ANALISIS DAN PENERAPAN SENSOR JARAK, SENSOR … · digunakan yaitu sensor ultrasonik yang menggunakan energi gelombang suara dan ; sensor inframerah yang menggunakan energi gelombang

ANALISIS DAN PENERAPAN SENSOR JARAK, SENSOR DETEKSI API, DAN SENSOR GARIS

PADA FIRE FIGHTING ROBOT

NUR MUHAMMAD SIDIK

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2013

PERNYATAAN MENGENAI SKRIPSI DAN

SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA

Dengan ini saya menyatakan bahwa skripsi berjudul Analisis dan Penerapan

Sensor Jarak, Sensor Deteksi Api, dan Sensor Garis pada Fire Fighting Robot

adalah benar karya saya dengan arahan dari komisi pembimbing dan belum

diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber

informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak

diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam

Daftar Pustaka di bagian akhir skripsi ini.

Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut

Pertanian Bogor.

Bogor, Desember 2013

Nur Muhammad Sidik

NIM G64090065

ABSTRAK

NUR MUHAMMAD SIDIK. Analisis dan Penerapan Sensor Jarak, Sensor

Deteksi Api, dan Sensor Garis pada Fire Fighting Robot. Dibimbing oleh

KARLISA PRIANDANA.

Sensor merupakan bagian robot untuk mengenali kondisi lingkungan

sekitarnya. Salah satu permasalahan dalam pemakaian sensor adalah keakuratan

data yang diperoleh. Penelitian ini bertujuan untuk mengembangkan sistem indera

pada fire fighting robot dengan menggunakan sensor jarak ultrasonik, sensor api,

dan sensor garis. Dalam proses pengambilan data, sensor-sensor ini memerlukan

beberapa tahapan agar data yang dibaca sesuai dengan data aktualnya seperti

kalibrasi dan data smoothing. Data smoothing yang digunakan adalah moving

average dan exponential smoothing. Metode ini digunakan untuk menghaluskan

data yang diterima secara real-time oleh sensor khususnya sensor jarak HC-SR04.

Hasil penelitian menunjukkan bahwa data smoothing moving average dengan

window sebanyak 5 dan exponential smoothing dengan smoothing factor 0.5

adalah metode yang cocok digunakan untuk mengurangi noise akibat kesalahan

pembacaan data. Namun pada aplikasinya, kedua metode ini menyebabkan robot

sangat lambat dalam mengambil keputusan.

Kata kunci: Arduino, exponential smoothing, fire fighting robot, HC-SR04,

moving average, sensor

ABSTRACT

NUR MUHAMMAD SIDIK. Analysis and Installation of Range Sensors, Fire

Detector Sensor, and Line Sensor into Fire Fighting Robot. Supervised by

KARLISA PRIANDANA.

Sensor is a device in a robot to learn things about its surroundings. One of

the problems from using sensor is its accuracy when retrieving data. This study

developed a fire fighting robot sensor system using ultrasonic range sensor, fire

detector sensor, and line sensor. In the process of retrieving data, these sensors

require some pre-processing steps in order to obtain data that is equal to the actual

data, such as calibration and data smoothing. Data smoothing methods utilized in

this study are moving average and simple exponential smoothing. These methods

are used to smooth the received realtime data especially in the range sensor HC-

SR04 data. The results show that moving average with 5 windows and

exponential smoothing with smoothing factor 0.5 can be used to reduce the ripples

due to the existence of irregular data. However, both methods may slow down the

robot‟s decision making process.

Keywords: Arduino, exponential smoothing, fire fighting robot, HC-SR04,

moving average, sensors

Skripsi

sebagai salah satu syarat untuk memperoleh gelar

Sarjana Komputer

pada

Departemen Ilmu Komputer

ANALISIS DAN PENERAPAN SENSOR JARAK, SENSOR DETEKSI API, DAN SENSOR GARIS

PADA FIRE FIGHTING ROBOT

NUR MUHAMMAD SIDIK

DEPARTEMEN ILMU KOMPUTER

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT PERTANIAN BOGOR

BOGOR

2013

Penguji:

1 Shelvie Nidya Neyman, SKom MSi

2 Mushthofa, SKom MSc

Judul Skripsi : Analisis dan Penerapan Sensor Jarak, Sensor Deteksi Api, dan

Sensor Garis pada Fire Fighting Robot

Nama : Nur Muhammad Sidik

NIM : G64090065

Disetujui oleh

Karlisa Priandana, ST MEng

Pembimbing I

Diketahui oleh

Dr Ir Agus Buono, MSi MKom

Ketua Departemen

Tanggal Lulus:

Judul Skripsi: . ..\naLis dan Penerapan Sensor Jarak, Sensor Deteksi Api, dan Sens r Garis pada Fire Fighting Robot

Nama : Nur ).. uhammad Sidik NIM : G6~090065

Disetujui oleh

Karlisa Priandana, ST MEng Pembimbing I

Diketahui oleh

Ketua Departemen

Tanggal Lulus : 1 3 DEC 2GB

PRAKATA

Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta’ala atas

segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang

dipilih dalam penelitian yang dilaksanakan sejak bulan Januari 2013 ini ialah

sensor pada fire fighting robot, dengan judul Analisis dan Penerapan Sensor Jarak,

Sensor Deteksi Api, dan Sensor Garis pada Fire Fighting Robot.

Terima kasih penulis ucapkan kepada ayah, ibu, serta seluruh keluarga atas

segala doa dan kasih sayangnya. Ungkapan terima kasih juga disampaikan kepada

Ibu Karlisa Priandana, ST MEng selaku pembimbing, serta Ibu Shelvie Nidya

Neyman, SKom MSi dan Bapak Mushthofa, SKom MSc yang telah banyak

memberi koreksi dan masukan.

Di samping itu, penulis juga mengucapkan terima kasih kepada Noer Fitria

Putra Setyono, Erwin Musa Yulio, Wulandari, Hollanda Arief Kusuma, dan

teman-teman Ilmu Komputer angkatan 46 dan 48 serta teman-teman ITK

angkaran 46 dan 47, yang selalu memberi semangat dan dukungannya. Kepada

semua pihak yang namanya tidak bisa saya sebutkan satu per satu, terima kasih

atas dukungan dan doanya.

Semoga karya ilmiah ini bermanfaat.

Bogor, Desember 2013

Nur Muhammad Sidik

DAFTAR ISI

DAFTAR TABEL vi

DAFTAR GAMBAR vi

DAFTAR LAMPIRAN vii

PENDAHULUAN 1

Latar Belakang 1

Perumusan Masalah 2

Tujuan Penelitian 2

Manfaat Penelitian 2

Ruang Lingkup Penelitian 2

METODE 3

Studi Literatur 3

Persiapan Alat dan Bahan 3

Analisis Sensor 4

Kalibrasi Sensor 4

Penerapan Data Smoothing 5

Pengujian Sensor 6

Implementasi Sensor Pada Robot 6

HASIL DAN PEMBAHASAN 7

Persiapan Alat dan Bahan 7

Analisis Sensor 8

Kalibrasi Sensor 9

Penerapan Data Smoothing 11

Pengujian Sistem 14

Implementasi Sensor pada Robot 16

SIMPULAN DAN SARAN 17

DAFTAR PUSTAKA 18

LAMPIRAN 19

RIWAYAT HIDUP 47

DAFTAR TABEL

1 Nilai pengukuran sensor garis 9 2 Nilai pengukuran sensor deteksi api 9

3 Hasil perhitungan menggunakan cara brute force 10 4 Data sensor jarak pada PING 57 – 63 12

5 Hasil pengujian data smoothing moving average dan exponential

smoothing pada sensor jarak 15

DAFTAR GAMBAR

1 Metode penelitian sensor jarak, sensor deteksi api, dan sensor garis 3

2 (a) sensor jarak ultrasonik HC-SR04, (b) sensor deteksi api YG1006,

(c) sensor garis, dan (d) mirokontroler Arduino UNO 7

3 Rangkaian sederhana (a) sensor jarak ultrasonik dan (b) sensor

deteksi api 7

4 Grafik data jarak dari sensor dengan menggunakan rumus konversi

dari datasheet 8

5 Grafik regresi linear data pengukuran sensor jarak 10 6 Grafik data sensor jarak dengan jarak aktual setelah kalibrasi 11

7 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak

sensor menggunakan moving average (---) 12


sensor menggunakan exponential smoothing dengan bobot 0.2 (---) 13





11 Peletakan sensor jarak ultrasonik pada robot 16 12 Tampilan akuisisi data semua sensor secara bersamaan 17

DAFTAR LAMPIRAN

1 Grafik data sensor jarak sebelum kalibrasi 19 2 Grafik data sensor jarak setelah kalibrasi 21

3 Grafik data sensor jarak setelah kalibrasi dan moving average

dengan window 5 23

4 Grafik data sensor jarak setelah kalibrasi dan exponential

smoothing dengan bobot 0.2 25





7 Source code untuk pengambilan data menggunakan sensor

ultrasonik, sensor deteksi api, dan sensor garis 31


ultrasonik dengan moving average 34


ultrasonik dengan exponential smoothing 36

10 Tabel hasil pengukuran sensor jarak 38 11 Tabel kalibrasi sensor jarak menggunakan cara brute force 43

PENDAHULUAN

Latar Belakang

Perkembangan teknologi sekarang sangat pesat. Perkembangan teknologi

yang pesat ini mengakibatkan munculnya alat-alat yang serba otomatis. Mulai dari

mencuci pakaian sampai adanya mesin untuk membersihkan rumah secara

otomatis. Robot merupakan sebuah mesin yang memiliki fungsi khusus

berdasarkan keperluan manusia. Robot dapat bergerak secara otomatis. Robot juga

dapat diprogram untuk menjalankan tugasnya masing-masing.

