Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 9, September 2018, hlm. 3060-3066 http://j-ptiik.ub.ac.id

Sistem Kendali Take-Off Quadcopter Ar.Drone Menggunakan Logika

Fuzzy
Fajar Miftakhul Ula1, Gembong Edhi Setyawan2, Rizal Maulana3

Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya

Email: 1fajarmiftakhulula@gmail.com, 2gembong@ub.ac.id, 3rizal_lana@ub.ac.id

Abstrak
Unmanned Aerial Vehicle (UAV) atau pesawat tanpa awak merupakan salah satu jenis robot udara yang
saat ini sedang mengalami perkembangan yang pesat. Salah satu jenis dari UAV adalah quadcopter,
quadcopter adalah robot udara yang memiliki 4 buah motor sebagai penggerak baling-baling. Dalam
pembuatan quadcopter mengalami banyak permasalahan salah satunya yaitu kebutuhan akan pengguna
yang dapat mengontrol pergerakan quadcopter menggunakan remot yang berpengalaman sangat
diperlukan, kususnya dalam melakukan proses take-off, mengingat take-off pada quadcopter merupakan
fase yang mutlak harus dijaga kestabilannya. Oleh karena itu, diperlukan adanya sistem autopilot yang
dapat mengendalikan proses take-off dengan baik. Berdasarkan permasalahan tersebut maka dibuatlah
penelitian tentang sistem kendali take-off quadcopter menggunakan logika fuzzy dengan menggunakan
rule 7x7 dimana terdapat dua input yaitu percepatan serta perubahan percepatan, sedangan output yang
dihasilkan adalah berupa kecepatan. Untuk mengetahui tingkat error dilakukan pengujian ketepatan
posisi sebanyak 10 kali pada ketinggian 1-4 meter. Sedangkan untuk mengetahui berapa waktu
quadcopter untuk mencapai posisi hover dapat menggunakan stopwatch dari posisi take-off hingga
posisi hover. Sehingga hasil dari penelitian ini adalah ketepatan yang diperoleh sudah baik, namun
waktu yang diperlukan masih membutuhkan waktu lama.
Kata kunci : Unmanned Aerial Vehicle (UAV), Quadcopter, Take-off, Fuzzy.
Abstract
Unmanned Aerial Vehicle (UAV) or we knownby plane without crew is type of sky’s robot explores have
incrase develop in nowadays. One kinds of UAV is quadcopter, quadcopter is kinds of sky robots have
four motors as vane drive. On process make quadcopter have many trouble, that is experienced pilot
requirements for fly quadcopter use remote, expecially for the take-off, because take-off on quadcopter
is absolute phase to keep the stability. So need have auto pilot system to manage process a great take-
off. Based on that trouble so made experiment about guide system of take-off quadcopter use fuzzy logic
with rule 7x7 where have two input is acceleration and change of acceleration, while output which result
is speed. For know the error phase is examination as much as ten times with high 1 – 4 meter. And for
know time need quadcopter for get hover use record time with stopwatch. So the result of this experiment
is the precision obtained is already good but the time if takes is still need a long time while the rule is
match with result output.
Keywords : Unmanned Aerial Vehicle (UAV), Quadcopter, Take-off, Fuzzy.

banyak tipe salah satunya adalah quadcopter.

1. PENDAHULUAN
Unmanned Aerial Vehicle (UAV) atau yang
biasa kita kenal dengan pesawat tanpa awak saat
ini sedang mengalami perkembangan yang pesat
yaitu untuk keperluan sipil atau keperluan
pribadi sekedar hanya untuk hobi atau bahkan
digunakan untuk keperluan yang lebih besar
seperti pada dunia militer. UAV memiliki
Quadcopter memiliki kemampuan untuk
melakukan pendaratan dan lepas landas secara
vertikal, yang biasa dikenal dengan istilah
Vertical Take-Off and Landing (VTOL).
Dalam pembuatan quadcopter terdapat
banyak masalah seperti keempat baling-baling
yang tidak bisa menghasilkan gaya angkat,
karena keempat motor masih dirancang berputar
searah. Kebutuhan akan pilot sangat diperlukan

