Prosiding ISRSC 2016

4th Indonesia Symposium on Robot Soccer
Competition (ISRSC) 2016

Surabaya, 1 Juni 2016
ISBN: 978-602-72251-2-1
General Chair:
Endra Pitowarno (Politeknik Elektronika Negeri Surabaya - PENS)
Kusprasapta Mutijarsa (Institut Teknologi Bandung - ITB)
Editor:
M. Udin Harun Al Rasyid
Fahim Nur Cahya Bagar
Published By
Politeknik Elektronika Negeri Surabaya
Kampus ITS Keputih Sukolilo Surabaya 60111
Email: humas@pens.ac.id
The 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016
Politeknik Elektronika Negeri Surabaya, Indonesia
Susunan Panitia
“The 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016”
1. Chairmain
Dr. Ir. Endra Pitowarno, M.Eng (Politeknik Elektronika Negeri Surabaya - PENS)
2. Steering Committee
a. Dr. Kusprasapta Mutijarsa (Institut Teknologi Bandung) (Chair)
b. Dr. Ir. Patdono Suwignjo, M.Eng.Sc. (Direktur Jenderal Ditjen Kelembagaan IPTEK DIKTI)
c. Dr. Zainal Arief (Politeknik Elektronika Negeri Surabaya - PENS)
d. Dr. Indra Adji Sulistijono (Politeknik Elektronika Negeri Surabaya - PENS)
e. Dr. Ali Ridho Barakbah (Politeknik Elektronika Negeri Surabaya - PENS)
f. Eko Henfri Binugroho, S.ST, M. Eng. (Politeknik Elektronika Negeri Surabaya - PENS)
3. Organizing Committee
a. M. Udin Harun Al Rasyid, Ph.D (Politeknik Elektronika Negeri Surabaya - PENS) (Chair)
b. Kholid Fathoni, S.Kom, MT (Politeknik Elektronika Negeri Surabaya - PENS)
c. Widi Sarinastiti, ST, MT. (Politeknik Elektronika Negeri Surabaya - PENS)
d. Fadhilah Fahrul, S.ST, M.Kom. (Politeknik Elektronika Negeri Surabaya - PENS)
e. Fahim Nur Cahya Bagar, S.Kom., MT. (Politeknik Elektronika Negeri Surabaya - PENS)
f. Martianda Erste Anggraeni, S.ST. MT. (Politeknik Elektronika Negeri Surabaya - PENS)
g. Muarifin S.ST. MT. (Politeknik Elektronika Negeri Surabaya - PENS)
h. Aprilely Ajeng Fitriana, S.ST., M.T. (Politeknik Elektronika Negeri Surabaya - PENS)
i. Dimas Okky Anggriawan, S.T, M.T (Politeknik Elektronika Negeri Surabaya - PENS)
j. Ita Zoeriah (Politeknik Elektronika Negeri Surabaya - PENS)
k. Kartikasari Dewi Ashari (Politeknik Elektronika Negeri Surabaya - PENS)
4. Technical Committee
a. Dr. Ir. Wahidin Wahab, M.Sc (Universitas Indonesia) (Chair)
b. Ir. Heru Santoso BR, M.Eng., Ph.D (Universitas Gadjah Mada)
c. Ir. Gigih Prabowo, MT (Politeknik Elektronika Negeri Surabaya)
d. Dr. Eril Mozef, MS., DEA. (Politeknik Bandung)
e. Prof. Dr. Mauridhi Heri Purnomo (Institut Teknologi Sepuluh November)
f. Prof. Dr. Benyamin Kusumoputro (Universitas Indonesia)
g. Dr. Ir. Indrawanto (Institut Teknologi Bandung)
h. Dr. Ir. Djoko Purwanto, M.Eng. (Institut Teknologi Sepuluh November)
i. Dr. Ir. Dian Retno Sawitri, MT
i
Kata Pengantar
Puji Syukur kami panjatkan kehadirat Allah SWT, yang telah melimpahkan rahmat dan karunianya
sehingga pelaksanaan “Indonesian Symposium on Robot Soccer Competition (ISRSC) 2016” dapat terlaksana.
Kegiatan symposium ini merupakan salah satu rangkaian dari kegiatan Kontes Robot Indonesia 2016.
Symposium ini selain wajib diikuti oleh semua peserta Kontes Robot Sepak Bola Indonesia (KRSBI) yang lolos
ke tingkat nasional, juga diikuti oleh peneliti, dosen, dan mahasiswa yang konsen ke riset tentang robot.
Pada ISRSC 2016, terdapat 43 makalah yang telah diterima panitia, yang terdiri dari makalah wajib bagi
peserta KRSBI 2016 sedangkan sisanya berasal dari dosen dan mahasiswa yang konsen dengan riset dibidang
robotika.
Kami mengucapkan terima kasih kepada semua pihak yang telah membantu, sehingga kegiatan ini dapat
terlaksana dengan baik. Terima kasih kepada Kementrian Riset Teknologi dan Pendidikan Tinggi
(RISTEKDIKTI), para reviewer, seluruh panitia ISRSC dan civitas akademika Politeknik Elektronika Negeri
Surabaya (PENS), yang telah memberikan banyak bantuan kepada kami. Tak lupa kami ucapkan terima kasih
kepada para peserta yang telah mengirimkan makalah dan para mahasiswa dan partisipan lain dalam kegiatan
symposium ini
Kami menyadari, bahwa pelaksanaan kegiatan ini masih banyak kekurangan. Untuk perbaikan pelasanaan
dimasa yang akan dating, kritik dan saran yang membangun dari semua pihak, sangat kami harapkan.
Panitia Pelaksana
ISRSC 2016
ii
Prakata Chairman ISRSC 2016
Sebuah kehormatan bagi saya selaku chairman simposium The 4th Indonesia Symposium on Robot Soccer
Competition (ISRSC) 2016 menyambut anda semua di acara simposium ISRSC 2016 yang berupakan rangkaian
kegiatan Kontes Robot Indonesia (KRI) 2016.
Simposium dapat dilaksanakan dengan baik berkas kontribusi keynote speaker, semua penulis makalah,
reviewer, dan panitia pelaksana. Pada kesempatan ini saya sampaikan terimakasih sebesar-besarnya atas
kontribusi anda semua.
Tidak dapat dipungkiri bahwa secara perlahan, pasti dan bersifat masif dunia kontes robot di Indonesia
dapat meningkatkan kualitas penelitian perguruan tinggi di bidang rekayasa. Selain itu juga turut serta
menyumbangkan para alumninya dalam mendukung kemajuan iptek dan industri di tanah air, paling tidak ikut
menyumbang SDM yang handal khas pejuang kontes robot.
Dengan hadirnya prosiding simposium yang lahir dari ajang Kontes Robot Sepak Bola Indonesia (KRSBI)
2016 ini kedepan diharapkan ISRSC makin dapat menjadi forum tukar menukar dan menyinergikan hasil-hasil
penelitian sekaligus menjembatani komunikasi antar para peneliti keilmuan robotika di Indonesia.
Selamat berkarya.
Dr. Ir. Endra Pitowarno, M.Eng

Chairman ISRSC 2016
iii
Sambutan Direktur PENS
Assalamu’alaikum Wr. Wb.

Selamat Pagi dan Salam Sejahtera untuk kita semua. Puji Syukur kepada Allah SWT karena pada hari ini
kita diberi kesempatan dan kemampuan untuk hadir dalam acara “Indonesian Symposium on Robot Soccer
Competition (ISRSC) 2016”. Pada kesempatan yang membanggakan ini, kami selaku Direktur Politeknik
Elektronika Negeri Surabaya (PENS) mengucapkan selamat datang dan terimakasih kepada para tamu undangan
dan para peserta symposium yang telah hadir untuk mensukseskan ISRSC 2016.
Kami menyambut baik gagasan untuk menggelar symposium ISRSC sebagai satu rangkaian dalam acara
Kontes Robot Indonesia di PENS Surabaya dan merupakan kebanggaan bagi kami dan seluruh civitas akademika
PENS.
Kegiatan ilmiah/ penulisan artikel sangat baik untuk melatih mahasiswa berfikir kritis, tetapi juga mampu
mengaplikasikan teori-teori yang mereka dapat di bangku kuliah. Dengan kegiatan symposium yang diberi nama
“Indonesian Symposium on Robot Soccer Competition (ISRSC) 2016”, diharapkan memberi warna yang lebih
ilmiah dalam kontes robot tahun ini, serta membuka kesempatan kepada komunitas robotika untuk
menyampaikan penemuan baru dan bertukar pikiran terkait perkembangan teknologi robot.
Para hadirin sekalian yang kami hormati, terpilihnya PENS sebagai tuan rumah penyelenggara Kontes
Robot Indonesia 2016 ini merupakan suatu kebanggaan dan kehormatan tersendiri. Penyelenggaraan kompetisi
ini tidak lepas dari dukungan berbagai pihak. Dukungan moril, material, dan tenaga yang tercurahkan pada
kesempatan kali ini tentunya tidak bisa dinilai oleh apapun.
Semoga rangkaian acara symposium ini, semakin mampu memacu untuk berfikir kritis dan meningkatkan
minat dalam teknologi robot di tingkat perguruan tinggi khususnya dan masyarakat luas pada umumnya.
Wassalamu’alaikum wr.wb
Dr. ZainalArief, S.T, M.T

Direktur PENS
iv
Daftar Isi
Susunan Panitia ...................................................................................................................................................... i
Kata Pengantar....................................................................................................................................................... ii
Prakata Chairman ISRSC 2016 ............................................................................................................................ iii
Sambutan Direktur PENS ..................................................................................................................................... iv
Daftar Isi .................................................................................................................................................................v
Susunan Acara ..................................................................................................................................................... vii
Denah Lokasi ..........................................................................................................................................................x
Biografi Keynote Speaker

Prof. Dr. Estiko Rijanto ..........................................................................................................................................1
Dr. Dadet Pramadihanto, Ph.D. ..............................................................................................................................1
Parallel Session 1
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC.....2
Pemrograman Socket Untuk Koneksi Abtara Raspberry Pi Dengan Referee Box.................................................7
Sistem Keseimbangan pada Tubuh Robot Humanoid R2C-R9 Berbasis Kontrol PID ........................................10
Three-wheeled Omnidirectional Robot Controller Implementation.....................................................................13
Rancang Bangun Mekanik Penendang Pada Robot Soccer Beroda Menggunakan Solenoid ..............................17
Robot Sepakbola dengan Pencarian dari Pengolahan Citra OpenCV dan Arduino............................................22
Reduksi Noise Pada Sensor Kompas Menggunakan Kalman Filter .....................................................................26
Parallel Session 2
Koordinasi Perilaku pada Robot Sepak Bola Beroda Menggunakan Metode Decision Trees .............................30
Design and Implementation Humanoid Robot Soccer Dago Hoogeschool in Kontes Robot Sepak Bola Indonesia
2016 ......................................................................................................................................................................34
Implementation of Non-Linear PID on Darwin-Op Humanoid Robot Walking Control System ........................40
Analisis Kecepatan Robot Soccer Dengan Metode Elemen Hingga dan Zero Moment Point .............................45
Pemrograman Berbasis State-Machine untuk Development Platform Robot Berkaki Enam ...............................49
Vision Systems on Wheeled Robot Soccer ..........................................................................................................55
Enspartan Deskripsi Tim untuk ESRB 2016 ........................................................................................................58
Parallel Session 3
Humanoid Soccer Robots With Omnidirectional Vision System.......................................................................61
Rancang Bangun Sistem Tracking Pada Robot Sepak Bola Dengan Metode Thresholding Menggunakan Open-
CV ........................................................................................................................................................................66
Implementasi FPGA-Soft Processor untuk Kontrol Low Level pada Holonomic Robot ......................................71
Implementasi Soft Processor Untuk Sistem Kontrol Keseimbangan Pada Quadcopter ......................................77
Aplikasi Sensor Gyroscope Dan Sensor Accelerometer Pada Robot Sepak Bola ................................................82
Rancang Bangun Robot ESRBI Menggunakan Sensor kamera Pixy CMUcam5 ................................................87
Sistem Keseimbangan Robot R-SCUAD Menggunakan Sensor Gyroscope dan Accelerometer ........................91
Parallel Session 4
Perhitungan Trigonometri Data Sensor Accelerometer, Pose Robot, dan Arah Kamera Untuk Keakuratan
Pendeteksian Jarak Bola Terhadap Robot Humanoid Soccer...............................................................................96
Algoritma Gait Generator Sederhana pada Hexapod Walking Robot ................................................................101
Uses of CMPS-11 on “OCEANOID” Bioloid Robot to Define The Direction of The Goalpost .......................104
Perancangan Strategi Permainan Pada Robot Sepak Bola Beroda Menggunakan Mamdani Fuzzy Logic ........107
Manufer RobotRosota Pada Rumput Sintesis ....................................................................................................111
Algoritma Antarmuka Sensor Jarak Neato LIDAR XV-11 Berbasiskan State Machine Untuk Robot Hexapod
............................................................................................................................................................................114
Rancang Bangun Sistem Komunikasi Data Robot DEVATA A dalam KRSBI 2016 ......................................119
v
Parallel Session 5
Penerapan Metode Disturbance Observer Pada Sistem Kontrol Pergerakan Motor DC Robot Soccer ............126
Real Time Ball Detection and Tracking using Color-Based Segmentation and Circular Hough Transform .....133
Software Framework on EROS-6 (EEPIS ROBOT SOCCER-6) Platform .......................................................137
Simulasi Kontrol pada Prototip UAV untuk Pencarian Korban Bencana dan Pemetaan ...................................141
Rancang Bangun Robot Sepak Bola Beroda ......................................................................................................147
Penggunaan Webots pada Robot The Patriot V.3 ..............................................................................................152
Pemanfaatan Sensor Jarak GP2D12 Sebagai Navigator Pada Robot Madikarobo .............................................156
Parallel Session 6
Perancangan Kerangka Robot Humanoid...........................................................................................................161
Pengaplikasian Sensor Compas Magnetometer HMC5883L pada Navigasi Robot ERSBI...............................166
Implementasi Metode Houghcircles Dan Houghlines Pada Pengolahan Citra Robot Sepakbola ......................171
Interpreter Berbasis Webkit Untuk Pembuatan Robot Berbasis Javascript Dan HTML Pada Perangkat Kontroller
Raspberry Pi .......................................................................................................................................................177
Pendeteksian Gawang Menggunakan Algoritma Ransac Pada Platform Darwin-OP Berbasis Peraturan KRSBI
2016 ....................................................................................................................................................................181
Analisis Pendeteksi Objek Menggunakan Kamera Pixy Cmu Cam 5 Pada Robot ERSB.................................186
Kurikulum Pendidikan Robotika Berbasis STEM-Bloom’s Taxonomy-Kurikulum 2013.................................190
Tim Ichiro Dalam Menghadapi Kontes Robot Sepakbola Indonesia 2016 ........................................................193
vi
Susunan Acara
Rabu, 01 Juni 2016
Waktu Kegiatan Tempat

07.00 – 08.30 Registrasi Peserta
08.30 – 08.40 Sambutan Panitia ISRSC 2016 (Dr. Endra Pitowarno)
08.30 – 08.50 Sambutan Direktur PENS (Dr. Zainal Arief)
Auditorium Pascasarjana Lantai 6 PENS
08.50 – 09.10 Keynote Speaker I (Prof. Dr. Estiko Rijanto)
09.10 – 09.30 Keynote Speaker II (Dr. Dadet Pramadihanto)
09.30 – 09.45 Sesi Tanya Jawab
09.45 – 10.15 Coffee Break, Transfer ke Ruang Sesi Paralel Pascasarjana Lantai 6 PENS
10.15 – 11.30 Sesi Paralel Seminar Pascasarjana Lantai 4 PENS
11.30 – Selesai Makan Siang. Dilanjutkan dengan acara KRI 2016 Pascasarjana Lantai 6 PENS
Session : Parallel Session 01

Ruang : PS.04.13, Gedung Pascasarjana Lantai 4
Moderator : M. Udin Harun Al Rasyid
Waktu Judul Makalah Penulis
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Hanjaya Mandala, Eko Rudiawan, Hendawan
10.20 - 10.30
Warna Lapangan Pada Robot Barelang FC Soebhakti
Pemrograman Socket Untuk Koneksi Abtara Raspberry Pi Fahriza Azwar Muhammad, Rizky Arif
10.30 - 10.40
Dengan Referee Box Windiarto, Yuridi Bintang Pratama
Sistem Keseimbangan Pada Tubuh Robot Humanoid R2C-R9
10.40 - 10.50 Novembri Priyadmaji Widi Nugroho
Berbasis Kontrol PID
Three-Wheeled Omnidirectional Robot Controller
10.50 - 11.00 Gusti Arif Hanifah Pawitan
Implementation
Iwan Kurnianto Wibowo, Mochamad Mobed
Bachtiar, Rizki Taufik Ulil Albab, Rakhmat
Rancang Bangun Mekanik Penendang Pada Robot Soccer
11.00 - 11.10 Faizal Ajie, M.Sholahuddin Al-Ayyubi, Agung
Beroda Menggunakan Solenoid
Pambudi, M. Jauharul Muqorrobin, Zanuar Tri
Romadon
Robot Soccer, Opencv, Tracking Opencv, Arduino, Bluetooth,
11.10 - 11.20 Musa Payung, Bayu Saputera
Webcam
Reduksi Noise Pada Sensor Ko+D9mpas Menggunakan
11.20 - 11.30 Eko Rudiawan Jamzuri, Hendawan Soebhakti
Kalman Filter

Ruang : Room PS.04.14, Gedung Pascasarjana Lantai 4
Moderator : Muarifin
Koordinasi Perilaku Pada Robot Sepak Bola Beroda Zindhu Maulana Ahmad Putra, Farid Afandi,
10.20 - 10.30
Menggunakan Metode Decision Trees Syamsiar Kautsar, Noorman Rinanto
Wahyu Trisvianto, Alyssa Diva Mustika, M.
Isnain Hartanto, Dhimas Bintang K., Miftahul
Design And Implementation Humanoid Robot Soccer Dago
10.30 - 10.40 Mahfuz, Fatuh Jamallubis, Diyar Yasin, Daniel
Hoogeschool In Kontes Robot Sepak Bola Indonesia 2016
Abdullah, Andreas Ekadinata W., Ahmad Fajar
Prasetyo
Alfabi Muhlisin Sakti, Dimas Fajrian Nugroho,
Yuniar Rizky, Agnan Primahardika, Hanan
Yunisar Saputra, Fahri Ali Rahman, Ilham Nur
Implementation Of Non-Linear PID On Darwin-Op Humanoid
10.40 - 10.50 Ahmad, Agil Athallah, M Ridho Fuadin, Mufti
Robot Walking Control System
Irawan Fikri, Abdurrohman Ahmad Rofiq,
Hanif Baskoro, Bakhtiar Alldino Ardi
Sumbodo, Balza Achmad, A\'Isya Nur Aulia
Analisis Kecepatan Robot Soccer Dengan Metode Elemen Ghana Nazala Putra, Yohanes Fridolin Hestrio,
10.50 - 11.00
Hingga Dan Zero Moment Point Muhammad Hanif Ibrahim, Dyah Sekar Asih
Pemrograman Berbasis State-Machine Untuk Development Fabiola Maria Teresa R Kinasih, Kusprasapta
11.00 - 11.10
Platform Robot Berkaki Enam Mutjiarsa
Ismail, Muhammad Iqbal Saleh, Irma
11.10 - 11.20 Vision Systems On Wheeled Robot Soccer
Damayanti
Andy Kurnia Santoso, Chandra Halim Harahap,
11.20 - 11.30 Deskripsi Tim Enspartan Universitas Brawijaya
Hemi Septiady
vii

Moderator : Fadhilah Fahrul
10.20 - 10.30 Humanoid Soccer Robots With Omnidirectional Vision System Chamdan Nor, Claudia Risa, Bekti Febriarti
Rancang Bangun Sistem Tracking Pada Robot Sepak Bola
10.30 - 10.40 Azizul, Jovi Mahesa, Meliyana
Dengan Metode Thresholding Menggunakan Open-CV
Implementasi FPGA-Soft Processor untuk Kontrol Low Level Purwanto, Fernando Ardilla, Iwan Kurninato
10.40 - 10.50
pada Holonomic Robot Wibowo
Implementasi Soft Processor Untuk Sistem Kontrol Rejanuis Sepondria, Fernando Ardilla, Iwan
10.50 - 11.00
Keseimbangan Pada Quadcopter Kurninato Wibowo
Sofyan Mashudi, Choirul Ulfa Kusumohadi,
APLIKASI SENSOR GYROSCOPE DAN SENSOR PADA
11.00 - 11.10 Silviah Candra Kusumawati, Tri Lakso Emilia
ROBOT SEPAK BOLA
Radyo Putri
Rancang Bangun Robot ESRBI Menggunakan Sensor kamera
11.10 - 11.20 Sahrul Nizam, Ade Reza Septiadi
Pixy CMUcam5
Yayan Destiantoro, Nuryono Satya Widodo,
Sistem Keseimbangan Robot R-SCUAD Menggunakan Sensor
11.20 - 11.30 Watra Arsadiando, M.Iqbalul Faiq Hatta, Teuku
Gyroscope dan Accelerometer
Makmur Tsani

Moderator : Kholid Fathoni
Perhitungan Trigonometri Data Sensor Accelerometer, Pose Doni Kurniawan, Sulistriyono, Angga Restu
10.20 - 10.30 Robot, Dan Arah Kamera Untuk Keakuratan Pendeteksian Jarak Reffanda, Evi Nurdianah, M. Nur Fauzi Ibrahim,
Bola Terhadap Robot Humanoid Soccer Herlambang Sigit Pramono
Algoritma Gait Generator Sederhana Pada Hexapod Walking
10.30 - 10.40 Evan Prianto , Kusprasapta Mutjiarsa
Robot
Rizky Aditya Pratama, Alfira Maulita, Adam
Uses Of CMPS-11 On “OCEANOID” Bioloid Robot To Define
10.40 - 10.50 Samodra Djatirangga, Nur Fadhila Sari, Yanuar
The Direction Of The Goalpost
Ari Setiawan, Joko Subur
Perancangan Strategi Permainan Pada Robot Sepak Bola Beroda Lovila Arina Manasikana, Kusprasapta
10.50 - 11.00
Menggunakan Mamdani Fuzzy Logic Mutijarsa, Widyawardana Adiprawita
Yuri Yudhaswana Joefrie, Nur Cholis,
11.00 - 11.10 Manufer Robotrosota Pada Rumput Sintesis
Firmanyah, Dewi Rizki Wakti, Eri Rachman
Algoritma Antarmuka Sensor Jarak Neato LIDAR XV-11
11.10 - 11.20 Hans Herdian, Kusprasapta Mutjiarsa
Berbasiskan State Machine Untuk Robot Hexapod
Rancang Bangun Sistem Komunikasi Data Robot DEVATA A Danieal, Januar Chayadi, Kevin William, Agus
11.20 - 11.30
Dalam KRSBI 2016 Budi Dharmawan
viii

Moderator : Fahim Nur Cahya Bagar
Hari,Tanggal : Rabu, 1 Juni 2016
Muhammad Nurdin, Mohammad Adnan,
Penerapan Metode Disturbance Observer Pada Sistem Kontrol
10.20 - 10.30 Muhammad Luthfi Musrah, Muh. Ruslan, Azhar
Pergerakan Motor DC Robot Soccer
B Panrita
Real Time Ball Detection And Tracking Using Color-Based
10.30 - 10.40 A. N. Fitriana, K. Mutijarsa, W. Adiprawita
Segmentation And Circular Hough Transform
Software Framework On EROS-6 (EEPIS ROBOT SOCCER-
10.40 - 10.50 Naufal Suryanto, Fendiq Nur Wahyu
6) Platform
Simulasi Kontrol Pada Prototip UAV Untuk Pencarian Korban
10.50 - 11.00 Muliady, Yohana Susanthi, I Made Devantara
Bencana Dan Pemetaan
G. A. H. Pawitan, A. N. Fitriana, L.A.
Manasikana, A. D. Mustika, E. Febrianto, M. K.
11.00 - 11.10 Rancang Bangun Robot Sepak Bola Beroda
Najieb, G. W. Saputro, K. Mutijarsa, W.
Adiprawita
11.10 - 11.20 Penggunaan Webots Pada Robot The Patriot V.3 Elvin Nathan, Muliady
Pemanfaatan Sensor Jarak GP2D12 Sebagai Navigator Pada Mimi Hasmidar,Kevin Gerald Vergiawan T., Ady
11.20 - 11.30
Robot Madikarobo Rahmansya

Moderator : Aprilely Ajeng Fitriana
Hari,Tanggal : Rabu, 1 Juni 2016
Erwani M.S., Daniel S., Gema Albadi Irman,
10.10 - 10.20 Perancangan Kerangka Robot Humanoid
Muliady
Pengaplikasian Sensor Compas Magnetometer HMC5883L
10.20 - 10.30 Fariz Setiadi
Pada Navigasi Robot ERSBI
Implementasi Metode Houghcircles Dan Houghlines Pada
10.30 - 10.40 Anton Hidayat, Alex Sandra, Ahmad Kurnia
Pengolahan Citra Robot Sepakbola
Interpreter Berbasis Webkit Untuk Pembuatan Robot Berbasis
10.40 - 10.50 Javascript Dan Html Menggunakan Perangkat Kontroller Nirwana, Sofyan Saputra, Rifaldi Hi. Taher
Raspberry Pi
Uti Solichah, Muhammad Arifin, Muhammad
Pendeteksian Gawang Menggunakan Algoritma Ransac Pada
10.50 - 11.00 Ardi Pradana, Satria Hafizhuddin, Dhany Satrio
Platform Darwin-OP Berbasis Peraturan KRSBI 2016
Wicaksono, Muhammad Reza Ar Razi, Muhtadin
Analisis Pendeteksi Objek Menggunakan Kamera Pixy Cmu
11.00 - 11.10 Ilmiyati, Muhlis, Moh. Andri Ramadhan
Cam 5 Pada Robot ERSB
Kurikulum Pendidikan Robotika Berbasis STEM-Bloom’s Naufalita Shella Hasyim, Adnan Rachmat Anom
11.10 - 11.20
Taxonomy-Kurikulum 2013 Besari
Satria Hafizhuddin, Muhammad Arifin,
Tim Ichiro Dalam Menghadapi Kontes Robot Sepakbola
11.20 - 11.30 Muhammad Ardi Pradana, Muhammad Reza
Indonesia 2016
Arrazi, Uti Solichah, Dhany Satrio Wicaksono
ix
Denah Lokasi
Lantai 4, Gedung Pascasarjana PENS
Lantai 6, Gedung Pascasarjana PENS
x
Prof. Dr. Estiko Rijanto

Keynote Speaker 1
Jabatan
Pusat Penelitian Tenaga Listrik dan Mekatronik
Lembaga Ilmu Pengetahuan Indonesia
Biography
R&D interest is in control systems. Doctoral thesis on Control of Flexible
Robot Arm (1998). A book entitled \"Robust Control: Theory for
Application\" published by ITB Press (2000). Has been conducting R&D
activities related to control systems of chemical process, mechatronics,
robotics, electrical power generation and vehicle
Dr. Dadet Pramadihanto, Ph.D.

Keynote Speaker 2
Jabatan
Head of ER2C
Biografi
Dadet Pramadihanto adalah dosen jurusan Teknik Informatika dan
Komputer, Politeknik Elektronika Negeri Surabaya, anggota IEEE
Computer Society dan Robotics and Automation Society, dan Ketua
EEPIS Robotics Research Center (ER2C), yang merupakan pusat riset
robotika, real-time systems dan cyber-physical-systems.
Dr. Dadet Pramadihanto menyelesaikan pendidikan S1 dibidang Teknik
Elektro dari Institut Teknologi Sepuluh Nopember Surabaya, serta
pendidikan S2 dan S3 dibidang Applied Informatics and Human Systems
dari Osaka University, Jepang. Dia juga pernah menjadi Direktur Politeknik Elektronika Negeri Surabaya pada
tahun 2009-2013.
Di ER2C, Dr. Dadet melakukan riset dibidang computer vision, real-time operating systems, dan robotika.
Dibidang real-time operating systems (RTOS), dia mengembangkan FLoW RTOS dan penerapannya untuk real-
time systems dan cyber-physical-systems. Sedangkan dibidang robotika, dia mengembangkan small-size dan
mid-size humanoid robot FLoW. Saat ini sedang merancang full-size humanoid robot FLoW. Disamping itu
bersama dengan ER2C, dia berhasil mengkomersialkan produk robot edukasi yang diberi nama AdRoiT.
1
Sistem Deteksi Bola Berdasarkan Warna Bola Dan

Background Warna Lapangan Pada Robot
Barelang FC
Hanjaya Mandala(1) .EkoRudiawan,S.ST(2) .HendawanSoebhakti,ST.,MT(3).
(1) (2) (3) Politeknik Negeri Batam
Mechatronics Engineering Study Program
Parkway Street, Batam Centre, Batam 29461, Indonesia
E-mail: (1)hanjaya_mandala@yahoo.com,(2)Ekorudiawan@polibatam.ac.id,(3)Hendawan@polibatam.ac.id
Abstrak – Dalam suatu permainan sepak bola, sebuah maka pada penelitian ini akan dikembangkan sistem
robot soccer harus dapat menggiring bola dan menendang deteksi bola berdasarkan warna bola dan background
bola ke arah gawang. Agar dapat bermain dengan benar, warna lapangan, yaitu proses deteksi objek menggunakan
sebuah robot soccer harus dilengkapi dengan sistem deteksi
perpaduan segmentasi HSV dari warna bola dan warna
bola yang baik. Kamera digunakan sebagai sensor
pendeteksi bola. Robot soccer harus dapat mengenali bola latar lapangan. Untuk mengurangi pengaruh perubahan
di dalam lapangan dengan hanya menggunakan kamera. intensitas cahaya, maka fitur-fitur auto dari kamera
Permasalahan yang muncul adalah adanya objek lain selain dinon-aktifkan. Ukuran panjang dan lebar bola yang
bola dalam lapangan. Permasalahan lainnya adalah dideteksi menggunakan library cvblob. Dengan demikian
intensitas cahaya dapat mempengaruhi keberhasilan dapat mengurangi kesalahan deteksi dari sistem sehingga
pengenalan bola. Pada penelitian ini dikembangkan sistem
proses pendeteksian bola dapat berjalan dengan akurat
deteksi bola dengan menggunakan perpaduan segmentasi
HSV dari warna bola dan warna latar lapangan. Ukuran dan real time.
bola dideteksi menggunakan library cvblob. Untuk
mengurangi pengaruh intensitas cahaya maka fitur auto II. DASAR TEORI
dari kamera akan dinonaktifkan. Hasil dari penelitian ini,
Permasalahan sistem deteksi yang memanfaatkan
84% robot soccer dapat bermain sepak bola layaknya
pemain juara dunia sepak bola dengan mendeteksi bola tanda atau ciri visual sebuah objek tidak lepas dari konsep
sebagai objek utama dalam lapangan. deteksi dan pengenalan tanda atau ciri visual objek.
Kata kunci : Robot Soccer, kamera, HSV, cvblob Berikut ini akan dibahas tentang beberapa hal yang
berkaitan dengan permasalahan tersebut.
I. PENDAHULUAN
Dalam pertandingan sepak bola, robot humanoid A. Color Filtering
bermain layaknya permainan sepak bola yaitu mampu Color Filtering adalah suatu teknik pengolahan citra
menggiring dan menendang bola kearah gawang. Agar yang yang dipakai untuk memanipulasi suatu citra
dapat bermain dengan benar, sebuah robot harus dapat berdasarkan warna spesifik. Cara kerjanya adalah dengan
mendeteksi bola yang ada di lapangan dengan membandingkan komponen warna setiap piksel citra
menggunakan kamera. Permasalahan yang dihadapi dengan warna spesifik.
adalah adanya objek lain selain bola didalam dan diluar Warna yang digunakan dalam Color Filtering dapat
lapangan. direpresentasikan dalam berbagai ruang warna, antara
Beberapa penelitian yang telah dilakukan untuk lain RGB (Red, Green, Blue), HSV (Hue, Saturation,
memecahkan permasalahan tersebut antara lain Value), YCbCr, dsb. HSV merupakan ruang warna yang
menggunakan sistem deteksi objek dengan ekstasi citra sangat cocok untuk mengidentifikasi warna-warna dasar,
HSV. Proses ini memiliki tingkat keberhasilan 90% jika dimana warna dasar ini digunakan dalam penelitian
dibandingkan dengan ekstrasi citra RGB yang tingkat sebagai warna identifikasi robot. Selain itu, HSV
keberhasilanya sebesar 66.7 % [1]. Kelemahaan metode menoleransi terhadap perubahan intensitas cahaya. Inilah
ini adalah pengenalan bola yang hanya menggunakan ciri yang menjadi keunggulan HSV dibandingkan dengan
dari ekstrasi warna bola tanpa memperhatikan ciri lain ruang warna lainnya[3].
dari bola.
Penelitian lain menggunakan metode hough B. Model warna HSV
transform circle[2]. Dari hasil eksperimen diperoleh HSV mendefinisikan warna dalam terminologi Hue,
tingkat keberhasilan pengenalan bola sebesar rata-rata Saturation dan Value. Keuntungan HSV adalah terdapat
94,44%. Kelemahan dari metode ini adalah memerlukan warna-warna yang sama dengan yang ditangkap oleh
waktu proses pengenalan yang lebih lama dibandingkan indra manusia. Sedangkan warna yang dibentuk model
dengan metode thresholding standar. lain seperti RGB merupakan hasil campuran dari warna-
Untuk mengatasi cara deteksi bola yang tidak salah, warna primer [4]. HSV memiliki 3 karakteristik pokok,
yaitu Hue, Saturation dan Value.
2
C. Konsep Binerisasi Citra (Thresholding) III. PERANCANGAN SISTEM

Konsep binerisasi citra adalah sebuah konsep untuk Pada robot Barelang FC yang digunakan memiliki
mengubah suatu citra menjadi dua jenis intensitas yaitu 0 sistem kontruksi yang dibagi menjadi sistem mekanik,
atau 255. Untuk melakukan proses ini digunakan ambang elektrikal, dan sistem deteksi.
batas (threshold) yang nilainya dapat diatur sesuai
keperluan. Persamaan 2.1 adalah persamaan untuk A. Sistem Mekanik
merubah citra asli menjadi citra biner Desain robot menggunakan dua puluh unit servo
Jika nilai threshold yang dipasang adalah 100, maka sebagai penggerak pada bagian pergelangan sendi seperti
semua pixel yang nilainya diatas atau sama dengan 100 pada gambar 3.1.
diganti menjadi 255, sedangkan pixel yang nilainya
dibawah 100 diganti menjadi 0.
f(x,y);if f(x,y)>Threshold then f(x,y)=255 else 0

(2.1)
D. Morfologi Filterisasi
Pendekatan morfologi mengubah pandangan suatu
citra sebagai himpunan. Pemrosesan citra secara
morfologi biasanya dilakukan terhadap citra biner (hanya
terdiri dari 0 dan 1). Pemrosesan citra secara morfologi
dilakukan dengan cara melewatkan sebuah structuring
element terhadap sebuah citra dengan cara yang hampir
Gambar 3.1 Desain Mekanik Robot
sama dengan konvolusi. Beberapa operasi morfologi
yang dibahas dibawah ini adalah erosi dan dilasi. B. Sistem Elektrikal
Komponen-komponen pengontrol robot yang
1) Erosi digunakan pada robot ditunjukkan pada gambar 3.2
Erosi merupakan proses penghapusan titik-titik
batas objek menjadi bagian dari latar, berdasarkan 20
structuring element yang digunakan. Pada operasi ini, 1 19 2
Webcam Camera
ukuran obyek diperkecil dengan mengikis sekeliling 3 4
objek [7]. Cara yang dapat dilakukan ada 2: 5 6
 Dengan mengubah semua titik batas menjadi titik latar Mini PC Servo Controller 9
11 12
10
 Dengan mengatur semua titik di sekeliling titik latar 13 14
menjadi titik latar.

17 15 16 18
2) Dilasi
Dilasi merupakan proses penggabungan titik-titik
Gambar 3.2 Diagram Elektrikal Robot
latar menjadi bagian dari objek, berdasarkan structuring
element yang digunakan[7]. Proses ini adalah kebalikan
dari erosi, yaitu merubah latar disekeliling objek menjadi C. Sistem Deteksi
bagian dari objek tersebut. Terdapat 2 cara untuk Pada robot Barelang FC, sistem deteksi bola terbagi
melakukan dilasi ini, yaitu: dalam proses deteksi bola berdasarkan warna dan
 Dengan cara mengubah semua titik latar yang pengenalan bola dapat digambarkan pada diagram blok
bertetangga dengan titik batas menjadi titik obyek, atau sistem seperti pada gambar 3.3
lebih mudah dalam mengatur setiap titik yang
tetangganya adalah titik obyek menjadi titik obyek.
 Dengan mengubah semua titik di sekeliling titik batas
menjadi titik obyek, atau lebih mudah dalam mengatur
semua titik tetangga sebuah titik obyek menjadi titik
obyek.
3
Sistem Deteksi Bola Tabel 4.1 Hasil Pengujian Sistem Deteksi Bola Oranye
Pengujian Tingkat Keberhasilan Deteksi Bola Tenis Oranye
Kamera
Konversi Citra asli Binarisasi
Erosi Dilasi
Jarak (m) Warna Bola Aktual De te ksi Status
(RGB)  Citra HSV (Thresholding) Oranye Terdeteksi Be rhasil
Merah Tidak Terdeteksi Be rhasil
0.288444
Kuning Terdeteksi Tidak Berhasil
Sistem Pengenalan Bola Biru Tidak Terdeteksi Be rhasil
Oranye Terdeteksi Be rhasil
Merah Terdeteksi Tidak Berhasil
0.576888
Background Kuning Tidak Terdeteksi Be rhasil
Robot mendeteksi objek Bounding Box CV Blob Bola
Lapangan Biru Tidak Terdeteksi Be rhasil
0.865332
Kuning Tidak Terdeteksi Be rhasil
Gambar 3.3 Diagram Blok Sistem Deteksi Robot Biru Tidak Terdeteksi Be rhasil
Penggambilan gambar dari kamera merupakan 1.153776
Biru Tidak Terdeteksi Be rhasil
proses awal. Setelah itu sistem deteksi mendeteksi objek Oranye Terdeteksi Be rhasil
berdasarkan warna yaitu mengubah citra RGB menjadi 1.44222
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
HSV. Kemudian citra di filter terhadap warna bola dan Biru Tidak Terdeteksi Be rhasil
warna lapangan yaitu merupakan proses dari binarisasi. 1.730664
Citra hasil dari ekstraksi binarisasi selanjutnya perlu Biru Tidak Terdeteksi Be rhasil
dilakukan filterisasi morphological. Dengan tujuan untuk Oranye Terdeteksi Be rhasil
2.019108
menghilangkan noise-noise dari gambar dilakukan erosi. Kuning Tidak Terdeteksi Be rhasil
Proses penakanan area objek yang ingin dideteksi Oranye Terdeteksi Be rhasil
merupakan proses filter dari dilasi. 2.307552
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
Agar robot dapat mengenali bola didalam lapangan Biru Tidak Terdeteksi Be rhasil
setelah melalui proses deteksi warna, maka proses 2.595996
selanjutnya ialah identifikasi ciri dari bola. Ukuran bola Biru Tidak Terdeteksi Be rhasil
dan lapangan dibantu menggunakan library cvblob. Oranye Terdeteksi Be rhasil
2.88444
IV. HASIL DAN ANALISA Oranye Terdeteksi Be rhasil
Untuk mendapat hasil dan analisa maka perlu 3.172884
dilakukan beberapa pengujian. Adapun pengujian seperti Oranye Terdeteksi Be rhasil
dibawah ini. 3.461328
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
A. Pengujian sistem deteksi robot 3.749772
Untuk proses pengujian sistem deteksi warna bola Kuning
Biru
Tidak Terdeteksi
Tidak Terdeteksi
Be rhasil
Be rhasil
digunakan 4 buah bola tenis dengan warna merah, kuning, Oranye Terdeteksi Be rhasil
oren dan biru yang diperlihatkan pada gambar 4.1 dalam 4.038216
pengujian bola diletakan dengan jarak yang berbeda dari Oranye Terdeteksi Be rhasil
robot yaitu menggunakan jarak terjauh pada lapangan 4.32666
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
pengujian yang berada pada garis diagonal lapangan. Biru Tidak Terdeteksi Be rhasil
4.615104
4.903548
5.191992
5.480436
Gambar 4.1 Bola Pengujian Sistem Deteksi Warna Merah Tidak Terdeteksi Be rhasil
5.76888
6.057324
6.345768
6.634212
6.922656
4
7.2111
1.730664
Oranye Terdeteksi The
Be rhasil 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th, 2016
2.019108 Politeknik Elektronika Negeri Surabaya, Indonesia
2.307552
2.595996
2.88444
Merah
Kuning
Terdeteksi
Tidak Terdeteksi
Tidak Berhasil
Be rhasil
B. Pengujian sistem pengenalan bola
Biru Tidak Terdeteksi Be rhasil Pengujian ini dilakukan dengan cara meletakkan
3.172884
Merah Terdeteksi Tidak Berhasil bola didalam (gambar4.2), tepi (gambar4.3) dan luar
Biru Tidak Terdeteksi Be rhasil lapangan (gambar 4.4).
3.461328
3.749772
4.038216
4.32666
Gambar 4.2 Bola Pada Tepi Lapangan.
4.615104
4.903548
5.191992
5.480436
5.76888
Kuning Tidak Terdeteksi Be rhasil Gambar 4.3 Bola Pada Luar Lapangan.
6.057324
6.345768
6.634212
6.922656
Biru Tidak Terdeteksi Be rhasil Gambar 4.4 Bola Pada Dalam Lapangan.
7.2111
Merah Tidak Terdeteksi Be rhasil Dalam pengenalan bola didalam lapangan
memanfaatkan algoritma koordinat bola yang berada
didalam koordinat lapangan. Sehingga berdasarkan
Berdasarkan Tabel 4.1 dapat dilihat bahwa gambar diatas dapat dilihat bahwa sistem pengenalan bola
persentase keberhasilan dari sistem pendeteksian bola dapat mengenali bola yang berada dalam lapangan.
tenis oranye ini sebesar 84% dari persentase keseluruhan
sebesar 100% V. KESIMPULAN
Pada penelitian sistem deteksi bola berdasarkan
warna bola dan background warna lapangan, diperoleh
84% tingkat keberhasilan pada proses deteksi
menggunakan ekstrasi warna HSV pada bola,
penyebabnya adalah nilai spektrum antara warna merah
dan oren yang dekat. Proses deteksi pada sistem ini
memiliki proses yang cepat dan real time.
5
VI. DAFTAR PUSTAKA [7] Gentang Syabba Nahla, “Tracking Bola Menggunakan Robotino”
Buku Tugas Akhir Diploma IV, Jurusan Teknik Informatika,
[1] Calvinsan Pratama Dewangga, “Sistem Deteksi Bola, Gawang, Politeknik Elektronika Negeri Surabaya, 2010.
Dan Kostum Pada Robot Barelang FC Menggunakan Machine
Vision”, Buku Tugas Akhir Diploma IV, Jurusan Mekatronika,
Politeknik Negeri Batam, 2014. VII. BIOGRAPHY
[2] Muhammad Anwar Ma’sum, Dean Zaka Hidayat, “Optimasi Hanjaya Mandala lahir di Batam,
Pencarian Objek Bola Pada Robot Soccer Humanoid
Menggunakan Metode Hough Transform”. Indonesian
Kepulauan Riau pada tanggal 17
Symposium on Robot Soccer Competition. 2013. november 1995. Sekarang sedang
[3] Dhiemas, R.Y.S. 2011.“Pencarian Posisi Robot: Studi Kasus menjalani perkuliahan pada semester 6 di
Pencarian Sumber Kebocoran Politeknik Negeri Batam. Sejak tahun
Gas”.(Online).(http://jiki.cs.ui.ac.id/index.php/jiki/article/downlo 2014 aktif dalam tim robot Politeknik
ad/39/44). Diakses Tanggal 17 April 2016 Negeri Batam. Pernah mengikuti kontes
[4] Kadir, Abdul, “Teori dan Aplikasi Pengolahan Citra.”, Andi, robot regional dan nasional pada tahun
Yogyakarta, 2013. 2014 dan 2015 di divisi KRPAI beroda
[5] Purnomo, Mauridhi Hery dan Muntasa, Arif, “Konsep
Pengolahan Citra Digital dan Ekstraksi Fitur”, Edisi Pertama, dan kontes robot sepak bola Indonesia.
Graha Ilmu, Yogyakarta, 2010.
[6] Soebakthi, Hendawan. “Pengembangan Sistem Navigasi Natural
Landmark-Based pada Security Mobile Robot”. M.T. Tesis.
Institut Teknologi Sepuluh November. Surabaya. 2012.
6
Pemrograman Socket Untuk Koneksi Abtara

Raspberry Pi Dengan Referee Box
Fahriza Azwar Muhammad, Rizky Arif Windiarto, Yuridi Bintang Pratama
Abstract – Raspberry yang juga sering disingkat Raspi referee box ini digunakan wifi ke masing masing robot,
adalah mini pc buatan dari Raspberry Fondation yang berada referee box mengirimkan paket paket data yang harus di
di Britania Raya. Ada fitur wifi yang dapat dimanipulasi terjemahkan oleh robot sebagai perintah dari wasit. Paket
kemampuannya, atau di program untuk melakukan sesuatu.
data untuk mulai kick off akan berbeda dengan paket data
Contohnya untuk menterjemahkan data paket dari referee box
wasit. Bahasa yang digunakan adalah python dengan fitur perintah pick up, sehingga robot harus bisa
pemrograman socket, dengan cara mendengarkan aliran data membedakannya, oleh karena itu menggunakan
dari dari wifi referee box yang dikirim ke raspberry. Data yang pemrograman socket. Pada penelitian ini yang menjadi
didapat adalah sebesar 116 byte dengan default tipe data pokok pembahasan adalah bagaimana robot dapat
string, lalu lalu diubah menjadi bilangan ASCII yang setelah menerima perintah dan membedakan perintah dari
itu diparsing menjadi bilangan integer, setelah itu di pilah
perangkat pertandingan.
datanya sehingga mendapatkan perintah yang di maksud oleh
referee box
Kata Kunci – Raspberry, Referee Box, Wifi, pemrograman II. GAMBAR AN APLIKASI REFEREE BOX
socket Dengan aplikasi ini kita dapat mengetahui bentuk
data yang dikirimkan oleh referee box dan membuat
I. PENDAHULUAN program untuk memilah-milah datanya. Aplikasi Game
D
alam rangka meningkatkan kreatifitas anak Controller akan mengirimkan data sebanyak 116 byte
bangsa, khususnya mahasiswa, direktorat data yang setiap byte memiliki rentang nilai 0-255. Dari
jendral pendidikan tinggi (dikti) mengadakan data tersebut kita bisa mengetahui kondisi permainan,
kontes robot cerdas Indonesia, pada tahu 2016 seperti: jumlah score, warna tim, nomor tim, waktu
KRCI dibagi menjadi 6 difisi, yaitu Kontes pertandingan, warna gawang, state permainan(init, ready,
robot pemadam api Indonesia beroda, kontes robot set, play, finish), dll.
pemadam api indoesia berkaki, kontes robot seni Berikut adalah aplikasi sitem pada game controller
Indonesia, kontes robot sepak bola, eksebisi robot sepak yang digunakan pada tahun 2013, pada aplikasi tersebut
bola beroda, kontes robot aburobocon Indonesia. terdapat berbagai tombol seperti ready, service, pick up.
KRSBI adalah Liga Sepak Bola Robot Humanoid Sehingga robot harus bisa membedakan perintah satu
(RoboSoccer Humanaoid League) yang mengacu pada dengan yang lainnya.
cita-cita organisasi RoboCup International, yaitu tahun
2050 mampu mencetak tim sepak bola robot yang mampu
melawan tim juara dunia sepak bola. [1]
ERSB merupakan divisi terbaru pada KRI yang
mulai diperkenalkan pada ekshibisi di KRI 2016 Tingkat
Nasional. Aturan kompetisi mengacu pada KRSBI
(lapangan, permainan, game controller). Robot harus
memiliki kamera untuk mendeteksi bola, dengan jumlah
dan tipe yang tidak dibatasi. Robot dapat menggunakan
komputer luar sebagai pengendali. [2]
Pada dua jenis kontes robot tersebut, digunakan
referee box yang sudah disiapkan dari perangkat Gambar 1. Aplikasi Referee Box
pertandingan untuk mengatur jalannya pertandingan.
Referee box adalah game controller yang digunakan wasit III. PAKET DATA
untuk mengontrol pertandingan, seperti pertandingan
akan di mulai kapan, score berapa, robot ingin diangkut Pengiriman data pada game controller yang dikirim
untuk mendapat perbaikan atau sering disebut dengan adalah data dalam bentuk paket-paket yang kemudian
pick up, pelanggaran, dan pinalti. Dari komunikasi diterima oleh raspberry pi dengan bahasa python, data
7
yang diterima sebesar 116byte. Secara default paket yang pesan yang berurutan dimulai dari pesan 1, pesan 2, dan
diterima oleh bahasa python akan diubah dalam bentuk terakhir pesan 3. Bisa saja pesan 2 terlebih dulu diterima,
string seperti gambar 2. menyusul pesan-pesan yang lain, atau berbagai
kemungkinan lainnya. Bahkan, terjadi pesan yang
dikirimkan tidak sampai ke penerima karena kegagalan
Pengiriman paket data.
Gambar 4. Pemrograman socket untuk listen data
Pada Gambar 5 pertama yang harus kita buat adalah

instansiasi object socket, lalu Setelah socket berhasil
dibuat, maka Python akan mengembalikan sebuah socket
descriptor. Sebelum digunakan, maka socket harus
diikatkan (binding) ke alamat dan nomor port yang sesuai
dengan method bind(address) agar proses lain dapat
Gambar 2. Paket data asli yang diterima oleh raspberry ditujukan ke socket.
Setelah diterima data diubah ke dalam bentuk ASCII
agar mudah di dibaca dan dapat diproses dengan baik.
Setelah itu data akan muncul seperti gambar 3
Gambar 5 program mengubah string menjadi ASCII
Lalu setelah itu dirubmenjadi bilangan ASCII
menggunakan bahasa python seperti Gambar 5 diatas
V. HASILNYA
Setelah diterima paket datanya dan diolah, maka
ditemukan bahwa data kick off pada byre 11, nomor tim
adalah byte 20 untuk team biru, dan 68 pada tam merah.
Gambar 3. Paket data yang sudah diubah menjadi

ASCII
IV. PEMROGRAMAN SOCKET BAHASA

PYTHON
Pengertian socket adalah interface pada jaringan
yang menjadi titik komunikasi antarmesin pada Internet
Protocol, dan tentunya tanpa komunikasi ini, tidak akan
ada pertukaran data dan informasi jaringan.
Pemrograman socket adalah cara untuk menggunakan
Gambar 6 Hasil data dari initial blue kick off
komponen/API (Application Programming Interface)
socket untuk membuat sebuah aplikasi.[3] Dapat dilihat pada byte ke 11 berisi nilai 1 bahwa itu
Contohnya jika aplikasi socket pengirim pada team biru, byte 12 berisi nilai 0 yang bertanda bahwa
mengirimkan berturutturut pesan 1, pesan 2, dan pesan 3, team biru yang memulai kick off pada nantinya
maka aplikasi socket penerima belum tentu mendapatkan
8
VI. KESIMPULAN
Pada proses pengiriman data dari referee box
melalui wifi, data yang dikirim berupa data string yang
harus diubah menjadi ASCII, lalu diubah lagi menjadi
bilangan integer sehingga mudah untuk dibaca dan
dibedakan perintah-perintah yang di inginkan
VII. PUSTAKA
[1] Politeknik Elektronika Negeri Surabaya. (2016).
“KRSBI 2016”. Diakses pada tanggal 5 Mei 2016, dari
ISRSC 2016 : kri2016.pens.ac.id/krsbi
Gambar 7 Hasil data dari initial red kick off
[2] Politeknik Elektronika Negeri Surabaya. (2016).
Hampir sama pada Gambar sebelumnya hanya saja “ERSB 2016”. Diakses pada tanggal 5 Mei 2016, dari
pada byte 12 bernilai satu yang bertanad bahwa team ISRSC 2016: kri2016.pens.ac.id/ersb
merah yang memulai kick off
[3] SISJARKOM, Laboraturium. Modul praktikum
jaringan komputer. Laboraturium Sistem Operasi dan
Jaringan Komputer. 2015. Jurusan Teknik Informatika
Fakultas Teknologi Industri Universitas Islam Indonesia
[4] Pemrograman Socket. (2012). “PEMROGRAMAN
SOCKET). Diakses pada tanggal 21 Mei 2016, dari:
http://edwincool07.blogspot.co.id/2012/03/pemrograman
-socket.html
[5] Pemrograman Socket. (2011). “Berkenalan Dengan
Socket Programming”. Diakses pada tanggal 21 Mei
2016, dari:
http://10108262.blog.unikom.ac.id/berkenalan-
dengan.2zx
Gambar 8 Gambar hasil data state play
VIII. BIOGRAFI
Pada Gambar diatas menunjukan bahwa pada byte
sembilan bernilai tiga, yaitu game sedang berlangsung. Fahriza Azwar Muhammad lahir di kudus
19 Mei 1995, merupakan mahasiswa
teknik elektro angkatan 2013. Dia juga
menjadi anggota team kontes robot Abu
Robocon Indonesia pada tahun 2015 dan
2016.
Rizky Arif Windiarto lahir diwonosobo 22

September 1993, merupakan Asistan
Laboraturium Sistem Operasi dan Jaringan
Komputer Universitas Islam Indonesia
periode 2013-2015, dan dia merupakan
anggota studi klub Informatika Robotika.
Gambar 9 Gambar dari score

Pada byte ke 25 dan 27 menunjukan berapa score Yuridi Bintang Pratama lahir di Sleman 03
yang sedang berlangsung, pada byte ke 25 menunjukan November 1993, merupakan mahasiswa
Teknik Informatika Universitas Islam
bahwa score team merah itu dua dan pada byte 27
Indonesia, anggota KRPAI beroda pada
menunjukan score team biru 25.
tahun 2013 dan 2015.
9
Sistem Keseimbangan pada Tubuh Robot

Humanoid R2C-R9 Berbasis Kontrol PID
Novembri Priyadmaji Widi Nugroho
Fakultas Teknik Elektronika dan Sistem Komputer
Universitas Kristen Satya Wacana
Jln. Diponegoro 52-60, Salatiga 50711 Jawa Tengah
Telp.: (0298)326-421212 mail: fetk@adm.uksw.edu, novembri.priyadmajiwidinugroho@gmail.com.
Abstract – Pada paper ini akan dijelaskan mengenai hasil

riset terhadap robot humanoid R2C-R9 untuk KRSBI 2016. Kontrol PID (Proportional Integral Derivative)
Perubahan pada peraturan pertandingan berupa merupakan salah satu sistem kendali dengan umpan balik
perubahan pada lapangan yang terbuat dari rumput
tertutup[1]. Kontrol PID memiliki tiga buah parameter
buatan. Dengan mengimplementasikan kontrol PID
(Proportional Integral Derivative) untuk menjaga yang mengatur respon dari sistem yaitu: Kp, Ki, dan Kd,
keseimbangan tubuh robot saat berjalan pada rumput setiap parameter mengatur bagaimana penguatan, waktu
sintetis. respon terhadap sistem. Kontrol PID bekerja sesuai besar
nilai error terhadap set point pada sistem.
I. PENDAHULUAN Pendulum terbalik merupakan pendulum yang
memiliki pusat massa (CoM) yang berada di atas titik
P
ada tahun 2016, peraturan KRSBI mengalami
perubahan dalam hal lapangan yang terbuat dari pergerakan. Robot humanoid memiliki ciri-ciri seperti
rumput buatan. Kesulitan yang dihadapi oleh robot pendulum terbalik yaitu memiliki pusat massa pada tubuh
adalah permukaan rumput buatan yang tidak rata bagian atas dan titik pergerakan pada kaki bagian bawah
sehingga membuat robot sering terjatuh saat berjalan robot. Penanalogian robot sebagai pendulum terbalik
diatas rumput buatan. Untuk mengatasi masalah tersebut digunakan untuk mendapat nilai error dari kemiringan
maka dibutuhkan sebuah sistem kontrol keseimbangan tubuh robot, pembacaaan kemiringan didapat dari
robot untuk membantu gerakan robot dalam berjalan. Di pembacaan nilai accelerometer dan gyroscope. Sudut
dalam paper ini dirancang sebuah sistem keseimbangan kemiringan θ yang didapat digunakan sebagai nilai error
robot dengan menerapkan kontrol PID pada robot pada PID.
humanoid berdasarkan umpan balik dari sensor Inertial
Meaasurement Unit (IMU), umpan balik tersebut berupa
posisi kemiringan robot ditinjau dari pusat masanya.
Kemiringan robot tersebut kemudian direspon dengan
menggerakkan servo pada kaki robot untuk
mengembalikan posisi pusat masa robot ke titik
seimbang. Sensor yang digunakan adalah CMPS11, yaitu
modul sensor yang terdiri dari 3 axis accelerometer, 3
axis gyroscope, dan 3 axis magnetometer.
a b
II. TEORI PENUNJANG
Gambar 2, letak pusat massa robot [a], kemiringan
pusat massa robot [b].
Menjelaskan Gambar 2, gambar [2a] adalah gambar

saat robot pada posisi standby atau posisi berdiri diam,
dan gambar [2b] saat robot mengalami kemiringan pusat
massa sebesar θ.
III. STRATEGI ANKLE DAN STRATEGI PINGGUL

Gambar 1, Blok Diagram Kontroler PID. Strategi ankle merupakan strategi memperbaiki
postur tubuh robot dengan menggerakan ankle robot
10
melawan arah kemiringan pusat massa robot untuk

mengembalikan posisi pusat massa robot ke posisi set Ankle servo = servo value + PID (3)
point [2].
Strategi pinggul merupakan pengembangan dari Persamaan 2 dan persamaan 3 merupakan
ankle, strategi pinggul menggunakan ankle dan pinggul persamaan untuk memberi nilai offset pada servo Hip dan
robot untuk mempertahankan pusat massa robot berada Ankle yang diperoleh dari hasil perhitungan PID. Nilai
pada set point. offset nantinya akan ditambahkan pada perhitungan akhir
pada inverse kinematic seperti pada Gambar 4.
Perhitungan PID dilakukan pada dua axis yaitu: pitch dan
roll dari robot.
V. PENGUJIAN
Pada bagian pengujian telah dilakukan pengujian
terhadap sensor, hasil nilai perhitungan PID dan
a. pengujian alat setelah sistem diimplementasikan. Berikut
adalah gambar grafik pengukuran nilai respon sistem.
b. Pengujian dilakukan dengan cara menjalankan maju robot
sejauh dua meter pada rumput buatan. Perlu diketahui
Gambar 3, kemiringan pusat massa robot[a], strategi bahwa nilai awal dari accelerometer pitch saat robot
pinggul[b] berada pada posisi standby atau berdiri diam memiliki
nilai sebesar 15 derajat, nilai tersebut digunakan sebagai
Menjelaskan Gambar 3, saat robot mengalami nilai set point pada perhitungan PID.
kemiringan pusat massa robot [3a] berpindah dengan Pada pengujian ini nilai koefisien dari PID didapat
kemiringan sebersar θ akibat gaya yang digambarkan oleh dengan metode tuning Trial and Error, dengan cara
panah biru, menggunakan strategi pinggul [3b] ankle mengengatur ketiga parameter yaitu Kp, Ki, Kd bernilai
mendorong tubuh robot melawan arah kemiringan robot 0 pada saat awal, lalu menaikan nilai Kp yaitu nilai
dan pinggul robot membantu mengarahkan pusat massa penguatan untuk Proportional controller sampai
ke arah set point. Nilai untuk menggerakan servo bagian menunjukan respon yang sesuai dengan yang diinginkan.
ankle dan pinggul didapat dari nilai offset yang didapat Jika masih terjadi osilasi yang cukup parah maka dinaikan
dari hasil perhitungan PID. nilai Kd secara pelahan untuk mengatasi kondisi transient
hingga mendapat respon sistem yang cukup stabil.
IV. PERANCANGAN SISTEM Berikut didapat nilai-nilai koefisien untuk setiap
parameter PID melakukan dengan menggunakan metode
tuning Trial and Error sehingga didapat respon yang
stabil dengan data sebagai berikut :
- Parameter Kp =7
- Parameter Ki =0
- Parameter Kd = 20
- Waktu cuplik = 0.5 ms
Gambar 4, Blok Diagram Kontroler PID pada robot

humanoid R2C-R9.
error = set point - θ (1)
Persamaan 1 adalah persamaan untuk mendapat nilai

error yang akan digunakan pada perhitungan PID, dengan Gambar 5.1, grafik nilai accelerometer pitch (derajat)
nilai set point yang telah ditentukan sebelumnya . saat pengujian berjalan maju sejauh 2 meter.
HIP servo = servo value + PID (2)
11
Tabel 1
Percobaan berjalan pada rumput buatan sejauh dua
meter.
Percobaan Balancing OFF Balancing ON
1 jerjatuh tidak jatuh
2 terjatuh tidak jatuh
3 tidak jatuh tidak jatuh
Gambar 5.1, grafik nilai gyroscope pitch (rad/s) saat 4 terjatuh tidak jatuh
pengujian berjalan maju sejauh 2 meter. 5 terjatuh tidak jatuh
6 terjatuh tidak jatuh
Setelah melakukan pengujian terhadap 7 terjatuh tidak jatuh
pengiplementasian sistem terhadap robot dengan cara 8 terjatuh tidak jatuh
menjalankan robot berjalan maju sejauh 2 meter pada 9 terjatuh tidak jatuh
rumput buatan, terlihat respon sistem pada robot yang 10 terjatuh tidak jatuh
dilihat melalui nilai accelerometer pitch gambar 5.1 dan
gyroscope pitch gambar 5.2, robot terlihat berusaha Pengujian dilakukan sebanyak 10 kali dengan cara
mengembalikan posisi pusat massa yang miring menuju menjalankan robot pada rumput buatan sejauh 2 meter,
set point seperti terlihat pada gambar 5.1. pengujian dilakukan dengan membandingkan saat sistem
keseimbangan robot dinonaktifkan dan saat sistem
keseimbangan robot diaktifkan. Data percobaan terdapat
pada Tabel1.
VI. KESIMPULAN
Setelah melakukan tahap perancangan sistem dan
dilanjutkan dengan tahap pengujian dan analisa maka
dapat diambil kesimpulan sebagai berikut :
 Sistem kestabilan pada robot dapat menjaga robot
Gambar 5.2, grafik nilai accelerometer pitch saat agar tidak terjatuh saat berjalan dipermukaan yang
pengujian berjalan maju sejauh 2 meter. tidak rata.
 Meskipun robot dapat berjalan pada rumput buatan
Menjelaskan Gambar 5.2 perbandingan respon tanpa terjatuh, robot masih mengalami osilasi pada
sistem saat pengujian robot berjalan maju sejauh dua tubuh robot, robot tidak dapat diam tepat pada nilai
meter pada rumput buatan. Garis warna merah yaitu set point yang telah ditentukan.
grafik dengan sistem keseimbangan robot yang
dinonaktifkan sedangkan garis warna biru yaitu grafik VII. DAFTAR PUSTAKA
dengan sistem keseimbangan yang diaktifkan, perbedaa [1] T. O. The and S. Section, “PID Control,” no. February, pp.
saat sistem keseimbangan dinonaktifkan dan saat 30–31, 2006.
diaktifkan yang ditandai kotak biru menunjukan robot [2] S. Yi, S. G. Mcgill, B. Zhang, D. Hong, and D. D. Lee,
“Active Stabilization of a Humanoid Robot for Real-Time
terjatuh saat sistem keseimbangan dinonaktifkan yang Imitation of a Human Operator,” pp. 761–766, 2012.
dilihat dari nilai kemiringan robot berdasarkan nilai [3] S. Yi, B. Zhang, D. Hong, and D. D. Lee, “Learning Full Body
accelerometer pitch. Push Recovery Control for Small Humanoid Robots,” pp.
2047–2052, 2011.
[4] K. A. Tehrani and A. Mpanda, “PID Control Theory,” no. 1,
1939.
VIII. BIOGRAFI
Novembri Priyadmaji Widi Nugroho seorang
mahasiswa yang menempuh pendidikan Strata-1 di
Fakultas Teknik Elektronika dan Sistem Komputer
program studi Teknik elektronika konsentrasi Teknik
Instrumentasi Universitas Kristen Satya Wacana Salatiga
Tertarik pada bidang robotika, dan sistem embedded.
12
Three-wheeled Omnidirectional Robot Controller

Implementation
G. A. H. Pawitan, K. Mutijarsa, W. Adiprawita
Abstract – This paper presents a controller design and its MATLAB® SIMULINK® to obtain a controlled actuator
implementation for an omnidirectional robot. Due to the plant with the desired specification. The whole system is
holonomic nature of an omnidirectional robot, the mobile then simulated on MATLAB® SIMULINK® and
robot are able to follow any planned trajectory. The path are
implemented in hardware.
calculated on the world frame and then transformed using
inverse kinematic to each of the mobile robot motor speed.
Therefore a kinematic model for the robot are derived and II. MOBILE ROBOT PLATFORM
a PID controller is utilized to control the speed of each A. Robot Architecture
actuator. MATLAB® System Identification Tools® is used
The mobile robot platform used in this work have 3
to identify the transfer function of each actuator and then
simulated using the MATLAB® SIMULINK® platform to actuators mounted 120° apart each equipped with a 4 inch
design a suitable PID control. omnidirectional wheel. The base of the robot took a
Index Terms— Mobile Robot, Omnidirectional, Kinematics triangle shape which is made from a machined 3mm thick
Model, PID Speed Control. aluminum plate with a diameter of 38cm. With all its
component mounted, the weight of the robot is about 2kg.
I. INTRODUCTION The kinematic structure and the hardware construction of
O mnidirectional mobile robot is a robot that is able to

move to any direction without any reorientation[1].
Therefore these type of robot is suitable to perform tasks
the robot is shown in Fig. 1.
in tight and complex spaces. Their1 manuverability is due

to the use of omnidirectional wheel that is capable to slide
parallel to the rotor axis whilst retaining their traction
normal to the rotor axis. This makes omnidirectional
robot to perform better than non-holonomic robot in
dynamic environment aplications, for example, in the
Ekshibisi Robot Sepak Bola Beroda of Kontes Robot
Indonesia (KRI).
The robot used in this work is a three-wheeled
omnidirectional mobile robot which is designed for two
dimensional motions. Robot location are represented by
(x,y) coordinates and the orientation of the robot is
specified by the angle of rotation (phi). This robot is able
to control the three degree of freedom ( x, y, phi )
independently by controlling each actuators. With invers
kinematic, the speed of each actuators can be derived
from the trajectory of the robot.
In this paper, the kinematic model of the constructed
robot is derived along with the transfer function of each
actuator used.The kinematic model will be the base of the Fig. 1. The designed mechanical structure of the robot (left) and the
kinematic structure of the robot (right)
invers kinematik algorithm while the transfer function is
used to calculate the PID constant. Calculation of the PID The platform itself consist of 3 DC motors equipped
constant is done using the PID Tuning toolbox in
This work was supported in part by the Institut Teknologi Bandung Bandung, Bandung, West Java 40132 Indonesia (e-mail:
Student Organization. arif.pawitan@gmail.com).
G. A. H. Pawitan is with Autonomous Vehicle Research Group,
School of Electrical Engineering and Informatics, Institut Teknologi
13
with a microcontroller for each motor, a master coordinates share the same origin point but the moving
microcontroller that communicate with I2C, a single coordinates rotate with the robot. The angle of the moving
board computers as the main controller, and a lithium coordinates with respect to the world coordinates is
polymer battery. For feedback purpose, the motor used represented as phi. 𝐹𝑇 is defined as the traction force of
for the robot each are equipped with two encoder counting the ground on the wheel where the positive direction is as
1920 pulse/turn. The two encoder is 90° out of phase so it shown in the figure.
is possible to tell the direction by observing the transition The relationship between the traction forces with the
of each encoder. force of the moving coordinate can be expressed as
𝑚 𝑚
The platform have a three-level control architecture. 𝐹 = 𝐵𝐹𝑇 where 𝐹 = [𝐹𝑚𝑥 𝐹𝑚𝑦 𝐹𝑇𝑧 ]𝑇 , 𝐹𝑇 =
The main control is conducted by a single board computer 𝑇
[𝐹𝑇1 𝐹𝑇2 𝐹𝑇3 ] , and B a geometrical matrix defined as [2]:
which is connected to a master microcontroller via serial
communication. The master microcontroller is connected √3 √3
to three slave microcontroller via I2C communication. 0 −
2 2
The block diagram of the control architecture is shown in 𝐵= 1 1 (1)
Fig.2. 1 − −
2 2
The main controller is a Cortex A15 single board [𝐿 𝐿 𝐿 ]
computer working at 2GHz with 2GB of RAM
responsible for trajectory planning and PID control where L is the distance between the wheel and the center
calculation. The Master microcontroller is an Arduino Pro of the robot which is 20cm. The force in the world
Micro working at 16MHz with 2.5KB of RAM coordinate then can be derived as [2]:
responsible for collecting encoder input and sending them
to the main controller while receiving speed control 𝐹 . 𝑋̇ = 𝑚𝐹 𝑇 . 𝑚𝑋̇ = 𝐹𝑇𝑇 . 𝑟 𝑞̇ 𝐿
𝑊 𝑇 𝑤 (2)
instruction from the main controller and send it through where 𝑋̇ = [𝑥̇ 𝑤 𝑦̇𝑤 𝑃ℎ𝑖
𝑤 ̇ 𝑤 ] and 𝑚𝑋̇ = [𝑥̇ 𝑚 𝑦̇𝑚 𝑃ℎ𝑖
̇ 𝑚 ] are
to the right motor. The slave microcontroller is the velocity of the robot in world coordinates and in
responsible to read encoder counts with interrupt, sending moving coordinates respectively. 𝑟𝑞̇ 𝐿 represents the
them to the master on request, and implement the speed velocity of each wheel where 𝑞̇ 𝐿 is the angular velocity of
control instruction received from the master. the wheel defined as 𝑞̇ 𝐿 = [𝑞̇ 3 𝑞̇ 2 𝑞̇ 3 ].
The velocity kinematic equations of the

omnidirectional mobile robot is expressed in world
coordinates as follows [2]:
𝑚
𝑋̇ = (𝐵𝑇 )−1 𝑟𝑞̇ 𝐿 (3)
𝑤
𝑋̇ = 𝑤 𝑚 ̇
𝑚𝑅 𝑋 = 𝑚𝑤
𝑅 (𝐵𝑇 )−1 𝑟𝑞̇ 𝐿 (4)
𝑤
where 𝑚 𝑅 is the rotation matrix which transform each
vector from the moving coordinates to the world
coordinates defined as [2]:
cos(𝑝ℎ𝑖) −sin(𝑝ℎ𝑖) 0
𝑤
𝑚𝑅 = [ sin(𝑝ℎ𝑖) cos(𝑝ℎ𝑖) 0] (5)
0 0 1
Fig. 2. Block Diagram of the Control Architecture
B. Kinematic Model
It can be seen from Fig. 3 that the fixed world
coordinates is represented as 𝑥𝑤 𝑂𝑦𝑤 and the moving
coordinates is represented as 𝑥𝑚 𝑂𝑦𝑚 where both of the
14
sampling time. After optimisation, the plant cannot

satisfy all the specification mentioned above (±0.005s).
The PID that is implemented in the system uses
Backward Euler equation. That equation can be derived
to [3]:
𝑎1 𝑎2 𝑏0
𝑢[𝑘] = − 𝑢[𝑘 − 1] − 𝑢[𝑘 − 2] + 𝑒[𝑘]
𝑎0 𝑎0 𝑎0
(6)
𝑏1 𝑏2
+ 𝑒[𝑘 − 1] + 𝑒[𝑘 − 2]
𝑎0 𝑎0
where u[k] is the plant output with 𝑏0 , 𝑏1 , 𝑏2 , 𝑏0 , 𝑎0 ,

Fig. 3. Block Diagram of the Control Architecture
𝑎1 , and 𝑎2 , respectively are [3]:
C. Obtaining Actuator Transfer Function 𝑏0 = 𝐾𝑝 (1 + 𝑁𝑇𝑠 ) + 𝐾𝑖 𝑇𝑠 (1 + 𝑁𝑇𝑠 ) + 𝐾𝑑 𝑁 (7)

The motor used for the robot is a Pololu 37Dx68L 𝑏1 = −(𝐾𝑝 (2 + 𝑁𝑇𝑠 ) + 𝐾𝑖 𝑇𝑠 + 2𝐾𝑑 𝑁) (8)
mm 12V Gearmotors with a gear ration of 30:1 shown in 𝑏2 = 𝐾𝑝 + 𝐾𝑑 𝑁 (9)
Fig.4. With no load, the motor speed is 360RPM and the 𝑎0 = (1 + 𝑁𝑇𝑠 ) (10)
stall torque at12V is 110 oz-in. This motor is equipped 𝑎1 = −(2 + 𝑁𝑇𝑠 ) (11)
with two encoders, encoder A and encoder B where 𝑎2 = 1 (12)
encoder A is 90° out of phase with encoder B. The
transfer function estimation can be obtained by a series of
step.
First of all, make a program to read the motor
encoder output and store it periodically every 0.01s. In
this step, it doesn’t matter which encoder is being used so
it can be either encoder A or encoder B. Give the motor a
step input and collect its encoder output after for 2-3s. The Fig. 5. PID Control Simulation Block in MATLAB® SIMULINK®
data acquired is then processed with MATLAB® System
Identification Tools®. The system identification was B. System Simulation in MATLAB®
carried out on the motors in the discrete time domain with The simulation of the proposed control system is
a sampling time of 0.01s. done using the MATLAB® SIMULINK® platform. The
simulation block is shown in Fig. 5. There are three major
MATLAB function block that is used for the simulation.
The first block is the path planner, where the line equation
is used as a trajectory. The next one is the invers
kinematic block to transform the trajectory to the speed of
each motor where the motor PID control is already
implemented. The last function block is the forward
Fig. 4. Pololu 37Dx68L mm Gearmotors with Encoder (left) kinematic function. The forward kinematic function is
used to check the output of the controlled system and
III. CONTROL IMPLEMENTATION compare it to the input. The compared result shown in
A. PID Control Design Fig. 6 shows that the system simulated is able to follow
With the transfer function estimation acquired, the the planned trajectory.
PID control can be defined and simulated with
MATLAB® SIMULINK® platform. The simulation
plant of the system is shown in Fig. 5. First the plant
spesification must be present, in this case, the plant must
have an overshot less than 20%, rising time less than
0.01s, and respons time less than 0.01s. The spesification
above is decided with consideration of the encoder
15
Fig. 7. The mobile robot used for hardware implementation
Fig. 5. The system simulation block IV. CONCLUSION

In this work, the implementation of a PID controller
for a three-wheeled omnidirectional mobile robot is
implemented. The mobile robot kinematic model is
derived and the actuator transfer function estimation is
obtained. The proposed control system has been
simulated and then implemented for the robot. The upshot
shows that the mobile robot can be controlled to follow
the inputted trajectory.
V. ACKNOWLEDGMENT
The authors gratefully acknowledge the
contributions of Dr. Kusprasapta Mutijarsa, ST. MT. as
an adviser and preceptor for this work.
VI. REFERENCES
Fig. 6. Simulation result: Planned Trajectory (left) and the forward [1] R. Comasolivas, J. Quevedo, T. Escobet, A. Escobet and J.
kinematic output plot (right) Romera, " Low level control of an omnidirectional mobile robot,"
in Proc. 2015 23rd Mediterranean Conference on Control and
Automation (MED)., pp. 1160-1166.
C. System Implementation in Hardware [2] W. Jianhua, "Dynamic Path Planning of an Omni-Directional
A C language program is made for the hardware robot in a Dynamic Environment," Ph.D. dissertation, Dept. of
implementation of the designed control system. The high Integrated Engineering, Univ. Ohio, Ohio, 2005.
level program will collect the feedback data from the [3] V. Toochinda, "Discrete-time PID Controller Implementation",
Scilab Ninja, 2014. [Online]. Available:
microcontroller and send the computed output via serial http://scilab.ninja/discrete-time-pid-controller-implementation/.
communication. A circle trajectory, the same as in the [Accessed: 11- May- 2016].
simulation, is used for the mobile robot platform test.
The result of the test is the robot are able to move as VII. BIOGRAPHIES
planned in the trajectory with an error less than 10cm
from the desired path. This is due to the slippage of the Gusti Arif Hanifah Pawitan was born in
Bandung, Indonesia, on February 27, 1995. He
wheel that is not calculated to simplify the control design graduated from the Taruna Bakti Senior High
and simulation. The omnidirectional mobile robot used School on 2012, and currently studying at
for the test is shown in Fig.7. Institut Teknologi Bandung.
His organization experience included the
ITB Central Student Union and the Electrical
Engineering Student Union. His special fields
of interest included robotics, automation, and
sustainable energy system.
16
Rancang Bangun Mekanik Penendang Pada Robot