Pada pengaplikasiannya, robot memiliki tiga perangkat utama yaitu „sense‟,

„think‟, dan „act‟. Perangkat „act‟ adalah perangkat yang akan mengeksekusi

semua perintah yang didapat dari otak robot. Perangkat inilah yang terlihat

prosesnya secara nyata dan dapat dirasakan secara langsung oleh pengguna.

Perangkat „think‟ memiliki fungsi yang sama dengan otak manusia. Robot perlu

mengumpulkan informasi tentang kondisi lingkungan sekitarnya. Kemudian robot

harus bisa menentukan bagaimana robot harus beraksi seoptimal mungkin dari

data yang didapatkan. Robot dapat diberikan kemampuan untuk berpikir dan

memberikan instruksi dengan memberikan program di bagian otaknya (dalam hal

ini adalah mikrokontroler). Semua data masukan yang diterima robot akan diolah

pada bagian ini lalu robot akan menghasilkan keputusan. Perangkat „sense‟

memiliki fungsi seperti indera manusia. Perangkat ini menggunakan sensor untuk

mendeteksi lingkungan di sekitar robot. Perangkat inilah yang akan menjadi

masukan untuk perangkat „think‟ lalu diproses. Setelah diproses dan menghasilkan

keputusan berupa perintah, perangkat „act‟ akan menjalankan perintah tersebut.

Robot membutuhkan sensor sebagai alat „inderanya‟. Sensor yang

digunakan pada robot berbeda-beda bergantung tujuan dan kondisi yang harus

dicapai. Pada fire fighting robot yang diteliti pada penelitian ini, sensor yang

digunakan adalah sensor jarak, sensor deteksi suara, sensor deteksi garis, sensor

deteksi nyala api, dan sensor kompas.

Sensor pendeteksi jarak dibagi menjadi dua jenis berdasarkan energi yang

digunakan yaitu sensor ultrasonik yang menggunakan energi gelombang suara dan

sensor inframerah yang menggunakan energi gelombang cahaya inframerah.

Dalam aplikasinya pada fire fighting robot, sensor pendeteksi jarak digunakan

untuk mendeteksi jarak robot dengan benda atau jarak robot dengan dinding

pembatas. Namun, setiap sensor memiliki kekurangan yang dapat ditutup dengan

menggunakan bantuan sensor lain. Selain memiliki kekurangan, setiap sensor juga

dapat memiliki hambatan dalam pengambilan data, sehingga data yang diperoleh

mungkin tidak sempurna, dan membuat robot mengambil keputusan yang salah.

Prasetyo (2010) melakukan penelitian mengenai robot beroda dengan

beberapa sensor sebagai indera. Sensor jarak ultrasonik yang digunakan adalah

Sensor Ultrasonik PING)))1. Sensor ini dapat mendeteksi jarak antara 3 cm

sampai 3 m dengan cara menghitung waktu perjalanan gelombang ultrasonik

mulai dari ditembakkan, dipantulkan oleh target, sampai diterima kembali oleh

sensor. Pada penelitian tersebut, data yang diterima sensor jarak hanya mengalami

1 Sensor Ultrasonik PING))): salah satu jenis sensor deteksi jarak menggunakan gelombang

ultrasonik.

2

konversi dari data waktu menjadi data jarak. Penelitian tidak melakukan kalibrasi

perhitungan karena data yang didapat oleh sensor sangat akurat. Namun,

percobaan Prasetyo (2010) menghasilkan rata-rata galat 0.5 cm.

Setiap melakukan percobaan, Prasetyo (2010) hanya melakukan satu kali

PING2 ke dinding pada jarak tertentu lalu mencatat jarak yang diterima oleh

mikrokontroler. Namun dalam pengaplikasiannya, sensor pada robot harus

menerima data secara realtime. Pada penelitian ini akan dilakukan pengembangan

dari penelitian Prasetyo (2010) yaitu dengan pengambilan data secara terus-

menerus dengan perubahan jarak terhadap target sebesar 10 cm, serta

pengambilan data menggunakan sensor garis, sensor deteksi api, dan sensor jarak

secara realtime.

Perumusan Masalah

Masalah yang akan diteliti dalam penelitian ini adalah penggunaan sensor

yang tepat untuk fire fighting robot, termasuk pengolahan data sensor yang masih

berupa data mentah agar dapat dengan mudah diproses di mikrokontroler.

Mengkaji pengambilan data jarak yang berubah-ubah oleh sensor jarak secara

realtime. Selain itu penelitian ini juga mengkaji perlakuan khusus yang diperlukan

untuk mengurangi kelemahan setiap sensor.

Tujuan Penelitian

Membuat komunikasi antara mikrokontroler dengan sensor.

Merekomendasikan metode penghalusan atau data smoothing yang dapat

digunakan untuk mengurangi riak data sensor.

Mengimplementasikan sensor pada fire fighting robot.

Manfaat Penelitian

Penelitian ini diharapkan dapat mendukung perkembangan robotika di

lingkungan departemen Ilmu Komputer FMIPA IPB. Selain itu, penelitian

diharapkan dapat membantu penggunaan sensor untuk aplikasi lainnya.

Ruang Lingkup Penelitian

Pada penelitian ini, sensor yang diteliti hanya tiga jenis yaitu sensor jarak

yang menggunakan gelombang suara ultrasonik, sensor garis, dan sensor nyala

api. Percobaan untuk sensor ultrasonik dilakukan secara kontinu dengan

menggerakkan target deteksi (benda dengan permukaan datar) secara manual. Api

yang digunakan pada percobaan menggunakan sensor deteksi api adalah api lilin

yang berada dalam ruangan yang kurang cahaya.

2 PING: istilah yang digunakan ketika sensor menembakkan gelombang suara dari transmitter

sampai menerima pantulan gelombang di receiver.

3

METODE

Metode yang digunakan pada penelitian ini meliputi serangkaian tahapan,

yaitu: tahap studi literatur, persiapan alat dan bahan, analisis sensor, kalibrasi

sensor, dan penerapan data smoothing. Khusus untuk sensor garis dan sensor

deteksi api, tidak dilakukan tahapan kalibrasi sensor dan penerapan data

smoothing, karena output dari kedua sensor ini hanya berupa logika ada atau tidak

ada garis/api. Garis besar dari metode penelitian dapat dilihat dalam bentuk

diagram alir seperti pada Gambar 1.

Studi Literatur

Pada tahapan ini, dilakukan serangkaian studi literatur yang berkaitan

dengan penelitian. Studi ini mencakup sensor-sensor yang digunakan pada fire

fighting robot, cara penggunaan sensor, serta kelemahan yang mungkin terjadi

pada setiap sensor.

Persiapan Alat dan Bahan

Bahan yang digunakan adalah sensor jarak ultrasonik, sensor deteksi api,

dan sensor garis. Sensor jarak ultrasonik yang digunakan adalah HC-SR04. Sensor

ultrasonik HC-SR04 ini berbeda dengan Sensor Ultrasonik PING))) yang

digunakan oleh Prasetyo (2010), dalam hal keakuratan pengambilan data. HC-

SR04 kurang akurat dibandingkan dengan Sensor Ultrasonik PING))) karena

sensor ini lebih ekonomis. Namun demikian, keakuratan sensor HC-SR04 dapat

ditingkatkan dengan pengkalibrasian sehingga akurasinya dapat mendekati Sensor

Ultrasonik PING))).

Sensor deteksi api yang digunakan adalah sensor YG1006 yang sudah

memiliki modul tambahan, sehingga sensor dapat langsung digunakan.

Kekurangan sensor YG1006 adalah sensor hanya dapat mendeteksi cahaya dengan

spektrum 760 nm sampai 1100 nm (Cytron Technologies 2012).

Gambar 1 Metode penelitian sensor jarak, sensor deteksi api, dan sensor garis

4

Analisis Sensor

Setelah dilakukan pengumpulan alat dan bahan serta perangkaian sensor

dengan mikrokontroler secara sederhana, dilakukan analisis kemampuan baca tiap

sensor secara bergantian. Analisis sensor jarak dilakukan dengan menggunakan

rangkaian sederhana untuk mendapatkan nilai pengukuran. Nilai ini dicatat

beserta jarak target terhadap sensor. Posisi target dari sensor berubah secara

berkala yaitu dari jarak 10 cm sampai 100 cm dengan penambahan jarak sebesar

10 cm. Setiap penambahan jarak, dilakukan PING terhadap target lalu dicatat nilai

pengukuran, sehingga akan ada 10 jenis data nilai pengukuran tiap percobaan.

PING adalah sebuah istilah untuk sensor jarak menembakan gelombang ultrasonik

sampai menerima kembali pantulan gelombang ultrasonik tersebut.

Setelah itu, untuk mendapatkan data jarak dari sensor, nilai pengukuran

yang didapat akan dihitung dengan menggunakan rumus berdasarkan datasheet

dari sensor tersebut. Pengambilan data dilakukan tanpa adanya hambatan yang

tertulis pada datasheet sensor sehingga pembacaan jarak target terhadap sensor

dianggap ideal. Persamaan 1 adalah persamaan konversi pada datasheet Elec

Freaks (2011) sensor HC-SR04.

d = t

58.1 (1)

Keterangan:

d = jarak deteksi (cm)

t = lama waktu PING

Selain analisis sensor jarak, dilakukan pula analisis terhadap sensor deteksi

api dan sensor garis. Pada tahapan ini, sensor akan dianalisis menggunakan

rangkaian sederhana untuk diambil nilai pengukurannya. Untuk sensor deteksi api,

perlakuannya sama dengan sensor jarak yaitu sumber api ditempatkan pada 10

jarak berbeda ditambah kondisi tidak ada sumber api. Setelah semua data didapat,

akan ditentukan threshold untuk menentukan ada api atau tidak berdasarkan nilai

pengukuran yang diperoleh. Untuk sensor garis, hanya dilakukan percobaan

terhadap garis hitam dan putih, lalu dicatat nilai pengukurannya terhadap warna

tersebut. Berbeda dengan sensor jarak, kedua sensor ini tidak dilanjutkan ke

tahapan kalibrasi karena sensor ini hanya menghasilkan nilai boolean „ada‟ atau

„tidak ada‟.

