg = (X ∗ ∑ p) + Xmin.

Yog = (Yo ∗ (−1) ∗ ∑ p) + Ymin.

Yg = (Y ∗ (−1) ∗ ∑ p) + Ymin.
• Tahap terakhir adalah dengan menjumlahkan batas bawah setiap
variabel sumbu x dan sumbu y pada gambar area parkir.

Xog = (Xo ∗ ∑ p) + Xmin.

Xg = (X ∗ ∑ p) + Xmin.
 58

Yog = (Yo ∗ (−1) ∗ ∑ p) + Ymin.

Yg = (Y ∗ (−1) ∗ ∑ p) + Ymin.

Xog : X ideal pada gambar

Xg : X pada gambar
Yog : Y ideal pada gambar
Yg : Y pada gambar

3.4.2.2.5 Menentukan Jarak Tempuh Robot

Untuk menentukan jarak tempuh robot saat melakukan gerak lurus
didasarkan pada dalil phytagoras. Perhitungan terkait garis miring pada segitiga
siku-siku phytagoras memiliki esensi perhitungan yang sama terhadap
perhitungan dalam menentukan nilai jarak tempuh robot. Untuk memudahkan
penjelasan, berikut gambar mekanisme gerak robot menggunakan dalil
phytagoras.

Gambar 3.39 Menentukan Jarak Tempuh Robot dengan Dalil Phytagoras

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

3.3.2.2.6 Menentukan Sudut Acuan Kendaraan

Gambar 3.40 Program Imput Sudut Kendaraan (beta)

Pada gambar 3.41 inisialisasi port yang digunakan untuk

menghungkan sensor gyroscope dan programmable brick adalah port 1. Output
berupa nilai sudut yang dihasilkan oleh sensor gyroscope . Nilai tersebut
selanjutnya akan dibandingkan dengan sudut acuan. Berdasarkan susunan
algoritma yang sudah dibahas pada sub-bab sebelumnya, apabila nilai output
gyro sensor diluar dari range yang sudah ditentukan maka, block “ In Range
and Coerce” akan berlogika “true”. Output dari block tersebut selanjutnya akan
digunakan untuk menentukan jenis mekanisme gerak robot. Berikut case
apabila block “In Range and Coerce” menghasilkan logika “true”.
 61

Gambar 3.41 Program Pengolahan Data Jarak Tempuh Robot

Pada isi case structure di atas masukan berupa jarak berfungsi

sebagai acuan kerja large motor dalam menempuh jarak saat robot bergerak
lurus. Apabila arah gerak motor berkondisi maju maka sudut putaran large
motor akan dibandingkan dengan komparasi lebih dari dan jika arah gerak
motor adalah mundur maka akan dibandingkan dengan komparasi kurang dari.
Penambahan range pembanding “jarak + 1” dan “jarak – 1” bertujuan untuk
mendapatkan hasil perbandingan yang lebih akurat.
Pada saat melakukan gerak lurus, setiap motor akan diberikan
kecepatan sudut yang konstan dan sama. Sehingga robot dapat bergerak lurus
berdasarkan arah gerak motornya. Jika jarak yang ditempuh motor sudah sesuai
dengan jarak tempuh acuan, maka output berformat boolean akan berlogika
“true”. Hal tersebut akan menyebabkan nilai koordinat acuan untuk melakukan
update nilai, sehingga jarak tempuh robot akan berubah.
Untuk menggunakan function block yang berkaitan dengan robot
EV3 dapa dipilih pada menu “MINDSTROM Robotics”.

Gambar 3.42 Menu “MINDSTROM Robotics”

 BAB IV
PENGUJIAN DAN ANALISA

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

4.1.2 Tujuan Pengujian

Tujuan dari pengujian alat tugas akhir ini anatar lain:
1. Mengetahui tingkat keberhasilan robot untuk parkir ke garasi.

62
 63

2. Mengetahui waktu rata-rata robot untuk parkir ke garasi dari posisi

awal robot yang berbeda.
3. Mengetahui area awal robot yang dapat memungkinkan untuk robot
dapat parkir ke garasi dengan waktu yang paling cepat.

4.1.3 Target Pengujian

Adapun target pengujian alat tugas akhir ini adalah menguji kemampuan
robot dengan menempatkan robot pada posisi awal yang berbeda di dalam area
parkir yang terjangkau oleh webcam.