Fakultas Ilmu Komputer

Universitas Brawijaya 3060
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
dalam menerbangkan quadcopter, khususnya
dalam melakukan proses take-off.
Untuk menjaga kestabilan pada waktu take-
off telah dilakukan penelitian sebelumnya yang
menggunakan fuzzy Model Reference Adaptive
Contro (MRAC) seperti ditulis oleh Prawirayuda
(2012). Selain menggunakan metode fuzzy
MRAC ada pula yang menggunakan kontrol
fuzzy Proportional Integral Derivative
Controller (PID) seperti yang dilakukan olah
Kusuma, Effendi, Iskandar (2012).
Dari kedua penelitian diatas dapat
disimpulkan bahwa algoritma yang bersifat non-
linier seperti logika fuzzy lebih cocok untuk
diterapkan pada quadcopter dari pada
menggunakan algoritma yang bersifat linear
seperti PID dikarenakan quadcopter memiliki
dinamika yang non-linier sehingga algoritma
yang bersifat non-linier lebih cocok diterapkan.
Selain itu dari hasil penelitian yang dilakukan
oleh Prawirayuda (2012) waktu yang dibutuhkan
quadcopter untuk take-off pada ketinggian
tertentu adalah sebesar 0,6 detik sedangkan
untuk algoritma PID waktu yang dibutuhkan
adalah sedikit lebih lama yaitu 1 detik.
Selain menggunakan fuzzy Model
Reference Adaptive Contro (MRAC) dan juga
fuzzy Proportional Integral Derivative
controller (PID) adapula penelitan yang
menggunakan fuzzy Mamdani seperti yang
ditulis oleh Raharja et al. (2015) pada penelitian
ini merupakan pengembangan dari beberapa
penelitian sebelumnya yang bertujuan untuk
mengoptimalkan kecepatan, meningkatkan
waktu dan menghilangkan overshoot saat
quadcopter hover pada posisi ketinggian yang
telah ditentukan.
Metode algoritma fuzzy Mamdani sering
dikenal dengan metode Max-Min. Metode ini
juga digunakan oleh peneliti sebelumnya
menggunakan rule base 3x3. Pada penelitian
yang dilakukan oleh Raharja et al. (2015) kontrol
fuzzy digunakan untuk mengendalikan tinggi
quadcopter dengan rule base 7x7. Dari hasil
pengujian yang dilakukan oleh Raharja et al.
(2015) untuk basis aturan 7x7 lebih baik dari
rule base 3x3 dan 5x5.
Dari beberapa penelitian yang telah di
lakukan sebelumnya peneliti ingin menerapkan
logika fuzzy mamdani dengan rule 7x7 untuk
mengatur kecepatan putaran motor quadcopter
Ar-Drone agar dapat menjaga kestabilan pada
waktu take-off. Tujuan digunakannya rule 7x7
pada penelitian ini dikarenakan dengan
menggunakan rule 7x7 pada penelitian
Fakultas Ilmu Komputer, Universitas Brawijaya
3061
sebelumnya yang dilakukan oleh Raharja et al.
(2015) memberikan kesimpulan bahwa dengan
menggunakan rule 7x7 quadcopter dapat stabil
dan waktu yang di tempuh quadcopter untuk
take-off hingga hover pada ketinggian tertentu
lebih cepat dibandingkan menggunakan rule 3x3
dan 5x5.
Perbedaan yang dilakukan peneliti, variabel
yang digunakan bukan ketinggian dan perubahan
ketinggian melainkan percepatan dan perubahan
percepatan dikarenakan target penelitian ini
adalah untuk mengatur kecepatan putaran motor
agar dapat menjaga kestabilan dan
keseimbangan pada waktu take-off serta dapat
menjaga kestabilan pada ketinggian tertentu,
penyebab dari tidak stabilnya quadcopter pada
ketinggian tertentu adalah adanya perubahan
kecepatan.
2. PERANCANGAN DAN
IMPLEMENTASI
2.1 Gambaran Sistem
Sistem yang akan dibuat pada penemitian
ini adalah untuk mengatur kecepatan putaran
motor pada quadcopter agar dapat menjaga
kestabilan pada waktu take-off dengan
menggunakan algoritma fuzzy mamdani.
Gambar 1. Diagram blok sistem
Gambar 1 merupakan gambaran dari
diagram blok sistem yang akan dibuat dimana
terdapat 2 input yang didapat dari hasil
pembacaan nilai percepatan serta perubahan
percepatan pada sumbu Z dari quadcopter,
sedangkan terdapat 1 output yang dihasilkan
adalah kecepatan dari putaran ke 4 motor
quadcopter. Nilai yang di dapat dari pembacaan
data sensor akan digunakan sebagai input pada
mesin penalaran untuk mengelompokkan
anggota himpunan fuzzy yang nantinya akan
dijadikan output untuk dapat mengatur
kecepatan motor quadcopter. Proses ini akan
terus berulang hingga quadcopter dapat
mencapai ketinggian tertentu serta proses akan
berhenti jika user memerintahkan quadcopter
untuk landing.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
2.2 Perancangan Sistem
Pada tahap perancangan sistem akan dibagi
menjadi 2 yaitu perancangan perangkat keras
serta perancangan perangkat lunak. Gambar 2
merupakan gambaran dari diagram alir sistem
secara keseluruhan.
Gambar 2. Diagram alir sistem
Pertama akan dilakukan pengecekan
koneksi pada laptop apakah telah terhubung
dengan koneksi wi-fi yang di pancarkan oleh
quadcopter, jika koneksi telah terhubung maka
user dapat menjalankan program pada laptop.
Jika laptop tidak terhubung dengan koneksi wi-
fi yang di pancarkan oleh quadcopter maka user
harus mengecek kembali koneksi tersebut.
Setelah user dapat terhubung pada quadcopter,
dan program telah dijalankan maka quadcopter,
akan take-off dan sensor ultrasonik akan mulai
membaca ketinggian yang telah ditentukan oleh