Soccer Beroda Menggunakan Solenoid
Iwan Kurnianto Wibowo, Mochamad Mobed Bachtiar, Rizki Taufik Ulil Albab, Rakhmat Faizal Ajie,
M.Sholahuddin Al-Ayyubi, Agung Pambudi, M. Jauharul Muqorrobin, Zanuar Tri Romadon
Abstract – Mobile Robot Soccer atau robot sepak bola menjalankan fungsinya seperti mencari bola, mencari
beroda adalah robot yang dirancang untuk melakukan gawang, menghindari musuh, mengumpan bola hingga
permainan sepak bola dengan aturan-aturan tertentu menendang bola. Semua fungsi tersebut berjalan secara
seperti permainan sepak bola dengan sistem pergerakan
otomatis berdasarkan control proses di dalam robot.
menggunakan roda. Pada penelitian ini, difokuskan pada
cara robot menendang bola ke gawang. Pada teknik Dalam penelitian ini, difokuskan pada bagaimana
konvensional, robot menendang bola menggunakan plunger robot soccer beroda menendang bola ke arah gawang.
yang digerakkan oleh motor. Penggunaan motor ini Cara konvensional, robot menendang bola dengan
mempunyai keterbatasan yaitu bola hasil tendangan kurang penggerak aktuator berupa motor. Pada saat bola berada
keras dan akurat sehingga bola terkadang tidak mengenai dalam dekapan robot, motor penggerak diputar kencang
sasaran dan dengan mudah diintersepsi oleh robot lawan.
untuk melakukan tendangan. Tendangan seperti ini
Karena kelemahan tersebut, diusulkan sebuah penendang
bola menggunakan kumparan solenoid. Diharapkan dengan memiliki daya dorong yang lemah, karena mungkin
ini bisa menghasilkan tendangan bola yang keras dan beberapa faktor seperti kecepatan motor kurang dan bisa
akurat. Model mekanik baru yang diusulkan ini bisa juga terjadi karena posisi bola yang kurang pas. Sehingga
menghasilkan tendangan lurus dan melambung. Kecepatan hasil tendanganpun terkadang melenceng, tidak lurus
dan tenaga dalam menendang tergantung pada banyaknya tepat sasaran.
tegangan dan arus yang mengalir pada lilitan kumparan
Untuk itu diusulkan sebuah desain mekanik untuk
solenoid. Pada tegangan 235V bola yang ditendang bisa
mencapai kecepatan 7m/s. menendang bola agar lebih akurat menggunakan
Index Terms--Soccer Mobile Robot, Mechanic Kick Design, kumparan solenoid. Desain ini berupa pipa diameter 15
Solenoid. mm dengan panjang 7 cm dimana di tengah pipa tersebut
digulungkan melingkar lilitan tembaga. Di dalam pipa
tersebut ada potongan besi yang berukuran 10 cm dan bisa
I. PENDAHULUAN bergerak bebas. Besi tersebut diletakkan segaris lurus
P ertandingan antara robot dengan tim juara dunia

dalam permainan sepakbola yang diperkirakan
dilaksakan di tahun 2050 adalah cita-cita dari para
dengan pipa. Ketika lilitan tembaga tersebut dialiri listrik,
maka secara otomatis besi tersebut ketarik masuk ke
dalam pipa dan tepat berada di tengah-tengah pipa. Proses
pengembang Robocup. Para peneliti robot soccer ini terus penarikan besi ke dalam pipa ini, bisa dimanfaatkan untuk
melakukan berbagai riset. Pembagian divisi robotpun menjadikan pendorong untuk menendang sebuah bola.
dibagi menjadi 2 yaitu divisi humanoid yang mempunyai Teknik ini mengadopsi coil gun pada permainan tembak-
bentuk seperti manusia dan divisi mobile robot yang tembakan[1][2][5].
mempunyai penggerak berupa motor. Divisi Humanoid Ketika robot akan melakukan tendangan pada bola,
berkonsentrasi dalam membangun sebuah mekanik robot maka kumparan harus dialiri listrik dengan tegangan dan
pemain sepakbola layaknya seperti manusia. Divisi waktu tertentu sehingga solenoid bisa menarik besi yang
Mobile Robot soccer berkonsentrasi pada Artificial dimanfaatkan untuk dorongan pada tendangan. Ketika
Intelligent/AI untuk mengenali pergerakan bola, lawan, proses menendang bola sudah selesai, aliran listrik pada
dan kawan. tembaga bisa dimatikan sehingga posisi besi kembali
Ada banyak kontes robot di Indonesia salah satunya seperti semula. Pada saat proses penarikan besi oleh
adalah Kontes Robot Sepak Bola Indonesia (KRSBI) solenoid, terjadi gaya dorongan yang sangat kuat,
dimana perlombaan kontes robot soccer terbagi dalam dorongan ini bisa membuat sesuatu yang ditabraknya bisa
dua divisi yaitu divisi humanoid dan robot soccer beroda. terlempar jauh. Bila bola diletakkan tepat di depan pipa,
Robot soccer memiliki berbagai kemampuan dalam maka akan terdorong dengan kuat[4].
17
II. DASAR TEORI dari jumlah fluks magnet yang dihasilkan untuk diberikan
A. Robot Soccer arus listrik. Induktansi tergantung dari posisi plunger,
Robot soccer adalah salah satu jenis robot yang plunger digunakan untuk memberikan kekuatan mekanik
mempunyai tugas untuk melakukan permainan sepakbola yang akan digunakan untuk menendang bola.
layaknya manusia. Ada dua jenis robot sepakbola yaitu Gaya yang diterapkan untuk plunger dengan
berupa humanoid dan juga ada yang berupa mobile robot. kumparan sebanding dengan perubahan arus saat ini,
Dalam perkembangannya, robot soccer memiliki daya radius dan panjang kumparan, dll dan akan selalu
tarik tersendiri, sehingga berbagai perlombaan diadakan bergerak membawa plunger dalam arah yang
untuk robot jenis ini seperti KRSBI yang setiap tahun meningkatkan induktansi kumparan. Solenoid memiliki
diadakan di Indonesia dan juga sebagai persiapan untuk waktu yang khas konstan dengan nilai :
mengikuti event internasional RoboCup. Event RoboCup
memiliki cita-cita, yaitu diharapkan pada tahun 2050 τ=L/R
mampu mencetak tim sepak bola robot yang mampu
melawan tim juara dunia sepak bola. KRSBI 2016 Dimana :
mempertandingkan kelas KidSize dengan Rule of the τ = konstanta waktu
Game mengacu pada RoboCup.org.[3] L = induktansi
R = Resistansi listrik dari koil
Konstanta waktu menyebabkan keterlambatan

dalam mengubah dan mematikan kumparan. Dibutuhkan
sekitar 5 kali konstanta waktu untuk ON atau OFF arus
yang diperlukan dalam kumparan.
Gambar 1. Robot Soccer Midle Size

B. Solenoid
Ketika sebuah arus dialirkan ke sebuah kawat
tembaga, akan terbangun medan magnet. Sebuah solenoid
memiliki prinsip ini. Pada gambar 2 ada sebuah banyak
kumparan kawat tembaga, membentuk sebuah coil dan
menghasilkan medan magnet ketika ada arus listrik yang
Gambar 3. Time Konstan pada Solenoid
mengalir[2].
C. Optimization
Untuk merancang solenoid baru, beberapa
parameter yang dipelajari adalah tentang karakteristik
komponen- komponen itu sendiri, seperti Plunger, Shield
dan Coil. [2]
Gambar 2. Prinsip kerja solenoid

Gambar 4. Komponen-komponen Solenoid
Sebuah solenoid elektromekanik ditemukan
menjadi solusi yang paling optimal untuk mekanisme Panjang Plunger : Semakin panjang plunger akan
penembakan [1]. Solenoid elektromekanis terdiri dari semakin memakan energi untuk menggerakkannya.
sebuah kumparan di sekitar baja atau besi yang bergerak, Bahan Plunger : Tiga bahan yang paling yang menarik
disebut plunger. Bentuk coil memungkinkan plunger untuk digunakan untuk solenoid: Supermalloy,Silicon
untuk bergerak masuk dan keluar dari pusat. Ini Core Iron and Carpenter Electrical Iron.
mengubah kumparan induktansi, yang merupakan ukuran Shield : Bahan perisai/Pipa pelindung plunger yang
18
terbaik adalah Supermalloy, Silicon Core Iron and

Carpenter Electrical Iron.
Jumlah putaran coil: Ketika menambahkan lebih
panjang atau radius atau keduanya akan meningkatkan
energy yang dihasilkan.
Jumlah lapisan : Semakin banyak lapisan yang dililitkan
akan semakin banyak menghasilkan energi kinetik untuk
menarik plunger.
Panjang Lilitan Coil : Dalam mebuat lilitan koil ada dua
Gambar 6. Desain aktuator solenoid penendang
cara, yang pertama dengan hanya 2 lapis lilitan dengan
panjang kawat tembaga terserah. Yang kedua Spesifikasi teknis kumparan solenoid adalah
menggunakan berlapis-lapis lilitan tetapi lebarnya dijaga.  Diameter kawat : 0.55mm
Cara kedua biasanya dipilih. Akan tetapi semakin panjang  Jumlah layer : 17
lilitan maka waktu konstan solenoidpun akan semakin  Panjang : 70mm
lama, karena L dan R akan semakin besar.  Diameter pipa dalam : 15mm
Ketebalan kawat : Sebenarnya ketebalan kawat kurang  Diameter plunger besi : 14.5mm
berpengaruh pada solenoid, hanya saja semakin tebal
kawat akan menurunkan resistansi dari kawat itu sendiri. Kawat dililit dengan rapi dan rata. Untuk
menghindari lilitan terurai, maka setiap layer diolesi resin
III. DESAIN SISTEM agar lilitan kuat. Jarak antara solenoid dan punger besi
A. Desain Robot dirancang tidak terlalu jauh. Semakin dekat jarak antara
Desain mekanik penendang robot soccer beroda keduanya, maka semakin kuat daya tarikan medan
ditunjukkan pada gambar 5. Penendang berada pada maganetnya.
bagian depan robot. Penendang mempunyai dua
mekanisme tendangan yaitu tendangan mendatar dan B. Pengendali Tenaga Tendangan
tendangan lambung. Untuk menghasilkan suatu Tenaga tendangan dikendalikan dengan cara
tendangan mendatar, maka robot menggunakan mekanik mengatur berapa besar tegangan yang diberikan ke
penendang bagian dalam. Sedangkan untuk memperoleh solenoid dan berapa lama solenoid aktif. Untuk itu
hasil tendangan melambung, maka digunakanlah dilengkapi sebuah umpan balik berupa nilai tegangan
mekanik bagian luar yang dapat mengangkat bola ketika pada capasitor bank yang dapat dibaca oleh
menendang. mikrokontroler. Tegangan capasitor bank berkisar antara
0-300 V. Semakin besar muatan yang disikan ke capasitor
bank, maka semakin kuat tendangan yang dihasilkan.
Waktu pengaktifan solenoid juga mempengaruhi hasil
tendangan. Tenaga tendangan akan maksimal jika
solenoid diaktifkan dengan lama waktu yang tepat.
Semakin singkat atau semakin lama solenoid aktif, maka
tenaga yang dihasilkan justru berkurang.
On/Off Boost Charge Capasitor 0-300V IGBT

MCU Solenoid
Converter Bank Driver
Gambar 5. Desain mekanik penendang bola
ADC
Voltage
Mekanik solenoid lebih detil ditunjukkan pada Sensor
gambar 6. Motor servo digunakan untuk mengangkat
posisi penendang (memilih tendangan mendatar atau Gambar 7. Pengendali tenaga tendangan bola
melambung). Pada prinsipnya, lilitan tembaga akan
menarik logam besin (as besi) ke arah tengah dengan kuat
jika diberikan catu daya dengan tegangan tinggi. As besi C. Desain Hardware
berbentuk tabung yang dihubungkan ke teflon kotak Untuk menghasilkan medan magnet yang kuat,
sebagai penendang. maka lilitan perlu diberi tegangan yang tinggi dengan arus
yang kuat. Tegangan yang tinggi dihasilkan dari sebuah
19
DC-DC boost converter. Tegangan baterai 12 V dirubah

menjadi hingga tegangan DC maksimal 390 V. Untuk
membantu menghasilkan arus yang kuat, maka perlu
diberikan sebuah capasitor bank. Capasitor menampung
daya yang berasal dari boost converter.
Gambar 10. Desain DC-DC Boost Converter
Gambar 8. Desain hardware solenoid penendang

Sedangkan driver solenoid menggunakan IGBT dengan
kemampuan arus hingga 120A ditunjukkan pada gambar
Awalnya boost converter mengisi capasitor hingga 11. Optocoupler digunakan untuk mengisolasi system
mencapai tegangan tertentu. Selanjutnya tenaga dari digital dengan system driver.
capasitor inilah yang digunakan untuk mencatu solenoid.
Arus kuat akan mampu dialirkan dari capasitor dalam
waktu singkat. Pengisian capasitor membutuhkan waktu
beberapa detik tegantung dari berapa besar nilai
capasitor, resistor R1 dan tentunya juga kemampuan arus
dari boost converter sendiri. Besarnya tegangan hasil
pengisian capasitor dapat dikontrol oleh mikrokontroler.
Pengendalian tegangan ini berdasarkan umpan balik
sensor tegangan yang ditunjukkan pada gambar 9. Gambar 11. Desain driver solenoid
IV. HASIL
Kecepatan bola hasil tendangan menggunakan
solenoid tergantung dari berapa besar tegangan yang
dicatu ke solenoid. Hasilnya ditunjukkan pada gambar 12.
Dalam pengujian dengan alas karpet, dihasilkan
kecepatan bola 7m/s ketika solenoid diberikan tegangan
catu sebesar 235 Volt DC.
Gambar 9. Desain sensor tegangan sebagai umpan balik ke

mikrokontroler
Rancangan DC-DC Boost Converter ditunjukkan
pada gambar 3.6. Boost converter dapat dihidup atau
matikan melalui mikrokontroler. Rangkaian max1771
adalah step-up switching controller yang mampu
memberikan efisiensi hingga 90% pada arus beban 30mA
– 2A.
Gambar 12. Pengaruh tegangan catu solenoid terhadap kecepatan bola

hasil tendangan
Kecepatan bola semakin turun ketika tegangan catu
yang diberikan semakin kecil. Tegangan dibawah 100
Volt DC, menghasilkan tendangan yang tidak cukup kuat.
Diperkirakan masih memungkinkan untuk meningkatkan
20
kecepatan bola hingga 10 m/s dengan cara menaikkan VI. REFERENSI

tegangan catu solenoid hingga 390 Volt DC. Semakin [1] Tilburgs Ruud, “Design and Realization of a solenoid for a
cepat laju bola, maka akan semakin kecil kemungkinan Robocup Kicking Device”, Technische Universiteit Eindhoven :
2006.
bola dapat diblok atau ditangkap oleh robot lawan.
[2] Goach, BPT van, “Optimizing a solenoid for a Robocup Kicker”,
Sebelum menendang, robot perlu mengisi capasitor University Technology Eindhoven, 2006.
bank sampai pada tegangan yang diinginkan. Lama waktu [3] Jones,Nicholas, Michael Hill, Michael Shanahan, Frank wornle,
pengisian capasitor bank ditunjukkan pada gambar 13. “Small Size Soccer robots”, Final Project, University Adelaide,
2005.
Dibutuhkan waktu 6 detik untuk mengisi capasitor bank [4] Kasaei S Hamidreza Mohades, S Mohammad Reza MK, S. Alireza
sampai tegangan 235 Volt. MK,” Design and Implementation Solenoid Based Kicking
Mechanism for Soccer Robot Applied in Robocup-MSL”,
International Journal of Advanced Robotic Systems : 2010.
[5] Wong Ching Chang, Chi Tai Cheng, Hsiang-Min Chan, “Design
and Implementation of an autonomous Robot Soccer System”,
International Journal of Advanced Robotic Systems : 2013.
VII. BIOGRAFI
Iwan Kurnianto Wibowo lahir di Surabaya 30
Desember 1987. Tahun 2010 lulus dari PENS-
ITS dan kemudian lanjut S2 di Teknik Elektro
ITS.
Setelah menyelesaikan studi S2, mengabdikan
diri sebagai dosen Teknik Komputer Di PENS.
Pernah membimbing kontes kapal cepat, dan
Gambar 13. Waktu pengisian capasitor bank sekarang sedang aktif membimbing divisi baru
dalam Kontes Robot Indonesia yaitu Kontes Robot Soccer
Beroda indonesia.
V. PENELITIAN SELANJUTNYA
Mochamad Mobed lahir di Lamongan 17
Penelitian selanjutnya adalah membuat solenoid Februari 1988. Tahun 2011 lulus dari PENS-
berbentuk pipih. Akan dibandingkan hasilnya apakah ITS dan kemudian lanjut S2 di Teknik Elektro
lebih baik atau justru lebih buruk. Dengan bentuk pipih, ITS.
tentunya akan mempermudah peletakkan dan Setelah menyelesaikan studi S2, mengabdikan
diperkirakan dapat mengurangi berat solenoid. diri sebagai dosen Teknik Komputer di PENS.
21
Robot Sepakbola dengan Pencarian dari

Pengolahan Citra OpenCV dan Arduino
Musa Payung, Bayu Saputera
ABSTRAK – Lingkungan yang komplek dan dinamis Ilmu Pengolahan Citra (Image Processing) yang
dalam sebuah kompetisi robot soccer menyebabkan sulit memungkinkan 22sistem dapat melihat seperti manusia.
mendapatkan model tracking dari interaksi lingkungan yang Dengan vision tersebut 22sistem22 dapat mengambil
dihadapi oleh robot. Deteksi objek dan segmentasi adalah
keputusan, melakukan aksi, dan mengenali terhadap suatu
tugas mendasar yang paling penting dan menantang visi
komputer. Ini adalah bagian penting dalam banyak aplikasi objek. Beberapa pengimplementasian dari Computer
seperti pencarian gambar, adegan pemahaman, dll. Namun Vision adalah Face Recognition, Face Detection,
itu masih merupakan masalah terbuka karena untuk variasi Face/Object Tracking, Road Tracking.
dan kompleksitas kelas objek dan latar belakang.Untuk Berdasarkan pada hal tersebut, penelitian ini akan
kontrol yang bersifat reaktif lebih sesuai diterapkan daripada menerapkan menggunakan OpenCV untuk mengatasi
kontrol deliberatif. Pada dasarnya, webcam mengirimkan
masalah pemodelan sistem yang komplek. Dengan
frame video ke Open Computer Vision (OpenCV) berjalan
pada Windows PC. Jika OpenCV mendeteksi objek itu akan demikian diharapkan robot memiliki kemampuan dalam
melacak dan menghitung pusatnya X, Y, R koordinat. hal menggiring bola (dribbling), mengenali objek
Koordinat kemudian diteruskan ke Arduino melalui koneksi (recognize objects), menembakkan bola ke gawang lawan
Bluetooth. Arduino mengontrol pergerakan robot soccer (shooting) dan menghadapi lingkungan yang cukup
dengan bantuan webcam untuk mendeteksi objek berdasrkan dinamis.
warna dan dimensi.
B. Rumusan Masalah
Kata Kunci : Robot Soccer, OpenCV, Tracking OpenCV,
Arduino, Bluetooth, Webcam
Sistem deteksi pada robot soccer mengandalkan
sensor berupa kamera yang terpasang di atas lapangan.
I. PENDAHULUAN Untuk itu masalah pertama yang akan diselesaikan pada
penelitian ini adalah bagaimana mendapatkan informasi
A. Latar Belakang posisi dan orientasi robot dan bola pada lapangan melalui
Robot Soccer merupakan salah satu aplikasi untuk pengolahan citra.
teknik navigasi global, dimana informasi mengenai
Kemudian agar robot dapat berperilaku seperti
lingkungan robot, posisi dan orientasi robot, posisi bola
layaknya pemain sepak bola, maka perlu digunakan
dan posisi lawan ditentukan melalui sistem visi (Kim, OpenCV yang memiliki kemampuan untuk pengolahan
2003). Lingkungan pada robot sepak bola adalah
citra, meliputi mendeteksi objek, mengenali lawan, dan
lingkungan yang dinamis, dimana terdapat robot lawan,
melakukan tembakan (shooting) bola ke gawang lawan.
dan posisi bola yang selalu berubah tiap waktu. Pada Perilaku-perilaku inilah yang nantinya digunakan robot
kasus seperti ini sulit untuk memperoleh model
dalam bernavigasi. Masalah yang akan diselesaikan
matematik yang tepat dari interaksi robot dengan adalah bagaimana memformulasikan masukan bagi
lingkungannya. Meskipun dinamika robot dapat
OpenCV yang dirancang dari informasi posisi dan
dijelaskan secara analitik, namun interaksi robot dengan
orientasi yang didapat melalui pengolahan citra
lingkungan melalui sensor dan aktuator sangat sulit sebelumnya.
diperoleh model matematiknya. Untuk menghadapi
C. Tujuan Penelitian
masalah keterbatasan pengetahuan yang tepat dan Sesuai dengan rumusan masalah yang ada,
lengkap mengenai lingkungan, yang diperlukan adalah
penelitian ini akan menyelesaikan persoalan identifikasi
kendali cerdas dan sistem pembuat keputusan dengan
posisi dan orientasi melalui pengolahan citra dan
kemampuan reasoning pada kondisi tidak tentu dan perancangan OpenCV yang digunakan pada robot soccer,
kemampuan belajar dari pengalaman (Hoffman, 2003).
meliputi mencari target, memngenali lawan dan
Open Computer Vision (OpenCV) merupakan salah
melakukan tembakan ke gawang lawan. Selanjutnya
satu solusi untuk masalah pemodelan di atas. persoalan konflik antar OpenCV akan diselesaikan
OpenCV adalah sebuah Application Programming
dengan merancang koordinasi yang tepat. Hasil
Interface ( API ) Library yang sudah sangat familiar rancangan kemudian disimulasikan dan
pada Pengolahan Citra Computer Vision. Computer
diimplementasikan pada robot sehingga dapat dijadikan
Vision itu sendiri adalah salah satu cabang dari Bidang
sebagai system navigasi robot dalam pertandingan robot
22
soccer.
II. DASAR TEORI

A. Open Computer Vision (OpenCV)
OpenCV adalah suatu library gratis yang
dikembangkan oleh developer-developer Intel
Corporation. Library ini terdiri dari fungsi-fungsi Gambar 2.3 WEB Camera LOGITECH C170
computer vision dan API (Aplication Programming E. Bluetooth Module HC-05
Interface) untuk image processing high level maupun low Bluetooth Module HC-05 merupakan module
level dan sebagai optimasi aplikasi realtime. OpenCV komunikasi nirkabel pada frekuensi 2.4 GHz dengan
sangat disarankan untuk programmer yang akan berkutat pilihan koneksi bisa sebagai slave, ataupun sebagai
pada bidang computer vision, karena library ini mampu master. Sangat mudah digunakan dengan mikrokontroler
menciptakan aplikasi yang handal, kuat dibidang digital untuk membuat aplikasi wireless. Interface yang
vision, dan mempunyai kemampuan yang mirip dengan digunakan adalah serial RXD, TXD, VCC dan GND.
cara pengolahan visual pada manusia. Karena library ini LED sebagai indikator koneksi Bluetooth dengan
bersifat open source, maka dari itu OpenCV tidak dipesan tegangan input antara 3.6 ~ 6V.
khusus untuk pengguna arsitektur Intel, tetapi dapat
dibangun pada hampir semua arsitektur. III. METODE PENELITIAN
B. Visual Studio A. Perancanaan Sistem
Microsoft Visual Studio 2010 merupakan sebuah
Integrated Development Environment (IDE) yang
dikembangkan oleh microsoft. IDE ini mencakup semua
bahasa pemrograman berbasis .NET framework yang
dikembangkan oleh Microsoft. Keunggulan Microsoft
Visual Studio 2010 ini antara lain adalah support untuk
Windows 8, editor baru dengan Windows Presentation
Foundation (WPF), dan banyak peningkatan fitur lainya.
C. Arduino
Arduino adalah pengendali mikro single-board
yang bersifat open-source, yang di turunkan dari wiring
Gambar 3.1. Blok Diagram Sistem
platform, yang di rancang untuk memudahkan
penggunaan elektronik dalam berbagai bidang. B. Algoritma Identifikasi
Hardware-nya memiliki prosessor atmel AVR dan
software-nya memiliki bahasa pemrograman sendiri.
Gambar 2.1 Arduino Uno Gambar 2.2 arduino atmega

2560
D. WEB Camera (Kamera WEB)
Webcam (singkatan dari web dan camera) adalah
sebutan bagi kamera yang gambarnya bisa dilihat secara
real time, program atau aplikasi pemanggilan video dapat
dikelolah dengan cepat,. Webcam juga merupakan sebuah
kamera video digital kecil yang dihubungkan ke
Gambar 3.2 Diagram alir Proses Identifikasi Orientasi dan
komputer melalui USB atau pun COM.
Posisi
23
IV. HASIL PENELITIAN

A. Identifikasi Warna Pada Objek
Dari penelitian ini penulis menggunakan dua warna
yang berbeda yaitu : Biru dan Hijau. Hasil yang di dapat
pada penelitian ini berupa pencitraan objek dan posisi
objek sesuai dengan gambar hasil percobaan di bawah ini.
Gambar 4.3 Koordinat Posisi Sumbu-X dan Sumbu-Y Pada

Objek Warna Hijau
Gambar 4.1 Hasil Pencitraan Treshholded Warna Hijau
Gambar 4.4 Koordinat Posisi Sumbu-X dan Sumbu-Y Pada

Objek Warna Biru
Hasil koodinat posisi yang ditampilkan pada
Gambar 4.3 dan Gambar 4.4 akan digunakan sebagai
sistem navigasi robot untuk mencari posisi bola.
Koordinat posisi tersebut akan dikirim ke mikrokontroler
sebagai pengendali aktuator.
Gambar 4.2 Hasil Pencitraan Treshholded Warna Biru C. Pengenalan Objek dengan Menggunakan
Gambar 4.1 dan Gambar 4.2 merupakan hasil dari Pengolah Citra Digital
Dari hasil identifikasi menggunakan kamera,
identifikasi posisi dan orientasi melalui pengolahan citra
gambar akan di tampilkan dengan aplikasi visual studio.
dan perancangan OpenCV yang digunakan pada robot
Hasil pengenalan tersebut berguna untuk menggerakkan
soccer, meliputi mencari target . Selanjutnya persoalan
motor yang ada pada robot.
konflik antar OpenCV akan diselesaikan dengan
merancang koordinasi yang tepat. Hasil rancangan
kemudian disimulasikan dan diimplementasikan pada
robot sehingga dapat dijadikan sebagai system navigasi
robot dalam pergerakannya.
B. Sistem Navigasi Robot Berdasarkan Posisi Objek
Berdasarkan identifikasi warna pada openCV
didapatkan koordinat posisi objek dalam sumbu-X dan
sumbu-Y. Koordinat posisi objek tersebut dapat dilihat
pada Gambar 4.3 dan Gambar 4.4. Gambar 4.4 Pengenalan Objek
24
V. KESIMPULAN DAN SARAN

A. Kesimpulan
Dari penelitian ini dapat disimpulkan bahwa :
1. Pengaturan Treshhold mempengaruhi
identifikasi warna pada objek.
2. Berdasarkan hasil penelitian di hasilkan
koordinat objek dalam sumbu-X dan sumbu-Y.
Gambar 4.5 Posisi Objek
Hasil koordinat tersebut akan digunakan sebagai
sistem navigasi robot.
B. Saran
Pada penelitian ini kameran yang digunakan untuk
mendekteksi objek memiliki resolusi yang rendah. Hal
tersebur menyebabkan pembacaan objek sering
mengalami gangguan. Pada penelitian selanjutnya di
harapkan menggunakan kamera dengan resolusi yang
lebih tinggi.
VI. DAFTAR PUSTAKA

[1] Boris Vintimilla B., César Villarroel S., Carlos Calderón G.,
Rommel Carrillo C, (2002). Survey On Learning In Multi-Agent
Systems: Robot Soccer, FIRA Robot Congress, Seoul Korea
Gambar 4.6 Pengenalan Objek pada Sumbu-X dan [2] Boris Vintimilla B., César Villarroel S., Carlos Calderón G.,
Rommel Carrillo C, (2002). Survey On Learning In Multi-Agent
Sumbu-Y Systems: Robot Soccer, FIRA Robot Congress, Seoul Korea
[3] Carreras, M. P. Ridao and A. El-Fakdi (2003), Semi-Online
Setelah koordinat x dan y masing-masing robot Neural-Q learning for Real-time Robot Learning, Institute of
ditemukan, maka hasil koordinat tersebut akan dihitung Informatics and Applications, University of Girona.
ulang dengan koordinat x dan y pada bola. Hasil [4] Pitowarno, E. (2006), ROBOTIKA: Desain, Kontrol, dan
Kecerdasan Buatan, Andi Yogyakarta.
koordinat ini akan dikirim ke mikrokontroler melalui
komunikasi serial.
25
Reduksi Noise Pada Sensor Kompas

Menggunakan Kalman Filter
Eko Rudiawan Jamzuri(1), Hendawan Soebhakti(2)
Program Studi Teknik Mekatronika, Jurusan Teknik Elektro
Politeknik Negeri Batam
Email : (1)ekorudiawan@polibatam.ac.id (2)hendawan@polibatam.ac.id
Abstract – Sensor kompas merupakan sensor yang membuat pembacaan sensor kompas menjadi fluktuatif
banyak dipakai pada robot sebagai acuan untuk (noise). Kondisi noise ini akan menimbulkan kesalahan
bernavigasi berdasarkan arah. Pada robot Barelang FC persepsi arah hadap robot dan orientasi gawang.
sensor kompas digunakan sebagai acuan arah hadap robot Dikarenakan pada robot Barelang FC pendeteksian
dan pendeteksian orientasi gawang dengan bantuan orientasi gawang masih menggunakan perpaduan dari
tambahan sensor kamera. Medan magnet lingkungan sensor kamera dan sensor kompas. Berikut ini merupakan
sekitar sangat mempengaruhi hasil pembacaan sensor perbandingan kondisi pembacaan sensor kompas pada
kompas. Terlebih jika sensor kompas dipasangkan pada ketika robot sedang dalam kondisi diam (Gambar 1) dan
robot yang memiliki banyak motor contohnya robot ketika robot dalam keadaan bergerak (Gambar 2).
humanoid. Medan magnet yang berasal dari servo motor
akan mempengaruhi hasil pembacaan sensor kompas.
Pada robot Barelang FC telah diteliti bahwa hasil Data CMPS10 Kondisi Robot Diam
pembacaan sensor kompas pada saat robot diam dan robot 1500
bergerak sangat berbeda. Hasil pembacaan pada saat
Bearing Value
robot bergerak cenderung menimbulkan noise. Sehingga 1300

hal ini mempengaruhi persepsi arah hadap robot dan
pendeteksian orientasi gawang. Pada makalah ini dibahas 1100
solusi untuk mengurangi noise pada sensor kompas
tersebut dengan menggunakan filter kalman. Setelah 900
dilakukan pengujian, penambahan filter kalman dapat 0 50 100 150 200 250 300
mengurangi noise pada data pembacaan sensor atau hasil Sample
pembacaan terihat lebih smooth.
Kata Kunci — kalman filter, sensor kompas, reduksi Gambar 1. Hasil pembacaan sensor kompas pada kondisi robot tidak
noise bergerak (diam)
I. PENDAHULUAN
Data CMPS10 Kondisi Robot Jalan
R obot Barelang FC menggunakan sensor kompas
sebagai acuan untuk menentukan arah hadap robot
dan posisi gawang. Hasil pembacaan sensor kompas 1500
Ditempat
Bearing Value
sangat dipengaruhi oleh medan magnet lingkungan

1300
sekitar baik itu dari lapangan ataupun dari komponen
yang berasal dari robot (motor servo ). Pada robot 1100
Barelang FC posisi sensor kompas diletakkan pada
bagian dalam tubuh robot. Dimana disekelilingnya 900
0 50 100 150 200 250 300
terdapat banyak motor servo yang dapat mempengaruhi
hasil pembacaan sensor kompas. Kondisi robot diam Sample
(tidak bergerak) dengan kondisi robot berjalan akan
menghasilkan pembacaan data sensor kompas yang Gambar 2. Hasil pembacaan sensor kompas pada kondisi robot sedang
bergerak atau berjalan
berbeda. Hal ini dikarenakan pada saat robot bergerak,
bagian dari tubuh robot (contohnya tangan) juga ikut
bergerak. Sehingga efek medan magnet dari motor servo Dapat dibandingkan dari grafik yang terdapat pada
yang ada pada tangan tidak konstan. Hal ini cenderung Gambar 1 dan Gambar 2 bahwa pada saat robot diam hasil
26
pembacaan sensor kompas cenderung stabil. Namun pada noise menggunakan kalman filter. Data hasil filter
saat robot bergerak hasil pembacaan sensor kompas mulai kemudian dikirimkan ke main controller robot
terlihat fluktuatif yang disebabkan karena pergerakan (embedded PC) melalui komunikasi serial. Tampilan dari
motor servo yang ada pada tubuh robot. perangkat keras yang digunakan dapat dilihat pada
Gambar 4.
II. SENSOR KOMPAS
Instrumen utama yang digunakan pada penelitian
kali ini adalah sensor kompas. Jenis sensor kompas yang
digunakan adalah tipe CMPS10. Sensor kompas CMPS10
merupakan kompas digital yang dibuat oleh Devantech.
CMPS10 memiliki kemampuan untuk mengukur medan
magnet 3 sumbu. Selain itu CMPS10 juga dilengkapi
dengan accelerometer 3 sumbu dengan pengolah data
internal menggunakan 16-bit processor. Salah satu
kelebihan dari dari sensor CMPS10 adalah mampu
menanggulangi error pembacaan akhibat dari posisi
kemiringan sensor. Output dari sensor CMPS10
merepresentasikan nilai medan magnet pada 3 sumbu
Gambar 4. Perangkat keras sub controller
(sumbu X, Y dan Z). Dimana jangkauan nilai yang
dihasilkan adalah 0-3599 yang merepresentasikan nilai 0o
IV. .KALMAN FILTER
– 359,9o yang berarti bahwa bahwa sensor memiliki
resolusi 0,1o [1]. Untuk jalur antarmuka dengan perangkat Pada tahun 1960, R.E. Kalman [2] mempublikasikan
lain, sensor memiliki 3 pilihan mode antarmuka yaitu karya ilmiah yang sangat terkenal hingga saat ini yaitu
I2C, Serial TTL dan PWM. Raw data dari sensor sebuah solusi untuk memecahkan permasalahan filtering
magnetometer dan accelerometer pada CMPS10 di- untuk data linier diskrit. Kalman filter terdiri dari
sampling tiap 13,3 ms oleh internal processor CMPS10. sekumpulan persamaan matematis yang dapat
Kemudian dilakukan filter sederhana menggunakan memperkirakan keadaan (state) suatu proses dengan cara
pencarian nilai rata-rata dari 45 sampel data. Nilai rata- meminimalisir rata-rata error kuadrat (mean squared
rata inilah yang nantinya dikeluarkan oleh sensor melalui error). Dengan Kalman filter maka sebuah proses dapat
3 mode jalur antarmuka pada sensor. Sehingga kecepatan diperkirakan keadaan sebelumnya, saat ini dan yang akan
CMPS10 melakukan update data adalah 75hz atau sama datang.
dengan 640ms per data output. Kalman filter melakukan perkiraan atau estimasi
sebuah proses dengan menggunakan feedback control,
III. RANCANGAN PERANGKAT KERAS pertama filter akan membuat estimasi state suatu proses
pada satu waktu kemudian menerima feedback yang
Berikut adalah gambar diagram blok dari perangkat
berupa pengukuran sensor yang biasanya mengandung
keras pada robot Barelang FC.
noise. Dengan demikian persamaan Kalman filter bisa
dibagi menjadi dua bagian yaitu persamaan time update
dan persamaan measurement update. Persamaan time
update berfungsi untuk membentuk estimasi state saat ini
dan error covariance untuk mendapatkan estimasi untuk
time step berikutnya. Persamaan measurement update
berfungsi untuk menggabungkan pengukuran yang baru
ke dalam estimasi sebelumnya untuk mendapatkan
estimasi berikutnya yang lebih baik.
Persamaan time update bisa disebut juga dengan
Gambar 3. Diagram blok perangkat keras robot
persamaan predictor, sedangkan persamaan measurement
update bisa disebut juga dengan persamaan corrector[3].
Pada bagian perangkat keras digunakan sub controller
Estimasi akhir diperoleh dengan menggabungkan
sederhana menggunakan mikrokontroler ATMega328P.
algoritma predictor-corrector untuk menyelesaikan
Sensor kompas terhubung ke mikrokontroler melalui jalur
permasalahan numerik seperti ilustrasi pada Gambar 5.
data I2C. Kemudian data sensor kompas dibaca oleh
mikrokontroler dan selanjutnya dilakukan proses reduksi
27
berjalan maju, mundur dan berputar. Hal ini bertujuan

untuk membandingkan seberapa besar noise sensor
kompas saat berjalan dan menguji pengaruh kalman filter
pada data yang sudah di-filter. Adapun hasil pengujian
dapat dilihat pada grafik di bawah ini.
Time Update Measurement Update
(“Predict”) (“Correct”)
Raw Data Measurement
1200
Bearing Value
1100
1000
900
Gambar 5. Siklus allgoritma kalman Filter 0 100 200 300 400 500
Sample
Time update membentuk estimasi state,
measurement update melakukan penyesuaian estimasi Gambar 6. Grafik raw data sensor kompas CMPS10 saat robot jalan
berdasarkan pengukuran aktual saat itu. Persamaan time ditempat (Percobaan 1)
update tampak pada persamaan berikut :
x̂k− = Ax̂k−1 + Buk (1) Filtered Data Measurement
Pk− = APk−1 AT + Q 1150

Bearing Value
(2)
950
Sedangkan persamaan measurement update tampak 0 100 200 300 400 500
pada persamaan berikut : Sample
K k = Pk− H T (HPk− H T + R)−1 (3) Gambar 7. Grafik data yang telah di-filter saat robot jalan ditempat
(Percobaan 1)
x̂k = x̂k− + K k (zk − Hx̂k− ) (4)
Percobaan pertama dilakukan dengan cara
Pk = (I − K k H) Pk− (5) mengukur parameter sensor pada saat robot berjalan
ditempat. Parameter yang diukur adalah data raw dari
x̂k− adalah estimasi priori state (kondisi sebelumnya) sensor dan data output kalman filter. Hasil percobaan
untuk time step k, yang diperoleh dengan mengalikan menunjukkan bahwa pada saat robot berjalan ditempat
parameter filter A dengan x̂k−1 , yaitu estimasi posteriori data raw yang diperoleh dari sensor terlihat sangat noise.
state (kondisi berikutnya) untuk time step k-1. Hasilnya Setelah ditambahkan filter hasilnya cukup terlihat smooth
kemudian dijumlahkan dengan parameter filter B yang seperti yang terlihat pada Gambar 7.
dikalikan dengan control input uk . Pk− adalah priori
estimate error covariance, sedangkan Pk−1 adalah
posteriori estimate error covariance. Dalam prakteknya
Raw Data Measurement
process noise covariance, Q dan measurement noise
1300
Bearing Value
covariance, R dapat berubah setiap time step atau setiap

pengukuran. K k adalah kalman gain dan zk adalah 300
pengukuran aktual. Hasil akhir estimasi Kalman filter 0 100 200 300
adalah x̂ k .
Sample
V. HASIL PENGUJIAN
Gambar 8. Grafik raw data CMPS10 saat robot
Pengujian dilakukan untuk melihat pengaruh berjalan maju (Percobaan 2)
kalman filter terhadap hasil pengukuran pada sensor
kompas CMPS10. Pengujian dilakukan ketika robot
dalam kondisi berjalan baik itu berjalan ditempat ataupun
28
Filtered Data Measurement Filtered Data

Bearing Value
Bearing Value
850
300 0 100 200 300
0 100 200 300 Sample
Sample
Gambar 11. Grafik data yang telah di-filter saat robot berjalan maju
Gambar 9. Grafik data yang telah di-filter saat robot berjalan maju (Percobaan 3)
(Percobaan 2)
VI. KESIMPULAN
Pada percobaan kedua dilakukan pengukuran Dari beberapa percobaan yang dilakukan, dapat
parameter yang sama seperti pada percobaan pertama. dibuktikan bahwa kalman filter dapat membantu
Namun pada percobaan kedua kondisi robot adalah mereduksi noise pada sensor kompas yang disebabkan
berjalan di sekitar lapangan, seperti halnya sedang karena pengaruh medan magnet dari beberapa komponen
bertanding. Dapat dilihat dari hasil pengujian bahwa pada robot. Dengan adanya reduksi noise tersebut,
noise sensor masih tetap ada dan semakin besar. Hal ini kesalahan persepsi terhadap arah orientasi robot dan
dikarenakan pada saat berjalan maju, heading robot tidak orientasi gawang dapat dikurangi.
selalu lurus, terkadang berubah-ubah sehingga hasil
pembacaan sensor kompas juga berubah-ubah. Namun VII. DAFTAR PUSTAKA
setelah ditambahkan kalman filter, kondisi noise tersebut
[1] Robot-Electronics. (2016 Mei.). CMPS10 – Tilt Compensated
dapat diatasi. Compass Module. [Online].
Percobaan ketiga dilakukan dengan cara yang sama [2] Kalman, R.E. (1960), “A New Approach to Linear Filtering and
dengan percobaan kedua. Hasilnya juga terlihat bagus, Prediction Problems”, Transaction of the ADME-Journal of Basic
Engineering, hal. 35-45.
dapat dilihat pada grafik data output kalman filter lebih Available: http://www.robot-
smooth dibandingkan data raw yang diterima langsung electronics.co.uk/htm/cmps10doc.htm
dari sensor CMPS10. [3] S. Hendawan and A. F. Rifqi, "Implementasi Kalman Filter Pada
Sensor Jarak Berbasis Ultrasonik," diterbitkan Jurnal Integrasi
Volume 6 Nomor 2 Bulan Oktober tahun 2014 ISSN : 2085-3858.
Raw Data
VIII. BIOGRAFI
Eko Rudiawan Jamzuri, S.ST lahir di
Bearing Value
850 Jember, Jawa Timur pada tanggal 15

0 100 200 300 Maret 1991, meluluskan kuliah Diploma 3
di Politeknik Negeri Batam pada Jurusan
Sample Teknik Elektro bidang mekatronika.
Kemudian melanjutkan studi Diploma 4
Gambar 10. Grafik raw data sensor kompas CMPS10 saat robot di Institut Teknologi Bandung atas
berjalan maju (Percobaan 3) bantuan beasiswa dari kerjasama ITB dan
SEAMOLEC. Aktif di Kontes Robot
Nasional sejak tahun 2010. Pernah menjadi peserta pada tahun
2010 (KRCI Berkaki) dan tahun 2011 (KRSBI). Kemudian
menjadi pembimbing tim KRSBI Politeknik Negeri Batam
Barelang FC dari tahun 2013 sampai sekarang.
29
Koordinasi Perilaku pada Robot Sepak Bola

Beroda Menggunakan Metode Decision Trees
Z. M. A. Putra, F. Afandi, S. Kautsar, N. Rinanto
Abstract – Implementation of Artificial Intellegent in

Robotics field is important for decision-making so that robot
could doing specific mission properly. In Robot Soccer Pada masing-masing robot, ditanamkan pula metode
Competition, Artificial Intelligent can be used as strategy behaviour-based[4][10] agar robot dapat mencari posisi
coordination among two robots, either offense or defense.
bola secara mendiri saat coach-computer tidak dapat
On this research, dynamic decision tree role can be used as
a method to make coordination between mobile robots, so menemukan posisi bola melalui kamera lapangan.
offense and defense could made effectively. Drive system Pengujian metode dilakukan dengan cara melakukan
robots used two-wheel differential drive system. Ten Times running trial pada kondisi tertentu di lapangan.
of experiments have been performed with success rate over Prosentase keberhasilan dihitung dari jumlah gol yang
70%. The result showed that the method of coordination dihasilkan saat program dijalankan.
using dynamic decision tree role could perfomed pretty well
but still need some rule for better outcome when making a
pass among two robots. II. DESAIN DAN PERANCANGAN ROBOT
Robot didesain dengan 2 motor penggerak yang
Index Terms—mobile robot soccer, dynamic decision dipasang pada bagian samping kiri dan kanan robot. Pada
tree, image processing bagian depan robot, dipasang 1 unit kamera CMUCam4
dan sebuah pelontar untuk menendang bola. Pada bagian
atas robot diberikan penanda warna sebagai identitas
I. INTRODUCTION
masing-masing robot. Hasil akhir robot ditampilkan pada
R obot sepak bola pertama kali diperkenalkan oleh

professor Alan K Mackworth pada tahun 1992[1].
Robot sepak bola pertama kali diperkenalkan di Indonesia
fig. 1.
pada tahun 2009 yang masih bernama KRCI Expert

Battle, nama (KRCI) Robo Soccer Humanoid League
bertahan sampai tahun 2012 yang pada akhirnya diganti
pada tahun 2013 menjadi Kontes Robot Sepak Bola
Indonesia (KRSBI). Pada KRSBI, masing-masing tim
terdiri dari 2 robot atau lebih yang bekerja sama untuk
memasukkan bola ke gawang lawan. Untuk itu,
diperlukan sistem koordinasi perilaku antar robot agar Fig.1 Mobile soccer robot – Gerhana Dewaruci
kondisi bertahan dan menyerang dapat dilakukan secara
cepat dan efisien[9]. A. Rancangan Perangkat Elektronik
Pada penelitian ini dibahas implementasi metode Masing-masing robot menggunakan Arduino
decision trees[1][2] untuk sistem koordinasi perilaku Mega2560 sebagai kontroler. Sensor yang digunakan
robot sepak bola beroda. Me2tode decision trees terdiri atas sensor kamera CMUCam4, sensor proximity,
ditanamkan pada coach-computer untuk dan sensor kompas CMPS10. Aktuator berupa 2 motor
mengkoordinasikan gerakan 2 robot berdasarkan posisi DC sebagai penggerak, sebuah solenoid sebagai pelontar,
bola dan lawan di lapangan[5]. Masing-masing robot dan sebuah motor servo untuk mengatur sudut kerja
sepak bola dilengkapi dengan kamera CMUCAM4[6], sensor CMUCam4. Masing-masing motor penggerak
sensor kompas CMPS10[8], dan sistem penggerak roda terhubung dengan modul arduino driver motor BTS7960
diferensial[5]. Arduino MEGA2560 digunakan sebagai Full H-Bridge. Keseluruhan sistem perangkat elektronik
kontroler utama pada robot[3][7]. pada robot dijabarkan pada figure 2.
Z. M. A. Putra, F. Afandi, S. Kautsar, N. Rinanto is with the (e-mail: zindhu.map@gmail.com, faridafandi46@gmail.com,

Department of Automation Engineering, PPNS, Surabaya, Indonesia kautsar.sam@gmail.com, noorman.rinanto@gmail.com ).
30
III. DYNAMIC DECISION TREES IMPLEMENTATION
Figure 2. Diagram blok sistem elekronik pada robot
Masing-masing robot juga dilengkapi dengan modul

wifi shield dan wireless serial RF. Modul wifi digunakan
untuk menangkap data broadcast dari referee box.
Sedangkan modul wireless serial digunakan untuk
komunikasi robot dengan coach-computer.
B. Strategi pencarian bola
Secara default, penentuan posisi bola memanfaatkan
data citra dari kamera lapangan yang diproses oleh coach-
computer. Selain posisi bola, coach-computer juga
melakukan estimasi posisi robot kawan dan robot lawan
dari penanda warna yang dipasang pada bagian atas robot.
Adapun kamera CMUCam4 digunakan untuk mencari
posisi bola secara mandiri oleh robot apabila coach-
computer tidak berhasil mendeteksi keberadaan bola di
lapangan.
Pada posisi bertahan, robot pertama memposisikan
diri pada area depan gawang, dan robot kedua melakukan
manuver untuk merebut bola dari robot lawan. Sedangkan Fig. 3. Flowchart decision trees
pada posisi menyerang, robot yang tidak memegang bola,
akan bermanuver di sisi yang berlawanan dengan robot Metode dynamic decision trees diimplementasikan
kawan yang memegang bola. Apabila posisi bola diluar pada coach-computer. Coach-computer akan
area penalty lawan, maka robot pemegang bola akan memberikan perintah kepada kedua robot untuk bergerak
melakukan gerakan menggiring bola. Sedangkan apabila sesuai rule yang sudah dibuat. Pemberian perintah
posisi bola berada di area penalty lawan, maka robot dilakukan menggunakan komunikasi serial secara
pemegang bola akan melakukan gerakan menendang wireless.
bola. A. Posisi Kick-Off
Terdapat 2 kondisi kick-off, yaitu kondisi tendangan
kick-off yang dilakukan oleh lawan dan tendangan kick-
off yang dilakukan oleh kawan. Apabila tendangan kick-
off dilakukan oleh lawan dan bola telah tersentuh robot
lawan, maka robot pertama akan melakukan gerakan
merebut bola, dan robot kedua akan melakukan gerakan
defense untuk menutupi gawang sendiri. Pola ini berlaku
juga apabila bola berada di area lapangan sendiri dan
dalam penguasaan robot lawan.
Apabila tendangan kick-off dilakukan oleh robot
kawan, maka robot kedua akan memposisikan diri di area
sisi samping kiri atau kanan lapangan. Coach-computer
akan melakukan estimasi posisi robot lawan. Apabila
posisi robot lawan menghalangi arah dribbling bola ke
gawang lawan, maka robot pertama akan menendang bola
ke sisi kiri atau kanan lapangan dan robot kedua akan
31
melakukan gerakan untuk mengambil bola. Selanjutnya, lawan. Bola akan terus digiring hingga robot masuk ke
robot kedua akan melakukan dribbling ke arah gawang area kotak penalty lawan, kemudian bola ditendang.
lawan. Fig. 4 merupakan ilustrasi arah gerakan robot saat Namun, apabila jalur dribbling robot pembawa bola
kick-off dilakukan oleh robot lawan. Sedangkan fig. 5 terhalang oleh robot lawan, maka robot akan menendang
merupakan ilustrasi arah gerakan robot saat kick-off bola ke area sisi kanan atau kiri lapangan, yang
dilakukan oleh robot kawan. selanjutnya bola digiring oleh robot kedua hingga masuk
ke gawang lawan.
Fig. 4. Ilustrasi kondisi kick-off oleh lawan Fig. 7. Ilustrasi saat bola dikuasai sendiri di area lawan
D. Posisi Coach-computer Tidak Mendeteksi Bola
Saat coach-computer tidak dapat mendeteksi
keberadaan bola di lapangan, maka robot kedua akan
memposisikan diri di depan gawang sendiri, dan robot
pertama melakukan pencarian bola secara mandiri
menggunakan kamera CMUCam4. Pencarian bola secara
mandiri menggunakan metode behaviour-based yang
dijabarkan pada figure 8.
Fig. 5. Ilustrasi kondisi kick-off oleh kawan
B. Posisi Bertahan
Saat bola dikuasai oleh robot lawan, dan posisi bola
berada di area lapangan lawan, maka robot pertama akan
melakukan gerakan untuk merebut bola dari robot lawan
yang membawa bola, dan robot kedua akan
memposisikan diri di sekitar robot lawan yang tidak
membawa bola. Strategi ini diterapkan untuk
mengantisipasi strategi operan bola yang dilakukan oleh
robot lawan. Adapun jika bola yang dikuasai robot lawan Fig. 8. Diagram behaviour-based method
berada pada area lapangan sendiri, maka robot kedua akan
memposisikan diri di depan gawang untuk menghangi IV. PENGUJIAN
bola masuk ke gawang sendiri. Figure 6 merupakan Pengujian dilakukan pada beberapa kondisi.
ilustrasi saat robot lawan menguasai bola di area lapangan Kondisi pertama saat kick-off, kondisi kedua saat bola di
lawan. area lapangan lawan, kondisi ketiga saat bola di area
lapangan sendiri. Pada semua kondisi pengujian, bola
berada pada penguasaan sendiri. Figure 9 merupakan
tampilan screenshoot aplikasi pada saat coach-computer
saat dioperasikan.
Fig. 6. Ilustrasi robot lawan menguasai bola di area lawan

C. Posisi Menyerang
Pada saat bola dalam pengusaan sendiri, dan bola
berada di area lapangan sendiri, maka robot yang
menguasai bola akan menggiring bola ke arah gawang
lawan. Robot yang tidak membawa bola akan bergerak ke
samping kiri atau kanan lapangan mengantisipasi bola
operan dari robot kawan. Coach computer akan Fig. 9. Tampilan aplikasi pada coach-computer saat berjalan
melakukan estimasi arah penggiringan bola ke gawang
32
Pada setiap kondisi, dilakukan 10 kali running trial. VI. REFERENSI

Untuk robot lawan dibuat dari benda statis yang diberi [1] Konur, Savas., Alexander Ferrein dan Gerhard Lakemeyer.
penanda warna pada bagian atas. Hasil akhir pengujian “Leraning Decision Trees For Action Selection In Soccer
Agents”. German. German National Science Foundation.
ditampilkan pada tabel 1.
[2] Lau, Nuno., dll. 2010. “Robot Team Coordination Using Dynamic
Berdasarkan hasil pengujian pada tabel 1, tingkat Role And Positioning Assigment And Role Based
keberhasilan tertinggi berada pada kondisi pengujian ke- Setplays”. Portugal. Universidade de Aveiro.
1 dan ke-3. Kegagalan diakibatkan kesalahan pada saat [3] Widagdo, Prabancoro Adhi Catur., dll. “Sistem Koordinasi Dan
Kecerdasaan Buatan Untuk Strategi Bertanding Pada Robot
robot melakukan dribbling bola. Adapun pada saat Soccer”. Surabaya. Politeknik Elektronika Negeri
kondisi robot pemegang bola dihalangi lawan, prosentase Surabaya.
keberhasilan mencetak gol menurun disebabkan oleh [4] Maulana, Ravi Harish. “Penerapan Behavior Based Robotic Pada
Sistem Navigasi Dan Kontrol Robot Soccer”. Indonesia. Institut
kegagalan robot pertama melakukan operan ke sisi Teknologi Sepuluh November.
lapangan (bola keluar lapangan), sehingga robot kedua [5] Vail, Douglas dan Veloso, Manuela. “Dynamic Multi – Robot
tidak dapat menerima bola yang diumpankan. Coordination”. Pittsburgh. Carnegie Mellon University.
[6] http://www.mikron123.com/index.php/vmchk/CMUCam
Module/CMUcam4/Detailed-product-flyer.html. Diakses pada
TABEL I April 01,2016.
HASIL AKHIR PENGUJIAN [7] http://www.kiosrobot.com/index.php?/vmchk/Mikro
Arduino/Arduino-Wifi- Shield/flypage.tpl.html. Diakses pada
No Kondisi Pengujia Goal Keberha April 01, 2016.
n silan [8] http://www.robot-electronics.co.uk/htm/cmps10doc.htm.Diakses
Kick-off, sudut ke pada April 01, 2016.
[9] https://www.kontesrobotindonesia.org/sejarah-singkat-kontes-
1 gawang tidak 10x 9 90%
robot-indonesia/ Diakses pada April 01, 2016
terhalangi lawan [10] Pitowarno, Endra. 2006. “Robotika Desain, Kontrol, Dan
Kick-off, sudut ke Kecerdasaan Buatan”. Yogyakarta. Penerbit Andi.
2 gawang terhalangi 10x 7 70%
lawan VII. BIOGRAFI
Bola di area lapangan
3 lawan, lawan tidak 10x 9 90% Zindhu Maulana Ahmad Putra, lahir di Mojokerto
menghalangi pada tanggal 23 September 1994. Saat ini sedang
Bola di area lapangan menempuh studi D4 di Teknik Otomasi dan sedang
4 lawan & lawan 10x 5 50% menjalani penelitian dalam topik penelitian dalam
bidang kecerdasan buatan, robotika dan embedded
menghalangi system.
Bola di area
lapangan sendiri, Farid Afandi, lahir di Surabaya pada tanggal 05
5 10x 7 70%
lawan tidak Agustus 1995. Saat ini menempuh studi D4 di Teknik
menghalangi Otomasi-PPNS dan sedang menjalani penelitian dalam
Bola di area topik machine vision, kontrol cerdas, dan multimedia-
game.
6 lapangan sendiri, 10x 4 40%
lawan menghalangi
Syamsiar Kautsar, lahir di
Probolinggo pada tanggal 15 Maret 1991.
Memperoleh gelar Sarjana Sains Terapan (S.ST.),
Program Studi Teknik Otomasi-PPNS tahun 2013,
V. KESIMPULAN dan Magister Teknik (M.T), Jurusan Teknik Fisika
Bidang Minat Rekayasa Instrumentasi Industri-ITS
Metode dynamic decision trees dapat tahun 2015. Saat ini menjadi staf pengajar di program
diimplementasikan untuk koordinasi perilaku pada robot studi Teknik Otomasi PPNS. Topik penelitian dalam bidang kecerdasan
sepak bola beroda dengan tingkat keberhasilan >= 70%. buatan, robotika dan embedded system.
Prosentase keberhasilan semakin menurun apabila posisi
Noorman Rinanto, lahir di Surabaya pada tanggal 14
robot pemegang bola terhalang oleh robot lawan. Oleh Oktober 1976. Memperoleh gelar Sarjana Teknik
sebab itu diperlukan penambahan rule pada saat robot (S.T.), Jurusan Teknik Elektro-ITS tahun 2006, dan
melakukan operan bola ke robot kawan. Magister Teknik (M.T), pada jurusan yang sama tahun
2012. Saat ini menjadi staf pengajar di program studi
Teknik Otomasi PPNS. Topik penelitian dalam bidang
machine vision, kontrol cerdas, dan multimedia-game.
33
Design and Implementation Humanoid Robot

Soccer Dago Hoogeschool in Kontes Robot Sepak
Bola Indonesia 2016
Wahyu Trisvianto, Alyssa Diva Mustika, M. Isnain Hartanto, Dhimas Bintang K., Miftahul Mahfuz, Fatuh
Jamallubis, Diyar Yasin, Daniel Abdullah, Andreas Ekadinata W., Ahmad Fajar Prasetyo
Dago Hoogeschool Humanoid Robot Soccer Team, Unit Robotika ITB, Institut Teknologi Bandung
Abstract -- Humanoid Robot is a robot with its overall 90 cm that capable to play soccer like human did [2]. In
appearance based on that of the human body. In general fact, the capability of the robot to play footbal is still
humanoid robots have a torso with a head, two arms and limited. Therefore, the difficulty level of KRSBI rules
two legs. With the appearance like human, we can design a
increase annually. In 2011, there were six poles landmark
robot to play football. As an annual participant of KRSBI,
Dago Hoogeschool team has developed some modified with blue and yellow colour at the field. In 2012, there
platforms from DARwIn-OP. Baldhart v.1 is the latest were only two poles landmark. In 2013, there was no pole
platform with Dynamixel MX-64 servo on both its knee, but at the field, and all goal post has same colour, yellow [3].
this platform has balancing problem because of unprecise Until that year, the height of the robot allowed is 30-60
laser-cutting and bending. So, we developed new platform cm. But, in 2014, four robots in a team was allowed and
with all Dynamixel MX-64 on both of its leg and use new
the height of the robot that allowed is 40-90 cm [4]. In
module on electrical system. To evaluate performance of this
platform, we use standard DARwIn-OP program. 2015, the size of field increased from 6x4 m to 9x6 m with
the goalpost size adjusted. And, for this year 2016, the
Keywords — Dynamixel MX-64, Humanoid Robot, size of field decrease to 6x4 m but with artificial green
ODROID-XU4, Rules KRSBI grass with a yarn length of approximately 30mm [1]. Next
year competition will use FIFA size 1 ball with 13 cm
I. INTRODUCTION diameter.
Dago Hoogeschool is one of annual participant of
H umanoid Robot is a robot with its overall appearance
based on that of the human body. In general
humanoid robots have a torso with a head, two arms and
KRSBI from Institut Teknologi Bandung. This team is
part of student activity unit (UKM) Unit Robotika ITB
two legs [1]. This humanoid robot was designed for (URO). Dago Hoogeschool born since 2008, and using
functional purpose. One of them is playing soccer. A BIOLOID platform at that time. Since 2013, this team
sports game that designed for a team to insert a ball in a used and developed DARwIn-OP platform for doing this
soccer-field to opponent goalpost with their body except research. The research concern about ball detection, goal
hand and defend their goalpost from their opponent goal. post detetion, localization, behavior, communication, and
Kontes Robot Sepak Bola Indonesia (KRSBI) is a dynamic balancing of the robot.
competition that based on 3RoboSoccer Humanoid With increasing difficulty level of rules KRSBI,
League Kid Size in Robocup. In this competition, the upgrading software and hardware of the robot are
participant must build humanoid robot with height 40 – required. To face that challenge, Dago Hoogeschool team
This project was supported in part by Lembaga Kemahasiswaan 40132, West Java, Indonesia. (email : mihisnain@gmail.com4,
Institut Teknologi Bandung. dbkusumawardhana @gmail.com5, diyaryasin59@gmail.com6 )
Wahyu Trisvianto1 is student of Department of Physics, Faculty of Miftahul Mahfuz7 and Ahmad Fajar Prasetyo8 is student of
Mathematics and Natural Sciences. Institut Teknologi Bandung, Department Informatics Engineering, School of Electrical Engineering
Bandung 40132, West Java, Indonesia. (e-mail : and Informatics, Institut Teknologi Bandung, Bandung 40132, West
wahyu.trisvianto@gmail.com1) Java, Indonesia.
Alyssa Diva Mustika2 and Daniel Abdullah3 are student of Fatuh Jamallubis9 is student of Department Aerospace Engineering,
Department Electrical Power Engineering, School of Electrical Faculty of Mechanical and Aerospace Engineering, Institut Teknologi
Engineering and Informatics, Institut Teknologi Bandung, Bandung Bandung, Bandung 40132, West Java, Indonesia. (email :
40132, West Java, Indonesia. (email : alyssadivava@gmail.com2, fatuhjamallubis@gmail.com9)
danildanielak@gmail.com3) Andreas Ekadinata W.10 is students of Department Information System
M. Isnain Hartanto4, Dhimas Bintang K5. and Diyar Yasin6 are and Technology, School of Electrical Engineering and Informatics,
students of Department Electrical Engineering, School of Electrical Institut Teknologi Bandung, Bandung 40132, West Java, Indonesia.
Engineering and Informatics, Institut Teknologi Bandung, Bandung (email : ekadinataa@gmail.com10)
34
had modified mechanical platform DARwIn-OP that used B. Platform DARwIn-OP

in this team to increase robot’s capability to play football.
First modification of DARwIn-OP uses stronger actuator
on the knee of the robot. Dynamixel MX-28 servo at knee
(ID Servo 13 and 14) was upgrading to Dynamixel MX-
64 servo. But with difference servo on its leg, new
problem appears. Laser-cutting and bending robot
material imprecisely cause robot easily falling down.
Dynamic balancing that has been developed is useless
because it is too overburdening actuator.
In that case, this year we developed whole
mechanical structure for our Humanoid Robot Soccer.
This paper will explain design and implementation
Fig 2.2 DARwIn-OP Robot Platform
humanoid robot soccer in Kontes Robot Indonesia 2016.
DARwIn-OP (Dynamic Anthropomorphic Robot
II. BASE PLATFORM
with Intelligence – Open Platform) is a miniature-
Robot base platform plays important rule for humanoid robot platform with advanced computational
mechanical part determining location of sensor, power, sophisticated sensors, high payload capacity, and
processing unit, and actuator. So that, that hardware can dynamic motion ability developed and manufactured by
be placed in simple and suitable position [5]. The Korean robot manufacturer ROBOTIS in collaboration
challenge for robot base platform is how to place that with Virginia Tech, Purdue University, and University of
component so that the robot can easy to maneuver and Pennsylvania. This robot has 20 DOFs Dynamixel MX-
easy to disassembled in case something wrong with 28T servo motor with 24 kgf.cm torque (at 12 V, 1.5 A)
electrical system of the robot. The easier maneuver robot, and 360 degree range of motion, Built-in PC: 1.6 GHz
the easier robot can do its job. So, robot base platform is Intel Atom Z530 on-board 4GB flash SSD, CM-730 with
so important. Here is platform that already exist and used ARM CortexM3 STM32F103RE 72 MHz, 3-axis gyro, 3-
by Dago Hoogeschool Team. axis accelerometer, as servo controller [7].
A. Bioloid Platform
Fig 2.3 Joint Robot Position DARwIn-OP with 20 DOFs

Fig 2.1 Bioloid Robot Platform [6]
Because it is open platform, every resource that we
Bioloid is a humanoid robot platform manufactured need to build this robot such as mechanical design,
by Korean robot manufacturer ROBOTIS design for electrical design, assembly and wiring tutorial, until
hobbyist and educational robot. This robot widely used by source code can be accessed and download freely in
many team in Indonesian because the price is affordable internet. The source code includes basic movement of
and easily modified. Most of Humanoid Robot Soccer robot, image processing, simple algorithm to play football
team modified this platform by adding camera and Wi-Fi has been provided default for this robot.
module to play soccer [5]. There are many advantage of this platform. We can
By default, this robot has 18 Degree of Freedom reproduce and modified this platform according to our
(DOF) servo Dynamixel AX-12 servo, CM-510 based on resources and needed. With height 45 cm, the stability of
Atmega 2561 as servo controller, and its height is 39.7 this robot can easily achieved even though the maximum
cm. limit of the palm become smaller. So, this platform is one
35
of most efficient size for kid size humanoid robot [5].

In this platform, we do modification by adding
orientation sensor with CMPS 11, because of challenge
from the rules, all goal post has same colour, yellow [3].
C. Modification Platform (Baldhart v.1)
Fig 2.4 Robot Platform Baldhart v1.0 Fig 3.1 Modification Platform DARwIn-OP v.2
Robot movement speed is determined by several Generally, humanoid robot consists of four parts:
factors. In mechanical point of view, two of them are leg body, head, hands, and leg [8]. Body is a place for
length and servo torque. To increase speed 20%, we can electrical system such as, computer, servo controller, and
extend leg length 20%, so that the step can even further. battery. This body has been designed for optimizing
If we consider this research (e.g. [8]), the biggest torque location of electrical part so that the robot can easy to
requirements for Humanoid Robot to do movement like maneuver and easy to disassembled in case something
DARwIn-OP are located in the knee, almost 13 kg.cm. wrong with electrical system. Head is a place for camera,
For safety reason, we use five times stronger servo torque. so the robot can see around easily. Hands is a tools for
Because of that, we use Dynamixel MX-64 servo with 64 helping the robot get up when falls and as a balance
kg.cm torque for knee (ID 13 and 14) and Dynamixel compensator. And leg as tool for walking and kicking the
MX-28 servo for the other. ball.
In this platform, we do modification in hardware, B. Electrical Design
especially in actuator at knee. Camera, servo controller, Apart from mechanical modification in the leg, we
SBC, and the other electrical system is still same with also do modification in electrical side to increase
before. But with difference servo on its leg, new problem capability of this robot.
appears. Laser-cutting and bending robot material 1) ODROID XU-4
imprecisely cause length of right and left leg not same. As
the result, robot was easily falling down. Dynamic
balancing that has been developed was useless because it
was too overburdening actuator.
III. PLATFORM DESIGN AND ELECTRICAL SYSTEM

A. Mechanical Design
Fabrication mechanical part and structure of Zared
v.1 imprecisely made join part between MX-64 at the
knee and MX-28 at the ankle was not same between left
and foot right. As the result, the movement of robot was
not balanced, and easy to falling down when do walking. Fig 3.2 ODROID-XU4 [9]
Because of that reason, this platform uses
Dynamixel MX-64 in all actuator for leg. There are 12 Odroid-XU4 is a kind of Single Board Computer
DOFs total using Dynamixel MX-64. Meanwhile, the rest (SBC) that manufactured by Korean company,
of it uses Dynamixel MX-28. Hardkernel. ODROID-XU4 is a new generation of
computing device with more powerful, more energy-
efficient hardware and a smaller form factor. Offering
open source support, the board can run various flavors of
36
Linux, including the latest Ubuntu 15.04 and Android 4.4 used CM-730 as its servo controller [10].
KitKat and 5.0 Lollipop [9]. There are several reasons why CM-730 was selected
TABLE 3.1 as servo controller. First, it has several sensors for Inertial
COMPARISON BETWEEN ODROID XU-4 AND SBC FIT-PC 2
Measurement Unit like accelerometer and gyroscope.
Parameter Odroid XU-4 SBC Fit-PC 2
Samsung Exynos5422 Second, it supported serial communication through USB,
Cortex™-A15 2Ghz and 1.6 GHz Intel Atom so it can connect to ODROID-XU4 as main computer.
Processor
Cortex™-A7 Octa core Z530 Third, it has its interface to set mode that used. And the
CPUs
Mali-T628 fourth, main computer can access data directly and
MP6(OpenGL ES Intel Graphics Media integrated the other component like servo actuator,
GPU
3.0/2.0/1.1 and OpenCL Accelerator GMA500 gyroscope, and accelerometer.
1.1 Full profile),
2Gbyte LPDDR3 RAM 1 GB RAM soldered
3) Logitech C920
Memory
PoP stacked on-board
eMMC 5.0 Flash Storage
(up to 64GByte)
Hardisk 4GB flash SSD
MicroSD Card Slot (up
to 64GByte)
2 x USB 3.0 Host, 1 x
USB 2.0 Host, Gigabit 2 x USB 2.0, Dual
Peripheral Ethernet port, HDMI Gbit Ethernet, Serial
1.4a for display, serial port, HDMI
port
If we compare hardware specification above, Odroid
XU-4 is more capable to do image processing from Fig 3.4 Logitech C920 [11]
camera and the other calculation like localization for our
Robot Soccer algorithm. Odroid XU-4 has Octa core- Logitech C920 is a camera that has Carl Zeiss® lens
processors and stronger GPU, so that it can process the with CMOS sensor technology. It has features like 20-
image with larger resolution in a short time. It also has step autofocus and automatic low-light correction [11].
larger RAM, so that it can do multiple threads at the same This feature can increase angle quality of robot vision and
time. With the specification above, it is best choice for generate image better than original camera’s DARwIn-
our hardware investment, because of optimization OP. This camera is used to get visual data around robot.
between price and capability. C. Hardware Architecture
2) CM-730 All hardware above join together in a system like
diagram 3.5 below.
Power B/D Converting
Power Switch Power Line
Connector Mini-din Unit USB Line
DC Jack UBEC – 5A
Dynamixel Line
ETC Line
Main Controller ODROID
Standard PC XU-4
Head B/D
Sub Controller Logitech C920
CM-730 Interface B/D
Gyroscope 3-Axis
3x Push Button
USB TO TTL /
Accelerometer 3-axis FTDI
5x LED, 2x RGB
5x TTL Ports
LED
12x External I/O &
ADC 2x Cooling Fan
Supply Voltage Orientation
20x Actuator
Fig 3.3 CM-730 [10] Sensor & Buzzer Sensor
Dynamixel MX CMPS11
CM-730 is a servo controller manufactured by Korean Fig 3.5 System block diagram
robot manufacturer ROBOTIS. It has STMicroelectronics
32F103RE ARM Cortex 32-bit CPU (clocked @ 72MHz) Fig. 3.5 shows network based modular structure and
(512KB Flash, 64KB SRAM ) as its CPU; 3 sensors such standard architecture of our modified framework.
as 3-axis gyroscope , 3-axis accelerometer, supply voltage Devices like actuators, LEDs, button interface are
sensor; USB Port, Serial Port , 5x TTL Ports (for connected to Sub Controller by a serial bus network
Dynamixel); 5 x LED , 2 x RGB LED, 3 x Button, 1 x which fully supports DYNAMIXEL [13]. Each device
Buzzer as its interface; and Dynamixel Power Control has a memory mapped operation structure with
Unit, Head board port, Interface board port. DARwIn-OP designated ID. The main controller, ODROID XU-4
communicates with the sub controller, camera, and
37
compass by USB. The sub controller works as a gateway own goal post. To increase balancing of the Robot, we
to access devices. Therefore, all devices are encapsulated implemented previous research of dynamic balancing of
as an USB device, which means that the development the robot (e.g. [16]). And we implemented localization
environment is just like a standard PC [14]. from previous research (e.g. [17]). All of that research,
D. Software Architecture synergize in a robot strategy (e.g. [18]).
Software framework on Dago Hoogeschool is based
on DARwIn-OP platform it self. Here are figure of IV. IMPLEMENTATION
DARwIn Framework Class Diagram. To evaluating performance of this framework, we
use standard DARwIn-OP program. With this program,
this robot can do simple algorithm like ball searching, ball
following, and kicking the ball. In that case, we can verify
that this platform can follow the ball with stable walking
with default DARwIn-OP program as shown in fig 3.6.
V. CONCLUSION
In this paper, we present a new platform of robot to
compete in KRI 2016. We give detailed implementation
of the design framework. This robot is capable to
searching and tracking a ball, and then approaching the
ball to kick it.
Fig 3.6 DARwIn-OP Framework Class Diagram [15]
Fig 3.6. Platform Baldhart v.2
VI. ACKNOWLEDGMENT
To adapt with rules of Robocup, we modified the
software so it can adapt to Game Controller from the The author would like to thank to Lembaga
referee. We also do modification in Image Processing, so Kemahasiswaan ITB for financial support to build this
it can detect ball and goalpost. With the orientation robot, and Dago Hoogeschool ITB team for the
system, the robot can determine opponent goal post and cooperation to finish this project.
38
VII. REFERENCES [11] M. Luqman, et al. Final Project Document Humanoid Robot
Soccer League. School of Electrical Engineering and Informatics,
[1] ScienceDaily, URL: https://www.sciencedaily.com/terms/ Institut Teknologi Bandung. 2015.
humanoid_robot.htm accessed on May 9th, 2016 at 21.47 [12] Logitech C920. URL : http://www.logitech.com/en-
[2] Buku Panduan KRSBI 2016 versi beta 25 Oktober 2015 au/product/hd-pro-webcam-c920 accessed on May 11th, 2016 at
[3] Robocup Committee, RoboCup Soccer Humanoid League 11.34
Rules and Setup For the 2013 Competition in Eindhoven, 2013. [13] ROBOTIS Co, Ltd. Web Site, URL : http://support.robotis.com/
[4] Robocup Committee, RoboCup Soccer Humanoid League en/product/dynamixel/dxl_communi
Rules and Setup For the 2014 Competition Jo~ao Pessoa, 2014. cation.htm accessed on May 11th, 2016 at 13.12
[5] Terra, A. I, et al., “Optimasi Desain Platform DARwIn-OP [14] Inyong Ha, et al, "Development of Open Humanoid Platform
sebagai Robot Pemain Bola,” in Proc. 2013 Indonesian DARwIn-OP," in Proc. 2011 SICE Annual Conference., pp. 2178-
Symposium on Robot Soccer Competition, pp 26-31 2181.
[6] All On Robots, Bioloid, URL : http://www.allonrobots.com/ [15] ROBOTIS Co, Ltd. Web Site,
bioloid.html accessed on May 10th, 2016 at 13.40 http://support.robotis.com/en/product/ darwin-op/development/
[7] Robotis, DARwIn-OP, URL: http://en.robotis.com/index/ framework.htm accessed on May 11th, 2016 at 13.43
product.php?cate_code=111010 on May 10th, 2016 at 14.28 [16] M. Luqman, et al. “Humanoid Robot Locomotion System With
[8] Imre Nagi, et al. Final Project Document Humanoid Robot Soccer Balancing Feedback Using Leg and Arm Strategy and Stepping
League. School of Electrical Engineering and Informatics, Institut Strategy” in Proc. 2015 Indonesian Symposium on Robot
Teknologi Bandung. 2014. Soccer Competition.
[9] Hardkernel Products, Odroid-XU4. URL : [17] Imre Nagi, et al. “Implementasi Partikel Filter dan Monte Carlo
http://www.hardkernel.com/ Localization Pada KRSBI-KRI 2014” in Proc. 2015 Indonesian
main/products/prdt_info.php?g_code=G143452239825 accessed Symposium on Robot Soccer Competition.
on May 10th, 2016 at 20.28 [18] Maratush Sholihah, et al. “Perancangan dan Implementasi
[10] ROBOTIS e-manual v1.25.00, Sub Controller (CM-730). URL : Algoritma Sistem Komunikasi Dan Algoritma Strategi Bermain
http://support.robotis.com/en/product/darwin- Sepak Bola Pada Robot Humanoid Kidsize” in Proc. 2014
op/references/reference/ Indonesian Symposium on Robot Soccer Competition.
hardware_specifications/electronics/sub_controller_(cm-
730).htm accessed on May 11th, 2016 at 10.34
39
Implementation of Non-Linear PID on Darwin-Op

Humanoid Robot Walking Control System
Alfabi Muhlisin Sakti, Dimas Fajrian Nugroho, Yuniar Rizky, Agnan Primahardika,
Hanan Yunisar Saputra, Fahri Ali Rahman, Ilham Nur Ahmad, Agil Athallah, M Ridho Fuadin,
Mufti Irawan Fikri, Abdurrohman Ahmad Rofiq, Hanif Baskoro, Bakhtiar Alldino Ardi Sumbodo,
Balza Achmad, A'isya Nur Aulia
Gadjah Mada Robotics Team
Universitas Gadjah Mada
Bulaksumur, Yogyakarta, Indonesia, 55284
Mail:{dimas.fajrian.n@mail.ugm.ac.id, fahri.ali.r@mail.ugm.ac.id}
Abstract – This paper presents a method to complete the dynamics of a biped robot is modeled as a running cart on
control system of Darwin-OP. The main focus is to minimize a table which gives a convenient representation to treat
the posibility of falling in the X rotation axis (pitch) while the ZMP [11], Goswami et al the foot-rotation indicator (FRI)
position of the COM tends to be outside of the support polygon.
point, which is a point on the foot/ground-contact surface
The proposed solution is using the nonlinear PID to stabilize
the walking motion of the robot. Considering that the original where the net ground-reaction force would have to act to
DarwinOP walking parameters such as hip pitch gain and keep the foot stationary. To ensure no foot rotation, the
ankle pitch gain only use the linear proportional gain and the FRI point must remain within the convex hull of the foot-
only sensor that is used in the walking feedback control system support area[12]. Ha et al. achieve balance walking based
is only the gyro, the nonlinear PID and the accelero are on coupled oscillators with DARwIn-OP robot [7]. Yi et
implemented in parameters. The result of this method has been
al propose method of active stabilizatiton and
demonstrated in Alfarobi's robot. All of the data such as Gyro
data, accelero data, and the error data could be viewed in the successfully implemented on DARwIn-OP robot [8].
walking tuner monitor. Missure et al propose a hierarchical, omnidirectional gait
Keywords: Humanoid Robot Soccer, Walking, control framework that is able to counteract strong
Nonlinear PID, Darwin-OP perturbations using a combination of step-timing, foot-
placement, and zero-moment-point strategies[13].
I. INTRODUCTION Hirukawa et al propose a universal stability criterion of
the foot contact of legged robots that checks if the sum of
In RoboCup Kid Size Humanoid League walking is
the gravity and the inertia wrench applied to the COG of
the most important thing to be considered. There's a lot
the robot, which is proposed to be the stability criterion,
kind of models, patterns, and control systems about
is inside the polyhedral convex cone of the contact
humanoid robot walking. One of the easiest way to
wrench between the feet of a robot and its
implement the walking of humanoid robot is by
environment[14]. But all methods need more
implementing Darwin-OP. Yet there's some constraints in
modification to the framework. Therefore, we implement
Darwin-OP when we aren't use the original mechanical
a very simple feedback control to the framework.
parts of the robot. That way, we need to do some
The main topic in this paper is to include The Non-
improvements in the robot walking.
Linear PID in DARwIn-OP framework because the
Since the field of the RoboCup Kid Size Humanoid
original walking program is only consists of proportional
League is synthetic grass, it takes more effort to improve
gain of shoulder gain, hip gain, knee gain and ankle gain.
the walking ability for the robot to walk properly on the
The other consideration is because the only feedback data
field.
which is used in the system comes form the gyro.
Non-Linear PID probably isn’t a main solution of
In this paper we add proportional gain and
humanoid walking control system to make the robot walk
differential gain to the shoulder gain, hip gain, knee gain,
on rough terrain, slopy surface, something similar.
ankle gain, and the COM position to complete the control
There’s a lot of method such as Kajita et al. 3D-Linear
systems of the framework.
Inverted Pendulum Model as a method of walking control
of a biped robot where we can analyze the dynamics of a
three-dimensional inverted pendulum in which motion is
constrained to move along an arbitrarily defined plane
[10], Kajita et al Preview Controller as the first, the
40
II. METHOD Fig. 1: The proportional Kp and derivative Kd response