4.1.4 Prosedur Pengujian

1. Area pengujian dibagi menjadi 9 area, ditandai dengan huruf A sampai
I sesuai pada gambar 4.1 (a). Setiap area, robot akan diuji sebanyak 4
kali dengan orientasi awal yang berbeda sesuai pada gambar 4.2 (b)
2. Kamera diletakan secara vertikal terhadap area parkir pada tiang
penopang setinggi 2 meter.
3. Kabel USB 3.0 berfungsi sebagai saluran komunikasi antara kamera
USB dengan PC (Personal Computer).
4. Interkoneksi antara robot LEGO EV3 dengan PC (Personal Computer)
menggunakan komunikasi serial via Bluetooth.
5. Setelah mengaktifkan tombol “run” pada softwere LabVIEW, panel
“Camera” berfungsi untuk melakukan proses image processing.
Penjelasan mengenai fungsi dari setiap tombol pada panel “Camera”
terdapat pada sub bab 3.4.1.
6. Setelah melakukan pengaturan image processing dan menghasilkan
gambar acuan, maka tombol “Active FLC” dapat berfungsi untuk
mengaktifkan output sistem fuzzy sehingga robot dapat melakukan
mekanisme gerak untuk parkir ke garasi.
7. Pada panel “more information” akan ditampilkan data koordinat x dan
y, kondisi motor, sudut kendaraan (vehicle angle), dan sudut kemudi
(steering angle) yang merepresentasikan posisi dan kondisi robot
kepada user saat melakukan tahap pengujian.
 64

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)

4.1.5 Konfigurasi Pengujian

Konfigurasi pengujian dirancang berdasarkan spesifikaasi alat yang sudah
ditentukan. Pada konfigurasi pengujian berdasarkan koordinat setiap area memiliki
titik koordinat masing-masing. Berikut perincian dari koordinat masing-masing
area.
Tabel 4.1 Posisi titik koordinat (x,y) setiap area
No. Area Koordinat
x y
1. A 2.5 4
2. B 4 4
3. C 7.5 4
4. D 2.5 2.5
5. E 5 2.5
6. F 7.5 2.5
7. G 2.5 1
8. H 5 1
9. I 7.5 1

(a) (b)
 65

Gambar 4.1 Konfigurasi Pengujian Berdasarkan (a) Posisi Koordinat,

(b) Orientasi Awal Robot

4.1.6 Peralatan Pendukung Pengujian

Adapun peralatan yang dibutuhkan dalam proses pengujian alat tugas
akhir ini dapat dilihat pada tabel dibawah.

Tabel 4.2 Peralatan Pendukung Pengujian

No. Nama Alat Jenis/ Merk Jumlah Keterangan
1. Laptop (Personal Computer) Lenovo 1 unit Peralatan
s410p
pendukung

2. Kamera USB Logitech 1 unit Peralatan

c930e
pendukung

3. Programmable Lego 1 unit Peralatan

Mindstroms
Brick EV3 yang di uji

4. Gyro Sensor 1 unit Peralatan

yang di uji

5. Large Motor 2 unit Peralatan

yang di uji

6. Kabel USB 3.0 male-female - 1 unit Peralatan

pendukung

7. Tiang Penopang Kamera - 1 unit Peralatan

pendukung

8. Banner Area Parkir - 1 unit Peralatan

pendukung
 66

4.1.7 Rancangan Akhir Peralatan Tugas Akhir

Adapun rancangan akhir peralatan tugas akhir ini yang digunakan
dalam proses pengujian. Rancangan dapat dilihat pada lampiran nomor 11.

4.1.8 Hasil Pengujian Berdasarkan Posisi Awal Robot

Hasil pengujian pada Tugas Akhir ini akan disajikan berupa grafik yang
berisi waktu siklus terhadap sudut awal robot pada setiap area.
• Area A
200 185.3 184.2 189.04

150
Ws (detik)

100

50 21.46
0
0 90 180 270
Sudut

Gambar 4.2 Grafik Waktu Siklus Robot Pada Area A

• Area B
50
39.02
40
Ws (detik)

30
16.22
20 12.02 10.2
10

0
0 90 180 270
Sudut

Gambar 4.3 Grafik Waktu Siklus Robot Pada Area B

 67

• Area C
100 89.05

80

Ws (detik) 60
35.03
40
20.42 17.41
20
0
0 90 180 270
Sudut

Gambar 4.4 Grafik Waktu Siklus Robot Pada Area C

• Area D
70 60.28
60
50 41.82
Ws (detik)

40
30 19.82 23.4
20
10
0
0 90 180 270
Sudut

Gambar 4.5 Grafik Waktu Siklus Robot Pada Area D

• 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

Gambar 4.6 Grafik Waktu Siklus Robot Pada Area E

 68

• 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

Gambar 4.7 Grafik Waktu Siklus Robot Pada Area F

• Area G
60 55.44

50
40 33.21
Ws (derik)

29.23
30 22.21
20
10
0
0 90 180 270
Sudut

Gambar 4.8 Grafik Waktu Siklus Robot Pada Area G

• Area H
60 56.25

50
35.04
Ws (detik)

40
30 22.21
20
10
0
0 180 270
Sudut

Gambar 4.9 Grafik Waktu Siklus Robot Pada Area H

 69

• Area I
80 71.24

60
Ws (detik)

40 25.01 27.01
22.21
20

0
0 90 180 270
Sudut

Gambar 4.10 Grafik Waktu Siklus Robot Pada Area H

4.2 Analisis Data

Tahap analisis data pengujian alat tugas akhir ini dilakukan untuk
mengetahui waktu siklus dan tingkat keberhasilan robot untuk parkir ke garasi.
Serta menganalisis rerata waktu siklus untuk robot parkir secara otomatis pada
setiap area. Berikut penjabaran analisis pada tugas akhir ini.