user. Jika ketinggian yang dibaca oleh sensor
belum sesuai dengan jarak yang ditentukan,
Fakultas Ilmu Komputer, Universitas Brawijaya
3062
maka algoritma fuzzy akan terus berjalan untuk
menghasilkan output berupa pengaturan
kecepatan motor hingga quadcopter berada pada
posisi hover dengan ketinggian yang telah
ditentukan. Proses ini akan terus berulang
dikarenakan nilai yang di keluarkan oleh
quadcopter akan terus dibaca dan dijadikan
sebagai input dari logika fuzzy.
Pada perancangan perangkat keras akan
dijelaskan mengenai perancangan komunikasi
sistem yang dibagi menjadi 2 proses pertukaran
data seperti ditunjukan pada Gambar 3 dan
Gambar 4 dikarenakan sebelum program
dijalankan pada quadcopter aktual program
terlebih dahulu diuji pada gazebo simulator
dengan menggunakan driver tum_simulator
sedangkan pada Ar-Drone aktual driver yang
digunakan adalah ardrone autonomy.
Gambar 3. Gambaran komunikasi sistem
Pada Gambar 3 adalalah gambaran dari
komunikasi sistem pada penelitian ini dimana
computer dengan sistem orerasi Ubuntu 14.04
yang didalam nya telah terinstall Robot
Operating System (ROS) dapat berkomunikasi
dengan quadcopter dengan menggunakan
bantuan dari driver ardrone autonomy sebagai
jembatan antara laptop dengan quadcopter.
Sedangkan agar laptop dapat terhubung dengan
quadcopter maka laptop harus terhubung dengan
koneksi wi-fi yang dipancarkan oleh quadcopter.
Selanjutnya dengan bantuan dari driver ardrone
autonomy kita dapat mengambil data dari
quadcopter yaitu data navigasi serta data sensor
yang dibutuhkan untuk dijadikan input dari
algoritma fuzzy yang akan di buat, data yang
telah diambil nantinya akan di dijadikan sebagai
input algoritma fuzzy dan akan dibuat sebuah
program dengan menggunakan bahasa
pemograman Python yang nantinya program
tersebut akan dikirim pada quadcopter oleh
Robot Operating System (ROS) dengan bentuk
command agar quadcopter take-off
menggunakan algoritma fuzzy yang telah dibuat.
Pada dasar nya driver untuk tumsimulator
dan ardrone autonomy adalah sama, sehingga
proses pertukaran data serta program yang
digunakan pada simulator dan quadcopter aktual
juga sama, perbedaan komunikasi antara
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
tum_simulator dan quadcopter aktual adalah
tum_simulator dijalankan diatas gazebo dan
berkomunikasi dengan Robot Operating System
(ROS) menggunakan port, sedangkan untuk
menghubungkan quadcopter aktual dengan
Robot Operating System (ROS) menggunakan
koneksi wi-fi. Gambar 4 merupakan gambaran
alur pertukaran data pada simulator.
Gambar 4. Alur pertukaran data pada simulator
Pada perancangan perangkat lunak akan
dijelaskan mengenai perancangan logika fuzzy
yang terdiri dari beberapa tahapan yaitu
fuzzyfikasi, Aplikasi fungsi implikasi, komposisi
aturan serta defuzzyfikasi. Yang akan dijelaskan
pada Gambar 5 yaitu proses perancangan logika
fuzzy pada sistem.
Gambar 5. Proses perancangan logika fuzzy pada
sistem
Pada proses fuzzyfikasi akan melakukan
input data sensor untuk menentukan dan
menghitung derajat keanggotaan dari nilai
percepatan serta data perubahan percepatan yang
selanjutnya sistem akan menghasilkan output
derajat keanggotaan dari tiap-tiap vatiabel
tersebut. Proses kedua adalah aplikasi fungsi
implikasi. Proses ini mengambil nilai input dari
output fuzzifikasi berupa derajat keanggotaan
Fakultas Ilmu Komputer, Universitas Brawijaya
3063
variabel percepatan serta perubahan percepatan
yang nantinya akan di ambil hasil output terkecil
atau MIN. Proses ketiga adalah komposisi
aturan, proses dimulai dari melakukan aplikasi
fungsi implikasi pencarian nilai minimum
selanjutnya dari tiap masing-masing rule yang
telah didapatkan dicari nilai maximumnya.
Setelah itu, akan didapatkan nilai z dari hasil
nilai maximum di tiap masing-masing aturan
rule. Proses yang terahir adalah proses
defuzzyfikasi yaitu menghasilkan output berupa
control terhadap putaran baling-baling
quadcoter.
Dalam penelitian ini digunakan fuzzy logic
toolbox yang terdapat pada Matlab. Pada
perancangan fuzzy logic toolbox akan dibuat dua
buah input yaitu percepatan serta perubahan
percepatan dengan output berupa kecepatan
menggunakan rule base 7x7, yang nantinya akan
menghasilkan 49 aturan.
Gambar 6 dan Gambar 7 merupakan
himpunan variabel input percepatan dan
perubahan percepatan yang di dalamnya terdapat
7 kondisi yaitu SSR (sangat-sangat rendah), SR
(sangat rendah), R (rendah), SED (sedang), T
(tinggi), ST (sangat tinggi), SST (sangat-sangat
tinggi). Kondisi tersebut berada pada ketinggian
1 sampai 4 meter. Range untuk 2 variable input
yang digunakan dalam penelitian ini bernilai
sama yaitu SSR [-1.0, -0.99, -0.6], SR [-0,99, -
0,6, -0,3], R [-0.6, -0,3, 0], SED [-0,3, 0, 0,3], T
[0, 0,3, 0,6], ST [0,3, 0,6, 0,99] dan SST [0,6,
0,99, 1,0]
Gambar 6 Himpunan variabel input percepatan (α)
Gambar 7 Himpunan variabel input perubahan
percepatan (dα)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3064