Kalibrasi Sensor

Kalibrasi dilakukan agar data yang didapat oleh sensor dapat sedekat

mungkin dengan data aktualnya. Pada tahapan kalibrasi sensor, sensor yang

dikalibrasi hanyalah sensor jarak ultrasonik. Pada tahapan ini dilakukan

penyesuaian perhitungan jarak yang dibaca oleh sensor terhadap jarak aktual

sensor dengan target. Penyesuaian dilakukan dengan brute force dan regresi linear

yaitu dengan mencari rumus dasar menggunakan regresi linear dari hubungan

linear antara data pengukuran sensor terhadap jarak aktualnya. Metode brute force

menggunakan Persamaan 2. Cara ini menggunakan rataan dari pembagian antara

data pengukuran dari sensor dengan jarak aktualnya. Setelah didapatkan nilai

kontanta masing-masing, ditentukan nilai konstanta yang akan digunakan pada

rumus kalibrasi.

5

x =

ai

di n

i=1

n

(2)

Keterangan:

x = konstanta pembagi

n = banyaknya PING

ai = lama waktu PING ke-i

di = jarak aktual ke-i

Penerapan Data Smoothing

Data yang didapat setelah kalibrasi masih mungkin memiliki riak (ripple)

yang tidak dibutuhkan. Riak harus dihilangkan, sehingga dibutuhkan data

smoothing untuk mengurangi riak itu. Pada tahapan ini akan dibandingkan 2

metode data smoothing yaitu metode moving average dan metode exponential

smoothing. Metode moving average dapat meramalkan data pada masa yang akan

datang dengan cara mengambil rata-rata atau nilai tengah dari data untuk periode

waktu yang telah ditentukan (Anggraeni dan Alfathoni 2010). Metode ini

dimodelkan dengan Persamaan 3 dengan source code untuk Arduino UNO

terdapat di Lampiran 8.

X = Xi/T

T

i=1

(3)

Keterangan:

X = jarak deteksi MA (cm)

Xi = jarak deteksi ke-i (cm)

T = banyaknya window/kelompok

Moving average menggunakan layar (window) dalam meramal nilai yang

didapat. Semakin besar window yang digunakan dalam aturan moving average,

akan membuat ketidakstabilan dalam sistem, bahkan perilaku sistem akan

semakin berantakan (Chiarella et al. 2006). Jumlah kelompok (T) yang dipilih

pada penelitian ini sebesar 5. Hal ini dilakukan karena setiap kali pengambilan

data, lama waktu yang dibutuhkan adalah 200 milidetik, sehingga setiap 1 detik

akan didapat hasil jarak yang sesungguhnya. Selain itu, ketika terjadi perubahan

jarak yang besar (misal dari 10 menjadi 100) hanya membutuhkan 5 pengambilan

data (1 detik) untuk mendapatkan jarak aktual 100. Namun ketika terjadi riak data,

data tidak langsung berubah secara signifikan, sehingga dapat meminimalisir

terjadinya ripple pada data.

Metode yang kedua adalah metode exponential smoothing. Metode

exponential smoothing yang digunakan adalah simple exponential smoothing.

Metode ini dimodelkan dengan Persamaan 4 dengan source code untuk Arduino

UNO terdapat di Lampiran 9.

Fi+1 = αXi+(1-α)Fi (4)

Keterangan:

Fi= jarak deteksi ES ke-i (cm)

Xi = jarak observasi ke-i (cm)

α = bobot ES

Dari Persamaan 4 dapat dilihat bahwa semakin dekat nilai α (bobot) ke 1,

maka prediksi akan semakin mendekati data asli observasi (Xi) dan menjauhi data

hasil prediksi sebelumnya (Fi). Begitu pula sebaliknya jika nilai bobot mendekati

0 maka nilai hasil prediksi akan mendekati nilai prediksi sebelumnya (Chiang

6

2005). Percobaan ini dilakukan dengan menggunakan bobot sebesar 0.2, 0.5 dan

0.8 dengan 𝐹0 adalah 0. Hal ini dilakukan agar didapat pola untuk bobot

mendekati 1 dan 0.

Pengujian Sensor

Pengujian dilakukan pada data sensor jarak, sensor deteksi api, dan sensor

garis. Pengujian untuk data sensor jarak adalah keakuratan kalibrasi dalam

memprediksi jarak aktual, dan kemampuan data smoothing dalam menghaluskan

data. Pengujian keakuratan menggunakan korelasi dan root mean square error

(RMSE). Korelasi digunakan untuk mengetahui kedekatan dari data jarak sensor

dengan jarak aktualnya. Semakin bagus hubungannya, nilai korelasi akan

mendekati 1 dimana variasi nilai korelasi berkisar antara -1 sampai 1. Rumus

korelasi seperti pada Persamaan 5 (Downey 2011).

r = xi - x y

i - y n

i=1

xi - x 2ni=1

yi - y

2ni=1

(5)

Keterangan:

r = korelasi

xi = data jarak sensor

x = rata-rata jarak sensor

yi = data jarak aktual

y = rata-rata jarak aktual

n = jumlah PING

RMSE digunakan untuk melihat error yang terjadi pada data uji jarak sensor

terhadap jarak aktual. RMSE akan semakin bagus apabila nilainya mendekati 0.

Jika nilai korelasi yang didapat mendekati 1 dan nilai RMSE mendekati 0, maka

akurasi jarak sensor baik. Rumus RMSE seperti pada Persamaan 6 (Johnson,

1995).

RMSE = (Yi - Y*

)2

ni=1

n

(6)

Keterangan:

Y = data jarak sensor

Y∗ = data jarak aktual

n = jumlah PING

Jika akurasi jarak dari sensor cukup baik maka kalibrasi sensor dapat

diimplementasikan pada robot. Namun, jika akurasinya buruk maka harus

dilakukan kalibrasi ulang. Untuk data smoothing, metode yang dapat

menghaluskan data dengan baik akan digunakan. Namun, jika pengambilan data

menggunakan salah satu metode itu tidak sesuai dengan tujuan mengurangi galat

(ripple/riak), maka metode tidak diimplementasikan pada robot. Pengujian untuk

data sensor deteksi api adalah keakuratan threshold dalam menentukan ada api

atau tidak. Pengujian untuk data sensor garis adalah keakuratan dalam mendeteksi

garis putih atau tidak putih.

Implementasi Sensor Pada Robot

Implementasi sensor pada robot dilakukan dengan menempatkan sensor

pada robot. Hal ini dilakukan agar semua sensor dapat digunakan bersama-sama

dengan menggunakan sebuah mikrokontroler, serta penempatan posisi sensor pada

robot.

7

HASIL DAN PEMBAHASAN

Persiapan Alat dan Bahan

Bahan-bahan yang digunakan pada penelitian ini adalah:

5 buah sensor jarak ultrasonik HC-SR04 (Gambar 2a).

1 buah sensor deteksi api YG1006 dengan modul (Gambar 2b).

1 buah sensor garis (Gambar 2c).

1 buah mikrokontroler Arduino UNO (Gambar 2d).

Kabel dan pin header.

Regulator 5V dan baterai 9V.

Project board 1 buah.

Setelah alat dan bahan terkumpul, dilakukan perangkaian sederhana antara

sensor dengan mikrokontroler. Perangkaian dimulai dengan sensor jarak

ultrasonik. Pin VCC pada sensor dihubungkan ke slot Vinput 5V pada

mikrokontroler, pin ground dihubungkan ke slot “ground” pada papan

mikrokontroler. Lalu pin “trigger” dan pin “echo” pada sensor dihubungkan ke

pin serial 3 pada Arduino UNO. Rangkaian sederhana ini bisa dilihat pada

Gambar 3a.

Setelah itu, dibuat rangkaian sederhana untuk sensor deteksi api. Sensor ini

menggunakan pin analog 3 untuk mengirimkan datanya ke mikrokontroler. Pin

VCC dihubungkan ke Vinput 5V dan pin ground dihubungkan ke pin ground pada

papan mikrokontroler. Rangkaian sederhana ini bisa dilihat pada Gambar 3b.

(a) (b) (c) (d)

Gambar 2 (a) sensor jarak ultrasonik HC-SR04, (b) sensor deteksi api YG1006,

(c) sensor garis, dan (d) mirokontroler Arduino UNO

(a) (b)

Gambar 3 Rangkaian sederhana (a) sensor jarak ultrasonik dan (b) sensor deteksi

api

8

Analisis Sensor

Rangkaian sederhana sensor jarak digunakan untuk mengambil nilai

pengukuran. Data diambil berdasarkan 10 jarak aktual yang sudah ditentukan

yaitu 10 cm, 20 cm, dan seterusnya sampai 100 cm dari sensor. Sensor jarak

bekerja dengan cara menembakkan gelombang suara ultrasonik lalu menerima

gelombang pantulan dari target. Lama waktu gelombang dipancarkan sampai

diterima adalah nilai pengukurannya, sedangkan untuk mendapatkan nilai jarak,

nilai tersebut harus dikonversi terlebih dahulu. Berdasarkan datasheet Elec Freaks

(2011) untuk sensor HC-SR04, konstanta pembagi yang digunakan adalah 58.1

seperti pada Persamaan 1.