4.2.1 Analisa Data Tingkat Keberhasilan

Nilai rerata tengkat keberhasilan robot untuk parkir didapat dengan
merata-ratakan persentase setiap pengujian dengan posisi awal robot yang berbeda.
Persentase kebehasilan apabila robot dapat parkir ke garasi adalah 100 %.
Persentase keberhasilan sama dengan 0 % apabila robot tidak dapat parkir (keluar
area parkir atau melebihi batas waktu selama 3 menit). Berdasarkan hasil pengujian,
terdapat 31 kali pengujian yang menyatakan bahwa robot dapat parkir ke garasi.
Selain itu terdapat 4 kali pengujian yang menyatakan bahwa robot tidak dapat parkir
ke garasi secara sempurna. Berikut perhitungan untuk mengetahui tingkat
keberhasilan robot untuk parkir ke garasi berdasarkan fungsionalitas alat.
∑𝑋
Mf :
𝑁
Dimana,
Mf : Tingkat keberhasilan berdasarkan fungsionalitas alat
∑𝑋 : Jumlah persentase keberhasilan alat setiap pengujian
 70

𝑁 : Jumlah data yang dirata-ratakan

∑𝑋
𝑀𝑓 =
𝑁
(100 (%) × 31)
𝑀𝑓 =
35
(3100 (%))
𝑀𝑓 = = 88.57 %
35

4.2.2 Analisa Data Waktu Siklus Robot

Tahap pengukuran waktu pada tugas akhir ini adalah pengukuran waktu
jam henti (stopwatch time study). Dimana, pengukuran dilakukan secara langsung
pada tempat kerja. Sedangkan data yang diperoleh dari tahap pengukuran waktu
jam henti adalah waktu siklus (Ws). Waktu siklus adalah waktu penyelesaian satu
satuan produksi mulai dari bahan baku atau mulai diproses di tempat kerja yang
bersangkutan. Waktu siklus pada tahap pengukuran alat tugas akhir ini adalah
waktu yang diperlukan robot untuk parkir ke garasi. Hasil pengujian berupa waktu
siklus tidak disertakan pada proses analisis apabila robot keluar dari area parkir atau
waktu robot untuk parkir ke garasi sudah melebihi 3 menit. Berikut perhitungan
untuk mengetahui rerata waktu yang dibutuhkan robot untuk parkir ke garasi.

Tabel 4.3 Waktu Sklus Robot dari Setiap Pengujian yang Berhasis

No. Ws (s) No. Ws (s) No. Ws (s) No. Ws (s)

1 21.46 9 89.05 17 23.42 25 22.21
2 12.02 10 41.82 18 20.81 26 35.04
3 10.20 11 60.28 19 20.22 27 56.25
4 16.22 12 19.82 20 151.90 28 71.24
5 39.02 13 23.40 21 55.44 29 22.21
6 20.42 14 13.02 22 33.21 30 25.01
7 17.41 15 25.02 23 22.21 31 27.01
8 35.03 16 17.61 24 29.23 ∑ 𝑾𝒔 1077.21

∑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

4.2.3 Analisa Rerata Waktu Siklus Setiap Area

Pada tahap ini akan di analisis rerata waktu siklus robot untuk parkir ke
garasi pada area awal yang berbeda. Tujuan dilakukannya tahap analisis ini adalah
untuk mengetahui pada area mana yang memungkinkan robot agar parkir ke garasi
dengan waktu yang paling cepat. Untuk mengetahui waktu siklus rata-rata dari
setiap area, berikut rumus yang digunakan.

∑ 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

Berikut penjabaran analisis waktu siklus dari masing-masing area.

• 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

G. Relf, Christhoper. 2004. Imae Acqusition and Processing with LabVIEW.

………….Florida: CRC Press

Tzafestas. Sypros G. 2014. Introduction to Mobile Robot Control. London:

…………ELSEVIER

Sparks. John C. 2008. The Phytagorean Theorem. Indiana: AuthorHouse

Pressman, Roger S. 2002. Rekayasa Perangkat Lunak: Pendekatan Praktisi

………...(Buku Satu, Penerjemah). Yogyakarta : Andi Offset.

Santosa, Kussigit. 2013. Pengembangan Sistem Akuisisi Data Tekanan

…………dan Temperatur pada Fespeco Menggunakan NI cRIO 9074. ISSN
…………0853-9103.

Sugiyono. (2015). Metode Penelitian Pendidikan: Pendekatan Kuantitatif,

……..…Kualitatif, dan R&D. Bandung: ALFABETA

Datasheet Logitech Webcam C930e. 2014. Logitech Webcam C930e.

………….https://www.logitech.com/assets/47868/logitech-webcam-c930e-
.................data-.sheet.pdf/. [04 Desember 2017]

Wikipedia. 2017. LegoMindstormsEV3. https://en.wikipedia.org/wiki/Lego-

.................Mindstorms-EV3/. [04 Desember 2017]