Gambar 8 merupakan himpunan pengujian respon sistem untuk mengetahui

variabel output berupa speed dengan 7 kondisi
yaitu {SSL, SL, L, SED, C, SC, SSC}. Range
yang digunakan dalam variable output berada
pada -1,0 sampai 1,0.
Gambar 8 Himpunan variabel output (Speed)
2.3 Implementasi Sistem
Pada implementasi sistem terdapat 2 tahap
implementasi yaitu, implementasi pada
perangkat keras dan perangkat lunak. Pada
implementasi perangkat keras akan dibahas
mengenai implementasi program yang telah
dibuat kedalam quadcopter aktual apakah
quadcopter dapat mengatur kecepatan motor
untuk menjaga kestabilan pada proses take-off
Gambar 9 adalah gambar dari implementasian
program kedalam quadcopter.
waktu yang dibutuhkan ketika take-off hingga
hover, pengujian logika fuzzy untuk mengetahui
kecocokan output dengan rule yang telah di buat.
3.1 Hasil Pengujian Error Sistem
Pengujian ini dilakukan untuk mengetahui
seberapa besar tingkat error yang dihasilkan
dalam mencapai ketinggian tertentu. Setelah
dilakukan pengujian sebanyak 10 kali pada
setiap ketinggian yang berbeda maka,
menghasilkan output sebagai berikut.
Pada pengujian dengan ketinggian 1 meter
ini tingkat error pada quadcopter adalah sebesar
6,45% dengan tingkat ketepatan sebesar 93,55%.
Pada Gambar 10 merupakan grafik ketinggian 1
meter hasil olahan data pengujian yang telah
diolah pada Microsoft Excel.
Gambar 10 Grafik ketinggian 1 meter

Pada pengujian dengan ketinggian 2 meter

ini tingkat error pada quadcopter adalah sebesar
1,63% dengan tingkat ketepatan sebesar 98,37%.
Pada Gambar 11 merupakan grafik ketinggian 2
meter hasil olahan data pengujian yang telah
diolah pada Microsoft Excel.