Non-Linear PD of the non-linear PID. Where the Kp and Kd gain
A non-linear PD controller has a time varying gain respectively versus position error and velocity error.
instead of fixed gain like classical PD controller [4]. The
general expression of the non-linear PD can be expressed 𝛼1 = 0.75; 𝛿1 = 1; 𝛼2 = 1.25; 𝛿2 = 1.
as follows [4]:
Sensor Filtering
We read the raw accelerometer and gyroscope data
𝑢(𝑡) = 𝑘𝑝(. )𝑒(𝑡) + 𝑘𝑑(. )𝑒̇ (𝑡)
from the CM730 Sub-controller board. The raw data of
(1)
the sensor makes the robot generates some strange
movement while walking at the higher gain. Besides, we
Where u(t) is the control signal, kp(.) is the time-
really need a higher gain level to generate an effective
varying proportional gain, kd(.) is the time-varying
response.
differential gain. The function of the proportional gain
To obtain an effective and also an efficient, then we
depends on the system error e(t) from the sensor reading.
need to filter the raw data using the complementary filter,
The time-varying proportional and derivative gains
expressed as below:
may depend on the system state, its inputs or other
variables. In our case, we consider a proportional gain
depending on the position error and a derivative gain 𝜑 = 𝐾(𝜃0 + 𝜔𝑡) + (1 − 𝐾)𝜃
depending on the velocity error[4]. (4)
We use proportional gain as proposed in [4]. The
algorithm of the proportional gain is expressed by the Where φ is the filtered angle, θ0 is the last angle
equations below: value, K is the filter coefficient, ω is the gyroscope
reading, t is the time interval from the two reading
routine, and θ is the accelerometer reading. The
𝑘𝑝0 |𝑒|𝛼1−1 , |𝑒| > 𝛿1
𝑘𝑝 (𝑒) = { complementary filter has a low computation load but
𝑘𝑝0 𝛿1 𝛼1−1 , |𝑒| ≤ 𝛿1 reliable enough to give accurate measurement in our
(2) approach.
The gyro and the accelero is embedded on CM730
And the algorithm of the derivative gain [4], is the sub-controller of the DARwIn-OP. The central-axis of
expressed by the equation below: the accelerometer and the gyroscope placement is shown
in the figure below.
𝑘𝑑0 |𝑒̇ |𝛼2−1 , |𝑒̇ | > 𝛿1
𝑘𝑑 (𝑒̇ ) = {
𝑘𝑑0 𝛿2 𝛼2−1 , |𝑒̇ | ≤ 𝛿1
(3)
Where kp0 is the base proportional gain, kd0 is the

base derivative gain, e is the system error, α is the non-
linearity parameter, δ is the linearity threshold.
41
From the three pairs of the joints, the shoulder pitch

gain needs higher gain more than the others. So it will
takes more effort to tune-up this parameters to make it
work as we hope. So, we includes low pass filter to reduce
the oscillation of the shoulder pitch movement, but the
problem is when the low pass filter’s constant isn’t at the
exact level it will reduce the response of the shoulder
pitch actuator.
Not only the joints, we also include a COM-X
parameter at the framework. COM-X is a parameter that
determine the center of mass position of the robot. In this
modified program, the position of the COM-X is
determined automatically according to the value of the
feedback sensor, and absolutely that we also implement
the non-linear PD in this parameter.
Fig. 2: The CM730 DARwIn-OP Subcontroller with We experimentally tune the non-linear PD
the placement of the gyro and the accelero. The IMU has parameters from the framework’s user interface and show
6 degree of freedom, 3 at the accelero and 3 at the gyro. some sensor outputs just as below.
Implementation to the Framework

We implement the sensor filtering and non-linear
PD feedback control to our robot with modified DARwIn-
OP framework. The overall control framework is
illustrated in the figure below.
Walking Gyro Complementary

Engine Filter
Accelero
Gait Complementary
Pattern Filter
Generator
Non-Linear PID Fig. 4: The output data of the Gyro and the accelero.
Controller
Gyro F/B and Accel F/B respectively is the raw data of
the gyro and the accelero at sagittal plane, and the Gyro
Fig. 3: The Walking system of the DARwIn-OP R/L and Accel R/L for lateral plane. The pitchError is the
error at the pitch axis, rollError is the error at the roll axis.
In the figure above, the filtered angle is feedback to dPitchError and dRollError is the error differences
the gait pattern generator and the joint value is added with respectively at the pitch and roll axis.
control signal value from the non-linear PD controller.
We use walking engine and the gait pattern generator III. EXPERIMENT RESULT
from DARwIn-OP open source code available online at
We succesfully implemented the non-linear PID
[9], and we modified the kinematics to match with our
while the robot is standing and the robot could adapt
robot since our robot has a larger size than default
toward slowly changing slope variation in the sagittal
DARwIn-OP robot. The joint value output from the gait
plane. At first, the robot is standing upright, then the floor
pattern generator is then added with the control signal
is slowly inclined in backward direction. With the non-
from the controller framework. We add the control signal
linear PID, we could flexibly tune the robot response to
value to the shoulder pitch, hip pitch, and the ankle pitch
the error signal. In this experiment, we make the robot
joint. Each of the joint has its non-linear PD parameters
response weakly to the small error signal with small
so it will make the tuning process of the robot walking
proportional gain and response strongly to the higher
more difficult yet more customizable.
42
error signal with higher proportional gain. The robot could adapt the inclination of the floor.
proportional gain and the non-linearity parameter is tuned The problem is, we could only achive the result for
experimentally. We do not yet optimize the derivative standing slowly changing slope inclination. We do not
gain of the control framework. The experiment result is successfully implement for a more faster slope inclination
shown in the figure below. change yet. When the robot is given with a faster slope
inclination change, the robot’s response is too high and
the robot oscillates.
IV. CONCLUSION AND FUTURE WORKS

In this paper, we present our approach to adding
control framework for our robot platform with non-linear
PID controller. With the non-linear PID controller, we
could more flexibly tune the proportional and the
derivative gain of the feedback controller and
successfully implemented the controller on the robot for
slowly changing slope inclination.
Time: 0 s
In the future works, we would focus on the
oscillation problem and we aim to achieve more robust
feedback controller for our robot framework.
V. ACKNOWLEDGEMENT
We convey our gratitude to Universitas Gadjah
Mada and all Gadjah Mada Robotics Team supervisors
and members to support this project. Project‘s funding
was provided by Gadjah Mada Robotics Team (GMRT)
under research grant of Universitas Gadjah Mada for
Time: 0.3 s research period 2015 – 2016.
VI. REFERENCES
[1] Williams, R. L. (2012, August). DARwin-OP humanoid robot
kinematics. In ASME 2012 International Design Engineering
Technical Conferences and Computers and Information in
Engineering Conference (pp. 1187-1196). American Society of
Mechanical Engineers..
[2] Ha, I., Tamura, Y., Asama, H., Han, J., & Hong, D. W.
(2011,September). Development of open humanoid platform
DARwIn-OP. In SICE Annual Conference (SICE), 2011
Proceedings of (pp. 2178-2181). IEEE.
[3] Ha, I., Tamura, Y., & Asama, H. (2013). Development of open
Time: 0.6 s platform humanoid robot DARwIn-OP. Advanced Robotics,
27(3), 223-232.
[4] Galdeano, D., Chemori, A., Knit, S., & Fraisse, P. (2014,
November). A nonlinear PID stabilizer with spherical projection
for Humanoids: From concept to real-time experiments. In
Humanoid Robots (Humanoids), 2014 14th IEEE-RAS
International Conference on (pp. 693-698). IEEE.
[5] ROBOTIS Co, Ltd. Web Site,
http://support.robotis.com/en/product/darwin-
op/development/framework/reference/motion/modules/walking.
htm
[6] ROBOTIS Co, Ltd. Web Site,
http://support.robotis.com/en/product/darwin-
op/development/framework.htm
Time: 1.1 s [7] Ha, I., Tamura, Y., & Asama, H. (2011, September). Gait pattern
generation and stabilization for humanoid robot based on coupled
In the figure above, the response of the robot to the oscillators. In Intelligent Robots and Systems (IROS), 2011
IEEE/RSJ International Conference on (pp. 3207-3212). IEEE.
inclination of the floor is shown. It can be seen that the
43
[8] Yi, S. J., Zhang, B. T., Hong, D., & Lee, D. D. (2012, October). point. In Robotics and Automation, 2003. Proceedings. ICRA'03.
Active stabilization of a humanoid robot for impact motions with IEEE International Conference on (Vol. 2, pp. 1620-1626). IEEE.
unknown reaction forces. In Intelligent Robots and Systems [12] Goswami, A. (1999). Postural stability of biped robots and the
(IROS), 2012 IEEE/RSJ International Conference on (pp. 4034- foot-rotation indicator (FRI) point. The International Journal of
4039). IEEE. Robotics Research, 18(6), 523-533.
[9] DARwIn-OP – SourceForge Web Site, darwinop.sourceforge.net [13] Missura, M., & Behnke, S. (2011, October). Lateral capture steps
[10] Kajita, S., Kanehiro, F., Kaneko, K., Yokoi, K., & Hirukawa, H. for bipedal walking. In Humanoid Robots (Humanoids), 2011
(2001). The 3D Linear Inverted Pendulum Mode: A 11th IEEE-RAS International Conference on (pp. 401-408).
simple modeling for a biped walking pattern generation. In IEEE.
Intelligent Robot and Systems, 2001. Proceedings. 2001 [14] Hirukawa, H., Hattori, S., Harada, K., Kajita, S., Kaneko, K.,
IEEE/RSJ International Conference on (Vol. 1, pp. Kanehiro, F., ... & Morisawa, M. (2006, May). A universal
239-246). IEEE. stability criterion of the foot contact of legged robots-adios zmp.
[11] Kajita, S., Kanehiro, F., Kaneko, K., Fujiwara, K., Harada, K., In Robotics and Automation, 2006. ICRA 2006. Proceedings
Yokoi, K., & Hirukawa, H. (2003, September). Biped walking 2006 IEEE International Conference on (pp. 1976-1983). IEEE.
pattern generation by using preview control of zero-moment
44
Analisis Kecepatan Robot Soccer Dengan Metode

Elemen Hingga dan Zero Moment Point
Ghana Nazala Putra, Yohanes Fridolin Hestrio, Muhammad Hanif Ibrahim, Dyah Sekar Asih
Universitas
Universitas Indonesia, Kampus
Indonesia, Kampus UIUI
Depok
Depok1642416424
Telp.: +62-21-786 7 222, Fax.: +62-21-7888 0139,
Telp.: +62-21-786 7 222, Fax.: +62-21-7888 0139, e-mail:e-mail: io-ui@ui.ac.id
io-ui@ui.ac.id
Abstract -- In humanoid soccer robots, we aim to achieve penglihatannya berupa kamera.

both stable movements. The usage of static walking on
robots emphasize on stability while dynamic walking
emphasizes on its mobility efficiency.. The usage of inverse
kinematic for walking methods can achieve a stable and KAMERA MINI-PC USB to
efficient humanoid robot movement, in which applies the Dynamixel
rule of Zero Moment Point. This analysis will be done by
practice to ensure a quick and easy robot motion planning.
Keywords: Zero Moment Point, Finite Element
Analysis, Inverse Kinematic
Servo 1-20
Gambar 1. Arsitektur Robot

I. PENDAHULUAN B. Kinematika pergerakan Robot
Pada tahun 2050 tren pengembangan robot Kinematika jalan dari robot tentu akan mengikuti
humanoid akan menyamai fungsional dan pergerakan sistem langkah manusia. Sebuah langkah dapat dibagi
manusia. Bahkan, Humanoid robot akan disandingkan dalam suatu jumlah phase, tetapi paling sedikit dilakukan
melawan juara dunia sepak bola untuk menunjukan dalam dua buah phase, yaitu Single Support Phase (SSP)
humanoid robot sudah mampu menyamai pergerakanan dimana hanya satu kaki yang melakukan kontak dengan
manusia yang kompleks dan stabil. Perkembangan riset tanah dan Double Support Phase, yaitu keadaan pada saat
robot humanoid saat ini telah berkembang dengan kedua kaki melakukan kontak dengan tanah. SSP dapat
pesat.Perkembangan ini juga difasilitasi dengan beragam dibagi menjadi dua buah phase yang berbeda, yaitu Single
kontes robot menggunakan robot humanoid, seperti di Support Phase Left/ SSPL (pada saat kaki kiri melakukan
Indonesia sendiri terdapat Kontes Robot Sepak Bola kontak dengan tanah untuk menopang tubuh) dan Single
Indonesia (KRSBI). Support Phase Right / SSPR (pada saat kaki kanan
Namun masalah yang sering kali timbul dalam menyentuh tanah). Dalam satu sequence gerakan, robot di
pergerakan robot adalah keseimbangan / kestabilan butuhkan 4 pose gerakan berbasis center of
gerakan jalan pada robot tersebut. Tidak seperti manusia graviti.kondisi DSP (Double Support Phase) dan 2
yang dapat mengandalkan refleks untuk dapat mencegah kondisi SSP (Single Support Phase) [2] .
jatuh, robot membutuhkan instruksi yang detil, yang
didapat dari perhitungan yang akurat. [2] Kesulitan
lainnya adalah membuat pergerekan robot yang
menyerupai manusia. Tantangan tersebut antara lain
adalah joint trajectory control, balancing control, dan
motion planning. Fokus dari tantangan yang akan dibahas Gambar 2.Walking sequence dari x-axis dan y-axis
dalam penelitian ini adalah pengendalian trajectory dari Ada dua jenis keseimbangan yang dapat dimiliki
joint pada robot dan Balancing Control.[3] oleh robot. Yang pertama adalah keseimbangan statis.
Pada jenis keseimbangan ini robot dapat berhenti
II. TINJAUAN PUSTAKA melakukan gerakan kapanpun tanpa terganggu
A. Arsitektur Robot keseimbangannya. Sedangkan yang kedua, yaitu
Arsitektur humanoid robot yang dirancang keseimbangan dinamis, robot tidak dapat berhenti
sebnenarnya sangat sederhana seperti otak dan bergerak pada setiap saat, tetapi harus menjaga
penggerak-penggeraknya dimana fungsi otak diambil alih keseimbangannya selama bergerak untuk mencapai
oleh Mini-PC dan penggerak-penggeraknya adalah servo, keadaan stabilnya. Jika robot harus melakukan
45
keseimbangan statis, maka ketika robot mengangkat kaki

kiri, kaki kanan harus menumpu seluruh berat badan.
Berbeda dengan ketika hanya mengayunkan kaki kiri ke
depan, dilanjutkan kaki kanan, dan seterusnya tanpa perlu
menjaga keseimbangan statis [1].Maka untuk
menganalisis dan membuat gerakan jalan yang dinamis
perlu metode zero momen point. Metode ini
sederhananya tidak adanya momen yang bekerja pada
suatu titik tertentu. Pengembangan lebih luasnya adalah
Gambar 4. Parsial Centre of Mass [5]
fase dimana benda mampu mengendalikan momen
sehingga itu dikatakan seimbang.Namun pada Pada gambar terlihat bahwa Centre of Mass (CoM)
pengaplikasian dalam humanoid robot dimana letak ZMP pada robot dibagi-bagi menjadi beberapa bagian yaitu
harus berada sudah terlebih dahulu diteliti. Pada subab paha, betis dan engkel serta badan.Badan dianggap satu
sebelumnya peneliti sudah memberikan fase fase jalan saja karena pada hakikatnya berjalan lebih dipengaruhi
manusia yang akan diimitasi oleh robot yaitu SSP dan oleh kaki walaupun ayunan tangan juga sedikit
DSP. Pada metode ZMP ini kedua fase ini sangat mempengaruhi.sehingga lebih mendekati kondisi real
mempengaruhi kestabilan. dari sistem jalan. Kombinasi dari invers kinematika
kemudian dilanjutkan pada sistem dinamika akan
TELAPA TELAPA membantu untuk mendekati lebih nyata pergerakan jalan
K KAKI K KAKI dari manusia.
KIRI B. Metode Elemen Hingga
TELAPA Metode elemen hingga ini pada ujungnya akan
K KAKI menghasilkan simulasi simulasi diatas dengan
(a)DSP (b) SSP
penampakan warna yang mewakili penyebaran stress,
displacement, safety factor dan lainnya. Awalnya, kita
Gambar 3.Support Polygon z-axis perlu memahami munculnya degradasi warna tersebut
karena ada proses sebelumnya. Oleh karena itu, dalam
Pada gambar terlihat gambar fase DSP dimana metode elemen hingga ini kita perlu memahami bahwa
kemudian ditarik garis untuk membentuk suatu pendekatan awal disebut post processing.Proses ini
polygon.Poligon ini menjadi hal yang sangat penting didalamnya bisa berupa desain dan meshing.
karena kestabilan dapat diukur dari telapak kaki.Posisi
ZMP harus berada didalam polygon tersebut. Berbeda
dengan SSP yang memiliki support polygon yang lebih
kecil yaitu hanya bertumpu pada satu telapak kaki saja.
III. METODE PENELITIAN

A. Metode Kinematika Terbalik
Dalam kinematika dikenal istilah forward kinematik
dan inverse kinematik. Perbedaanya, forward kinematik
akan mempertanyakan posisi end effector apabila Gambar 5. Hasil Metode Elemen Hingga
diberikan semua sudut pada setiap joint dalam hal ini
Metode elemen hingga yang dilakukan adalah
motor servo, sedangkan inverse kinematik menjawab
bentuk diskritisasi atau diskontinu karena itulah ada
nilai sudut pada setiap joint robot apabila diberikan nilai
meshing. Meshing merupakan suatu proses diskrit suatu
poisi yang diinginkan.[4]
desain sehingga adanya penyebaran gaya gaya yang
Konsep kinematika pada pemodelan akan
bekerja di grid-grid yang sudah didiskritkan. [6]. Namun
mendapatkan nilai nilai sudut dari setiap servo apabila
mengapa perlu dilakukannya proses metode elemen
kita menginginkan kenaikan kaki sehingga parameter nya
hingga ini adalah karena metode ini mampu membuat
adalah tinggi langkah kaki yang akan disesuaikan secara
robot memiliki Zcom yang lebih tinggi sehingga luasan
kinematika terbalik oleh servo-servo yang membentuk
kaki boleh semakin besar dan kestabilan dan kecepatan
sudut-sudut tertentu.
bisa ditingkatkan. Namun hal yang utama dalam finite
elemen analysis ini untuk mengetahui penyebaran gaya
46
gaya dan tekanan pada bracket robot sehingga kita tersebut berada pada posisi terdekat pada garis
mampu mengukur desain robot serta mampu menekan terluar.Semakin mendekati garis semakin tidak seimbang.
harga material yang dipakai. karena tidak semua bracket Apalagi jika titik ZMP tidak berada didalam polygon
harus menggunakan material seragam aluminum. maka robot akan terjatuh.
C. Metode Zero Momen Point
Setelah mengetahui kinematika dan dinamika dari IV. HASIL DAN DISKUSI
robot serta seluruh penyebaran gaya gaya dan tekanan A. Hasil Metode Elemen Hingga
pada bracket robot barulah dilakukan metode zero momen Hasilnya berupa pemilihan material yang mampu
point ini. Metode ini menganalisis titik dimana tidak menjaga kekuatan dan ketangguhan dari robot sekaligus
terjadinya momen. dapat menaikan centre of mass dari z axis. Dari hasil
𝑍𝑐𝑜𝑚 pemilihan material material tersebut maka Zcom dari
𝑋𝑧𝑚𝑝 = 𝑋𝑐𝑜𝑚 − 𝑋̈𝑐𝑜𝑚
𝑔 Robot Humanoid sebesar 24 cm dari tanah seedangakn
DARWIN-OP sebesar 23 cm. artinya kita mampu
𝑍𝑐𝑜𝑚 memperbesar luasan kaki dan menambah stabilitas
𝑌𝑧𝑚𝑝 = 𝑌𝑐𝑜𝑚 − 𝑌̈𝑐𝑜𝑚
𝑔 margin dari robot.
B. Analisis Keecepatan Robot.
dimana Xcom, Ycom dan Zcom adalah posisi dari Centre Untuk mengetahui kecepatan tentu terlebih dahulu
of Mass dari robot secara keseluruhan, g adalah harus menyeimbangkan pose berjalan dari robot.
percepatan gravitasi (m/s2) dan 𝑋̈ ,𝑌̈adalah percepatan Kestabilan robot dapat diukur dari stability margin.
pada arah x dan y. [1]. Dari rumus diatas maka diketahui Namun untuk mendapatkan hal tersebut kita harus
bahwa percepatan perpindahan posisi sangat
memplot-plot dengan kamera maupun dengan tampilan
mempengaruhi.Apabila percepatan dianggap tidak ada
rekaman sudut yang dihasil setiap pose dalam siklus
kita bisa mengatakan bahwa parameter yang dibutuhkan
berjalan.
adalah posisi CoM saja dan ini dinamakan static walking.
Gambar 7. Pose berjalan Robot x-axis
Kemudian rekaman tersebut diuji setiap CoM nya

Gambar 6. Centre of Mass Robot sehingga didapatkan CoM setiap pose posenya. Karena
dianggap bahwa pada posisi awal tidak ada percepatan
Namun pendekatan ini kurang mendekati real dan Inersia yang bekerja.. Dari data tersebut terlihat
karena kadang kala gaya inersia kita yang mempengaruhi bahwa sebenarnya titik stabilitas masih berada didalam
percepatan lah yang membuat kita stabil sehingga support polygon artinya robot masih memiliki
percepatan memiliki peranan yang sangat penting. Hasil keseimbangan.
Xzmp dan Yzmp harus berada didalam luasan telapak Dari segi kecepatan robot sendiri didapatkan hasil
kaki. dari grafik berikut
8.5
8
Kecepatan (cm/s)
7.5
7
6.5
Gambar 6.Stability Margin pada SSP
50
Jarak (cm)
percobaan 1 Percobaan 2
Posisi ZMP di refleksikan terhadap tumpuan kaki
pada saat DSP maupun SSP .Seperti pada gambar maka
Gambar 9. Grafik kecepatan Robot
adanya aspek stability margin yaitu dimana nilai titik
47
Grafik diatas merupakan grafik kecepatan terhadap VI. REFERENSI

jarak yang ditempuh terjadi kenaikan yang tidak terlalu [1] Wisnu Indrajit. (2013). Rancang Bangun Sistem
menonjol namun setelah melihat rata-rata dari setiap Motion Capture pada Biped Robot dengan
waktu dalam 3 kali percobaan maka dapat dilihat bahwa Pengendalian ZMP. 18-19.
sebenarnya kecepatan mengalami kenaikan. Perbedaan [2] R. Ardhani, A. Harianto ,G. Mark. (2014). Analisis
kecepatan ini diakibatkan karena adanya perbedaan start Stable Walking Humanoid Robot Soccer Berbasis
diawal dan perbedaan kontur. Zero Momen Point dengan Metode Praktik.
Indonesian Symposium Robot Soccer Competition,
V. KESIMPULAN 2.
Dalam penelitian ini didapatkan kesimpulan dan [3] Warnakulasooriya, S. (2012). Bipedal Walking
Robot- A Developmental Design. Elsevier.
saran sebagai berikut:
[4] Wang, Z. (2015). Slow Walking Model for Children
1. Kestabilan Robot yang dirancang bangun
With Multiple Disabilities. Elsevier.
memiliki kestabilan yang baik dilihat dari pose
[5] Feng, Z. Y. (2014). Dynamic Modeling and
pose robot dan diuji dalam sepenglihatan kamera
Analyzing of A Walking Robot. Elsevier.
2. Kecepatan Robot sebesar 7.55 cm/s
[6] Akin, J. E. (2009). Finite Elemen Analysis on
3. Kombinasi material yang dilakukan mampu
SolidWork. 12-13.
menaikan ZCoM sehingga menaikan kestabilan
dan kecepatan robot.
48
Pemrograman Berbasis State-Machine untuk

Development Platform Robot Berkaki Enam
Fabiola Maria Teresa R. Kinasih, Kusprasapta Mutjiarsa
Abstrak—Salah satu keterbatasan pemrograman penting. Tindak lanjutnya adalah dengan mencari
prosedural (imperative) adalah rendahnya tingkat alternatif dari pemrograman prosedural yang dapat
keterbacaan program ketika program sudah semakin diterapkan pada robot berkaki.
kompleks. Pada sistem robot pemadam api berkaki,
State Machine merupakan salah satu konsep
terdapat berbagai modul program yang menjalankan fungsi
berbeda secara simultan, sehingga cukup kompleks untuk pemrograman perangkat keras yang umum dipelajari
dilakukan pemrograman secara prosedural. Pemrorgaman pada pemrograman rangkaian sekuensial sinkron (dasar
berbasis state-machine dapat meningkatkan keterbacaan sistem digital). State-machine menggambarkan alur
program sehingga akan memudahkan pengembangan robot perpindahan (transition) antar keadaan (state) yang
berkaki dari tahun ke tahun di level universitas. Perangkat terjadi karena perubahan nilai sinyal input. Keluaran
lunak Quantum Leaps Modeler merupakan salah satu
(Output) dapat dihasilkan pada state (tipe Moore) atau
sarana untuk melakukan pemrograman berbasis state-
machine. Selain itu Quantum Leaps Modeler juga pada transisi (tipe Mealy). Kedua tipe state machine ini
mengakomodasi pemrograman beberapa Active Object didukung pada bahasa UML (Unified Model Language)
dalam satu program, sehingga memungkinkan yang merupakan dasar dari pemrograman dengan
mikrokontroller untuk menjalankan berbagai modul secara perangkat lunak Quantum Leaps Modeler [1].
simultan selayaknya Real-Time Operating System (RTOS).
Pada akhir makalah juga ditampilkan salah satu hasil
II. PEMROGRAMAN BERORIENTASI OBYEK DAN
pemrograman dengan Quantum Leaps Modeler untuk
kasus development platform robot berkaki enam. Dengan UNIFIED MODEL LANGUAGE
penerapan sistem state machine, algoritma yang diterapkan A. Pemrograman Berorientasi Obyek (OOP)
pada program dapat lebih mudah dipahami oleh Pemrograman berorientasi obyek merupakan
pemrogram lain ataupun pengguna development platform paradigma pemrograman yang umum digunakan pada
yang akan melakukan pengembangan tahap selanjutnya.
development platform seperti yang diterapkan pada
Arduino dan Mbed. Salah satu fitur unggulan dari
Istilah Index---embedded software, legged locomotion,
mobile robots, object oriented method, object oriented pemrograman berorientasi obyek yang memberikan
programming. kemudahan pada pengguna development platform adalah
enkapsulasi. Enkasulapsi memungkinkan pengguna
I. PENDAHULUAN untuk menggunakan ulang modul-modul yang telah
dibuat, tanpa perlu memedulikan struktur dalam modul.
R OBOT berkaki enam merupakan salah satu cabang
robotik yang cukup diminati, terutama pada
kompetisi yang melibatkan robot pemadam api
Pengguna cukup memperhatikan atribut/metode yang
merupakan antarmuka dari modul yang telah ada, tanpa
berkaki. Memiliki kelebihan yaitu dapat menjelajahi perlu mengetahobui cara kerja di dalam modul tersebut.
medan yang lebih bervariasi dibandingkan robot beroda, Hal ini dimungkinkan dengan adanya status akses public,
namun juga memiliki kekurangan yaitu tingkat protected, dan private yang dapat diterapkan pada atribut-
kompleksitas program yang lebih tinggi dibandingkan atribut dan metode yang ada pada sebuah kelas[2].
dengan robot beroda. B. Unified Model Language (UML)
Paradigma pemrograman proseduran (imperative) UML merupakan diagram standar untuk
yang selama ini digunakan telah dapat menjalankan misi membangaun perangkat lunak dengan paradigma
yang diberikan dengan cukup baik, namun menghasilkan pemrograman Object-Oriented (OOP). Pemodelan adalah
tingkat keterbacaan kode yang berbanding terbalik proses mendesain perangkat lunak sebelum melakuakn
dengan tingkat kompleksitas program. Hal ini dapat pemrograman, merupakan proses yang penting untuk
menghambat perkembangan dan edukasi mengenai robot membangun proyek yang kompleks. Keberadaan diagram
berkaki di tingkat sekolah menengah atas dan universitas. model dapat memudahkan pemrogram lain/pengguna
Pada umumnya sistem yang kompleks seperti robot untuk memahami tujuan dan alur dari suatu aplikasi
berkaki dikerjakan dalam sebuah tim yang cukup besar. perangkat lunak. Bagi suatu tim pemrograman yang
Oleh karena itu tingkat keterbacaan program, terutama mengerjakan proyek yang kompleks, UML dapat
oleh programmer lain dalam satu tim menjadi isu yang
49
mengurangi tingkat kegagalan karena akan lebih mudah III. QUANTUM LEAPS MODELER (QM)
untuk melakukan pengecekan kesalahan dan perbaikan, Quantum Leaps Modeler mempromosikan
sebelum dan setelah melakukan pemrograman. pemrograman sistem embedded yang lebih modern, dan
Diagram behavioral state machine merupakan salah menyediakan arsitektur yang lebih aman dan mudah
satu tipe dari diagram UML. Perumusan state machine ini dipahami dibandingkan dengan pendekatan threading
didasarkan dari model Harel statechart. Diagram state RTOS. Kerangka kerja (framework) dari perangkat lunak
machine terdiri atas beberapa state yang dihubungkan Quantum Leaps menyediakan arsitektur pemrograman
dengan transisi yang dapat terjadi jika terdapat yang dapat digunakan berulang, berbasis active objects,
pemicu/kondisi yang sesuai. Berikut adalah contoh state hierarchical state machines, graphical modelling, dan
machine untuk ATM Bank. juga automatic code generation.
GAMBAR 4 Arsitektur Quantum Leaps Modeler

GAMBAR 1 Contoh state machine Para proyek ini, digunakan QK preemptive non-
Dalam sebuah state, diungkinkan untuk blocking kernel. Preemptive kernel memungkinkan
mengeksekusi sebuah state machine lainnya (substates). pemrograman real-time tanpa memerlukan RTOS
Hal ini umum disebut Composite State/Nested State, eksternal. Pengguna dapat melakukan pemrograman real-
sebagai berikut. time, menjalankan berbagai proses secara simultan tanpa
perlu memikirkan mekanisme semaphores seperti pada
RTOS.
Secara garis besar, untuk melakukan pemrograman
dengan Quantum Leaps Modeler, diperlukan state
machine sesuai dengan rancangan program, yang tiap-
tiap state-nya mengeksekusi prosedur/fungsi yang dibuat
GAMBAR 2 Contoh nested state dalam kode program dengan bahasa C++. Quantum Leaps
Modeler memungkinkan pemrograman dengan bahasa C
Berikut adalah komponen yang umum terdapat pada maupun C++, namun bahasa C++ umum digunakan
sebuah state machine untuk pemrograman embedded karena memungkinkan untuk dilakukan pemrograman
system. dengan paradigma OOP. Namun demikian,
dimungkinkan untuk memasukkan beberapa baris kode
Initial bahasa assembly di dalam kode program jika dibutuhkan.
Transitio Struktur pemrograman dalam Quantum Leaps
n sepenuhnya menggunakan konsep OOP, dimana satu
State proyek terdiri atas active object package (components)
Transitio
n dan events package (opsional). Active Object
Package/Components dapat berisi beberapa class yang
Choice mana tiap-tiap class memiliki satu statechart. Seperti
Segment pada konsep OOP, class ini juga memiliki atribut dan
metode (class operation & statechart). Sedangkan untuk
State State events package umumnya hanya berisi atribut yang terkait
dengen event yang didefinisikan.
Untuk melakukan programming pada board Nucleo
yang digunakan pada proyek tugas akhir ini dengan Mbed
GAMBAR 3 Komponen-komponen dari state machine Library dan Quantum Leaps Modeler, maka diperlukan
perangkat lunak Mbed Online Compiler, QPCPP
50
Framework, dan Quantum Leaps Modeler untuk B. Pemrograman Fungsi Dasar pada Robot
antarmuka. Berkaki Tahap 2
Pada tahap 2, fungsi dasar yang diterapkan adalah
IV. IMPLEMENTASI pergerakan maju, mundur, geser kiri, geser kanan, belok
Berikut adalah hasil implementasi pemrograman kiri, dan belok kanan, yang pengendaliannya dilakukan
dengan menggunakan Quantum Leaps Modeler untuk dengan menggunakan remote control Turnigy 9XR
robot pemadam api berkaki (channel 2,3,4), dan dapat berpindah ke mode otomatis
A. Pemrograman Fungsi Dasar pada Robot Berkaki untuk menjalankan wallfollowing. Berikut adalah
Tahap 1 statechart dari implementasi yang dilakukan (gambar 6).
Pada tahap 1, fungsi dasar yang diterapkan adalah
pergerakan maju dan mundur yang pengendaliannya
dilakukan dengan menggunakan remote control Turnigy
9XR. Berikut adalah statechart dari implementasi yang
dilakukan.
GAMBAR 5 State machine untuk implementasi tahap 1

Dari statechart yang dibuat terlihat bahwa pada
awal, pertama akan dibaca besaran input dari remote
control yang digunakan (berupa persen, untuk GAMBAR 6 State machine pergerakan untuk
implementasi tahap 2 bagian 1
menentukan posisi channel 3 tuas dari remote control).
Pada akhir state angka pembacaan akan ditampilkan pada Pada mode Manual, pertama akan dibaca besaran
serial monitor, sebelum beralih ke percabangan. Jika nilai input dari remote control yang digunakan (berupa persen,
pembacaan >75% (tuas menunjuk ke arah atas) maka untuk menentukan posisi channel 2,3,4 tuas dari remote
sistem kana memasuki forward state dan robot akan control). Pada akhir state angka pembacaan akan
berjalan maju, kemudian jika nilai pembacaan <25% (tuas ditampilkan pada serial monitor, sebelum beralih ke
menunjuk ke arah bawah) maka sistem akan memasuki percabangan. Untuk channel 2 (koordinat X), jika nilai
backward state dan robot akan berjalan mundur. Pada pembacaan >75% (tuas menunjuk ke arah kanan) maka
kondisi diam/tuas kurang lebih berada pada posisi tengah robot akan berjalan samping ke arah kanan, kemudian jika
(nilai persentase antara 25-75%) maka sistem akan nilai pembacaan <25% (tuas menunjuk ke arah kiri) maka
memasuki stop state dan robot akan berhenti. robot akan berjalan mundur. Pada kondisi diam/tuas
Pembatasan ini juga disesuaikan dengan kondisi default kurang lebih berada pada posisi tengah (nilai persentase
dari channel 3 tuas yaitu berada pada nilai tengah. Setelah antara 25-75%) maka robot akan berhenti. Untuk channel
mengeksekusi pergerakan, program akan kembali ke state 3 (koordinat Z), jika nilai pembacaan >75% (tuas
Reading untuk memperbarui pembacaan nilai tuas. menunjuk ke arah atas) maka robot akan berjalan maju,
kemudian jika nilai pembacaan <25% (tuas menunjuk ke
arah bawah) maka robot akan berjalan mundur. Pada
kondisi diam/tuas kurang lebih berada pada posisi tengah
(nilai persentase antara 25-75%) maka robot akan
51
berhenti. Pembatasan ini juga disesuaikan dengan kondisi

default dari channel 2&3 tuas yaitu berada pada nilai
tengah. Hal serupa juga diterapkan pada channel 4 untuk
gerakan rotasi/berputar di tempat. Setelah mengeksekusi
pergerakan, program akan kembali ke state Reading
untuk memperbarui pembacaan nilai tuas.
GAMBAR 8 State machine pendeteksian api untuk

implementasi tahap 2
V. PENGUJIAN
Pengujian state dilakukan dengan menggunakan
remote control Turnigy 9XR dan dengan menggunakan
mikrokontroller Board Nucleo STM32f446RET6.
Kompilasi program dengan Mbed Online Compiler
membutuhkan koneksi internet. Uji jalan robot dilakukan
pada ruangan dengan pencahayaan cukup terang dan
permukaan yang rata, dan servo yang digunakan untuk
robot adalah servo dynamixel dengan ID yang telah diatur
sebelumnya.
GAMBAR 7 State machine pergerakan untuk Pada makalah ini ditampilkan hasil pengujian dari
implementasi tahap 2 bagian 2 implementasi pergerakan dasar tahap 1. Pertama-tama
dilakukan pengujian dengan memeriksa state yang
Sedangkan untuk mode Automatic, pemilihan untuk sedang dijalankan. Perangkat yang digunakan adalah
mengikuti dinding di sisi kiri atau kanan ditentukan oleh serial monitor untuk melihat state yang sedang
channel 5 (berupa switch) pada remote control. Jika dijalankan, dan remote control untuk memberikan input
pembacaan bernilai 0 (switch pada kondisi default) maka pengguna.
robot akan berjalan mengikuti dinding di sisi kiri,
sedangkan jika pembacaan bernilai 1 makan robot akan
berjalan mengikuti dinding di sisi kanan.
Statemachine kedua menggunakan kamera untuk
mendeteksi keberadaan api. Ketika api terdeteksi (jumlah
Obyek >0), maka aktuator kipas akan menyala. Berikut
statemachine yang bertugas untuk mendeteksi
keberadaan api
52
TABLE I. HASIL PENGUJIAN TAMPILAN LAYAR DENGAN Kondisi Tampilan (screenshot video)
PENGENDALI REMOTE CONTROL
Input
Penguna Pengaturan tuas Tuas
Hasil tampilan serial dikembalika
(state yang pada remote
monitor n ke posisi
diharapka control
n) semula
(diam di
tengah),
robot
berhenti.
Forward
Kemudian
tuas
diarahkan
ke bawah,
robot
mundur ke
Backward belakang
(mendekati
pengendali)
Terakhir,
tuas
dikembalika
n ke posisi
Stop
semula
(diam di
tengah),
robot
berhenti.
Setelah pengujian tampilan layar dilakukan, kemudian

dilakukan pengujian langsung pada sistem robot VI. SIMPULAN
TABLE II. HASIL PENGUJIAN PENGENDALIAN ROBOT DENGAN Penggunaan pemrograman paradigma Event Driven
REMOTE CONTROL untuk fungsi dasar robot berkaki telah berhasil
Kondisi Tampilan (screenshot video)
diimplementasikan dengan baik. Penggunaan state
machine untuk menggantikan pemrograman prosedural
telah meningkatkan keterbacaan alur pemrograman.
Beberapa kerumitan yang dihasilkan dari tumpukan if-
else yang umum terjadi pada pemrograman prosedural,
Kondisi dan beresiko meningkatkan kemungkinan kesalahan
awal akibar ketidaktelitian, tidak perlu dihadapi.
Kesulitan yang terjadi pada saat pengerjaan proyek
ini adalah minimnya buku manual dan tutorial yang
tersedia untuk mempelajari Quantum Leaps Modeler,
sehingga pada awalnya cukup sulit untuk mempelajari
dasar-dasar Quantum Leaps Modeler. Agar hal ini tidak
Setelah tuas kembali terjadi, dan untuk memudahkan pembelajaran
diarahkan pemrograman sistem/platform dengan menggunakan
ke atas,
robot maju Quantum Leaps Modeler, maka ditulis juga manual
ke depan penggunaan untuk mempelajari perangkat lunak ini pada
(menjauhi dokumen terpisah, yang akan tersedia pada event
pengendali)
Electrical Engineering Days ITB 2016.
53
VII. APRESIASI [4] R. A. Hariz, “Design and Implementation Map Building of

Behavior-Based Architecture Using Active Object
Penulis berterimakasih kepada seluruh civitas Computing Model,” Program Studi Teknik Elektro Institut
akademik Teknik Elektro Institut Teknologi Bandung Teknologi Bandung, 2014
untuk dukungannya dalam melaksanakan proyek ini,
secara akademik maupun secara finansial. Penulis (first IX. BIOGRAFI
author) juga berterimakasih kepada keluarga yang telah
Fabiola Maria lahir di Surabaya,
memberikan dukungan moral dan finansial untuk
Indonesia pada 12 April 1996. Lulus
keberlangsungan proyek ini. Juga diucapkan terimakasih
dari SMA Negeri 3 Bandung pada
kepada Dimas Fakhruddin (MA ITB ’12) dan Kenny tahun 2012 dan melanjutkan
Wiratama (IF UPH ’12) yang telah membantu penulis pendidikan di Institut Teknologi
(first author) dalam mempelajari QM dan OOP. Bandung. Telah memiliki minat pada
riset sejak sekolah menengah dan
VIII. REFERENSI bergabung di Tim Riset dan Teknologi
[1] M. Samek, Practical UML Statecharts in C/C++: event SMA Negeri 3 Bandung (Trilogy).
driven programming for embedded systems, 2nd ed. Pernah berpartisipasi pada olimpiade
Oxford: Newness, 2009, pp.xxii–147. sains nasional serta mengikutsertakan karya ilmiah pada ajang
[2] J. Farrell, Object-Oriented Programming Using C++, 4th Indonesia Science Project Olympiad di Jakarta pada tahun 2011.
ed. Boston: Course Technology, Cengage Learning, 2009, Bidang keminatan pada sistem kendali dan pemrograman, dan
pp.11–13. pernah bergabung pada lab sistem kendali serta saat ini
[3] K. Fakhroutdinov, Behavioral State Machine, 2009, bergabung dengan lab Autonomous Vehicle Research Group di
http://www.uml-diagrams.org/state-machine- Institut Teknologi Bandung.
diagrams.html#behavioral-state-machine (Diakses 6 Mei
2016, 10:53 pm)
54
Vision Systems on Wheeled Robot Soccer

Muhammad Ikhsan Sani, Ismail, Muhammad Iqbal Saleh, Irma Damayanti
Abstract -- This paper presents a computer vision system

for ball movement detection on a wheeled soccer robot. In a II. RELATED WORKS
competition, it’s required to detect, chase, and kick the ball.
The ball detection system consists of camera to, single board C. Computer Vision
computer and computer vision technique to process and David Ball et. Al. [1] describes the real time global
identify the ball. It is based on a single board computer’s vision system for the robot soccer team the RoboRoos.
camera which is used to capture and process the image. The They state that it has a highly optimised pipeline that
process result is used as a reference for robot movement, includes thresholding, segmenting, colour normalising,
kicking the ball, and the other decision-making. This
object recognition and perspective and lens correction. It
information is transmitted via serial communication to the
robot navigation system in order to give the reference to the used calibration system that can calibrate in any face of
robot for navigation decision making. the YUV or HSI cube. It also autonomously selects both
an appropriate camera gain and colour gains robot regions
Keywords: computer vision, image, single board computer, across the field to achieve colour uniformity. Camera
navigation, serial communication, camera. geometry calibration is performed automatically from
selection of keypoints on the field.
I. INTRODUCTION In this paper, we used an RGB color and 8-MP
Raspberry Pi Camera with 2592 x 1944 pixel static
W heeled soccer robot is a part of world soccer robot
research which have serious effort to produce a
soccer robot that is able to against with world
images resolution. It’s used along OpenCV as image
processing library. OpenCV (Open Source Computer
soccer player. Wheeled soccer robot moves using wheels Vision Library) is one of library of computer vision
that is controlled by dc motors. The others abilities are technique and software for computer machine learning
ball detecting, catching, and kicking, and also to that is open source. OpenCV is built to provide a general
communicate to coach computer and referee computer. infrastructure for computer vision application.
Ball detecting is the most important ability because to OpenCV is written in pure C++ and has C++, C,
catch or to kick the ball or to make the other decisions, Python, Java, and Matlab interface and also support to
then the robot must have a vision to the ball. The vision Windows, Linux, Android, and Mac OS. OpenCV library
is about capturing image using camera and identifying the has more than 2500 optimize algorithms. Those
image to determine the position of ball. algorithms can be used to detect faces, identify objects,
This paper presents a method for ball movement classify human action in a video, tracking the movement
detection using computer vision. In summary the of a camera, tracking moving objects, find the same image
contributions of this paper are described as follow: from the image database, augmented reality, etc. [3].
 We design an image processing system for ball Digital image is a picture made of picture elements called
movement detection. pixels. Those pixels are two dimensional array. The size
 We implement it to support the optimal soccer of an image is determined by the dimensions of the pixel
robot’s navigation. array. The image width is the column pixels, and the
This paper will be focused on how to make the ball image height is the row pixels. There are some color
detection system or the vision system and how to systems for digital image, they are grayscale, HSV, black
implement the vision system to the wheeled soccer robot. and white, and RGB. The color system that usually use
The rest of this paper is organized as follows. In section for processing or color identification is HSV.
II, we review the concepts of computer vision from other
research. In section III, we present a system design, result III. PROPOSED COMPUTER VISION SYSTEM
and discussion. Finally, the conclusion of this work is The vision system consists of Raspberry Pi Camera
given in section IV. and the Raspberry Pi itself. The software is Raspbian
Jessie as the operating system of the Raspberry Pi, Python
for the programming language, and OpenCV library for
the image processing function.
55
The vision system is interfaced to the Arduino to

make an action decision. The picture below is the block Proses Tracking Bola
system. Proses Navigasi Robot Proses Deteksi Bola
Mulai
Inisialisasi kamera dan

port serial
CAMERA
Capturing video dari

kamera
Konversi format warna

frame dari RGB ke HSV
RASPBERRY PI
Thresholding dan
operasi AND hue,
saturation, dan value
SERIAL (TX, RX)

Mencari piksel-piksel
yang membentuk TIDAK
lingkaran
Menyeleksi lingkaran
dengan radius > 0 dan
terbesar
ARDUINO Menghasilkan data

Inisialisasi motor dan
bola: radius dan titik
port serial
tengah
Menerima
Mengirim permintaan
permintaan data
data bola
bola
YA
ACTUATOR
(MOTOR AND
SOLENOID) Menerima data bola Mengirim data bola
Figure 1
Hardware Block of Vision System
The Raspberry Pi Camera capture the image and it Melakukan navigasi

berdasarkan data bola
is processed by the Raspberry Pi using Python and
OpenCV library. The ball position relative to width and
height in the image, so the data is in pixels and it is sent Selesai
to Arduino via serial (TX, RX).
The algorithm/process diagram of the vision system Figure 2. Process Block of Vision System
or the image processing is showed in the picture below.
The Arduino request for ball position data from the
Raspberry Pi. Then, when the Raspberry Pi is requested
for ball position data, so it sends the ball position data to
the Arduino.
56
The positioning of the ball is mapped as the picture designed, implemented, and tested. The system was able
below. to:
1. work in Ubuntu OS and Arduino with standard
servo,
2. work for Raspberry Pi with Raspbian Jessie
OS.Automated actuator activation on specific time
period,
The vision system is depending on the luminance in
Figure 3. Ball Position Mapping front of the camera because the mechanism is filtering the
color, so if the luminance changes, then the threshold
The width (320 pixels) is divided into eight areas must be set again, but the interface is already done for
and the width (240 pixels) is divided into six areas. Those set/calibrate the threshold.
dividing is to make the positioning of the ball is easier.
The grey areas are the references area for ball positioning. V. REFERENCES
Books :
[1] T. Morris, Computer Vision and Image Processing, New York:
Palgrave Macmillan, 2004.
[2] X. L. Anup Basu, Computer Vision: System, Theory and
Applications, Singapore: World Scientific Publishing Co. Pte.
Ltd., 1993.
Periodicals:
[1] Itseez, “OpenCV,” 2016. [Online]. Available:
http://opencv.org/about.html.[Accessed 28 January 2016].
[2] Raspberry Pi Foundation, “Raspberry Pi,” [Online]. Available:
https://www.raspberrypi.org/help/what-is-a-raspberry-
pi/.[Accessed 28 January 2016].
Figure 4. System Test Block Diagram VI. BIOGRAPHIES
The vision system is tested on Ubuntu OS and Arduino MUHAMMAD IKHSAN SANI is graduated from Institut Teknologi
Bandung (ITB) at 2008. His special fields of interest included embedded
with standard servo. System test block diagram can be system, robotics, and electronic circuit desing. His employment
seen in Figure 4. experience included the Microelectronics Center and LAPI ITB. He
joined Telkom University in 2015 as a lecturer at D3 Computer
Engineering program, Faculty of Applied Science.
ISMAIL was born in Jeneponto, South Celebes, on August 3, 1995.

Ismail is studying in D3 Computer Engineering at Telkom University,
Bandung, West Java from 2013 until present. His specialities are image
processing and programming. He received 1st place of Student Creativity
Contest (SCC) Telkom University Programming Category in 2014 and
3rd place of Kontes Robot Terbang Indonesia (KRTI) Vertical Take-Off
and Landing (VTOL) Non-Water Based Category at 2015.
MUHAMMAD IQBAL SALEH is studying in D3 Computer

Engineering at Telkom University, Bandung, West Java from 2013 until
present. His specialities are electronics circuit and mechanic design. In
2015, he is one of the finalist of Kontes Robot Terbang Indonesia
(KRTI) Fixed Wing (FW) Monitoring Category. He is also got 7th place
of Singapore Robotic Games Underwater Robot Category in 2016.
Figure 5. Tracking Simulation in Ubuntu IRMA DAMAYANTI is studying in D3 Computer Engineering at
Telkom University, Bandung, West Java from 2013 until present. Her
IV. CONCLUSION specialities are
data communication and network system. Last year, she achieved 3rd
This paper successfully presented an alternative place at Kontes Robot Terbang Indonesia (KRTI) Vertical Take-Off and
method for ball movement detection using computer Landing (VTOL) Non-Water Based Category in Yogyakarta
vision system. The system have been succesfully
57
Enspartan
Deskripsi Tim untuk ESRB 2016
Andy Kurnia Santoso, Chandra Halim Harahap, dan Hemi Septiady
Laboratorium Mekatronika dan Robotika Teknik Elektro
Universitas Brawijaya
Malang, INDONESIA
Abstrak - Makalah ini menjelaskan tentang Robot Kiper :

perkembangan terkini tim sepakbola beroda Enspartan. - Tinggi : 20 cm
Tim kami melakukan penelitian robot dari awal dan - Diameter : 32 cm
berlandaskan peraturan yang diterapkan oleh Dikti. Pada B. Motor dan Roda
tahun pertama penyelenggaraan kompetisi ini kami Desain rancangan untuk robot penyerang
berfokus untuk membangun robot yang bisa mendeteksi menggunakan 2 buah motor dc dan menggunakan roda
komponen yang ada di lapangan dan mengambil berbahan dasar nylon. Penggunaan 2 motor ini bertujuan
keputusan yang tepat ketika pertandingan. untuk mempermudah dan mempercepat gerakan robot.
Keyword: driver, algoritma Bahan roda berasal dari nylon untuk menyesuaikan
penggunaan 2 buah motor agar bekerja lebih optimal.
I. PENDAHULUAN Sedangkan untuk robot kiper menggunakan 3 buah
Enspartan adalah tim robot sepakbola beroda dari motor dc dan menggunakan roda omni (omni wheel).
jurusan Teknik Elektro Fakultas Teknik Universitas Dimensi robot kiper lebih besar daripada robot penyerang
Brawijaya Malang. Enspartan mulai bergabung tahun yang bertujuan untuk melindungi gawang dari serangan
2016 pada Eksebisi Sepakbola Robot Beroda yang lawan. Penggunaan 3 buah motor dc supaya robot bisa
diselenggarakan oleh Kementerian Riset Teknologi dan bergerak lebih fleksibel ke kiri dan ke kanan untuk
Pendidikan Tinggi. Tim kami terdiri dari 2 robot yang memudahkan dalam menghalangi bola.
bertugas sebagai penyerang dan penjaga gawang C. Penendang dan dribble
berdasarkan peraturan dari ESRB 2016 yang Penendang dan dribble menggunakan satu
mengharuskan satu tim terdiri dari 2 robot. Untuk rancangan yang sama yaitu menggunakan motor dc yang
eksibisi tahun ini kami memaksimalkan kinerja robot langsung di sambung ke silinder berbahan karton. Untuk
pada satu bagian saja sehingga robot penyerang hanya menendang, motor dc digerakkan dan akan menimbulkan
bertugas sebagai pencetak gol dan robot kiper hanya gaya dorong terhadap bola yang bisa terlempar sejauh 6
bertugas menjaga gawang. meter. Untuk dribble motor dc dimatikan dan bola akan
Sistem dari Enspartan mempunyai 2 komponen tertahan pada silinder. Lebar mulut robot berukuran 12
utama yaitu bagian perangkat keras dan perangkat lunak cm yang dibuat supaya mengoptimalkan bola yang akan
robot. Perangkat keras robot meliputi mekanik badan datang pada robot.
robot, roda, sistem penendang, sistem penggiring bola
dan perangkat elektrik. Perangkat lunak meliputi
pemrograman robot untuk mendeteksi bola, gawang dan
robot lain serta pengambilan keputusan ketika bertanding.
Pendeteksian bola dan gawang menggunakan kamera
yang terpasang pada masing-masing robot.
II. DESAIN MEKANIK

A. Deskripsi umum
Informasi umum tentang mekanik robot kami yaitu:
Robot Penyerang:
- Tinggi : 25 cm
- Diameter : 24 cm
Gambar 1. Robot Penyerang keseluruhan
58
 Logic converter
Karena serial mini PC Odroid U3 bekerja pada
tegangan 1.8 volt sedangkan logika tegangan serial
mikrokontroler serial bekerja pada tegangan 3.3 volt
untuk mengatasi perbedaan tegangan logika serial
tersebut dibutuhkan logic converter. logic converter
merupakan rangkaian tambahan yang mengubah output
tegangan serial mini PC Odroid U3 sebesar 1.8 volt
menjadi 3.3 volt
 Module wifi
Melalui port USB Odroid U3 akan dihubungkan
dengan modul wifi yang nantinya akan menerima sinyal
Gambar 2. Robot Kiper keseluruhan dari game controller serta kamera untuk proses
mengidentifikasi bola dan gawang.
III. ELEKTRIK  Kamera
 Motor DC Roda Kamera yang digunakan pada robot ini yaitu Logitec
Motor DC PG 28 digunakan untuk mengatur arah 720p. Kamera ini untuk mendeteksi adanya gawang, bola,
maupun gawang dengan terhubungnya melaui port usb
gerak. Motor ini dikontrol dengan menggunakan Driver
motor L298 yang dihubungkan dengan board utama yaitu yang tersedia pada odroid u3.
STM32F401RE NUCLEO
 Motor DC Penendang
Motor DC ini digunakan menjadi penendang
dimana motor dc ini dikontrol dengan IC 122 yang
terhubung dengan STM32F401RE NUCLEO.
 Driver L298
Rangkaian driver motor DC berfungsi untuk
mengubah sinyal PWM dari modul STM32F401RE
dengan tegangan 5 V menjadi 12 V , serta mengontrol
pergerakan motor. Driver motor DC disusun dengan
menggunakan IC l298N.L298 adalah driver motor
berbasis H-Bridge,mampu mengani beban hingga 4 A Gambar 3. Diagram blok elektrik enspartan
pada tegangan 4 A pada tegangan 6 V – 46 V. Dalam chip
terdapat dua rangkaian H-Bridge.Selain itu driver ini IV. 4. PROGRAMMING
mampu mengendalikan 2 motor sekaligus dengan arus Pada bagian programming untuk robot enspartan
beban 2 A dititik beratkan kepada kemampuan robot mendeteksi
 STM32F401RE NUCLEO posisi bola,mengejar bola,serta algoritma deteksi gawang
Mikrokontroller ini digunakan sebagai sistem lawan dan menendang bola.Secara rinci akan dijabarkan
kendali dari keseluruhan robot, dimana mikrokontroler sebagai berikut;
ini adalah ARM CortexTM –M4 yang merupakan core A. Mendeteksi posisi bola
mikrokontroler 32-bit dengan kemampuan floating point Untuk mendeteksi posisi bola robot harus diberikan
secara hardware. basis pengetahuan tentang bola yang akan digunakan
 Odroid U3 dalam hal ini berupa warna dan countour bola.
Mini PC merupakan Personal Computer (PC) Selanjutnya posisi bola ditempatkan pada range dari
Berukuran kecil yang memiliki kemampuan hampir sama frame kamera sehingga posisi bola berada pada satuan x
dengan PC pada umumnya. Mini PC Odroid U3 dan y pada kamera. Setelah memperoleh posisi bola pada
digunakan sebagai master image processing dan sebagai posisi x dan y frame kamera akan diberi batasan -batasan
penerima sinyal perintah pada game controller. Dimana tertentu kondisi dimana kapan robot harus berputar
odroid ini terhubung dengan STM32F401RE sebagai mencari bola dan berjalan lurus menuju bola. Hasil dari
pengiriman data. metode ditunjukkan pada Gambar 1.
59
robot akan menscan tepat posisi gawang.dan mendribble

bola ketika jarak antar kamera dan gawang sudah semakin
dekat maka bola ditendang.
5. Referensi
[1] Chuengsatiansup, Chitchanok, et. al.2009. “Plasma-
Z Team Description for RoboCup 2009”.
Chulalongkorn University.
[2] Wang, Wenfei, et. al.2009.” ZJUNLICT Team
Description for ROBOCUP 2009”. Zhejiang
Gambar 4. Hasil perolehan posisi bola dan nilai sumbu x dan sumbu y
University
pada kamera
[3] Biswas, Joydeep, et. al.2015.” CMDragons 2015
Extended Team Description”. Carnegie Mellon
B. Mengejar Bola
Setelah bola berhasil dideteksi melalui metode University
diatas, robot akan diberi kan perintah jalan lurus menuju 6. Biografi
bola. Pada bagian ini frame kamera harus dibagi saat Andy Kurnia Santoso, lahir di Jayapura pada
tanggal 24 Juni 1995. Sekarang menempuh
dimana kondisi robot harus berjalan lurus dan berhenti
pendidikan di Jurusan Teknik Elektro Universitas
untuk menentukan posisi gawang.Saat mengejar Brawijaya.
bola,robot harus dapat menyesuaikan posisi bola tepat Sekarang tergabung dalam organisasi workshop
didepan kamera hal ini secara otomatis diperoleh melalui teknik Elektro Divisi Robotika. Minat utama
pembagian frame kamera yang tepat. dibidang elektrik dan mekanik robot.
C. Algoritma deteksi gawang lawan dan menendang
bola Chandra halim harahap, lahir di Subulussala,
Ditahap ini dibutuhkan sebuah sensor berupa pada tanggal 23 Maret 1995. Sekarang
mpu9150 yang keluaran sensor berupa data ruang posisi menempuh pendidikan di Jurusan Teknik
robot yang dinotasikan dengan sumbu – sumbu x y dan Elektro Universitas Brawijaya.
Sekarang tergabung dalam organisasi workshop
z.Sensor mpu9150 diletakkan dibadan robot langsung
teknik Elektro Divisi Robotika. Minat utama
dengan posisi sensor yang tetap.Selanjut nya hasil
dibidang Software.
keluaran sensor diolah dengan menerjemahkan 2 kondisi
saja misal arah utara posisi gawang lawan saat berada
Hemi Septiady lahir di Bogor, pada tanggal 02
pada tim merah dan seterusnya. Nantinya ketika kondisi September 1994. Sekarang menempuh
mengejar bola terpenuhi robot akan berhenti sebentar pendidikan di Jurusan Teknik Elektro Universitas
untuk memproses posisi gawang lawan berdasarkan Brawijaya.
sensor mpu9150. Sekarang tergabung dalam organisasi workshop
Setelah posisi gawang lawan diketahui robot akan teknik Elektro Divisi Robotika. Minat utama
dibidang elektrik.
berbalik menghadap gawang lawan.Selanjutnya kamera
60
Humanoid Soccer Robots With Omnidirectional

Vision System
Chamdan Nor; Claudia Risa Putri Vania; Bekti Febriarti
Abstract – This paper describes a complete and Computer Vision. Its task is to pro-vide basic information
efficient vision system developed for the humanoid that is needed to calculate the behavior of the robots.
robotic soccer. The system consists on a firewire camera Especially omnidirectional vision systems have become
mounted vertically on the top of the robots. A hyperbolic interesting in the last years, allowing a robot to see in all
mirror placed above the camera reflects the 360 degrees directions at the same time without moving itself or its
of the field around the robot. The omnidirectional system camera. [10,11,12,13]
is used to find the ball, the goals, detect the presence of The main goal of this paper is to present an efficient
obstacles and the white lines, used by our localization vision system for processing the video acquired by an
algorithm. In this paper we present a set of algorithms to omnidirectional camera. The system finds the white lines
extract efficiently the color information of the acquired of the playing field, the ball, goals and obstacles. The
images and, in a second phase, extract the information lines of the playing field are needed because knowing the
of all objects of interest. Our vision system architecture placement of the playing field from the robot’s point of
uses a distributed paradigm where the main tasks, namely view is equal to know the position and orientation of the
image acquisition, color extraction, object detection and robot.
image visualization, are separated in several processes For finding the goals, the ball and the obstacles,
that can run at the same time. We developed an efficient lines are stretched out radially from the center of the
color extraction algorithm based on lookup tables and a image and, if some defined number of pixels of the
radial model for object detection. The effectiveness of our respective colors are found, the system saves that position
algorithms. Moreover, our experiments show that the associated to the respective color. For finding the white
system is fast and accurate having a maximum lines, color transitions from green to white are searched
processing time independently of the robot position and for.
the number of objects found in the field. For color classification, the first step of our system,
Key word : Humanoid Soccer Robots; Omnidirectional; a lookup table (LUT) is used. Our system is prepared to
Vision System acquire images in RGB 24-bit, YUV 4:2:2 or YUV 4:1:1
format, being necessary only to choose the appropriated
I. INTRODUCTION LUT. We use the HSV color space for color calibration
K RSBI a robot soccer competition in Demanding rules

with difficulty levels are more difficult from year to
and classification due to its special characteristics
year. It encourages participants to become more

enterprising KRSBI bring innovation development of
new and better on humanoid robot soccer. Such
innovations can be applied to a humanoid soccer robot
vision system.
It will take decades of efforts, if not centuries, to
accomplish this goal. It is not feasible, with the current
technologies, to reach this goal in any near term.
Fig. 1. The architecture of our vision system. It is
However, this goal can easily create a series of well
based on a multi-process system being each process
directed subgoals. The first subgoal to be accomplished
responsible for a specific task.
in KRSBI to build real and simulated humanoid robot
soccer teams which play reasonably well with modified
This paper is organized as follows. In this section we
rules. Even to accomplish this goal will undoubtedly
presents our vision system architecture, explaining the
generate technologies with impact on broad range of
several modules devel oped and how they are connected.
industries.
In Section 4 we present the algorithms used to collect the
One problem domain in KRSBI is the field of
61
color information of the image using radial search lines. object segmentation. We exploit this fact by defining
In Section 5 we describe how the object features are color classes, using a look-up table (LUT) for fast color
extracted. Finally, in Section 6, we draw some classification. The table consists of 16777216 entries (224
conclusions and propose future work. , 8 bits for red, 8 bits for green and 8 bits for blue), each
8 bits wide, occupying 16 MB in total. If another color
space is used, the table size is the same, changing only the
II. VISION SYSTEM ARCHITECTURE “meaning” of each component. Each bit expresses
A modular multi-process architecture was adopted for whether the color is within the corresponding class or not.
our vision system (see Fig. 1). When a new frame is ready This means that a certain color can be assigned to several
to download, one process is automatically triggered and classes at the same time. To classify a pixel, we first read
the frame is placed in a shared memory buffer. After that, the pixel’s color and then use the color as an index into
another process analyzes the acquired image for color the table. The value (8 bits) read from the table will be
classification, creating a new image with “color labels” called “color mask” of the pixel.
(an 8 bpp image). This image is also placed in the shared The color calibration is done in HSV (Hue, Saturation
image buffer, which is afterward analyzed by the object and Value) color space due to its special characteristics.
detection processes, generically designated by Proc[x], x In our system, the image is acquired in RGB or YUV
= 1, 2, . . .N. These applications are encapsulated in format and then is converted to HSV using an appropriate
separate Linux processes. Once started, each process gets conversion routine.
a pointer to the most recent image frame available and There are certain regions in the received image that
starts tracking the respective object. Once finished, the have to be excluded from analysis. One of them is the
resulting information (e.g. object detected or not and part in the image that reflects the robot itself. Other
position) is placed in the real-time database. This database regions are the sticks that hold the mirror and the areas
may be accessed by any other processes in the system, outside the mirror. For that, we have an image with this
particularly for world state update. configuration that is used by our software. An example is
The activation of the distinct image-processing presented in Fig. 2. The white pixels are the area that will
activities is carried out by a process manager. Scheduling be processed, black pixels will not. With this approach we
of vision related processes relies on the real-time features can reduce the time spent in the conversion and searching
of the Linux kernel, namely the FIFO scheduler and phases and we eliminate the problem of finding erroneous
priorities. At this level, Linux executes each process to objects in that areas.
completion, unless the process blocks or is preempted by To extract the color information of the image we use
other process with higher real-time priority. This ensures radial search lines to analyze the color information
that the processes are executed strictly according to their instead of processing all the image. This approach has two
priority with full preemption. main advantages. First, that of accelerating the process
due to the fact that we only process about 30% of the valid
III. COLOR EXTRACTION pixels. Second, the use of omnidirectional vision
difficults the detection of the objects using, for example,
their bounding box. In this case, it is more desirable to use
the distance and angle. The proposed approach has a
processing time almost constant, independently of the
information around the robot, being a desirable property
in Real-Time Systems. This is due to the fact that the
system processes almost the same number of pixels in
each frame.
A radial search line is a line that starts in the center of
the robot with some angle and ends in the limit of the
Fig. 2. On the left, an example of a robot mask. White
image (see the image on the right of Fig. 2). They are
points represent the area that will be processed. On the right,
the position of the radial search lines constructed based on the Bresenham line algorithm [8, 9].
For each search line, we iterate through its pixels to search
Image analysis in the RoboCup domain is simplified, for two things: transitions between two colors and areas
since objects are color coded. Black robots play with an with specific colors.
orange ball on a green field that has yellow and blue goals We developed an algorithm to detect areas of a specific
and white lines. Thus, a pixel’s color is a strong hint for color which eliminates the possible noise that could
62
appear in the image. Each time that a pixel is found with Fig. 4. An example of a transition. “G” means green pixels,
a color of interest, we analyze the pixels that follows (a “W” means white pixels and “X” means pixels with a color
predefined number) and if we don’t find more pixels of different from green or white.
that color we “forget” the pixel found and continue. When
we find a predefined number of pixels with that color, we IV. OBJECT DETECTION
consider that the search line has this color. The objects of interest that are present in the RoboCup
To accelerate the process of calculating the position of environment are: a ball, two goals, obstacles (other
the objects, we put the color information found, in each robots) and the green field with white lines. Currently, our
search line, into a list of colors. We are interested in the system detects efficiently all these objects with a set of
first pixel (in the respective search line) where the color simple algorithms that, using the color information
was found and the number of pixels with that color found collected by the radial search lines, calculate the object
in the search line. Then, using the previous information, position and / or their limits in an angular representation
we separate the information of each color into sets that we (distance and angle).
named blobs (see Fig. 3). For each blob some useful The transition points detected in the color extraction
information is calculated that will help in the detection of phase are used for the robot localization. All the points
each object: (1) average distance to the robot; (2) mass detected are sent to the Real-time Database, afterward
center; (3) angular width; (4) number of pixels; (5) used by the localization process.
number of green pixels between blob and the robot; (6) To detect the ball, we use the following algorithm:
number of pixels after blob. 1. Separate the orange information into blobs.
The algorithm to search for the transitions between 2. For each blob, calculate the information described
green pixels and white pixels is described as follows. If a in the previous section.
non green pixel is found, we will look for a small window 3. Sort the orange blobs that have some green pixels
in the “future” and count the number of non green pixels before or after the blob by descending order, using
and the number of white pixels. Next, we look for a small their number of orange pixels as measure.
window in the “past” and a small window in the future 4. Choose the first blob as candidate. The position of
and count the number of green pixels. If these values are the ball is the mass center of the blob.
greater than a predefined threshold, we consider this point Regarding the goals, we are interested in three points:
as a transition. This algorithm is illustrated in Fig. 4. the center, the right post and the left post. To do that, we
use the following algorithm:
1. Ignore the information related to radial search lines
which have both blue and yellow information (they
correspond to the land marks).
2. Separate the valid blue and yellow information into
blobs.
3. Calculate the information for each blob.
4. Sort the yellow and the blue blobs that have some
green pixels before the blob by descending order,
using their angular width as measure.
5. Choose the first blob as candidate for each goal.
Their position is given by the distance of the blob
relatively to the robot.
6. The right post and the left post is given by the
Fig. 3. An example of the blobs found in two images. On the position of the goal and the angular width of the blob
left, the original images. On the right, the blobs found. For each Another important information regarding the goals, is
blob, we calculate useful information that is used later to the best point to shoot. To calculate it, we split the blob
calculate the position of each object. chosen into several slices, and choose the one with most
pixels blue or yellow. The best point to shoot is the mass
center of the slice chosen.
To calculate the position of the obstacles around the
robot, we use the following algorithm:
1. Separate the black information into blobs.
2. If the angular width of one blob is greater than 10
63
degrees, we split the blob into smaller blobs, in order The processing system is divided in two phases: color
to obtain better information about obstacles. extraction, using radial search lines, and object detection,
3. Calculate the information for each blob. using specific algorithms. The objects involved are: a
4. The position of the obstacle is given by the distance ball, two goals, obstacles and white lines. The processing
of the blob relatively to the robot. We are also time and the accuracy obtained in the object detection
interested in the limits of the obstacle and to obtain confirms the effectiveness of our system.
that we use the angular width of the blob. As future work, we are developing new algorithms for
In Fig. 5 we present some examples of acquired images camera and color calibration, in particular autonomous
and their correspondent segmented images. As we can algorithms. Moreover, we are improving the presented
see, the objects are correctly detected (see the marks in algorithms in order to use the shape of the objects
images on the right). instead of using only the color information to improve the
object recognition.
V. FINAL EMARKS
This paper presents the omnidirectional vision system VI. REFERENCES
that has been develope. We present several algorithms for [1] Pedro M. R. Caleiro, Anto´ nio J. R. Neves and Armando
image acquisition and processing. The experiments J. Pinho, Color-spaces and color segmentation for real-time
already made and the last results obtained in the KRSBI. object recognition in robotic applications, Revista do
DETUA, Vol. 4, N. 8, Junho 2007, pp. 940-945.
[2] Carter, B., EST LA.: Mechanical Design and Modeling of
an Omni-directional RoboCup Player, RoboCup-2001, A.
Birk, et al (edrs), Springer Verlag.
[3] Almeida, L., P. Pedreiras and J.A. Fonseca: FTT-CAN:
Why and How, IEEE Trans. Indus- trial Electronics, 2002.
[4] Almeida, L., F. Santos, T. Facchinetti, P. Pedreira, V. Silva
and L. Seabra Lopes: Coordinat- ing Distributed
Autonomous Agents with a Real-Time Database: The
CAMBADA Project, Computer and Information Sciences
– ISCIS 2004: 19th International Symposium, Proceed-
ings, Lecture Notes in Computer Science, Vol. 3280, p.
876-886.
[5] Pedreiras, P., F. Teixeira, N. Ferreira, L. Almeida, A.
Pinho, F. Santos: Enhancing the re- activity of the vision
subsystem in autonomous mobile robots using real-time
techniques, RoboCup Symposium: Papers and Team
Description Papers, RoboCup-2005: Robot Soccer World
Cup IX, Lecture Notes in Artificial Intelligence, Springer,
2006.
[6] Santos, F., L. Almeida, P. Pedreiras, L. Seabra Lopes, T.
Facchinetti: An Adaptive TDMA Protocol for Soft Real-
Time Wireless Communication among, Mobile
Autonomous Agents, Proc. WACERTS’2004, Int.
Workshop on Architecture for Cooperative Embedded
Real-Time Systems (in conjunction with RTSS 2004),
Fig. 5. On the left, examples of original images. On the right,
Lisboa, Portugal.
the corresponding processed images. Marks in the blue and
[7] Kopets H.: Real-Time Systems Design Principles for
yellow goals mean the position of the goal (center) and the
Distributed Embedded Applications, Kluwer.
possible points to shoot. The mark over the ball points to the [8] Bresenham, J. E.: A linear algorithm for incremental digital
mass center. The several marks near the white lines (magenta) display of circular arcs, CA CM, 20(2), pp. 100-106, 1977.
are the position of the white lines. The cyan marks are the [9] Bresenham, J. E.: Algorithm for computer control of a
position of the obstacles. digital plotter, IBM Systems J., 4(1), pp.25-30, 1965.
[10] P. Heinemann et al.: Fast and Accurate Environment
Therefore, our system defines different color classes Modelling using Omnidirectional Vi- sion, Dynamic
corresponding to the objects. The 24 bit pixel color is used Perception, pp. 9-14, Infix, 2004.
as an index to a 16 MBytes lookup table which contains [11] P. Heinemann et al.: Tracking Dynamic Objects in a
RoboCup Environment - The Attempto Tu¨ bingen Robot
the classification of each possible color in a 8 bit entry. Soccer Team, RoboCup-2003: Robot Soccer World Cup
Each bit specifies whether that color lays within the VII, LNCS, Volume 3020, Springer, 2003.
corresponding color class.
64
[12] Jose Gaspar, Niall Winters, Etienne Grossmann, Jose Claudia Risa Puti Vania is a student of
Santos-Victor: Toward Robot Percep- tion using informatics engineering, at the Yogyakarta
Omnidirectional Vision, In Innovations in Machine State University is an English student teacher
at Yogyakarta State University. She was born
Intelligence and Robot Per- ception, Springer-Verlag,
born in Yogyakarta on June 15, 1996. She lives
2004. in condongcatur sleman DIY. She can be
[13] Jan Hoffmann et al.: A vision based system for goal- contacted though e-mail:
directed obstacle avoidance, RoboCup-2004: Robot Soccer risavania@gmail.com
World Cup VIII, LNCS, Springer, 2004.
VII. BIOGRAPHIES
Chamdan Nor born in Jepara on July 30, Bekti Febriarti is an English student teacher at
1995. Now a student of Automotive Yogyakarta State University. Now she is in the
Engineering, at the Yogyakarta State 4th semester of English Education Department,
University. He can be contacted through E- Faculty of Languages and Arts, Yogyakarta
mail chamdannor17@gmail.com or phone State University. She was born in Yogyakarta
085-222-296-657. on February 14th, 1996. She lives in
Banguntapan Bantul DIY. She can be contacted
through e-mail bekti.febriarti@gmail.com or
phone 085-878-823-379.
65
Rancang Bangun Sistem Tracking Pada Robot

Sepak Bola Dengan Metode Thresholding
Menggunakan Open-CV
Jovi Mahesa, Azizul, Meliyana
Politeknik Negeri Bengkalis
Abstrak – Color Filtering adalah suatu teknik B. Rumusan Masalah

pengolahan citra yang dipakai untuk memanipulasisuatu Berdasarkan latar belakang diatas, maka rumusan
citra berdasarkan warna spesifik. Cara kerjanya adalah masalah pada penelitian ini adalah bagaimana cara
dengan membandingkan komponen warna setiap pixel merancang sistem tracking pada robot menggunakan
citra dengan warna spesifik. Ada beberapa ruang warna kamera logitech berbasis Open-CV dengan menggunakan
yang dikenal, antara lain RGB, HSV, YCbCr, dsb. HSV metode thresholding.
merupakan ruang warna yang sangat cocok untuk C. Batasan Masalah
mengidentifikasi warna-warna dasar, dimana warna dasar Adapun batasan masalah dari pembuatan penelitian
ini digunakan dalam penelitian sebagai warna identifikasi ini adalah sebagai berikut:
robot. Thresholding merupakan konversi citra berwarna 1. Perancangan sistem tracking robot
ke citra biner yang dilakukan dengan cara menggunakan camera logitech dengan metode
mengelompokkan nilai derajat keabuan setiap pixel thresholding menggunakan cubieboard.
kedalam 2 kelas, hitam dan putih. Pada citra hitamputih 2. Pengujian akan dilakukan di dalam ruangan
terdapat 256 level, artinya mempunyai skala “0” sampai dengan intensitas cahaya yang sangat terang (4
“255”, dalam hal ini nilai intensitas 0 menyatakan hitam, lampu), terang (2 lampu)
dan nilai intensitas 255 menyatakan putih, dan nilai antara 3. Pengujian akan dilakukan untuk objek bola
0 sampai 255 menyatakan warna keabuan. Data inilah berwarna orange dengan warna background
yang nantinya akan dipakai untuk keperluan tracking. yang berbeda dengan warna bola.
Kata kunci: Color Filtering, Thresholding. D. Manfaat dan Tujuan Penelitian
Tujuan dari penelitian ini adalah untuk
merencanakan dan membuat sebuah robot yang mampu
melihat, mengejar dan menendang bola.
I. PENDAHULUAN
A. Latar Belakang II. TINJAUAN PUSTAKA
Istilah robot berasal dari bahasa Cekoslowakia. Kata
A. Landasan Teori
robot berasal dari kata Robota. Secara bahasa robot
Sutrimo, Dalam perancangan dan implementasinya,
berarti “kerja cepat”, sedangkan secara istilah, robot
sistem menggunakan kamera logitech C905 sebagai
merupakan gabungan dari alat-alat mekanik yang dapat
sensor vision dan FitPC2i Internals Sebagai sistem
mengerjakan tugas fisik, baik dengan pengawasan dan
kendali kamera pada robot. Respon pergerakan dari robot
kontrol manusia maupun menggunakan program yang
dikontrol menggunakan metode HSV yang ditampilkan
telah didefinisikan terlebih dulu atau yang biasa disebut
melalui web browser dengan tujuan robot dapat
dengan kecerdasan buatan.
mengikuti bola berdasarkan posisi dan jarak bola
KRI (Kontes Robot Indonsia) dibagi menjadi 5
terhadap robot. (Sutimo, 2014)
devisi dan salah satu devisinya adalah KRSBI (kontes
Meilita, Novian Mahardika Putra, Mohammad
Robot Sepak Bola Indonesia). Dari banyak permasalahan
Irsyad Safrony, Izzati Muhimmah pada karya tulis ilmiah
pada robot sepak bola ini, salah satu permasalahan yang
yang berjudul “Perancangan Perhitungan Jarak Objek
sering terjadi di lapangan adalah susahnya robot mencari
Benda dengan Satu Kamera Menggunakan Metode
bola.
Triangulation” mengatakan bahwa pada robot KRSBI
pengenalan objek merupakan hal yang penting. Meilita,
Novian Mahardika Putra, Mohammad Irsyad Safrony,
Izzati Muhimmah, 2014)
66
Muhammad Anwar Ma’sum dan Dean Zaka Hidayat

pada karya tulis ilmiah yang berjudul “Optimasi D. CM510
Pencarian Objek Bola Pada Robot Soccer Humanoid CM-510 merupakan modul kontroler yang dapat
Menggunakan Metode Hough Transform”mengatakan digunakan untuk menyimpan dan mengeksekusi program
bahwa Metode tresholding standart memiliki berbagai dalam aplikasi robotika dan kontrol yang menggunakan
macam kelemahan. Salah satu kelemahan yang paling AX,MX, dan RXseries Dynamixel seperti AX12/AX-
susah diatasi adalah adanya noise.(Muhammad Anwar 12+/AX-12A/AX-18F/AX-18A/MX28/RX24/AX-S1
Ma’sum dan Dean Zaka Hidayat, 2014) dan lain-lain. Selain itu modul kontroler ini juga
Yasin Aril Mustofa, Vincent Suhartono dan dilengkapi dengan port untuk koneksi dengan perangkat
Ricardus Anggi Pramunendar (2014) “Penentuan sensor eksternal. Modul kontroler CM-510 berbasis
Threshold Menggunakan Algoritma Fuzzy C-Means mikrokontroler ATmega2561 dari keluarga AVR 8-bit.
Untuk Segmentasi Region Pada Plat Nomor Kendaraan”.
Thresholding adalah metode untuk menganalisis
gambar skala abu-abu ke citra binner. (Yasin Aril
Mustofa, Vincent Suhartono dan Ricardus Anggi
Pramunendar, 2014)
B. Open CV Gambar 2.2 CM510
Open CV (Open Source Computer Vision) (www.Robotis.com, 2014)
merupakan sebuah library yang dikhususkan untuk
penglihatan komputer secara real time yang
E. Servo
dikembangkan oleh pusat penelitian Intel di Nizhny
1) Servo AX 18
Novgorod, Rusia.OpenCV ini dapat digunakan di
Motor Servo digital/w metal gear yang memiliki
berbagai bahasa pemrograman, seperti C, C++, Java,
antarmuka serial multi-drop dengan informasi posisi,
Python, dan suport dengan Windows, Linux, Mac OS,
beban, dll. Motor servo ini dilengkapi dengan horn , kabel
iOS dan Android. OpenCV didesain untuk efisiensi
3pin, dan mur-baut. Kompatibel dengan kontroler CM-
komputasi dan dengan fokus yang kuat pada aplikasi real-
2+, CM-5, CM-510 dan CM-700. Pengaturan ID dapat
time.
melalui USB2Dynamixel.
Keistimewaaan yang di miliki open CV :
1. Manipulation data citra
2. Citra dan video I/O
3. Manipulasi Matriks dan Vektor beserta rutin-rutin
aljabar linear
4. Pemroses Citra fundamental, dll.
C. Cubieboard Gambar 2.3 Motor AX-18
Cubieboard sebuah open ARM box berbasis prosesor
ARM dengan kecepatan 1Ghz tipe Cortex A8, berbagai (www.robotis.com, 2014)
IO termasuk USB, HDMI, IR, serial, Ethernet, SATA,
dan 96 pin antarmuka diperpanjang ke SOC, dukungan 2) Servo RX 24
SATA membuatnya menjadi solusi yang bagus untuk Motor Servo digital metal gear. Memiliki antarmuka
server bertenaga rendah. serial multi-drop RS485 dengan informasi umpan balik
posisi, beban, dll. Compatible dengan kontroler CM-2+
dan CM-700 dan pengaturan ID dapat melalui
USB2Dynamixel. Perlengkapan : Horn , kabel 4pin, dan
mur-baut.
Gambar 2.1 Cubieboard