Analisis dilakukan menggunakan rumus konversi pada Persamaan 1 untuk

mendapatkan data jarak. Percobaan dilakukan dengan 10 jarak yang berbeda.

Setiap 10 cm dilakukan beberapa PING terhadap target secara realtime, kemudian

nilai jarak dari sensor dicatat. Data jarak dari sensor dibandingkan dengan jarak

aktualnya. Namun, hasilnya tidak mendekati jarak aktualnya seperti yang terlihat

pada Gambar 4, sehingga dibutuhkan kalibrasi dan penyesuaian untuk rumus

konversi dari waktu menjadi jarak. Untuk data jarak sensor yang lainnya dapat

dilihat pada Lampiran 1.

Grafik pada Gambar 4 menunjukkan data jarak aktual dan jarak yang

dideteksi oleh sensor untuk setiap PING yang dilakukan. Sumbu x pada grafik

menunjukkan urutan PING yang dilakukan sementara sumbu y menunjukkan jarak

dalam cm. Dalam waktu tertentu jarak aktual diubah-ubah dari 10 cm hingga 100

cm dengan rentang 10 cm. Grafik menunjukkan bahwa jarak sensor (garis merah)

yang tidak sama dengan jarak aktual (garis titik-titik hitam). Hal ini membuktikan

bahwa rumus konversi dari datasheet kurang tepat.

Gambar 4 Grafik data jarak dari sensor dengan menggunakan rumus konversi

dari datasheet

0

10

20

30

40

50

60

70

80

90

100

1 21 41 61 81 101 121 141 161 181

Jara

k (

cm)

PING ke-

Jarak sensor

Jarak aktual

9

Untuk sensor deteksi api, sumber api yang dideteksi berada pada jarak 10

cm, 20 cm, sampai 100 cm. Untuk menentukan ada tidaknya api pada jarak 10-

100 cm, dibutuhkan sebuah threshold. Nilai threshold ditentukan berdasarkan

nilai pengukuran minimum pada saat adanya api dan nilai pengukuran maksimum

pada saat tidak ada api. Pada Tabel 2, nilai pengukuran minimum pada saat

adanya api didapat pada jarak sumber api 100 cm yaitu 75. Sedangkan nilai

pengukuran maksimum yang didapat ketika tidak ada api adalah 50. Oleh karena

itu, nilai threshold yang digunakan untuk menentukan adanya api atau tidak

adalah sebesar 65. Ketika sensor api menghasilkan nilai pengukuran lebih besar

dari 65 maka terdeteksi ada api, sedangkan jika nilai pengukurannya kurang dari

65 maka tidak terdeteksi api.

Percobaan yang dilakukan pada sensor garis hanyalah membedakan warna

putih dan tidak putih. Sensor ini akan menghasilkan nilai pengukuran 1 untuk

warna putih dan 0 untuk tidak putih seperti pada Tabel 1, sehingga sensor tidak

memerlukan kalibrasi.

Kalibrasi Sensor

Kalibrasi dilakukan agar data yang didapat oleh sensor dapat sedekat

mungkin dengan data aktualnya. Kalibrasi hanya dilakukan pada sensor jarak

ultrasonik saja karena sensor ini mendeteksi jarak target yang nilainya berupa

bilangan kontinyu. Sensor deteksi api dan sensor garis tidak memerlukan kalibrasi

karena hasil yang didapat hanya berupa logika “ada” atau “tidak ada”.

Tabel 1 Nilai pengukuran sensor garis

Percobaan 1 2 3 4 5 6 7 8 9 10

Tidak Putih 0 0 0 0 0 0 0 0 0 0

Putih 1 1 1 1 1 1 1 1 1 1

Tabel 2 Nilai pengukuran sensor deteksi api

Jarak (cm) Nilai pengukuran

Min Max

10 126 256

20 112 159

30 103 113

40 103 113

50 89 96

60 88 94

70 76 91

80 79 88

90 88 122

100 75 116

Tidak ada api 39 50

10

Untuk sensor jarak, nilai pengukuran didapat dengan menggunakan fungsi

regresi linear. Data pengukuran yang didapat dari sensor setiap kali PING pada

jarak aktual tertentu, dicatat kemudian dicari hubungan regresi linear data

pengukuran terhadap jarak aktual. Grafik regresi linear dapat dilihat pada Gambar

5, dan persamaan yang diperoleh dapat dilihat pada Persamaan 7.

d = t + 5.006

56.91 (7)

Keterangan:


t = lama waktu PING

Selain menggunakan regresi linear, digunakan juga cara brute force. Cara

ini menggunakan rataan dari pembagian antara data pengukuran dari sensor

dengan jarak aktualnya, seperti pada Persamaan 2. Cara ini menghasilkan

konstanta baru yaitu 57.34. Tabel hasil perhitungan menggunakan cara brute force

dapat dilihat pada Tabel 3, dan data lengkapnya dapat dilihat pada Lampiran 11.

Konstanta yang digunakan adalah 57.34 dikarenakan konstanta ini dapat

menghindari worst case yang mungkin terjadi.

Pada Persamaan 8, terdapat fungsi ceiling yang berfungsi sebagai pengaman

agar jarak yang dideteksi oleh sensor dibulatkan keatas sehingga jarak aman robot

terhadap target/dinding terjaga. Dalam hal ini, fungsi ceiling menjadi pelindung

Gambar 5 Grafik regresi linear data pengukuran sensor jarak

t = 56.91d - 5.006

R² = 0.997

0

1

2

3

4

5

6

7

0 20 40 60 80 100

Lam

a w

aktu

PIN

G (

s)

Jarak aktual (cm)

Tabel 3 Hasil perhitungan menggunakan cara brute force

Lama waktu PING Jarak aktual Lama waktu PING/jarak aktual

591 10 59.1

591 10 59.1

591 10 59.1

1151 20 57.6

1165 20 58.3

. . .

. . .

. . .

603 10 60.3

603 10 60.3

591 10 59.1

591 10 59.1

591 10 59.1

Total lama waktu PING/ jarak aktual 9920.2

Rata-rata lama waktu PING/ jarak aktual 57.3

11

robot dari worst case yang mungkin terjadi. Hasil dari kalibrasi untuk sensor jarak

dapat dilihat pada Gambar 6, untuk hasil kalibrasi yang lainnya dapat dilihat pada

Lampiran 2.

d = t

57.34 (8)

Keterangan:


t = lama waktu PING

Grafik pada Gambar 6 menunjukkan data jarak aktual dan jarak yang

dideteksi oleh sensor dengan menggunakan rumus konversi Persamaan 7. Sumbu

x pada grafik menunjukkan urutan PING yang dilakukan sementara sumbu y

menunjukkan jarak dalam cm. Terlihat bahwa data hasil konversi data jarak

sensor menggunakan Persamaan 8 (―), mendekati nilai jarak aktualnya (••••).

Oleh karena itu, rumus konversi Persamaan 8 dapat digunakan untuk

mengkonversi data dari sensor HC-SR04 menggunakan Arduino UNO sebagai

mikrokontrolernya.

Penerapan Data Smoothing

Setelah kalibrasi, tahap berikutnya adalah penerapan metode data

smoothing. Metode yang digunakan untuk data smoothing adalah moving average

dan exponential smoothing. Setiap metode dilakukan pada sensor jarak dengan

kondisi target sama seperti tahap analisis sensor jarak.

Moving Average

Metode ini dilakukan dengan memasukkan Persamaan 3 ke mikrokontroler

dengan kelompok sebesar 5. Lalu percobaan dimulai dengan kondisi sama seperti

tahap analisis sensor jarak. Grafik pada Gambar 7 menunjukkan data jarak aktual,

data jarak yang dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor

dengan data smoothing moving average dengan window 5. Sumbu x pada grafik


dalam cm. Grafik menunjukkan bahwa jarak sensor dengan moving average

dapat mengurangi riak data. Hasil percobaan yang lainnya dapat dilihat pada

Lampiran 3.

Hasil data smoothing moving average untuk sensor jarak dapat dilihat pada

Gambar 7. Dari gambar terlihat bahwa setiap perubahan jarak sebesar 10 cm,

dibutuhkan 5 kali PING untuk mendapatkan jarak aktualnya. Hal ini terjadi karena

Gambar 6 Grafik data sensor jarak dengan jarak aktual setelah kalibrasi

0

20

40

60

80

100

5

10

15

20

25

30

35

40

45

50

55

60

65

70

75

80

86

91

96

101

106

111

116

121

126

Jara

k (cm

)

PING ke-

Jarak sensor

Jarak aktual

12

untuk setiap perubahan jarak, rata-rata kelompok tidak langsung berubah secara

signifikan.

Pada data sensor jarak (Gambar 7), terjadi perubahan jarak dari 70 cm

menjadi 80 cm pada PING ke 54 sehingga menyebabkan nilai rata-rata kelompok

berubah bertahap. Rata-rata kelompok berubah menjadi 80 cm setelah 5 PING

dari perubahan jarak di PING 55. Dapat dilihat bahwa pada PING 58 – 64 terjadi

riak dari data jarak sensor. Data yang terbaca tidaklah tepat 80, tetapi berfluktuatif

dari 79 sampai 82 dikarenakan adanya kesalahan pembacaan data oleh sensor.

Namun hal ini tidak mengubah rata-rata kelompok yang nilainya tetap 80,

sehingga metode moving average ini dapat menghilangkan riak yang terjadi pada

PING 57 – 63, seperti yang dapat dilihat pada Tabel 4.