Gambar 9 Implementasi program kedalam

quadcopter

Pada implementasi perangkat lunak

dilakukan pembuatan kode program sistem
dengan menggunakan Spyder sebagai Interface
Development Environtment (IDE) dari bahasan
pemprograman Python. Penulisan kode program Gambar 11 Grafik ketinggian 2 meter
pada sistem terdiri dari beberapa proses yaitu
pembuatan variable fuzzyfikasi, variable rule , Pada pengujian dengan ketinggian 3 meter
variable Min dan Max serta yang terahir variabel ini tingkat error pada quadcopter adalah sebesar
area output deffuzifikasi. 1,37% dengan tingkat ketepatan sebasar 98,63%.
Pada Gambar 12 merupakan grafik ketinggian 3
3. PENGUJIAN DAN HASIL meter hasil olahan data pengujian yang telah
diolah pada Microsoft Excel.
Terdapat tiga jenis pengujian yang akan
dilakukan pada penelitian ini yaitu pengujian
ketepatan posisi untuk mengetahui error dan
tingkat kepatan posisi pada ketinggian terentu,

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3065

dibutuhkan quadcopter untuk mencapai

Gambar 12 Grafik ketinggian 3 meter
Pada pengujian dengan ketinggian 4 meter
ini tingkat error pada quadcopter adalah sebesar
0,92% dengan tingkat ketepatan sebasar 99,08%.
Pada Gambar 13 merupakan grafik ketinggian 4
meter hasil olahan data pengujian yang telah
diolah pada Microsoft Excel.
ketinggian tersebut adalah sebesar 24.5 detik
atau jika diubah dalam bentuk menit adalah
sebesar 0,4 menit.
Pada ketinggian 2 meter rata-rata waktu
yang dibutuhkan quadcopter untuk mencapai
ketinggian tersebut adalah sebesar 49.5detik atau
jika diubah dalam bentuk menit adalah sebesar
0,8 menit.
Pada ketinggian 3 meter rata-rata waktu
yang dibutuhkan quadcopter untuk mencapai
ketinggian tersebut adalah sebesar 96,7 detik
atau jika diubah dalam bentuk menit adalah
sebesar 1,6 menit.
Pada ketinggian 4 meter rata-rata waktu
yang dibutuhkan quadcopter untuk mencapai
ketinggian tersebut adalah sebesar 154,8 detik
atau jika diubah dalam bentuk menit adalah
sebesar 2,6 menit.

3.3 Hasil Pengujian Logika Fuzzy

Pengujian ini dilakukan untuk mengetahui
apakah output yang dihasilkan oleh quadcopter
telah sesuai dengan rule yang telah ditentukan
Gambar 13 Grafik ketinggian 4 meter pada tahapan membership function. Setelah
dilakukan pengambilan nilai secara acak
3.2 Hasil Pengujian Respon Sistem sebanyak 8 kali pada macam-macam ketinggian
maka, didapatkan hasil seperti ditunjukkan pada
Pengujian ini dilakukan untuk mengetahui Tabel 2 dibawah ini.
seberapa lama waktu yang dibutuhkan
quadcopter untuk mencapai posisi hover pada Tabel 2 Hasil pengujian rule
ketinggian tertentu. Dari hasil pencatatan waktu
Perubah
yang dilakukan pada setiap ketinggian yang Ketinggi Percepat an Fuzzy
berbeda didapatkan hasil seperti ditunjukkan an an Percepat speed Bena
pada Tabel 1 dibawah ini. an r
(Meter) (m/s) (m/s)
(m/s)
Tabel 1 Hasil pengujian waktu
4 1,0 1,0 0,0 √
Ketinggian
3 0,0 0,3 0,2 √
Pengujian 1 2 3 4
ke 1 0,8 0,8 0,0 √
Meter Meter Meter Meter
(Detik) (Detik) (Detik) (Detik) 2 0,2 0,7 0,2 √
1 24.21 44.08 93.71 144.81 4 0,0 0,0 0,0 √
2 23.22 48.85 98.52 140.31 2 0,4 0,3 1,0 √
3 23.80 47.29 95.12 148.43 3 0,5 0,4 0,0 √
4 23.80 44.73 98.65 164.60 1 0,3 0,6 0,3 √
5 26.42 53.55 91.95 154.75
6 23.66 56.80 99.49 149.38
Dari pengambilan nilai secara acak pada
terminal ubuntu didapatkan hasil berupa
7 23.18 49.96 100.79 153.73
keseluruhan nilai yang didapat bernilai benar
8 24.90 52.58 95.17 165.54
sehingga dapat dihitung persentase keakuratan
9 25.16 54.02 90.46 168.87 rule fuzzy 7x7 adalah sebesar 100 %
10 26.38 43.17 103.42 157.30
Rata-rata 24.5 49.5 96.7 154.8 4. KESIMPULAN
Pada ketinggian 1 meter waktu yang Berdasarkan dari hasil pengujian yang telah