(www.cubietruck.com, 2016)
Gambar 2.4 Motor RX-24
(www.robotis.com, 2014)
67
F. Robot Cable-3P Set (BCS-3P01) III. METODE PENELITIAN

Ditujukan untuk seri AX dan seri MX (TTL) motor A. Metodologi penelitian
Dynamixel dibuat dengan bahan yang lembut dan tahan Dalam melakukan penelitian proyek akhir ini
lama membuat selubung kuat. Kabel BCS-3P01 adalah diperlukan metodologi penelitian untuk mencapai hasil
salah satu komponen utama untuk menghubungkan motor yang maksimal dalam pembuatan laporan yang lebih
1 dengan motor yang lain agar terhubung ke baik.
mikrokontroller CM-510 sebagai pusat kontrol. 1. Perancangan alat
Perancangan alat merupakan proses yang dilakukan
terhadap alat mulai dari rancangan kerja hingga hasil
akhir sesuai dengan apa yang diharapkan pada
sebelumnya. Adapun blok diagram dan flowchart dari
perancangan proyek akhir yang dilakukan sebagai
Gambar 2.5 Robot Cable-3P Set (BCS-3P01)
berikut:
(www.robotis.com, 2014) a. Blok Diagram
G. Baterai Lipo 11.1v 1800mah Lb-12

Baterai Li-Po yang digunakan pada robot adalah
jenis baterai lipo 11.1v 1800 mah lb-12. Baterai ini cocok
untuk baterai kontroler robot, Cubieboard dan CM-730
dan include tempat baterai dari Robotis. Spesifikasi :
1. Tegangan : 11,1VD
2. Rechargable : Ya
3. Kapasitas : 1800mA
4. Jenis baterai : LIPO
Gambar 2.7 Baterai Li-Po Gambar 3.1 Block diagram perancangan alat
(www.Robotis.com, 2015) Kamera webcam yang berfungsi untuk tracking
dihubungkan ke single board computer (SBC) atau mini
PC menggunakan USB untuk diolah dan mini PC ini di
H. Kamera Logitech HD Pro Webcam C920 hubungkan ke servo controller (disini menggunakan CM-
510) yang bertujuan untuk komuikasi antara mini PC dan
CM-510 begitu juga dengan aktuator/servo akan
terhubung juga dengan servo controller dan mini PC
sebagai penggerak robot dan juga penggerak kamera
(pengubah posisi X dan Y axis) agar robot bisa melihat
dan kemudian bermanuver maju atau menendang sesuai
Gambar 2.8 Kamera Logitech HD Pro Webcam dengan yang telah di program. Pada proyek akhir ini,
robot menggunakan 20 servo dengan ID 1 sampai 20.
C920 Adapun desain robot dengan posisi ID sebagai berikut :
(www.logitech.com, 2016)
68
YCbCr, dsb. HSV merupakan ruang warna yang sangat

cocok untuk mengidentifikasi warna-warna dasar, dimana
warna dasar ini digunakan dalam penelitian sebagai
warna identifikasi robot.
Selain itu, HSV menoleransi terhadap perubahan
intensitas cahaya. Inilah yang menjadi keunggulan HSV
dibandingkan dengan ruang warna lainnya. (Dhiemas,
2011)
C. Metode Thresholding
Thresholding merupakan konversi citra berwarna ke
citra biner yang dilakukan dengan cara mengelompokkan
nilai derajat keabuan setiap pixel kedalam 2 kelas, hitam
dan putih.
Pada operasi pengambangan, nilai intensitas pixel
Gambar 3.2 Desain robot dan posisi ID servo dipetakan ke salah satu dari dua nilai α₁ atau α₂,
berdasarkan nilai ambang (threshold) T dapat
ditunjukkan seperti pada persamaan berikut
2.
Algoritma
Pemograman FX , Y '  a1 , Fxy  Ta 2 Fx, y T
Algoritma merupakan sebuah perangkat lunak dari
sebuah robot yang di terjemahkan ke dalam bahasa Persamaan 3.1 nilai intensitas pixel
pemograman. Adapun algoritma dari robot soccer adalah (Sumber : Prosiding ISRSC 2013)
sebagai berikut :
Metode yang sering digunakan untuk mencari objek
pada robot humanoid soccer adalah dengan metode color
filter, atau yang lebih dikenal dengan metode
thresholding.
D. Langkah-langkah melakukan metode
thresholding
Adapun langkah-langkah pencarian objek bola yang
dilakukan dengan metode thresholding yaitu :
Pertama, frame gambar diambil dari sensor kamera.
Selanjutnya frame gambar tersebut dikonversi dari
domain RGB ke domain Hue, Saturation and Value
(HSV).
Konversi nilai setiap pixel dari domain RGB ke
domain HSV dilakukan dengan persamaan 3.2
V  max( R, G , B)


V  min( R, G , B )
S  if V  0
 V
 0
Gambar 3.3 Algoritma tracking robot
 60 (G  B) / S if V  R

B. Color Filtering H  120  60( B  R ) / S if V  G
240  60( R  G ) / S if V  B
Color Filtering adalah suatu teknik pengolahan citra 
yang yang dipakai untuk memanipulasi suatu citra Persamaan 3.2 Persamaan konversi pixel RGB ke
berdasarkan warna spesifik. Cara kerjanya adalah dengan HSV(Sumber : Prosiding ISRSC 2013)
membandingkan komponen warna setiap pixel citra
dengan warna spesifik. Apabila warnanya sesuai dengan
warna spesifik komponen, warna pixel tersebut dibiarkan Kemudian setiap pixel frame gambar akan di
saja. threshold bebrdasarkan nilai batas minimal dan maksimal
Ada beberapa ruang warna yang dikenal, antara lain yang diberikan untuk setiap komponen warna (H, S dan
RGB (Red, Green, Blue), HSV (Hue,Saturation, Value), V). Hasil threshold akan disimpan dalam gambar binary,
69
yaitu gambar yang nilai pixel nya 0 atau 1 (hitam atau Jarak Bola Tampilan Hasil
No Keterangan Tracking
putih). (Cm)
Langkah terakhir adalah hitung besaran letak center
dan area pixel-pixel yang masuk rentang threshold. 4 40 Terdeteksi

5 50 Terdeteksi
Pengujian dilakukan dengan cara sejauh mana robot
mendeteksi keberadaan bola dengan jarak yang sudah di
tentukan. Adapun hasil dari penelitian sebagai berikut : 6 60 Terdeteksi
Tabel 4.1 Penelitian dengan 4 lampu
Jarak Bola Tampilan Hasil 7 70 Terdeteksi
No Keterangan Tracking
(Cm)
1 10 Terdeteksi 8 80 Terdeteksi
4 40 Terdeteksi V. PENUTUP
A. Kesimpulan
5 50 Terdeteksi Color Filtering adalah suatu teknik pengolahan citra
yang yang dipakai untuk memanipulasi suatu citra
berdasarkan warna spesifik. Metode thresholding sangat
6 60 Terdeteksi bagus di aplikasikan untuk tracking robot soccer karena
tidak terlalu di pengaruhi oleh intensitas cahaya akan
tetapi waktu deteksinya lambat karena processor yang
7 70 Terdeteksi
rendah.
B. Saran
8 80 Terdeteksi Gunakanlah mini PC yang berprocessor yang tinggi
agar saat mendeteksi bola tidak memakan waktu yang
lama seperti yang di lakukan pada penelitian kali ini.
9 90 Terdeteksi
VI. DAFTAR PUSTAKA
10 100 Terdeteksi [1] Sutrimo(2014),Sistem tracking pada robot KRSBI
menggunakan metode HSV.
[2] Anwar Ma’sum Muhammad dan Dean Zaka Hidayat
2013,Optimasi Pencarian ObjekBola Pada Robot Soccer
Tabel 4.2 Penelitian dengan 2 lampu Humanoid Menggunakan Metode Hough Transform
Jarak Bola Tampilan Hasil [3]http://ccc.komunitas.uksw.edu/2014/05/pengenalan-
No Keterangan Tracking opencv.html
(Cm)
[4]Dhiemas, R.Y.S. 2011. Pencarian Posisi Robot: Studi
Samar- Kasus Pencarian Sumber Kebocoran Gas.
1 10
samar
(http://jiki.cs.ui.ac.id/index.php/jiki/article/download/39/
44).
2 20 Terdeteksi [5] Prosiding_ISRSC_2013.
[6]Andriessen Daniel Richard, Harianto,Wibowo Madha
Christian, Pengendalian Mobile Robot Berbasis Webcam
3 30 Terdeteksi Menggunakan Perintah Isyarat Tangan, STIKOM
Surabaya.
70
Implementasi FPGA-Soft Processor untuk Kontrol

Low Level pada Holonomic Robot
Purwanto1 , Fernando Ardilla2 , Iwan Kurnianto Wibowo3 .
Abstract -- Pada penelitian ini membahas tentang pesat dengan munculnya Field programmable gate array
implementasi FPGA-soft processor sebagai kontrol low level (FPGA) menjadikan salah satu produk Integrated Circuit
pada holonomic robot. Beberapa permasalahan (IC) yang dapat dikembangkan [7]. Dimana pada FPGA
mengendalikan mobile robot menggunakan embedded system
dilengkapi dengan soft processor yaitu MicroBlaze.
adalah keterbatasan hardware dengan sistem kinerja tinggi
dalam paket kecil. Selama ini kebanyakan teknologi Pengggunaan soft processor memberikan tingkat
embedded system menggunakan mikrokontroler. fleksibilitas yang penting bagi para perancang sistem
Kelemahan menggunakan mikrokontroler yaitu bentuk dan (system designer). Penggunaan soft processor
spesifikasinya ditentukan oleh pabrik sehingga programmer memberikan banyak manfaat untuk para perancang
tidak dapat menambah ataupun merubah secara fleksibel. sistem tertanam (embedded system), diantaranya sebagai
Selain itu proses eksekusi program dikerjakan secara
berikut [7]:
sekuensial sehingga memerlukan waktu yang lama. Untuk
itu penelitian ini menggunakan FPGA-soft processor untuk a. Pertama, soft-prosesor fleksibel dan dapat diatur
merancang sebuah arsitektur hardware dalam bentuk penggunaannya untuk suatu aplikasi yang spesifik
system on chip sebagai kontrol kecepatan motor dan heading dengan relatif lebih mudah.
robot. Hasil yang didapat, pada pengujian kecepatan motor b. Kedua, soft prosesor memiliki kebebasan penggunaan
untuk kembali ke steady state setelah menerima gangguan teknologi dan dapat disintesis pada jenis teknologi
sekitar 0.7s. Pada pengujian heading lock robot untuk AISC atau FPGA.
kembali ke posisi set point diperlukan waktu sekitar 0.8s. c. Ketiga, arsitektur dan perilaku soft processor
Kebutuhan resource untuk menerapkan sistem soft dideskripsikan pada tingkatan abstraksi yang lebih
processor adalah 3883 slice register, 1130 slice flip-flop, 3825
slice LUTs dan 191 RAM Blocks.
tinggi menggunakan suatu HDL.
Kata Kunci — Embedded System, FPGA-Soft Processor, Berdasarkan kondisi diatas maka penulis melakukan
Holonomic Robot, System on Chip. penelitian tentang desain arsitektur FPGA - Soft
processor menggunakan Xilinx MicroBlaze yang
I. PENDAHULUAN diimplementasikan untuk kontrol kecepatan motor dan
heading robot pada holonomic robot dengan metode
P erkembangan pada penelitian robotika pada
saat ini sangatlah cepat. Diantaranya penelitian
tersebut adalah dari sisi embedded system untuk
System on Chip (SoC). Metode System on Chip
merupakan kombinasi antara processor core dengan
mengendalikan mobile robot. Beberapa masalah dalam custom hardware yang diimplementasikan menggunakan
mengendalikan robot menggunakan embedded system FPGA logic elements dan memory blocks [3]. Metode ini
adalah merancang perangkat driver, menyediakan digunakan untuk membuat sebuah arsitektur processor
jaringan komunikasi, mengembangkan kompleks dengan desain secara hardware dan software. Diharapkan
alogaritma kontrol da4n keterbatasan hardware [6]. dengan adanya penelitian ini, tercipta sebuah desain
Selama ini kebanyakan teknologi embedded system hardware soft processor dengan sistem kinerja yang
menggunakan mikrokontroler dengan bentuk dan tinggi dalam paket kecil.
spesifikasi telah ditentukan oleh pabrik sehingga
programmer tidak dapat menambah dan mengubah II. PERANCANGAN SISTEM
arsitektur hardware secara fleksibel. Untuk menambah Perancangan sistem pada penelitan ini meliputi
jumlah fitur hardware, perlu menambahkan desain soft processor, desain robot dan perancangan
mikrokontroler lagi. hal ini mengakibatkan pembuatan perangkat elektronik. Berikut ini akan di bahas pada tiap
sistem menjadi sangat rumit dan kurang effisien. bagian:
Kini perkembangan embedded system semakin
Purwanto1, Fernando Ardilla2 , Iwan Kurnianto Wibowo3 , Politeknik

Elektronika Negeri Surabaya, purwanto@ce.student.pens.ac.id1 ,
nando@pens.ac.id2 , eone@pens.ac.id3 .
71
A. Desain Soft Processor

Dalam membangun sebuah desain soft processor Kemudian komponen Encoder, PID motor dan PWM
diperlukan tiga aplikasi yaitu Xilinx ISE Design Suite, didesain secara hardware.
Xilinx Platform Studio (Co-Design) dan Xilinx Software B. Desain Robot
Development Kit (SDK). Langkah awal adalah membuat Desain mekanik yang baik berpengaruh besar pada
desain hardware, kemudian dilakukan proses synthesis, pergerakan robot, oleh karena itu perancangan mekanik
simulation, translite, map dan place and route yang dalam hal ini body dan rangka robot harus dibuat sepresisi
menghasilkan file bit. File bit ini kemudian diekspor ke mungkin. Gambar 3 menunjukan desain mekanik robot.
Software Development Kit (SDK) dengan file
Microprocessor Hardware Specification (MHS) and
Microprocessor Software Specification (MSS). SDK
merupakan aplikasi perangkat lunak untuk peripheral dan
prosesor yang telah terhubung dengan XPS. dimana
bahasa pemrograman yang digunakan adalah C/C++.
Blok kofigurasi soft processor ditunjukan pada gambar 1.
Gambar 3. Rancangan robot tampak atas
Dalam perancangan dan pembuatan body robot yang

berbentuk segi empat dengan ukuran luar 240mm x
260mm dan panjang antar sumbu roda 200mm. Dengan
Gambar 1. konfigurasi soft processor
ukuran roda mecanum adalah 60 mm. Roda mekanum
dihubungkan dengan motor DC.
Selain prosesor MicroBlaze, komponen lain yang
Roda mekanum berbasis desain roda yang
dibutuhkan adalah GPIO, timer, IIC, LCD, Interrupt dan
disekelilingi oleh roller dengan membentuk sudut 45
perangkat komunikasi serial (UART) yang didesain
derajat. Arah dan kecepatan masing-masing roda
secara software. Sebagai langkah pertama, prosesor
menghasilkan resultan gaya yang menerjemahkan
MicroBlaze dikonfigurasi dengan frekuensi sistem clock
pergerakan mobilitas tanpa mengubah arah hadap robot
100 MHz dan memori lokal 64 KB. Blok desain FPGA
atapun perubahan sudut roda [4]. Roda mekanum
soft processor ditunjukan pada gambar 2.
termasuk dalam teknologi pergerakan holonomic.
Sehingga mobile robot dapat bergerak ke segala arah.
Untuk mencapai pergerakan tersebut maka diperlukan
perhitungan kinematika.
Persamaan kinematik salah satunya dapat
mendiskripsikan pergerakan suatu robot, sehingga
kontrol pergerakan robot dapat dilakukan. Persamaan
kinematik mendifinisikan beberapa bagian dari
pergerakan robot, diantaranya Vx, Vy dan ω. Resultan
antara Vx, Vy adalah Vt. Persamaan pergerakan robot
dapat ditunjukan pada gambar 4.
Gambar 2. Desain FPGA soft processor
72
Kecepatan keempat roda dapat didefinisikan dalam tan

(αi) = (1, -1, -1, 1). Sehingga dapat diperoleh :
v1 = Vx – Vy – aω – bω (4)
v2 = Vx + Vy + aω + bω (5)
v3 = Vx + Vy – aω – bω (6)
v4 = Vx – Vy + aω + bω (7)
Karena, v = ω . R , dengan R adalah jari-jari roda maka
Gambar 4. Vektor Pergerakan Robot [4]
persamaannya menjadi :
Persamaan invers kinematik digunakan untuk
ω1 1 −1 −𝑎 −𝑏
menguraikan pergerakan robot menjadi persamaan 𝑉𝑥
ω2 1 1 1 𝑎 𝑏
masing-masing roda. [ ] = 𝑅[ ] [𝑉𝑦] (8)
ω3 1 1 −𝑎 −𝑏
ω
ω4 1 −1 𝑎 𝑏
C. Perancangan Perangkat Elektronik

Prinsip kerja sistem ini adalah awalnya
mikroprosessor FPGA akan mengolah input dari push
button berupa data Vx, Vy dan ω. Kemudian menghitung
persamaan kinematik robot sehingga menghasilkan ω1,
ω2, ω3, ω4 dan arah putaran roda mechanum. Untuk
mendapatkan sebuah arah hadap dari robot yang akurat
digunakan sensor gyroscope. Sensor tersebut diolah
menggunakan mikroprosessor FPGA dengan tipe Spartan
Gambar 5. Vektor Pergerakan Mecanum Wheels Robot [4] 6 XC6SLX9. Diagram Blok Perancangan perangkat
elektronik ditunjukan dalam gambar 6.
Dalam Gambar 5 menjelaskan bahwa:
 a adalah jarak antara roda depan dan titik pusat robot.
 b adalah jarak roda samping dengan titik pusat robot.
 vi merepresentasikan kecepatan roda nomor i,
 rvi merepresentasikan kecepatan dari roler.
 Vx, Vy dan ω merepresentasikan kecepatan robot dan
kecepatan sudut dalam sumbu x.
Titik tengah robot, jarak vertikal, horisontal, arah
dan sudut dari roler dan roda didefinisikan sebagai
berikut :
i : 1, 2, 3, 4 Gambar 6. Blok Diagram secara umum rangkaian elektronika pada

ai : {a, a, -a, -a} robot
bi : {b, -b, b, -b}
αi : {π/4, - π/4, - π/4, π/4} III. PENGUJIAN
vxy : (𝑣𝑥, 𝑣𝑦)𝑇 Pengujian dan analisa dilakukan untuk mengetahui
kinerja sistem yang telah dibuat. Pengujian dilakukan
Penomoran roda i (i=1,2,3,4) merepresentasikan
untuk mengetahui apakah sistem telah sesuai dengan
dalam koordinat sistem x dan y dapat dilihat dalam
perancangan. Berikut merupakan proses tahapan yang
Persamaan 1 sampai Persamaan 3 berikut :
telah dilakukan :
A. Pengujian Soft Processor
𝑣𝑖 + r𝑣𝑖 cos(𝑎𝑖 ) = 𝑉𝑥 – 𝑏𝑖 𝜔 (1)
Proses sintesis umumnya dilakukan dengan cara
r𝑣𝑖 sin(𝑎𝑖 ) = 𝑉𝑦 +𝑎𝑖 ω (2) menyatukan code VHDL dalam proyek Xilinx ISE Project
𝑉𝑦+ 𝑎𝑖 𝜔 Navigator. Kemudian dilakukan proses Place And Route
𝑣𝑖 = 𝑉𝑥 - bω - (3) (PAR). Proses ini dilakukan untuk mengetahui kebutuhan
𝑡𝑎𝑛(𝑎𝑖 )
resource dari FPGA dan melakukan proses mapping
sinyal-sinyal antara blok logika. Dari proses ini dapat
73
dilihat penggunaan resource FPGA yang dipakai untuk

mengimplementasikan sistem. Penggunaan resource
Uji 1 Uji 2
Motor
Uji 3
1 Uji 4 Uji 5
FPGA dapat dilihat pada tabel 1. 1500
Tabel 1. Penggunaan resource pada FPGA

1000
Pwm
Resources FPGA Terpakai Dari total Presentase
500
Slices registers 3883 11440 33%
0
140
0
65
221
303
378
453
527
604
680
755
830
905
983
1058
Slices flip flops 1130 4546 24%
t (ms)
Slices LUTs 3825 5720 66% Gambar 8. Respon kontrol kecepatan motor 1
RAM Blocks 191 1440 13% Pada pengujian kontroller PD untuk kecepatan
motor 1 dengan umpan balik sensor rotary encoder.
Pengujian dilakukan dengan cara memberi gangguan
Tabel di atas menunjukkan bahwa kebutuhan pada kecepatan motor dan seberapa cepat motor dapat
minimal dari FPGA untuk dapat diimplementasikan mengembalikan kecepatan yang di harapkan. Dari hasil
sistem prosesor Microblaze adalah sebanyak 3883 slices. grafik pengujian pada gambar 8, diperoleh waktu untuk
Slice sendiri adalah satuan jumlah Configurable Logic mencapai set point tercepat yang diperoleh sebesar 393
Block (CLB) yang di dalamnya terdiri dari 4 Look Up ms, dimana nilai Kp = 1 dan nilai Kd = 20. Dari hasil
Table (LUT) 6-input dan 8 flip-flop (sequential unit). grafik lima kali pengujian, respon kontroller dapat
Pengujian ini dilakukan untuk mengetahui dan dikatakan berhasil. Ini dapat dilihat respon yang cepat
memeriksa desain soft processor apakah sudah sesuai untuk mencapai target yang diinginkan yaitu cukup
dengan desain yang diinginkan. Hasil perancangan soft dengan rata rata waktu 710 ms untuk dapat kembali ke set
processor ditunjukan dalam gambar 7. point.
Motor 2
Uji 1 Uji 2 Uji 3 Uji 4 Uji 5
1500
1000
Pwm
500
0
0
65
140
221
303
378
453
527
604
680
755
830
905
983
1058
t (ms)
Gambar 9. Respon kontrol kecepatan motor 2
Dari hasil grafik pengujian pada gambar 9, diperoleh

Gambar 7. Xilinx Platform Studio Generated Block Diagram waktu untuk mencapai set point tercepat yang diperoleh
sebesar 383 ms, dimana nilai Kp= 1 dan nilai Kd = 20.
B. Pengujian Kontrol Proportional Derrivative Dari hasil grafik lima kali pengujian, respon kontroller
(PD) untuk Kecepatan Motor dapat dikatakan berhasil. Ini dapat dilihat respon yang
Pengujian kecepatan motor DC digunakan untuk cepat untuk mencapai target yang diinginkan yaitu cukup
mencari nilai Proportional Derrivative dengan respon dengan rata rata waktu 709 ms untuk dapat kembali ke set
yang cepat dan stabilitas yang baik. point.
74
C. Pengujian Kontrol Proportional Derrivative

Motor 3 (PD) untuk Heading Lock
Uji 1 Uji 2 Uji 3 Uji 4 Uji 5 Pengujian Heading Lock digunakan untuk mencari
1500
nilai Proportional Derrivative dengan respon yang cepat
dan stabilitas yang baik dengan umpan balik sensor gyro.
1000 Pengujian dilakukan dengan cara memberikan gangguan
Pwm
dari heading robot dan seberapa cepat robot dapat

500
mengembalikan arah heading yang diharapkan.
0 Uji 1 Uji 2 Uji 3 Uji 4 Uji 5

0
65
140
221
303
378
453
527
604
680
755
830
905
983
1058
10
t (ms)
5
Gambar 10. Respon kontrol kecepatan motor 3
Theta
0
Dari hasil grafik pengujian pada gambar 10,
1
237
465
692
918
1148
1375
1601
1843
2091
2339
2585
2829
3075
3327
3590
3849
diperoleh waktu untuk mencapai set point tercepat yang -5
diperoleh sebesar 652 ms, dimana nilai Kp =1 dan nilai
Kd = 20. Dari hasil grafik lima kali pengujian, respon -10
kontroller dapat dikatakan berhasil. Ini dapat dilihat t(ms)
respon yang cepat untuk mencapai target yang diinginkan
yaitu cukup dengan rata rata waktu 710 ms untuk dapat Gambar 11. Respon pengujian Heading Lock
kembali ke set point.
Dari grafik pengujian pada gambar 12. untuk
kembali ke posisi set point diperlukan waktu sekitar 0.8s,
Uji 1 Uji 2
Motor
Uji 3
4 Uji 4 Uji 5
dimana nilai Kp = 5 dan nilai Kd = 10.
1200 IV. KESIMPULAN

1000 Berdasarkan hasil pengujian FPGA-Soft Procesor
800 menggunakan Xilinx FPGA Spartan-6 XC6SLX9 board,
Pwm
600 untuk menjalankan program kontrol low level pada

400
holonomic robot diperlukan resource sebesar 3883 (33%)
slice register, 1130 (24%) slice flip flop, 3825 (66%)
200
slice LUTs dan 191 (13%) RAM Blocks. Pada pengujian
0 kecepatan motor untuk kembali ke steady state setelah
140
755
0
65
221
303
378
453
527
604
680
830
905
983
1058
menerima gangguan, diperlukan waktu sekitar 0.7s. Pada

t (ms) pengujian heading lock robot untuk kembali ke posisi set
Gambar 11. Respon kontrol kecepatan motor 4 point diperlukan waktu sekitar 0.8s. Kedepanya
sebaiknya dilakukan proses clock constraining, sehingga
Dari hasil grafik pengujian pada gambar 11, persentase penggunaan resource pada FPGA dapat tepat
diperoleh waktu untuk mencapai set point tercepat yang mencapai 100% (optimal).
diperoleh sebesar 436 ms, dimana nilai Kp = 1 dan nilai
Kd = 30. Dari hasil grafik lima kali pengujian, respon V. REFERENSI
kontroller dapat dikatakan berhasil. Ini dapat dilihat [1] Kale, Shilpa dan S. Shriramwar, “FPGA-based Controller for a
respon yang cepat untuk mencapai target yang diinginkan Mobile Robot,“ (IJCSIS) International Journal of Computer
Science and Information Security, Vol.3, No. 1, 2009, Dept. of
yaitu cukup dengan rata rata waktu 700 ms untuk dapat Electronics & Telecommunication Engg, India.
kembali ke set point. [2] P.B. Minev dan S.K. Valentina, “Implementation of Soft-Core
Processor in FPGAs,” International Scientific Conference,
Technical University of Gabrovo, 2007.
75
[3] Huang, H. Chih, “Intelligent Motion Control for Four-Wheeled Computer Engineering, Department of Electrical Engineering,
Holonimic Mobile Robots Using FPGA-Based Artificial Immune Chulalongkorn University, Bangkok, Thailand, 2009.
System Algorithm,” Hindawi Publishing Corporation Advances in [6] D. F. Wolf, “An FPGA-Based Mobile Robot Controller,” Institute
Mechanical Engineering Volume 2013, Article ID 589510, of mathematics science, University of Sao Paulo, Sao Carlos, SP,
Departement of Electrical Engineering, National Ilan University, Brazil, 2007.
Taiwan. [7] Dhita Bagus Ananda Nurman, R.Rumani M, Denny Darlis,
[4] H. Veri, “Implementation Invers Kinematics pada Sistem "Perancangan Dan Implementasi Soft Processor Berdasarkan
Pergerakan Mobile Robot Roda Mekanum,” Jurusan Teknik Arsitektur OpenRISC 1200 pada FPGA," Fakultas Teknik Elektro,
Elektro, Fakultas Teknik Universitas Brawijaya, 2014. Universitas Telkom, 2015.
[5] T. Wattanavekin, S. Suntharantic, A. Kriengwattanakul, M. [8] Fernando A, Rahardhita W S, M. Romadhon S A, "Implementasi
Wongphati dan P. Chongstitvatana, ”The design of embedded Sensor Gyro untuk Heading Lock pada Robot Omnidirectional,"
systems for RoboCup Soccer Team : Plasma-Z,” Department of Politeknik Elektronika Negeri Surabaya, Prosiding Indonesia
Symposium on Robot Soccer Competition 2013, juni 2013.
76
Implementasi Soft Processor Untuk Sistem

Kontrol Keseimbangan Pada Quadcopter
Rejanuis Sepondria, Fernando Ardilla, Iwan Kurninato Wibowo
reja@ce.student.pens.ac.id, nando@pens.ac.id, eone@pens.ac.id
Abstract – Perkembangan Embedded System controller memiliki batasan dan tidak mampu dijalankan
semakin berkembang pesat. Diantaranya dengan dengan benar. Pada quadcopter sendiri biasanya terdapat
bermunculan banyak vendor – vendor yang membuat beberapa task ataupun fitur seperti kamera, timer untuk
Flight Controller seperti Pixhawk, Arduipilot, sampai mengatur kecepatan motor, komunikasi serial untuk
Multiwii. Dimana fitur – fitur pada flight controller mengakses sensor attitude.
tersebut telah ditentukan oleh pabrik ataupun vendor. Pada permasalahan tersebut dapat diatasi dengan
Sehingga dalam memproses beberapa task atau pekerjaan menggunakan salah satu Programable Logic yang sering
yang berat flight controller memiliki batasan dan kadang digunakan adalah FPGA. Hal ini disebabkan FPGA
tidak mampu memproses dengan benar. Pada penilitian memiliki kemampuan untuk meningkatkan integrasi
ini membahas tentang implementasi microblaze soft sistem, penempatan lebih banyak sistem di dalam sebuah
processor untuk keseimbangan pada quadcopter. Dimana chip, dan penggunaan seluruh gate yang ada di dalam
tujuan akhir dari penilitian ini adalah membuat dan FPGA [4]. FPGA sendiri dilengkapi dengan sebuah soft
mendesain sendiri sebuah flight controller untuk core processor. Soft processor atau soft core processor
quadcopter maupun fixwing. Saat ini penilitian ini masih adalah sebuah deskripsi model Hardware Description
digunakan pada pengujian keseimbangan quadcopter Language (HDL) dari sebuah spesifik prosesor (CPU)
Untuk penilitian ini digunakan Microblaze soft processor yang dapat di program dan disintesis pada suatu chip
yang yang di tanamkan pada chip FPGA xilinx spartaan Application-Specific Integrated Circuit (ASIC) atau Field
6. Dari hasil penilitian ini, sistem dapat berjalan di FPGA Programable Gate Array (FPGA) [3].
Xilinx Spartaan 6 XC6SLX9. Dimana hasil penilitian ini Pada penilitian sebelumnya soft processor
dibuktikan dengan kebutuhan resource untuk menerapkan digunakan untuk mendesain sebuah mikrontroller pada
prosesor pada FPGA dengan slice registers 3,148 (27%), FPGA, dimana soft processor yang digunakan adalah
slice flip-flop 1,191 (29%), slice LUTS 3,266 (57%) dan NIOS [2]. Hampir sama seperti pada penilitian
slice Memory 170 (11%). sebelumnya, hanya saja pada penelitian ini dimana
Kata Kunci – Microblaze soft processor, Flight microblaze di gunakan sebagai kontrol untuk path
Controller, FPGA, Keseimbangan, Quadcopter. tracking dari holonomic robot secara autonomous [6].
Berdasarkan latar belakang diatas penulis
I. PENDAHULUAN melakukan penilitian tentang soft processor yang di
implementasikan untuk mendesain sebuah flight
P erkembangan di dunia Embedded System
semakin berkembang pesat. Diantaranya dengan
bermunculan banyak vendor – vendor yang membuat
controller untuk keseimbangan pada quadcopter. Pada
penelitian ini soft processor yang digunakan adalah
Flight Controller seperti Pixhawk, Arduipilot, sampai microblaze. Microblaze digunakan untuk mengakses
Multiwii. Dimana fitur – fitur pada flight controller peripheral yang telah dibuat pada VHDL
tersebut telah ditentukan oleh pabrik ataupun vendor. (VHSIC Hardware Description Language). Dimana
Seperti pada penilitian sebelumnya oleh kontroler terbang peripheral meliputi timer, UART, I2C, GPIO. Pada
yang sering digunakan dan mempunyai harga yang bisa microblaze juga berfungsi untuk mendesain alogritma
dijangkau yaitu board ko5ntroler KK2.0. Namun pada kontrol keseimbangan dari quadcopter. Diharapkan
kontroler KK2.0 ini sendiri mempunyai kekurangan, dengan adanya penilitian ini, bisa di buat sebuah flight
yaitu tidak adanya fitur Altitude lock[1]. Sehingga dalam controller sendiri kedepannya.
memproses beberapa task atau pekerjaan yang berat flight
Penelitian ini didanai dan didukung oleh Program Studi Teknik All author are with Department Computer Engineering Politeknik
Komputer - Politeknik Elektronika Negeri Surabaya (PENS). Elektronika Negeri Surabaya (PENS) , Kampus PENS, Jalan Raya ITS
Sukolilo, Surabaya 60111, Indonesia
77
II. PERANCANGAN SISTEM

Perancangan sistem pada penilitan ini meliputi
desain soft processor, desain mekanik, kinematik
quadcopter, perancangan sistem kontrol. Berikut ini akan
di bahas pada tiap bagian :
A. Desain Soft Processor
Pada bagian desain soft processor dibuat desain dari
peripheral – peripheral pada level HDL yang akan
digunakan pada microblaze, peripheral yang di gunakan
adalah UART, I2C, timer, GPIO, Interrupt Controller.
Soft processor diperlukan untuk menghubungkan antara
lower-level sofware dengan hardware. Koneksi element
software ini disebut board support package(BSP). BSP
Gambar 2. Mekanik Pengujian Keseimbangan
menyangkup komponen seperti processor boot code dan
interrupt service routines untuk peripheral. Dalam
membangun sebuah desain soft processor diperlukan tiga dapat bergerak keatas kebawah saat terkena dorongan dari
tool yaitu Platform Development Tool(Co-Design), motor. Tinggi keseluruhan secara desain uji
Software Development Tools dan FPGA Design and keseimbangan beserta 37.5 cm. saat ekstensi tingginya
Development. Desain FPGA soft prosesor dapat dapat mencapai 50.5 cm Untuk Mekanik yang sudah
ditunjukan pada gambar 1. dibuat dapat dilihat pada gambar berikut.
Pada mekanik yang telah dibuat sudut maksimal
yang dapat di capai untuk posisi sumbu x sebesar 35 dan
y sebesar 39 derajat. Untuk posisi sumbu z sudut
maksimal yang dapat di capai 70 derajat.
C. Kinematik Quadcopter
Pemodelan secara fisik terbilang kompleks dan
apabila tanpa adanya asumsi yang digunakan untuk
menyederhanakan persamaan, perhitungannya menjadi
tidak praktis. Beberapa asumsi yang digunakan dalam
pemodelan ini adalah :
1. Gaya thrust dan drag adalah proporsional dengan
kuadrat dari kecepatan propeller
2. Keadaan model adalah keadaan ketika take off
Quadcopter memiliki 6 defree of freedom (DoF)
Gambar 1. Desain FPGA soft processor dengan 12 keluaran, 6 dari keluaran 12 keluaran ini
menentukan attitude dari quadcopter . Variabel-variabel
B. Desain Mekanik tersebut adalah
Dalam pembuatan mekanik ini, quadcopter yang x = posisi quadcopter terhadap sumbu Xe
digunakan adalah quadcopter merk Totem Q250. y = posisi quadcopter terhadap sumbu Ye
Quadcopter tersebut di pasangkan pada sebuah mekanik z = posisi quadcopter terhadap sumbu Ze
untuk uji keseimbangan pada quadcopter. Dapat dilihat u = kecepatan quadcopter yang diukur pada sumbu Xb
pada gambar dibawah, mekanik untuk alat uji v = kecepatan quadcopter yang diukur pada sumbu Yb
keseimbangan berbentuk huruf U yang saling bersilangan w = kecepatan quadcopter yang diukur pada sumbu Zb
dan dihubungkan deng an silinder besi serta bearing. 𝜙 = sudut roll terhadap sumbu Xe
dimana bentuk U bagian 1 kedua ujung dilas bearing agar 𝜃 = sudut pitch terhadap sumbu Ye
silinder dapat dimasukkan. Fungsinya digunakan untuk 𝜓 = sudut yaw terhadap sumbu Ze
uji posisi roll. Pada U bagian 2 menghadap ke atas dengan p = kecepatan sudut roll yang diukur pada sumbu Xb
bersilangan dengan U bagian 1, ditengah – tengah U q = kecepatan sudut pitch yang diukur pada sumbu Yb
bagian 2 di las silinder dengan terdapat bearing r = kecepatan sudut yaw yang diukur pada sumbu Zb
ditengahnya untuk uji posisi pitch, sedang untuk menguji
posisi yaw pada bagian penampang terdapat bearing yang
dapat memutar quadcopter. Serta bidang mekanik ini
78
frame dan d adalah konstanta drag dari quadcopter. Dan

Ω adalah kecepatan untuk tiap – tiap propeller.
D. Perancangan Sistem Kontrol
Prinsip kerja sistem ini adalah awalnya
microprocessor FPGA akan mengolah Data dari sensor
IMU yang berupa posisi kemiringan (gyroscope)
berfungsi untuk mengukur kecepatan perubahan sudut
yang dihasilkan pergerakan quadcopter. Sensor tersebut
memiliki output yang peka terhadap kecepatan sudut dari
arah sumbu x yang nantinya akan menjadi sudut phi
Gambar 3. State dari quadcopter (roll), sumbu y menjadi sudut theta (pitch) dan sumbu z
Terdapat persamaan kinematik dan dinamik dari menjadi sudut psi (yaw). Data keluaran sensor ini
quadcopter untuk persamaan kinematiknya adalah : digunakan untuk mengatur kecepatan dari masing –
masing motor brushless dimana agar posisi tetap dalam
keadaaan seimbang. Kemudian nilai sudut dari IMU akan
(1) selalu di update dan untuk diketahui error sudutya. Hasil
Untuk persamaan dinamika secara umum pada error sudut ini kemudian di tampilkan secara serial pada
quadcopter sebagai berikut : pc.
v (2)
Berdasarkan analisis kinematika dan dinamika yang
dilakukan oleh Tommasso [7], didapatkan persamaan
yang merupakan model matematika dari quadcopter
secara umum seperti pada Persamaan 2.9 sampai 2.14.
𝑈
𝑋̈ = 1 (sin 𝜓 𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜙 − 𝑐𝑜𝑠 𝜓 𝑠𝑖𝑛𝜙) (3)
𝑚
𝑈
𝑌̈ = 1 (sin 𝜓 𝑠𝑖𝑛𝜃𝑐𝑜𝑠𝜙 − 𝑐𝑜𝑠 𝜓 𝑠𝑖𝑛𝜙) (4)
𝑚
𝑈1 Gambar 4. Blok Diagram rangkaian elektronika pada
𝑍̈ = −𝑔 + (𝑐𝑜𝑠𝜃 − 𝑐𝑜𝑠𝜙) (5)
𝑚 sistem
𝐼𝑦𝑦 −𝐼𝑧𝑧 𝐼𝑟 𝑈
𝑝̇ = 𝑞𝑟 − 𝑞Ω + 2 (6)
𝐼𝑥𝑥 𝐼𝑥𝑥 𝐼𝑥𝑥
𝐼𝑧𝑧 −𝐼𝑥𝑥 𝐼𝑟 𝑈3 Program dirancang dimana dalam sistem kontrol
𝑞̇ = 𝑝𝑟 − 𝑝Ω + (7) keseimbangan, Input dari sistem adalah error sudut
𝐼𝑦𝑦 𝐼𝑦𝑦 𝐼𝑦𝑦
𝐼𝑦𝑦 −𝐼𝑧𝑧 𝑈4 berfungsi untuk mengetahui perilaku dari quadcopter
𝑟̇ = 𝑝𝑞 + (8)
𝐼𝑥𝑥 𝐼𝑧𝑧 seperti roll, pitch, dan yaw. Error sudut ini berasal dari
Dengan melihat secara sederhana pada Persamaan 3 selisih nilai set point dengan nilai sudut yang di difilter
sampai 8, posisi pada sumbu Z, dan posisi sudut roll, dari sensor IMU. Error sudut tersebut dijadikan input
pitch, yaw dapat dikontrol secara langsung, berturut-turut kedalam kontrol PID untuk mengatur respon sudut pada
dengan menggunakan U1, U2, U3,dan U4. Kontrol pada quadcopter. Kemudian output PID yang berupa sudut
posisi maju (X), dan menyamping (Y) dapat dilakukan hasil PID dimasukkan ke dalam kinematik dari
dengan mengatur sudut pitch dan (-roll) dengan syarat quadcopter. Dimana berfungsi untuk menentukan
gaya angkat (U1) tidak sama dengan nol. Nilai input dari kecepatan masing – masing motor. Kecepatan motor
quadcopter merupakan gaya angkat tiap propeller yang menentukan agar quadcopter tetap seimbang. Terdapat
dimodelkan secara teoritis sebagai berikut: feedback, dimana pada output PID dijadikan input ke
dalam sensor IMU untuk mengupdate nilai sudut. Dalam
𝑈1 = 𝑏(Ω1 2 + Ω2 2 + Ω3 2 + Ω4 2 ) (9) mengupdate nilai sudut digunakan filtering agar
2 2
𝑈2 = 𝑏𝑙(−Ω2 + Ω4 ) (10) mendapatkan nilai sudut yang bagus. Perancangan
𝑈3 = 𝑏𝑙(−Ω1 2 + Ω3 2 ) (11) sistem ditunjukan pada gambar 5.
2 2 2 2
𝑈4 = 𝑑(−Ω1 + Ω2 − Ω3 + Ω4 ) (12)
Ω = −Ω1 + Ω2 − Ω3 + Ω4 (13)
dengan nilai b adalah konstanta thrust, l adalah lebar
79
Gambar 5. Perancangan sistem
III. PENGUJIAN
Pengujian dan analisa dilakukan untuk mengetahui
kinerja system yang telah dibuat. Pengujian dilakukan
untuk mengetahui apakah sistem telah sesuai dengan
perancangan. Pengujian dilakukan per blok sistem
kemudian secara keseluruhan. Berikut merupakan proses
tahapan yang telah dilakukan :
A. Pengujian Soft Processor
Pada pengujian desain soft prosesor,terdapat level
hardware pada VHDL untuk mendesain peripheral yang
ingin digunakan. Proses selanjutnya adalah proses Place
And Route (PAR). Proses ini dilakukan untuk mengetahui
kebutuhan resource dari FPGA dan melakukan proses
mapping sinyal-sinyal antara blok logika. Dimana Gambar 6. Blok Diagram desain soft processor
penggunaan resource FPGA dapat disimpulkan menjadi B. Pengujian I2C dan UART
tabel berikut. Pengujian I2C dan UART ini bertujuan untuk
mendapatkan informasi tentang desain I2C dan UART,
Tabel 1. Penggunaan Resource pada FPGA sehingga akan diketahui sudah benar apa belum data yang
Dari dikirim ataupun di terima dari I2C dan UART yang telah
Resources FPGA Terpakai Prosentase di tulis pada register MPU65050.
Total
Slices Registers 3,148 11,440 27%
Slices flip-flops 1,191 4,047 29% Tabel 2. Hasil Pengujian I2C dan UART
Slice LUTS 3,266 5,720 57% Data yang ditulis Hasil Error(%)
Memory 170 1,440 11% No
pada register IMU Pembacaan I2C
1 0 0 0
Tabel di atas menunjukkan bahwa kebutuhan dari 2 2 2 0
FPGA untuk dapat diimplementasikan sistem prosesor 3 6 6 0
microblaze adalah sebanyak 3,148 slices. Slice sendiri 4 12 12 0
5 21 21 0
adalah satuan jumlah Configurable Logic Block (CLB)
6 0x23 0023 0
yang di dalamnya terdiri dari 4 Look Up Table (LUT) 6- 7 0x45 0045 0
input dan 8 flip-flop (sequential unit).Berikut ini desain 8 0x56 0056 0
soft processor yang telah dibuat. 9 0xF0 00F0 0
10 0xF1 00F1 0
Berdasarkan pada tabel hasil pengujian Table 4.3,

data yang ditulis pada register Config memiliki nilai yang
sama saat dibaca kembali oleh PC sehingga di dapatkan
nilai error sebesar 0% . Sehingga dapat dikatakan bahwa
desain I2C yang dibuat telah berhasil.
C. Pengujian Timer
Timer di perlukan untuk mengatur PWM. Pengujian
Komponen Timer ini bertujuan untuk mendapatkan nilai
error frekuensi yang dihasilkan dari FPGA dengan
frekuensi hasil dari pembacaan oscilloscope. Dimana
80
rumus untuk mendapatkan frekuensi yang di inginkan IV. KESIMPULAN

dari vhdl dengan membagi frekuensi input dengan Penelitian ini merupakan penelitian awal dalam
frekuensi yang dinginkan menggunakan rumus : Pada penggunaan desain FPGA-soft processor pada
𝑓𝑖𝑛 quadcopter. Dibandingkan dengan menerapkan sistem
𝑆𝑐𝑎𝑙𝑒 = ⁄𝑓𝑜𝑢𝑡 (14)
kontrol robot dengan MCU membutuhkan banyak ruang
𝑓𝑖𝑛 merupakan frekuensi input dari FPGA yaitu 50 MHz,
dan 𝑓𝑜𝑢𝑡 merupakan frekuensi output yang dinginkan. di PCB, menggunakan FPGA dapat memecahkan
Semisal frekuensi output 50 Hz maka di dapatkan Scale masalah dan memiliki manfaat mengurangi biaya,
1.000.000 siklus counter. Untuk mendapatkan nilai error komsumsi daya yang rendah dan pemrosesan secara
pertama menghitung frekuensi dari hasil pembacaan pararel. Dalam menerapkan soft processor menerapkan
oscilloscope dengan rumus prosesor pada FPGA kebutuhan resource pada FPGA
𝑓 = 1⁄𝑇 (15) dengan slice registers 3,148 (27%), slice flip-flop 1,191
(29%), slice LUTS 3,266 (57%) dan slice Memory 170
dan
T = n ∗ 𝑡𝑖𝑚𝑒/𝑑𝑖𝑣 (16) (11%). Untuk Frekuensi yang dihasilkan oleh desain
dimana Timer pada vhdl di peroleh error yang relative kecil. Hal
T = periode gelombang ini disebabkan selisih error yang sangat kecil dan tidak
𝑓 = frekuensi gelombang bisa di baca detail oleh oscilloscope biasa.
N = jumlah kotak horizontal pada oscilloscope Serta Desain I2C dan UART yang telah dibuat sudah
berjalan dengan baik dan akurat. Ini dapat dilihat dari
Tabel 3. Hasil pengujian timer nilai error sebesar 0%
Frekuensi Frekuensi Error(%)
No
(Perhitungan) (Pengujian)
1 1000 1000 0 V. DAFTAR PUSTAKA
2 2500 2500 0
[1] Minev, Petar Borisov And Kukenska, Valentina Stoianova, “
3 5000 5000 0 Sistem Fuzzy-PID Controller Untuk Menjaga Ketinggian Terbang
4 10000 10000 0 Quadcopter” , Prosiding Seminar Nasional Teknologi Terapan SV,
5 25000 25000 0 UGM, 2014.
6 50000 50000 0 [2] Diaz Colorado, F. Jair & Martinez-Gonzalez, Ricardo F., “Robotic
7 100000 100000 0 Car Controlled by Soft-Processor NIOS II Implemented in FPGA
8 250000 250000 0 and Android Device Remote Controller”, p.196, 2015.
[3] Tong, Jason G., Ian D. L. Anderson and Mohammed A. S. Khalid,
9 500000 500000 0 “Soft-Core Processors for Embedded Systems”, Department of
10 1000000 1000000 0 Electrical and Computer Engineering University of Windsor.
Windsor, Ontario, Canada. 18th International Confernece on
Microelectronics (ICM), p.170, 2006.
Dapat dilihat dari hasil tabel dengan frekuensi 1000
[4] Wisniewski, Remigiusz, “Synthesis of compositional
Hz dengan pengaturan time/div sebesar 0.5ms. saat dibaca microprogram control units for programmable devices”, Zielona
panjang 1 gelombang sebesar 2 kotak pada oscilloscope. Góra: University of Zielona Góra, p.153, 2009.
Sehingga di peroleh (periode) T = 1ms = 0.001s. Maka [5] Xilinx, Microblaze Processor Reference Guide EDK 11.4, 2008
[6] Tzafestas, S.G., Deliparaschos, K.M., dan G.P. Moustris.,“Fuzzy
saat dihitung sesuai dengan teori yaitu maka di dapatkan logic path tracking control for autonomous non-holonomic mobile
hasil yang sama yaitu 1000 Hz. Dan sinyal 5 adalah sinyal robots: Design of System on a Chip. National Technical University
dengan frekuensi 25000 Hz hasil dari generate timer pada of Athens, Yunan. Electrical and Computer Engineering
University of Windsor. Windsor, Ontario, Canada, Robotics and
vhdl. Dengan pengaturan time/div sebesar 20us 1 panjang Autonomous Systems 58, p.1027, 2010.
gelombang dapat dibaca sebesar 2 kotak pada [7] Bresciani, Tommaso., “Modelling, Identification and Control of a
oscilloscope. Sehingga di peroleh (periode) T = 40us = Quadrotor Helicopter”, Departement of Automatic Control Lund
University, 2008
40x10-6s. Maka saat dihitung sesuai dengan teori yaitu
maka di hasilkan 25000 Hz. Maka di dapat nilai error
sebesar 0%.
81
Aplikasi Sensor Gyroscope Dan Sensor

Accelerometer Pada Robot Sepak Bola
S. Mashudi, C. U. Kusumohadi, S. C. Kusumawati, T. L. E. R.Putri
Jurusan Teknik Elektro
Universitas Negeri Malang
Malang, Indonesia
sofyan.mashudi11@gmail.com, ch.kusumo@gmail.com, silviahcandrakusumawati@gmail.com, putri.lakso@gmail.com
Abstract -- Sensor gyroscope berfungsi sebagai sensor menyeimbangkan kembali keseimbangan robot yang
yang dapat menginformasikan orientasi keseimbangan terganggu dan nilai sudut kemiringan dari sensor
gerakan, sedangkan sensor accelerometer berfungsi accelerometer juga digunakan sebagai acuan jika robot
menginformasikan percepatan gerakan sudut atau terjatuh maka nilai dari sudut kemiringan akan diambil
sensor sudut kemiringan terhadap gravitasi bumi. untuk referensi kontroler untuk memerintahkan robot
Paper ini membahas implementasi kedua sensor bergerak bangun dari depan maupun belakang sampai
tersebut, sebagai informasi untuk mengontrol robot tersebut berdiri seperti semula. Aplikasi sensor
gerakan robot sepak bola. Pada paper ini, sensor
gyroscope dan accelerometer pada robot sepak bola
gyrosope dan sensor accelerometer dikoneksikan
diharapkan mampu dikembangkan untuk robot humanoid
dengan kontroler CM-530 dari robot Bioloid untuk
sehingga pergerakan robot dapat lebih stabil dan
menyeimbangkan robot dan mengetahui posisi sudut
robot terhadap gravitasi bumi. Analisis nilai dari seimbang sehingga diharapkan mampu memberikan
sensor gyroscope dan sensor accelerometer digunakan efektifitas yang tinggi terhadap kinerja robot serta mampu
sebagai informasi sistem kendali keseimbangan robot. bersaing pada Kontes Robot Sepak Bola (KRSBI) tahun
Kedua sensor dimanfaatkan secara bersamaan agar 2016.
mendapatkan hasil yang lebih optimal pada
pergerakan robot sepak bola. II. PERANCANGAN
Kata Kunci: sensor gyroscope, sensor accelerometer, Perancangan aplikasi sensor gyroscope dan sensor
robot sepak bola accelerometer pada robot sepak bola yang meliputi (1)
blok diagram (2) langkah perancangan hardware (3)
perancangan software.
I. PENDAHULUAN Metode perancangan hardware adalah metode awal
obot sepak bola yaitu robot yang mampu dalam proses pembuatan alat. Metode perancangan
R bermain sepak bola selayaknya manusia seperti
menendang bola, mengumpan bola, menghalau bola
hardware terdiri dari (1) Rancangan Robot Sepak Bola
dan Tata Letak Sensor Gyroscope dan Sensor
T
dan lain sebagainya [3] Tantangan pengembangan robot
sepak bola yang penting dikembangkan adalah
Accelerometer; (2) Skematik Sensor Gyroscope dan
Sensor Accelerometer dengan CM-530.
kemampuan untuk menjaga keseimbangan pada saat Metode perancangan software terdiri dari: (1)
bermain sepak bola. Kemampuan ini ditunjukan agar Flowchart; (2) Listing Program. (3) Skema rangkaian
robot dapat berdiri dan bangun dari posisi jatuh dengan sensor gyroscope dan sensor accelerometer dengan CM-
menambahkan sensor gyroscope dan sensor 530.
accelerometer untuk menjaga keseimbangan robot Dalam perancangan letak sensor gyroscope dan
sebagai tugas akhir. Sensor gyroscope memiliki fungsi sensor accelerometer pada robot sepak bola harus
sebagai sensor yang dapat mempertahankan orientasi memperhatikan titik berat COG (Center Of Gravity)[3]
gerakan dan sensor accelerometer berfungsi mengukur robot dalam posisi balance atau seimbang dikarenakan
percepatan gerakan sudut atau sensor sudut kemiringan fungsi sensor gyroscope dan accelerometer berhubungan
terhadap gravitasi bumi. Aplikasi dari konsep tersebut dengan nilai percepatan sudut dan kecepatan sudut dalam
yaitu apabila robot melakukan pergerakan yang robot sepak bola, letak sensor gyroscope dan
mengakibatkan keseimbangan robot terganggu maka nilai accelerometer dapat dilihat pada Gambar 1.
dari kecepatan sudut dari sensor gyroscope akan Dari Gambar 1 dapat dibuatkan sistem
digunakan sebagai referensi kontroler untuk keseimbangan robot untuk memaksimalkan pergerakan
82
robot sepak bola dan juga menggetahui posisi sudut robot jika posisi 00 mempunyai nilai 332(10) maka nilainya akan
terhadap robot sepak bola dalam bentuk flowchart seperti lebih besar jika di bandingkan dengan kemiringan 180 0
Gambar 2. yang mempunyai nilai 255(10). Nilai rata-rata selisih
Saat robot melakukan gerakan motion seperti antara 00 sampai 1800 adalah 11(10).
berjalan ke depan belok kiri maupun kanan sensor
gyroscope dan sensor accelerometer akan melakukan TABEL 1. PENGUJIAN SENSOR ACCELEROMETER SUMBU Y
scaning setiap waktu untuk mengetahui posisi robot saat No Posisi Robot Value
itu juga. Jika posisi robot saat melakukan gerakan 1 00 332
keseimbangan robot tersebut terganggu maka nilai selisih 2 300 330
antara set point dan nilai terakhir sensor gyroscope akan 3 600 315
diolah dalam kontrol PID [4] selanjutnya nilai tersebut 4 900 297
akan ditambahkan atau dikurangi ke dalam servo kaki, 5 1200 275
sehingga gerakan servo yang telah ditambah oleh nilai
6 1500 260
PID akan menstabilkan gerakan robot agar tidak mudah
7 1800 255
Gambar. 1. Tata Letak Sensor Gyroscope dan Accelerometer
Gambar. 3. Posisi Robot Terhadap Sumbu Y

terjatuh.
Namun jika robot terjatuh maka nilai dari sensor
accelerometer akan dijadikan acuan apakah robot
tersebut terjatuh ke depan dan ke belakang. Jika nilai dari
sensor accelerometer mengindikasikan bahwa posisi
robot terjatuh maka nilai tersebut akan dijadikan acuan
pemanggilan gerakan bangun dari depan ataupun
belakang.
III. HASIL
Hasil dari uji coba komponen robot baik per bagian
maupun secara keseluruhan sebagai berikut:
A. Pengujian Konfigurasi Rangkaian Sensor Gambar. 5. Modul CM-530
Gyroscope dan Sensor Accelerometer Dengan
Kontroler CM-530 Tabel 2 menunjukan nilai sensor gyroscope sumbu
Uji coba sensor Gyroscope dan sensor X yang mempunyai rentang nilai dari 00 sampai 1800 yang
Accelerometer dilakukan dengan cara meletakan busur berbeda - beda jika sudut 00 mempunyai nilai 447(10) maka
ukuran besar, letakan di samping robot dengan posisi sudut 1800 mempunyai nilai 142(10) sehingga jika posisi
robot berdiri tegak, untuk pengukuran sensor awal robot tegak 900, kemudian dimiringkan lebih codong
accelerometer sumbu Y dapat dilihat pada Gambar 3, ke arah depan maka nilainya semakin mengecil jika robot
untuk pengukuran sensor gyroscope sumbu X dapat condong ke arah belakang maka nilainya semakin besar.
dilihat pada Gambar 4, dan pengukuran sensor gyroscope Selisih nilai darI 00 sampai 1800 mempunyai selisih nilai
sumbu Y dapat dilihat pada Gambar 3. rata-rata sebesar 30,5(10).
Tabel 1 menunjukan nilai dari sensor accelerometer
mempunyai nilai derajat kemiringan yang berbeda-beda
83
sudut 1800 mempunyai nilai 432(10) sehingga jika posisi

awal robot tegak 900, kemudian dimiringkan lebih codong
ke arah kiri maka nilainya semakin mengecil jika robot
Gambar. 2. Flowchart Aplikasi Sensor Gyrocope dan Sensor Accelerometer pada Robot Sepak bola
condong ke arah kanan maka nilainya semakin besar.

Tabel 2. Pengujian Sensor Gyroscope Sumbu X
Selisih nilai dari 00 sampai 1800 mempunyai selisih nilai
No Posisi Robot Value
1 00 180 rata-rata sebesar 43,5(10).
2 300 250
3 600 270
4 900 311
5 1200 384
6 1500 400
7 1800 432
Tabel 3 menunjukan nilai sensor gyroscope sumbu

Y mempunyai rentang nilai dari 00 sampai 1800 yang
berbeda - beda jika sudut 00 mempunyai nilai 180(10) maka
Gambar. 4. Posisi Robot Terhadap Sumbu X
84
TABEL 4. PERGERAKAN ROBOT DENGAN FUNGSI SENSOR

GYROSCOPE DAN TANPA SENSOR GYROSCOPE
No Tanpa Dengan
Tombol Remote
Gyroscope Gyroscope
Pergerakan
robot
TABEL 3 PENGUJIAN SENSOR GYROSCOPE SUMBU Y
Terjatuh
Terjatuh
Terjatuh
Terjatuh
Tidak
Tidak
No Posisi Robot Value
1 00 447
2 300 382
3 600 328 U Maju ke 10x 0x 2x 8x
1
4 900 312 depan
5 1200 258 2 L Belok ke 10x 0x 1x 9x
6 1500 223 kiri
7 1800 142 3 R Belok ke 10x 0x 1x 9x
kanan
B. Pengujian Implementasi Sensor Gyroscope pada 4 D Mundur ke 10x 0x 3x 7x
Robot Sepak Bola belakang
Fungsi dari pengujian ini untuk mengetahui fungsi
dan implementasi sensor gyroscope pada robot sepak bola
dalam menjaga keseimbangan robot.
Uji coba dilakukan dengan cara memasukkan
program pada CM-530, kemudian saat robot pada posisi
balance menekan tombol U pada CM-530 sampai ada
indikator bunyi untuk mengambil nilai set point sensor
gyroscope. Setelah itu mengamati pergerakan robot maju,
mundur, kiri dan kanan. Tampilan detail CM-530 dapat
dilihat pada Gambar 5.
Tabel 4 mengindikasikan bahwa dengan percobaan
10x menggunakan fungsi sensor gyroscope sebagai mem-
Gambar. 6. Robot Jatuh ke Depan
pertahankan orientasi keseimbangan gerakan robot dapat
mengurangi terjadinya robot terjatuh, dan pergerakan TABEL 6 HASIL PENGUJIAN IMPLEMENNTASI SENSOR
robot tanpa fungsi sensor gyroscope dari 10 kali ACCELEROMETER DENGAN ROBOT SEPAK BOLA
percobaan semua pergerakan robot terjatuh, hal tersebut No Posisi Nilai Respon
mengindikasikan bahwa dalam pergerakan robot sangat Robot Accelerometer pergerakan
1 Jatuh 35 Robot bergerak
diperlukan fungsi dari sensor gyroscope. depan bangun dari depan
C. Pengujian Implementasi Sensor Accelerometer 2 Jatuh -36 Robot bergerak
pada Robot Sepak Bola belakang bangun dari
Fungsi dari pengujian ini adalah untuk mengetahui belakang
fungsi dan implementasi sensor accelerometer pada robot
sepak bola untuk mengetahui posisi robot sedang terjatuh Tabel 6 mengindikasikan bahwa nilai dari sensor
atau berdiri. Uji coba dilakukan dengan cara memasukkan accelerometer berfungsi untuk medeteksi posisi robot
program pada CM-530, kemudian saat robot pada posisi sedang terjatuh atau berdiri berdasarkan posisi robot
balance menekan tombol U pada CM-530 sampai ada terhadap gravitasi bumi, nilai 00 dan 1800 mempunyai
indikator bunyi untuk mengambil nilai set point sensor nilai yang berbeda sehingga nilai tersebut digunakan
accelerometer. Setelah itu posisi robot seperti Gambar 6 sebagai acuan menjalakan gerakan bangun dari belakang
dan Gambar 7. atau dari depan.
IV. KESIMPULAN DAN SARAN

Kesimpulan yang didapat berdasarkan pada hasil
pengujian yang telah dilakukan adalah sensor gyroscope
berfungsi untuk menjaga keseimbangan pada robot
dengan memanfaatkan nilai PID dan sensor
accelerometer berfungsi untuk menentukan arah jatuh
robot yaitu jatuh kedepan atau jatuh kebelakang.
85
Sehingga jika kedua sensor dimanfaatkan secara VI. BIOGRAFI

bersamaan maka akan mendapatkan hasil yang lebih
optimal pada pergerakan robot sepak bola. Sofyan Mashudi lahir di Malang pada 11
November 1992. Pendidikan dasara ditempuh di
SDN Pandanrejo 1lulus pada tahun 2005.
Melanjutkan pendidikan pertama di SMPN 02 Batu
lulus pada 2008. Pendidikan Menengah atas
ditempuh di SMK PGRI 03 Malang lulus pada tahun
2011.
Melanjutkan studi di perguruan Tinggi
Universitas Negeri Malang mengambil prodi D3 Teknik Elektronika
pada Jurusan Teknik Elektro yang akan lulus pada tahun 2016. Selama
menjadi mahasiwa menjadi tim inti divisi KRSBI pada KRI 2016.
Choirul Ulfa Kusumahadi lahir di Balikpapan

pada 29 Oktober 1994. Pendidikan dasar ditempuh
di SDN 009 Blaikpapan lulus tahun 2006.
Melanjutkan pendidikan pertama di SMPN 8
Balikpapan lulus pada 2009. Pendidikan Menengah
Gambar. 7. Robot Jatuh ke Belakang
atas ditempuh di SMKN 1 Balikpapan lulus pada
Saran pengembangan aplikasi sensor gyroscope dan tahun 2012.
sensor accelerometer pada robot sepak bola ini untuk
Universitas Negeri Malang mengambil prodi Pendidikan Teknik Elektro
selanjutnya yaitu dengan menambahkan sensor tekanan pada Jurusan Teknik Elektro yang akan lulus pada tahun 2016. Selama
pada telapak kaki robot agar referensi keseimbangan menjadi mahasiwa aktif pada Organisasi Workshop Elektro dan menjadi
robot saat melakukan gerakan berajalan lebih baik lagi, tim inti divisi KRSBI pada KRI 2016.
menggunakan motor servo yang berkualitas speed dan
Silviah Candra Kusumawati lahir di
torsi lebih baik di atas AX-12A, karena jika robot berjalan Probolinggo pada 29 Desember 1994. Pendidikan
di atas rumput sintetis membutuhkan motor servo yang dasara ditempuh di SDN Sukodadi 1 1lulus pada
mempunyai speed dan torsi yang lebih tinggi seperti tahun 2007. Melanjutkan pendidikan pertama di
SMPN 1 Paiton lulus pada 2010. Pendidikan
servo MX-28. Menengah atas ditempuh di SMAN 01 Paiton
lulus pada tahun 2013.
V. DAFTAR RUJUKAN Melanjutkan studi di perguruan Tinggi
[1] https://en.wikipedia.org/wiki/Gyroscope/, diakses 24 Maret 2016 pada Jurusan Teknik Elektro yang akan lulus pada tahun 2016. Selama
pukul 23.00 menjadi mahasiwa menjadi tim inti divisi KRSBI pada KRI 2016.
[2] https://id.wikipedia.org/wiki/Akselerometer, diakses 10 Maret
2016 pukul 18.00
Tri Lakso Emilia Radyo Putri lahir di Kediri
[3] Budiharto, Widdodo. 2014. Robotika Modern Teori &
pada 29 April 1995. Pendidikan dasara ditempuh
Implementasi. Yogyakarta: ANDI.
di SDN Ketami 1 lulus pada tahun 2007.
[4] Pitowarno, Endra. 2006. Robotika Desain, Kontrol, dan
Melanjutkan pendidikan pertama di SMPN 05
Kecerdasan Buatan. Yogyakarta: ANDI.
Kediri lulus pada 2010. Pendidikan Menengah
atas ditempuh di SMAN 03 Kediri lulus pada
tahun 2013.
pada Jurusan Teknik Elektro yang akan lulus pada tahun 2016. Selama
menjadi mahasiwa menjadi tim inti divisi KRSBI pada KRI 2016.
86
Rancang Bangun Robot ESRBI Menggunakan

Sensor kamera Pixy CMUcam5
Sahrul Nizam1, Ade Reza Septiadi2
1) 2) Politeknik Negeri Bengkalis
Abstract – Kategori robot ESRB(I) merupakan

divisi baru dalam Kontes Robot Indonesia (KRI) tahun II. HARDWARE ROBOT
2016 yang diselenggarakan oleh RISTEK DIKTI sebagai A. Arduino Mega ADK
kegiatan rutin tahunan. ESRB(I) ialah divisi robot Arduino MEGA ADK adalah suatu board berbasis
sepakbola (soccer) yang mirip dengan KRSBI namun milrokontroller ATMEGA2560, board ini memiliki 54
berbeda pada sistem penggeraknya yang mana pada digital pin input/output yang terdiri dari 15 pin sebagai
KRSBI alat gerak robot berupa sepasang kaki yang mirip output PWM, 16 pin analog input, 4 UARRT (hardware
seperti manusia sedangkan pada ESRBI alat gerak robot port serial), osilator kristal 16 MHz, koneksi USB, jack
berupa roda. Sistem kontrol dan aturan main robot sama listrik, header ICSP, dan tombol reset.
dengan KRSBI. Robot didisain menggunakan kamera Berikut ini adalah spesifikasi dari arduino MEGA
sebagai sensor pendeteksi bola dan gawang dilapangan. ADK :
Kamera yang digunakan pada robot ialah jenis kamera Microcontroller ATmega2560
Pixy CMUcam5. Operating Voltage 5V
Kata kunci : Robot ESRBI, Robot Sepak Bola, Input Voltage 7-12V
(recommended)
Kamera Pixy CMUcam5. Input Voltage (limits) 6-20V
Digital I/O Pins 54 (of which 15 provide PWM
I. PENDAHULUAN output)
Analog Input Pins 16
Perkembangan ilmu pengetahuan dan teknologi DC Current per I/O Pin 40 mA
pada saat ini berkembang dengan sangat pesat, salah satu DC Current for 3.3V Pin 50 mA
teknologi yang berkembang cepat pada saat ini ialah Flash Memory 256 KB of which 8 KB used by
bootloader
teknologi robotika, teknologi robotika banyak digunakan SRAM 8 KB
dalam kehidupan sehari-hari mulai dari kebutuhan rumah EEPROM 4 KB
tangga sampai industri. Dalam mendisain robot yang baik Clock Speed 16 MHz
tidak cukup hanya dengan mengandalkan hardware atau USB Host Chip MAX3421E
Length 101.52 mm
perangkat keras yang baik pada robot, namun diperlukan
Width 53.3 mm
juga software ataupun algoritma pemograman yang baik Weight 36 g
pada robot. Algoritma ialah langkah-langkah yang Gambar Arduino Mega ADK ditunjukkan pada
ditempuh dalam menyelesaikan suatu permasalahan gambar 2.1 berikut :
dalam suatu program. Oleh karena itu algoritma yang baik
dalam membuat program khususnya dalam pemograman
robot ini sangat diperlukan demi kesempurnaan pada
performa robot itu sendiri. Dalam hal ini algoritma
tersebut ialah berupa straregi main yang diterapkan pada
robot untuk dapat membaca situasi dan kondisi pada saat
robot berada didalam lapangan pertandingan. Hal ini
tentunya bertujuan agar robot dapat melakukan
pergerakan yang efektif dan efisien dalam melakukan Gambar 2.1. Arduino MEGA ADK
tugasnya mencari dan menemukan bola serta (www.arduino.cc)
memasukkannya kedalam gawang lawan.
87
B. Pixy CMUcam5 Disain robot degan 4 roda bertujuan agar robot

Pixy dapat dengan mudah terhubung ke banyak mudah untuk bermanuver baik itu maju, mundur, geser
kontroler yang berbeda karena mendukung untuk kiri, geser kanan dan berbelok dengan harapan agar
beberapa pilihan antarmuka (serial UART, SPI, I2C, gerakan bisa tetap stabil saat robot bermanuver dengan
USB, atau keluaran digital/analog. Software library penempatan beban dan titik berat yang sudah ditetapkan .
disediakan untuk semua platform sehingga bisa dibuat
dengan mudah dan berjalan cepat. Selain itu, juga sudah
A. Driver Motor EMS 30A H-Bridge
ditambahkan API Python jika menggunakan kontroler
Embedded Module Series (EMS) 30 A H-Bridge
berbasis Linux (misalnya Raspberry Pi, BeagleBone).
merupakan driver H-Bridge yang didisain untuk
Gambar Pixy CMUcam5 ditunjukkan pada gambar 2.2
menghasilkan drive 2 arah dengan arus kontinyu sampai
berikut :
dengan 30 A pada tegangan 5,5 Volt sampai 36 Volt.
Modul ini dilengkapi dengan rangkaian sensor ar us
beban yang dapat digunakan sebagai umpan balik ke
pengendali. Modul ini mampu men-drive beban-beban
induktif seperti misalnya relay, solenoida, motor DC,
motor stepper, dan berbagai macam beban lainnya.
1) Koneksi
Gambar 2.2. Pixy CMUcam5 Sebuah modul H-Bridge 30A dapat digunakan
(http://www.cmucam.org/) untuk mengatur kerja 1 buah motor DC secara 2 arah.
Contoh koneksinya dapat dilihat pada gambar 3.2 berikut
ini :
III. DISAIN MEKANIS PENGGERAK
Robot didisain menggunakan konfigurasi 4 roda, 2
roda kanan dan 2 roda kiri. Motor yang digunakan yaitu
4 buah Motor DC faulhaber 12 Volt.
Berikut ini adalah spesifikasi dari Motor DC
faulhaber 12 volt :
Model German von Faulhaber Hubble encoder
Coreless DC Gear Motor 2342L012
Operating voltage 12 Volt
Kecepatan setelah 120 (RPM)
direduksi
Torsi 1.72 Nm
Power output 17 Watt
Encoder Optical
Output encoder Dual Output AB
Gambar 3.2. Koneksi EMS 30A
Jumlah pulsa per 12
putaran
Diameter 30 mm Gambar EMS 30A H-Bridge dapat dilihat pada
Panjang motor 42 mm gambar 3.3 berikut :
Panjang total 85 mm
Diameter poros 6 mm
Panjang poros 35 mm
Model Gearbox full metal precision planetary gearboxes
Gambar Motor DC faulhaber 12 Volt dapat dilihat
pada gambar 3.1. berikut :
Gambar 3.3. EMS 30AH-Bridge

(www.tokopedia.com/centralrobot/ems-30a-h-
bridge)
Gambar 3.1. Bentuk Fisik Motor DC faulhaber 12 Volt

(http://www.ebay.com)
88
a. Spesifikasi: dibutuhkah, yaitu melakukan instalasi software Arduino

- Catu daya 5VDC. IDE dan PixyMon.
- Terdiri dari 1 driver full H-Bridge. (IC A. Arduino IDE
VNH2SP30 memiliki fitur current sense). IDE Arduino adalah software yang digunakan untuk
- Driver mampu melewatkan arus kontinu 30 A dan menulis atau mengedit program dalam bahasa
mendukung tegangan beban dari 5,5 V sampai 36 pemrograman arduino yang berbasis bahasa C, sebagai
V (IC VNH2SP30 hanya sampai 16V). compiler dan uploader kode program yang telah di-
- Input kompatibel dengan level tegangan TTL dan compile kedalam chip arduino.
CMOS.
- MOSFET output dengan resistansi drain-source
rendah (typ. 0,034 ohm).
- Mendukung kontrol PWM dengan frekuensi
sampai 20 Khz.
- Proteksi hubungan singkat dan proteksi
overtemperature.
- Undervoltage and overvoltage shutdown.
- Reverse battery protection.
- Jalur catu daya input (logika) terpisah dari jalur
catu daya untuk beban.
- Desain PCB standar industri dengan bahan 2 layer
FR4
Disain Robot
Gambar 4.1. tampilan software compiler arduino 1.6.3
B. PixyMon
PixyMon adalah sebuah aplikasi yang
memungkinkan pengguna untuk mengkonfigurasi
Gambar 3.3. Disain Robot Tampak Depan perangkat pixy miliknya, mengatur port output dan
mengelola tanda berupa warna. Komunikasi PixyMon
melalui kabel mini USB standar.
Gambar 4.2. tampilan software PixyMon
Gambar 3.4. Disain Tata Letak Komponen

V. TRACKING OBJECT
IV. SOFTWARE Objek bola yang berwarna orange akan ditangkap
Setelah perancangan mekanik, merakit dan oleh camera Pixy CMUcam5, robot akan menuju objek
memasang rangkaian elektronika selesai maka langkah dan mengusahakan objek (bola) berada dekat dengan sisi
selanjutnya adalah melakukan instalasi software yang bagian penendang (sisi depan) sehingga mudah untuk
89
ditendang. Robot akan berusaha memposisikan bola pada

sisi depan untuk menggiring bola dan mengarah pada 4 40 Terdeteksi
gawang lawan, kemudian robot segera menendang bola
ke gawang lawan.
5 50 Terdeteksi
6 60 Terdeteksi
7 70 Terdeteksi
8 80 Terdeteksi
9 90 Terdeteksi
10 100 Terdeteksi
Gambar 5.1. Flowchart tracking bola dan menendang bola
VI. HASIL PENGUJIAN VII. DAFTAR PUSTAKA

Pengujian dilakukan dengan cara sejauh mana robot [1] http://pixymon.software.informer.com/
dapat mendeteksi keberadaan bola dengan jarak yang [2] Prosiding_ISRSC_2013.
sudah di tentukan. Adapun hasil dari pengujian sebagai [3]. RoboCup Regulation and Rules,
berikut : http://www.robocup.org/about-
Tabel 5.1 Penelitian dengan pencahayaan 4 lampu robocup/regulations- rules/, 18 Mei 2011, 16:00
Tampilan Hasil WIB.
Jarak Bola
No
(Cm)
Keterangan Tracking [4]. Galih Hermawan dan R. Priyo Hartono Adji,
Dokumen Simulasi RoboSoccer – B300, LSKK
STEI-ITB, 2011
1 10 Terdeteksi
Hendrianto Awang Pratomo dkk, Algoritma
strategi untuk menghindari rintangan Pada robot
sepak bola, 2010.
2 20 Terdeteksi [5]. http://komputa.if.unikom.ac.id/jurnal/implementasi-
algoritma.l
3 30 Terdeteksi
90
Sistem Keseimbangan Robot R-SCUAD