Exponential Smoothing

Metode ini dilakukan dengan memasukkan Persamaan 4 ke mikrokontroler

dengan bobot 0.2, 0.5, dan 0.8. Lalu, percobaan dimulai dengan kondisi sama

seperti tahap analisis sensor jarak. Grafik pada Gambar 8 menunjukkan data jarak

aktual, data jarak yang dideteksi oleh sensor setelah kalibrasi, dan data deteksi

dari sensor dengan data smoothing exponential smoothing dengan bobot 0.2.

Sumbu x pada grafik menunjukkan urutan PING yang dilakukan sementara sumbu

y menunjukkan jarak dalam cm. Grafik menunjukkan bahwa jarak sensor dengan

exponential smoothing dengan bobot 0.2 membutuhkan waktu yang lama untuk

mencapai jarak aktualnya sehingga metode tidak sempat untuk menghilangkan

riak data. Hasil percobaan yang lainnya dapat dilihat pada Lampiran 4.

Tabel 4 Data sensor jarak pada PING 57 – 63

PING Jarak (cm)

Aktual Kalibrasi MA

57 80 80 76

58 80 81 78

59 80 80 80

60 80 81 80

61 80 81 80

62 80 79 80

63 80 82 80

Gambar 7 Grafik data sensor jarak (―) dengan jarak aktual (••••) dan jarak

sensor menggunakan moving average (---)

0

20

40

60

80

100

120

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151

Jara

k (

cm)

PING ke-

13

Hasil dari gambar terlihat bahwa metode ini membutuhkan banyak PING

untuk mencapai nilai aktual. Hal ini terjadi karena bobot untuk nilai aktual lebih

kecil daripada bobot untuk nilai prediksi, sehingga perubahan nilai sangat lambat

karena pengaruh nilai prediksi sangat besar.

Grafik pada Gambar 9 menunjukkan data jarak aktual, data jarak yang

dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor dengan data

smoothing exponential smoothing dengan bobot 0.5. Sumbu x pada grafik


dalam cm. Grafik menunjukkan bahwa jarak sensor dengan exponential

smoothing dengan bobot 0.5 membutuhkan waktu lebih sedikit untuk mencapai

jarak aktualnya. Metode dapat menghilangkan riak data. Hasil percobaan yang

lainnya dapat dilihat pada Lampiran 5.

Nilai yang dihasilkan membutuhkan 5 – 6 kali PING untuk mencapai nilai

aktual. Perubahan nilai lebih cepat dibandingkan dengan menggunakan bobot 0.2.

Hal ini cukup baik karena perubahan tidak terlalu memakan waktu lama tetapi

bisa menghilangkan riak yang terjadi pada PING 133 – 137.

Grafik pada Gambar 10 menunjukkan data jarak aktual, data jarak yang

dideteksi oleh sensor setelah kalibrasi, dan data deteksi dari sensor dengan data

smoothing exponential smoothing dengan bobot 0.8. Sumbu x pada grafik


dalam cm. Grafik menunjukkan bahwa jarak sensor dengan exponential


sensor menggunakan exponential smoothing dengan bobot 0.5 (---)

0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

12

1

12

6

Jara

k (

cm)

PING ke-



0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

Jara

k (

cm)

PING ke-

14

smoothing dengan bobot 0.8 membutuhkan waktu yang singkat untuk mencapai

jarak aktualnya. Namun pada gambar, hasil percobaan tidak dapat menghilangkan

riak data. Jarak sensor dengan exponential smoothing dengan bobot 0.8 lebih

mengikuti perubahan data jarak sensor setelah kalibrasi. Hasil percobaan yang

lainnya dapat dilihat pada Lampiran 6.

Nilai yang dihasilkan sangat cepat berubah. Hal ini dikarenakan bobot

prediksi yang kecil dan bobot nilai yang didapat sangat besar, sehingga nilai

prediksi akan lebih cepat berubah. Hal ini kurang baik karena bobot yang besar

akan membuat nilai prediksi mudah berubah mengikuti ripple.

Pengujian Sistem

Pengujian akurasi data jarak sensor menggunakan toleransi ±10% dari jarak

aktualnya. Akurasi dihitung dengan menggunakan Persamaan 8, dimana data jarak

sensor dianggap akurat jika nilainya berada pada rentang toleransi ±10% dari

jarak aktualnya. Data pengukuran akurasi dapat dilihat pada Lampiran 10, dengan

data jarak dari sensor ketika target bergerak dihilangkan. Hal ini dilakukan karena

sensor akan membaca jarak yang tidak diketahui jarak aktualnya ketika target

bergerak. Akurasi data jarak sensor yang didapatkan sebesar 100%.

x = a

n×100% (8)

Keterangan:

x = akurasi

a = banyaknya data yang akurat

n = banyaknya data

Korelasi data sensor jarak setelah kalibrasi terhadap jarak aktualnya

dihitung dengan Persamaan 5 dan diperoleh hasil sebesar 0.999155. Nilai korelasi

mendekati 1 artinya data sensor jarak setelah kalibrasi memiliki hubungan yang

dekat dengan jarak aktualnya. Artinya hasil kalibrasi sangat baik dan sangat dekat

dengan jarak aktualnya.

RMSE untuk data sensor jarak kalibrasi dihitung dengan menggunakan

Persamaan 6 dan diperoleh hasil sebesar 1.1319. Nilai RMSE mendekati 0 artinya

data sensor jarak kalibrasi menghasilkan sedikit error. Hal ini sangat baik karena

error yang dihasilkan sedikit. Pengujian akurasi kalibrasi sensor jarak



0

20

40

60

80

100

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

Jara

k (

cm)

PING ke-

15

menghasilkan nilai korelasi dan RMSE yang sangat baik, sehingga akurasi yang

didapat sangat baik.

Untuk data smoothing, pengujian dilakukan dengan menghitung rata-rata

banyaknya PING yang diperlukan sensor untuk mencapai nilai aktualnya. Hasil

dari pengujian dapat dilihat pada Tabel 5. Untuk moving average dengan window

sebesar 5, dibutuhkan 5 kali PING untuk mencapai nilai aktual. Hal ini

menunjukkan bahwa setiap 1 detik, sensor akan mendapatkan nilai aktual dari

data yang didapat. Jika dalam rentang 1 detik terdapat data yang menyimpang,

nilai yang didapat tidak akan berubah drastis, sehingga pada PING yang

berikutnya, nilai aktual akan kembali didapat.

Untuk exponential smoothing dengan α (bobot/smoothing factor) 0.2,

dibutuhkan rata-rata 29 kali PING untuk mencapai nilai aktual. Hal ini

menunjukkan bahwa untuk mencapai nilai aktual, dibutuhkan waktu 6 detik.

Dengan kata lain, robot memerlukan waktu tambahan untuk mendeteksi jarak

aktualnya dengan target. Namun ketika ada data yang salah, nilai yang didapat

berubah sangat sedikit.


dibutuhkan rata-rata 6 kali PING untuk mencapai nilai aktual. Hal ini cukup bagus

karena hanya dibutuhkan 1.2 detik untuk mencapai nilai aktual. Metode ini dapat

menghaluskan data yang didapat oleh sensor. Ketika ada data yang menyimpang,

nilai yang didapat hanya berubah 50% dari selisih data sebelumnya dengan data

yang menyimpang. Ketika terjadi perubahan jarak aktual, tiap PING dari sensor

akan mengubah nilai yang didapat sebesar 50% dari selisih nilai sebelumnya

dengan nilai baru yang didapat.


dibutuhkan rata-rata 3 kali PING untuk mencapai nilai aktual. Ketika ada

kesalahan pembacaan nilai oleh sensor, data yang didapat akan berubah drastis,

sekitar 80% dari selisih data sebelumnya dengan data yang baru. Walaupun untuk

mencapai nilai aktual hanya dibutuhkan 600 milidetik, tetapi data yang didapat

akan rentan terhadap gangguan. Hal ini dapat membuat robot berjalan secara zig-

zag karena data yang diterima sangat mudah berubah.

Tabel 5 Hasil pengujian data smoothing moving average dan exponential

smoothing pada sensor jarak

Sensor Rata-rata banyaknya PING

* untuk mencapai nilai aktual

MA (window = 5) ES (α = 0.2) ES (α = 0.5) ES (α = 0.8)

1 5 28 6 3

2 5 28 6 3

3 5 29 6 3

4 5 29 7 3

5 5 29 6 3 * 1 PING = 200 ms

16

Pengujian selanjutnya dilakukan pada data sensor deteksi api. Pengujian

dilakukan dengan meletakkan api pada jarak tertentu di depan sensor. Kemudian

digunakan threshold sebesar 65 untuk menentukan ada api atau tidak. Percobaan

membuktikan bahwa seluruh nilai pengukuran yang dihasilkan ketika ada api

lebih besar dari 65. Dengan kata lain, sensor api dengan threshold 65 memiliki

akurasi 100%.

Untuk sensor garis, nilai pengukuran yang dihasilkan oleh sensor ketika

mendeteksi garis warna tidak putih bernilai 0. Sedangkan ketika mendeteksi

warna putih, nilai pengukuran yang dihasilkan sebesar 1. Akurasi sensor ini juga

100%.

Implementasi Sensor pada Robot

Peletakan 5 buah sensor jarak membentuk setengah lingkaran pada bagian

depan robot. Sensor pertama diletakan menghadap depan robot, hal ini bertujuan

agar robot dapat mendeteksi dinding di depan robot sehingga robot tidak

menabrak dinding. Sensor kedua dan ketiga diletakan menghadap serong kanan

dan serong kiri robot. Hal ini bertujuan agar kaki depan robot tidak menabrak

dinding. Sensor keempat dan kelima diletakan menghadap samping kanan dan

damping kiri robot. Hal ini bertujuan agar robot dapat mendeteksi jarak dari

dinding kanan dan dinding kiri, sehingga robot dapat memutuskan untuk berbelok

atau tidak berdasarkan jaraknya terhadap dinding di kanan dan di kiri. Untuk lebih

jelasnya, peletakan sensor jarak dapat dilihat pada Gambar 11.