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 3066

dilakukan, maka dapat diambil kesimpulan International Conference on Science in

sebagai berikut.
a. Setelah melakukan pengujian ketepatan
posisi sebanyak 10 kali pada ketinggian
yang berbeda maka dapat disimpulkan
bahwa semakin bertambahnya ketinggian
maka tingkat error yang dihasilkan akan
semakin kecil dan tingkat ketepatan
quadcopter akan semakin akurat.
b. Dari hasil pengujian respon sistem, yang
dilakukan didapatkan kesimpulan semakin
bertambahnya ketinggian maka waktu yang
dibutuhkan quadcopter untuk mencapai
ketinggian tertentu akan semakin lama.
c. Untuk tingkat kecocokan rule 7x7 dengan
output yang dihasilkan didapatkan
kecocokan sebesar 100%, nila tersebut di
dapat dengan melakukan proses
pencocokan rule menggunakan 2 cara yaitu
secara tabel dan matematis.
Information Technology (ICSITech) 1-6
[Diakses 8 Juni 2017]
Saelan,A. 2009. ‘Logika Fuzzy’,Makalah If2091
Struktur Diskrit,1-5. [Diakses 2 September
2017]
Setyawan, G E., Setyawan, E. & Kurniawan, W.,
2015. Sistem Kendali Ketinggian
Quadcopter Menggunakan PID. Jurnal
Teknologi Informasi dan Ilmu Komputer
(JTIIK), Volume II, pp. 125-131.
Wasisto,T,E., A,Iskandarianto., dan Matradji.
2012. ‘Rancang Bangun Sistem Kontrol
Attitude Pada UAV (UNMANNED
AERIAL VEHICLE) Quadcopter DF-
UAV01 Dengan Menggunakan Sensor
Accelerometer 3-Axis Dengan Metoe
Fuzzy’ 1(1) 1-15. [Diakses 4 Oktoberber
2016]

DAFTAR PUSTAKA
Hutama,M. 2015. Prinsip Kerja Quadcopter
[Online],dilihat 11 Mei 2017 Tersedia di: <
http://www.insinyoer.com/prinsip-kerja-
quadcopter/>.[Diakses 11 Mei 2017]
Kusuma,W., R,E,AK., dan E,Iskandar., 2012.
‘Perancangan dan Implementasi Kontrol
Fuzzy-PID pada Pengendalian Auto Take-
Off Quadcopter UAV’, Jurnal Teknik
POMITS 1(1) 1-6. [Diakses 24 September
2017]
Prawirayuda,F., K,Astrowulan., dan R,E,AK.,
2012. ‘Desain dan Implementasi Kontroler
Fuzzy-Model Reference Adaptive Control
(Fuzzy MRAC) untuk Proses Take-off pada
Unmanned Aerial Vehicle (UAV)
Quadcopter’, Jurnal Teknik POMITS 1(1)
1-5. [Diakses 4 Oktoberber 2016]
Gaol, A., Setyawan, G., & Kurniawan, W.
Pendaratan Otomatis Quadcopter AR
Drone Menggunakan Metode Linear
Quadratic Regulator (LQR). Jurnal
Pengembangan Teknologi Informasi dan
Ilmu Komputer, vol. 1, no. 10, p. 1028-
1035, juli 2017. ISSN 2548-964X. Tersedia
pada: <http://j-ptiik.ub.ac.id/index.php/j-
ptiik/article/view/322>. Tanggal Akses: 12
jan. 2018
Raharja,N,Maharani., O,Wahyunggoro., dan
A,I,Cahyadi. 2015. ‘Altitude Control for
Quadrotor with Mamdani Fuzzy Model’

Fakultas Ilmu Komputer, Universitas Brawijaya