Menggunakan Sensor Gyroscope dan
Accelerometer
Yayan Destiantoro1, Nuryono Satya Widodo2,Watra Arsadiando3,M Iqbalul Faiq Hatta4,
Teuku Makmur Tsani5
Teknik Elektro, Universitas Ahmad Dahlan, Indonesia
Prof. Dr. Soepomo st., Yogyakarta, Indonesia
Abstract – Sistem Keseimbangan robot kinerja robot yang semakin mendekati manusia bisa
menggunakan sensor gyroscope dan accelerometer, terwadahi dengan baik [1].
bertujuan untuk membuat rancang bangun sistem Humanoid Soccer Robot adalah salah satu bentuk
keseimbangan gerak robot sepakbola. Mewujudkan implementasi teknologi dalam bidang robotika yang
gagasan ini dilatarbelakangi perlunya sistem memiliki kemampuan menirukan salah satu atau beberapa
keseimbangan gerak pada robot sepakbola agar dapat kegiatan manusia untuk bermain sepak bola.
bermain bola dengan efektif dan seimbang. Hasil Robot ini juga harus memiliki beberapa
penelitian yang diharapkan adalah adanya sistem kemampuan yaitu robot harus dapat mendengarkan
keseimbangan gerak robot sepakbola dengan perintah wasit, dalam hal ini robot harus mampu
pengendalian sensor gyroscope dan accelerometer. mendengarkan perintah wasit melalui media wifi. Robot
Dengan demikian akan dapat dikembangkan robot harus memiliki kemampuan pengenalan fitur dan objek
sepakbola yang memiliki kemampuan bermain yang lebih di lapangan. Robot harus mampu berjalan menggunakan
baik, karena dengan adanya sistem keseimbangan gerak dua kaki seperti halnya pemain sepak bola manusia.
robot ini, robot akan dapat menyeimbangkan badan agar Robot harus dapat menjaga keseimbangan dalam
saat berjalan dan berlari robot tidak jatuh. Metode melakukan pergerakannya agar robot tidak sering terjatuh
penelitian disusun berdasar rancangan sistem yang terdiri dan bergerak stabil. Robot harus dapat menentukan arah
dari bagian-bagian utama yaitu: pengambilan informasi gawang lawan agar dapat mencetak gol kearah dan daerah
nilai perubahan gyroscope dan accelerometer, yang tepat dengan beberapa pola gerakan untuk mencetak
pemrosesan informasi tersebut digunakan untuk gol. Sehingga dalam penentuan arah gawang lawan robot
mengetahui keseimbangan robot dan robot saat jatuh.. menggunakan media kompas. Pemrograman motion pada
Hasil penelitian menunjukkan bahwa sistem robot humanoid bertujuan untuk mendapatkan gerakan
keseimbangan gerak robot pada penelitian ini robot telah robot yang kompleks dari gerakan robot yang lebih
mampu menyeimbangkan badan pada saat berjalan pendek dan sederhana.
maupun berlari.
Kata Kunci—Pemerosesan sensor gyroscope dan II. METODE PENELITIAN
accelerometer Dari beberapa kemampuan yang harus di miliki
oleh robot soccer,maka kemampuan robot ini harus
I. PENDAHULUAN didukung dengan komponen dan hardware yang
R obocup, suatu organisasi yang mempelopori adanya

suatu aktivitas berbentuk berbagai jenis lomba untuk
robot, salah satunya adalah RoboCup Soccer, yang
memungkinkan robot dapat bergerak dengan bebas,
sehingga untuk menunjang pergerakan robot, maka pada
dalam badan robot terdapat embedded PC Odroid XU-4,
menggunakan prinsip-prinsip permainan sepakbola. aktuator dengan 20 derajat kebebasan MX 64 dan MX 28,
RoboCup dalam hal ini RoboCup Soccer telah webcam dengan konektor USB, wifi-USB, sensor
mencanangkan tujuan utamanya bahwa pada tahun 2050 accelerometer dan gyroscope untuk keseimbangan tubuh
telah tercipta suatu tim robot sepakbola yang mampu robot serta sensor kompas agar robot dapat bernavigasi
bertanding dengan manusia. Melalui ajang ini diharapkan dengan baik.
usaha-usaha untuk mencapai tingkat fungsionalitas dan
91
Dari robot yang kami kembangkan robot mampu

berjalan dan berlari dan mampu menyeimbangkan badan
dengan pergerakan lengan dan perubahan nilai servo
bagian pinggul dengan menentukan terlebih dahulu nilai
– nilai COG(center of grafity dan ZMP (Zero Moment
Gyro &
Point).
Accele
Metode yang akan digunakan dalam sistem romete
keseimbangan adalah Metode COG (center of grafitiy) r
dan ZMP (zero moment poit) digunakan untuk
menyeimbangkan robot saat berjalan. Pada dasarnya
COG merupakan nilai tengah saat posisi robot berdiri Gambar 2. Gyroscope dan Accelerometer
ideal, kemudian diberikan nilai batasan untuk mengatur
Gyroscope yang digunakan bertipe L3GD20H dan
keseimbangan robot saat berjalan dan berlari, sehingga
Accelerometer bertipe LIS331 dengan 3 axis X, Y dan Z.
robot bergerak pada zona aman tersebut. ZMP
Sensor tersebut bekerja pada tegangan 5 V. Dengan
didefinisikan sebagai titik singgung yang bertepatan atau
menggunakan
berdempetan dengan lantai atau tanah, yang Jumlah
seluruh gaya aktif adalah nol (0), sehingga pada posisi
berjalan robot berada pada tumpuan titik tengah dan
berada pada titik seimbang. Gambar 1 berikut merupakan
hubungan antara COG dan ZMP.
Gambar 3. Axis Gyroscope dan Accelerometer

Gambar 1
Dengan 3axis tersebut kemudian diambil data nilai
A. Penentuan nilai toleransi keseimbangan COG toleransi COG dengan cara mengambil data ketika robot
Proses kalibrasi pada robot adalah untuk berjalan dalam posisi maxsimal dan memberikan nilai –
mendapatkan nilai accelerometer dan gyroscope pada nilai untuk menyeimbangkan ketika mencapai nilai
saaat maksimal robot berjalan atau berlari di tempat yang tersebut dalam pengambilan data pada robot ini nilai
tidak rata sampai robot hampir jatuh. Pengujian ini akan yang di dapat untuk menyeimbangkan robot adalah
mendapatkan nilai batas ambang sensor ketika robot akan sebagai berikut.
jatuh yang nilai tersebut akan digunakan sebagai acuan
robot untuk menyeimbangkan posisi setabilnya. Pada
Daerah tidak aman
robot R-SCUAD gyro dan Acclerometer sudah menjadi
satu di arbotic pro ditunjukan pada gambar 2 berikut. Robot
Daerah COG
Gambar 4. Wilayah COG
92
Nilai aman pada daerah COG pada Accelerometer C. Flowchart

adalah sebagai berikut:
Start
Depan <= 290, Belakang <=565,
Kanan<=260,Kiri<=260.
Sehingga bila melewati batas itu robot akan
berusaha menyeibangkan diri dan bila robot jatuh maka Kalibrasi sensor Gyro &
Accl
nilai gyro yang akan memanggil gerakan untuk bangun.
B. Blok Diagram Robot
Secara umum sistem yang akan dibuat terdiri dari
Odroid-XU-4, webcam, Arbotic dan servo. Blok diagram
sistem robot sepak bola R-SCUAD adalah sebagai Kalibras
i Sensor
berikut: OK?
Trek ball
Kejar Bola
(a) IF Accel
Robot Bergerak ke belakang
>= 290
WEBCAM depan
USB SERIAL
USB SERIAL
WIFI Odroid XU-4
IF Accel Robot Bergerak ke depan
>= 565
USB SERIAL belakan
I2C
Arbotik dan
Compas
Sensor accelerometer &
IF Accel Robot Bergerak ke kiri
RS-485
gyroscope >= 560
kanan
Servo MX 28 dan
MX-64
(b)
Gambar 5. (a)Humanoid robot Soccer dan (b) Blok diagram sistem
Robot
IF Accel
Robot Menyeimbangkan ke
>= 260
kanan
kiri
Selesai
Gambar 6. Flowchart Keseimbangan Gerak Robot

Menggunakan Sensor Gyroscope dan Acclerometer
93
Dari flowchart robot soccer diatas, Keseimbangan Keterangan :

gerak robot terletak didalam kotak yang berwarna kuning. √ = Robot berdiri
Dimana Diwali dari pencarian/pendeteksian obyek (bola) x = Robot Jatuh
berwarna orange diamana diasumsikan hanya ada 1 (satu) Prosentase Keberhasilan(1) = Berhasil x 100%
obyek yang di anggap bola dalam tempat/ruang Jumlah Pengujian
pengujian. Kemudian ketika obyek ditemukan maka = 10 x 100%
robot akan mendekati obyek (bola), pada saat robot 10
berjalan mendekati bola, robot akan mengecek batas = 100%
keseimbangan yang sudah ditentukan dan bila ,melebihi Jadi Prosentase Keberhasilan(1) Pengujian
dari nilai COG maka robot menyeimbangkan badan dan Keseimbangan Gerak Robot Menggunakan Sensor
robot terus berjalan mendekati bola. Gyroscope dan Acclerometer adalah 100%
1. Robot melebihi batas depan :
Robot akan menyeimbangkan badan denagn bergerak Prosentase Keberhasilan (2)= Berhasil x 100%
ke belakang dan servo bagaian pinggul akan menolak Jumlah Pengujian
ke belakang dan pada kaki engkel = 6 x 100%
2. Robot melebihi batas belakang 10
Robot akan menyeimbangkan badan dengan bergerak = 60%
ke depan dan servo bagaian pinggul dan pada kaki Jadi Prosentase Keberhasilan(2) Pengujian
engkel akan bergerak ke depan. Keseimbangan Gerak Robot Menggunakan Sensor
3. Robot melebihi batas kiri Gyroscope dan Acclerometer adalah 60%
Robot akan menyeimbangkan badan dengan bergerak
ke kanan dan servo bagaian pinggul belakang dan Prosentase Keberhasilan (3)= Berhasil x 100%
pada kaki engkel belakang akan bergerak ke kanan. Jumlah Pengujian
4. Robot melebihi batas kanan = 6 x 100%
Robot akan menyeimbangkan badan dengan bergerak 10
ke kiri, dan servo bagaian pinggul belakang dan kaki = 60 %
engkel belakang akan bergerak ke kiri. Jadi Prosentase Keberhasilan(3) Pengujian
. Keseimbangan Gerak Robot Menggunakan Sensor
D. Tabel Hasil Pengujian Gyroscope dan Acclerometer adalah 60%
Dalam pengujian ini kondisi robot berada di atas
rumput sintetis dengan tinggi rumput 3 cm dan diberikan Rata – Rata Keberhasilan = 100+60+60
benturan secara tiba – tiba dengan botol berisi air yang 3
berat botol adalah 448gram. Berikut hasil pengujian. = 220
Tabel 1. Hasil Pengujian Keseimbangan Gerak 3
Robot Menggunakan Sensor Gyroscope dan = 73.33 %
Acclerometer dengan memberikan tabrakan pada
saat robot bergerak dengan sudut 20°,30° dan 40°. Jadi rata – rata keberhasilan pengujian
Uji (1)Sudut (2)Sudut (3)Sudut Keseimbangan Gerak Robot Menggunakan Sensor
Ke- 20° 30° 40° Gyroscope dan Acclerometer adalah 73.33%
1 √ √ √
2 √ x x E. Kesimpulan
3 √ √ x 1. Robot dapat menyeimbangkan diri ketika robot
berada pada zona tidak aman yang sudah
4 √ √ √
ditentukan.
5 √ √ √
2. Robot mampu berjalan dan berlari dengan
6 √ √ x seimbang di atas rumput sintetis dengan system
7 √ x √ keseimbangan tersebut.
8 √ x x 3. Resiko robot terjatuh semakin kecil dengan
9 √ x √ adanya system keseimbangan menggunakan
10 √ √ √ gyroscope dan accelerometer.
94
III. UCAPAN TERMAKASIH V. BIOGRAFI

Terimakasih kepada Universitas Ahmad Dahlan, Yayan Destiantoro adalah mahasiswa di
Rektorat, BIMAWA, teman-teman RDC (Robotic Universitas Ahmad dahlan. Dia adalah
Development Community) dan pada semua yang mahasiswa S1 Teknik Elektro di Universitas
Ahmad Dahlan sejak tahun 2012 dan
mensuport kami selama ini. berkonsentrasi Otomasi Industri.
IV. PUSTAKA Watra Arsadiando adalah mahasiswa di

[1] http://www.robocup.org/about-robocup/objective/ Universitas Ahmad dahlan. Dia adalah
[2] C. Chevallereau, G. Bessonnet, G. Abba, and Y. Aoustin, mahasiswa S1 Teknik Elektro di Universitas
Bipedal Robots: Modeling, Design and Walking Synthesis. Ahmad Dahlan sejak tahun 2012 dan
2010. berkonsentrasi Otomasi Industri.
[3] https://github.com/Interbotix/arbotix (di akses pada
tanggal 5 Mei 2016) M. Iqbalul Faiq Hatta adalah mahasiswa di
[4] Toyib, M. T. N, 2015 “Kendali Keseimbangan Robot Universitas Ahmad dahlan. Dia adalah
Humanoid Dengan Sensor Gyroscope dan Accelerometer mahasiswa S1 Teknik Elektro di Universitas
Berbasis CM-530” Ahmad Dahlan sejak tahun 2014 dan
[5] Yi, S., Hong, D., & Lee, D. D. (2013). A Hybrid Walk berkonsentrasi Otomasi Industri.
Controller for Resource-Constrained Humanoid Robots.
Humanoid Robots, 2013 13th IEEE-RAS International Nuryono Satya Widodo adalah dosen di
Conference on. Universitas Ahmad Dahlan. Beliau lulusan S2
[6] http://oktriaviani.blogspot.co.id/2012/06/accelerometer- Univarsitas Gadjah Mada (UGM)- Indonesia
gyroscope_16.html (diakses pada tanggal 2 januari 2016) tahun 2010. Konsentrasi Beliau adalah Sistem
[7] http://www.geyosoft.com/2013/accelerometer-dan- Isyarat Elektronis.
gyroscope (diakses pada tanggal 2 januari 2016)
[8] http://elonen.iki.fi/code/misc-notes/after-effects- Teuku Makmur Tsani adalah Kordinator
camera/ae-axes.png (diakases pada tanggal 9 Mei 2016) Team. Dia merupakan lulusan S1 Teknik
Elektro Universitas Ahmad dahlan. Dia lulus
pada tahun 2015. Konsentrasi dia adalah
Telematika.
95
Perhitungan Trigonometri Data Sensor

Accelerometer, Pose Robot, dan Arah Kamera
Untuk Keakuratan Pendeteksian Jarak Bola
Terhadap Robot Humanoid Soccer
Doni Kurniawan, Sulistriyono, Angga Restu R., Evi Nurdianah, M. Nur Fauzi Ibrahim,
Herlambang Sigit Pramono
Abstrak - KRSBI participants are required to present more secara trigonometri data sensor accelerometer, pose robot
vigorous development of new innovations on humanoid robot dan pencitraan kamera. Perhitungan ini dapat digunakan
soccer. One of inovation that can be applied is inovation on untuk menentukan algoritma program robot, sehingga
ball distance detection. That inovation will help robot soccer robot humanoid soccer dapat melakukan pendeteksian
to improve its performance in scoring goal. The purpose of this
bola secara lebih optimal.
paper is to discuss how the accuracy of ball distance detection
use trigonometry calculation of sensor accelerometer, pose of
robot and camera. These calculation can be used to determine II. METODE
robot soccer algorithm, so it will make robot soccer
Metode yang digunakan dalam penelitian ini
performance more optimall.
Keyword : Accelerometer, Humanoid Robot Soccer,
meliputi berbagai tahapan mengikuti model Linier
Trigonometry Calculation Sequential Model (LSM) yang terdiri dari 4 tahapan yang
berulang yaitu tahap analisis dan studi literatur, perakitan
I. PENDAHULUAN (assembly-hardware), pengkodean (coding-software),
KRSBI merupakan ajang perlombaan robot dan pengujian. Penelitian dilakukan dengan melakukan
sepakbola yang memiliki tuntutan rules dengan tingkat studi literatur terhadap berbagai konstruksi robot
kesulitan yang bertambah sulit dari tahun ke tahun. Hal humanoid yang pernah ada, manuver yang dapat
ini mendorong peserta KRSBI untuk semakin giat dilakukan, pendeteksian bola dengan menggunakan
menghadirkan pengembangan inovasi yang baru dan kamera, dan metode perhitungan yang tepat untuk
lebih baik pada robot humanoid soccer. Inovasi tersebut mengukur jarak bola secara akurat. Tahap selanjutnya
salah satunya dapat diterapkan pada cara pendeteksian adalah dengan melakukan perakitan hardware, dan
jarak bola. Inovasi yang lebih baik pada sistem pengkodean algoritma pendeteksian bola pada robot.
pendeteksian jarak bola akan membantu robot humanoid Setelah tahap perakitan hardware dan pengkodean
soccer meningkatkan performa dalam mencetak gol di selesai, dilakukan tahap pengujian akurasi hasil
lapangan. Selain itu, tuntutan mobilitas pada robot pendeteksian jarak bola yang dihitung menggunakan
humanoid soccer yang cukup tinggi di lapangan, perhitungan secara trigonometri data sensor
memperkuat dilakukannya inovasi pengembangan sistem accelerometer, pose robot dan pencitraan kamera.
akurasi pendeteksian bola. Prinsip dasar pendeteksian
bola pada robot humanoid soccer yakni dengan III. TEORI
menggunakan pencitraan kamera. Pencitraan kamera A. Sensor Accelerometer
dipengaruhi gerakan kamera yang diatur dalam algoritma Sensor Accelerometer digunakan sebagai masukan
program robot. Bantuan sensor Accelerometer sebagai modul pengontrol gerak untuk mengatur keseimbangan
sensor untuk menghitung kemiringan sudut dapat robot saat berjalan. Accelerometer merupakan sensor
meningkatkan akurasi dalam pendeteksian jarak bola. yang berfungsi sebagai pengukur dan pendeteksi
Oleh karena itu, peningkatan daya kerja pada sistem percepatan maupun getaran suatu benda akibat gravitasi
deteksi jarak bola dapat diterapkan melalui perhitungan bumi. Accelerometer mengukur percepatan dinamis dan
trigonometri data sensor accelerometer, pose robot dan stastis. Pengukuran dinamis merupakan pengukuran
pencitraan kamera. percepatan yang dilakukan pada benda yang bergerak,
Tujuan dari tulisan ini adalah membahas cara sedangkan pengukuran statis dilakukan terhadap gravitasi
akurasi pendeteksian jarak bola melalui perhitungan bumi. Selain itu accelerometer dapat mendeteksi sudut
96
kemiringan suatu benda. Sensor ini membangun sistem IV. DISKUSI

keseimbangan dari dalam yang berpengaruh pada A. Deteksi Jarak Bola Pada Robot Humanoid Soccer
perubahan sudut join engkel robot. Dalam pertandingan sepak bola, robot humanoid
Sensor accelerometer memiliki tujuan yang sama soccer diharapkan dapat berjalan lebih cepat menuju bola,
dengan sensor gyroscope yaitu mendapatkan posisi mengganti arah jalan, bangkit berdiri bila terjatuh dan
kemiringan, namun untuk sensor gyroscope dipergunakan dapat
untuk mendapatkan nilai kemiringan dari posisinya yang menendang bola ke gawang lawan. Robot pemain bola
relatif terhadap nilai gravitasi, sedangkan accellerometer juga diharapkan memiliki kecerdasan lebih dalam
tidak [1]. Hasil deteksi sudut kemiringan sensor mendeteksi letak bola dan mobilisasinya menuju bola.
accelerometer pada robot humanoid soccer dapat Robot humanoid soccer pada umumnya hanya
digunakan untuk menentukan algoritma program robot. memiliki 3 gerakan dasar dalam berjalan yaitu gerak
B. Pose Robot dan Arah Kamera lurus, gerakan samping dan gerakan memutar. Untuk
Robot humanoid soccer melakukan pergerakan mengoptimalkan mobilisasi robot humanoid soccer di
sesuai dengan hasil deteksi sensor dan algoritma lapangan, mekanisme gerak lurus robot khususnya dalam
pemrograman yang dimilikinya. Bentuk tubuh robot meraih bola dapat dilakukan dengan menyesuaikan jarak
memiliki tingkat kemiringan dan sudut tertentu bola dengan kecepatan gerak robot. Sebagai contoh, pada
menyesuaikan dengan kebutuhan program dan motion. jarak yang jauh, robot diprogram untuk berjalan cepat,
Bentuk atau posisi inilah yang disebut sebagai pose robot. dan pada jarak dekat, robot diprogram untuk berjalan
Pada proses pendeteksian bola, kamera akan bergerak lambat. Untuk itulah akurasi pendeteksian jarak bola
mengikuti arah bola. Pergerakan kamera ini akan dapat digunakan untuk meningkatkan performa robot di
menghasilkan besar sudut antara posisi bola dan arah lapangan, khususnya dalam menentukan gerak robot.
kamera. B. Akurasi Deteksi Melalui Perhitungan Trigonometri
C. Perhitungan Trigonometri Robot humanoid soccer selalu mengalami
Trigonometri merupakan salah satu cabang perubahan posisi. Setiap posisi robot memiliki beberapa
matematika yang mempelajari hubungan antara data yang tetap diantaranya data tinggi kaki robot,
perbandingan panjang sisi-sisi suatu segitiga siku-siku panjang badan robot, dan jarak kamera dengan body
dengan sudut-sudutnya. Trigonometri dapat diartikan robot. Data-data ini dapat digunakan untuk akurasi
sebagai ilmu pengukuran tiga sudut. pendeteksian jarak bola melalui perhitungan
Segitiga selalu memiliki tiga sudut dan setiap sudut trigonometri.
selalu menghadap pada satu sisi. Dari masing - masing Selain data tetap berupa data pose dari robot, terdapat
sudut dan sisi yang berhadapan, terdapat perbandingan pula data tidak tetap, dalam hal ini yaitu kemiringan
yang selalu sebanding. Aturan tersebut disebut sebagai badan robot (sensor accelerometer) dan posisi bola dalam
aturan sinus tirgonometri. Aturan sinus dapat berlaku pencitraan kamera. Dari data – data diatas untuk
pada setiap segitiga sembarang. Aturan sinus menunjukan pendeteksian jarak bola, dapat digambarkan sebagai
perbandingan panjang sisi dengan sinus sudut yang berikut :
berhadapan dengan sisi tersebut mempunyai nilai yang
sama.
Gambar 1. Segitiga sembarang

pada gambar segitia di atas berlaku aturan sinus
trigonometri:
𝑎 𝑏 𝑐
= =
sin 𝐴 𝑠𝑖𝑛 𝐵 𝑠𝑖𝑛 𝐶
aturan sinus ini dapat digunakan dalam perhitungan jika

paling sedikit diketahui 2 sisi 1 sudut atau 1 sisi 2 sudut.n Gambar 2. Pendeteksian jarak bola robot humanoid
[2] soccer
97
Dari visualisasi pada gambar di atas dapat diambil Dengan menggunakan garis bantu tersebut, dilakukan
beberapa data untuk mengukur jarak bola terhadap robot perhitungan menggunakan aturan sinus trigonometri
yaitu,pose robot (panjang u, v, dan w) serta sudut untuk mencari jarak x. Perhitungan tersebut dijelaskan
bentukan berdasarkan pose robot yaitu kemiringan tubuh sebagai berikut :
robot (sensor accelerometer), kemiringan kepala (head 𝑎′ = 180 − 𝑎
tilt angle), dan posisi bola pada pencitraan kamera. b’ = ( 180 – b ) + 𝑎’
Berdasarkan data yang diperoleh tersebut gambar diatas c’’ = 180 – c
dapat disederhanakan menjadi bangun datar sebagai c’ = 180 - (c’’ + b’)
berikut.
Gambar 5. Garis bantu sudut b dan c
mencari nilai y : mencari nilai x :

𝑎′′ = 90 − 𝑎′ d = 180 – (c’ + 90)
𝑣 sin 𝑎′′ 𝑦 sin 𝑐′
Gambar 3. Bangun datar penyederhanaan 𝑦2 = 𝑥2 =
sin 90° sin 𝑑
Keterangan : 𝑏 ′′ = 90 − 𝑏 ′ 𝑦2 sin 𝑏′′
X = jarak bola terhadap robot 𝑥1 ′ =
𝑤 sin 𝑏′′ sin 𝑎′′
Y = tinggi total robot dari permukaan 𝑦3 = 𝑦3 sin 𝑐′′
sin 90° 𝑥1 ′′ =
u = tinggi pose kaki robot 𝑦1 = 𝑢 sin 𝑏′′
v = panjang badan robot 𝑦 = 𝑦1 + 𝑦2 + 𝑦3 𝑥1 = 𝑥1 ′ + 𝑥1 ′′
w = panjang kepala robot
𝒙 = 𝒙𝟏 + 𝒙𝟐
a = kemiringan tubuh robot dari sensor accelerometer Berdasarkan hasil perhitungan trigonometri diatas,
b = kemiringan kepala (head tilt) berdasarkan data algoritma program pendeteksian jarak bola terhadap robot
servo kepala adalah sebagai berikut :
c = sudut bentukan berdasarkan posisi bola dalam
pencitraan camera.
d = sudut bentukan bola terhadap robot
Untuk memperoleh ukuran jarak bola terhadap robot ( x

) diperlukan beberapa garis bantu seperti pada gambar
berikut :
Algoritma diatas dibuat menggunakan bahasa

pemrograman C# pada aplikasi program Microsoft Visual
Studio 2012
Gambar 4. Garis bantu perhitungan
V. HASIL
98
ini akan membuat data hasil perhitungan lebih akurat,

Pengujian akurasi perhitungan jarak deteksi bola sehingga hasil perhitungan ini dapat digunakan untuk
dilakukan dengan melakukan percobaan sebanyak menentukan algoritma robot secara lebih akurat pula.
sepuluh kali terhadap jarak yang berbeda, yaitu secara
berturut-turut jarak bola dekat dengan robot hingga jarak VI. KESIMPULAN
bola jauh dengan robot.
Dari hasil percobaan didapatkan hasil perhitungan Berdasarkan hasil penelitian perhitungan trigonometri
yang berbeda antara jarak sebenarnya ( x ) yang diukur data sensor Accelerometer, pose robot, dan arah kamera
dengan mistar dengan jarak hasil perhitungan secara untuk keakuratan pendeteksian jarak bola terhadap Robot
trigonometri menggunakan data sensor accelerometer, Humanoid Soccer, dapat ditarik beberapa kesimpulan
pose robot dan pencitraan kamera ( x’ ). Hasil percobaan sebagai berikut :
adalah sebagai berikut : 1. Perhitungan trigonometri data sensor Accelerometer,
pose robot, dan arah kamera dapat digunakan untuk
TABEL I meningkatkan akurasi pendeteksian jarak bola
EROR PENDETEKSIAN JARAK BOLA terhadap robot humanoid soccer
2. Penggunaan perhitungan trigonometri meningkatkan
akurasi pendeteksian jarak bola terhadap robot
No x x’ Δ x (x’ -x)
humanoid soccer hingga 96%
1. 5,00 cm 5,2 cm 0,2 cm 3. Eror pendeteksian jarak bola pada penggunaan
2. 10,00 cm 10,3 cm 0,3 cm perhitungan trigonometri dipengaruhi oleh sensitifitas
3. 15,00 cm 15,5 cm 0,5 cm sensor dan adanya noise pada data sensor.
4. 20,00 cm 20,7 cm 0,7 cm
5. 25,00 cm 26,0 cm 1,0 cm VII. DAFTAR PUSTAKA
6. 30,00 cm 31,3 cm 1,3 cm [1] LiveScience. Accellerometer vs Gyroscope: What‘s
7. 35,00 cm 36,7 cm 1,7 cm The Difference. 2013
8. 40,00 cm 42,3 cm 2,3 cm http://www.livescience.com/40103-accelerometer-
9. 50,00 cm 53,1 cm 3,1 cm vs-gyroscope.html
10. 60,00 cm 64,1 cm 4,1 cm [2] Michael Corral. Trigonometry. Schoolcraft College.
2009
Tampilan data percobaan dalam bentuk grafik adalah [3] M. Montermerlo, S. Thurn, D. Koller, and
sebagai berikut : B.Wegbreit, “FastSLAM 2.0: A Factored Solution
to the Simultaneous Localization and Mapping
GRAFIK I Problem, “ in AAAI National Conference on
EROR PENDETEKSIAN JARAK BOLA Artificial Intelegence, 2003, pp. 593598
VIII. BIOGRAFI
80
Jarak (cm)
60 Doni Kurniawan, lahir di Jakarta

40 pada tanggal 25 Juli 1995. Saat ini
menjadi mahasiswa program studi
20
Pendidikan Teknik Mekatronika, di
0 Universitas Negeri Yogyakarta dan
1 2 3 4 5 6 7 8 9 10 tergabung dalam tim KRSBI
Percobaan Al’Aadiyaat. E-mail :
alaadiyaat.uny@gmail.com
Jarak Sebenarnya Hasil Perhitungan
Berdasarkan data percobaan, terdapat perbedaan Sulistriyono, lahir di Banjarnegara

data jarak hasil perhitungan trigonometri data sensor pada tanggal 29 September 1995. Saat
accelerometer, pose robot dan pencitraan kamera dengan ini menjadi mahasiswa program studi
jarak sebenarnya. Perbedaan ini dipengaruhi oleh Pendidikan Teknik Mekatronika, di
senstitifitas sensor, dan adanya noise pada data sensor. Universitas Negeri Yogyakarta dan
Untuk mengatasi hal tersebut dapat digunakan jenis filter tergabung dalam tim KRSBI
data yang lebih baik. Penggunaan filter yang lebih baik
99
Al’Aadiyaat. E-mail : tyo.binslamet29@gmail.com M. Nur Fauzi Ibrahim, lahir di

Sleman pada tanggal 29 Agustus
Angga Restu Reffanda, lahir di 1993. Saat ini menjadi mahasiswa
Bantul pada tanggal 13 Juli 1995. program studi Pendidikan Teknik
Saat ini menjadi mahasiswa program Elektro, di Universitas Negeri
studi Pendidikan Teknik Yogyakarta dan tergabung dalam tim
Mekatronika, di Universitas Negeri KRSBI Al’Aadiyaat. e-mail :
Yogyakarta dan tergabung dalam tim nuruzzy@gmail.com
KRSBI Al’Aadiyaat. e-mail :
anggarestu777@gmail.com
Herlambang Sigit Pramono, lahir di
Evi Nurdianah, lahir di Pemalang Boyolali pada tanggal 29 Agustus
pada tanggal 19 Desember 1995. Saat 1965. Bidang keahlian
ini menjadi mahasiswa program studi Mikroprosesor. Lulus program studi
Pendidikan Teknik Mekatronika, di S1 Teknik Elektro, Institut Teknologi
Universitas Negeri Yogyakarta dan Sepuluh November tahun 1995, dan
tergabung dalam tim KRSBI studi S2 Ilmu Komputer, Universitas
Al’Aadiyaat. e-mail : Gadjah Mada tahun 2010. Saat ini
evinurdianah11@yahoo.co.id menjadi dosen di Jurusan Pendidikan
Teknik Elektro Universitas Negeri Yogyakarta dan
menjadi dosen pembimbing tim Al‘Aadiyaat. e-mail :
herlambangsigitpramono@gmail.com
100
Algoritma Gait Generator Sederhana pada

Hexapod Walking Robot
Evan Prianto, Kusprasapta Mutjiarsa
Abstrak— Dalam makalah ini, disajikan algoritma Gait Pada dasarnya menentuan titik gerak robot dapat
Generator yang sederhana tetapi efektif untuk melakukan dilakukan secara langsung dimana posisi titik
pergerakan perpindahan (locomotion). Platform robot yang didefinisikan langsung tanpa melakukan perhitungan.
digunakan memiliki enam kaki dengan tiga sendi pada tiap
Tetapi hal ini membuat pergerakan robot tidak dapat
kakinya dan digerakkan dengan 18 motor servo. Tujuan
utama dari penelitian ini adalah membuat robot yang dapat dinamis berubah-ubah sehingga diperlukan algoritma
melakukan perpindahan dengan gait generator yang yang dapat membuat posisi titik-titik pergerakan yang
sederhana dan efektif. Pada metode ini, digunakan dapat berubah ubah secara dinamis.
algoritma Invers Kinematic untuk menghitung sudut dari Makalah ini menawarkan algoritma gait generator
tiap-tiap sendi menggunakan nilai posisi dari keenam kaki yang sederhana tetapi cukup efektif untuk melakukan
robot yang diberikan. Pada bagian akhir, hasil
pergerakan yang dapat dinamis berubah ubah. Sehingga
implementasi yang didapatkan menunjukkan bahwa
algoritma ini dapat membuat robot melakukan pergerakan cukup memperhatikan parameter parameter yang
berpindah. diinginkan dalam melakukan pergerakan.
Istilah Index-Robot Berkaki Enam, algoritma Gait Bagian pertama pada makalah ini akan
Generator, Invers Kinematic menggambarkan tentang struktur mekanik dari robot.
Pada bagian kedua, makalah ini akan menyajikan
I. PENDAHULUAN algoritma gait generator yang sederhana tetapi cukup
K eseimbangan dalam berjalan dari autonomous legged

mobil robot ditentukan berdasarkan konfigurasi dari
bentuk kakinya. Jika jumlah dari kaki robot
efektif dalam melakukan pergerakan yang berubah-ubah.
Terakhir, pada bagian akhir makalah ini akan
menunjukkan hasil implementasi dari algoritma gait
bertambah maka keseimbangan dari robot juga akan generator pada robot hexapod.
bertambah. Pada ro6bot Hexapod, berjalan menggunakan
keseimbangan statis dapat dengan mudah di peroleh II. DESAIN MEKANIK DARI PLATFORM ROBOT
menggunakan kontak 3 kaki terhadap tanah. Sedangkan 3 Pemrograman Platform robot yang digunakan
kaki lainya melakukan gerakan mengayun pada arah yang adalah platform robot hexapod yang dikembangkan di
dituju dan kemudian kembali pada gerakan menapak Autonomous Vehicle Research Group (AVRG) yang
tanah dan terus bergantian sehingga robot dapat berada di bawah Departemen Teknik Elektro, Institut
melakukan perpindahan. Teknologi Bandung. Robot ini di konstruksi dari bahan
Keuntungan lainnya dalam menggunakan platform alumunium dan bahan akrilik.
robot hexapod adalah robot dapat bergerak ke arah mana Pada dasarnya bentuk desain keseluruhan mekanik
saja terhadap tanah maupun terhadap pusat robot robot, didasari dengan bentuk struktur tubuh serangga
sehingga pada kasus ini robot memiliki 2 derajat berkaki 6 dimana dalam hal ini adalah semut. Proses
manuver. Hal ini membuat robot hexapod sesuai untuk pembuatan dan proses desain dilakukan dengan
eksplorasi seperti eksplorasi mars dan eksplorasi menggunakan software solidworks 2015.
tambang. Proses desain pertama adalah melakukan pembuatan
Untuk membuat robot dapat berjalan, titik-titik setiap dari partisi robot seperti kaki, base atau badan dan
pergerakan dan urutan pergerakan dari tiap kaki robot terakhir kepala. Setelah setiap partisi robot telah selesai
harus dihasilkan terlebih dahulu. Posisi dari tiap ujung dibuat, dilakukan pemasangan dari setiap partisi dimana
kaki diperoleh dalam kordinat kartesian. Algoritma invers seperti sendi coxa,femur,dan tibia yang kemudian
kinematic digunakan untuk menghitung nilai numerik menjadi bagian kaki.
dari setiap sendi sehingga diperoleh ujung dari tiap sendi Hal ini juga dilakukan pada bagian kepala dan
kaki berada pada posisi yang diinginkan. bagian badan dimana setiap bagian dibuat dari
Proyek ini didukung oleh Autonomous Vehicle Research Group

Institut Teknologi Bandung
101
pemasangan partisi partisi objek. Terakhir, setelah semua

bagian robot telah berhasil dibuat, dilakukan pemasangan
dari setiap bagian robot menjadi satu kesatuan robot yang
utuh.
Setelah hasil desain robot sesuai dengan yang
diinginkan, hasil desain mekanik ini menghasilkan
sebuah file gambar teknik yang di potong sesuai
bentuknya dengan menggunakan alat pemotong laser.
Hasil desain menghasilkan 18 buah sendi robot
dimana setiap sendi terdiri dari satu aktuator sehingga GAMBAR 2 Tampak atas robot yang menggambarkan
terdapat 18 buah aktuator pada robot. Dalam proyek ini Pergerakan dari robot
aktuator yang digunakan adalah motor servo Dynamixel
Algoritma Gait Generator
RX-24 dengan torsi maksimum 26 kg.cm sehingga
Pada algoritma ini hanya diperlukan parameter
terdapat 18 buah servo Dynamixel RX-24.
parameter yang dibutuhkan untuk membuat titik titik
Dari jumlah servo yang didapatkan diketahui bahwa
gerak kaki robot yang diinginkan. Parameter-parameter
keseluruhan robot memiliki 18 buah derajat kebebasan.
yang dibutuhkan adalah posisi gait awal pada tiap kaki,
Motor servo Dynamixel RX-24 menggunakan protokol
jumlah gait ketika kaki berada pada fasa mengayun,
komunikasi serial RS-24 untuk menggerakkannya.
pembagi lebar langkah, jarak lebar langkah dan jumlah
gait dalam satu siklus. Pembagi lebar langkah adalah nilai
yang menentukan panjang langkah akan di bagi menjadi
beberapa bagian sehingga antar bagian dapat dibuat titik
titik pergerakan.
Misalkan jika di bagi menjadi 2 bagian maka
tergenerasi 3 titik sedangkan di bagi menjadi 4 bagian
maka tergenerasi 5 titik. Sebagai contoh jika kita
memberikan nilai jumlah gait sebanyak 6 dengan nilai
pembagi lebar langkah adalah 4 maka akan didapatkan
gait titik pergerakan segitiga dengan posisi titik seperti
gambar dibawah.
GAMBAR 1 Bentuk mekanik robot keseluruhan
III. PERGERAKAN LOCOMOTION

Pergerakan Lokomosi pada robot termasuk dalam
pergerakan yang melakukan perpindahan posisi robot
dimana didalamnya termasuk pergerakan maju,mundur, GAMBAR 3 Hasil generasi titik-titik gerak dari gait
generator
samping dan berputar. Pada makalah ini mendiskusikan
metode pergerakan dengan algoritma tripod gait. Hal ini Sehingga dengan menggunakan algoritma ini
di pilih karena dalam melakukan pergerakan cukup perubahan pergerakan dapat dilakukan dengan mudah.
memperhatikan keseimbangan statis saja sehingga dapat Dimana untuk merubah pergerakan cukup hanya dengan
menyederhanakan metode pergerakan. Terdapat 2 fasa merubah nilai parameter yang tersedia tidak perlu
dalam pergerakan tripod gait pertama pergerakan ketika melakukan definisi ulang pada setiap titiknya. Hal ini juga
mengayun dan kedua adalah ketika menyentuh tanah. berlaku untuk penentuan lebar langkah dan tipe
Untuk memvisualisasikan algoritma ini dapat dilihat pada pergerakannya.
gambar dibawah.
102
IV. IMPLEMENTASI VI. APRESIASI

Jika robot mampu melakukan gerakan dinamis maka Penulis berterimakasih kepada seluruh civitas
dapat dinyatakan robot lolos pengujian dan pengujian akademik Teknik Elektro Institut Teknologi Bandung
dapat dikatakan berhasil dilakukan. Perpindahan atau untuk dukungannya dalam melaksanakan proyek ini.
locomotion yang dilakukan robot berupa pergerakan Penulis (first author) juga berterimakasih kepada
berjalan maju, berjalan mundur, berjalan menyamping ke keluarga yang telah memberikan dukungan moral dan
kiri, berjalan menyamping ke kanan, berjalan diagonal, finansial untuk keberlangsungan proyek ini. Juga
berjalan memutar dan juga berjalan sambil melakukan diucapkan terimakasih kepada Fauzan Akbar (EL ITB
putaran sehingga menjadi berbelok. ’12) yang telah membantu penulis (first author) dalam
Dari gambar-gambar berikut terlihat bahwa robot mempelajari Invers Kinematic.
dapat melakukan gerakan-gerakan dinamik seperti maju
lurus, mundur lurus dan sebagainya. VII. REFERENSI
[1] R. Syawaludin, “Penerapan Algoritma Kinematika Maju
dan Balikan pada Olah Gerak Robot Berkaki Enam
(Hexapod) dengan 18 Derajat Kebebasan”. Program Studi
Teknik Elektro Institut Teknologi Bandung, 2010.
[2] P. Corke, Robotics, Vision and Control Fundamental
Algorithms in MATLAB. Brisbane: springer,2011.
[3] S. Fuady, “Perancangan Algorima Navigasi pada Robot
Cerdas Berkaki Enam,” Program Studi Teknik Elektro
Institut Teknologi Bandung, 2011.
VIII. BIOGRAFI
Evan Prianto lahir di Bandung,

Indonesia pada 30 Desember 1993.
GAMBAR 4 Robot dapat melakukan pergerakan maju Lulus dari SMA Negeri 3 Bandung
pada tahun 2012 dan melanjutkan
V. SIMPULAN pendidikan di Institut Teknologi
Bandung. Telah memiliki minat pada
Pada makalah ini menghadirkan algoritma gait riset sejak sekolah menengah dan
generator dari pegerakan robot hexapod ketika berjalan. bergabung di Tim Riset dan
Teknologi SMA Negeri 3 Bandung
Pengujian dilakukan dengan implementasi langsung pada (KIT3).
robot dimana hasil pengujian menunjukkan pergerakan Pernah berpartisipasi pada olimpiade
yang sesuai dengan keinginan dan dapat berjalan dengan sains nasional saat Sekolah
Menengah Atas. Bidang keminatan
baik. Langkah berikutnya dimasa depan adalah
pada sistem kendali dan
mengoptimisasikan algoritma gait generator dengan pemrograman, dan pernah bergabung pada lab sistem kendali serta saat
penggunaan memory sehingga dapat mengefisiensikan ini bergabung dengan lab Autonomous Vehicle Research Group di
penggunaan clock pada mikrokontroler Institut Teknologi Bandung.
103
Uses of CMPS-11 on “OCEANOID” Bioloid

Robot to Define The Direction of The Goalpost
Rizky Aditya Pratama[1], Alfira Maulita[1], Adam Samodra Djatirangga[1], Nur Fadhila Sari[1], Yanuar Ari
Setiawan[1], Joko Subur [2]
FACULTY OF ENGINEERING AND MARITIME SCIENCE – ELECTRICAL ENGINEERING
Hang Tuah University, Jl. Arif Rahman Hakim 150 Surabaya 60111
rizkyadityap24@gmail.com1
Abstract – Humanoid is kind of robot which is usually

controlled using remote control even in robosoccer II. METHOD
competition. But during the development, humanoid robot This research use an experiment method. For the
especially Bioloid now walking automatically. robot uses first step, we make the block diagram like this.
a camera and image processing to detect the ball, and
Voltage
also use gyroscope to keep the balancing of the robot. In CMPS-11 ATMega8 Divider
Port ADC
CM-530
this paper, we explain about uses of CMPS-11 as a Circuit
magnetic compass sensor which is useful to define the
Image 1. Block Diagram System
direction of the enemies goalpost. First, we connected the
compass to ATMega8 minimum system and then get the This is the explanation of our system: We use
data from CMPS-11 using I2C method. After that, we CMPS-11 as the compass sensor. The reason we choose
transform the data into a binary. Then we transform the
CMPS-11 is because it already has accelerometer and
data into analog data using a voltage dividing circuit.
gyro inside there. So the data will be more accurate. For
After we have the analog data, we connect the ATMega8
the controller, we use an ATMega8 based minimum
minimum system to the Bioloid controller CM-530, and
we get the value from the ADC port of CM-530. system to access and proceed the sensor. Data from
CMPS-11 is a digital data. We can use many method to
Keyword: compass, cmps11, adc, bioloid
access the compass, such as I2C, PWM, or Serial. And for
this thing, we choose I2C method.
I. INTRODUCTION
Development and research about robotic was start
since 1940 and then it started become a new science at
1960 and the development is really impressive.
Humanoid robot which is one of application from mobile
robot now become a attraction for a rookie to master.
Basically humanoid robot usually controlled using
remote control, even in a robosoccer competition. But
nowadays robot moves automatically. The robot uses a
camera and image processing to detect the ball, and also
use gyroscope to keep the balancing of the robot. So the
robot won’t fall when walking or if it fall, it will wake up Image 2. CMPS-11
automatically. But sometimes the robot cannot find the
direction of the goalpost and cannot differentiate which is In CMPS-11, there are 6 port but we only use 4.
it own goalpost or the enemies goalpost. So that’s why we Because we use I2C method, we only use port VCC,
try to use a magnetic compass sensor CMPS-11 to GND, SCL, SDA. The rest of it is not too useful. We only
navigate the robot and differentiate the goalpost. use port 5 to calibration. VCC, and GND port is
The purpose of this research is to determine the connected to the additional VCC & GND port on
direction of the goalpost and define which one is the own minimum system ATMega8. Then, port SDA (PORT 2)
goalpost and which one is the enemies goalpost. of CMPS-11 connected to the port SDA (PORTC.4) on
minimum system ATMega8 and port SCL (PORT 3) of
CMPS-11 connected to the port SDA (PORTC.5) on
104
minimum system ATMega8. Don’t forget to give a pull III. DISCUSSION

up at the SCL and SDA port. In this case, we use 4.7K With I2C method, we can get a data from 0 to 360
resistor as a pull up. degree. After that, we can divide it into 8 wind direction.
There are North, North-East, East, South-East, South,
South-West, West, and North-West. But, because we
can’t use a LCD at this Bioloid, we transform the data
become a simple 4-bit data. Here is the table:
Table 1. Data from CMPS-11 with I2C method
DEGREE DATA DIRECTION BIT DATA
338 – 22 North 0001
23 – 67 North-East 0011
68 – 112 East 0101
113 – 157 South-East 0111
158 – 202 South 1001
203 – 247 South-West 1011
248 – 292 West 1101
293 – 337 North-West 1111
Image 3. Source code program to access the CMPS-11
Start
Get
compass
data
Find the
direction
Image 5. Source code program to sending data from ATMega8
to CM-530
After converting the data into a simple binary, we

transform it into analog data using voltage dividing
Found enemies
goalpost
circuit. That is giving a resistor with a different resistance
on each output port. Then we connect the ATMega8
minimum system with the Bioloid controller CM-530
using ADC methode.
In CM-530, we can read the ADC data from
Roboplus Manager and then we get the value from the
Execute
ADC port according the wind direction. Later, the value
is used to define the goalpost direction by put the value to
the program of the robot. This is the value that we get
End
from the ADC port on controller CM-530:
Image 4. Flowchart of the process using CMPS-11
105
Table 2. Data of CMPS-11 on CM-530 controller IV. CONCLUSION

DIRECTION BIT DATA VALUE
This method can run in Bioloid successfully. But
North 0001 335 – 340
this method just make the robot find the area of the
North-East 0011 470 – 475 enemies goalpost, can’t find the goalpost precisely.
East 0101 415 – 420
DIRECTION BIT DATA VALUE V. REFERENCE
South-East 0111 545 – 550 Books:
South 1001 385 – 390 [1] Maududy, M. ISOLA_S.2 Indonesiaan Symposium of
South-West 1011 515 – 520 Robot Soccer, Prosiding Indonesia Symposium on Robot
West 1101 465 – 470 Soccer Competition, 2013.
[2] ROBOTIS Co., LTD. 2007, ROBOTIS PREMIUM User’s
North-West 1111 595 – 600
Guide.
[3] Tirtana Arif, dkk. Indonesian Symposium On Robot Soccer
From the table above, we can see that every Competition 2014 – June 24th, 2014, 976-26-0237-9.
direction has it own value. But the value never stable on
one position, so that’s why I make a range for the value Website:
[4] http://www.robotelectronics.co.uk/htm/ cmps10doc.htm
in the program in order to make the robot still can find the
[5] http://support.robotis.com/en/product/auxdevice/
direction with the unstable value. According to our controller/cm530.htm
diagnose, maybe the change of the value is caused by the
electromagnetic field from the servo motor of the robot. VI. VI. BIOGRAPHIES
But the ability of the compass to find the direction still Adam Samodra Djatirangga born at
good. Lamongan, September 11th 1994. Study at Hang
Tuah University, majoring electrical engineering.
Rizky Aditya Pratama born at Blitar, June 12th

1995. Study at Hang Tuah University, majoring
electrical engineering.
Alfira Maulita born at Sidoarjo, April 17th 1996.

Study at Hang Tuah University, majoring electrical
engineering.
Image 6. Program list of the compass in CM-530 Nur Fadhila Sari born at Magetan,
November 29th 1996. Study at Hang Tuah
That’s the application program of CMPS-11 in CM- University, majoring electrical engineering.
530. As u see, we make a value range in each direction.
On that program, after the robot find the direction, robot
will do a motion that will support the robot to find the Yanuar Ari Setiawan born at Surabaya, January 11th
goalpost. 1996. Study at Hang Tuah University, majoring
electrical engineering.
106
Perancangan Strategi Permainan Pada Robot

Sepak Bola Beroda Menggunakan Mamdani Fuzzy
Logic
L. A. Manasikana, K. Mutijarsa, W.Adiprawita
Abstrak – Makalah ini berisi perancangan pada robot[1]. Fungsi keanggotaan pada sistem kendali
strategi permainan sepak bola yang digunakan pada cerdas memiliki batasan yang samar sehingga derajat
mobile soccer robot. Tujuan implementasi strategi ini keanggotaan tidak bernilai Boolean (0 dan 1). Pada
agar robot dapat bermain menyerupai manusia. makalah ini, implementasi strategi permainan sepak bola
Strategi yang dirancang pada robot ini adalah strategi menggunakan Mamdani Fuzzy Logic.
mencari bola, strategi mencari gawang dan strategi Mamdani Fuzzy Logic digunakan karena
menggiring bola ke gawang. Strategi mencari bola memberikan hasil yang sama bahkan lebih baik
dan strategi menggiring bola ke gawang dibandingkan dengan pengendali klasik. Logika ini dapat
menggunakan metode Mamdani Fuzzy Logic. digunakan di berbagai macam kondisi karena sangat
Sementara strategi mencari gawang menggunakan sederhana[2].
logika biasa. Sebelum dilakukan implementasi,
strategi yang telah dirancang akan disimulasikan II. METODOLOGI
pada MATLAB. Hasil yang didapatkan adalah Strategi permainan sepak bola pada mobile soccer
keluaran berupa arah putar robot yang ditentukan robot terbagi menjadi beberapa bagian. Strategi pertama
menggunakan rule yang ada. adalah strategi mencari dan mengambil bola. Strategi ini
Index Terms—Strategi Permainan Sepak Bola, menggunakan masukan berupa data citra. Strategi kedua
Mamdani Fuzzy Logic, Robot Beroda, Robot Sepak adalah mencari gawang. Pada strategi ini menggunakan
Bola. masukan berupa pembacaan sensor kompas yaitu
orientasi posisi robot. Orientasi posisi robot selanjutnya
I. PENDAHULUAN dibandingkan dengan orientasi gawang yang telah dibaca
P ERMAINAN sepak bola tidak dapat terlepas dari

suatu strategi. Strategi pada pertandingan sepak bola
sangat dibutuhkan untuk dapat mencapai
di awal pertandingan. Setelah menemukan gawang,
strategi berikutnya adalah menggiring bola ke dalam
gawang. Strategi ini membutuhkan input berupa data
kemenangan. Strategi tersebut dapat berupa strategi citra.
mengambil bola, menggiring hingga menendang ke A. Mamdani Fuzzy Logic
gawang. Strategi antar pemain pun juga dibutuhkan Pada Mamdani Fuzzy digunakan defuzzifier untuk
karena sepak bola bukan permainan individu melainkan mengkonversi fuzzy set menjadi crisp value Terdapat lima
permainan tim. metode defuzzifying suatu set samar A dengan semesta Z
Strategi permainan sepak bola juga sebagai berikut[3].
diimplementasikan pada robot sepak bola beroda. 1. Centroid of area zCOA
Implementasi tersebut dilakukan agar robot dapat
∫𝑧 𝜇𝐴 (𝑧)𝑧 𝑑𝑧
bermain menyerupai manusia. Perancangan strategi pada 𝑧𝐶𝑂𝐴 = (1)
robot menggunakan suatu sistem kendali cerdas. Hal ∫𝑧 𝜇𝐴 (𝑧) 𝑑𝑧
tersebut dikarenakan perancangan menggunakan sistem dimana 𝜇𝐴 (𝑧) adalah keluaran aggregated suatu
kendali biasa memiliki kesulitan yang tinggi apabila fungsi keanggotaan[3].
keluaran yang diinginkan adalah robot bermain 2. Bisector of area zBOA
menyerupai manusia. 𝛽
𝑧 𝐵𝑂𝐴
Sistem kendali cerdas yang digunakan berupa fuzzy
∫ 𝜇𝐴 (𝑧)𝑑𝑧 = ∫ 𝜇𝐴 (𝑧)𝑑𝑧 (2)
logic controller karena dapat menerjemahkan perilaku ∝
manusia menjadi suatu kendali yang diimplementasikan 𝑧 𝐵𝑂𝐴
107
dimana ∝ = min{𝑧|𝑧 ∈ 𝑍} dan 𝛽 = Keluaran yang dihasilkan adalah gerakan putar

max{𝑧|𝑧 ∈ 𝑍}. 𝑧 = ∝, 𝑧 = 𝛽, 𝑦 = 0 dan 𝑦 = robot. Gerakan putar ini berada pada rentang sudut -90o
𝜇𝐴 (𝑧) terbagi menjadi dua area yang sama sampai dengan 90o. Pada rentang gerakan putar dibagi
dengan garis vertikal 𝑧 = 𝑧𝐵𝑂𝐴 [3]. menjadi beberapa set linguistik seperti berikut.
3. Mean of maximum zMOM
∫𝑍′ 𝑧 𝑑𝑧
𝑧𝑀𝑂𝑀 = (3)
∫𝑍′ 𝑑𝑧
dimana 𝑍 ′ = {𝑧|𝜇𝐴 (𝑧) = 𝜇 ∗ }. Apabila 𝜇𝐴 (𝑧)
mempunyai satu nilai maksimum pada 𝑧 = 𝑧 ∗
maka 𝑧𝑀𝑂𝑀 = 𝑧∗ . Sementara, apabila 𝜇𝐴 (𝑧)
mencapai maksimum kapanpun 𝑧 ∈
[𝑧𝑙𝑒𝑓𝑡 , 𝑧𝑟𝑖𝑔ℎ𝑡 ] maka 𝑧𝑀𝑂𝑀 = (𝑧𝑙𝑒𝑓𝑡 + 𝑧𝑟𝑖𝑔ℎ𝑡 )/2 Gambar 2-3 Variabel linguistik untuk gerakan putar robot
untuk mencari bola
[3].
4. Smallest of maximum zSOM Berdasarkan masukan dan keluaran yang ada,
zSOM adalah minimum magnitude pada selanjutnya dirancang rule yang digunakan. Terdapat 16
maximizing z[3]. rule yang dirancang seperti berikut.
5. Largest of maximum zLOM Tabel 2-1 Rule Mencari Bola
zLOM adalah minimum magnitude pada Masukan Keluaran
maximizing z[3]. 1 sangat kiri
2 agak kiri
3 depan
4 agak kanan
5 sangat kanan
6 sangat kiri
7 kiri
8 depan
9 kanan
10 sangat kanan
11 sangat kiri
Gambar 2-1 Defuzzification pada Mamdani Fuzzy[3]. 12 agak kiri
13 tetap (tidak berputar)
B. Strategi Mencari dan Mengambil Bola 14 agak kanan
Strategi mencari dan mengambil bola menggunakan 15 sangat kanan
data citra untuk mendeteksi bola. Citra yang dihasilkan 16 (tidak ada) sangat kiri
berukuran 680 piksel x 480 piksel. Citra ini dibagi
menjadi beberapa daerah. Daerah tersebut akan menjadi Pada daerah 13 menandakan bola sudah diambil
acuan untuk membuat fungsi keanggotaan menggunakan robot sehingga pada rule keluaran dari masukan ini
set linguistik. Berikut adalah daerah yang telah adalah tetap atau tidak berputar. Sementara masukan 16
ditentukan. menandakan bahwa bola tidak terdeteksi sehingga pada
rule keluaran dari masukan ini adalah sangat kiri.
C. Strategi Mencari Gawang
Strategi mencari gawang menggunakan logika
biasa, bukan fuzzy logic karena data yang dibutuhkan
sebagai masukan maupun data yang dihasilkan pada
keluaran bukan set samar. Strategi ini membutuhkan
masukan berupa orientasi robot dan orientasi gawang.
Orientasi gawang dibaca oleh sensor kompas saat awal
pertandingan. Orientasi robot maupun gawang dibagi
menjadi 2 daerah. Berikut adalah daerah yang telah
ditentukan.
Gambar 2-2 Pembagian daerah pada citra
108
Masukan Keluaran
8 depan
9 kanan
10 sangat kanan
11 sangat kiri
12 agak kiri
13 depan
14 agak kanan
15 sangat kanan
Gambar 2-4 Pembagian daerah pada orientasi
16 (tidak ada) tetap
Berikut adalah perancangan logika yang digunakan
pada strategi mencari gawang. Pada rule keluaran dari masukan 16 adalah tetap
Tabel 2-2 Logika Mencari Gawang Menggunakan Sensor karena gawang tidak terdeteksi. Hal tersebut menandakan
Kompas bahwa robot dan bola telah masuk ke dalam gawang.
Gawang Posisi
Perbedaan Keluaran
Lawan Robot
III. HASIL
1 1 (-) kiri
1 1 (+) kanan Strategi yang telah dirancang disimulasikan pada
1 2 > -180o kiri MATLAB. Berikut adalah hasil simulasi pada MATLAB.
1 2 < -180o kanan
2 1 > 180o kiri
2 1 < 180o kanan
2 2 (-) kiri
2 2 (+) kanan
Dimana perbedaan =
gawang lawan – posisi robot. Keluaran logika ini
adalah arah putar robot. Setelah robot mengetahui
berputar ke arah kiri atau kanan makan selanjutnya robot
akan berputar sejauh perbedaan.
D. Strategi Menggiring Bola ke Gawang
Setelah strategi mencari gawang mendapatkan hasil
orientasi gawang dan orientasi posisi robot sama, maka
dilakukan strategi menggiring bola ke gawang.
Masukan strategi menggiring bola ke gawang
Gambar 2-5 Rule mencari bola
berupa data citra. Data citra dibagi menjadi beberapa
bagian seperti pada Gambar 2-2. Sementara keluaran
strategi ini berupa gerakan putar robot. Keluaran yang
dihasilkan adalah gerakan putar robot. Gerakan putar ini
berada pada rentang sudut -90o sampai dengan 90o. Pada
rentang gerakan putar dibagi menjadi beberapa variabel
linguistik seperti Gambar 2-3.
Selanjutnya dirancang rule untuk strategi
menggiring bola ke gawang sebagai berikut.
Tabel 2-3 Rule Menggiring Bola ke Gawang
Masukan Keluaran
1 sangat kiri
2 agak kiri
3 depan
4 agak kanan
5 sangat kanan
6 sangat kiri Gambar 2-6 Permukaan strategi mencari bola
7 kiri
109
keluaran dan telah ditentukan ini merupakan batas samar.

Hasil pada keluaran akan ditentukan menggunakan rule
yang telah ada. Hal tersebut terlihat pada hasil yang
ditunjukkan oleh simulasi MATLAB.
IV. KESIMPULAN
Strategi yang digunakan untuk permainan sepak
bola beroda terdiri dari strategi mencari bola, strategi
mencari gawang, dan strategi menggiring bole ke
gawang. Strategi ini menggunakan metode Mamdani
Fuzzy Logic dan logika biasa. Rule yang dirancang dapat
memberikan keluaran berupa arah robot yang diinginkan.
Hal tersebut menyebabkan robot beroda dapat bermain
sepak bola menyerupai manusia.
Gambar 2-7 Rule menggiring bola ke gawang
V. ACKNOWLEDGMENT
Makalah ini dibuat dalam rangka dokumentasi
Tugas Akhir penulis dan lomba Kontes Robot Indonesia.
Ucapan terima kasih disampaikan oleh penulis kepada
Tim TA 151601030 dan Tim Dago Hochschule yang ikut
serta dalam pembuatan dan pengembangan platform
robot sepak bola beroda yang digunakan pada makalah
ini.
VI. REFERENSI
[1] C. H. Chiu and W. R. Tsai, “Design and Implementation of an
Omnidirectional Spherical Mobile Platform,” IEEE Transactions
on Industrial Electronics, Mar. 20015, pp. 1619-1628.
[2] E. H. Mamdani, “Application of fuzzy algorithms for control of
simple dynamic plant,” in Proceedings of the IEEE, vol. 121, pp.
1585-1588, 1974.
[3] J. S. R. Jang, C. T. Sun, E. Mizutani, “Fuzzy Inference Systems,”
in Neuro-Fuzzy and Soft Computing, New Jersey.
Gambar 2-8 Permukaan strategi menggiring bola ke gawang
[4] J. R. Vilela. (2014). Fuzzylite: a fuzzy logic control library.
[Online]. Available: http://www.fuzzylite.com.
Pada Gambar 2-5 sampai dengan Gambar 2-8
terdapat tanda x, y, dan putar. Tanda x merupakan
koordinat x pada hasil data citra yang memiliki rentang VII. BIOGRAFI
dari 0 piksel sampai dengan 640 piksel. Tanda y Lovila Arina Manasikana lahir di Gresik, pada
merupakan koordinat y pada hasil data citra yang tanggal 5 Juni 1996. Lovila sedang menempuh
memiliki rentang dari 0 piksel sampai dengan 480 piksel. pendidikan sarjana Teknik Elektro di Institut
Teknologi Bandung (ITB).
Tanda x dan y merupakan masukan yang berupa hasil data Pengalaman organisasi Lovila adalah Wakil
citra sedangkan tanda putar merupakan keluaran arah Menteri Apresiasi Himpunan Mahasiswa
putar robot. Robot akan berputar ke kiri apabila keluaran Elektroteknik ITB (HME-ITB) Badan Pengurus
periode 2015-2016. Selain itu, Lovila aktif di
yang dihasilkan negatif, sedangkan berputar ke kanan Divisi Komputer HME-ITB serta Perkumpulan
apabila keluaran yang dihasilkan positif. Robot akan Seni Tari dan Karawitan Jawa ITB (PSTK-ITB).
berputar sejauh nilai yang dihasilkan pada keluaran. Sistem Kendali dan Sistem Komputer adalah bidang yang digeluti oleh
Lovila. Kegemaran Lovila adalah membaca dan menari tradisional.
Batasan yang terdapat pada masukan maupun
110
Manufer RobotRosota Pada Rumput Sintesis

Yuri Yudhaswana Joefrie, Nur Cholis, Firmanyah, Dewi Rizki Wakti, Eri Rachman
Univesitas Tadulako Palu
Jalan Soekarno Hatta Km 9 Kampus Bumi Tadulako Tondo Palu-Sulawesi Tengah
0451-422611 ukm.robotch.tadulako@gmail.com
Abstract -- Pada Kontes Robot Sepak Bola

Indonesia 2016, terdapat perbedaan dari Kontes pada
tahun sebelumnya. perbedaan yang paling besar terjadi
yaitu pada perubahan material lapangan yang sebelumnya
menggunakan karpet sekarang digantikan dengan rumput
sintetis dengan ukuran yang mengacu pada rule RoboCup
2015. Agar robot mampu bertanding secara maksimal di
ajang KRSBI 2016 ini dibutuhkan kemampuan-
kemampuan dasar yang dapat di lakukan robot seperti
bergerak maju, belok kiri dan belok kanan. Itu menjadi
tantangan tersendiri bagi robot-robot yang akan
bertanding. Pada Robot ROSOTA menggunakan fungsi
control inertial force dan fungsi joint softness yang dapat
mengatur pergerakan aktuator Dynamixel agar lebih
stabil dan mempunyai akselerasi yang tinggi.
Gambar 3.1 konstruksi Robot ROSOTA
Keyword: Robot ROSOTA, fungsi control inertial
force, fungsi joint softness
III. HARDWARE
I. PENDAHULUAN
erkembangan teknologi di bidang robotika,
Pkhususnya pada divisi KRSBI, terbilang cukup pesat.
Para peserta di tuntut unutk dapat melakukan peningkatan
kemampuan robot untuk dapat menyesuaikan dengan
aturan pertandingan yang baru. Dalam bermain sepak
bola, robot di di haruskan unutk bisa melakukan gerakan-
gerakan dasar seperti berjalan, menendang, bangun dari
jatuh, dan lain-lain.
Pada tahun 2016, peraturan KRSBI mengalami
perubahan pada lapangan pertandingan yang tahun-tahun
sebelumnya menggunakan karpet pada tahun ini di ganti
menggunakan rumput sintetis, oleh hal itu menyebabkan
beberapa robot sulit untuk berjalan di atas lapangan. Gambar 3.1 . Block Diagram Robot ROSOTA
II. KONSTRUKSI ROBOT Dari gambar diatas, dapat dijelaskan koneksi dari
masing-masing komponen yang digunakan, serta tipe
Robot yang digunakan tim ROSOTA pada KRSBI koneksi yang digunakan
2016 menggunakan konstruksi bioloid-GP yang telah A. Kontroller Robot ROSOTA
dimodifikasi sedemikian rupa untuk menyesuaikan pada ROSOTA menggunakan 2 kontroller, yaitu Arduino
arena pertandingan tahun ini. ROSOTA menggunakan 20 Mega 2560 dan CM-530. Agar dapat melakukan
buah aktuator gabungan Dynamixel AX-12A dan AX- pengontrolan sensor dengan lebih leluasa.
18A.
111
Gambar 3.2 .Arduino Mega 2560, CM-530 Gambar 4.1. Tampilan RoboPlus Motion
B. Aktuator RoboPlus Motion dilengkapi dengan berbagai fitur

Dynamixel adalah aktuator yang cerdas yang yang dapat di gunakan untuk keperluan membuat motion
menggunakan roda gigi reducer, dan juga rangkaian yang atau gerakan dalam robot. Fungsi control inertial force
presisi dapat mengirimkan data dengan fleksibel dan adalah untuk mengurangi akselerasi, meningkatkan
hanya dalam sebuah paket. kecepatan secara bertahap maupun secera dratis dan
ROSOTA menggunakan dua tipe Dynamixel yang memiliki nilai dari 0 sampai dengan 127 dengan nilai
berbeda yaitu Dynamixel AX-12 dan Dynamixel AX- normalnya 32. Fungsi joint softness jika nialinya di
18, hal ini dukarenakan kedua tipe tersebut memiliki perbesar maka sangat cocok buat gerakan yang
maksimal torsi yang berbeda. membutuhkan kelembutan dan sebaliknya apabila
nilainya di perkecil mata sangat cocok untuk membuat
gerakan menjadi stabil dan sangat cocok digunakan untuk
membuat gerakan jalan pada robot.
V. IMPLEMENTASI
Untuk membuat gerakan jalan pada dasarnya
mimiliki prinsip yang sama dengan gerakan jalan pada
manusia. Algoritma selama proses berjalan antara lain
sebagai berikut:
1. Robot berdiri tegak
2. Kaki kiri diangkat dan direngangkan ke depan badan
3. Badan robot bergerak ke depan dengan posisi
diantara kaki kanan dan kaki kiri
4. Kaki kiri mendarat di tanah dan kaki kanan di tekuk
Gambar 3.3. Dynamixel AX-12a & AX-18a dan siap melangkah ke depan
5. Kaki kanan melangkah di depan badan dan mendarat
IV. SOFTWARE
Pada robot ROSOTA menggunakan CM-530 untuk
mengatur motion atau gerakan pada robot seperti berjalan
maju, belok ke kiri, belok ke kanan dan lain-lain. Adapun
dalam kontroller CM-530 terdapat software RoboPlus
Motion yang di gunakan untuk membuat atau mengatur
gerakan-gerakan seperti di atas.
Gambar 5.1. Gerakan algoritma berjalan
112
VIII. BIOGRAFI
(1) (2) (3) Yuri Yudhaswana Joefrie, lahir 25 Maret
Gambar 5.2. Implementasi pada robot ROSOTA 1979 , lulusan dari Universitas Brawijaya dan
sekarang mengajar sebagai dosen di jurusan
Selama proses berjalan tersebut robot bergerak Informatika Universitas Tadulako
secara berulang dari tahap 2 ke 5 hingga di berikan
perintah berhenti dari kontroller.
Nur Cholis, lahir 23
VI. KESIMPULAN November 1996, merupakan mahasiswa aktif
di fakultas teknik jurusan teknik elektro
KRSBI 2016 menggunakan material lapangan dari universitas tadulako, pada tahun 2015
rumput sintetis maka dari itu di butuhkan motion atau bergabung bersama unit kegiatan mahasiswa
gerakan yang dapat membuat robot mampu Robotech Tadulako dan tergabung dalam
mengeluarkan kemampuan terbaiknya dengan divisi KRSBI .
menggunakan algoritma berjalan seperti layaknya
manusia. Eri rachman, lahir 14 mei 1995, merupakan
mahasiswa di Universitas Tadulako ,
mahasiswa S1 teknik elektro di Universitas
VII. DAFTAR PUSTAKA Tadulako sejak tahun 2013 .
[1]. ROBOTIS e-Manual v1.27.0

http://support.robotis.com/en/software/roboplus/rob
oplus_motion_main.htm Dewi Rizki Wati, lahir 9 November 1996,
merupakan mahasiswa aktif di fakultas teknik
[2]. Luksh, Tobias, Human-like Control of Dynamically
jurusan teknik informatika universitas
Walking Bipedal Robots, Technischen tadulako, pada tahun 2015 bergabung bersama
Kainserslautern 2010 unit kegiatan mahasiswa Robotech Tadulako
[3]. ROBOTIS Co., Ltd ROBOTIS: CM-530 Available dan tergabung dalam divisi KRSBI .
from: http://support.robotis.com/en/
Firmansyah, lahir 4 Januari 1996, merupakan
mahasiswa aktif di fakultas teknik jurusan
teknik elektro universitas tadulako, mulai
bergabung di unit kegiatan mahasiswa
Robotech Tadulako pada tahun 2015.
113
Algoritma Antarmuka Sensor Jarak Neato LIDAR

XV-11 Berbasiskan State Machine Untuk Robot
Hexapod
Hans Herdian1, a, Kusprasapta Mutjiarsa2, b
1 2 ProgramStudi Teknik Elektro, Sekolah Teknik Elektro dan Informatika
Institut Teknologi Bandung
Bandung, Indonesia
a Email: herdian.hans@gmail.com, bEmail: soni@stei.itb.ac.id
Abstrak—Pada paper ini, dilakukan percobaan untuk sensor [3]. Dengan akurasi yang tinggi dan ketahanan
membuat algoritma ekstraksi data dari sensor Neato terhadap interferensi, sensor ini sangat ideal untuk
LIDAR XV-11 menggunakan pendekatan state-machine. melakukan pemetaan dan navigasi untuk robot pemadam
Mikrokontroler yang digunakan untuk implementasi
api.
algoritma adalah STM32F446RE dan pemrograman
dilakukan pada lingkungan pemrograman dengan bahasa Karena sensor LIDAR menggunakan teknologi laser
C++. Dari hasil percobaan didapatkan bahwa state machine untuk melakukan pengukuran, maka harga sensor ini
dapat diimplementasikan pada bahasa C++ dengan syntax cenderung sangat mahal [4]. Sensor LIDAR rata-rata
“switch” dan implementasi yang dibuat berhasil memiliki harga lebih dari Rp10.000.000,-. Namun untuk
mengekstraksi data dari sensor LIDAR dengan baik dan aplikasi dasar, terdapat sensor LIDAR dengan harga yang
akurat.
masih terjangkau, yaitu Neato LIDAR XV-11 [5].
Kata Kunci—LIDAR, State-Machine, Interfacing, Sensor
Jarak, Pemadam Api Paper ini akan menjelaskan proses interfacing antara
Neato LIDAR XV-11 dengan mikrokontroler ARM
I. PENDAHULUAN STM32F446RE menggunakan metode implementasi
state-machine. Metode ini dapat diaplikasikan juga pada
Robot pemadam api merupakan robot yang
mikrokontroler atau mikroprosesor lain dengan protokol
digunakan untuk penganggulangan bencana kebakaran.
komunikasi atau bahasa pemrograman yang serupa.
Robot ini memiliki potensi pemakaian yang luas seperti
penanggulangan bencana kebakaran pabrik secara
II. NEATO LIDAR XV-11 : FITUR DAN PROTOKOL
otomatis [1], atau sebagai robot eksplorasi daerah
kebakaran untuk misi penyelamatan [2]. Penggunaan Neato LIDAR XV-11 dipilih karena alasan berikut:
robot dalam misi penyelamatan akan mengurangi resiko  Harganya murah untuk sensor LIDAR ($ 160)
petugas pemadam kebakaran dan mampu mengakses  Jarak minimum pengukuran 14 cm dan maksimum 6
daerah yang tidak dapat diakses oleh tenaga pemadam m
kebarakan manusia. Oleh karena itu, prospek penggunaan  Refresh rate yang cukup tinggi, yaitu 5Hz
robot sebagai pemadam api dan eksplorasi penyelamatan
sangatlah menjanjikan.
Supaya robot pemadam api dapat melakukan
eksplorasi secara otomatis, diperlukan sensor untuk dapat
mengetahui posisi objek di sekitar robot dan melakukan
pemetaan lokasi yang telah dieksplorasi. Salah satu
sensor yang dapat digunakan adalah LIDAR (Light
Detection and Ranging). Sensor ini menggunakan laser
dan sensor cahaya untuk menghitung jarak antara sensor
dan objek dengan menghitung durasi pantulan cahaya. Gambar II-1 Tampilan fisik Neato LIDAR XV-11
Selain itu, sensor ini juga diputar secara terus menerus
menggunakan motor sehingga memungkinkan untuk Dari gambar II-1, dapat dilihat bahwa sensor ini
menciptakan peta radial 2 dimensi dari area disekeliling memiliki 2 kabel, yaitu kabel motor dan kabel data. Kabel
114
motor ini merupakan masukan untuk daya untuk motor dijalankan langsung di program utama secara sekuensial,
pada LIDAR dan dapat digunakan untuk mengatur sehingga tidak diperlukan konsep pemrograman
kecepatan putar motor dengan sinyal PWM. Sensor ini mikrokontroler yang lain seperti interrupt. Namun,
hanya bisa beroperasi pada kecepatan putar motor 180 kelemahan dari metode ini adalah prosesor tidak
sampai 350 rpm, sehingga diperlukan kendali kecepatan melakukan apa-apa pada jeda antara satu paket data
supaya kecepatan putar motor LIDAR tetap pada daerah dengan paket data yang lain. Hal ini memperlihatkan
operasi. Kabel data adalah kabel komunikasi UART bahwa metode pembacaan data ini tidak efisien karena
dengan baudrate 115200 untuk menerima data dari menghabiskan waktu prosesor untuk menunggu. Selain
sensor. Kabel data ini juga berfungsi untuk menyuplai itu, refresh rate tipikal dari sensor ini adalah 5Hz, atau
200 ms untuk setiap satu putaran data. Hal ini berarti
tegangan 5V pada bagian sirkuit sensor LIDAR.
sistem yang menggunakan algoritma ini tidak bisa
Saat sensor ini melakukan 1 putaran, 90 paket akan
melakukan apapun selama 200 ms pembacaan data, yang
dikirim ke mikrokontroler, dengan setiap paket
merupakan waktu yang sangat lama untuk membaca
mengandung 4 pembacaan. Panjang 1 paket adalah 22
sensor. Visualisasi waktu yang terbuang dapat dilihat
byte. Sehingga total pembacaan adalah 360 data (untuk
pada gambar dibawah.
setiap 1 derajat) dengan ukuran total 1980 byte.
Setiap paket disusun dengan susunan berikut.
<start> <index> <speed_L> <speed_H> [Data 0] [Data 1]

[Data 2] [Data 3] <checksum_L> <checksum_H>
Dimana:
 <start> selalu 0xFA
 <index> adalah index byte dalam 90 paket, mulai
dari 0xA0 (paket 0, pembacaan 0 sampai 3) sampai
0xF9 (paket 89, pembacaan 356 sampai 359) Gambar III-1 Penggunaan resource prosesor pada metode
request and polling. Sebagian besar resource terbuang sia-
 <speed> adalah informasi 2 byte, little endian, yang
sia saat polling.
merepresentasikan kecepatan * 64
 [Data 0] sampai [Data 3] adalah keempat B. Metode Buffering
pembacaan, yang setiap ukurannya adalah 4 byte Pada metode ini, data yang diterima dari LIDAR
dengan susunan data sebagai berikut. tidak langsung diolah, melainkan disimpan terlebih
o byte 0 : <distance 7:0> dahulu ke dalam sebuah buffer. Jika buffer sudah terisi
o byte 1 : <"invalid data" flag> <"strength sampai pada batas tertentu atau selang waktu tertentu
warning" flag> <distance 13:8>` sudah dilalui, sebuah interrupt akan aktif untuk mengolah
o byte 2 : <signal strength 7:0>`
semua data pada buffer sekaligus.
o byte 3 : <signal strength 15:8>`
Kelebihan metode ini adalah penggunaan interrupt
sebagai indikator penerimaan data, sehingga waktu
III. PEMILIHAN ALGORITMA EKSTRAKSI DATA
tunggu antara satu data dengan data yang lain bisa diisi
Ada beberapa alternatif algoritma yang bisa dipilih dengan pekerjaan lain oleh prosesor. Selain itu,
untuk melakukan ekstraksi data LIDAR. Setiap alternatif pemisahan antara penerimaan dan pengolahan data
akan dijelaskan pada sub-bab berikut. membuat interrupt penerimaan data menjadi lebih singkat
A. Metode Request and Polling dan mengurangi peluang terjadinya antrian dengan
Pada algoritma ini, pembacaan data LIDAR diawali interrupt lain. Ditambah lagi, data terbaru akan diupdate
dengan programmer memberikan permintaan (request) secara otomatis pada array khusus dalam library LIDAR
pembacaan data LIDAR melalui pemanggilan fungsi atau yang digunakan,dan dapat mengakses LIDAR kapan saja,
method dalam kelas. Fungsi atau method yang dipanggil dimana saja.
akan melakukan pengambilan data jarak dari sudut 0 Namun, kekurangan dari metode ini adalah adanya
sampai 360 secara sekuensial, yang artinya fungsi ini batasan untuk waktu pengolahan data maksimum, yaitu
akan terus menunggu sampai semua data didapatkan. tidak boleh melebihi dua kali periode antar kedatangan
Setelah semua data didapatkan, barulah program keluar data LIDAR. Hal ini akan menyebabkan hilangnya paket
dari fungsi dan menjalankan perintah yang lain. data sebelumnya karena belum dimasukan ke memori
Dari segi kemudahaan implementasi, algoritma ini oleh interrupt. Batasan waktu pengolahan data ini akan
merupakan metode yang paling mudah mempengaruhi lebar buffer yang dapat digunakan. Selain
diimplementasikan. Hal ini karena fungsi dapat itu, buffer yang lebih besar membuat refresh rate
115
algoritma menjadi lebih rendah. Hal ini menunjukan byte dan dikirim dengan protokol yang dijelaskan pada
bahwa refresh rate dapat meningkat dengan menurunkan bagian II, maka desain state machine yang digunakan
buffer. untuk ekstraksi data dapat dilihat pada gambar berikut.
Gambar III-2 Ilustrasi penggunaan resource prosesor pada

algoritma buffering
C. Metode State-Machine
Pada metode ini, setiap terjadi interrupt penerimaan
data, dilakukan pemrosesan data menggunakan state-
machine. Dalam penggunaan resource prosesor, lamanya
penerimaan dan pengolahan data kurang lebih sama
dengan metode request dan polling. Namun, State-
machine dapat menyimpan state program setelah setiap
pengolahan data, sehingga prosesor dapat dengan aman
keluar dari fungsi dan masuk kembali di lain waktu saat Gambar IV-1 State-Machine Ekstraksi Data LIDAR
data selanjutnya diterima. Hal ini menyebabkan prosesor
dapat mengerjakan pekerjaan yang lain pada sela antara Pada state-machine diatas, terlihat bahwa saat
waktu penerimaan data seperti metode buffering. sistem pertama kali berjalan, sistem masuk ke dalam state
Kelebihan dari metode ini adalah karena pengolahan data “wait_start” sampai mendapatkan start byte, yaitu 0xFA.
dilakukan per satu blok data, maka memori buffer yang Setelah start byte didapatkan, data selanjutnya dianggap
diperlukan sangatlah kecil, yaitu hanya 1-2 byte. Selain sesuai dengan urutan protokol dan dibaca ke variabel
itu, karena lamanya pengolahan data dibagi ke 360 data masing-masing sesuai dengan urutan. [Data 0] sampai
setiap penerimaan data, maka setiap sela waktu memiliki [Data 3] memiliki format data yang sama, sehingga
lebar yang sama dan mengurangi peluang terjadinya pengambilan data dapat dilakukan dengan state yang
antrian interrupt jika terdapat fungsi lain dengan interrupt sama dengan tambahan variabel index (i) untuk menandai
periodik terpasang. [Data 0] sampai [Data 3]. Setelah pembacaan data hasil
pembacaan selesai, sistem akan melewati pembacaan
checksum dan langsung kembali ke state awal.
Pembacaan data checksum diabaikan karena diasumsikan
bahwa data yang masuk selalu dalam kondisi baik dan
juga untuk mengurangi penggunaan resource sistem
untuk perhitungan CRC.
V. IMPLEMENTASI STATE MACHINE DALAM