Setiap sensor dapat mengambil data secara bersamaan dengan menggunakan

sebuah mikrokontroler. Source code untuk pengambilan data secara bersamaan

dapat dilihat pada Lampiran 7. Sensor jarak diimplementasikan menggunakan

rumus hasil kalibrasi serta tidak diterapkan data smoothing pada datanya. Hasil

akuisisi data sensor secara bersamaan dapat dilihat pada Gambar 12. Pada Gambar

12:

kolom pertama berisi data dari sensor jarak yang diletakan menghadap samping

kiri robot,

kolom kedua berisi data dari sensor jarak yang diletakan menghadap serong

kiri robot,

Gambar 11 Peletakan sensor jarak ultrasonik pada robot

17

kolom ketiga berisi data sensor jarak yang diletakan menghadap depan robot,

kolom keempat berisi data sensor jarak yang diletakan menghadap serong

kanan robot,

kolom kelima berisi data sensor jarak yang diletakan menghadap samping

kanan robot,

kolom keenam berisi data sensor deteksi api, dan

kolom ketujuh berisi data sensor garis.

SIMPULAN DAN SARAN

Hasil eksperimen menunjukan bahwa sensor jarak ultrasonik yang

digunakan dalam sistem robot hexapod pada penelitian ini dapat membaca data

jarak dengan baik ketika konstanta pembagi yang digunakan adalah 57.34.

Akurasi dari kalibrasi sensor jarak menggunakan konstanta pembagi 57.34 sangat

baik, hal ini ditunjukkan dari korelasi data hasil kalibrasi sebesar 0.999155 dan

RMSE sebesar 1.1319. Artinya data hasil kalibrasi dengan menggunakan

konstanta pembagi 57.34 memiliki korelasi yang baik dengan nilai aktualnya serta

menghasilkan error yang sedikit. Metode data smoothing yang direkomendasikan

adalah moving average dengan window 5 atau exponential smoothing dengan

bobot 0.5. Namun, penggunaan salah satu dari kedua metode ini memerlukan

penelitian lebih lanjut, karena diperlukan penyesuaian dalam pemrosesan data di

mikrokontroler. Untuk sensor deteksi api, nilai threshold yang disarankan adalah

65 untuk mendeteksi api dalam jarak 10 cm sampai 100 cm. Sensor garis tidak

memerlukan pengolahan data tambahan karena nilai yang didapat merupakan nilai

logika. Nilai 0 merepresentasikan garis tidak putih sedangkan nilai 1

merepresentasikan garis putih. Pada fire fighting robot, peletakan sensor jarak

membentuk setengah lingkaran. Sensor jarak yang menghadap ke depan robot 1

buah, 2 buah sensor jarak menyerong kanan dan kiri, sedangkan 2 sensor jarak

lainnya menghadap samping kanan dan kiri robot.

Saran untuk penelitian selanjutnya adalah dengan menggabungkan data

yang diterima oleh sensor dengan kecerdasan buatan robot untuk mengambil

keputusan pergerakan robot. Metode data smoothing dapat diterapkan, namun

dibutuhkan penyesuaian dalam pemrosesan data di mikrokontroler.

Gambar 12 Tampilan akuisisi data semua sensor secara bersamaan

18

DAFTAR PUSTAKA

Anggraeni W, Alfathoni A. 2010. Peramalan port throughput menggunakan

metode kombinasi nonlinier [skripsi]. Yogyakarta (ID): UPN Veteran.

Chiang TC. 2005. Business Conditions & Forecasting. Philadelphia (US): Drexel

University.

Chiarella C, He XZ, Hommes C. 2006. A dynamic analysis of moving average

rules. Journal of Economic Dynamics & Control. 30:1729–1753.

Cytron Technologies. 2012. Flame sensor module getting started guide [datasheet].

Johor (MY): Cytron Technologies.

Downey AB. 2011. Think Stats: Probability and Statistics for Programmers.

Massachusetts (US): Green Tea Pr.

Elec Freaks. 2011. Ultrasonic ranging module HC-SR04 [internet]. [diunduh 2013

Mar 24]. Tersedia pada: http://elecfreaks.com/store/download/HC-SR04.pdf.

Johnson LL. 1995. A comparison of methods for estimating RMS error: a “brute

force” approach versus a mathematically-elegant approach, as applied to the

calculation of a specific retrieval error for a limb-scanning microwave

radiometer-spectrometer [tesis]. Ohio (US): Air Force Institute of

Technology.

Prasetyo WE. 2010. Perancangan dan implementasi robot cerdas pemadam api

senior beroda DU 114-v10 (dirancang untuk pertandingan KRCI 2010)

[skripsi]. Bandung (ID): Universitas Komputer Indonesia.

19

LAMPIRAN Lampiran 1 Grafik data sensor jarak sebelum kalibrasi

(a) Grafik data sensor jarak 1

(b) Grafik data sensor jarak 2

(c) Grafik data sensor jarak 3

0

10

20

30

40

50

60

70

80

90

100

5

10 15 20 25 30 35 40 45 50 55 61 66 71 76 81 86 91 96 101

106

111

116

121

126

131

136

Jara

k (

cm)

PING ke-

Jarak sensor

Jarak aktual

0

10

20

30

40

50

60

70

80

90

100

20 40 60 80 100 120 140 160 180 200

Jara

k (

cm)

PING ke-

Jarak sensorJarak aktual

0

10

20

30

40

50

60

70

80

90

100

20 40 60 80 100 120 140 160 180

Jara

k (

cm)

PING ke-

Jarak sensorJarak aktual

20

Lampiran 1 Lanjutan

(d) Grafik data sensor jarak 4

(e) Grafik data sensor jarak 5

0

10

20

30

40

50

60

70

80

90

100

20 40 60 80 100 120 140 160

Jara

k (

cm)

PING ke-

Jarak sensor

Jarak aktual

0

10

20

30

40

50

60

70

80

90

100

510 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 10

010

511

011

512

012

513

013

614

1

Jara

k (

cm)

PING ke-

Jarak sensor

Jarak aktual

21

Lampiran 2 Grafik data sensor jarak setelah kalibrasi




0

10

20

30

40

50

60

70

80

90

100

5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

Jara

k (

cm)

PING ke-

Jarak sensor

Jarak aktual

0

10

20

30

40

50

60

70

80

90

100

5

10

15

20

25

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

Jara

k (cm

)

PING ke-

Jarak sensor

Jarak aktual

0

10

20

30

40

50

60

70

80

90

100

5

10

15

20

25

30

35

40

45

50

55

60

65

70

75

80

86

91

96

101

10

6

11

1

11

6

12

1

12

6

Jara

k (

cm)

PING ke-

Jarak sensor

Jarak aktual

22

Lampiran 2 Lanjutan



0

10

20

30

40

50

60

70

80

90

100

5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90

Jara

k (cm

)

PING ke-

Jarak sensor

Jarak aktual

0

10

20

30

40

50

60

70

80

90

100

5

10

15

20

25

30

35

40

45

50

55

60

65

70

75

80

85

90

95

10

0

10

5

11

0

11

5

120

12

5

Jara

k (cm

)

PING ke-

Jarak sensor

Jarak aktual

23

Lampiran 3 Grafik data sensor jarak setelah kalibrasi dan moving average dengan

window 5




0

20

40

60

80

100

120

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151

Jara

k (cm

)

PING ke-

Jarak sensorJarak sensor + MAJarak aktual

0

20

40

60

80

100

120

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141

Jara

k (cm

)

PING ke-


0

20

40

60

80

100

120

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151

Jara

k (cm

)

PING ke-


24

Lampiran 3 Lanjutan



0

20

40

60

80

100

120

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151

Jara

k (cm

)

PING ke-


0

20

40

60

80

100

120

1 11 21 31 41 51 61 71 81 91 101 111 121 131 141 151

Jara

k (cm

)

PING ke-


25

Lampiran 4 Grafik data sensor jarak setelah kalibrasi dan exponential smoothing

dengan bobot 0.2




0

20

40

60

80

100

120

1 21 41 61 81 101 121 141 161 181 201 221 241 261 281

Jara

k (cm

)

PING ke-

Jarak sensorJarak sensor + ESJarak aktual

0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

12

1

12

6

Jara

k (cm

)

PING ke-


0

20

40

60

80

100

120

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96 101106111116

Jara

k (cm

)

PING ke-


26

Lampiran 4 Lanjutan



0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

101

106

111

116

121

126

131

136

141

146

151

Jara

k (cm

)

PING ke-


0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

12

1

12

6

Jara

k (cm

)

PING ke-


27


dengan bobot 0.5




0

20

40

60

80

100

120

1 21 41 61 81 101 121 141 161 181 201 221 241 261 281

Jara

k (cm

)

PING ke-


0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

116

12

1

12

6

13

1

13

6

141

14

6

15

1

Jara

k (cm

)

PING ke-


0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

101

106

111

116

121

126

Jara

k (cm

)

PING ke-

Jarak sensor

Jarak sensor + ES

Jarak aktual

28

Lampiran 5 Lanjutan



0

20

40

60

80

100

120

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

Jara

k (

cm)

PING ke-


0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

12

1

126

Jara

k (cm

)

PING ke-


29


dengan bobot 0.8




0

20

40

60

80

100

120

1 21 41 61 81 101 121 141 161 181 201 221 241 261 281

Jara

k (cm

)

PING ke-


0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

12

1

12

6

Jara

k (

cm)

PING ke-

Jarak sensor

Jarak sensor + ES

Jarak aktual

0

20

40

60

80

100

120

1 6 11 16 21 26 31 36 41 46 51 56 61 66 71 76 81 86 91 96

Jara

k (cm

)

PING ke-

Jarak sensor

Jarak sensor + ES

Jarak aktual

30

Lampiran 6 Lanjutan



0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

101

106

111

116

121

126

131

136

141

146

151

Jara

k (cm

)

PING ke-

Jarak sensor

Jarak sensor + ES

Jarak aktual

0

20

40

60

80

100

120

1 6

11

16

21

26

31

36

41

46

51

56

61

66

71

76

81

86

91

96

10

1

10

6

11

1

11

6

12

1

12

6

Jara

k (

cm)

PING ke-


31

Lampiran 7 Source code untuk pengambilan data menggunakan sensor ultrasonik,

sensor deteksi api, dan sensor garis

#include <NewPing.h>

//mendefinisikan pin digital yang digunakan untuk sensor

jarak

#define PING_PINA 3

#define PING_PINB 4

#define PING_PINC 5

#define PING_PIND 6

#define PING_PINE 7

//mendefinisikan variabel jarak meksimum untuk sensor jarak

#define MAX_DISTANCE 200

//fungsi ping yang nilainya disimpan pada variabel sonar

NewPing sonara(PING_PINA, PING_PINA, MAX_DISTANCE);

//NewPing sonar(pin_transmit, pin_receive, jarak_maksimal);

NewPing sonarb(PING_PINB, PING_PINB, MAX_DISTANCE);

NewPing sonarc(PING_PINC, PING_PINC, MAX_DISTANCE);

NewPing sonard(PING_PIND, PING_PIND, MAX_DISTANCE);

NewPing sonare(PING_PINE, PING_PINE, MAX_DISTANCE);

//inisialisasi variabel untuk sensor garis

int senPin = A3; // inisialisasi pin analog yang digunakan

int warna = 0;

int sensor = 0;

//insialisasi setup clock untuk mikrokontroler

void setup() {

Serial.begin(9600);

}

//infinite loop

void loop() {

//inisialissasi variabel jarak

int distancea = 0;

int distanceb = 0;

int distancec = 0;

int distanced = 0;

int distancee = 0;

//delay setiap pengambilan data

delay(200);

//mulai pengambilan data

warna = analogRead(senPin);//pengambilan data oleh sensor

garis

int sensorValue = analogRead(A0);//pengambilan data oleh

sensor deteksi api

//pengambilan data pengukuran (RAW) oleh sensor jarak

unsigned int timea = sonara.ping();

delay(1);

unsigned int timeb = sonarb.ping();

delay(1);

32

Lampiran 7 Lanjutan

unsigned int timec = sonarc.ping();

delay(1);

unsigned int timed = sonard.ping();

delay(1);

unsigned int timee = sonare.ping();

//memanggil fungsi konversi jarak

distancea = distance(timea);

if (distancea == 0){

Serial.print("Out of range\t");

//mencetak "out of range" jika jarak yang dideteksi

kurang dari 0 cm

//atau lebih dari 200 cm

}

else {

Serial.print(distancea);

//mencetak jarak hasil konversi

Serial.print(" cm\t");

}

distanceb = distance(timeb);

if (distanceb == 0){


}

else {

Serial.print(distanceb);


}

distancec = distance(timec);

if (distancec == 0){


}

else {

Serial.print(distancec);


}

distanced = distance(timed);

if (distanced == 0){


}

else {

Serial.print(distanced);


}

distancee = distance(timee);

if (distancee == 0){


}

else {

Serial.print(distancee);

33

Lampiran 7 Lanjutan


}

//mendeteksi api jika nilainya lebih dari 65 maka

terdeteksi api

if (sensorValue > 65){

Serial.print("Terdeteksi Api\t");

}

else {

Serial.print("Tidak ada Api\t");

}

//mendeteksi garis hitam atau putih

if (warna > 600){

sensor = 1;

}

else{

sensor = 0;

}

//mencetak garis

Serial.println(sensor);

}

//fungsi konversi jarak dari waktu ke jarak dalam cm

int distance(int time){

int a=0;

int hasil;

hasil = ceil((time/2)/28.67);//waktu PING/57.34

//jika hasil konversi lebih dari 200 cm atau kurang dari 0

cm

//maka return 0

if (hasil >= 200 || hasil <= 0){

return a;

}

else {

return hasil;

}

}

34

Lampiran 8 Source code untuk pengambilan data menggunakan sensor ultrasonik

dengan moving average

#include <NewPing.h>//menggunakan library PING

#define PING_PINA 3//mendefinisikan pin digital yang

digunakan

#define MAX_DISTANCE 200 //mendefinisikan jarak maksimal

yang akan dideteksi

//memanggil fungsi PING


//NewPing sonara(pin_Transmit, pin_Receive,

jarak_maksimal_deteksi);

const int numReadings = 5;//mendefinisikan banyaknya window

yang akan digunakan untuk perhitungan moving average

int bacaa[numReadings];//array untuk menyimpan nilai masukan

int index = 0;//variabel untuk mengetahui index yang sedang

aktif

int totala = 0;//variabel hasil jumlah 5 data

int rataa = 0;//variabel hasil rataan 5 data

int thisReading = 0;//variable index array untuk

membersihkan memory array

void setup() {

//setting clock yang akan digunakan

Serial.begin(9600);

//membersihkan memory array yang digunakan

for (thisReading = 0; thisReading < numReadings;

thisReading++){

bacaa[thisReading]=0;

}

}

void loop() {

int distancea = 0;//variabel jarak

delay(1000);//delay setiap ping

unsigned int timea = sonara.ping();//mengaktifkan fungsi

PING

Serial.print (timea);

Serial.print ("\t");

//mulai moving average dari data lama dan data yang baru

didapat

totala = totala - bacaa[index];//total sekarang = total

sebelumnya dikurang nilai bacaan sebelumnya

distancea = distance(timea);//memanggil fungsi konversi

jarak

bacaa[index] = distancea;//memasukkan nilai baru ke array

totala = totala + bacaa[index];//total baru = total +

nilai array yang baru

35

Lampiran 8 Lanjutan

rataa = totala/numReadings;//rata-rata = total baru/jumlah

window yang digunakan

//cetak hasil konversi


Serial.println("Out of range\t");

}

else {


Serial.print(" \t");

}

//cetak hasil moving average

if (rataa == 0){

Serial.println("Out of range\t");

}

else {

Serial.println(rataa);

//Serial.println(" cm");

}

index = index + 1;//geser array

if (index >=numReadings){

index = 0;//jika nilai array lebih dari 4, di ulang

arraynya dari 0

}

}

//fungsi konversi


int a=0;

int hasil;

hasil = ceil((time/2)/28.67);

if (hasil >= 200 || hasil <= 0){

return a;

}

else {

return hasil;

}

}

36

Lampiran 9 Source code untuk pengambilan data menggunakan sensor ultrasonik

dengan exponential smoothing

#include <NewPing.h>//menggunakan library PING

#define PING_PINA 3//mendefinisikan pin digital yang

digunakan

#define MAX_DISTANCE 200//mendefinisikan jarak maksimal yang

akan dideteksi

//memanggil fungsi PING


//NewPing sonara(pin_Transmit, pin_Receive,

jarak_maksimal_deteksi);

float tempa = 0;//nilai hasil ES sebelumnya

int hasila = 0;//nilai hasil

float nilaia = 0;//nilai masukan

float alpha = 0.2;//bobot

int tempdisa = 0;//nilai jarak sebelumnya

void setup() {

//setting clock yang akan digunakan

Serial.begin(9600);

}

void loop() {

int distancea = 0;//variabel jarak

delay(1000);//delay setiap PING

unsigned int timea = sonara.ping();//mengaktifkan fungsi

PING

Serial.print (timea);

Serial.print ("\t");

//mulai exponential smoothing

distancea = distance(timea);//memanggil fungsi konversi

jarak

//nilai perkiraan = (bobot*nilai sekarang) + (1-

bobot)*nilai hasil ES sebelumnya

nilaia = (alpha*tempdisa) + ((1 - alpha)*tempa); //nilai F

berikutnya

hasila = nilaia;//hasil

//cetak hasil konversi dan ES



Serial.println(hasila);

}

else {


Serial.print(" \t");

Serial.println(hasila);

}

tempdisa = distancea;//jarak baru

tempa = nilaia;//menyimpan nilai hasil ES sebelumnya

}

//fungsi konversi

37

Lampiran 9 Lanjutan


int a=0;

int hasil;

hasil = ceil((time/2)/28.67);

if (hasil >= 200 || hasil <= 0){

return a;

}

else {

return hasil;