BAHASA PEMROGRAMAN C++
Gambar III-3 Visualisasi penggunaan resource prosesor A. Penentuan Clock Eksekusi State Machine
pada algoritma state machine
Dari state machine pada gambar III-1, terlihat
bahwa evaluasi perpindahan state terjadi setiap
IV. DESAIN STATE-MACHINE UNTUK EKSTRAKSI
penerimaan data baru dari sensor. Karena data sensor
DATA LIDAR
berasal dari protokol komunikasi USART, maka eksekusi
Karena data datang dari protokol komunikasi evaluasi state machine harus dilakukan tepat saat data
USART, maka paket-paket data yang diterima terpecah- diterima dari USART. Hal ini dapat diimplementasikan
pecah menjadi paket-paket dengan ukuran 1 byte (8 bit). dengan interrupt dengan mengatur eksekusi state
Jika data terpotong-potong dalam sekelompok paket 1 machine terjadi saat terjadi interrupt dari USART. Tidak
116
seperti metode polling, pembacaan data USART // Ambil data byte 3

i++
menggunakan metode state machine bersifat non- if(i == 4)
blocking, sehingga ISR (interrupt service routine) dapat state =
dilaksanakan dengan cepat dan tidak mengganggu wait_start;
else
kelangsungan proses utama dan dan interrupt lain. state =
get_data_b0;
void ISR(USART) break;
{ default:
data = USART_DR; state = wait_start;
// State Machine }
}
}
B. Implementasi State Machine
Proses implementasi state-machine ke dalam bahasa VI. HASIL IMPLEMENTASI
pemrograman C++ dapat dilakukan dengan Hasil implementasi pada Nucleo dapat dilihat pada
menggunakan syntax “switch”. Hal ini dilakukan dengan kedua gambar dibawah.
membuat satu variabel integer yang digunakan untuk
menandai kondisi state saat ini. Nama state yang
digambarkan pada gambar III-1 harus diubah menjadi
angka supaya dapat disimpan pada variabel state tersebut
dengan makro “#define”. Kemudian, blok “switch” akan
diisi dengan logika perpindahan state berdasarkan pada
nilai variabel state saat itu. Gambaran kerangka kode
implementasi state machine dapat dilihat pada blok kode
berikut.
#define wait_start 0
#define get_index 1
#define get_spd_L 2
#define get_spd_H 3
#define get_data_b0 4
#define get_data_b2 6 Gambar VI-1 Konfigurasi pengujian algoritma
int state = wait_start;

int i = 0;
void ISR(USART)
{
data = USART_DR;
// State Machine
switch(state)
{
case wait_start:
if(data == 0xFA)
state =
get_index;
break;
case get_index:
//Ambil data index
state = get_spd_L; Gambar VI-2 Hasil pengukuran jarak sensor
break;
case get_spd_L:
//Ambil data spd L Gambar VI-1 memperlihatkan bahwa LIDAR
state = get_spd_H; digunakan untuk mengukur jarak pada kisaran 21 cm dan
break; dari gambar VI-2 dapat dilihat bahwa sensor berhasil
case ...
. membaca data dengan baik, yaitu D[270] = 21.3 cm.
. Perbedaan pengukuran LIDAR dan pengukuran
. penggaris terjadi karena adanya error pengukuran baik
case get_data_b3: dari instrumen yang digunakan maupun pengukur.
117
VII. SIMPULAN [3] Zlot, R., & Bosse, M. (2009). Place recognition using
keypoint similarities in 2D lidar maps. In Experimental
Dari hasil percobaan pada bagian V dapat terlihat Robotics (pp. 363-372). Springer Berlin Heidelberg.
bahwa algoritma ini berhasil melakukan ekstraksi data
[4] http://www.robotshop.com/ca/en/lidar.html, diakses pada
jarak dari sensor Neato LIDAR XV-11 secara akurat. 16 Mei 2016, 8:49 AM GMT +7
Hasil pembacaan ini dapat diolah lebih lanjut untuk [5] http://www.amazon.com/Neato-LIDAR-Laser-distance-
pengolahan citra 2 dimensi untuk mengetahui keberadaan sensor/dp/B00QSUJPSY, diakses pada 16 Mei 2016, 8:51
hambatan, kondisi area sekliling robot, serta pemetaan. AM GMT +7
[6] https://xv11hacking.wikispaces.com/LIDAR+Sensor,
VIII. APRESIASI diakses pada 16 Mei 2016, 8:47 AM GMT +7
Penulis berterimakasih kepada seluruh civitas
akademik Teknik Elektro Institut Teknologi Bandung X. BIOGRAPHIES
untuk dukungannya dalam melaksanakan proyek ini.
Hans Herdian (M’1888, F’17) lahir di Kota
Penulis (first author) juga berterimakasih kepada Bekas pada tanggal 15 November 1995. Saat ini,
keluarga yang telah memberikan dukungan moral dan dia sedang menempuh pendidikan S1 di Institut
finansial untuk keberlangsungan proyek ini. Teknologi Bandung pada jurusan Teknik
Elektro. Dia diharapkan lulus pada Juli 2016.
Saat berada di Kampus, dia aktif di Unit
IX. REFERENSI Robotika ITB sub-divisi Komurindo. Pada tahun
2015, dia dan timnya berhasil meraih juara 1
[1] Singh ,H.P., dkk. Control of An Autonomous Industrial pada Kompetisi Muatan Balon Atmosfer
Fire Fighting Mobile Robot. DU Journal of Undergraduate (KOMBAT). Bidang yang paling diminati
Research and Innovation, pp124-130 adalah telekomunikasi dan elektronika, sehingga dia berniat untuk
[2] Jadkar, Rutuja, dkk. (2015) A Survey on Fire Fighting melanjutkan pendidikan di bidang yang lebih tinggi pada kedua bidang
Robot Controlled Using Android Application. tersebut.
International Journal of Innovative Research in Science,
Engineering, and Technology, pp10701-10704
118
Rancang Bangun Sistem Komunikasi Data Robot

DEVATA A dalam KRSBI 2016
Danieal1, Januar Chayadi2, Kevin William3, Agus Budi Dharmawan4

Abstrak – Teknolgi yang diterapkan pada Kontes Robot berpartisipasi dalam Kontes Robot Sepak Bola Indonesia
Sepak Bola Indonesia senantiasa terus berkembang dari (KRSBI) 2016. Dalam kontes tahun ini, Tim KRSBI
tahun ke tahun. Para peserta dituntut untuk dapat UNTAR merancang robot sebanyak 4 buah yang terdiri
mengembangkan kemampuan robotnya mulai dari
dari DEVATA A sebanyak 2 buah sebagai robot
mekanika, algoritma sampai komunikasi data. Setiap robot
yang dirancang, pasti dilengkapi dengan main controller penyerang, DEVATA B yang berperan sebagai robot
dan sub controller sesuai dengan fungsi masing-masing. bertahan dan DEVATA C sebagai robot penjaga gawang.
Pertukaran data antar controller pasti akan terus dilakukan Robot DEVATA A adalah robot humanoid sepak
selama robot bekerja. Oleh karena itu, sangatlah penting bola generasi terbaru yang dirancang oleh tim KRSBI
memilih sistem komunikasi data yang tepat dalam UNTAR 2016. Robot ini memiliki perangkat keras
merancang sebuah robot.
(hardware) dan perangkat lunak (software) yang
Pada perancangan ini, digunakan main controller
Raspberry Pi 2 model B, dan sub controller CM-530 dan disatukan menjadi sebuah sistem untuk bekerja
Arduino Nano dalam robot DEVATA A. Teknik selayaknya sebuah robot sepak bola yang berperan
komunikasi data yang digunakan dalam robot DEVATA A sebagai penyerang.
adalah komunikasi serial dan komunikasi paralel 6 bit. Pada makalah ini akan dibahas tentang rancang
Berdasarkan hasil pengujian yang dilakukan, sistem bangun sistem komunikasi data robot DEVATA A yang
komunikasi data yang dipilih pada robot DEVATA A dapat
berpengaruh dalam operasi robot tersebut saat dijalankan.
berfungsi sesuai dengan perintah-perintah yang dihasilkan
dari setiap proses yang dilakukan.
Kata Kunci – KRSBI 2016, Raspberry Pi 2 Model B, II. TINJAUAN PUSTAKA
Arduino Nano, CM-530, gyroscope and accelerometer, DEVATA A merupakan robot humanoid dengan 20
compass, Sistem Komunikasi Data, Controller.
DOF (Degree of Freedom) yang digunakan untuk
mengikuti KRSBI 2016. DEVATA A adalah robot hasil
I. PENDAHULUAN
tiruan dari robot DARwIn-OP (Dynamic
Kontes Robot Sepak Bola Indonesia (KRSBI) 2016 Anthropomorphic Robot with Intelligence-Open
adalah penyelenggaraan KRSBI tahun keempat semenjak Platform). Untuk manifaktur robot DEVATA A,
KRSBI diadakan pertama kali di tahun 2013. Cikal bakal digunakan alumunium pada bagian kaki, dan 3D printing
KRSBI adalah Kontes Robot Cerdas Indonesia (KRCI) dengan filament jenis HIPs (High Impact Polystrene)
Robo Soccer Humanoid League (RSHL) tahun 2012 yang pada bagian badan dan kepala. Robot DEVATA A
sebelumnya bernama KRCI Expert Battle.[1] KRSBI memiliki spesifikasi sebagai berikut :
adalah sebuah kontes robot bermain sepak bola layaknya Aktuator : Kepala : 2 Dynamixel AX-12A
manusia. Para peserta KRSBI senantiasa dituntut untuk Tangan : 2x3 Dynamixel AX-
dapat mengembangi kemampuan robotnya dari tahun ke 12A
tahun. Seperti pada tahun ini, alas lapangan pertandingan Kaki : 2x6 Dynamixel MX-
menggunakan rumput sintetis sebagai pengganti karpet 28T
pada tahun sebelumnya. CPU : Main controller : Raspberry Pi 2 Model B
Universitas Tarumanagara (UNTAR) kembali Sub Controller : CM-530, Arduino Nano
Danieal, Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Universitas Tarumanagara. Jl. S.Parman No. 1, Grogol, Jakarta Barat 11440.
(daniealitalixc@gmail.com). Telp. +62 8988 762683.
Januar Chayadi, Jurusan Teknik Elektro, Fakultas Teknik, Universitas Tarumanagara. Jl. S.Parman No. 1, Grogol, Jakarta Barat 11440.
(chayadi.januar@gmail.com).
Kevin William, Program Studi Teknik Industri, Fakultas Teknik, Universitas Tarumanagara. Jl. S.Parman No. 1, Grogol, Jakarta Barat 11440.
(kevinwilliam029@gmail.com).
Agus Budi Dharmawan, Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Universitas Tarumanagara. Jl. S.Parman No. 1, Grogol, Jakarta Barat
11440. (agusd@fti.untar.ac.id).
119
Sensor : Camera : Logitech C210 Dynamixel sebagai aktuator robot. CM-530 dapat
Gyro & Accelero : MPU6050 mengendalikan servo AX, dan MX series. Sebagai sub
Compass : CMPS11 controller, CM-530 akan menerima data dari main
Power : Battery LiPo 3 Cell 2200mAh controller berupa perintah gerakan yang harus dilakukan
Dimensi : Tinggi : 485 mm robot.
Telapak Kaki : 60 mm x 100 mm
Tangan : 197 mm
Lebar Tubuh : 195 mm
Gambar 3. CM-530
Arduino Nano adalah sebuah papan pengembangan

microcontroller yang berukuran kecil. Arduino Nano
yang digunakan adalah Arduino Nano berbasis
Atmega328.[5] Arduino Nano digunakan untuk membaca
sensor gyroscope and accellerometer MPU6050, dan
compass CMPS11. Selain itu, digunakan juga untuk
mengendalikan servo Dynamixel pada kepala. Sebagai
sub controller, Arduino Nano akan berinteraksi dengan
main controller berupa membaca perintah untuk
menggerakkan leher serta mengirimkan hasil pembacaan
sensor gyroscope and accelerometer, dan compass.
Gambar 1. Desain Mekanik Robot
Raspberry Pi 2 Model B adalah komputer yang

memiliki ukuran sebesar kartu kredit dengan harga yang
cukup terjangkau.[3] Raspberry Pi 2 Model B digunakan
sebagai main controller. Main controller berfungsi
sebagai pusat pengolah data dari sub controller serta
membaca dan mengolah citra yang diperoleh dari sensor
kamera. Untuk melakukan pengolahan citra, digunakan
Open CV yang beroperasi pada bahasa pemograman C++.
Gambar 4. Arduino Nano
Sensor gyroscope dan accelerometer yang

digunakan terintegrasi dalam MPU6050. Sensor ini
memiliki digital motion processor (DMP) yang
mengambil data accellerometer dan gyroscope yang
kemudian diproses dengan algoritma dari DMP. [6]
Pembacaan sensor ini akan akan dikonversi ke dalam tiga
sudut rotasi yaitu pitch (y), roll (x), dan yaw (z). Sudut
Gambar 2. Raspberry Pi 2 Model B rotasi tersebut dapat dilihat pada Gambar.
CM-530 adalah suatu unit pengendali buatan
ROBOTIS berbasis ARM 32-bit STM32F103RE[4]. CM-
530 dapat digunakan untuk mengendalikan servo
120
Gambar 7. Skema rangkaian 74LS241 dan AX-12A
Gambar 5. Kerangka rotasi dari sensor MPU6050 III. PERANCANGAN

Pada robot DEVATA A, MPU6050 digunakan Rancangan sistem pada robot DEVATA A dapat
untuk mendeteksi kondisi jatuh robot. Nilai yang dilihat sebagai berikut :
Gyro &
digunakan untuk mengeteahui kondisi jatuh robot Accelerometer
Compass
CMPS11
Servo Dynamixel
KEPALA
MPU6050
diperoleh dari kombinasi sudut rotasi pitch dan roll.
Sumbu +X pada sensor MPU6050 menunjukaan arah Sub Controller
IC 74LS241
depan robot dan sumbu +Y menunjukkan arah samping Arduino Nano
kiri robot. Sehingga untuk mendeteksi jatuh depan dan

belakang digunakan sudut rotasi pitch(sumbu y) dan Camera
Main Controller Sub Controller Servo Dynamixel
Raspberry Pi 2 CM-530 KAKI DAN TANGAN
untuk menentukan jatuh kiri dan kanan digunakan sudut
rotasi roll(sumbu x). Gambar 8. Blok rancangan sistem pada robot DEVATA A
Sensor compass yang digunakan adalah CMPS11.
Sensor ini sendiri memiliki 3-axis magnetometer dan 3- Dilihat dari gambar diatas, terjadi beberapa jenis
axis gyroscope.[7] Akan tetapi pada DEVATA A, yang jalur komunikasi data sebagai berikut :
digunakan adalah magnetometer untuk mengetahui sudut 1. Arduino Nano ke Main controller
arah hadap robot dengan memperoleh sudut 0 o-359o. Data yang dikirmkan dari Arduino Nano ke Main
controller adalah data pembacaan sensor gyroscope
and accelerometer, dan compass. Teknik
pengiriman data yang digunakan dalam jenis ini
adalah komunikasi paralel 6 bit. Sehingga terdapat
26 = 64 kemungkinan kombinasi data yang diperoleh
yaitu dari rentang 0 s/d 63.
Dengan demikian, data sensor compass antara 0o s/d
359o serta data sensor gyroscpe and acclerometer
tidak dapat dikirimkan secara langsung melalui jalur
Gambar 6. CMPS11
komunikasi yang tersedia. Maka dari itu, semua data
Untuk menggerakan servo Dynamixel kepala, sensor akan direpresentasikan kembali ke satu
ditambah sebuah IC 74LS241 untuk merubah komunikasi variabel hasil kombinasi sensor. Data sensor
arduino secara full duplex ke half duplex sesuai cara compass akan direpresentasikan kembali ke rentang
komunikasi servo Dynamixel AX-12A.[8] Skema antara 0 s/d 58. Data 59 s/d 63 akan digunakan untuk
rangkaian dapat dilihat dibawah ini. merepresentasikan kondisi jatuh robot.
Untuk merepresentasikan data sensor compass 0o
s/d 359o diperoleh persamaan sebagai berikut :
hasil  0,1616 *datacompass (1)
Untuk merepresentasikan kondisi jatuh robot, dapat

dilihat pada tabel di bawah ini.
121
Tabel 1. Kondisi Jatuh Robot 2 Maju

Kondisi Jatuh Pitch Roll hasil = 3 Putar Kiri
Jatuh Depan > 50 63 4 Putar Kanan
Jatuh Belakang < -50 62 9 Bangun Depan
Jatuh Kanan > 50 61
10 Bangun Belakang
Jatuh Kiri < -50 60
IV. HASIL DAN PENGUJIAN

2. Main controller ke Arduino Nano Berikut adalah robot DEVATA A yang digunakan
Data yang dikirimkan dari Main controller ke untuk mengikuti KRSBI 2016. Robot DEVATA A dapat
Arduino Nano adalah data perintah untuk dilihat sesuai dengan gambar berikut.
menggerakan servo pada kepala robot. Teknik
pengiriman data yang digunakan dalam jenis ini
adalah komunikasi serial. Pin UART pada main
controller (Raspberry Pi) dihubungkan secara
langsung ke pin 9 dan 10 pada Arduino Nano. Pada
Arduino Nano teknik serial yang digunakan adalah
software serial. Yaitu teknik pengiriman dan
penerimaan data serial menggunakan pin biasa
bukan pin UART. Digunakan software serial karena
pin serial pada Arduino Nano digunakan untuk
mengendalikan servo Dynamixel pada kepala robot.
3. Arduino Nano dan Servo Dynamixel Kepala
Data yang dikirimkan antara Arduino Nano dan
servo Dynamixel adalah data perintah untuk
menggerakkan servo. Teknik pengiriman data yang
digunakan dalam jenis ini adalah komunikasi serial.
Servo yang digerakkan pada kepala robot adalah
sebanyak 2 buah yang mewakili pan dan tilt kepala.
4. Main controller ke CM-530
Data yang dikirimkan dari Main controller ke CM- Gambar 9. Robot DEVATA A
530 adalah data perintah untuk menggerakkan badan
robot. Teknik pengiriman data yang digunakan Untuk melakukan pengujian sistem komunikasi data
dalam jenis ini adalah komunikasi paralel 6 bit. robot DEVATA A, dilakukan beberapa percobaan
Sehingga terdapat 26 = 64 kemungkinan kombinasi sebagai berikut :
data yang diperoleh yaitu dari rentang 0 s/d 63. 1. Arduino Nano ke Main controller
Dengan demikian, semua gerakan badan robot harus Pengujian dilakukan dengan mengirimkan data hasil
direpresentasikan ke dalam bentuk variabel motion. representasi data pembacaan sensor gyroscope and
Data gerakan tersebut direpresentasikan sebagai accelerometer, dan compass sesuai dengan
berikut: ketentuan yang telah ditentukan.
Tabel 2. Jenis Gerakan Badan Robot DEVATA A
Motion Jenis Gerakan
0 Diam
1 Jalan di tempat
122
Gambar 10. Pengujian komunikasi data Arduino

Nano ke Main controller pada robot DEVATA A
Gambar 11. Hasil nilai pembacaan sensor pada

Main controller Gambar 12. Pengujian komunikasi data main
controller menggerakkan kepala pada robot
DEVATA A
2. Main controller ke Arduino Nano dan Arduino
Nano ke Servo Dynamixel Kepala
Pengujian dilakukan dengan mengirimkan data
perintah untuk menggerakkan servo kepala sesuai
dengan perintah pada main controller. Arduino
Nano menerima data dari main controller dan
mengirimkan perintah kembali ke servo Dynamixel
kepala.
Gambar 13. Data perintah sudut servo kepala

pada robot DEVATA A
3. Main controller ke CM-530

Pengujian dilakukan dengan mengirimkan data
gerakan pada robot DEVATA A oleh main
controller ke CM-530. Sebagai percobaan, main
controller mengirimkan perintah bangun pada robot
DEVATA A sesuai dengan arah jauh robot.
123
V. KESIMPULAN
Berdasarkan hasil percobaan, pemilihan teknik
komunikasi data secara serial dan paralel 6 bit sangat
cocok digunakan untuk komunikasi data antar controller
yang digunakan robot DEVATA A. Controller yang
digunakan robot DEVATA A, yaitu Raspberry Pi 2
Model B, CM-530, dan Arduino Nano.
VI. REFERENSI
Gambar 14. Pengujian komunikasi data main
[1] “Buku Panduan KRSBI 2016 versi beta 15 Oktober 2015”.
controller ke CM-530 untuk menggerakkan badan Direktorat Kemahasiswaan, Direktorat Jenderal Pembelajaran
robot DEVATA A dan Kemahasiswaan, Kementerian Riset, Teknologi dan
Pendidikan Tinggi. Jakarta: 2015
[2] “DARWIN-OP”, ROBOTIS, 2010.
(http://support.robotis.com/en/product/darwin-op.htm)
[3] “WHAT IS A RASPBERRY PI?”. Raspberry Pi Foundation.
2016. (https://www.raspberrypi.org/)
[4] “CM-530”, ROBOTIS, 2010.
(http://support.robotis.com/en/product/auxdevice/controller/cm
530.htm)
[5] “Arduino Nano”, Arduino, 2016.
(https://www.arduino.cc/en/Main/ArduinoBoardNano)
[6] “MPU-6000 and MPU-6050 Product Spesification Revision
3.4”. InvenSense Inc., California: 2013
[7] “CMPS11 – Tilt Compensated Compass Module”
Gambar 15. Data perintah main controller http://www.robot-electronics.co.uk/htm/cmps11doc.htm
menggerakkan badan robot DEVATA A [8] Joefrie, Yuri Y. “Sistem Pergerakan Servo Dynamixel AX
Series Berbasis Arduino pada Robot NAMAEKA”, in The 3rd
4. Komunikasi data keseluruhan komunikasi Indonesian Symposium on Robot Soccer Competition,
Yogyakarta, 2014.
Untuk melakukan pengujian terhadap semua jenis
komunikasi yang dilakukan pada robot DEVATA A
VII. BIOGRAFI
secara bersama, maka akan dilakukan dengan robot
Danieal. Lahir di Pontianak, Kalimantan
mendeteksi dan mendekati bola.
Barat pada 9 Mei 1995. Merupakan
mahasiswa S1 Teknik Informatika di
Universitas Tarumanagara angkatan 2013.
Sejak tahun 2014 aktif dalam tim Robotics
Universitas Tarumanagara serta mengikuti
Kontes Robot Sepak Bola Indonesia pada
tahun 2015 dan 2016.
Januar Chayadi. Lahir di Jakarta pada 26
Januari 1997. Merupakakan mahasiswa S1
Teknik Elektro di Universitas Tarumanagara
angkatan 2014. Sejak tahun 2014 aktif dalam
tim Robotics Universitas Tarumanagara
serta mengikuti Kontes Robot Sepak Bola
Indonesia pada tahun 2016.
Gambar 16. Pengujian komunikasi data secara

keseluruhan robot DEVATA A
124
Kevin William. Lahir di Jakarta pada 2 Agus Budi Dharmawan. Lahir di Jakarta
September 1996. Merupakakan mahasiswa pada 26 Agustus 1984. Mendapatkan gelar
S1 Teknik Industri di Universitas Pasca Sarjana di Departemen Teknik Elektro,
Institus Teknologi Sepuluh Nopember (ITS),
Tarumanagara angkatan 2014. Sejak tahun
dan Master of Science in Electrical
2014 aktif dalam tim Robotics Universitas Engineering, University of Applied Sciences
Tarumanagara serta mengikuti Kontes Hochshule Darmstadt Germany. Bekerja
Robot Sepak Bola Indonesia pada tahun sebagai dosen di Fakultas Teknologi Informasi, Universitas
2015 dan 2016. Tarumanagara. Bidang keahlian yang diminati adalah
Intelligent System dan Robotika.
125
Penerapan Metode Disturbance Observer Pada

Sistem Kontrol Pergerakan Motor DC Robot
Soccer
Muhammad Nurdin(1), Mohammad Adnan(2), Muhammad Luthfi Musra(3), Muh. Ruslan(4), Azhar B Panrita(5)
Dosen Teknik Elektro (1), Mahasiswa Teknik Elektro (2,3,4)
Tim ERSBI Jurusan Teknik Elektro Politeknik Negeri Ujung Pandang
Jl. Perintis Kemerdekaan Km-10, Tamalanrea (UNHAS), Makassar, Telp. (+62) 411-585365, 585368, Fax: (+62) 411 586043
e-mail : nurdin08@yahoo.com, nanang_09@yahoo.com, musrah29119@gmail.com, muhammadrusln639@gmail.com,
azharpanrita@gmail.com
Abstract -- Robot pemain sepak bola (robot soccer)

merupakan sebuah entertainment robot yang I. PENDAHULUAN
dirancang untuk mampu bermain sepak bola
sehingga robot ini diharuskan mampu melakukan
penjejakan (tracking) terhadap sebuah target yaitu
R obotika kini telah menjadi bagian dari kehidupan dan
menjadi salah satu perkembangan teknologi suatu
negara. Beberapa negara maju terus berupaya untuk terus
bola serta mampu melakukan penghindaran terhadap
mengembangkan penelitian di dunia robotika. Dari robot
halangan (obstacle) yang ada di sekitarnya, maupun
yang ditugaskan untuk misi-misi berbahaya , robot
robot musuh. Untuk mengetahui target dan objek lain
industri , robot pelayan manusia, hingga robot yang
yang ada di sekitarnya, robot harus mempunyai
sistem navigasi secara global dan menggunakan beraksi di dunia entertainment. Dari sekian banyak
kamera terpusat yang dipasang diatas lapangan macam robot yang terus dikembangkan , salah satunya
permainan, selanjutnya mampu memberikan data adalah robot pemain sepak bola (soccer robot). Sebuah
posisi masing-masing robot yang akan digerakkan, robot yang beraksi di dalam lapangan sepak bola mini
bola sebagai target, dan gawang sebagai tujuan akhir dengan peraturan yang lebih sederhana jika dibandingkan
Penggerak (actuator) terdiri dari motor dc kanan dan sepak bola sebenarnya. Sebuah robot soccer harus
kiri yang bergerak berdasarkan data pwm yang mampu mencari dan menggiring bola menuju gawang
dikirimkan oleh komputer ke robot secara wireless. lawan. Untuk menemukan dan menggiring bola, robot
Data pwm tersebut nantinya akan diolah oleh diharuskan mampu menghindari halangan, serta
mikrokontroler sehingga motor mampu burputar mencapai sebuah target berupa bola dan menggiringnya
untuk menggerakkan robot ke posisi yang kearah gawang lawan, selanjutnya menendang. Robot ini
dikehendaki. Pergerakan robot dibuat berdasarkan dirancang untuk memiliki beberapa kemampuan. Untuk
metode Disturbance Observer yang disederhanakan memperbaiki keterbatasan dan kelemahan, seperti
yang mempunyai cukup kehandalan dalam kemampuan untuk menentukan jalur, menghindari
melakukan obstacle avoidance dan target tracking, tabrakan, mampu bergerak cepat dan berbasis real-time .
adanya halangan pada soccer robot akan memberikan Kedua robot soccer yang dibuat tersebut bekerja
gaya tolak yang arahnya sebesar 180 0 terhadap arah berdasarkan sistem navigasi lokal yaitu semua perintah
halangan dan adanya bola dianggap memberikan dikendalikan oleh controller yang terpasang pada robot.
gaya tarik terhadap robot. Kemudian dari kedua gaya
Pada robot ini algoritma robot dibuat berdasarkan data
tersebut akan diperoleh resultan yang dijadikan robot
input posisi dari robot , robot musuh , dan target yaitu
soccer sebagai referensi untuk melakukan
penghindaran halangan (obstacle avoidance). Dengan bola, dimana data posisi itu sendiri didapatkan dari sistem
metode ini, soccer robot dapat melakukan navigasi global menggunakan kamera terpusat yang
penghindaran halangan serta penjejakan bola dengan dipasang diatas lapangan. Dari data tersebut akan dibuat
tingkat keberhasilan mencapai 90 %. algoritma dengan menggunakan metode pergerakan
Kata Kunci : DOB (Disturbance Observer), Robot kontrol pada roda motor dc yang disederhanakan yang
Soccer, Kecepatan perpindahan (translation velocity), dikerjakan didalam komputer, untuk menghasilkan data
Kecepatan rotasi (rotation velocity), Kinematika. eksekusi pergerakan robot yang selanjutnya akan
dikirimkan secara wireless kepada robot yang akan
126
digerakan. Penerapan metode distrubance observer Dimana :

tersebut, sangat membantu dalam hal navigasi pergerakan T : adalah matrik transformasi.
roda robot soccer, sehingga dapat bekerja secara optimal.
Sedangkan parameter yang di gunakan dalam roda robot
II. DASAR TEORI soccer, yaitu :
M : Massa dari robot soccer
Robot Soccer dengan tipe penggerak diferensial
J : Inersia dari robot soccer sehubungan dengan sumbu
memiliki 4 buah roda penggerak yang terpisah kanan dan vertikal yang melalui 𝑃0
kiri dengan sudut 450 setiap rodanya. Keempat roda ini Jw : Inersia dari setiap roda pengemudi yang
digerakkan oleh motor dc yang ditempatkan pada satu berhubungan
sumbu secara terpisah. Sehingga keempat roda ini dengan sumbu roda.
berfungsi sebagai penggerak. Roda pada robot ini
memiliki sebuah diferensial dan pendorong mekanis, titik Pada Gambar 2.2 roda robot soccer ini memiliki
tengah P0 sebagai titik kontrol pada roda, yang mana v sebuah diferensial dan pendorong mekanis, titik tengah P0
adalah kecepatan perpindahan pada pada roda sebagai titik kontrol roda, yang mana v adalah kecepatan
(translation velocity) dan kecepatan rotasi (rotation perpindahan pada roda (translation velocity) dan 𝜙̇
velocity) digunakan dalam kontrol variable, bahwa kecepatan rotasi (rotation velocity) digunakan dalam
kecepatan rotasi sudut dari roda kanan dan kiri, dapat kontrol variable.
dikonversikan menjadi v sebagai kecepatan perpindahan Pada Persamaan 1 bahwa kecepatan rotasi sudut dari
dan sebagai kecepatan rotasi pada roda robot soccer. roda kanan (𝜃̇𝑟 ) dan kiri (𝜃̇𝜄 ), dapat dikonversikan menjadi
[1],[2],[3]
v sebagai kecepatan perpindahan dan 𝜙̇ sebagai
kecepatan rotasi pada roda. Parameter yang digunakan
dalam dinamika robot soccer adalah M, J, Jw , pada
Persamaan 2 diketahui bahwa energi pergerakan adalah
K dimana fungsinya didefinisikan sebagai energi gerakan
translasi dan energi rotasi, serta energi perputaran roda
pada robot soccer, sedangkan dinamika pada gerakan
robot soccer dapat didefinisikan dengan Persamaan
Lagrange.
2
1 𝑅2 2 1 𝑅
𝐾 = 𝑀 (𝜃̇𝑟 + 𝜃𝜄̇ ) + 𝐽 ( (𝜃𝑟̇ − 𝜃𝜄̇ )) +
2 4 2 𝑊
1 2 2
𝐽𝑤 (𝜃̇𝑟 + 𝜃̇𝜄 ) (2)
2
𝑀𝑛 𝜃̈ = 𝜏 (3)
Gambar 2.1 Posisi dan Orentasi Robot soccer. [4],[5]
𝑀𝑛
Dimana : 𝑀 𝑅∙ 𝐽 𝑅∙ 𝑀 𝑅∙ 𝐽 𝑅∙
W : Titik awal dari roda robot soccer + 𝐽𝑤 −
= [ 4∙ 𝑊∙ 4 𝑊∙ ]
R : Radius roda 𝑀𝑅 𝐽 𝑅∙ 𝑀𝑅 ∙
𝐽 𝑅∙
𝑃0 : Titik roda tengah − + 𝐽𝑤 +
4 𝑊∙ 4 𝑊∙
𝒳0 , 𝒴0 : x/y Koordinat dari Po terhadap sistem (4)
𝜃̇𝑟 , 𝜃̇𝜄 : Sudut perputaran roda kanan dan kiri 𝜏𝑟

𝜏 = [τ ] (5)
ι
v :Kecepatan perpindahan (translation
velocity) Dimana Mn pada Persamaan 3 dan Persamaan 4,
𝜙 : Arah sudut (angle direction) adalah matriks inersia setara dengan τ, dan pada
𝜙̇ : Kecepatan rotasi (rotation velocity). Persamaan 5 adalah τ torsi pada roda kiri/kanan,
selanjutnya dapat dikatakan bahwa kecepatan kursi roda
𝑅 𝑅 menjadi lebih besar ketika inertia 𝑀𝑛 lebih kecil, selain
𝜐 𝜃̇ itu ketika 𝑀𝑛 menjadi lebih besar, kekuatan gangguan
[𝜙̇ ] = [ 2𝑅 𝑅
2
] [ 𝑟 ] = 𝑇𝜃̇ (1)
− 𝜃̇𝜄 cenderung akan kecil. [1],[2],[3],[4].
𝑊 𝑊
127
Parameter yang digunakan dalam dinamika Dua karakteristik penting terlihat dari grafik yaitu:
robot soccer adalah M, J, Jw , diketahui bahwa energi a. Stall torque, menunjukkan titik pada grafik
pergerakan adalah K dimana fungsinya didefinisikan dimana torsi maksimum, tetapi tidak ada putaran
sebagai energi gerakan translasi dan energi rotasi, serta pada motor
energi perputaran roda pada robot soccer, sedangkan
b. No load speed, menunjukkan titik pada grafik
dinamika pada gerakan roda motor dc dapat didefinisikan
dengan Persamaan Lagrange. Dimana Mn adalah matriks
dimana terjadi kecepatan putaran maksimum, tetapi
inersia setara dengan τ, dan pada τ torsi pada roda tidak ada beban pada motor.
kiri/kanan, selanjutnya dapat dikatakan bahwa kecepatan B. Sistem Pencarian
pergerakan roda menjadi lebih besar ketika inertia lebih Dalam pembuatan program pencarian objek bola
kecil, selain itu ketika menjadi lebih besar, kekuatan berwarna menggunakan blok diagram secara umum
gangguan cenderung akan kecil. dapat dilihat pada gambar di bawah :
Pengambilan
Gambar
Sample Gambar
Segmentasi
Bola
Penjejakan/
Tracking
Posisi Bola
Menangkap
Action Tendang
Bola
Belok Kiri DOB Belok Kanan
Gambar 2.2 Sistem mekanik penggerak robot soccer

Lurus Mundur
A. Karakteristik Motor DC Gambar 2.4 Diagram Sistem Pencarian/Deteksi Bola

Karakteristik yang dimiliki suatu motor DC dapat
digambarkan melalui kurva daya dan kurva III. METODE PENELITIAN
torsi/kecepatannya, dari kurva tersebut dapat dianalisa Metode DOB adalah salah satu metode motion
batasan-batasan kerja dari motor serta daerah kerja control, dengan menerapkan filter low-pass Q(s) dan
optimum dari motor tersebut. Dari grafik diatas terlihat model nominal plant, DOB mengestimasi disturbance
hubungan antara torsi dan kecepatan untuk suatu motor dan sinyal hasil estimasi dipakai untuk menghilangkan
dc tertentu. Dari grafik terlihat bahwa torsi berbanding disturbance. Jadi DOB membuat perilaku sistem antara
terbalik dengan kecepatan putaran, dengan kata lain sinyal kontrol dan output plant tidak terganggu terhadap
terdapat trade off antara besar torsi yang dihasilkan motor ketidakpastian parameter dan disturbance, pada Gambar
dengan kecepatan putaran 3.1 menunjukkan struktur DOB.
motor. d
ur + u + y
P (s)
- +
δ
+
Q (s) +
Q (s)
- Pn (s)
+ ξ
Gambar 3.1 Struktur dasar DOB (Disturbance

Observer) [4],[5],[6]
Sinyal u, d, ξ, dan y berturut-turut menunjukkan

sinyal kontrol, disturbance, noise pengukuran dan sinyal
Gambar 2.3 Kurva motor DC torsi / kecepatan output. Sedangkan sinyal δ adalah sinyal hasil estimasi.
Sinyal kontrol (ur) diberikan oleh kontroler lup eksternal.
128
Q(s) adalah filter low-pass dan Pn(s) adalah model Kemampuan DOB dalam meredam disturbance
nominal. Idealnya DOB akan melemahkan disturbance akan sangat ditentukan oleh time constant dari filter yang
pada frekuensi rendah dan membuat plant yang dikontrol dipakai, semakin kecil time constant maka bandwidth dari
oleh lup eksternal mendekati model nominal. filter akan semakin lebar dan rentang kerja DOB dalam
Kemampuan ini dapat ditunjukkan dengan menolak disturbance akan semakin lebar pula. Namun
memperhatikan fungsi alih sebagai berikut : dari Persamaan (8) menunjukkan bandwidth yang lebar
mengakibatkan sistem lebih sensitif terhadap noise.
𝐺𝑢𝑦 (𝑠) Dalam implementasi nilai time constant dari filter akan
𝑃(𝑠)𝑃𝑛 (𝑠) ditala sampai menghasilkan batas kemampuan yang
= (6) terbaik. Dan untuk menghasilkan sinyal kontrol korektif
𝑃𝑛 (𝑠) + 𝑄(𝑠)(𝑃(𝑠) − 𝑃𝑛 (𝑠)) dengan meredam disturbance semaksimal mungkin
𝐺𝑑𝑦 (𝑠) untuk membuat plant aktual menjadi model nominal. Jadi
𝑃(𝑠)𝑃𝑛 (𝑠)(1 − 𝑄(𝑠)) jika kontroler lup internal bekerja dengan baik maka plant
= (7) aktual dengan kontroler lup internal dapat dianggap
𝑃𝑛 (𝑠) + 𝑄(𝑠)(𝑃(𝑠) − 𝑃𝑛 (𝑠))
𝐺𝜁𝑦 (𝑠) sebagai model nominal. Sedangkan kontroler lup
eksternal didesain untuk meningkatkan performa sistem
𝑃(𝑠)𝑄(𝑠)
= (8) secara keseluruhan, di mana kontroler ini didesain
𝑃𝑛 (𝑠) + 𝑄(𝑠)(𝑃(𝑠) − 𝑃𝑛 (𝑠)) berdasarkan model nominal. Dengan metode DOB yang
menggunakan kontroler PD sebagai kontroler lup
Dari ketiga fungsi alih diatas dapat dilihat bahwa eksternal. Kontroler PD dipilih karena kemampuannya
desain DOB untuk menentukan performa penolakan untuk meningkatkan kecepatan respon sistem. Karena lup
disturbance tergantung dari pemilihan filter Q. Perilaku internal telah membuat plant aktual menjadi model
ketiga fungsi alih sistem diatas ketika nilai filter Q nominal, maka kontroler PD dirancang berdasarkan
mendekati 1 pada low frequency akan menunjukkan efek model nominal. Secara matematis kontroler PD yang
DOB pada sistem. Pada Persamaan (6) Guy(s) ≈ Pn(s), dipakai dinyatakan oleh Persamaan (11).
adalah dinamika sistem dari u ke y sama seperti model
nominal, selanjutnya pada Persamaan (7) Gdy(s) ≈ 0, hal
𝑈(𝑠)
ini menunjukkan bahwa pada frekuensi rendah
disturbances yang ada akan diredam, dan pada Persamaan
= {𝐾𝑝 (1
(8) Gζy(s) ≈ Pn(s), menunjukkan bahwa sensor noise + 𝑠𝑇𝑑 )}𝐸(𝑠) (11)
akan tetap diteruskan. Struktur filter yang digunakan
dalam desain DOB (Disturbance Observer) adalah filter dimana :
binomial yang dinyatakan oleh Persamaan (9). Kp : Konstanta Proporsional
𝑁−𝑟 Td : Time Derivative.
𝑄(𝑠) = [1 + ∑ 𝑎𝑘 (𝑇𝑠) 𝑘 ] [1 Dalam sistem pengendali servo mekanis keberadaan
self-tuning sangat dibutuhkan untuk mengatur dinamika
𝑘=1
𝑁 −1 dan kinematika sistem tersebut, self-tuning ini memiliki
efek kompensasi terhadap gangguan internal dan
+ ∑ 𝑎𝑘 (𝑇𝑠) 𝑘 ] (9) eksternal yang diakibat ketidak pastian model dan beban.
𝑘=1 Umumnya sistem terdiri atas plant dan pengendali yang
dimana: membentuk transien dan respon steady state pada plant
N : orde filter , r : orde relatif. yang dikendalikan untuk mencapai karakteristik yang
diinginkan. Pengendali bersifat robust digunakan untuk
Pemilihan filter orde yang rendah akan diperoleh mengendalikan plant di lingkungan dimana ketidak
struktur yang sederhana dan mampu menghemat waktu pastian model dan gangguan berada, pengendali berbasis
komputasi, dan dengan memasukkan nilai N=1 dan r=1 disturbance observer yang menghasilkan sinyal
maka akan diperoleh Persamaan (10), sesuai dengan akselerasi ke plant adalah pengendali yang bersifat
filter yang diinginkan. robust. sistem kendali ini membentuk perilaku input-
Q(𝑠) output bersifat robust dengan menghilangkan gangguan
1 terhadap plant (d) atau noise () yang mempengaruhi
= (10)
𝑇𝑠 + 1 sensor.
dimana: Transfer function dari sistem tersebut diperoleh
T : Time Constant dengan menerapkan metoda superposisi dimana ada tiga
129
input u, d dan ξ yang akan mempengaruhi output y.

Gangguan pada plant (d) adalah sistem yang berfrekuensi
rendah sedangkan noise () berfrekuensi tinggi, jadi Q
identik dengan sistem low pass filter dimana akan
berpenguatan maksimum Q  1 pada frekuensi rendah
dan berpenguatan minimum Q  0 pada frekuensi tinggi.
Jika gangguan pada plant (d) yang berfrekuensi rendah
maka Q  1 sehingga dari Gdy = 0, Gy = 1 dan Guy = Pn
yang menunjukkan bahwa gangguan dapat dihilangkan.
Jadi disturbance observer (DOB) - motivation and basic
idea, adalah kontrol berdasarkan pengamat gangguan
yang merupakan metode yang efektif untuk mencapai
ketahanan terhadap gangguan dan ketidakpastian model,
sedangkan prinsip kerja disturbance observer dimana d Gambar 4.2 Respon sistem tanpa adanya disturbance
(a) input (b) output.
adalah gangguan, yang digunakan untuk melakukan
kompensasi (menggunakan loop umpan balik negatif).
B. Simulasi dengan DOB
Pada Gambar 4.3 menunjukkan respon sistem
dengan gangguan. Kontroler PID menggunakan setting
IV. SIMULASI DAN PEMBAHASAN
yang sama dengan PID tanpa adanya DOB. Dengan
Ada tiga tahap dalam perancangan disturbance menggunakan parameter PID yang sama, hasilnya adalah
observer dilaksanakan, sebagai berikut ini : bahwa pada saat terjadi gangguan pada detik ke 15
1. Menentukan fungsi alih input output yang diinginkan. sebesar 1 unit, maka output dari sistem menjadi tidak
Hal ini tergantung kepada orde dari sistem. terkendali. Hal ini disebabkan karena gain disturbance
2. Menentukan fungsi alih sistem secara keseluruhan sangat besar mencapai 100 sehingga output menjadi
termasuk kontroler, plant dan sensor.
sangat menyimpan dari set point.
3. Dari langkah (1) dan (2) kemudian menentukan C(s)
Gambar 4.1 Blok diagram pemodelan disturbance

observer.[4],[5],[6]
A. Simulasi Tanpa DOB

Pada Gambar 4.2 menunjukkan respon sistem tanpa
ada gangguan. Kontroler PID menggunakan setting yang
sama dengan PID tanpa adanya DOB. Dengan
menggunakan parameter PID yang sama, hasilnya adalah
bahwa terjadi overshoot yang lebih besar. Terjadinya
overshoot tersebut dapat direduksi dengan mengurangi
nilai tetapan Ki, misalnya dari 7 menjadi 3.
Gambar 4.3 Respon sistem dengan disturbance.
(a) input (b) output.
130
munculnya disturbance (yang muncul pada frekuensi

rendah) tetapi sistem tidak melakukan apapun terhadap
frekuensi tinggi, sehingga hasil grafik output sistem tetap
meloloskan frekuensi tinggi. Hal ini wajar karena sistem
tidak dirancang untuk menghilangkan frekuensi tinggi
atau dengan kata lain bahwa penggunaan sistem ini
adalah untuk aplikasi pada plant yang mengalami
perubahan beban dengan periode perubahan relatif besar.
E. Grafik hasil simulasi keselurahan sistem

Hasil respon sistem terhadap gangguan = 0
ditunjukkan pada gambar 8 berikut :
Simulasi 1.
Kecepatan linier = 3 , mulai detik 1, Kecepatan theta
= 8 , mulai detik 1 disturbance = 0
Gambar 4.4 Respon sistem dengan disturbance,

(a) output saat gain = 10, (b) output gain = 1.
C. Simulasi dengan noise frekuensi tinggi

Respon sistem terhadap frekuensi tinggi
ditunjukkan pada gambar 9 berikut :
Gambar 4.6 Respon sistem tanpa gangguan.
Simulasi 2.
Kecepatan linier = 3 , mulai detik 1, Kecepatan theta
= 8 , mulai detik 1 disturbance = 5 pada detik 7.
Gambar 4.5 Respon sistem terhadap noise frekuensi

tinggi
(a) frekuensi 100 rad/s, amplitudo = 1, (b) frekuensi 10
rad/s, amplitudo = 1.
D. Simulasi dengan noise frekuensi tinggi + DOB

Respon sistem terhadap adanya disturbance + noise
ditunjukkan pada gambar 10 hasilnya adalah bahwa
sistem tidak terpengaruh oleh disturbance yang muncul
pada detik ke 15. Hal ini karena pada rancangan sistem
DOB ditujukan untuk merespon adanya disturbance yang
rata-rata muncul pada frekuensi rendah, jadi pilihan Gambar 4.7 Respon sistem tanpa gangguan.
filternya adalah LPF menggunakan rangkaian integrator.
Dalam hal ini sistem berhasil menghilangkan pengaruh
131
Gangguan yang terjadi pada detik ke 7 dengan [2] Kazuki Takahashi, Hirokazu Scki and Susumu
nilai besaran 5 ternyata mampu direspon secara cepat oleh Tadakuma, “Safety Driving for Electric Power
sistem. Dari hasil grafik gambar a, sistem seolah tidak Assisted Wheelchair Based on Regenerative Brake”,
terpengaruh oleh adanya gangguan, walaupun gangguan Department of Electrical, Electronics and Computer
itu muncul pada detik ke 7. Grafik respon sistem terhadap Engineering, Faculty of Engineering, Chiba Institute
gangguan akan terlihat jika grafik diperbesar pada daerah of Technology 2-17-1 Tsudanuma, Narashino, Chiba
sekitar detik ke 7. 275-0016, Japan, IEEE 1-4244-0726-5/06, 2006.
[3] Djoko Purwanto, Ph.D, 2006),”Perancangan Sistem
V. KESIMPULAN
Kontrol dengan Matlab”, Surabaya, ITS
[4] Muhammad Nurdin, “Kontrol Daya Bantu Dorong
Pada kondisi ideal, respon sistem sangat sesuai Pada Kursi Roda Berbasis Disturbance Observer”
dengan yang diinginkan tapi perlu dicatat bahwa untuk Tesis Institut Teknologi Sepuluh Nopember
merealisasikan hal itu harus diperhatikan toleransi sistem Surabaya, 2014.
yang menjadi objek implementasinya. Dengan [5] Harshvardhan Sukthankar, Steven Weinberg, “
mengendalikan kecepatan angular dan linier maka arah Robot Soccer Strategy”, Department of mechanical
robot soccer sekaligus dapat dikendalikan. Respon step and Industrial Engineering, March 2008.
plant yang menggunakan DOB dan yang tidak, keduanya
memiliki karakter yang sama namun plant yang VIII. BIOGRAPHIES
menggunakan DOB lebih tahan terhadap gangguan, dapat Muhammad Nurdin, (Surabaya 03 Agustus 1969),
mentolerir ketidak pastian parameter plant dan Dosen PNS Teknik Elektro Program Studi Teknik
Elektronika Politeknik Negeri Ujung Pandang, S2
mengeliminasi noise jika muncul pada pencuplikan sinyal Ilmu Material Elektronik FMIPA Universitas
output plant itu sendiri. Keberadaan kompensator adalah Indonesia’ 2002, dan S2 Elektronika Industri
untuk menanggapi error antara setpoint dan output plant Teknik Elektro Institut Teknologi Sepuluh
Nopemeber Surabaya’ 2013, Dosen Pembimbing
(υ dan ω aktual) agar memperpendek settling time
Kontes Robot Indonesia ERSBI 2016 (PAGOLO).
sehingga lebih cepat mencapai steady state. .
Mohammad Adnan, (Ujung Pandang 11 Juli
VI. UCAPAN TERIMA KASIH 1974), Dosen PNS Teknik Elektro Program Studi
Teknik Elektronika Politeknik Negeri Ujung
Puji syukur penulis panjatkan kehadirat Tuhan Pandang, S1, S2 Tekni Elektro Universitas
Yang Maha Esa atas segala berkat dan penyertaan-Nya Hasanuddin, Pembina Kemhasiswaan Himpunan
Mahasiswa Elektro, Ka. Prodi Teknik Elektronika
sehingga riset/penelitian dan pembuatan paper robot Politeknik Negeri Ujung Pandang.
soccer ini dapat diselesaikan dengan tepat waktu. Dan tak
lupa saya ucapkan terimakasih kepada Panitia Indonesia Muhammad Luthfi Musrah, (Ujung Pandang 08
July 1994), Mahasiswa D3 Teknik Elektro Program
Symposium Robot Soccer Competition Politeknik Studi Teknik Elektronika Politeknik Negeri Ujung
Elektronika Negeri Surabaya (PENS) yang memberikan Pandang, Pernah mengikuti Lomba Ketrampilan
kesempatan kepada kami untuk ikut dalam ISRSC 2016. Siswa (LKS) 2012, dan Wordl Skills 2013 di
Jerman bidang Robotik, serta aktif sebagai anggota
Kami juga ucapkan terimaksih kepada Direktur Robot Tenik Elektro, Ketua Tim ERSBI 2016
Politeknik Negeri Ujung Pandang, Ketua Jurusan Teknik (PAGOLO).
Elektro, dan Kaprodi Teknik Elektronika, serta teman
Muhammad Ruslan, (Bontopuang 05 Mei 1995),
sejawat Dosen dan staf akademik, beserta Tim Robot Mahasiswa D3 Teknik Elektro Program Studi
ERSBI. Teknik Listrik Politeknik Negeri Ujung Pandang,
dan aktif sebagai anggota Robot Tenik Elektro,
Anggota Tim ERSBI 2016 (PAGOLO).
VII. REFERENCES
[1] Sakiko Tashiro and Toshiyuki Murakami, “Step
Passage Control of a Power-Assisted Wheelchair for Azhar Basis Panrita, (Ujung Pandang 13 Mei
1995), Mahasiswa D3 Teknik Elektro Program
a Caregiver”, IEEE transactions on industrial Studi Teknik Listrik Politeknik Negeri Ujung
electronics, vol. 55, no. 4, Member-IEEE 0278-0046, Pandang, dan aktif sebagai anggota Robot Tenik
IEEE Transactions on Industrial Electronics, Vol.55, Elektro, Anggota Tim ERSBI 2016 (PAGOLO).
No.4, April 2008.
132
Real Time Ball Detection and Tracking using

Color-Based Segmentation and Circular Hough
Transform
A. N. Fitriana, K. Mutijarsa, W. Adiprawita
Abstract -- This study presents the real time range that match the ball color. Next, morphological
implementation of ball detection and tracking algorithm in operations such as erosion and dilation are used to remove
mobile soccer robot for Ekshibisi Sepak Bola Robot Beroda noises and minimize the error. By this point, the color of
(ESRB) 2016. The system uses the combination of color-
the ball is known by the system, but to make the detection
based segmentation and circular Hough transform to detect
the color and also the circular shape of the tennis ball used more precise, circular Hough transform is applied so the
in the game. The color segmentation uses thresholding feature of the ball is known. After that, the ball movement
method in Hue, Saturation, and Value (HSV) color space to is tracked by finding the contour and calculating the
differentiate the ball color from other objects in the field. centroid of the ball using image moments method.
Then, morphological operation is applied to the thersholded Finally, the result of this tracking method is displayed and
image to minimize the error. After that, circular Hough
the coordinates of the ball is known.
transform is applied to make sure that the detected image is
the ball, not other object that have the same color as the ball. The rest of this paper is organized as follows.
The final step is to calculate the image moments to Section 2 presents the general framework of the proposed
determine the centroid of the ball and tracking it. algorithm. In Section 3, the result of this study is
Index Terms—real time ball detection, color segmentation, presented and followed by the conclusion in Section 4.
circular Hough transform, image moments, mobile soccer
robot, morphological operation
II. PROPOSED ALGORITHM
A. Color Space
I. INTRODUCTION In this study, the image captured from the camera is
in the RGB color space. The color components from the
S OCCER is considered as one of the most popular
sports of all time in the world. Because of its
immense potential, nowadays, automation of soccer has
image are correlated with the sum of light that hit the
object. Image segmentation and description of those color
been widely researched, especially in the robotic field. components will be more difficult in this situation [2]. To
In soccer robot, detecting the ball is considered as make the ball more distinguishable and recognizable,
one of the most important task, as ball is the main HSV color space is chosen. HSV color space describe
component of the game. However, detecting a ball can be color in more natural and similar way like how human
a pretty challenging task. As the ball moves, its feature eyes see color. The representation of HSV color space can
may vary over the time. The lighting used in the be modeled in an upside down hexacone shape below [3].
surrounding can cast shadow over the ball and can make
the ball harder to detect. Another problem is some objects
from the surrounding may also look similar to the ball [1].
In order to overcome this difficulties, the color feature of
the ball need to be known and the system also have to
obtain the shape feature of the ball.
In this paper, real time ball detection and tracking is
proposed using color-based segmentation and circular
Hough transform. First, in order to filter the color of the
ball, the live image source from the camera is converted Fig. 1. HSV color space in upside down hexacone shape [3]
from the Red, Green, and Blue (RGB) color space into
Hue, Saturation, and Value (HSV) color space. Then, the The top of the modeled HSV hexacone contains the
converted image is thresholded by adjusting the HSV maximum intensity of colors, represented by the Value at
133
1. The bottom part of the cone contains the darkest color, Where Kz is the translation of B by vector z [7]
black, with the Value at 0. Saturation value is a ratio with
𝐾𝑧 = {𝑏 + 𝑧|𝑏 ∈ 𝐾}, ∀𝑧 ∈ 𝐸 (2)
the range of 0 (the center line of V axis), to 1 (the
triangular sides). In the model above, Hue is defined as 2) Dilation:
the angle around the gray/vertical axis, with Red color is
Dilation is a morphological operation that set the
at the zero point. The colors’ complements measured by
output pixel into the maximum value of all the pixels
Hue are in opposite to one and another (in 180 degree).
in the input pixels neighborhood [5].
The color white is defined when the Saturation is 0 and
the Value is 1. But, when the Saturation is 0, Hue become Let E be the integer grid, or Euclidean space, and A
irrelevant and undefined. the binary image. The erosion of binary image A by a
To produce a color in HSV color space, the structuring element K is denoted by
percentage of known color, such as blue or red is not
𝐴 ⊕ 𝐾 = ⋃𝑏∈𝐾 𝐴𝑏 (3)
required. Hue is adjusted to get the color, Saturation is
used to change the intensity of the color, and Value is Dilation operation is commutative and
used to make the color brighter or darker [4]. With this associative
knowledge, a color can be defined as a two dimensional
𝐴 ⊕ 𝐾 = 𝐾 ⊕ 𝐴 = ⋃𝛼∈𝐴 𝐾𝛼 (4)
field described by Hue and Saturation. The Value only
need to be adjusted so the color would not be considered 𝐴 ⊕ (𝐵 ⊕ 𝐶) = (𝐴 ⊕ 𝐵) ⊕ 𝐶 (5)
as black if the color brightness is too low [3].
B. Image Thresholding Dilation also have duality relation to erosion
Image thresholding is done to filter the ball color expressed below
from another color in the surrounding. The method used
in this process is pretty simple, it uses three arrays to be ̌𝑐 )𝑐
𝐴 ⊕ 𝐵 = (𝐴𝑐 ⊕ 𝐾 (6)
compared with. The converted HSV image from the
camera is used as the input reference and defined as a set Where Ac denotes the set theoretic complement of A
of array. Then, a set of array is made to be the minimum [6].
value of the desired color, also represented in HSV color
space, and another set of array as the maximum HSV D. Circular Hough Transform (CHT)
value of the desired color. There are several convolution operator that can be
To filter the color, the minimum and maximum HSV use to detect circle using CHT.
arrays need to be adjusted to represent the ball color and
the input array will check whether there are any matching
values that lie between the elements of the two other
arrays. This step produced a binary image that only
consist of the elements that are in the range of the
minimum and maximum value of HSV.
C. Morphological Operations
Morphological operations are essential step in
filtering the ball color. This operations are applied to the
thresholded image to minimize the noise and error in the
color detection. Morphological operations used in this
study are erosion and dilation.
1) Erosion:
Erosion is a morphological operation that set the Fig. 3. Circle Convolution Operators [7]
output pixel into the minimum value of all the pixels in
the input pixels neighborhood [5]. For this study, single circle convolution operator is
Let E be the integer grid, or Euclidean space, and A used. Assumed that the convolution operator size is
the binary image. The erosion of binary image A by a (2R+I), where R is the radius of the largest circle
structuring element K is denoted by considered. The center of described operator is indexed at
the origin point (0,0). The detection of circle with single
𝐴 ⊖ 𝐾 = {𝑧 ∈ 𝐸|𝐾𝑧 ⊆ 𝐴} (1) radius expressed below [7].
134
1 𝑖𝑓𝑓 (𝑅 − 0.5)2 < 𝑚2 + 𝑛2 < (𝑅 + 0.5)2

𝑂𝑆𝐶 (𝑚, 𝑛) = {
0 𝑜𝑡ℎ𝑒𝑟𝑤𝑖𝑠𝑒
(7)
E. Ball Tracking
Tracking the ball is an essential feature that can help
the system to locate the ball more efficiently. The
coordinate of the ball in the screen can also be known by
using the Image Moments method. Firstly, the system
need to know the contour of the ball detected by the CHT.
After that, the contour is used as the input for the
Moments method to calculate the centroid of the ball. The
centroid of the ball can be calculated using the Central
Moments below [8].
𝜇𝑖𝑗 = ∫ ∫ℛ (𝑥 − 𝑥𝑔 )𝑖 (𝑦 − 𝑦𝑔 ) 𝑗 𝑑𝑥𝑑𝑦 (8) Fig. 5. Color-based Segmentation using Thresholding
Where After that, the circle is detected using CHT, and then
the objects are tracked using the Image Moments.
𝑀10
𝑥𝑔 = (9)
𝑀00
𝑀01
𝑦𝑔 = (10)
𝑀00
III. RESULT
In this section, experiment result of the proposed
algorithm is presented. The first step is to convert the
color space from RGB to HSV. Fig. 6. Detected Objects
Fig. 4. Image in HSV
Then, detect the color of each object that needed, in

this experiment, the objects filtered are the ball and the Fig. 7. Tracked Ball
yellow pole that represent the goal post. Using
thresholding, the objects’ are separated from the other IV. CONCLUSION
objects in the surrounding by thresholding.
The objects are successfully detected and tracked.
The coordinate of the objects are successfully obtained
too. However, the CHT that applied to the ball still have
some error so sometimes the result is not really clear.
Further research is needed in order to make the algorithm
better.
135
[6] S. Chen and R. M. Haralick, “Recursive erosion, dilation, opening,

V. ACKNOWLEDGMENT and closing transforms,” IEEE Transaction on Image Processing,
vol. 4, pp 335-345, Mar. 1995.
Authors would like to thank to Dago Hochshule [7] D. J. Kerbyson and T. J. Atherton, “Circle detection using Hough
Team that contribute to this research. This paper is written transform filters,” in Proc,1995 IET Fifth International
in order to complete the authors’ bachelor degree and also Conference on Image Processing and its Applications, pp. 370-
374.
to compete in Kontes Robot Indonesia 2016. [8] F. Chaumette, “Image moments: a general and useful set of
features for visual servoing”, IEEE Transaction in Robotics, vol.
VI. REFERENCES 20, pp 713-723.
VII. BIOGRAPHIES
Periodicals:
[1] C. Pei, S. Yang, L. Gao, and W. Ma, “A real time ball detection
Alinda Nur Fitriana was born in the capital
framework for soccer video,” in Proc. 2009 IEEE 16th
of the Special Region of Yogyakarta province,
International Conference on Systems, Signals and Image
Indonesia, on December 14, 1993. She is an
Processing, pp 1-4.
undergraduate student at Institut Teknologi
[2] H. D. Cheng, X. Jiang, A. Sun, and J. Wang (2001). "Color image
Bandung majoring in Electrical Engineering.
segmentation: Advances and prospects". Pattern Recognition 34
Currently, she is working on her final thesis
(12): 2259
for her bachelor degree and expected to
[3] H. Zhang, Y. Wu, and G. Yang, “Ball detection based on color
graduate in July 2016.
information and Hough transform,” in Proc, 2009 IEEE
She is an active member of ITB Robotic
International Conference on Artificial Intelligence and Club and ITB Film Club. She also actively
Computational Intelligence (Volume 2), pp 393-397.
involved in the Electrical Engineering Student
[4] G.D. Finlayson, S.S. Chatterjee, and B.V. Funt, “Color angular
Association and ITB Student Association.
indexing,” in Proc, 1996 The Fourth European Conference on Alinda received several awards in robotics competition including 2nd
Computer Vision (Vol. II), European Vision Society, pp. 16–27.
Place in Kontes Robot Seni Indonesia Regional II (2014), Best Artistic
[5] http://www.mathworks.com/help/images/morphological-dilation-
Award in Kontes Robot Seni Indonesia Nasional (2014), and also 1 st
and-erosion.html Place and Best Dance Award in Kontes Robot Seni Indonesia Regional
II (2015).
136
The 4th Indonesian Symposium on Robot Soccer Competition 2016 – June 1th , 2016
Software Framework on EROS-6 (EEPIS ROBOT

SOCCER-6) Platform
Naufal Suryanto, Fendiq Nur Wahyu, Dimas Alfiansyah, Achmad Syaifuddin Zuhri, Luthfi Aminulloh, Hasbulloh Qohar,
Imam Fajar Fauzi, Adi Sucipto, Muhammad Lutfi Santoso.
Ahmad Subhan Khalilullah
EEPIS Robotics Research Center (ER2C)
Politeknik Eletronika Negeri Surabaya
Jl. Raya ITS Kampus ITS Keputih Sukolilo Surabaya 60111
naufals@ce.student.pens.ac.id; fendiq@ce.student.pens.ac.id; subhankh@pens.ac.id;
Abstract – Semakin kompleksnya rule pada pertandingan Paper ini akan menjelaskan tentang perkembangan
robot sepak bola humanoid membuat robot harus dapat software framework yang terdapat pada robot EROS-6.
memiliki kemampuan baru dalam menyelesaikan masalah yang
ada. Algoritma – alogritma baru yang diterapkan pada robot
II. SEKILAS SISTEM
akan menambah tingkat kerumitan dan komputasi akan
menjadi lebih berat. Dalam makalah ini akan dijelaskan tentang Terdapat perkembangan pada robot EROS-6 meliputi
pengembangan software framework dengan pemrograman hardware dan software. Pengembangan ini membuat robot
multithread yang digunakan pada robot EROS generasi ke 6. EROS-6 memilki komputasi yang lebih cepat dibandingkan
Software yang dikembangkan akan dibagi menjadi beberapa
dengan generasi robot EROS generasi sebelumnya.
bagian yaitu abstraksi hardware, strategi robot, sistem vision,
sistem komunikasi, dan motion. Dengan dikembangkannya A. Hardware Robot
software framework ini diharapkan dapat mengoptimalkan Robot EROS-6 menggunakan mini PC Odroid XU4
resource yang tersedia serta mempercepat proses dengan prosesor Samsung Exynos5422 Cortex™-A15
pengembangan. @2Ghz and Cortex™-A7 Octa core CPUs, GPU Mali-T628
Kata Kunci : Robot Platform, Software Framework MP6, RAM 2GB LPDDR3 RAM PoP stacked [8] sebagai
main controllernya. Odroid XU4 juga dilengkapi dengan 2 x
I. PENDAHULUAN USB 3.0 Host, 1 x USB 2.0 Host, Gigabit Ethernet port,
ontes robot sepak bola humanoid memiliki cita – cita
K yang mengacu pada organisasi RoboCup International,
yaitu tahun 2050 mampu mencetak tim sepak bola robot yang
HDMI 1.4a untuk display, serta cooling fan yang sudah
terpasang. Odroid XU4 menyediakan 2 opsi pilihan untuk
media penyimpanan yaitu eMMC (direkomendasikan) dan
mampu melawan tim juara dunia sepak bola [7]. Untuk microSD. Hal ini membuat hardware robot EROS-6 menjadi
mencapai tujuan tersebut setiap tahunnya akan diadakan rule lebih powerfull dan lebih ringkas dibanding mini PC pada
– rule baru pada perlombaan yang akan menambah tingkat EROS generasi sebelumnya yang menggunakan Fit PC 2i
kompleksitas pada robot. Dengan meningkatnya kompleksitas dengan prosesor intel atom Z530 1.6/2GHz single core. [9]
tersebut maka akan diimplementasikan algoritma – algoritma
baru yang juga akan meningkatkan proses komputasi yang
harus dilakukan robot.
Dengan meningkatnya tingkat kompleksitas pada robot
perlu dilakukan optimasi dan pembagian pada masing -
masing tugas akan dilakukan dengan optimal dan efisien.
Pembagian tugas juga dilakukan untuk mempermudah proses
pengembangan dalam menyelesaikan permasalahan yang
kompleks.
Gambar 1. Odroid XU4 (kiri) dan Fit PC 2i (kanan)
Terdapat beberapa tugas pada robot yang harus
dilakukan secara bersamaan, sehingga diperlukan pembuatan . Odroid XU4 tidak memiliki wifi internal sehingga
software yang dapat melakukan hal tersebut. Pemrograman perlu ditambahkan usb wifi adapter. EROS-6 menggunakan
paralel dapat diimplementasikan untuk menyelesaikan 150Mbps Wireless N Nano USB Adapter TL-WN725N
permasalahan tersebut [1]. Selain itu pemrograman paralel karena ukurannya yang sangat kecil dan tidak memerlukan
juga dapat memaksimalkan resource yang tersedia, sehingga antena tambahan.
proses komputasi dapat berjalan lebih cepat [2].
137
Gambar 2. Software Framework EROS Platform
Pada bagian sub controller EROS-6 tetap ada pada EROS saat ini ditulis dengan menambahkan
menggunakan ARM Cortex STM32F407VC @128MHz library pthread (POSIX Thread) sehingga memungkinkan
yang digunakan untuk membaca dan mengolah data untuk melakukan pemrograman paralel atau multithread
sensor, membangkitkan motion, dan menggerakan programming. Dengan dilakukanya pemrograman
actutator yang berupa posisi semua servo [3]. multithread akan membuat proses komputasi menjadi
lebih cepat dan dapat mengoptimalkan resource CPU
multi core yang tersedia [2]. Digunakan library pthread
karena prosesnya yang lebih ringan, pertukaran data yang
lebih efektif, serta beberapa alasan lainnya yang terdapat
pada [2].
Saat ini robot EROS memiliki software framework
seperti pada gambar 3. Pada bagian main controller
terdapat 4 bagian software utama yang dijalankan secara
bersamaan ketika robot dijalankan yaitu program strategy
/ behaviour control, program vision, program komunikasi
Gambar 3 . Arsitektur Hardware EROS-6 dan koordinasi antar robot, dan program komunikasi
serial.[6] Semua software tersebut dapat saling
Main controller dan Sub controller dapat saling
berkomunikasi menggunakan IPC (Inter Process
berkomunikasi menggunakan komunikasi serial dengan
Communication) [3].
komponen tambahan FTDI USB to Serial. Terdapat 2
A. Program Vision
jalur komunikasi serial antara Main Controller dan Sub
Program vision adalah program pengelolahan citra
Controller yang memiliki fungsi berbeda. Jalur pertama
yang memproses data gambar dari kamera kemudian
digunakan untuk memilih mode, pengiriman perintah
mensegmentasi dan menentukan posisi – posisi serta
motion serta penentuan posisi servo kepala secara penuh.
beberapa atribut dari beberapa objek yang ditangkapnya.
Sedangkan pada jalur kedua digunakan Sub Controller
Program vison pada EROS-6 ditulis dengan library
untuk mengirimkan data compas, status robot, dan data
OpenCV 3.1. Pada program vision dibagi menjadi
odometry. Untuk lebih detailnya akan dijelaskan pada bab
beberapa thread seperti ball vision [4], goal vision,
selanjutnya.
obstacle vision, serta field dan line vision [6]. Thread –
thread ini dapat dijalankan secara bersamaan, tetapi tidak
III. ARSITEKTUR SOFTWARE
semuanya perlu untuk dijalankan. Program vision dapat
EROS-6 menggunakan sistem operasi Linux berkomunikasi dengan program strategi untuk
Ubuntu 14.04 LTS versi ARM. Semua program EROS menentukan thread mana saja yang perlu di aktifkan. Hal
ditulis dalam bahasa pemrograman C++ dan di compile ini bertujuan untuk mempercepat komputasi dengan
menggunakan GCC (GNU Compiler Collection) yang memproses data – data yang diperlukan saja, sehingga
telah terinstall di dalamnya. Sebagian besar program yang akan lebih efektif. Program vision memerlukan beberapa
138
parameter – parameter tambahan yang diperoleh dari tersebut diharuskan mengganti program secara manual.
program konfigurasi kamera dan program kalibrasi. Dengan diadakan sistem load file maka hanya ada satu
Parameter – parameter tersebut diload dari file hasil program yang digunakan oleh semua robot, dan jika ingin
proses kalibrasi. Output dari program vision adalah posisi mengganti parameter – parameter tertentu tidak
bola pada kamera, informasi posisi gawang beserta diperlukan untuk memprogram ulang robot. Terdapat
parameternya, posisi obstacle terhadap kamera, serta program kalibrasi dan variable selector untuk mengganti
posisi robot x maupun y terhadap lapangan. nilai – nilai parameter dengan cara yang lebih mudah dan
cepat.
Program strategi berkomunikasi dengan program
vision untuk menentukan dan meminta data apa saja yang
dibutuhkan. Contohnya saat ingin melakukan tracking
bola maka program strategi akan meminta program vision
untuk mengaktifkan thread ball vision, saat ingin
menentukan posisi gawang maka pogram akan meminta
untuk mengaktifkan thread goal vision, saat ingin
menentukan posisi robot maka program akan meminta
untuk mengaktifkan thread field and line vision. Program
strategi juga berkemampuan untuk meminta program lain
untuk mengaktifkan beberapa thread sekaligus.
Gambar 4. Ball Vision Program strategi berkomunikasi dengan progam
komunikasi dan koordinasi untuk mengirimkan
parameter-parameter robot yang dibutuhkan program
koordinasi dalam menentukan mana robot yang harus
menyerang dan bertahan. Program strategi akan
memperoleh data keputusan apakah robot harus
menyerang, membackup, bertahan atau yang lainnya.
Program strategi berkomunikasi dengan
subcontroller melalui program komunikasi serial.
Terdapat dua program komunikasi serial pada robot
EROS-6. Program komunikasi serial pertama digunakan
program strategi untuk memerintahkan motion,
menggerakan servo kepala, memilih mode pada sub
Gambar 5. Goal Vision
controller. Pada program komunikasi serial kedua berisi
B. Program Strategi parsing data yang digunakan main controller untuk
Program strategy / behaviour control adalah menerima data – data seperti data kompas, data langkah
program kecerdasan buatan yang mengelolah semua data dan trajectory robot (selanjutnya akan di proses untuk
pada robot dan menentukan apa aksi yang harus odometry robot), serta status robot (apakah robot sendang
dilakukan. Program ini merupakan pusat pengolahan terjatuh atau tidak).
semua data yang dimiliki robot. Data – data yang di olah Output dari program strategy adalah perintah untuk
berasal dari hasil pengolahan beberapa bagian software menjalankan beberapa gerakan (motion), serta penentuan
lainnya seperti program vision, program referee box posisi servo kepala kepada sub controller.
(penerima game controller), program komunikasi dan
koordinasi serta program komunikasi serial dengan sub
controller. Program strategi berisi state – state tindakan
yang harus dilakukan robot.
Saat pertama kali program stategi dijalankan,
program akan melakukan load file – file yang berisi
variable – variable yang dibutuhkan seperti file data
player, data kalibrasi kompas, data kalibrasi kepala, dan
data mode strategi. File – file ini akan memiliki nilai yang
berbeda pada setiap robot. Hal ini merupakan
pengembangan dari generasi EROS generasi sebelumnya
dimana setiap robot akan memiliki program yang berbeda Gambar 7. Pengujian waktu eksekusi program strategi menggunakan
– beda dan ketika ingin mengganti parameter – parameter Odroid XU4
139
kapan robot harus menyerang dan bertahan. Meskipun

semua robot memiliki server tetapi hanya akan ada satu
server yang mengirimkan hasil keputusan. Server tersebut
dipilih berdasarkan prioritas yang telah ditentukan.
Hasil pengolahan data dari server akan dikirimkan
kembali ke masing-masing client pada setiap robot. Data
tersebut akan digunakan program strategi untuk
menentukan strategi yang harus dilakukan robot tersebut.
D. Program motion
Program motion adalah serangkaian program yang
menghasilkan sistem kinematika pada robot EROS.
Program motion robot EROS di program pada
subcontroller secara langsung. Pada program ini juga
Gambar 8. Pengujian waktu eksekusi program strategi menggunakan dibangun sistem keseimbangan pada robot berdasarkan
Fit PC 2I pembacaan sensor – sensor yang ada [3]. Program ini
akan menjalankan motion – motion yang di perintahkan
Dilakukan pengujian untuk mengetahui waktu
oleh program strategi pada main controller. Program
eksekusi program strategi yang sama pada odroid XU4
motion dapat berjalan meskipun main controller dalam
dan Fit PC2i. Terlihat bawah odroid XU4 memiliki waktu
keadaan off.
eksekusi yang 6 sampai 8 kali lebih cepat dibandingkan
dengan Fit PC 2i yaitu sekitar 2ms setiap loop nya.
IV. KESIMPULAN
C. Program komunikasi dan koordinasi
Program komunikasi dan koordinasi berguna untuk Dalam paper ini telah dijelaskan tentang
mengirimkan data – data yang ada pada robot ke jaringan pengembangan software framework dari robot EROS-6
wifi, kemudian menentukan robot mana yang akan oleh tim EROS dari Politeknik Elektronika Negeri
menjadi penyerang dan bertahan. Surabaya. Dengan membagi tugas – tugas yang kompleks
Saat ini robot EROS-6 menggunakan sistem menjadi beberapa bagian kecil akan lebih mempermudah
komunikasi client-server [4], [5] dengan dalam proses pengembangan. Tugas – tugas tersebut
mengimplementasikan pemrograman multithread. Setiap dapat dijalankan bersama dengan memanfaatkan
robot memiliki program client dan server dengan port multithreading. Dengan diimplementasikanya
yang berbeda – beda. multithread akan mampu mengoptimalkan resource
Program client berguna untuk membroadcast data – hardware yang ada.
data yang ada pada robot seperti state robot, sudut servo
Y, arah heading robot, arah heading kepala, posisi robot V. REFERENCES
X dan posisi robot Y. Data – data yang telah dibroadcast [1] G. Kerens. Multi-Threaded Programming With POSIX Threads.
akan diterima oleh program server pada masing – masing [Online]. Available:
http://www.cs.kent.edu/~farrell/sp/reference/multi-thread.html
robot dan program GUI monitoring yang terdapat pada [2] B. Barney. POSIX Threads Programming. Lawrence Livermore
PC operator. National Laboratory. [Online]. Available:
https://computing.llnl.gov/tutorials/pthreads/
[3] A. A. Saputra, Ardiansyah A., A. Subhan KH, EROS Team
Description for Humanoid Kidsize League for RoboCup 2013.
[4] A. Subhan KH, A. Al-Farouq, D. Pristovani, EROS Team
Description Paper for Humanoid Kidsize League for Robocup
2014
[5] A. Subhan KH, Iwan K.W., D. Pristovani, EROS Team
Description Paper for Humanoid Kidsize League for Robocup
2015.
[6] A. Subhan KH, Iwan K.W., Naufal S., EROS Team Description
Paper for Humanoid Kidsize League for Robocup 2016.
[7] RoboCup Humanoid League | Official website of the RoboCup
Humanoid League. [cited 2016 Mei 13], Available :
Gambar 9. GUI EROS Monitoring https://www.robocuphumanoid.org/
[8] Odroid | HardKernel. ODROID-XU4 [cited 2016 Mei 13],
Available:
Pada progam server terdapat algoritma untuk http://www.hardkernel.com/main/products/prdt_info.php?g_code
membandingkan robot mana yang dipilih sebagai =G143452239825
penyerang dan bertahan berdasarkan data – data yang [9] Fit-PC2i Spesification. [cited 2016 Mei 13]. Available :
http://www.fit-pc.com/web/products/fit-pc2/fit-pc2-2i-
sebelumnya telah diterima. Program ini bertindak seperti specifications/fit-pc2i-specifications/
kapten pada permainan sepak bola dalam menentukan
140
Simulasi Kontrol pada Prototip UAV untuk

Pencarian Korban Bencana dan Pemetaan
Muliady, Yohana Susanthi, dan I Made Devantara
Jurusan Teknik Elektro, Universitas Kristen Maranatha Jl. Surya Sumantri No.65 Bandung-40559
Abstract -- Untuk membantu keberhasilan pencarian pengetahuan tim SAR[1]. Namun jika dibantu dengan
korban oleh tim SAR, salah satunya adalah dengan peralatan yang memadai akan memudahkan dan dapat
dibuatnya pesawat tanpa awak yang popular dengan nama meningkatkan keberhasilan menemukan korban.
UAV (Unmanned Aerial Vehicle). UAV dapat terbang Peralatan pendukung yang langsung dapat membantu
dengan berbagai ketinggian untuk memetakan wilayah mencari korban bencana seperti radar, deteksi detak
yang terkena bencana dan mencari korban bencana. UAV
jantung (seperti life locator dan long range acoustic
harus dapat digunakan secara nyata, yaitu lamanya waktu
terbang, jangkauan wilayah terbang, kestabilan terbang, device), sampai alat berat sudah menjadi standar
dan algoritma pencaria8n korban. UAV dapat terbang kebutuhan. Pada kasus banjir, tsunami, kebakaran hutan,
dengan dua mode, yaitu mode manual dengan bantuan pesawat terbang yang jatuh ke laut, wilayah pencarian
remote control dan google monitor untuk jarak terbang korban bencana menjadi luas dan sulit dilakukan lewat
dekat, serta mode autonomous untuk jarak terbang yang darat, dan jika menggunakan pesawat berawak biaya
jauh (di luar jangkauan pandangan mata). Saat terbang pencarian menjadi tinggi. Selain itu waktu menjadi faktor
jauh diperlukan path planning agar dapat melakukan yang sangat kritikal dalam menyelamatkan korban. Oleh
pemetaan yang benar sehingga dapat mengirimkan karena itu menemukan korban secepat mungkin dengan
informasi kepada tim SAR berupa citra lingkungan sekitar
tidak mengabaikan keselamatan tim SAR menjadi
bencana. Penelitian yang telah dilakukan saat ini, masih
sebatas simulasi quadcopter yang dapat terbang dengan kebutuhan dalam menyelamatkan korban bencana. Salah
stabil. Hasil simulasi memperlihatkan bahwa respon satu cara yang dapat dilakukan adalah dibuat pesawat
transien sistem motor brushless baik, dengan delay time, rise tanpa awak yang popular dengan nama UAV (Unmanned
time, settling time dan time at max yang sangat cepat, serta Aerial Vehicle). UAV dapat terbang dengan berbagai
tidak terjadi osilasi dan overshoot, dan dari diagram Root ketinggian untuk memetakan wilayah yang terkena
locus, terlihat bahwa tidak ada pole yang berada di sebelah bencana dan mencari korban bencana. UAV harus
kanan sumbu imajiner, serta tidak ada pole yang berada di memiliki teknologi yang mumpuni untuk menjalankan
titik 0 sumbu real, maka sistem benar benar stabil. Dari misi ini. Beberapa faktor yang menjadi UAV cukup sulit
grafik terhadap respon step dapat dilihat bahwa sistem
dibuat sampai dapat digunakan secara nyata adalah
kendali PID untuk sumbu z, yaw, roll dan pitch tidak terjadi
overshoot dan osilasi. Dengan demikian quadcopter tidak lamanya waktu terbang, jangkauan wilayah terbang,
akan mengeluarkan output yang melebihi setpoint nya dan kestabilan terbang, dan algoritma pencarian korban.
akan terbang dengan stabil karena memiliki satu nilai final Pencarian korban yang efektif dan cepat merupakan
yang konstan. faktor yang sangat kritikal. Pemetaan lokasi bencana juga
Kata Kunci – Pencarian korban bencana, Pemetaan wilayah menjadi hal yang penting agar instansi yang berkaitan
bencana. Quadcopter, kestabilan, PID Control. dapat mengambil langkah yang tepat untuk menangani
situasi bencana. Dengan latar belakang tersebut, maka
I. PENDAHULUAN pada penelitian ini akan direalisasi suatu prototip UAV
Kehidupan manusia yang tidak dapat yang mampu terbang dengan stabil dan aman, serta
terlepas dari bencana alam seperti gempa vulkanik, memberikan informasi kondisi wilayah bencana. UAV
dapat terbang dengan dua mode, yaitu mode manual
ataupun kelalaian manusia seperti kecelakaan lalu
dengan bantuan remote control dan google monitor untuk
lintas/transportasi, dan tindakan-tindakan manusia jarak terbang dekat, serta mode autonomous untuk jarak
yang kurang peduli dengan lingkungan alam sekitarnya terbang yang jauh (di luar jangkauan pandangan mata).
sehingga terjadi banjir, dan kebakaran hutan, memerlukan Saat terbang jauh diperlukan path planning agar dapat
tim khusus untuk penanggulangan bencana yang sering melakukan pemetaan yang benar sehingga dapat
disebut tim SAR. Di Indonesia tim SAR dikenal sebagai mengirimkan informasi kepada tim SAR berupa citra
Badan SAR Nasional (Basarnas). Tingkat keberhasilan lingkungan sekitar bencana. Informasi yang didapat oleh
pencarian korban ditentukan oleh ketrampilan dan tim SAR dapat dipakai untuk memberikan penanganan
Penelitian ini dibiayai oleh DIKTI Skim Hibah Bersaing

Desentralisasi tahun 2016
141
yang tepat dalam upaya penyelamatan. Terealisasinya konstuksi, konfigurasi, metoda terbang, algortima
UAV tentunya akan sangat bermanfaat bagi tim SAR untuk kestabilan dan manuver saat terbang, dan
untuk mengurangi jumlah korban yang meninggal algortima untuk melakukan monitoring serta path
akibat terlalu lamanya waktu yang dibutuhkan untuk planning.
melokalisasi posisi korban. 2. Tahap ke dua, akan dibuat prototip UAV yang
mampu terbang dan bermanuver di udara dengan
II. METODA RANCANGAN UAV baik dengan target waktu terbang minimum 30
menit. Kestabilan terbang yang ingin dicapai adalah
Karena UAV harus terbang, maka motor harus pada kondisi hover, altitude hold, position hold,
senantiasa bergerak terkontrol dengan baik dan tidak namun dengan ketinggian di sekitar 3-5m. Fitur
boleh terjadi kesalahan. Khususnya untuk mendukung penting fail safe harus ditanamkan juga pada
SAR ada empat kriteria desain UAV yang harus UAV[7]. Pada tahap ini masih digunakan remote
diperhatikan[5], yaitu: control pada mode manual.
1. Kualitas sensor, berupa keakuratan sensor dalam 3. Tahap ke tiga, UAV akan dilengkapi dengan sensor
menemukan objek. untuk mengukur kecepatan angin, sehingga saat
2. Keterbatasan energi. Perlu perhitungan yang terbang dengan ketinggian di atas 20m dan
optimal antara daya angkat, ukuran propeller, mendapat gangguan angin, maka UAV dapat
beban, kekuatan motor dan catu daya[3]. melakukan koreksi dan kembali terbang stabil.
3. Lingkungan yang berbahaya. UAV harus didisain Untuk itu perlu dibuat simulator uji terbang yang
mampu menghindari tabrakan (pohon atau gedung) dapat menghasilkan simulasi tiupan angin dengan
dan dapat memperbaiki kestabilan terbang jika variabel arah dan kecepatan angin. UAV pada tahap
terjadi angin kencang. ini akan mulai coba dimasukan algoritma untuk
4. Pertukaran informasi. data fusion dan network dapat terbang autonomous dengan bantuan GPS.
connectivity sangat berperan untuk kelancaran 4. Tahap ke empat, UAV akan dipasang perangkat
komunikasi antara UAV dan stasion di darat. monitoring seperti monitor, fpv, kamera, transmitter
Model fixed wing memiliki wilayah jelajah yang dan receiver. Algoritma path planning dengan
lebih luas dan cepat, namun memiliki sudut pandang yang menggunakan single board computer dan kamera,
cenderung horisontal dibandingkan dengan muti rotor, sehingga sistem UAV tidak tergantung pada GPS
sebaliknya penempatan sudut pandang pada UAV jenis saja. Karena sinyal GPS sangat rentan terhadap
multi rotor sangat leluasa, namun wilayah jelajah lebih cuaca lingkungan.
sempit dan kecepatan terbang lebih rendah[6]. Pada
literatur terkini juga disampaikan teknik yang lebih baru III. SIMULASI
dengan memberikan penambahkan lengan pada multi A. Simulasi Motor Brushless
rotor yang dapat menggerakkan posisi hadap motor, Model matematika dari sebuah brushless motor
dengan teknik ini maka 75% motor yang bekerja saja adalah sebagai berikut [10] :
tidak akan membuat UAV jatuh[8]. (
1
)
𝐾𝑒
Metoda pencarian korban dan pemetaan dapat 𝐺(𝑠) = (1)
𝑡𝑚.𝑡𝑒.𝑆 2 +𝑡𝑚 𝑆+1
dilakukan dengan menyesuaikan tinggi jelajah UAV, tm adalah konstanta waktu mekanik (s)
secara sederhana jika ingin mendapatkan citra lebih detil (3 𝑅 .𝐽)
𝑡𝑚 = (2)
maka tinggi jelajah harus lebih rendah[6]. Pada pemetaan 𝐾𝑒 .𝐾𝑡
wilayah bencana yang luas, agar pencarian korban lebih te adalah konstanta waktu elektrik (s)
𝐿
terarah maka digunakan algoritma pencarian seperti 𝑡𝑒 = (3)
3.𝑅
greedy heuristics dan potential based heuristics[5]. Ke adalah konstanta torsi elektrik (V sec/rad);
3.𝑅.𝐽
Dalam mengakhir misi UAV akan melakukan landing 𝐾𝑒 = (4)
𝑡𝑚. 𝐾𝑡
dengan aman dan selamat dapat dibantu dengan sistem dengan L adalah induktansi (H), R adalah resistansi
stereo vision, mengingat tidak adanya jaminan bahwa terminal fase-fase(Ω), J adalah inersia motor (gr. cm2)
sinyal GPS selalu baik [9]. Dengan pertimbangan aplikasi dan Kt adalah konstanta torsi (Nm/A). Dari persamaan (1)
untuk pencarian korban bencana maka dipilihlah model hingga (4), dan motor brushless tipe AX-2810Q-
UAV berupa multirotor. 750KVmodel matematika brushless motor dapat
Metodologi penelitian yang akan dilakukan terdiri disimulasikan dengan bantuan matlab.
dari 4 tahap, yaitu :
1. Tahap pertama, studi literatur untuk meninjau Open Loop Step Response
metoda-metoda yang berkaitan dengan disain UAV R = 1.1; % Ohm (Ω), Nilai Resistansi terminal motor
untuk menentukan metoda yang paling tepat atau brushless antarfase
L = 0.1e-3; %Henry (H), Nilai terminal motor
optimal. Disain mencakup pemilihan jenis UAV, brushless antarfase
142
Kt = 25.5e-3; % Nm/A, Konstanta torsi motor

brushless
Ks= 37.4; % Konstanta kecepatan motor brushless
tm = 17.1e-3; % detik (s), konstanta waktu
mekanikal
J = 92.5e-7; % kg.m^2, inersia rotor
p = 3; % Jumlah fasa motor brushless
te = L/(p*R); % detik (s), konstanta waktu elektrik
Ke = (3*R*J)/(tm*Kt); % tegangan medan elektromagnetik
%Untuk melihat respon step
G = tf([1/Ke],[tm*te tm 1]);
step(G,
0.5);
grid;
Gambar 2. Diagram Root Locus
title('Open Loop Step Response ');
ylabel('Voltage, Volt');
xlabel('Time'); Dari diagram Root locus, terlihat bahwa tidak ada
pole yang berada di sebelah kanan sumbu imajiner, serta
Dengan menggunakan fungsi tftplot pada matlab tidak ada pole yang berada di titik 0 sumbu real, maka
didapatkan : sistem benar benar stabil.
B. Simulasi Kendali PID [10]
Secara umum persamaan pengendali PID adalah
sebagai berikut :
1 𝑡 𝑑
𝑢(𝑡) = 𝐾𝑝(𝑒(𝑡) + 𝑇𝑖 ∫0 𝑒(𝑡)𝑑𝑡 + 𝑇𝑑 𝑑𝑡 𝑒(𝑡))
(5)
Kemudian transformasi Laplace dari persamaan (5)
adalah
𝐾𝑑 𝑠2 +𝐾𝑝 𝑠+𝐾𝑖
Gambar 1. Respon step motor brushless
𝐺(𝑠) = 𝑠
(6)
Dari grafik terhadap respon step dapat dilihat bahwa Terdapat beberapa parameter quadcopter yang perlu
respon transien sistem motor brushless baik, dengan dikendalikan, parameter tersebut adalah parameter posisi
delay time, rise time, settling time dan time at max yang dalam berbagai sumbu. Selanjutnya akan dimodelkan
sangat cepat, serta tidak terjadi osilasi dan overshoot. pengendali PID dalam posisi sumbu z , yaw, pitch dan
Maka dapat disimpulkan bahwa sistem stabil. roll.
Open Loop Root Locus PID sumbu z

R = 1.1; % Ohm (Ω), Nilai Resistansi terminal motor brushless antar Model matematika pengendalian z (posisi vertikal)
fase
L = 0.1e-3; % Henry (H), Nilai terminal motor brushless antar fase dapat dituliskan sebagai berikut :
Kt = 25.5e-3; % Nm/A, Konstanta torsi motor brushless
Ks= 37.4; % Konstanta kecepatan motor brushless 𝑟1 = −𝐾𝑧𝑃(𝑧 − 𝑧𝑑) − 𝐾𝑧𝐼 ∫(𝑧 − 𝑧𝑑) 𝛿𝑡
tm = 17.1e-3; % detik (s), konstanta waktu mekanikal
J = 92.5e-7; % kg.m^2, inersia rotor − 𝐾𝑧𝐷(𝑧̇ − 𝑧𝑑̇ )
p = 3; % Jumlah fasa motor brushless
te = L/(p*R); % detik (s), konstanta waktu elektrik
Ke = (3*R*J)/(tm*Kt); % tegangan medan elektromagnetik (7)
%Untuk melihat respon step 𝑟1+𝑚𝑔
G = tf([1/Ke],[tm*te tm 1]); 𝑈1 = 𝑐𝑜𝑠∅𝑐𝑜𝑠𝜃 (8)
rlocus(G);
grid
title('Open Loop Root Locus ') Kemudian transformasi Laplace dari r1 adalah :
𝐾𝑧𝐷(𝑧̇ −𝑧𝑑̇)𝑠2 +𝐾𝑧𝑃 (𝑧−𝑧𝑑)+𝐾𝑧𝐼(𝑧−𝑧𝑑)

ℒ[𝑟1] = (9)
𝑠
Dari Persamaan 9 dapat dimodelkan pengendali PID

pada sumbu z dengan bantuan matlab.
R = 1.1; % Ohm (Ω), Nilai Resistansi terminal motor
brushless antar fase
143
L = 0.1e-3; % Henry (H), Nilai terminal motor Kemudian transformasi Laplace dari U2 adalah:
brushless antar fase ̇ )𝑠 2 +𝐾𝜓𝑃 (𝜓−𝜓𝑑)+𝐾𝜓𝐼(𝜓−𝜓𝑑)
𝐾𝜓𝐷(𝜓̇−𝜓𝑑
Kt = 25.5e-3; % Nm/A, Konstanta torsi motor ℒ[𝑈2] = (11)
𝑠
brushless
Ks= 37.4; % Konstanta kecepatan motor brushless
tm = 17.1e-3; % detik (s), konstanta waktu Dari Persamaan 11 dapat dimodelkan pengendali PID
mekanikal pada Yaw dengan bantuan matlab.
J = 92.5e-7; % kg.m^2, inersia rotor R = 1.1; % Ohm (Ω), Nilai Resistansi terminal motor
p = 3; % Jumlah fasa motor brushless brushless antar fase
te = L/(p*R); % detik (s), konstanta waktu elektrik L = 0.1e-3; % Henry (H), Nilai terminal motor
Ke = (3*R*J)/(tm*Kt); % tegangan medan elektromagnetik brushless antar fase
Phi = 30; % rad/s ,kecepatan sudut roll quadrotor Kt = 25.5e-3; % Nm/A, Konstanta torsi motor
Theta = 25; % rad/s ,kecepatan sudut pitch brushless
quadrotor Ks= 37.4; % Konstanta kecepatan motor brushless
Psi = 15; % rad/s ,kecepatan sudut yaw quadrotor tm = 17.1e-3; % detik (s), konstanta waktu
g = 9.8065; % m/s^2, gravitasi bumi mekanikal
m = 7; % Kg, Massa quadcopter J = 92.5e-7; % kg.m^2, inersia rotor
z = 25; % meter (m), Posisi vertical arah p = 3; % Jumlah fasa motor brushless
bawah kerangka acuan-bumi te = L/(p*R); % detik (s), konstanta waktu elektrik
zd = 15; % meter (m), Posisi vertical harapan Ke = (3*R*J)/(tm*Kt); % tegangan medan elektromagnetik
arah bawah kerangka acuan bumi Yaw = 22; % rad, sudut yaw kerangka acuan-bumi
z_dot = 1.5; % m/s, kecepatan vertical downward Yaw_d = 11; % rad, sudut yaw yang diharapkan kerangka acuan-bumi
kerangka acuan bumi Yaw_dot = 5; % rad/s, kecepatan sudut yaw kerangka acuan-bumi
z_dotd = 0.5; % m/s, kecepatan vertical harapan Yaw_dotd = 3; % rad/s, kecepatan sudut yaw yang diharapkan kerangka
downward kerangka acuan bumi acuan-bumi
t = 0 : 0.00001: 0.5; % Waktu proses t = 0 : 0.00001: 0.5; % Waktu proses
Kz_P = 13.11; Kz_I = 1310.6; Kyaw_P = 13.11; Kyaw_I = 1310.6; Kyaw_D = 0.0763;
Kz_D = 0.0763; % Konstanta PID % Konstanta PID
N = (Kz_D*(z_dot- z_dotd)) + (Kz_P*(z- zd)) + (Kz_I*(z- zd)); N = (Kyaw_D*(Yaw_dot- Yaw_dotd)) + (Kyaw_P*(Yaw- Yaw_d)) +
D = 1; (Kyaw_I*(Yaw- Yaw_d));
r1 = N/D; D = 1;
G_motor = tf ([1/Ke], [tm*te tm 1]); U2 = N/D;
U1 = (r1+m*g)/(cos(Phi)*cos(Theta)); G_motor = tf ([1/Ke], [tm*te tm 1]);
G = U1*G_motor; G = U2*G_motor;
step (G, t); step (G, t);
grid; grid;
title ('Pengendali PID Sumbu z Quadrotor'); title ('Pengendali PID yawQuadrotor');
legend ('Sinyal Controller PID'); legend ('Sinyal Controller PID');
Kemudian dengan menggunakan fungsi tftplot Kemudian dengan menggunakan fungsi tftplot
didapatkan respon transien sebagai berikut: didapatkan respon transien sebagai berikut:
Gambar 3. Respon step kendali PID untuk sumbu z Gambar 4. Respon kendali PID untuk Yaw
Dari grafik tersebut dapat dilihat bahwa sistem

Dari grafik terhadap respon step dapat dilihat bahwa
kendali PID untuk Yaw stabil, karena memiliki satu nilai
sistem kendali PID untuk sumbu z underdamped, dengan
final yang konstan. Selain itu tidak terjadi overshoot,
tidak terjadi overshoot dan osilasi. Dengan demikian
sehingga sistem tidak akan mengeluarkan output yang
quadcopter tidak akan terbang melebihi setpoint
melebihi setpoint nya.
(ketinggian) yang diinginkan.
PID Roll
PID Yaw Model matematika pengendalian Roll dapat dituliskan
Model matematika pengendalian Yaw dapat dituliskan sebagai berikut :
sebagai berikut : (12)
(10) Kemudian transformasi Laplace dari U3 adalah:
144
̇ )𝑠 2 +𝐾𝜙𝑃 (𝜙−𝜙𝑑)+𝐾𝜙𝐼(𝜙−𝜙𝑑)
𝐾𝜙𝐷(𝜙̇−𝜙𝑑
ℒ[𝑈3] = (13)
𝑠 (14)
Dari Persamaan 13 dapat dimodelkan pengendali PID
pada Roll dengan bantuan matlab. Kemudian transformasi Laplace dari U4 adalah:
R = 1.1; % Ohm (Ω), Nilai Resistansi terminal motor ̇ )𝑠 2 +𝐾𝜃𝑃 (𝜃−𝜃𝑑)+𝐾𝜃𝐼(𝜃−𝜃𝑑)
𝐾𝜃𝐷(𝜃−𝜃𝑑
brushless antar fase ℒ[𝑈4] = (15)
L = 0.1e-3; % Henry (H), Nilai terminal motor 𝑠
brushless antar fase
Kt = 25.5e-3; % Nm/A, Konstanta torsi motor Dari Persamaan 15 dapat dimodelkan pengendali PID
brushless pada Pitch dengan bantuan matlab.
Ks= 37.4; % Konstanta kecepatan motor brushless R = 1.1; % Ohm (Ω), Nilai Resistansi terminal motor
tm = 17.1e-3; % detik (s), konstanta waktu brushless antar fase
mekanikal L = 0.1e-3; % Henry (H), Nilai terminal motor
J = 92.5e-7; % kg.m^2, inersia rotor brushless antar fase
p = 3; % Jumlah fasa motor brushless Kt = 25.5e-3; % Nm/A, Konstanta torsi motor
te = L/(p*R); % detik (s), konstanta waktu elektrik brushless
Ke = (3*R*J)/(tm*Kt); % tegangan medan elektromagnetik Ks= 37.4; % Konstanta kecepatan motor brushless
Roll = 45; % rad, sudut roll kerangka acuan-bumi tm = 17.1e-3; % detik (s), konstanta waktu
Roll_d = 40; % rad, sudut roll yang diharapkan kerangka acuan-bumi mekanikal
Roll_dot = 5; % rad/s, kecepatan sudut roll kerangka acuan-bumi J = 92.5e-7; % kg.m^2, inersia rotor
Roll_dotd = 10; % rad/s, kecepatan sudut roll yang diharapkan kerangka p = 3; % Jumlahfasa motor brushless
acuan-bumi te = L/(p*R); % detik (s), konstanta waktu elektrik
t = 0 : 0.00001: 0.5; % Waktu proses Ke = (3*R*J)/(tm*Kt); % tegangan medan elektromagnetik
Kroll_P = 13.11; Kroll_I = 1310.6; Kroll_D = 0.0763; Pitch = 20; % rad, sudut roll kerangka acuan-bumi
% Konstanta PID Pitch_d = 12; % rad, sudut roll yang diharapkan kerangka acuan-bumi
N = (Kroll_D*(Roll_dot- Roll_dotd)) + (Kroll_P*(Roll- Roll_d)) + Pitch_dot = 5; % rad/s, kecepatan sudut roll kerangka acuan-bumi
(Kroll_I*(Roll- Roll_d)); Pitch_dotd = 1; % rad/s, kecepatan sudut roll yang diharapkan kerangka
D = 1; acuan-bumi
U3 = N/D; t = 0 : 0.00001: 0.5; % Waktu proses
G_motor = tf ([1/Ke], [tm*te tm 1]); Kpitch_P = 13.11; Kpitch_I = 1310.6; Kpitch_D = 0.0763;
G = U3*G_motor; % Konstanta PID
step (G, t); N = (Kpitch_D*(Pitch_dot- Pitch_dotd)) + (Kpitch_P*(Pitch- Pitch_d))
grid; + (Kpitch_I*(Pitch- Pitch_d));
title ('Pengendali PID rollQuadrotor'); D = 1;
legend ('Sinyal Controller PID'); U4 = N/D;
G_motor = tf ([1/Ke], [tm*te tm 1]);
Kemudian dengan menggunakan fungsi tftplot G = U4*G_motor;
didapatkan respon transien sebagai berikut : step (G, t);
grid;
title ('Pengendali PID pitch Quadrotor');
legend ('Sinyal Controller PID');
Kemudian dengan menggunakan fungsi tftplot
didapatkan respon transien sebagai berikut :
Gambar 5. Respon kendali PID untuk Roll
Grafik respon step kendali PID untuk Roll Gambar 5. Respon kendali PID untuk Pitch
menunjukkan bahwa sistem stabil dilihat dari outputnya
setelah detik ke 0.11266 sekon adalah menuju suatu nilai Nilai output sistem menuju suatu nilai yang tetap
yang konstan. Tidak terjadi overshoot pada respon maka sistem stabil. Dapat dilihat juga bahwa tidak terjadi
transien, maka quad copter tidak akan mencapai sudut overshoot dan osilasi sehingga quadcopter tidak akan
roll melebihi sudut roll yang diinginkan. mengalami kelebihan sudut pitch dari sudut pitch yang
diinginkan.
PID Pitch
Model matematika pengendalian Pitch dapat dituliskan IV. SIMPULAN
sebagai berikut : Dari grafik terhadap respon step dapat dilihat
bahwa respon transien sistem motor brushless baik,
dimana delay time, rise time, settling time dan time at max
145
yang sangat cepat, serta tidak terjadi osilasi dan [7] M. Christian and S. Daniel, “Model-based Design Development
and Control of a Wind Resistant Multirotor UAV”, Lund
overshoot. Dan dari diagram Root locus, terlihat bahwa University, July 2014
tidak ada pole yang berada di sebelah kanan sumbu [8] S.G. Pau, A.R. Yazan, H.S. Shin, S. Al, “A Novel Actuation
imajiner, serta tidak ada pole yang berada di titik 0 sumbu Concept for a Multi Rotor UAV”, Journal Intelligent Robot
System, September 2013
real, maka sistem benar benar stabil.
[9] K. Weiwei, Z. Daibing, W. Xun, X. Zhiwen, Z. Jianwei, “
Dari grafik terhadap respon step dapat dilihat bahwa Autonomous Landing of an UAV with a Ground-Based Actuated
sistem kendali PID untuk sumbu z, yaw, roll dan pitch Infrared Stereo Vision System”
tidak terjadi overshoot dan osilasi. Dengan demikian [10] Oguntoyinbo, Oludayo John, “PID Control of Brushless DC
Motor and Robot Trjectory Planning Simulation with
quadcopter tidak akan mengeluarkan output yang MATLAb/SIMULINK” University of Applied Science, 2009
melebihi setpoint nya dan akan terbang dengan stabil
karena memiliki satu nilai final yang konstan. VI. BIOGRAFI
Muliady.lahir di Medan, 25 Oktober 1970. Lulus S1 Jurusan Teknik
V. DAFTAR PUSTAKA Elektro, Universitas Kristen Maranatha 1995. Lulus S2 Program
Instrumentasi dan Kontrol, Fisika Teknik, ITB 2000. Sejak tahun 1995
[1] Badan SAR Nasional Republik Indonesia, “Fundamental Search
and Rescue” bekerja sebagai dosen Jurusan Teknik Elektro Universitas Kristen
[2] Ogata, Katsuhiko, “ Modern Control Engineering”5th ed, Prentice Maranatha, Bandung. Kelompok keahlian yang diminati adalah
robotika, kontrol cerdas, dan instrumentasi. Aktif membimbing tim
Hall 2010
[3] Mika Pad, “Emergency Services Use of UAS”, 2009/2010 UAS robot Univeristas Kristen Maranatha dalam mengikuti berbagai
Yearbook – UAS: The Global Perspective, pp. 137-224, June 2009 kompetisi/kontes robotika.
[4] G.D. Cubber, H. Balta, D. Doroftei and Y. Baudoin, “UAS
deployment and data processing during the Balkans flooding”, Yohana Susanthi, lahir di Purwokerto, 7 Juli 1961. Lulus S1 Jurusan
Teknik Elektro, Universitas Kristen Maranatha tahun 1987. Lulus S2
Royal Military Academy, Department of Mechanics, Brussels,
Program Studi Mikroelektronika, Elektroteknik, ITB tahun 1991. Tahun
Belgium, 2014
[5] W. Sonia and T. Niki, “Supporting Search and Rescue 1985-1988 menjadi asisten Laboratorium dan asisten Dosen . Sejak
tahun 1988 hingga sekarang menjadi Dosen Tetap Jurusan Teknik
Operations with UAVs”, University of Oxford, Computing
Elektro, Universitas Kristen Maranatha Bandung.
Laboratory Oxford, United Kingdom
[6] A. Bas, G. Toon, “Assessing UAV Platform Types and Optical
I Made Devantara, lahir di Bandung, 15 April 1995 saat ini tercatat
Sensor Specifications”, ISPRS Annals of The Photogrammetry,
sebagai mahasiswa Jurusan Teknik Elektro Universitas Kristen
Remote Sensing and Spatial Information Sciences, Volume II-5,
2014 Maranatha. Aktif di laboratorium Robotika TE UKM dengan bidang
peminatan UAV.
146
Rancang Bangun Robot Sepak Bola Beroda

G. A. H. Pawitan, A. N. Fitriana, L.A. Manasikana, A. D. Mustika, E. Febrianto, M. K. Najieb, G. W. Saputro, K.
Mutijarsa, W. Adiprawita
Abstract – Permainan sepak bola robot biasa bermacam-macam cabang dimana objek yang
diimplementasikan dengan menggunakan robot humanoid dilombakan berupa robot. KRI ini salah satu pendukung
yang memiliki rangka gerak menyerupai manusia. riset sepak bola beroda khususnya Ekshibisi Sepak Bola
Kekurangan dari penggunaan robot humanoid adalah
Robot Beroda (ESRB). ESRB adalah cabang perlombaan
tingkat kesukaran pengendalian yang tinggi dan harganya
yang mahal sehingga tidak cocok digunakan untuk pemula. KRI yang baru diadakan pada tahun 2016.
Pada makalah ini dibuat suatu alternatif robot sepak bola
yang cocok untuk pemula dimana pengendaliannya lebih II. SPESIFIKASI PIRANTI KERAS
mudah dan lebih murah yaitu robot sepak bola beroda.
A. Desain Sistem
Robot sepak bola yang dibuat akan diikutsertakan pada
Ekshibisi Sepak Bola Robot Beroda Indonesia (ESRBI). Robot yang dirancang secara umum memiliki
Index Terms— Robot Beroda, Sepak Bola, ESRBI. masukan dan keluaran pada sistemnya. Robot memiliki
masukan yang berasal dari sistem penglihatan dan sensor-
I. PENDAHULUAN sensor lainnya. Sedangkan keluaran dari sistem robot
merupakan pergerakan serta komunikasi. Hal tersebut
T ELAH banyak riset yang dilakukan untuk robot
pemain sepak bola, terutama untuk robot humanoid.
Robot humanoid merupakan robot yang memiliki derajat
digambarkan pada gambar 1.
kebebasan dan fisik yang menyerupai manusia. Dengan

fisik yang menyerupai manusia, robot humanoid
memiliki beberapa kekurangan. Robot diharuskan
memiliki keseimbangan yang baik agar dapat
menjalankan tugasnya sebagai pemain sepak bola.
Kecepatan robot dalam melakukan pergerakan juga
terbatas karena bergerak dengan berjalan menggunakan
dua buah kaki. Agar robot dapat memiliki derajat
kebebasan yang menyerupai manusia maka dibutuhkan
komponen penggerak yang cukup banyak. Selain itu,
akan membutuhkan biaya yang tidak sedikit untuk
membangun sebuah robot humanoid. Biaya riset yang
tinggi tidak dapat diakomodasi oleh semua orang
sehingga riset hanya dapat dilakukan oleh beberapa Gambar 1. Diagram Sistem Robot
kalangan. Untuk itu dibutuhkan suatu media
Sistem robot secara lebih detail terbagi menjadi tiga
pengembangan alternatif yang lebih sederhana dan
bagian yaitu masukan, robot, dan keluaran. Pada robot,
murah.
terdapat tiga unit utama yaitu planning unit, executing
Robot beroda dinilai lebih terjangkau dari segi biaya
unit, dan knowledge unit. Knowledge unit merupakan
karena jumlah penggerak yang dibutuhkan jauh lebih
bagian dimana data-data masukan dari sensor dan sistem
sedikit dibandingkan dengan robot humanoid. Robot
penglihatan robot dikumpulkan. Data-data tersebut
sepak bola beroda juga dinilai belum banyak
kemudian dianalisis dan dikonversi menjadi data-data
dikembangkan di Indonesia padahal telah banyak
sebagai masukan dari pengambilan keputusan. Data yang
kompetisi tingkat internasional yang mendukung riset di
telah diolah dari knowledge unit kemudian diteruskan ke
bidang ini. Oleh karena itu, kompetisi tingkat nasional
bagian planning unit. Planning unit berfungsi sebagai
diadakan untuk mendukung riset tersebut.
pengambil keputusan cerdas (high level intelligent
Kompetisi tingkat nasional tersebut adalah Kontes
decisions) untuk menentukan apakah robot harus
Robot Indonesia (KRI) yang mana merupakan salah satu
menggiring bola, menendang bola, dan lain sebagainya.
kontes bagi mahasiswa yang diadakan setiap tahunnya
Unit ini juga berfungsi untuk menentukan strategi
oleh Direktorat Jenderal Pendidikan Tinggi (Dikti).
permainan, seperti apakah robot harus berperan bertahan
Kontes ini berisi perlombaan yang terbagi menjadi
147
atau menyerang. Kemudian, setelah unit ini menentukan pengendali utama yaitu ODROID-XU4 dengan
keputusan, perintah untuk melaksanakan keputusan memperthitungkan feedback dari motor. Feedback dari
tersebut akan dilanjutkan ke executing unit. Pada motor tersebut diterima oleh mikrokontroler lalu
executing unit, perintah yang dikirimkan dari planning diteruskan ke pengendali utama dengan komunikasi
unit di proses dan dianalisis berdasarkan kemampuan serial. Informasi yang diterima diolah dengan algoritma
dasar robot seperti, bergerak maju, berhenti, berputar, dan kontrol Proporsional, Intergral, dan Derivatif (PID)
menendang. Kemudian, perintah diteruskan ke bagian sehingga perbedaan kecepatan real dan kecepatan yang
navigation controller untuk dieksekusi ke perangkat diinginkan dapat di kompensasi. Desain fisik robot yang
keras pada robot[1]. dibuat dapat dilihat pada gambar 2.
B. Desain Platform Robot
Desain rangka robot dirancang mengikuti peraturan
pertandingan dengan diameter maksimal 40 cm dan tinggi
maksimal 30 cm. Berat robot maksimal yang
diperbolehkan adalah 4 kg, sehingga perlu digunakan
material penyusun rangka yang ringan dan kuat seperti
aluminium. Selain itu, rangka robot juga didesain agar
memiliki pergerakan yang efisien serta mekanisme
pengendalian bola. Pada pertandingan sepak bola ini,
digunakan bola tenis dengan diameter sekitar 6,54 cm
hingga 6,84 cm dengan berat kurang lebih 50 gram
sampai 60 gram. Ukuran fisik bola tersebut merupakan
salah satu pertimbangan dalam desain dan ukuran Gambar 2. Desain 3 Dimensi dari Robot Secara keseluruhan
cekungan tempat robot melakukan pengendalian bola.
Desain mekanika robot difokuskan untuk agar tahan III. SPESIFIKASI PIRANTI LUNAK
benturan, ringan, dan tidak mudah jatuh atau terjungkir Perangkat lunak yang digunakan pada robot terbagi
tanpa mengurangi mobilitas dan fungsionalitas robot. Hal menjadi dua bagian yaitu masukan dan keluaran. Pada
ini dinilai penting karena dalam permainan sepak bola masukan sistem, dilakukan pembacaan pada modul
akan ada kemungkinan robot untuk bertabrakan atau penglihatan robot, kompas, dan inertial measurement unit
saling dorong untuk merebut bola. (IMU). Dan pada keluaran dari sistem robot merupakan
Pertama akan ditentukan arsitektur penggerak yang pergerakan serta komunikasi antar robot. Seluruh
akan digunakan pada robot. Diinginkan agar robot dapat masukan dari robot diintegrasikan sehingga sistem dapat
bergerak ke segala arah dengan akselerasi yang sama mendeteksi posisi bola dan gawang, posisi robot terhadap
untuk setiap arahnya. Hal ini dapat dicapai dengan lapangan, serta keseimbangan robot. Dari informasi
menggunakan sistem penggerak omni-directional. pembacaan modul-modul tersebut, robot dapat
Setelah itu diperlukan suatu modul khusus yang berfungsi menentukan pergerakan yang harus dilakukan.
untuk memanipulasi bola. Manipulasi bola yang A. Sistem Citra Robot
dilakukan adalah menggiring, menerima, mengendalikan Modul pengolahan citra digunakan untuk
bola pada saat sedang bergerak, serta menendang bola. mengambil data visual dari lingkungan dan
Diinginkan pengendalian robot yang sederhana sehingga memprosesnya menjadi masukan pada algoritma
digunakan penggiring bola pasif [2]. pemecahan masalah pada robot. Modul ini terdiri dari
Sistem penggiring bola pasif dapat menjaga bola sebuah sensor kamera dengan lensa fish eye, yaitu lensa
agar dapat bergerak selaras dengan pergerakan robot dengan dengan sudut pandang 180°. Sensor ini dipilih
namun tidak dapat mengendalikan arah rotasi bola. Hal karena dapat menangkap citra lingkungan dengan
ini membuat penggunaan sistem penggiring roda pasif cakupan yang lebih lebar, sehingga dapat meningkatkan
tidak memungkinan robot untuk dapat menggiring efisiensi sistem. Dilakukan proses filtering untuk
mundur bola atau melakukan gerakan-gerakan yang membedakan objek pada lapangan, sehingga robot dapat
terlalu agresif, karena dapat membuat bola terlepas dari menentukan lokasi bola dan gawang. Sensor kamera ini
kendali robot. Oleh karena itu, apabila menggunakan dihubungkan ke main controller dengan menggunakan
pengendali pasif, robot harus memiliki kemampuan USB. Perangkat yang digunakan memiliki resolusi
perencanaan gerak yang baik agar bola dapat tetap maksimal sebesar 2 megapiksel. Namun, pada
terkendali. pemrosesan citra, hasil tangkapan dari sensor kamera
Penggerak dari robot terdiri dari motor driver h- akan dikompresi menjadi resolusi yang lebih kecil agar
bridge, mikrokontroler, dan motor Direct Current (DC) pemrosesan data menjadi lebih cepat. Jenis sensor kamera
12V. Keluaran dari modul ini dikendalikan oleh yang digunakan adalah Ominivision OV2710 dengan seri
148
ELP-USBFHD01M-L180 seperti pada gambar 3. Berdasarkan hasil pengukuran, robot memiliki

diameter 38cm dan berat 3,89kg sehingga dimensi dan
berat robot sudah sesuai dengan peraturan perlombaan.
Pengendali gerakan yang diintegrasikan dengan sistem
penggerak robot diuji secara keseluruhan untuk melihat
kemampuan robot melakukan gerakan dasar. Hasilnya
robot dapat bergerak sesuai dengan jalur yang sudah
ditentukan sebelumnya dengan galat ±10cm. Galat
tersebut terjadi dikarenakan adanya slippage yang terjadi
antara roda dan karpet yang digunakan. Hasil dari
pengujian implementasi gerakan dasar diperlihatkan pada
Gambar 3. Sensor kamera ELP-USBFHD01M-L180 gambar 6.
Pada robot sepak bola, pengolahan citra dibutuhkan
untuk mendeteksi lingkungan yang berupa garis-garis
lapangan, gawang, serta bola. Pertama, digunakan metode
segmentasi warna pada citra objek yang dideteksi serta
penentuan koordinat objek. Proses segmentasi warna
sangat bergantung pada pencahayaan lingkungan,
sehingga memiliki reliabilitas yang kurang baik. Untuk
mengatasi hal tersebut, digunakan pula transformasi
Hough untuk mengenali fitur atau bentuk dari objek yang
dideteksi, sehingga hasil yang didapatkan menjadi lebih
akurat [3]. Diagram blok dari sistem pengolah citra dapat
dilihat pada gambar 4.
Gambar 6. Data Jalur yang Disiapkan (kiri) dan Hasil Pemetaan

Feedback Motor ke Koordinar Real (kanan)
Gambar 4. Diagram blok proses pengolahan citra B. Pengolah Citra

Modul pengolahan citra diimplementasikan
B. Sistem Navigasi Robot
menggunkan sensor kamera yang terhubung langsung
Navigasi memberikan petunjuk arah yang berfungsi
pada modul pengontrol utama. Dilakukan segmentasi
untuk pergerakan robot. Navigasi pada mobile soccer
warna dan ekstraksi fitur untuk mengetahui posisi dan
robot menggunakan sensor kompas yang dapat
jenis objek yang ada di lapangan. Hasil dari pengujian
mengetahui posisi sudut. Sensor yang dipakai adalah
implementasi pengolahan citra diperlihatkan pada
sensor magnetik kompas CMPS11. Sensor magnetik
gambar 7.
kompas CMPS11 ini akan memberikan referensi bagi
robot dimana posisi gawang tim dan lawan. Bentuk fisik
dari sensor yang digunakan dapat dilihat pada gambar 5.
Gambar 5. Sensor Magnetik Kompas CMPS11

Gambar 7. Hasil Segmentasi Warna dan Tracking Objek
IV. HASIL PENGUJIAN C. Navigasi

A. Platform Robot Modul navigasi berfungsi untuk mengetahui
149
orientasi robot di lapangan berdasarkan medan magnet VII. BIOGRAFI

bumi. Modul ini diimplementasikan dengan sensor Gusti Arif Hanifah Pawitan lahir di Bandung,
kompas magnetik CMPS11 yang diintegrasikan langsung Indonesia, pada 27 Februari 1995. Arif lulus
dari SMA Taruna bakti pada tanggal 2012 dan
ke kontroler utama. Hasil dari pengujian implementasi
saat ini sedang menempuh pendidikan strata
modul navigasi diperlihatkan pada gambar 8. satu di Institut Teknologi Bandung.
Arif berperan aktif dalam organisasi
Keluarga Mahasiswa Institut Teknologi
Bandung dan Himpunan Mahasiswa
Elektroteknik. Bidang keahlian arif meliputi
robotika, otomasi, dan sistem energi
terbarukan.
Alinda Nur Fitriana lahir di kota

Yogyakarta, pada tanggal 14 Desember 1993.
Ia merupakan mahasiswa Teknik Elektro di
Institut Teknologi Bandung dan sedang
menempuh tugas akhir dan diharapkan lulus
Gambar 8. Hasil pengolahan data dari modul kompas menunjukkan pada bulan Juli 2016 ini.
arah gawang lawan Alinda merupakan anggota aktif dari Unit
Robotika ITB dan Liga Film Mahasiswa ITB.
D. Integrasi Ia juga secara aktif berkontribusi di Himpunan
Mahasiwa Elektroteknik ITB dan Keluarga
Setelah setiap komponen sudah diuji, dilakukan Mahasiswa ITB.
integrasi dari sistem. Pengujian dilakukan dengan Alinda telah mendapatkan beberapa penghargaan di kompetisi robotic
memberikan perintah kepada robot untuk menemukan seperti Juara 2 di Kontes Robot Seni Indonesia tingkat Regional II
(2014), Penghargaan Artistik Terbaik di Kontes Robot Seni Indonesia
bola, mendekati bola, dan membawa bola ke gawang. tingkat Nasional (2014), dan Juara 1 serta Penhargaan Tarian Terbaik di
Hasil yang diperoleh adalah robot dapat melakukan misi Kontes Robot Seni Indonesia Tingkat Regional II (2015).
tersebut dengan baik. Bentuk fisik robot setelah dilakukan
implementasi diperlihatkan pada gambar 9. Lovila Arina Manasikana lahir di Gresik, pada
tanggal 5 Juni 1996. Lovila sedang menempuh
pendidikan sarjana Teknik Elektro di Institut
Teknologi Bandung (ITB).
Pengalaman organisasi Lovila adalah Wakil
Menteri Apresiasi Himpunan Mahasiswa
Elektroteknik ITB (HME-ITB) Badan Pengurus
periode 2015-2016. Selain itu, Lovila aktif di
Divisi Komputer HME-ITB serta Perkumpulan
Seni Tari dan Karawitan Jawa ITB (PSTK-ITB).
Sistem Kendali dan Sistem Komputer adalah bidang yang digeluti oleh
Lovila. Kegemaran Lovila adalah membaca dan menari tradisional.
Gambar 9. Bentuk fisik robot secara keseleuruhan Alyssa Diva Mustika lahir di Malang, pada
tanggal 12 Juli 1995. Diva sedang menempuh
pendidikan sarjana Teknik Tenaga Listrik di
V. KESIMPULAN Institut Teknologi Bandung (ITB)
Diva menjadi anggota Himpunan
Desain dari robot sepak bola beroda telah
Mahasiswa Elektroteknik yakni dalam
diimplementasikan dan diuji. Pengujian dilakukan secara Kementrian Pengabdian Masyarakat. Dia juga
terpisah untuk tiap komponen lalu dilakukan proses aktif di Divisi Mekanik dan Divisi Manajerial
integrase menjadi satu robot utuh. Hasilnya robot dapat dalam Unit Robotika ITB serta aktif menari di
Unit Kebudayaan Aceh ITB. Power System
menjalakan misi yang diberikan dengan baik yaitu dapat menjadi bidang yang digeluti oleh Diva.
mengenali bola, mendekati bola, dan membawa bola ke
gawang lawan. Evan Febrianto lahir di Lumajang, 27
Februari 1996. Evan merupakan anak pertama
dari tiga bersaudara. Evan memulai pendidikan
VI. REFERENCES pertama di SDK St. Yoseph Lumajang pada
[1] M. Gholipour, H. Rasam Fard “MRL Middle Size Tim: tahun 2002 sampai dengan tahun 2006.
RoboCup 2013 Team Description Paper”. Mechatronics Kemudian ia melanjutkan pendidikan di SDN
Research Laboratory, Islamic Azad University of Qazvin. Citrodiwangsa 02 pada tahun 2006 sampai
2013. dengan tahun 2008. Evan menempuh
pendidikan di SMPN 01 Sukodono pada tahun
[2] Nick Lynch. Conceptual Design of a Robot for the 2008 sampai dengan tahun 2011. Selanjutnya
RoboCup Competition.Bethlehem, Pennsylvania Final ia bersekolah di SMAN 2 Lumajang pada tahun 2011 sampai dengan
report 2005. 2014. Saat ini, Evan sedang menempuh pendidikan sarjana Teknik
[3] L. Tio Dwi, A. Silvia, A. Hanna Izma. “Robot Humanoid Elektro di Institut Teknologi Bandung.
Penari Tarian Daerah Indonesia”. Institut Teknologi
Bandung, 2014.
150
Kamal di waktu luangnya biasa membuat rekaman lagu dan diunggah

Muhammad Kamal Nadjieb lahir di Jakarta, 9 ke internet.
Januari 1997, merupakan anak pertama dari dua
bersaudara. Kamal sudah melalui pendidikan Genesia Wahyu Saputro, lahir d Bandung,
dasar di SDN Menteng 01 Pagi, pendidikan 16 oktober 1997. Saat ini Genesia sedang
menengah pertama di SMP Labschool Jakarta, menempuh pendidikan sarjana Teknik
dan pendidikan menengah atas di SMA Negeri Mesin di Institut Teknologi Bandung (ITB).
8 Jakarta. Saat ini, Kamal sedang menempuh Pengalaman berorganisasi Genesia
pendidikan sarjana di Program Studi Teknik adalah menjadi staff aktif divisi
Informatika Institut Teknologi Bandung (ITB). Ekstrakampus di Himpunan Mahasiswa
Kamal mempunyai beberapa pengalaman organisasi diantaranya Mesin (HMM-ITB). Selain itu Genesia juga
sebagai Anggota Dewan Perwakilan dan Pengawasan Himpunan aktif di Unit Technopreneur Club ITB (TEC-
Mahasiswa Informatika (HMIF) ITB Periode 2015-2016 dan sekarang ITB. Genesiapun juga aktif di Unit Robotika
menjadi Anggota Divisi Rumah Tangga Himpunan Mahasiswa ITB (URO-ITB)
Informatika (HMIF) ITB Periode 2016-2017. Selain itu, Kamal juga Bidang yang digeluti Genesia adalah bidang perancangan. Genesia
aktif di Unit Robotika ITB. mempunyai hobi membaca dan bermain game.
151
Penggunaan Webots pada Robot The Patriot V.3

Elvin Nathan, Muliady
Jurusan Teknik Elektro, Universitas Kristen Maranatha, Jl. Surya Sumantri No.65 Bandung -40559 Indonesia
Abstrak – Pada Kontes Robot Sepak Bola Indonesia, sumber cahaya, warna latar, dan lain sebagainya. Jumlah
sebuah robot didesain agar bisa memainkan permainan robot bisa digunakan pada suatu simulasi tidak terbatas
sepak bola. Ketrampilan bermain bola pada robot hanya satu sehingga beberapa robot bisa disimulasikan
tergantung pada algoritma yang implementasikan. Untuk
secara bersamaan pada lingkungan yang sama. Hanya
mempermudah proses implemntasi algoritma dapat
dilakukan simulasi pada komputer. Webots adalah salah kekuatan komputasi komputer yang dapat membatasi
satu perangkat lunak yang dapat digunakan untuk jumlah robot pada simulasi. Perangkat lunak Webots bisa
mensimulasikan robot DARwin-OP bermain sepak bola. di unduh secara gratis, namun bila ingin mendapatkan
Walaupun terdapat perbedaan hasil simulasi Webots seluruh fitur disediakan maka pengguna harus membeli
dengan saat robot DARwin-OP dijalankan di dunia nyata, lisensi.
keberadaan Webots cukup membantu untuk mengamati
gerakan robot tanpa adanya fisik robot, mempermudah
pemrogrman algoritma robot dengan adanya cross III. PENGGUNAAN WEBOTS PADA ROBOT THE
comiplation, mengurangi resiko kerusakan karena aus PATRIOT V.3
pemakaian Tim The Patriot menurunkan 3 robot humanoid,
Kata Kunci: Webots, DARwin-OP, Cross Compilation, yang pertama adalah DARwin-OP produksi Robotis[2],
mengamati gerakan, algoritma, kerusakan karena aus
sedangkan dua yang lain merupakan hasil kreasi tim
dengan acuan DARwin-OP. Dengan demikian ketiga
I. INTRODUKSI
robot dapat disimulasikan pada perangkat lunak Webots
D alam melakukan permainan sepak bola, sebuah robot
sepak bola harus didesain dari sisi perangkat lunak
maupun dari perangkat keras agar bisa menjalankan
dengan lingkungan untuk DARwin-OP. Terdapat 5
lingkungan percobaan untuk DARwin-OP, dan masing
masing lingkungan memiliki kegunaannya tersendiri.
tugasnya dengan baik. Bila dilihat dari sisi perangkat Misalnya lingkungan yang dinamakan walk dipakai untuk
lunak, maka hal yang harus didesain adalah algoritma mensimulasi gerak jalan dari robot seperti pada Gambar
robot agar bisa bermain sepak bola layaknya seorang 1, sementara untuk lingkungan soccer dipakai untuk
pemain sepak bola sungguhan. Untuk mendapatkan mensimulasi permainan sepak bolayang ditunjukkan pada
algoritma terbaik, sudah pasti akan terjadi proses Gambar 2. Pengguna juga bisa mendesain sendiri
pengaturan parameter robot berulang ulang. Karena lingkungan yang akan dipakai oleh robot.
kompleksitas yang cukup tinggi pada robot humanoid
DARwin-OP yang digunakan dalam Kontes Robot Sepak
Bola Indonesia oleh Tim The Patriot V.3 maka digunakan
perangkat lunak Webots untuk implementasi algoritma.
Dalam paper ini akan disampaikan cara kerja simulasi
pada Webots dan cara memindahkan algoritma yang
dibuat pada Webots agar dapat dipakai pada robot
DARwin-OP beserta ujicoba perbandingan antara
simulasi dengan kenyataan saat robot dijalankan.
Gambar 1. Lingkungan soccer
II. PENGANTAR WEBOTS
Webots adalah perangkat lunak dari perusahaan
Cyberbotics Ltd. Tujuan dari pembuatan perangkat lunak
ini adalah agar penggunanya bisa melakukan simulasi,
baik simulasi untuk robot-robot yang umum seperti
DARwin-OP atau Nao, ataupun simulasi untuk robot-
robot yang dibuat sendiri[1]. Setiap pengguna bisa
mendesain robot dan lingkungan simulasi. Lingkungan
simulasi bisa diatur mulai dari warna dinding di sekitar,
Gambar 2. Lingkungan walk
152
2. Pada tab Transfer seperti pada Gambar 5, ada

beberapa kolom yang harus diisi. Untuk IP
Pada Gambar 3 diperlihatkan GUI Webots. Pada address, alamat bila menggunakan ethernet
bagian kanan dari gambar simulasi, terdapat bagian untuk adalah 192.168.123.1. Bila menggunakan
mengedit script algoritma pada simulator. Bahasa wireless, maka harus dicari terlebih dahulu
pemograman yang dipakai pada simulator ini adalah alamatnya lewat program terminal yang ada pada
bahasa C. Header yang digunakan pada Webots juga
berbeda dengan header DARwin-OP, sehingga cara
pemanggilan fungsinya berbeda dengan program demo
dari DARwin-OP.
OS. Pada program terminal, masukkan

Gambar 4. Jendela Show Robot Window
perintah ifconfig, lalu baca IP address yang ada di

sebelah kanan dari keterangan wlan0. Untuk kolom
Gambar 3. Webots username diisi DARwin dan kolom password 111111.
Beberapa fungsi yang biasa dipakai adalah seperti

berikut:
1. mMotors[a]->setPosition(b);
Fungsi ini digunakan untuk menggerakan servo
motor, dengan a adalah id servo dan b adalah nilai
antara 1 dan -1.
2. mGaitManager->setXAmplitude(c);
Fungsi ini digunakan untuk memulai gerak jalan
lurus dari robot. Nilai c berkisar antara 1 dan -1.
3. mGaitManager->setYAmplitude(d);
Fungsi ini digunakan untuk memulai gerak jalan
menyamping dari robot. Nilai d berkisar antara 1
dan -1.
4. mGaitManager->setAAmplitude(e); Gambar 5. Tab Transfer
Fungsi ini digunakan untuk memulai jalan
memutar. Nilai e berkisar antara 1 dan -1. 3. Setelah semua kolom terisi dengan benar,
selanjutnya tekan tombol dengan gambar seperti
pada Gambar 6. Webots akan secara otomatis
Bila sudah selesai melakukan simulasi, maka menjalankan algoritma yang sudah dibuat.
algoritma harus dimasukkan ke dalam robot. Webots
sudah menyediakan fitur yang bernama cross-
compilation. Fitur ini berguna untuk memasukkan
algoritma yang sudah dibuat ke dalam robot. Cara
menggunakan cross-compilation adalah:
1. Buka RobotShow Robot Window, maka akan Gambar 6. Tombol untuk mengunggah algoritma ke robot.
muncul window seperti ini pada Gambar 4. Setelah
itu buka tab Transfer.
153
IV. DATA PENGAMATAN Untuk percobaan menggunakan fungsi

Untuk melihat hasil simulasi dapat dibandingkan mGaitManager->setAAmplitude(0.5), berikut adalah
dengan hasil percobaan pada dunia nyata, maka dilakukan hasilnya.
pengetesan dengan cara menjalankan fungsi
Simulasi (◦) Dunia Nyata (◦)
mGaitManager->setXAmplitude(1) dan mGaitManager-
14,4 20,4
>setAAmplitude(0.5) pada simulator dan pada robot di
11,4 21,8
dunia nyata. Berikut hasil pengamatan dari percobaan
14,9 21,3
tersebut.
15,4 20,1
Pada percobaan penggunaan fungsi mGaitManager-
15,2 18,7
>setXAmplitude(1) di simulator dan dunia nyata, robot
melakukan fungsi tersebut dan dihitung waktu yang
Rata-rata pada Simulasi 14,26 ◦
dibutuhkan untuk melewati jarak sebesar 52 cm. Jarak
Rata-rata pada Dunia 20,46 ◦
52cm pada simulator adalah jarak antara garis pada kotak
Nyata
penalti dan lambang cross diluar kotak penalty seperti
Error (%) 30,30
yang diilustrasikan pada Gambar 7. Pada dunia nyata,
digunakan karpet yang sesuai dengan peraturan dari
V. SIMPULAN
Robocup 2014. Alasan digunakan karpet jenis ini adalah
karena Webots sudah mendesain lapangan pada simulator Simulasi yang dilakukan melalui perangkat lunak
agar sama dengan standar Robocup 2014[3]. pada computer telah dapat berjalan. Keunggulan yang
dimiliki oleh simulasi berbasis perangkat lunak adalah
simulasi lebih mudah dilakukan tanpa harus
menghadirkan perangkat keras. Penggunaan simulasi
berbasis perangkat lunak bisa meminimalisir
kemungkinan kerusakan robot pada saat simulasi, karena
mengurangi waktu penggunaan servo. Namun
kekurangan yang dimiliki oleh simulasi berbasis
perangkat lunak adalah tidak semua kondisi di dunia
nyata bisa direpresentasikan secara utuh. Hal ini
menyebabkan perbedaan hasil dari simulasi dan hasil di
dunia nyata, seperti yang dapat dilihat dari hasil
percobaan pada bagian data pengamatan. Perbedaan
Gambar 7. Jarak yang harus ditempuh oleh robot pada antara hasil simulator dan dunia nyata mencapai nilai
simulator. 20,82% pada percobaan fungsi mGaitManager-
>setXAmplitude(1) dan 30,30% untuk percobaan fungsi
Simulasi (s) Dunia Nyata (s) mGaitManager->setAAmplitude(0.5).
7,38 8,91 Fitur cross-compilation pada Webots juga
6,82 8,74 memberikan pilihan pada penulis algoritma, yang selama
6,84 8,6 ini harus mengikuti tata cara dari program demo pada
7,19 8,8 DARwin-OP. Cara penulisan algoritma menggunakan
6,52 8,84 fitur cross-compilation dari Webots lebih mudah
dibandingkan dengan menulis dengan tata cara penulisan
Rata-rata pada Simulasi 6,95 s dari program demo pada DARwin-OP.
Rata-rata pada Dunia 8.778 s
Nyata VI. DAFTAR PUSTAKA
Error (%) 20,82 [1] -----, DARwin-OP with Webots User Guide. (release 8.4.0)
[2] Robotis Co. Ltd, Web Site, http://www. robotis.com/en/
[3] Robocup 2014 , Web Site, http://www.robocup2014.org
[4] Inyong H. Development of open platform humanoid robot
DARwIn-OP. The University of Tokyo, 2012.
154
VII. BIOGRAFI PENULIS

Elvin Nathan lahir Serang, Muliady adalah dosen tetap di
Banten pada 4 April 1997 yang Universitas Kristen Maranatha dan juga
merupakan mahasiswa Universitas pembimbing tim KRSBI Universitas
Kristen Maranatha angkatan 2013 dan Kristen Maranatha. Beliau meraih gelar
anggota tim KRSBI 2016. Sarjana Teknik dari Universitas Kristen
Maranatha dan gelar Magister Teknik
dari Institut Teknologi Bandung.
155
Pemanfaatan Sensor Jarak GP2D12 Sebagai

Navigator Pada Robot Madikarobo
Mimi Hasmidar,Kevin1, Gerald Vergiawan T.2, Ady Rahmansyah3
Abstrak – Pada kontes ERSB (Ekshibisi Robot merebut maupun menggiring bola, sensor jarak GP2D12
Sepakbola Beroda), robot yang ada pada satu tim akan mengukur jarak robot dengan robot lain. Ketika
MADIKAROBO akan melakukan pergerakan untuk jarak robot terlalu dekat dan berpotensi terjadi collision
melaksanakan strategi. Dimana proses pergerakan yang antar robot, maka sensor jarak GP2D12 akan memberi
dilakukan agar tidak terjad9i collision, diperlukan sebuah sinyal kepada arduino untuk menghindar dengan
teknik pengamanan yang dapat menghindari halangan. menggerakkan motor pada robot agar bergerak mundur
Salah satu teknik pengamanan yang dapat digunakan atau berbelok kearah yang lebih aman.
yaitu menggunakan alat SENSOR JARAK GP2D12. Pada robot madikarobo sensor jarak GP2D12 yang
SENSOR JARAK GP2D12 dapat dimanfaatkan dengan digunakan sebanyak sembilan buah yang mampu
menghubungkan ke ARDUINO pada Robot merepresentasikan halangan disekeliling robot, sensor ini
MADIKARIBO. Makalah ini berisi uraian proses simulasi diposisikan disekeliling robot dengan sudut tertentu.
pemanfaatan SENSOR JARAK GP2D12 sebagai
navigator pada Robot MADIKAROBO. II. LANDASAN TEORI
Kata Kunci – Robot Madikarobo, Sensor Jarak
GP2D12, Arduino. A. Robot
Robot adalah mesin hasil rakitan karya manusia,
I. PENDAHULAN tetapi bekerja tanpa mengenal lelah. Pada awalnya, robot
P
erkembangan teknologi didunia semakin diciptakan sebagai pembantu kerja manusia, akan tetapi
berkembang, terutama di Indonesia. Seiring dengan dalam waktu ke depan, robot akan mampu mengambil
perkembangannya banyak jenis teknologi, terutama alih posisi manusia sepenuhnya dan bahkan mengganti
teknologi robotika yang membawa inovasi baru, baik ras manusia dengan berbagai jenisnya. Definisi lain, robot
dalam hal algoritma (kecerdasan) maupun alat penggerak adalah sebuah mesin yang berbentuk seperti manusia
yang digunakan sebagai navigator.Dari perkembangan yang bisa bergerak dan berbicara. Pendapat ini didasari
tersebut, maka terciptalah sensor atau robot penggendali. oleh kemunculan film-film robot, seperti Robocop,
Pada jenis robot ini akan mengikuti event yaitu kontes Transformer, Astro Boy, Wall-E, dan sebagainya.
robot tingkat nasional ERSB (Ekshibisi Robot Sepakbola Sebenarnya definisi robot itu tergantung dari kategori
Beroda). robot [1].
Pada kontes robot sepakbola, robot dalam bentuk Madikarobo adalah robot pemain bola yang
beroda dituntut melakukan permainan sepak bola bergerak dengan menggunakan tiga roda omni. Robot ini
layaknya seperti permainan sepak bola yang dimainkan memiliki kemampuan mendeteksi, menggiring dan
oleh manusia dan dapat berinteraksi antara robot satu dan menendang bola di lapangan. Dengan kemampuan
yang lainnya. Permasalahan yang ada saat ini sering tersebut Madikarobo dapat mencetak bola kegawang
terjadi pada robot, terutama pada robot sepak bola yaitu lawan dengan sebanyak-banyaknya dalam tempo
sering terjadi collision , di karenakan tidak akuratnya alat permainan yang telah ditentukan.
yang di gunakan dalam membuat robot tersebut.
Salah satu solusi yang tersedia yaitu B. Sensor Jarak GP2D12
dimanfaatkannya sensor jarak GP2D12 sebagai Sensor GP2D12 adalah sensor jarak analog yang
navigator, untuk menghindari collision antar robot saat menggunakan infrared untuk mendeteksi jarak antara 10
Mimi Hasmidar, Teknik Informatika, STMIK Adhi Guna, Palu – Ady Rahmansyah, Teknik Informatika, STMIK Adhi Guna, Palu –
Sulawesi Tengah Telp: (0451) 455530, Fax: (0451) 452920, E-mail: Sulawesi Tengah Telp: (0451) 455530, Fax: (0451) 452920, E-mail:
mimihasmidar@gmail.com adhyformer2@gmail.com
Kevin Gerald Vergiawan, Sistem Informasi, STMIK Adhi Guna,
Palu – Sulawesi Tengah Telp: (0451) 455530, Fax: (0451) 452920, E-
mail: alisonangell784@gmail.com
156
cm sampai 80 cm. GP2D12 mengeluarkan output voltase 15 pin dapat digunakan sebagai output PWM, 16 pin
non-linear dalam hubungannya dengan jarak objek dari sebagai input analog, dan 4 pin sebagai UART (port serial
sensor dan menggunakan interface analog to digital hardware), 16 MHz kristal osilator, koneksi USB, jack
converter (ADC). Pada dasarnya sensor jarak sama seperti power, header ICSP, dan tombol reset. Ini semua yang
sensor Infra Red (IR) konvensional. GP2D12 memiliki diperlukan untuk mendukung mikrokontroler [4].
bagian transmitter / emitter dan receiver (detektor) [2].
Gambar 2.1. Gambar Sensor Jarak GP2D12

(sumber:http://green elektronik.blogspot.co.id/2010/08/sharp-
gp2d12.html)
C. Robot Beroda obstacle avoidance (Robot beroda

penghindar halangan) Gambar 2.3. Gambar Arduino Mega 2560
Robot penghindar halangan adalah robot yang (sumber:http://forum.arduino.cc/index.php?topic=125908.0)
sengaja dirancang untuk dapat menghindari penghalang
yang berada disekitarnya. Robot ini terdiri atas tiga E. Motor DC
bagian utama yaitu sensor jarak GP2D12,system Motor DC merupakan perangkat elektromagnetis
pengendali menggunakan arduino dan system actuator yang mengubah energi listrik menjadi energi mekanik.
menggunakan motor dc[12]. Energi mekanik ini digunakan untuk, memutar impeller
Kemampuan menghindari halangan merupakan pompa, fan atau blower, menggerakan kompresor,
sebuah sistem otomatisasi sederhana yang dapat mengangkat bahan,dll. Motor DC digunakan juga di
diprogram pada sebuah robot. Robot beroda adalah salah rumah (mixer, bor listrik, fanangin) dan di industri.
satu contoh prototype sederhana untuk Kumparan medan pada motor dc disebut stator (bagian
mengimplementasikan sensor jarak GP2D12. Tujuannya yang tidak berputar) dan kumparan jangkar disebut rotor
untuk menghindari halangan apa saja yang terdeteksi oleh (bagian yang berputar). Jika terjadi putaran pada
sensor tersebut. kumparan jangkar dalam pada medan magnet, maka akan
timbul tegangan (GGL) yang berubah-ubah arah pada
setiap setengah putaran, sehingga merupakan tegangan
bolak-balik [3].
Gambar 2.2 Gambar Robot Beroda obstacle avoidance (Robot beroda

penghindar halangan)
D. Arduino Mega 2560

Modul Arduino Mega2560 ini merupakan bagian Gambar 2.4. Gambar Motor DC
(sumber: http://www.serbaelektro.com/2015/06/penjelasan-prinsip-
pemroses utama yang menjadi pusat kendali dari robot kerja-konstruksi-dan.html)
Madikarobo ini. Arduino Mega2560 adalah papan
mikrokontroler berbasiskan ATmega2560. Arduino
Mega2560 memiliki 54 pin digital input/output, dimana
157
III. METODOLOGI
A. Jenis Penelitian
Jenis penelitian yang digunakan dalam penelitian ini
adalah jenis penelitian metode penelitian percobaan
(Experimental Research).
Metode eksperimental ini dilakukan bertujuan untuk
melakukan percobaan awal dan uji coba dari setiap
bagian-bagian robot mulai dari rangkaian sensor, sistem
kontrol, serta pemrogramannya untuk melihat adanya
sebuah permasalahan yang mungkin terjadi, dimana
dalam hal ini dimaksudkan untuk melihat sejauh mana
hasil uji coba dengan sensor jarak GP2D12 yang
digunakan untuk menghindari collision antar robot.
B. Alat dan Bahan serta Tahapan penelitian
Sensor jarak GP2D12 yang digunakan agar dapat
bekerja sebagai navigator. Maka, alat dan bahan yang
digunakan adalah sebagai berikut :
1) 9 Buah Sensor jarak GP2D12.
2) Kabel digunakan untuk menyambukan antara
arduino dan sensor jarak GP2D12.
3) Arduino untuk pusat kendali robot.
4) 1 buah robot sepak bola.
5) 1 buah laptop yang dilengkapi software Arduino.
Dari alat dan bahan yang telah ditetapkan oleh
peneliti. Maka peneliti menerapkan tahapan pengerjaan
sebagai berikut :
Flowchart 3.1. Flowchart cara kerja sensor jarak GP2D12
1) Penempatan posisi sensor jarak GP2D12 dengan
jarak antara sensor satu dengan yang lainnya sebesar
40 derajat pada robot sepakbola.
2) Menghubungkan sensor jarak GP2D12 dangan
arduino. A. Hasil pembacaan sensor jarak GP2D12
3) Melakukan uji coba pemrograman pada sensor jarak Dari hasil pembacaan sensor jarak GP2D12 dapat
GP2D12. disimpulkan bahwa pembacaan sensor tidak sesuai karena
4) Melakukan uji coba sensor jarak sharp GP2D12 jarak tampil pada serial monitor berbeda dengan jarak
sebagai navigator pada robot madikarobo. sebenarnya sehingga terdapat jarak error. Berikut tabel
C. Algoritma Pemrograman 4.1 pembacaan sensor GP2D12.
Pada saat robot dinyalakan, maka robot akan
melakukan pergerakan, sensor jarak GP2D12 akan Tabel 4.1. Tabel Pembacaan sensor Jarak GP2D12
melakukan pengiriman dan penerima signal, signal Jarak Sebenarnya Jarak Tampil Jarak Error
No.
tersebut akan dikonvrsi dengan menggunakan rumus (cm) (cm) (cm)
pow(batas tinggi/variable ,batas rendah) apabila jarak<10 1 10 9 1
cm maka robot akan menghindar. Apabila tidak ada 2 16 14 2
sensor pada robot akan membaca kondisi menggunakan 3 24 22 2
sensor, apakah ada halangan atau tidak, jika ada maka
4 32 30 2
menghindar jika tidak maka akan melanjutkan
5 40 38 2
pergerakan. Seperti flowchart cara kerja sensor jarak
6 48 46 2
GP2D12 3.1.
7 56 52 4
8 64 57 7
9 72 64 8
10 80 72 8
Nilai Rata-Rata Jarak Error 3,8
158
robot 1 dan robot 2 (robot penghalang).

Pembacaan sensor jarak GP2D12
90
Pengukuran dalam satuan (CM)
80
70 Jarak
60 Sebenarnya
Jarak Tampil
50
40 Jarak Error
30
20
10
0
Gambar 4.2. Grafik pembacaan Sensor Jarak GP2D12
B. Hasil pengujian pergerakan robot Gambar 4.5. Gambar Pengujian sensor jarak GP2D12 sebagai
navigator pada robot madikarobo.
menggunakan sensor jarak GP2D12
Dari hasil pengujian didapatkan posisi robot ketika V. KESIMPULAN
bergerak menggunakan sensor jarak. Ada 3 aktifitas yang
dapat dilakukan yaitu bergerak kekiri atau kekanan,maju Dari hasil pengujian yang dilakukan serta analisa
dan mundur. robot Madikarobo menggunakan sensor jarak GP2D12,
dapat diambil kesimpulan sebagai berikut :
1. Sensor Jarak GP2D12 dapat mendeteksi jarak
sekitar 10 cm dan 80 cm, dan Robot dapat bergerak
kekiri atau kekanan,maju,dan mundur. Sehingga
Sensor Jarak GP2D12 cocok digunakan pada robot
sepakbola Madikarobo.
2. Sensor jarak GP2D122 yang digunakan Pada Robot
Madikarobo dapat melakukan pergerakan, sehingga
tidak terjadi collision antar robot.
3. Dari hasil proses pembacaan sensor jarak GP2D12
terdapat jarak error dari jarak sebenarnya, rata-rata
jarak error yang didapatkan adalah 3,8 cm.
Gambar 4.3 Gambar penempatan urutan sensor GP2D12
VI. UCAPAN TERIMA KASIH
Tabel 4.4. Tabel Pengukuran pergerakan Robot, pada saat Robot Terima kasih kepada Ketua STMIK ADHI GUNA
melakukan pergerakan secara otomatis beserta jajarannya,kepada dosen pembimbing, teman-
Sensor yang Pergerakan robot madikarobo jika jarak
mendapat objek <10(cm) teman AGRC (Adhi Guna Robotech Club),senior dan
teman-teman mahasiswa yang ikut membantu dalam
Sensor 1 Bergerak Mundur menyelesaikan penelitian ini. Serta penulis ucapkan
Sensor 2 Menghindar kearah kiri terima kasih kepada kedua orang tua yang tak lelah-
Sensor 3 Menghindar kearah kiri lelahnya memberikan semangat dan dorongan baik segi
Sensor4 Bergerak maju materi maupun non materi.
Sensor 5 Bergerak maju
Sensor 6 Bergerak maju VII. DAFTAR PUSTAKA
Sensor 7 Menghindar kearah kanan
Sensor 8 Menghindar kearah kanan [1] Suyadhi, Taufik D.S. 2010 Buku Pintar Robotika. C.V Andi
Sensor 9 Bergerak Mundur Offset. Yogyakarta.
[2] Hidayat, L. 2011. Perancangan Robot Pemadam Api Divisi
Senior Berkaki. Jurnal Ilmiah Semesta Teknika. Yogyakarta.
C. Hasil pengujian Sensor Jarak GP2D12 sebagai [3] Budiharo, W. 2006. Belajar Sendiri Membuat Robot Cerdas. PT
Navigator Pada Robot Madikarobo. Elex Media Komputindo. Jakarta.
[4] Dede Hendriono. 2014. Mengenal Arduino Mega2560,
Dari hasil pengujian sensor GP2D12 sebagai
http://www.hendriano.com/blog/post/mengenal-arduino-
navigator pada robot madikarobo terjadi pergerakan pada mega2560. Diakses pada tanggal 15 Mei 2016.
saat robot 1 berada pada jarak<=10 cm. robot tersebut [5] As'Ari,dkk. 2013. Perancangan Robot Wall Follower Dengan
akan bergerak mundur agar tidak terjadi collision antara Metode Proportional Integral Derivative (PID) Berbasis
159
Mikrokontroler.Jurusan Sistem Komputer. Universitas

Andalas,Padang. Ady Rahmansyah
[6] Anton Hidayat,dkk.menentukan posisi tendangan pada robot Lahir di Kota Palu, 4 Juni 1996.saat
soccer nidun menggunakan metode fuzzy.teknik Elektro ini Sedang Menempuh S1 Program
Polteknik.Unad Limau Manis Padang.Padang. Study Teknik Informatika di
[7] Faisal Zuli. Perancangan Bangun Alat pendeteksi jarak aman Perguruan Tinggi STMIK Adhi
pada kendaraan berbasis arduino. Teknik Elektro. Mercu Buana. Guna.
Jakarta.
[8] Agung Rahmatullah,dkk. 2015. System pengamanan data pada
robot sepak bola menggunakan media Tunneling EoIP. Teknik
Informtika. Stmik Adhi Guna. Palu.
[9] Samue Kristiyana. 2008. Desain dan System Pengendalian Robot
Beroda Pemadaman Api. Teknik Elektro. Institut Sains dan
Teknologi AKPRIND. Yogyakarta. ISBN: Jurnal Teknologi,
Vol.1,No1, 2008:14-23.
[10] Universitas Dian Nuswantoro. 2013. PROSIDING IRSC 2013
(Indo Symposium Robot Soccer Competion 2013). Universitas
Dian Nuswantoro. Semarang. ISBN: 979-26-0264-x. Mimi Hasmidar
[11] Mario Kusuma,dkk. 2013. Komunikasi Dalam Penyerangan ke Lahir di Desa Bonebalantak, 12
Gawang Lawan Pada Robot Humanoid Sepak Bola. Teknik November 1996.saat ini Sedang
Elektro. Universitas Kristen Indonesia. Jakarta. 979-26-0264-x. Menempuh S1 Program Study
[12] Nauriana.2009.Rancang bangun robot beroda penghindar Teknik Informatika di Perguruan
halangan. Teknik Elektro.Universitas Indonesia.Jakarta. Tinggi STMIK Adhi Guna.
VIII. RIWAYAT PENULIS
Kevin Gerald Vergiawan T.