}

}

38

Lampiran 10 Tabel hasil pengukuran sensor jarak

Jarak aktual Data setelah kalibrasi

Jarak

aktual

Data sebelum kalibrasi

Data jarak Akurasi

Data jarak Akurasi

10 10 1

10 9 1

10 10 1

10 9 1

10 10 1

10 9 1

10 10 1

10 9 1

10 10 1

10 9 1

10 10 1

20 19 1

10 10 1

20 19 1

10 10 1

20 19 1

20 20 1

20 19 1

20 20 1

20 19 1

20 20 1

20 19 1

30 30 1

30 28 1

30 30 1

30 28 1

30 30 1

30 28 1

30 30 1

30 28 1

40 40 1

30 29 1

40 40 1

40 39 1

40 40 1

40 38 1

40 40 1

40 38 1

50 50 1

40 38 1

50 50 1

40 38 1

50 50 1

40 38 1

50 50 1

40 38 1

50 50 1

50 48 1

60 60 1

50 48 1

60 59 1

50 47 1

60 60 1

50 48 1

60 60 1

50 48 1

60 60 1

50 48 1

70 67 1

60 57 1

70 70 1

60 59 1

70 69 1

60 57 1

70 69 1

60 58 1

70 69 1

60 57 1

70 70 1

60 58 1

70 70 1

60 57 1

70 70 1

60 57 1

70 70 1

60 57 1

70 70 1

60 57 1

80 79 1

60 59 1

80 79 1

70 67 1

80 79 1

70 67 1

80 79 1

70 67 1

39

Lampiran 10 Lanjutan


Jarak aktual


Data jarak Akurasi

Data jarak Akurasi

80 83 1

70 67 1

80 84 1

70 67 1

80 82 1

70 67 1

80 82 1

80 74 1

80 79 1

80 74 1

80 79 1

80 76 1

80 80 1

80 76 1

80 80 1

80 76 1

80 80 1

80 77 1

80 79 1

80 77 1

80 80 1

80 77 1

90 91 1

80 76 1

90 90 1

90 87 1

90 89 1

90 86 1

90 89 1

90 86 1

90 90 1

90 86 1

90 91 1

90 86 1

90 90 1

100 97 1

90 90 1

100 97 1

90 90 1

100 97 1

100 97 1

100 97 1

100 100 1

100 97 1

100 100 1

100 97 1

100 100 1

100 97 1

100 100 1

100 97 1

100 100 1

90 89 1

90 91 1

90 88 1

90 89 1

90 87 1

90 90 1

90 86 1

90 90 1

90 87 1

90 90 1

90 87 1

90 90 1

80 78 1

80 82 1

80 75 1

80 80 1

80 76 1

80 80 1

80 77 1

80 80 1

70 68 1

80 80 1

70 67 1

70 69 1

70 67 1

70 69 1

70 69 1

70 70 1

70 69 1

70 71 1

70 67 1

70 71 1

70 67 1

70 71 1

60 58 1

40



Jarak aktual


Data jarak Akurasi

Data jarak Akurasi

70 70 1

60 57 1

60 60 1

60 57 1

60 60 1

60 57 1

60 60 1

60 57 1

60 60 1

60 57 1

60 60 1

60 57 1

50 53 1

50 48 1

50 50 1

50 48 1

50 49 1

50 48 1

50 49 1

50 48 1

50 49 1

50 47 1

50 49 1

50 51 1

40 42 1

40 40 1

40 40 1

40 39 1

40 39 1

40 37 1

40 39 1

40 37 1

40 40 1

40 37 1

40 40 1

30 29 1

40 40 1

30 28 1

40 40 1

30 29 1

30 32 1

30 28 1

30 30 1

20 19 1

30 32 1

20 19 1

30 32 1

20 19 1

30 31 1

20 19 1

30 30 1

10 10 1

30 30 1

10 9 1

30 30 1

10 9 1

30 30 1

10 9 1

30 29 1

10 9 1

20 20 1

20 18 1

20 20 1

20 18 1

20 20 1

20 19 1

20 20 1

20 18 1

20 20 1

30 29 1

10 10 1

30 29 1

10 10 1

30 28 1

10 10 1

30 28 1

10 10 1

30 29 1

10 10 1

40 38 1

41



Jarak aktual


Data jarak Akurasi

Data jarak Akurasi

10 10 1

40 38 1

10 10 1

40 38 1

Jumlah yang akurat 125

50 48 1

Rata-rata akurasi 1.0000

50 48 1

1 = pengukuran ±10% dari jarak aktual

50 47 1

0 = pengukuran tidak akurat (kesalahan

50 48 1

lebih dari 10%)

50 48 1

60 59 1

60 59 1

60 60 1

60 59 1

70 66 1

70 68 1

70 67 1

80 75 1

80 75 1

80 76 1

80 74 1

90 87 1

90 86 1

80 69 0

80 77 1

80 76 1

80 76 1

70 68 1

70 67 1

70 67 1

70 67 1

60 57 1

60 56 1

60 56 1

60 58 1

50 48 1

50 48 1

50 48 1

50 47 1

40 39 1

40 37 1

40 38 1

30 28 1

30 29 1

30 28 1

30 28 1

42


Jarak aktual


Data jarak Akurasi

20 19 1

20 19 1

20 19 1

20 19 1

10 10 1

10 9 1

10 9 1

10 9 1

Jumlah yang akurat 179

Rata-rata akurasi 0.994444

43

Lampiran 11 Tabel kalibrasi sensor jarak menggunakan cara brute force

Lama waktu PING (ms) Jarak aktual Lama waktu PING/jarak aktual

591 10 59.10

591 10 59.10

591 10 59.10

1151 20 57.55

1165 20 58.25

1161 20 58.05

1151 20 57.55

1151 20 57.55

1151 20 57.55

1165 20 58.25

1715 30 57.17

1715 30 57.17

1715 30 57.17

1763 30 58.77

1711 30 57.03

1715 30 57.17

2267 40 56.68

2291 40 57.28

2287 40 57.18

2291 40 57.28

2839 50 56.78

2903 50 58.06

2847 50 56.94

2843 50 56.86

2891 50 57.82

2863 50 57.26

3395 60 56.58

3375 60 56.25

3371 60 56.18

3343 60 55.72

3343 60 55.72

3071 60 51.18

3987 70 56.96

3955 70 56.50

3959 70 56.56

3983 70 56.90

4571 80 57.14

4543 80 56.79

4567 80 57.09

4547 80 56.84

5115 90 56.83

5127 90 56.97

5123 90 56.92

5103 90 56.70

44



5139 90 57.10

5111 90 56.79

5675 100 56.75

5675 100 56.75

5695 100 56.95

5671 100 56.71

5671 100 56.71

5671 100 56.71

5675 100 56.75

5671 100 56.71

5671 100 56.71

5355 90 59.50

5155 90 57.28

5175 90 57.50

5167 90 57.41

5163 90 57.37

4647 80 58.09

4667 80 58.34

4591 80 57.39

4131 70 59.02

4007 70 57.24

4007 70 57.24

3959 70 56.56

3443 60 57.38

3463 60 57.72

3367 60 56.12

3411 60 56.85

2891 50 57.82

2867 50 57.34

2851 50 57.02

2871 50 57.42

2895 50 57.90

2287 40 57.18

2279 40 56.98

2259 40 56.48

2275 40 56.88

2307 40 57.68

1863 30 62.10

1715 30 57.17

1723 30 57.43

1719 30 57.30

1719 30 57.30

1235 20 61.75

1159 20 57.95

45



1159 20 57.95

1151 20 57.55

1155 20 57.75

599 10 59.90

603 10 60.30

595 10 59.50

595 10 59.50

1151 20 57.55

1155 20 57.75

1151 20 57.55

1151 20 57.55

1155 20 57.75

1719 30 57.30

1711 30 57.03

1715 30 57.17

1711 30 57.03

1711 30 57.03

2327 40 58.18

2307 40 57.68

2279 40 56.98

2299 40 57.48

2283 40 57.08

2855 50 57.10

2851 50 57.02

2851 50 57.02

2855 50 57.10

3539 60 58.98

3347 60 55.78

3367 60 56.12

3347 60 55.78

3343 60 55.72

3347 60 55.78

4023 70 57.47

3991 70 57.01

3991 70 57.01

3991 70 57.01

3987 70 56.96

3963 70 56.61

4595 80 57.44

4591 80 57.39

4597 80 57.46

4597 80 57.46

4543 80 56.79

5187 90 57.63

46



5087 90 56.52

5127 90 56.97

5703 100 57.03

5679 100 56.79

5675 100 56.75

5115 90 56.83

5095 90 56.61

5095 90 56.61

4611 80 57.64

4547 80 56.84

4531 80 56.64

4575 80 57.19

3991 70 57.01

3975 70 56.79

3979 70 56.84

3579 60 59.65

3343 60 55.72

3379 60 56.32

3375 60 56.25

3371 60 56.18

2851 50 57.02

2843 50 56.86

2847 50 56.94

2851 50 57.02

2303 40 57.58

2267 40 56.68

2243 40 56.08

2259 40 56.48

1715 30 57.17

1715 30 57.17

1711 30 57.03

1715 30 57.17

1215 20 60.75

1159 20 57.95

1155 20 57.75

1151 20 57.55

603 10 60.30

603 10 60.30

591 10 59.10

591 10 59.10

591 10 59.10

Total lama waktu PING/ jarak aktual 9920.21

Rata-rata lama waktu PING/ jarak aktual 57.34

47

RIWAYAT HIDUP

Penulis dilahirkan di Jakarta pada tanggal 28 Januari 1992. Penulis

merupakan anak kedua dari 3 bersaudara dari pasangan Prawoto dan Ngatini.

Pada tahun 2009, penulis menamatkan pendidikan di SMA Negeri 1 Ciputat.

Penulis lulus seleksi masuk Institut Pertanian Bogor (IPB) pada tahun yang sama

melalui jalur Undangan Seleksi Masuk IPB di Departemen Ilmu Komputer,

Fakultas Matematika dan Ilmu Pengetahuan Alam.

Penulis aktif di organisasi kemahasiswaan Himpunan Mahasiswa Ilmu

Komputer (Himalkom) pada tahun 2010–2011. Pada bulan Juli–Agustus 2012

penulis melaksanakan Praktik Kerja Lapang di PT Dirgantara Indonesia Bandung

dengan judul Pengembangan Sistem Artificial Inteligence Untuk Simulator Tank

AMX–13 TNI Angkatan Darat yang dikembangkan bersama Ade Nurusani,

Fiqrotul Ulya, dan Nadya Elsanoviany Putri.

ANALISIS DAN PENERAPAN SENSOR JARAK, SENSOR … · digunakan yaitu sensor ultrasonik yang menggunakan energi gelombang suara dan ; sensor inframerah yang menggunakan energi gelombang

Documents