Lahir di Kota Manado, 5 Agustus
1994.saat ini Sedang Menempuh S1
Program Study Sistem Informasi di
Perguruan Tinggi STMIK Adhi
Guna.
160
Perancangan Kerangka Robot Humanoid

Erwani M.S., Daniel S., Gema Albadi Irman, Muliady
Penelitian ini dibiayai oleh Kementrian RistekDikti dalam program Hibah Bersaing 2016.
Erwani M.S., Jurusan Teknik Elektro - Universitas Kristen Maranatha, Bandung (erwanimerry@gmail.com)
Daniel S., Jurusan Teknik Elektro - Universitas Kristen Maranatha, Bandung (daniel.sk@eng.maranatha.edu)
Gema Albadi Irman, Jurusan Teknik Elektro - Universitas Kristen Maranatha, Bandung (tutuku_nusantara@yahoo.co.id)
Muliady, Jurusan Teknik Elektro - Universitas Kristen Maranatha, Bandung (mld_ang@yahoo.com)
Abstract -- Dewasa ini, perkembangan teknologi dapat berjalan dengan seimbang.

robot berjalan sangat cepat, salah satunya perkembangan Tahun 1998, terdapat artikel yang menuliskan
robot manusia atau yang lebih dikenal dengan sebutan bahwa robot bipedal dengan 7 sambungan dengan
robot humanoid. Dalam artikel ini dibahas tentang menambahkan sistem kontrol keseimbangan pada saat
perancangan kerangka robot humanoid yang ukurannya robot berjalan[1]. Tahun Tahun 2006, tim peneliti telah
lebih besar dibandingkan kerangka robot DARwIn-OP berhasil merancang dan membuat robot humanoid
dengan perbandingan 4:3. Kerangka robot yang bipedal yang dapat bergerak seperti manusia yang disebut
dirancang mempunyai titik pusat massa yang berada pada dengan robot DARwIn[2]. Tahun 2014 Robot humanoid
area Support Polygon, sehingga kerangka robot yang EROS dari Indonesia dirancang dengan ketinggian 55 cm,
dirancang dapat dikatakan stabil. lebar 21 cm, dan berat 4.25 kg dengan 22 derajat
Key Words: robot humanoid, DARwIn-OP, titik kebebasan [3].
pusat massa, Support Polygon Aplikasi robot humanoid di masa depan akan
banyak sekali, namun untuk merealisasikan robot
humanoid jauh lebih kompleks dan mahal dari jenis robot
I. PENDAHULUAN lain, sehingga untuk tahap awal perlu dilakukan
penelitian untuk merealisasikan robot humanoid dalam
T EKNOLOGI robot biped merupakan salah satu
teknologi robot yang terus berkembang dan sekarang
telah banyak digunakan dalam berbagai aplikasi. Robot
skala lebih besar sedikit (60 cm) yang dapat dijadikan
sebagai model, dengan keseimbangan berjalan yang baik
biped adalah salah satu jenis robot humanoid yang pada di berbagai permukaan. Prototip yang dibuat mengacu
umumnya minimal memiliki bentuk sepasang kaki untuk pada referensi struktur robot humanoid DARwIn
berjalan. Robot diharapkan dapat berjalan seimbang dan (Dynamic Anthropomorphic Robot with Intelligence),
dapat bergerak menuju objek yang diinginkan, sehingga yang dibuat sehingga berukuran yang lebih besar.
ke depannya robot dapat digunakan untuk membantu
manusia. Pembuatan robot berdasarkan kemampuan II. PERANCANGAN
bekerja dalam lingkungan yang sama dengan manusia Perancangan konstruksi robot dimulai dengan
menjadi fokus peneliti. Dengan perkembangan teknologi konsep dasar konstruksi robot humanoid [4], dilanjutkan
elektronika, dan mekanika, maka sekarang dapat dibuat dengan mengacu pada struktur robot humanoid DARwIn,
robot dengan bentuk seperti manusia yang populer dan diakhiri dengan perancangan robot humanoid yang
dengan nama robot humanoid. ukurannya lebih tinggi (60 cm) dari robot DARwIn.
Kebutuhan akan robot dalam membantu kehidupan Menurut [4], memposisikan robot biped seperti robot
manusia ke depannya sangat dibutuhkan, bahkan dalam humanoid dapat dilakukan dalam 3 bidang dasar yang
kehidupan sosial manusia. Maka robot yg diperlukan saling tegak lurus, yaitu Frontal plane (bidang yang
adalah robot yang dapat beraktifitas di lingkungan sejajar dengan bidang (y,z)), Sagittal plane (bidang yang
manusia, tanpa harus menyediakan lingkungan khusus sejajar dengan bidang (x,z)), dan Transverse plane
buat robot tersebut. Untuk itu banyak peneliti mulai (bidang yang sejajar dengan bidang (x,y)), seperti
membuat robot humanoid yang berbentuk seperti ditunjukkan pada Gambar 1.
manusia, dengan anggota gerak seperti manusia, namun
tingkat kesulitannya sangat tinggi, baik dari faktor
banyaknya motor penggerak yang dipakai maupun
kompleksitasnya. Salah satu yang sampai saat ini banyak
diteliti adalah bagaimana membuat robot humanoid yang
dibuat lebih tinggi dari robot yang banyak dijual yang
161
sebuah bidang yang dibentuk di dalam atau di antara

penopang badan suatu robot (kasus pada robot biped
adalah penompang kedua kaki atau di antaranya) [4].
DARwIn-OP (Dynamic Anthropomorphic Robot
with Intelligence - Open Platform) merupakan robot
humanoid yang dirancang untuk mendukung aktifitas
pendidikan dan penelitian dalam bidang robotic.
DARwIn-OP memiliki daya kemampuan komputasi
yang baik, sensor yang canggih, dan kemampuan gerak
yang dinamis. Selain itu, DARwIn-OP bersifat open
platform yang artinya robot ini bebas dilakukan
pengembangan tanpa terikat lisensi. DARwIn-OP
merupakan robot humanoid yang dikembangkan dan
Gambar 1. Anatomical Position pada Robot Humanoid [1] diciptakan oleh sebuah pabrik robot Korea Robotis yang
bekerja sama dengan Virginia Tech, Purdue University,
Phase of Periodic Gait [4] ditunjukkan pada dan University of Pennsylvania. DARwIn-OP memiliki
Gambar 2, yaitu fase yang menggambarkan tentang 20 derajat kebebasan yang digerakkan oleh motor servo
pengulangan sikap berjalan yang tetap suatu robot yaitu DYNAMIXEL MX-28. Ketinggian yang dimiliki
: DARwIn-OP adalah 45,5 cm dan massa yang dimilikinya
Double Support (DS) adalah fase saat robot biped adalah 2,8 kg [2].
berada dalam kondisi menopang beban badannya dengan Konstruksi robot humanoid yang dirancang
kedua kaki di atas permukaaan lantai. mengacu pada konstruksi robot humanoid DARwIn-OP
Pre-Swing adalah fase saat robot mengambil dengan memperhatikan Phase of Periodic Gait dan aspek
ancang-ancang untuk melangkahkan salah satu kakinya kestabilan. Konstruksi robot humanoid ini dirancang
Single Support (SS) adalah fase ketika robot biped memiliki ukuran yang lebih besar dari DARwIn-OP
menopang bebannya di atas permukaan lantai hanya dengan perbandingan 4:3. Dalam perancangan ukuran
dengan salah satu kakinya. setiap bagian kerangka tidak dapat langsung dibuat
Post-Swing adalah fase saat robot berhasil dengan ukuran 4:3, tetapi jarak antar titik geraknya yang
mengayunkan kakinya ke depan dan kaki lainnya memiliki perbandingan tersebut. Hal ini dilakukan agar
menopang segala beban dan gaya yang diterima. tetap menjaga proporsional dengan robot DARwIn-OP
sehingga diharapkan pengaruh faktor kinematik dan
sebagainya tidak jauh berbeda. Oleh sebab itu ada
beberapa perubahan yang signifikan ketika merancang
ulang ukuran setiap bagian kerangka pada robot.
Kerangka pada bagian badan sebagai tempat untuk
meletakkan single board computer dibuat lebih besar dari
4:3 karena disesuaikan dengan ukuran single board
computer yang digunakan. Kerangka pada kaki dan
tangan robot ukurannya disesuaikan dengan motor
aktuator yang digunakan sehingga perbandingan jarak
antar titik geraknya tetap sebesar 4:3. Penyesuaian ini
harus dilakukan karena motor aktuator yang digunakan
pada robot yang dirancang berbeda dengan motor
Gambar 2. Phase of Periodic Gait [4] aktuator yang digunakan oleh DARwIn-OP. Motor
aktuator yang digunakan adalah 8 motor DYNAMIXEL
Perancangan robot biped dan setiap bagian aktuator MX-28 dan 12 motor DYNAMIXEL MX-64. Motor
beserta kontrolernya harus memperhitungkan aspek aktuator DYNAMIXEL MX-28 masih tetap diletakkan
kestabilan agar robot tersebut tidak jatuh atau tergelincir. pada bagian tangan robot, sedangkan pada bagian kaki
Suatu gait dikatakan stabil apabila robot dapat melakukan robot digunakan motor aktuator DYNAMIXEL MX-64.
kontak antara permukaan lantai dengan kedua kakinya Motor aktuator DYNAMIXEL MX-64 memiliki
tanpa bantuan penopang lain. Selain itu kestabilan robot kemampuan torsi yang lebih tinggi agar dapat menopang
juga dapat dilihat dari titik pusat massanya apakah berada beban robot yang lebih berat. Gambar 3 dan Gambar 4
dalam batas Support Polygon (SP). Support Polygon merupakan perbandingan rancangan dan ukuran robot
adalah batas minimal suatu daerah yang diwakili dengan DARwIn-OP dan Robot Humanoid yang dibuat.
162
Gambar 3. Ukuran Robot DARwIn-OP [2]
(a) (b)
71
cm
60 (c)
cm Gambar 5. Titik pusat massa dari 3 bidang dasar yang
saling tegak lurus
(a) Frontal plane (b) Sagittal plane (c) Transverse
plane
Dari Gambar 5 dapat dilihat bahwa titik pusat massa
Gambaran 4. Bentuk Rancangan dan Ukuran Robot Humanoid berada pada area Support Polygon sehingga dapat
dikatakan bahwa robot yang dirancang stabil.
III. HASIL PERANCANGAN DAN PEMBAHASAN Nomor part kerangka robot yang dirancang
Perancangan dilakukan dengan bantuan Solidworks ditunjukkan pada Gambar 6. Ukuran dimensi masing-
untuk menentukan titik pusat massa dari 3 bidang dasar masing part kerangka robot sesuai dengan nomor part
yang saling tegak lurus, yaitu Frontal plane, Sagittal pada Gambar 6, ditunjukkan pada Tabel 1.
plane, dan Transverse plane, seperti ditunjukkan pada
Gambar 5.
163
Gambar 6. Nomor Part Kerangka Robot
TABEL 1.
UKURAN DIMENSI PART KERANGKA ROBOT YANG DIRANCANG
No. Part Ukuran Dimensi
Nama Part Kerangka Gambar 7. Hasil Perancangan Kerangka Robot tanpa Motor
Kerangka (mm)
Aktuatornya pada Solidworks
1 Head bracket 34 x 80 x 61
2 Neck bracket 45 x 25 x 35
Chest Actuator
3 33 x 44 x 5,9
Connector
4 Upper Chest Bracker 155 x 116 x 51
5 Lower Chest Bracket 155 x 120 x73
6 Mounting Bracket 40,2 x 56.1 x 5
7 Battery Bracket 75,6 x 120 x 41
8 Battery Cover Bracket -
Back Left Pelvic
9L 40 x 26,6 x 41
Bracket
Back Right Pelvic
9R 40 x 26,6 x 41
Bracket
Angled Actuator 34,29 x 45.5 x
10
Bracket 36,74
11 Arm Actuator Mount 34 x 34 x 35
12 Hand 33 x 33 x 142.5
13 U-Actuator Bracket 35 x 54.5 x 37
14 Leg Actuator Mount 38 x 9 x 36
15 Actuator Connector 5,5 x 15,6 x 28
16 Thight Bracket 51 x 48,27 x 75
17 Knee Bracket 51 x 50 x 140
18 Foot 86 x 120 x 6
32 Cable Holder -
Hasil perancangan kerangka robot tanpa motor

aktuatornya dan kerangka robot beserta motor Gambar 8. Hasil Perancangan Kerangka Robot beserta Motor
aktuatornya ditunjukkan pada Gambar 7 dan Gambar 8. Aktuatornya pada Solidworks
164
IV. KESIMPULAN V. REFERENSI

Kerangka Robot Humanoid berhasil dirancang [1] Elliot Nicholls, “Bipedal Dynamic Walking in Robotics Honours
Thesis”, The University of Western Australia Department of
dengan mengacu pada kerangka Robot DARwIn dan 3 Electrical and Elecronic Engineering, October 26, 1998.
bidang dasar yang saling tegak lurus, yaitu Frontal plane, [2] ASME, “Design of a Bipedal Walking Humanoid Robot”, Student
Sagittal plane, dan Transverse plane. Kerangka robot Mechanism Design Competition, 2006
[3] Ahmad Subhan Khalilullah, Ardiansyah Al Faroug,etc, EROS
yang dirancang mempunyai ukuran yang lebih besar
TEAM, “ Team Description for Humanoid KidSize League of
dibandingkan kerangka Robot DARwIn dengan Robocup 2014”, ER2C, PENS, Surabaya, 2014
perbandingan 4:3. Robot yang dirancang stabil, karena [4] MHP Dekker, “ Zero-Moment point Method For Stable Biped
mempunyai titik pusat massa yang berada pada area Walking”, Dept of Mechanical Engineering, Eindhoven
University of Technology, The Netherlands, July 2009.
Support Polygon.
Robot yang dirancang akan direalisasikan yang VI. BIOGRAFI
nantinya akan dikembangkan menjadi robot yang mampu
Erwani Merry Sartika, lahir di Bandung Indonesia, pada
bergerak menuju lokasi yang diinginkan, dan sebagai
tanggal 19 Januari 1971. Lulus S1dari Jurusan Teknik Elektro,
tahap awal untuk perancangan robot yang ukurannya Universitas Kristen Maranatha di Bandung Indonesia pada
lebih besar lagi. tahun 1994. Sejak tahun 1995 bekerja sebagai Tenaga Edukatif
Tetap di Jurusan Teknik Elektro, Universitas Kristen
Maranatha. Bidang keahlian yang diminati adalah Sistem
Kontrol. Saat ini aktif di Laboratorium Sistem Kontrol Jurusan
Teknik Elektro Universitas Kristen Maranatha.
165
Pengaplikasian Sensor Compas Magnetometer

HMC5883L pada Navigasi Robot ERSBI
Anton hidayat ST,.MT[1], Fariz Setiadi [2],
Jurusan Teknik Elektro Politeknik Negeri Padang
1) Antonramiati@gmail.com, 2) setiadi_fariz@yahoo.co.id
ABSTRAK - Penunjuk arah merupakan aktifitas untuk pada sekitar robot,seperti actuator robot dapat berefek
mengamati dan mengetahui posisi keadaan.Salah satu cara terhadap output pembacaan dari compass.
penunjuk arah adalah menggunakan kompas.hasil keluaran
pembacaan kompas dapat di tampilkan pada layar atau
monitor.Penelitian ini bertujuan untuk menghasilkan
II. METEDOLOGI
penunjuk atau navigasi sebuah robot ERSB yang di Himpunan Fuzzy
kendalikan oleh Microcontroller.sistem robot keseluruhan Himpunan fuzzy adalah sebuah himpunan yang
terdiri dari Arduino Mega 2560 sebagai sistem utama ,dan terdiri atas elemen-elemen yang mempunyai
Driver Motor H-Bridge L298N,Motor DC dan kompas
HMC5883L.fungsi dari kompas ini untuk mengetahui arah
derajat/tingkat keanggotaan yang bervariasi dalam
utara ,barat,timur dan selatan.Berdasarkan pengujian,robot himpunan itu. Elemen-elemen dalam himpunan fuzzy
akan melakukan perpindahan sesuai dengan control yang di bisa menjadi anggota himpunan fuzzy yang lain dalam
berikan dari output kompas.Delay pengiriman data digital semesta pembicaraan yang sama.Jika A adalah sebuah
kompas berdasarkan control clock di kompas yang himpunan fuzzy, maka elemen-elemen himpunan fuzzy
mempengaruhi pengiriman data serial.Pembacaan output A akan dipetakan pada bilangan real dengan interval dari
kompas berdasarkan nilai 0o -360o. Kecepatan keluaran
maksimal data hingga 160 Hz.
0 sampai 1. Jika x adalah salah satu elemen dalam semesta
Kata kunci : Kompas, Microcontroller, Robot pembicaraan dan juga merupakan anggota dari himpunan
fuzzy A, maka pemetaannya diberikan oleh persamaan
 A  x   0,1
I. PENDAHULUAN
HMC5883L merupakan module compass (2.26)
elektronik\ yang bisa bermanfaat untuk navigasi arah
robot dan juga navigasi control yang lainnya selain itu
,HMC5883L merupakan sensor Compas magnetometer Ketika X adalah diskrit dan berhingga, maka himpunan
Triple Axis GY-273 ini menggunakan chip Honeywell fuzzy A dinotasikan oleh Persamaan.
HMC5883L yang merupakan chip untuk mendeteksi   x   x     x 
medan magnet lemah [8].sensor ini dapat mengukur A   A 1  A 2  ...   A i 
 x1 x2   i xi 
medan magnet antara 1.3~8 gauss untuk aplikasi Jika X adalah kontinyu dan tidak berhingga, maka
kompas dan magnetometer.Menggunakan interface I2C himpunan fuzzy A dinotasikan oleh Persamaan.
,sensor ini mudah digunakan bersama Arduino atau
Raspberry PI,karena dapat berkerja di 3V hingga 5V.Pada
kesempatan kali ini HMC5883L di serial kan dengan   x 
Arduino Mega 2560. Pengiriman data dari compass ke A   A 
 x 
arduino memiliki kecepata pengiriman data maksimal
sebesar 160 Hz. 
Pada pengiriman data serial dari HCM5883L di
1 A
peroleh nilai outputnya berupa nilai derjat,nilai derjat
yang di peroleh dapat diambil sesuai arah dengan mata 0
x
angin yang di butuhkan seperti Utara, Barat, Timur dan

selatan . pada robot ERSB sensor HMC5883L Gambar 1. Fungsi keanggotaan untuk himpunan Fuzzy
bermanfaat untuk pergerakan arah robot,dengan actuator ( Yan, 1994 )
motor 12 V DC dengan driver mosfet,yang kapasitas arus Fungsi keanggotaan (Membership Functions (MF))
maksiamal berkerja sebesar 3A.kelemahan pada sensor seperti yang telah dijelaskan sebelumnya digunakan
HMC5883L ini terhadap medan magnet yang berada dalam merepresentasikan himpunan fuzzy. Fungsi
166
keanggotaan dapat didefinisikan secara numerik dan 7. Menggunakan antar muka I2C yang dapat
fungsional. Secara numerik apabila digunakan untuk dihubungkan dengan berbagai macam sistem
merepresentasikan himpunan fuzzy pada domain diskrit, mikrokontroler
sedangkan secara fungsional jika setiap elemen di 8. Memiliki dimensi modul yang kecil dan ringkas
himpunan semesta memiliki nilai keanggotaan. salah sehingga mudah ditempatkan pada berbagai aplikasi
satunya fungsi keanggotan yang digunakan adalah
Fungsi segitiga
(x; b, c)
0 a b c
x
Gambar 2. Fungsi Bentuk Keanggotaan Segitiga ( Yan,
1994 ) Gambar 4. Bentuk fisik compass
HMC5883L
IC hmc5883l ini menerapkan teknologi AMR

(Anisotropic Magnetoresistive). Teknologi AMR
memiliki kelebihan dibanding teknologi sensor magnetik
lainnya. Sensor yang bersifat anisotropik (memiliki
karakteristik berbeda pada arah yang berbeda) ini
merupakan sensor berarah (directional) yang memiliki
presisi dan sensitivitas tinggi, serta menghasilkan
keluaran yang linear dari perubahan sudut orientasi
terhadap sumbu-sumbunya.
Gambar 3. Bentuk gambar struktur logika fuzzy Power Supply

A. Sensor kompas HMC5883L Board Arduino Mega 2560 dapat ditenagai dengan
DT-Sense 3 Axis Compass merupakan suatu modul power yang diperoleh dari koneksi kabel USB, atau via
sensor medan magnet yang mengunakan IC hmc5883l. power supply eksternal. Pilihan power yang digunakan
IC hmc5883l merupakan chip yang didesain untuk akan dilakukan secara otomatisExternal power supply
membaca medan magnet yang cocok untuk aplikasi dapat diperoleh dari adaptor AC-DC atau bahkan baterai,
penunjuk arah dan magnetometry. Contoh aplikasi modul melalui jack DC yang tersedia, atau menghubungkan
ini antara lain untuk sensor pada smartphone, netbook, langsung GND dan pin Vin yang ada di board. Board
sistem navigasi otomatis, serta aplikasi-aplikasi lain yang dapat beroperasi dengan power dari external power
memerlukan pengukuran medan magnet. supply yang memiliki tegangan antara 6V hingga 20V.
Namun ada beberapa hal yang harus anda perhatikan
Spesifikasi dari IC hmc5883l adalah sebagai berikut : dalam rentang tegangan ini. Jika diberi tegangan kurang
1. Memerlukan catu daya 3,3 VDC dengan konsumsi dari 7V, pin 5V tidak akan memberikan nilai murni 5V,
arus yang rendah (hingga100uA). yang mungkin akan membuat rangkaian bekerja dengan
2. Memiliki sensor magnet dengan jenis magnetoresistif tidak sempurna. Jika diberi tegangan lebih dari 12V,
3 sumbu. regulator tegangan bisa over heat yang pada akhirnya bisa
3. Memiliki jangkauan pembacaan medan magnet merusak pcb. Dengan demikian, tegangan yang di
sampai dengan ±8 Gauss dengan resolusi 5 rekomendasikan adalah 7V hingga 12V
miligauss.
4. Memiliki akurasi kompas hingga 1º sampai 2º.
5. Kecepatan keluaran maksimal data hingga 160 Hz
(Single Measurement Mode).
6. Kecepatan keluaran maksimal data 0,75 Hz s.d. 75
Hz (Continuous MeasurementMode).
167
Input dan Output (I/O)

Beberapa in lainnya pada board ini adalah :
Chip microcontroller ATmega 2560  AREF. Sebagai referensi tegangan untuk input
analog.
Tegangan operasi 5v
 Reset. Hubungkan ke LOW untuk melakukan reset
Tegangan input (yang terhadap mikrokontroller. Sama dengan penggunaan
direcumentasikan via jack 7V- 12V tombol reset yang tersedia.
DC )
Tegangan input(limit,via
6 V – 20 V
jack DC)
54 ,6 di antaranya
Digital I/O pin menyediakan PWM
output)
Analog input pin 16 buah
Arusn DC per pin Output 20 mA
256 KB,8 KB telah di
Memory flas gunakan untuk
bootloder
SRAM 8 KB
EEPROM 4 KB
Gambar 5. Arduino Mega 2560
Clock speed 16Mhz
Dimensi 101,5 mm x 53,4 mm
Berat 37 g
Tabel 1. Spesifikasi arduino mega 2560 III. PERANCANGAN SISTEM
Arduino Mega 2560 memiliki jumlah pin terbanyak A. Blog Diagram

dari semua papan pengembangan Arduino. Mega 2560
memiliki 54 buah digital pin yang dapat digunakan
sebagai input atau output, dengan menggunakan fungsi
pinMode(), digitalWrite(), dan digital(Read). Pin-pin
tersebut bekerja pada tegangan 5V, dan setiap pin dapat
menyediakan atau menerima arus sebesar 20mA, dan
memiliki tahanan pull-up sekitar 20-50k ohm (secara
default dalam posisi disconnect). Nilai maximum adalah
40mA, yang sebisa mungkin dihindari untuk menghindari
kerusakan chip mikrokontrollerArduino Mega 2560 R3
memiliki 16 buah input analog. Masing-masing pin Gambar 6. Blog diagram
analog tersebut memiliki resolusi 10 bits (jadi bisa
memiliki 1024 nilai). Secara default, pin-pin tersebut
diukur dari ground ke 5V, namun bisa juga menggunakan
pin AREF dengan menggunakan fungsi
analogReference().
168
B. Flow Chart Pembacaan compass = posisi “ X”
Start  Camera raspberry(input)

Medeteksi bola jika ada atau tidak di depan
camera.
 Motor(output)
inisialisa
si
Terima data serial
compas
Kirim sinyal ke aktuator

Keterangan :
-1 = A 0= B 1= C
Pembacaan output= “Z”
stop Rull untuk penyelesaian
 Jika camera baca bola,compass kiri,maka motor
Gambar 7 .flowchart belok kanan.
 Jika camera baca bola,compass kanan,maka motor
IV. PEMBAHASAN belok kanan.
 Jika camera baca bola,compass tujuan,maka motor
Aturan Fuzzy:
lurus.
1. fuzzy fication / pengubahn nilai
Berdasarkan rull di atas di peroleh sistematikanya:
2. fuzzy imperent
Inpout copas:
3. fuzzy fication
U1= X-K/N-K
pada pembahasna ini mengatur agar robot terus
U2= N-X/N-K
menggiring dan shot kearah gawang lawan di mana titik
U3= X-N/M-N
compass yang di tentukan untuk gawang lawan160 o
U4= M-X/M-N
sampai 200o.,seperti terlihat di bawah ini : Output motor:
U I = Z-A/B-A
U I/II = B-Z/B-A
U II/III = Z-B//C-B
U IV = C-Z/C-B
Gambar 8 . kestabilan erorr Keterangan = U1,U2,U3,U4= hasil dari compass
Sehingga dapat di cari nilai Z dengan persamaan
Input: 1. Z 1= U I (B-A)+ A……(1)
- Camera
2. Z2= B – U I/II (B-A)…….(2)
- Sensor HMC5883L
3. Z3=UII/III(C-B) +B……..(3)
Output : 4. Z4= C – UIV(C-B)……….(4)
- Motor
Maka Ztotalnya(Zt) :
 Compass HMC5883L(input) Zt untuk ke anggotaan lurus dan belokkiri
Zt = U1.Z1+U2Z2/U1+U2…..(1)
Zt untuk ke anggotaan lurus dan belok kanan
Zt = U3.Z3+U4Z4/U3+U4
Gambar 9 . seting point nilai compas

Keterangan:
160 = K 180 = N 200= M Contoh Hasil Pengujian:
169
ada kumparan yang di aliri arus ,itu bisa membuat output

sensor eror.Maka dari itu penggunaan sensor HMC5883L
tidak boleh dekat dengan benda penghatar yang
baik(konduktor).
VI. DAFTAR PUSTAKA

[1] http://cara.pro/contoh-cara-
membuat-tugas-paper-kuliah-yang-baik/
[2] http://ecadio.com/belajar-dan-mengenal-arduino-
mega
[3] http: //hengkikristiantoateng.blogsp
Gambar 10. Hasil pembacaan compass di serial ot.com/2014/02/cara-membuat- makalah-yang-
monitor arduino baik- dan-benar.html
[4] http: //kursuselektronikaku.blogspot.co.i
V. KESIMPULAN d/2014/09/membuat-alat-penunjuk-arah- atau-
Berdasarkan materi dan hasil penelitian aplikasi kompas.html
sebuah sensor kompas yang menetukan arah utara barat [5] https://learn.adafruit.com/adafruit-hmc5883l-
timur dan selatan ,dengan menggunakan sebuah modul breakout-triple-axis-magnetometer-compass-
HMC8553l yang terhubung dengan microcontroller. sensor/wiring-and-test
Pengiriman data serial pada compass HMC5883L [6] http://pdf1.alldatasheet.com/datasheet-
memiliki clock dan timer agar pembacaan sampai ke pdf/view/428790/HONEYWELL/HMC5883L/+32
JJ-3V.MM./1ZHOPfxul.pIGZ+/datasheet.pdf
microkontroler.Dampak dari penggunaan sensor compass
[7] https:// splashtronic.wordpress.com/2013/10/2
ini yaitu pembacaan output tidak sesuai dengan hasil yang
plashtronic.wordpress.com/2013/10/2
terbaca sebelunya,jika ada pengaruh medan magnet yang [8] http://ecadio.com/jual-sensor-kompas
kecil ,seperti pengaruh medan magnet motor DC dimana -hmc5883l.
170
Implementasi Metode Houghcircles Dan

Houghlines Pada Pengolahan Citra Robot
Sepakbola
Anton Hidayat1) Alex Sandra2) Ahmad Kurnia3)
Jurusan Teknik Elektro Politeknik Negeri Padang Kampus Limau Manis Padang
E-mail Antonramiati@gmail.com, alex tc44@rocketmail.com, ahmadkurnia@hotmail.co.id
ABSTRAK - Robot sepakbola adalah salah satu untuk mengenali bola dan gawang adalah dengan
kriteria robot yang diperlombakan di Indonesia. Robot menentukan warna objek dan warna selain objek. Namun
sepakbola harus mampu mengenali bola, mengejar bola cara ini dirasakan kurang efisien karena banyak benda-
dan menendang kearah gawang lawan untuk menciptakan benda lain memiliki warna yang sama dengan bola
gol. Pengolahan citra digital pada robot sepakbola selain ataupun gawang.
harus bisa mengetahui bola dan gawang berdasarkan Dalam pendeteksian bola dan gawang dibutuhkan
warna, robot juga harus dapat mengetahui bola dan suatu metode untuk meminimalkan kesalahan dalam
gawang berdasarkan bentuk. Metode houghcircles memprediksi objek. Alasan inilah yang menjadi daya
merupakan metode transformasi yang dapat digunakan tarik penulis untuk mengangkatkan judul “Implementasi
untuk mendeteksi lingkaran dan elips pada citra digital. Metode Houghcircles dan Houghlines pada Pengolahan
Metode houghlines merupakan metode transformasi yang Citra Robot Sepakbola” sebagai bahan tulisan untuk
dapat digunakan untuk mendeteksi garis lurus pada citra ISRSC. Penulis berharap implementasi metode ini dapat
digital. Dengan penerapan kedua metode tersebut, robot menambah pemahaman pembaca tentang
dapat memilih objek yang dicari walaupun banyak objek pengimplementasian pengolahan citra digital didunia
memiliki warna yang sama di lapangan. Dalam hal ini, robotika.
penulis menyediakan algoritma dan pembahasan dari
hasil pengujian pengimplementasian metode II. METODELOGI
houghcircles dan houghlines pada robot sepakbola untuk A. Houghlines
mengenali bola berwarna orange dan gawang berwarna Houghlines digunakan untuk mendeteksi garis lurus
kuning. pada citra. Pendeteksian ini dilakukan dengan memeriksa
Kata kunci (keywords) : Kata kunci: houghcircles, setiap piksel (𝑥𝑖 ,𝑦𝑖 ) pada citra, semua garis lurus yang
houghlines, robot sepakbola, Pengolahan Citra. melewati titik tersebut dan memenuhi persamaan:
𝑦𝑖 = 𝑚𝑥𝑖 +
I. PENDAHULUAN
𝑐 …………………...………………....(12)
Mata merupakan indera yang sangat penting dalam Dimana:
kehidupan sehari-hari. Dengan mata makhluk hidup dapat 𝑦𝑖 = koordinat titik terhadap sumbu y
mengetahui benda apa yang ada didepannya berdasarkan 𝑥𝑖 = koordinat titik terhadap sumbu x
warna dan bentuk benda tersebut, hingga dengan mata, m = gradien atau kemiringan
makhluk hidup dapat memperkirakan jaraknya ke benda c = konstanta
tersebut. Sistem visual buatan atau vision system untuk menentukan nilai kemiringan garis disimpan
(computer vision) adalah suatu sistem yang mempunyai pada matriks (𝑚, 𝑐), seperti pada gambar berikut.
kemampuan untuk menganalisis objek secara visual,
setelah data objek yang bersangkutan dimasukkan dalam
bentuk citra (image)[1]. Disiplin ilmu yang melahirkan
teknik-teknik untuk pengolahan citra ini dinamakan
pengolahan citra digital (digital image processing)[3].
Robot sepakbola merupakan salah satu
implementasi dari pengolahan citra digital, dimana robot
harus dapat mengenali objek bola, gawang dan Gambar 12. Titik (𝑥𝑖 , 𝑦𝑖 ) dalam ruang (x,y)
lingkungan atau lapangan. Cara yang paling sederhana
171
Jika variable tadi dibalikkan sesuai nilai (𝑚, 𝑐) dan 𝜃 = sudut yang dibentuk antara objek
titik koordinat (𝑥𝑖 , 𝑦𝑖 ) garis dengan sumbu x dan r
𝑐 = 𝑦𝑖 − 𝑚𝑥𝑖 …...…………………….....(13)
Sehingga diperoleh garis berikut:
y 𝜃
(𝑟, 𝜃)
Gambar 13. Garis dalam ruang (m,c) r
Pada titik ini akan lebih mudah untuk melihat 𝜃

x r
perbedaan garis berdasarkan titik (𝑥𝑖 , 𝑦𝑖 ) yang
berkoresponden pada satu titik garis pada ruang (𝑚, 𝑐). Gambar 15. Representasi polar dari garis lurus
Kemudian dipertimbangkan dua piksel P1 dan P2
untuk menentukan titik mana yang merupakan garis yang
sama pada ruang (𝑥, 𝑦) . untuk setiap piksel,
merepresentasikan kemungkinan garis meskipun itu satu
garis pada ruang (m,c).
Gambar 16. Houglines

Gambar 14. Titik P1 dan P2
Langkah-langkah pendeteksian garis adalah

sebagai berikut: B. Houghcircles
a. Menemukan semua titik tepi pada citra dengan Transformasi Hough dapat juga digunakan untuk
menggunakan operator deteksi tepi mendeteksi bentuk lingkaran didalam citra tepi.
b. Ruang (m,c) di kuantisasikan kedalam matriks Persamaan lingkaran yang berpusat di titik (a,b) dengan
dua dimensi H dengan nilai kuantisasi yang jari-jari r adalah
tepat (𝑥 − 𝑎)2 + (𝑦 − 𝑏)2 = 𝑟 2 ………………(15)
c. Inisialisasikan matriks H dengan nol Dimana:
d. Setiap elemen matriks H, 𝐻(𝑚𝑖 , 𝑐𝑖 ), dimana x = koordinat titik tepi lingkaran
ditemukan titik yang berkoresponden dengan terhadap sumbu x
titik tepi ditambah 1. Hasil penjajakan matriks y = koordinat titik tepi lingkaran
menunjukkan frekuensi titik tepi yang terhadap sumbu y
berkoresponden. a = koordinat titik pusat lingkaran
e. Histogram H di thresholding dimana hanya b = koordinat titik pusat lingkaran
nilai yang lebih besar dari thresholding yang r = jari-jari lingkaran
diambil. Jadi, ruang parameter untuk lingkaran adalah r-a-b,
Model parametrik pada persamaan diatas tidak dapat sehingga matriks trimatra P(r,a,b) dibutuhkan untuk
digunakan untuk mendeteksi garis vertikal atau hampir menyimpan perhitungan suara. Persamaan polar untuk
vertikal karena gradiennya (m) menuju nilai tak setiap titik (x,y) di lingkaran:
berhingga. Karena itu, garis dinyatakan dalam 𝑥 = 𝑎 + 𝑟 cos θ ………………………...(16)
representasi polar [4]: 𝑦 = 𝑏 + 𝑟 sin 𝜃 …………………………(17)
𝑟 = 𝑥 cos 𝜃 +
𝑦 sin 𝜃 ………...…………(14) Dimana:
Dimana: θ = sudut pembentukan lingkaran
Persamaan diatas dapat ditulis menjadi
x dan y = titik koordinat yang
persamaan
menyusun objek garis
𝑎 = 𝑥 − 𝑟 cos θ ………………………...(18)
r = jarak garis ke titik (0,0)
𝑏 = 𝑦 − 𝑟 sin 𝜃 ………………………....(19)
172
Pada operasi deteksi tepi. Selain magnitude piksel bernavigasi menentukan arah gawang lawan dan arah
tepi, juga dihasilkan arah tepi, θ. Karena itu, cos θ dan sin gawang tim sendiri.
θ dapat dihitung. Mini PC Raspberry-PI digunakan sebagai
pengolahan citra, accelero meter dan kompas. Setiap
kondisi dikirim secara realtime ke modul mikrokontroller
CM-510 dengan komunikasi RS232.
Modul mikrokontroller digunakan sebagai
penggerak motor servo, setiap gerakan seperti berjalan,
berbelok, menendang, dan sebagainya disimpan disini.
Algoritma untuk mengeksekusi kondisi yang
berhubungan dengan gerakan juga dilakukan di modul
ini, Modul ini deprogram dengan software Roboplus Task
Gambar 17a. Proses penumpukan suara untuk dan Roboplus Motion. setiap gerakan dilakukan sesuai
mendeteksi lingkaran data yang diterima dari Raspberry-PI. Gerakan robot
distabilkan oleh sensor gyro bioloid yang akan meredam
setiap goncangan yang menyebabkan robot terjatuh
ataupun tidak stabil.
Aktuator motor servo melakukan gerakan sesuai
instruksi yang diberikan oleh modul CM-510. Motor
servo yang digunakan adalah servo serial yang
menggunakan komunikasi UART.
B. Perancangan Software
1) Algoritma
Algoritma adalah urutan langkah-langkah logika
Gambar 17b. Houghcircles yang menyatakan suatu tugas dalam menyelesaikan suatu
masalah. Algoritma haruslah memenuhi kriteria sebagai
III. PERANCANGAN SISTEM berikut:
A. Blok Sistem 1. Ada masukan dan keluaran
Blok diagram robot menggambarkan hubungan dari 2. Efektivitas dan efisien
setiap rangkaian yang digunakan oleh robot, baik itu 3. Terstruktur
sensor, prosesor hingga output yang berupa aktuator a) Algoritma Pendeteksian Bola dengan Metode
Houghcircles
motor servo.
Algoritma pendeteksian bola dengan menggunakan
metode Houghcircles adalah sebagai berikut:
1. Pengambilan citra analog dengan kamera
2. Noise pada citra dihilangkan dengan filter
gausian blur
3. Citra RGB yang diperoleh dikonversikan ke
HSV
4. Melakukan proses thresholding terhadap
citra HSV sesuai batasan nilai H, S dan V
yang di tetapkan
5. Melakukan deteksi tepi dengan operator
Canny
6. Melakukan proses Houghcircles dengan
Gambar 18. Blok Diagram Sistem Robot Soccer menentukan rho, theta, threshold, serta
ukuran lingkaran minimal dan maksimal
Kamera digunakan sebagai sensor dalam 7. Jika display = True, tampilkan lingkaran
pengambilan citra analog dan merubahnya menjadi sinyal dan citra asli
listrik digital sehingga dapat diolah oleh mini PC. 8. Kirimkan koordinat pusat lingkaran ke
Sensor accelero meter digunakan untuk mendeteksi modul CM-510
keadaan robot berdiri atau sedang terjatuh, sensor IMU Pengambilan citra dilakukan secara realtime, namun
memiliki komunikasi I2C sehingga dapat digunakan setiap pengambilan 1 citra dilakukan tahapan pengolahan
dengan memanfaatkan fitur serial Raspberry-PI. yang sama. Citra yang diperoleh dengan software Python
Kompas IMU digunakan sebagai sensor untuk 2.7 memiliki format BGR (Blue, Green, Red). Citra warna
173
tersebut memiliki banyak derau sehingga perlu dilakukan dilakukan gerakan eksekusi, perintah gerakan dikirimkan
penyaringan noise dengan filter Gaussian blur. Untuk ke CM-510.
dapat membedakan warna objek dengan warna selain
objek dilakukan proses thresholding, dimana hanya citra IV. 4. HASIL PENGUJIAN
yang memiliki nilai tertentu saja yang di ambil, namun
citra warna BGR memiliki perbedaan warna yang kurang Pengujian dari penerapan metode houghcircles dan
mencolok terhadap perbedaan nilai sedikit dan perlu houghlines dilakukan dengan menampilkan citra pada
dikonversikan ke citra HSV terlebih dahulu. Dilakukan tiap-tiap proses, membandingkan objek bola dengan
deteksi tepi terhadap citra biner untuk memperkecil titik objek lain yang memiliki bentuk tidak bulat namun
pendeteksian. Setelah citra objek dan yang bukan objek memiliki warna sama, membandingkan objek gawang
dipisahkan sesuai warna, dilakukan pencarian lingkaran dengan objek lain yang memiliki bentuk tidak sama
dengan metode Houghcircles dengan menentukan rho, dengan gawang namun juga memiliki warna sama dengan
theta, threshold, dan ukuran minimal dan maksimal gawang.
lingkaran yang akan dideteksi. Dari pencarian tersebut, Proses pengujian dibagi menjadi beberapa bagian,
jika lingkaran dideteksi maka akan diperoleh titik yaitu:
koordinat pusat lingkaran. Titik koordinat ini akan 1. Pengujian thresholding warna bola dan gawang
menentukan berapa perubahan gerakan leher robot untuk 2. Pengujian pendeteksian tepi bola dan gawang
melakukan tracking bola, dan gerakan yang akan 3. Pengujian pendeteksian bentuk bola dan gawang
dilakukan tergantung dari tindakan yang dikirimkan ke 4. Pengujian respon robot terhadap koordinat bola
kontroller CM-510. dan gawang
b) Algoritma Pendeteksian Gawang dengan Metode A. Pengujian

Houghlines 1) Pengujian Thresholding Warna Bola dan
Algoritma pendeteksian gawang dengan Gawang
menggunakan metode Houghlines adalah sebagai berikut: Pengujian thresholding warna dilakukan dengan
1. Pengambilan citra analog dengan kamera melakukan pengaturan batas-batas nilai HSV bola dan
2. Noise pada citra dihilangkan dengan filter gawang pada citra. Sebelum di lakukan thresholding,
gausian blur citra BGR (Blue, Green, Red) harus dikonversikan dulu
3. Citra RGB yang diperoleh dikonversikan ke menjadi citra HSV dan didapatkan citra seperti
HSV ditunjukkan oleh gambar 19 dan 20.
4. Melakukan proses thresholding terhadap citra
HSV sesuai batasan nilai H, S dan V yang di
tetapkan
5. Mendeteksi tepi objek dengan operator Canny
6. Mendeteksi gawang dengan metode Houghlines
7. Jika gawang terdeteksi, tentukan titik tengah
gawang
8. Jika display = True, tampilkan garis dan citra asli Gambar 19. Citra HSV Bola
9. Kirim koordinat gawang ke modul CM-510
Pengambilan citra analog dilakukan untuk mengetahui
kondisi terbaru terhadap posisi robot dan melakukan
pencarian gawang. Citra warna BGR dibersihkan dari
derau dengan filter Gaussian blur, sebelum dilakukan
thresholding, citra BGR tersebut perlu dikonversikan ke
citra HSV karena pada citra HSV perbedaan antar
intensitas warna dapat dilihat dengan jelas. Selanjutnya Gambar 20. Citra HSV gawang
dilakukan thresholding dengan menentukan batasan- Batas-batas minimal dan maksimal nilai HSV
batasan nilai HSV gawang dan dilakukan pendeteksian disesuaikan dengan warna objek hingga hanya objek yang
tepi dengan operator Canny. Setelah citra tepi diperoleh, memiliki warna sama yang tertinggal pada citra.
barulah dilakukan pencarian garis lurus pada citra tepid Tampilan pengaturan batasan HSV ditunjukkan oleh
an dilakukan penyimpanan koordinat garis paling kiri dan gambar 21 dan 21.
paling kanan. Hal ini dilakukan untuk mengetahui
koordinat titik tengah gawang. Koordinat tersebut
menentukan kearah mana robot akan diarahkan dan
174
Pengujian pendeteksian bentuk lingkaran bola

dilakukan dengan menggunakan library houghcircles dan
pendeteksian bentuk gawang dilakukan dengan library
houghlines. Pada pengujian ini didapatkan koordinat
objek yang terdeteksi, kemudian pada koordinat yang
Gambar 21. Pengaturan nilai batas HSV bola
dideteksi tersebut dibuat penanda seperti lingkaran dan
garis baru. Citra hasil yang sudah diberi penanda
ditunjukkan oleh gambar 27 dan 28.
Gambar 22. Pengaturan nilai batas HSV gawang

Setelah ditentukan batasan HSV bola dan
gawang akan diperoleh citra thresholding yang
berupa citra biner. Citra hasil thresholding bola dan
Gambar 27. Citra hasil pendeteksian bola
gawang dapat dilihat pada gambar 23 dan 24.
Gambar 23. Citra Thresholding Bola Gambar 28. Citra hasil pendeteksian gawang
4) Pengujian Respon Robot Terhadap

Koordinat Bola dan Gawang
Pengujian ini dilakukan untuk menetukan berapa
derajat penambahan nilai motor servo robot berdasarkan
koordinat bola. Tujuan dari pengujian ini agar robot bisa
Gambar 24. Citra Thresholding Gawang menggerakkan kamera di kepala mengikuti arah bola
dengan mengarahkan kamera hingga bola derada di
2) Pengujian Pendeteksian Tepi Bola dan tengah-tengah frame citra. Koordinat yang diperoleh
Gawang dipisahkan antara baris dan kolom, sehingga didapatkan
Untuk meminimalkan piksel objek yang akan koordinat baris menjadi koordinat vertikal terhadap leher
diperiksa dengan houghcircles dan houghlines, maka robot dan koordinat kolom menjadi koordinat horizontal
dilakukan pendeteksian tepi objek pada citra dengan terhadap leher robot. Adapun data-data koordinat yang di
operator Canny. Citra hasil deteksi tepi tersebut ambil dari citra adalah sebagai berikut:
ditunjukkan oleh gambar 25 dan 26.
Tabel 1. Koordinat horizontal bola dan perubahan
nilai servo leher yang diberikan
Gambar 25. Citra Tepi bola
Gambar 26. Citra Tepi gawang
3) Pengujian Pendeteksian Bentuk Bola dan

Gawang
175
b) Untuk mendeteksi bola dengan metode houghcircles,

Tabel 2. Koordinat vertikal bola dan perubahan nilai dilakukan beberapa tahap, yaitu: pengambilan citra,
servo leher yang diberikan pelembutan citra, konversi ke HSV, thresholding,
deteksi tepi dan houghcircles
c) Untuk mendeteksi gawang dengan metode
houghlines, dilakukan beberapa tahap, yaitu:
pengambilan citra, pelembutan citra, konversi ke
HSV, thresholding, deteksi tepi dan houghlines
d) Robot sepakbola menentukan arah objek berdasarkan
koordinat objek pada citra.
VI. DAFTAR PUSTAKA

[1] Ahmad, Usman. (2005). Pengolahan Citra Digital &
V. KESIMPULAN Teknik Pemogramannya. Yogyakarta: Graha Ilmu.
Dari pembahasan implementasi houghcircles dan [2] Munir, Rinaldi. (2004). Pengolahan Citra Digital dengan
Pendekatan Algoritmik. Bandung: Informatika Bandung.
houghlines pada robot sepakbola diatas, dapat
[3] Sutoyo, T dkk. (2009). Teori Pengolahan Citra Digital.
disimpulkan beberapa hal sebagai berikut: Yogyakarta: Andi Offset.
a) Robot sepakbola membutuhkan pengolahan citra [4] OpenCV. 2013. The OpenCV Tutorials Realease 2.4.7.0.
untuk bisa mengenali objek seperti bola dan gawang [5] Putra, Darma. 2010. Pengolahan Citra Digital.
melalui warna dan bentuk objek Yogyakarta: Andi Offset
176
Interpreter Berbasis Webkit Untuk Pembuatan

Robot Berbasis Javascript Dan HTML Pada
Perangkat Kontroller Raspberry Pi
Nirwana, Rifaldi Hi. Taher, Sofyan Saputra
Abstract -- Pada proses pembuatan robot salah satu Pada robot seyogyanya robot dituntut untuk berfikir
kendala yang paling terbesar adalah proses penuangan mirip dengan manusia sehingga dibutuhkan algoritma
algoritma kedalam bahasa pemrograman low level yang sangat kompleks dengan implementasi dari bahasa
(tingkat rendah) dan medium level (tingkat menengah). pemrograman native dengan status bahasa pemrograman
Mudahnya proses pem10buatan aplikasi berbasis Web tingkat rendah (low level programing) hingga
juga mendorong peneliti untuk membuat sebuah pemrograman tingkat menengah (medium level
penerjemah kode (interpreter) untuk pembuatan robot programing). Salah satu kendala dalam implementasi
dengan tehnik pemrograman yang memanfaatkan bahasa tersebut adalah sekian dari berapa banyak pengembang
pemrograman Javascript dan HTML sebagai basis kode robot kesulitan dengan bahasa pemrograman tingkat
sehingga proses penuangan algoritma pada bahasa rendah dan menengah tersebut hal ini mengakibatkan
pemrograman robot menjadi lebih mudah karena bahasa pengembang lambat dalam mengimplementasikan
pemrograman berbasis WEB masuk kedalam bahasa kecerdasannya pada robot. Pada kasus ini dibutuhkan
tingkat tinggi yang mendekati bahasa manusia. Makalah teknik pembuatan robot dibidang bahasa pemrograman
ini berisi uraian terhadap Interpreter yang telah dibuat yang lebih gampang dicerna oleh pengembang
dalam proses pembuatan robot. diantaranya adalah inovasi bahasa pemrograman berbasis
Kata Kunci-- Robot, Web, Interpreter, Raspberry Pi Web yang lebih mudah dikembangkan namun kendala
yang dihadapi adalah pemrograman berbasis Web tidak
I. PENDAHULUAN dapat berinteraksi langsung dengan perangkat layaknya
pemrograman tingkat rendah dan menengah. Dari uraian
P erkembangan teknologi robot saat ini membawa
inovasi baru bagi anak bangsa untuk terus
mengembangkan diri baik dalam hal metode pembuatan,
yang telah dikemukakan bahwa implementasi algoritma
yang sangat kompleks pada robot sepak bola dapat lebih
algoritma kecerdasan (Artificial Intelegence), perangkat mudah jika proses pengembangan algoritma
kontrol dan media komunikasi pada robot. Dari lonjakan menggunakan bahasa pemrograman Web.
pengembangan tersebut makin besar pula sumber daya Salah satu solusi yang tersedia saat ini adalah
yang dibutuhkan robot dari sisi media penyimpanan dengan mengkolaborasikan pemrograman Web dengan
untuk mendukung metoda pembuatan yang efektif dan bahasa pemrograman tingkat rendah dan menengah
cepat. tersebut dengan sebuah interpreter berbasis Webkit yang
Raspberry Pi merupakan perangkat komputer dapat menerjemahkan kode Pemrograman Web sehingga
(mikroprosesor) yang sangat kecil namun dilengkapi dapat berinteraksi langsung dengan General Purpose
dengan fitur melimpah diantaranya adalah General Input Output (GPIO) pada Raspberry Pi sebagai perantara
Purpose Input Output (GPIO), GPIO merupakan salah dalam sistem kontrol robot yang akan dibuat.
satu dari fitur Raspberry Pi yang dapat digunakan sebagai Webkit merupakan salah satu engine rendering
sistem kontrol untuk robot, selain fitur GPIO beberapa untuk kode Hyper Text Markup Languange dan
kemudahan juga ditawarkan dengan besarnya fitur Javascript yang dapat berdiri sendiri sehingga dapat
penyimpanan sehingga pemakaian modul perangkat diciptakan interpreter untuk menerjemahkan kode yang
tambahan dapat dikurangi. dibuat untuk menggerakkan sistem kontrol pada robot.
Nirwana, Teknik Informatika, STMIK Adhi Guna, Palu - Sulawesi Sofyan Saputra, Teknik Informatika, STMIK Adhi Guna, Palu -
Tengah, Telp: (0451) 455530, Fax: (0451) 452920, Email: Sulawesi Tengah, Telp: (0451) 455530, Fax: (0451) 452920, Email:
nirwana.wana26089@gmail.com iank_stc@yahoo.com
Rifaldi Hi. Taher, Teknik Informatika, STMIK Adhi Guna, Palu -
Sulawesi Tengah, Telp: (0451) 455530, Fax: (0451) 452920,
Email:vhaldi.taher@gmail.com
177
II. LANDASAN TEORI A. Model Diagram Interpreter

A. Webkit Pada tahapan pemodelan interpreter yang akan
Webkit merupakan sebuah mesin rendering untuk dibuat maka peneliti menerapakan sebuah diagram
browser dan perangkat lunak lain yang menggunakan sederhana untuk mewakili masing-masing tugas seperti
pada Gambar 3.1.
konten World Wide Web dimana standar seperti HTML
Pada Gambar 3.1 awal mula pembuatan program
dan Javascript[1]. Webkit dilisensikan dibawah
menggunakan bahasa pemrograman Javascript kemudian
lindungan BSD sehingga bebas digunakan[1], teknologi
didalam pembuatan pemrograman terdapat beberapa
webkit dapat diberdayakan dibanyak browser dan Application Programing Interface (API) yang dapat
perangkat mobile saat ini bahkan webkit tertanam pada dimanfaatkan sebagai media kontrol untuk robot. Setelah
ribuan aplikasi berbasis Hybrid dan dapat berjalan pada proses perancangan program selesai selanjutnya adalah
Linux, Mac dan Windows. program diterjemahkan pada interpreter yang akan dibuat
Didalam kasus perancangan interpreter webkit untuk kemudian mengontrol raspberry pi melalui fitur
berperan sebagai media penerjemah kode yang dibangun GPIO agar dapat menggerakkan perangkat yang ada
untuk kemudian diolah agar dapat berinteraksi dengan dirobot.
GPIO.
B. Raspberry Pi
Raspberry Pi merupakan sebuah mikro komputer
yang berbasis Broadcom BCM2835 dengan sistem pada
Chip (SoC) dengan gabungan ARM1176JZF-S[2].
Hingga saat ini Raspberry sudah mempunyai 4 versi rilis.
C. Interpreter
Interpreter adalah Perangkat lunak yang mampu
mengeksekusi code program (yang ditulis oleh
programmer) lalu menterjemahkannya ke dalam bahasa
mesin, sehingga mesin melakukan instruksi yang diminta
oleh programmer tersebut. Peri ntah-perintah yang dibuat
oleh programmer tersebut dieksekusi baris demi baris,
sambil mengikuti logika yang terdapat di dalam kode Gambar. 3.2. Arsitektur Interpreter
tersebut.
B. Arsitektur Interpreter
D. Application Programing Interface Adapun arsitektur dari interpreter yang akan dibuat
Application Programming Interface (API) adalah yaitu berjalan diatas sistem operasi IGOS Nusantara versi
sekumpulan perintah, fungsi, komponen, dan protokol ARM dengan garis besar sebagai berikut:
yang disediakan oleh sistem operasi ataupun bahasa C. Perancangan Appliaction Programing Interface
pemrograman tertentu yang dapat digunakan oleh Adapun proses pembuatan API dapat digunakan
programmer saat membangun perangkat lunak. Dalam pada interpreter yang akan dibuat dan dapat digunakan
API terdapat fungsi-fungsi atau perintah-perintah untuk pada proses pembuatan robot mengacu pada Tabel 3.1.
menggantikan bahasa yang digunakan dalam system
calls dengan bahasa yang lebih terstruktur dan mudah
dimengerti oleh programmer[3]. TABEL 3.1
DAFTAR PEMBUATAN API GPIO
No Modul Fungsi Kegunaan
III. METODELOGI 1 write Set Pin Input/Output
2 gpio set Aktif / Non Aktif
3 mode Input/Output
4 begin Baudrate Serial
5 serial send Send Serial Data
6 receive Terima Data Serial

A. Prototipe Robot
Gambar. 3.1. Diagram Model Interpreter
Berdasarkan hasil perancangan maka prototipe
robot yang dihasilkan dapat dilihat pada Gambar 4.1,
pada gambar tersebut Raspberry Pi 2 merupakan pusat
178
sistem kontrol dari semua sensor kemudian terdapat

motor penggerak untuk menggerakkan robot yang telah
dibuat.
B. Pembuatan Kode Program

Berdasarkan tahap uji coba interpreter yang telah
dibuat, maka pembuata program mengacu pada 2
penggunaan Application Programing Interface (API)
yaitu GPIO, kode program robot sebagai berikut.
Berdasarkan kode pada Gambar 4.2 terdapat 4
perintah utama yang dapat dikontrol manual yaitu
perintah maju,mundur, kiri dan kanan. Dimana proses
tersebut terjadi ketika salah satu tombol yang ada
ditempat pengontrolan ditekan.
Setelah kontroler dijalankan maka interpreter yang
Gambar. 4.1. Prototipe Robot terdapat pada Raspberry Pi merespon dengan baik.
C. Eksekusi Kode Program
Berdasarkan API yang telah dibuat maka cara
mengeksekusi program yang telah dibuat berbasis
Gambar. 4.4. Proses Koneksi Dan Penerjemahan Kode Berhasil
JS/HTML dapat dilihat pada Gambar 4.5 Berikut ini.
V. KESIMPULAN
Dari hasil penelitian yang telah dilakukan maka
peneliti menyimpulkan bahwa dengan Interpreter yang
telah dibuat dapat melakukan penerjemahan kode bahasa
Gambar. 4.5. Proses Koneksi Dan Penerjemahan Kode Berhasil
pemrograman Javascript dan Kode HTML atau berbasis

Web untuk memprogram Robot yang berbasis kendali
mikroprosesor Raspberry Pi.
Kesimpulan lain yang juga dapat disimpulkan oleh
peneliti adalah Webkit dapat menjadi perantara sebagai
mesin rendering agar bahasa pemrograman yang dibuat
dengan basis Web dapat berinteraksi langsung dengan
Gambar. 4.2. Contoh Kode Yang Dapat Diolah Oleh Interpreter perangkat keras yang telah digunakan.
179
VI. UCAPAN TERIMA KASIH [6] Sean McManus ,Mike Cook, 2013, Raspberry Pi
Terimakasih tim peneliti ucapkan kepada seluruh For Dummies, John Wiley & Sons, Inc., Hoboken,
Jajaran STMIK Adhi Guna, Kelompok Belajar STMIK New Jersey.
Adhi Guna, Pembina dan seluruh keluarga Besar STMIK
VIII. BIOGRAFI
Adhi Guna.
Nirwana Lahir di Desa Lakatan, Toli-Toli, 26
VII. DAFTAR PUSTAKA Agustus 1996, saat ini sedang melaksanakan study
di Program Studi Teknik Informatik, STMIK Adhi
[1] Teixera Jose, Iin Tingtin, Collaboration in the open- Guna.
source arena: The WebKit case, University Of Sangat senang menulis, berangan-angan untuk
Turku, Finland menjadi salah satu peneliti handal dibidang
[2] Ron Oommen Thomas, K. Rajasekaran, 2014, informatika di Indonesia khususnya Sulawesi
Tengah
Remote Monitoring and Control of Robotic Arm
with Visual Feedback using Raspberry Pi, Rifaldi Hi. Taher Lahir di kota Palu, 21 April 1996,
Electronics and Instrumentation Engineering, saat ini sedang melaksanakn study di program Teknik
Karunya University, IJCA Vol 92 No 9. Informatika, STMIK Adhi Guna. sangat Ingin
interest di bidang teknilogi artificial,rekasyasa
[3] Kama Nazri, 2014, Input and Output Application robotika.
Programming Interface for Plaid Standard Library,
Advanced Informatics Schoool, Universiti
Teknologi Malaysia, Kuala Lumpur, IJSEIA Vol 8 Sofyan Saputra Lahir di Desa Polinggona, 1 Agustus
1992, Telah menyelesaikan Sarjana Komputer
No 1. Jurusan Teknik Informatika di STMIK Adhi Guna,
[4] Dedy Hariyadi, Eka Tresna Irawan, Purwarupa saat ini sebagai dosen tutor pada mata kuliah
Forensik BBM di Telepon Seluler Android kecerdasan buatan dan sangat interest dibidang
Menggunakan IGN-SDK, Jurusan Teknik Elektro teknologi artificial, rekayasa robotika, rekayasa web
dan Informatika terapan
dan Teknologi Informasi FT UGM, Yogyakarta.
[5] Simon Monk, 2014, Raspberry Pi Cookbook,
O’Reilly Media, Inc., 005 Gravenstein Highway
North, Sebastopol, CA 95472.
180
Pendeteksian Gawang Menggunakan Algoritma

Ransac Pada Platform Darwin-OP Berbasis
Peraturan KRSBI 2016
Uti Solichah1, Muhammad Arifin2, Muhammad Ardi Pradana3, Satria Hafizhuddin4, Dhany Satrio Wicaksono5,
Muhammad Reza Ar Razi6, Muhtadin7, Nanik Suciati8
Institut Teknologi Sepuluh Nopember, Jalan Raya ITS, Sukolilo, Surabaya, Jawa Timur 60111, Indonesia
1) Email: uti12@mhs.if.its.ac.id
Abstract -- Dalam strategi sepak bola robot, robot robot dalam memposisikan dirinya (x,y,θ) [1]. Dengan
dituntut untuk bergerak secara autonomous, untuk mengetahui posisi dirinya, robot dapat memutuskan arah
itu kemampuan dasar yang harus dimiliki setiap tendangan bola, apakah mengarah ke gawang lawan atau
robot adalah dapat mengena11li fitur penanda dalam menjauhkan bola dari gawang sendiri [2].
lapangan, seperti bola, gawang dan garis lapangan. Salah satu metode yang sudah dikembangkan dalam
Kolaborasi pendeteksian gawang dengan informasi pendeteksian gawang adalah dengan menggunakan
orientasi dapat membantu robot dalam memposisikan metode Hough Transform [3]. Pendeteksian gawang
dirinya (x, y, θ), dan dapat membantu robot untuk dengan menggunakan Hough Transform telah sukses
memutuskan arah tendangan bola, apakah mengarah diaplikasikan pada tim robot sepak bola ITS, namun
ke gawang lawan atau sebaliknya. Hough Transform karena Hough Transform memiliki proses yang cukup
merupakan metode pendeteksian gawang yang sudah lama dalam pendeteksian garis, dan terkadang robot
dikembangkan oleh tim robot ITS, namun metode ini mengalami kehilangan citra pandangannya, maka
memiliki proses yang cukup lama, dan terkadang dibutuhkan penelitian untuk meningkatkan kemampuan
robot mengalami kehilangan citra pandangannya, pendeteksian gawang pada tim robot sepak bola ITS.
untuk itu diperlukan pendekatan metode lain untuk
meningkatkan pendeteksian gawang robot ITS. Pada II. PENDETEKSIAN GAWANG
paper kali ini Metode Algoritma Ransac digunakan SEBELUMNYA
untuk pendeteksian gawang. Hasil uji coba
menunjukkan bahwa robot dapat membedakan Beberapa penelitian dibawah ini mendasarkan
gawang dengan lingkungan pertandingannya dengan Algoritma Ransac dipilih sebagai metode pendeteksian
baik. Keakuratan pengujian estimasi jarak robot gawang pada paper kali ini, pertama oleh Stephen [4],
dengan gawang dengan metode Ransac lebih baik dari yang menyebutkan bahwa pendekatan Algoritma Ransac
pada metode Hough Transform, sedangkan pengujian lebih efektif daripada pendekatan Hough Transform.
estimasi waktu program, metode Hough Transform Kedua, penelitian yang dilakukan oleh Madison [5] yang
lebih baik dari pada metode Ransac. mengaplikasikan Algoritma Ransac pada robot Darwin-
Index Terms—Autonomous, Gawang, Self OP untuk pendeteksian gawang. Dan ketiga, Metode
Positioning, Hough Transform, Pendeteksian Hough Transform [1] juga pernah diaplikasikan pada
Gawang, Algoritma Ransac robot Tim ITS yang terkadang mengalami kehilangan
citra dalam proses pendeteksian gawangnya. Diharapkan
I. INTRODUCTION dengan pengaplikasian Algoritma Ransac, pendeteksian
Dalam strategi sepak bola robot, robot dituntut gawang yang dilakukan oleh Tim Robot Sepak Bola ITS
untuk bergerak secara autonomous, untuk itu kemampuan akan lebih baik, dan lebih efektif.
dasar yang harus dimiliki setiap robot adalah dapat
mengenali fitur penanda dalam lapangan, seperti bola,
gawang dan garis lapangan. Pengenalan fitur gawang
ditambah dengan informasi orientasi dapat membantu
Penelitian ini didukung oleh Tim ICHIRO Robotika ITS,

Institut Teknologi Sepuluh Nopember
181
III. PENDETEKSIAN GAWANG

MENGGUNAKAN ALGORITMA RANSAC
Pada pendeteksian gawang menggunakan
Algoritma Ransac, ada beberapa proses tahapan yang
dilalui. Dibawah ini, beberapa tahapan-tahapan dari
pendeteksian gawang
A. Prepocessing
Setiap piksel pada citra masukkan tidak bisa
langsung dilakukan deteksi garis oleh ransac, ada
beberapa tahapan yang dilakukan diawal, untuk
mempersiapkan citra agar lebih mudah di proses di tahap
Gambar 8. Hasil Deteksi Tepi Citra
selanjutnya, yang disebut dengan tahap prepocessing.
Prepocessing dilakukan dalam lima tahapan.
Pertama, yaitu mengubah citra masukkan ke B. Deteksi Garis Menggunakan Algoritma Ransac
greyscale, Pengubahan citra greyscale memudahkan citra Hasil binary tepi citra yang sudah di
masukkan untuk di thresholding dimana objek yang transformasikan menjadi point-point kemudian akan di
diambil pada thresholding adalah warna putih dari proses oleh Ransac Algorithm untuk didapatkan garis-
gawang. Kedua, thresholding citra, dimana pada garis yang terdeteksi. Hasil dari himpunan semua point
thresholding membantu citra masukkan untuk pada citra kemudian dilanjutkan dengan mengambil dua
memisahkan objek gawang yang dipilih dengan objek point random, untuk dijadikan garis, namun ada
selain gawang. Ilustrasi hasil thresholding citra bisa ketentuannya, apabila jarak antara satu point dengan point
dilihat pada gambar 1. Ketiga, reduksi noise citra, hasil nya terlalu dekat, maka 2 point random tadi tidak dipilih,
keluaran citra dari proses thresholding terkadang tidak dilanjut dengan mengambil dua point random baru.
selalu ideal, untuk membantu citra mendapatkan hasil Sebaliknya, jika pengambilan dua point random
segmentasi yang ideal, citra hasil tadi dilanjutkan pada diatas memenuhi jarak minimum antara dua point, maka
tahap reduksi noise. Noise yang ada pada citra hal yang selanjutnya dilakukan adalah mengambil satu
dihilangkan menggunakan pendekatan metode point kemudian dihitung jarak antara point ke garis tadi,
morphology clossing. apabila jarak dari point tersebut memenuhi threshold
jarak inliers, maka point tadi termasuk inliers dari garis
tersebut [6]. Pengambilan satu point ini dilakukan
berulang-ulang hingga semua himpunan point sudah
dihitung.
Setelah semua himpunan point sudah di cek,
selanjutnya adalah mengecek apakah banyaknya point
inliers tadi memenuhi minimum inliers yang di set untuk
sebuah garis, apabila tidak memenuhi, maka di hapus, jika
memenuhi dimasukkan ke dalam tampungan garis-garis
yang terdeteksi.
Proses pengambilan 2 point random hingga berhasil
Gambar 7. Hasil Threholding Citra menjadi sebuah garis merupakan satu kesatuan proses,
untuk mendapatkan banyak garis, maka dilakukan
Keempat, tahap prepocessing selanjutnya setelah perulangan, hingga didapatkan banyak garis yang
reduksi noise citra adalah mendeteksi tepi citra gawang. terdeteksi oleh Ransac Algorithm. Diagram alur dari
Hal ini dilakukan untuk mengurangi garis yang akan proses deteksi garis oleh metode Ransac Algorithm
terdeteksi oleh Ransac Algorithm. Ilustrasi deteksi tepi ditunjukkan pada Gambar 3.
citra gawang yang dihasilkan ditunjukkan pada Gambar
2. Dan tahap prepocessing yang terakhir adalah
transformasi citra ke point. Proses transformasi ini akan
menghasilkan point-point pada suatu citra yang nantinya
disimpan kemudian di proses selanjutnya oleh Ransac
Algorithm.
182
ymin, ymax, xmin, dan xmax. Selanjutnya adalah

menghitung tengah-tengah koordinat x dari objek
gawang. Tengah-tengah dari koordinat x objek gawang
digunakan sebagai acuan, apakah garis itu termasuk tiang
kanan, tiang kiri atau tiang atas. Jika garis itu lebih besar
dari tengah koordinat, maka garis tersebut termasuk
cluster tiang kanan. Jika garis itu lebih kecil dari tengah
koordinat x, maka garis itu termasuk cluster tiang kiri,
sisanya yang tidak termasuk keduanya, termasuk cluster
tiang atas. Ilustrasi clusterring line bisa dilihat pada
gambar 4.
Gambar 10. Ilustrasi Clusterring line
2. Hitung Mean tiang tiap cluster

Hasil garis-garis yang sudah ter-cluster akan
memudahkan untuk menghituang mean tiang tiap cluster.
Menghitung mean tiang cluster kanan bisa dengan cara
menjumlahkan koordinat x dari p1 tiang kanan kemudian
dibagi banyaknya garis, begitu juga dengan menghitung
mean koordinat y dari p1 dari menjumlahkan koordinat y
dari p1 tiang kanan kemudian dibagi banyaknya garis.
Setelah itu, menghitung mean tiang cluster kanan titik p2
juga sama dengan seperti mencari mean x p1, dan mean y
dari p1. Ilustrasi mean tiang tiap cluster bisa dilihat pada
gambar 5.
3. Hitung Tinggi Tiang
Pada proses drawing line, didapatkan juga dua
Gambar 9. Diagram alur proses deteksi garis
point, berupa batas atas dan batas bawah dari tiap tiang
C. Prapocessing kanan dan juga tiang kiri. Dalam menghitung tinggi tiang,
Prapocessing dilakukakn untuk mendapatkan tinggi dari best line tersebut bisa dihitung dengan cara
tiang yang terdeteksi oleh Ransac Algorithm, dimana menghitung jarak antara dua titik. persamaan untuk
tinggi yang didapat akan digunakan selanjutnya dalam menghitung jarak antara dua titik menggunakan rumus
proses penentuan posisi robot terhadap gawang. menghitung menggunakan eucledian distance
Kumpulan garis yang sudah terdeteksi oleh Algoritma
Ransac, selanjutnya di proses pada beberapa tahap.
Berikut adalah beberapa tahapan prapocessing :
1. Clusterring Line
Mengetahui ymin, ymax, xmin, xmax dari binary
object gawang adalah langkah pertama untuk menentukan
cluster tiang. Penentuan ymin, ymax, xmin, xmax
dilakukan perulangan dari citra koordinat x dan
perulangan dari citra koordinat x. Setelah mendapatkan
183
4 2 2,0660 0,0330 1,8954 0,0523

5 2,1 2,1483 0,0230 1,9475 0,0726
6 2,25 2,2895 0,0175 2,0593 0,0847
7 2,5 2,4781 0,0087 2,2765 0,0894
8 2,75 2,6492 0,0366 3,0039 0,0923
9 3 2,9166 0,0278 2,7932 0,0689
10 3,25 3,2963 0,0142 3,0039 0,0757
11 3,5 3,5344 0,0098 3,2885 0,0604
12 3,75 3,8104 0,0161 3,1611 0,1570
13 4 4,0997 0,0249 3,6706 0,0823
Rata-Rata Galat 0,0245 0,0708
Gambar 11. Ilustrasi mean tiang tiap cluster

B. Pengujian Kecepatan Eksekusi Program
4. Hitung Jarak Tiang ke Robot Dari hasil uji yang dilakukan, pada Tabel 2
Proses terakhir dalam tahap prapocessing adalah diperlihatkan perbedaan waktu eksekusi yang dilakukan
menghitung jarak tiang ke Robot. Penghitungan jarak pada sekian dataset, dimana masing-masing dataset
yang terdeteksi oleh robot didapatkan dari pengambilan diproses dengan metode Ransac Algorithm dan metode
beberapa data tinggi tiang dalam piksel dengan jarak Hough Transform. Batasan program perbandingan hanya
sebenarnya. Dari kedua data ini, di transofrmasikan ke meliputi prepocessing sampai deteksi garis saja.
dalam bentuk regresi polynomial. Berdasarkan hasil rata-rata waktu eksekusi yang didapat
Setelah dianalisa, Regeresi Polynomial orde ke 5 pada setiap metode. Hough Transform lebih cepat dalam
adalah orde yang paling cocok dari data yang diberikan. memproses algoritmanya untuk pendeteksian garis
Sehingga, dari Regresi Polynomial orde ke 5 ini, gawang dibandingkan dengan metode Algoritma Ransac.
didapatkan Persamaan jarak yang terdeteksi. Persamaan
Tabel 4. Pengujian Eksekusi Waktu
regresi polynomial orde 5 bisa dilihat pada persamaan 1.
No Nama Metode Ransac Metode Hough
y = 5.041036287E-10x5 - 2.945758380E-7x4 Dataset (second) (second)
+ 6.534904430E-5x3 - 6.609044371e- 1 Image-1 0,027884 0,021762
2 2 Image-2 0,025779 0,019443
3x (1) 3 Image-3 0,024694 0,019398
+ 2.594865062E-1x + 2.038327201E 4 Image-4 0,028989 0,019620
5 Image-5 0,026238 0,021724
6 Image-6 0,029744 0,026199
IV. EXPERIMENT AND RESULT 7 Image-7 0,029646 0,021324
A. Pengujian Ketepatan Estimasi Jarak 8 Image-8 0,028010 0,021047
9 Image-9 0,025747 0,020984
Dari hasil uji yang dilakukan, pada Tabel 1 10 Image-10 0,025160 0,020982
diperlihatkan ada sekian dataset yang masing-masing 11 Image-11 0,026205 0,020571
diproses yang satu menggunakan Ransac Algorithm yang 12 Image-12 0,025205 0,018987
13 Image-13 0,025892 0,019890
satu menggunakan metode hough transform. Hal yang
Rata-Rata Galat 0,026861 0,020917
bisa dianalisa adalah tinggi dan jarak yang didapat dari
tiap-tiap metode. Pada pengujian ini, robot ditempatkan V. CONCLUSION
di posisi yang sama, kemudian sama-sama di proses
dengan metode masing-masing. Hasil pengujian 1. Robot mampu mendeteksi gawang dengan
menunjukkan galat dari masing-masing metode, menggunakan Algoritma ransac dengan baik
2. Berdasarkan hasil pengujian estimasi Jarak,
ditunjukkan bahwa metode Ransac lebih baik dalam
dibandingkan dengan metode Hough Transform,
menentukan ketepatan estimasi jarak dibandingkan
metode Ransac lebih akurat dalam menentukan jarak
dengan metode Hough Transform. antara posisi robot dengan gawang.
3. Berdasarkan hasil pengujian waktu eksekusi program,
Tabel 3. Pengujian Estimasi Jarak dibandingkan dengan metode Ransac Algorithm,
metode Hough Transform lebih cepat dalam hal waktu
mengeksekusi program dari prepocessing hingga
No Jarak Metode Galat Metode Galat deteksi garisnya.
sebenarnya Ransac Jarak Hough Jarak
(meter) (meter) Ransac (meter) Hough VI. REFERENCES
1 1,7 1,7568 0,0335 1,6770 0,0135 [1] Budiono, I. (2015). Kerjasama dalam permainan sepak bola robot
2 1,8 1,8505 0,0280 1,7445 0,0308 pada platform Darwin-OP berbasis peraturan KRSBI 2015.
3 1,9 1,9860 0,0453 1,8231 0,0406 Surabaya.
184
[2] Jose M. Canas, D. P. (2009). Visual Goal Detection for the

RoboCup Standard Platform League. X Workshop De Agentes Satria Hafizhuddin lahir pada 16 Januari 1997 di
Fiscos. Amuntai, Kalimantan Selatan. Penulis lulus dari MTsN
[3] Pallares, A. M. (2009). Goal Detection for Soccer-playing Robots Model Samarinda pada tahun 2011dan MA Darul Ihsan
Based on Hough Transform. Universitat Rovira I Virgili. pada tahun 2013. Saat ini penulis sedang menempuh
[4] Stephen Se, D. L. (2002). Global Localization using Distinctive pendidikan strata satu Teknik Elektro, Institut Teknologi
Visual Feature. IEEE Intl. Conference on Intellegent Robots and Sepuluh Nopember, Surabaya.
System.
[5] Madison Flannery, S. F. (2014). RANSAC: Identification of
Higher-Order Geomteric Features and Applications in Humanoid
Robot Soccer. Proceedings of Australian Conference on Robotic Muhammad Reza Arrazi. Lahir 19 Oktober 1996 di
and Automation. Surabaya. Saat ini penulis sedang menempuh pendidikan
[6] Martin A. Fischler, R. C. (1981). Random Sample Consensus: A strata satu Teknik Informatika, Institut Teknologi
Paradigm for Model Fitting with Applications to Image Analysis Sepuluh Nopember, Surabaya.
and Automated Cartography. SRI International.
VII. BIBLIOGRAPHY
Dhany Satrio Wicaksono lahir pada 4 Juli 1996 di kota
Uti Solichah lahir pada 30 April 1994 di kota Bondowoso, Jawa Timur. Saat ini penulis sedang
Indramayu. Saat ini penulis sedang menempuh menempuh pendidikan Diploma 3 Teknik Elektro,
pendidikan strata satu Teknik Informatika, Institut Institut Teknologi Sepuluh Nopember, Surabaya.
Teknologi Sepuluh Nopember, Surabaya.
Muhammad Arifin lahir pada 15 Agustus 1994 di Muhtadin lahir pada 9 Juni 1981 di Kota Tulung
Kota Gresik, Jawa Timur. Penulis lulus dari SMP Agung, Jawa Timur. Saat ini penulis aktif sebagai dosen
Muhammadiah 1 pada tahun 2010 dan dari SMA dan peneliti di jurusan Teknik Multimedia dan Jaringan
Negeri 1 Sidoarjo pada tahun 2013. Saat ini penulis Institut Teknologi Sepuluh Nopember, Surabaya.
sedang menempuh pendidikan strata satu Teknik Penulis aktif meneliti pada topik penelitian robotika,
Elektro, bidang studi Elektronika, Institut Teknologi Intelligent Transportation System, Embedded System
Sepuluh Nopember, Surabaya. dan Biomedik
Muhammad Ardi Pradana lahir pada 11 Agustus Nanik Suciati lahir pada 28 Oktober 1971. Saat ini
1995 di Kota Probolinggo, Jawa Timur. Penulis lulus penulis aktif sebagai dosen dan peneliti di jurusan
dari SMP Taruna Dra. Zulaeha pada tahun 2010 dan Teknik Informatika Institut Teknologi Sepuluh
dari SMA Taruna Dra. Zulaeha pada tahun 2013. Saat Nopember, Surabaya. Penulis aktif meneliti pada topik
ini penulis sedang menempuh pendidikan strata satu Image processing, computer graphics dan computer
Teknik Multimedia dan Jaringan, Institut Teknologi vision
Sepuluh Nopember, Surabaya.
185
Analisis Pendeteksi Objek Menggunakan Kamera

Pixy Cmu Cam 5 Pada Robot ERSB
Ilmiyati, Muhlis, Moh. Andri Ramadhan, Adrin Thamrin
Ilmiyati, Teknik Informatika, STMIK Adhi Guna, Palu – Sulawesi Tengah Telp: (0451) 455530, Fax: (0451) 452920, E-mail: ilmiyati4@gmail.com
Muhlis, STMIK Adhi Guna, Palu – Sulawesi Tengah Telp: (0451) 455530, Fax: (0451) 452920, E-mail: muhlis.arsyad@gmail.com
Moh. Andri Ramadhan, Teknik Informatika, STMIK Adhi Guna, Palu – Sulawesi Tengah Telp: (0451) 455530, Fax: (0451) 452920, E-mail:
andri234@gmail.com
Abstrak- Robot ERSB (Ekshibisi Robot Sepak serta sudut pandang yang lebih luas yang di berikan oleh
Bola Beroda) merupakn robot sepak bola yang kamera pixy cmu cam 5 maka proses pengembangan robot
menggunakan roda omni dan motor DC untuk untuk mendeteksi objek lebih cepat .
bernavigasi yang pertama kali dilombakan di Dalam mendeteksi objek robot sepak bola diharapkan
nasioanal pada tahun ini. Robot tersebut mampu mirip dengan manusia dimana proses ini
menggunakan sensor kamera pixy cmu cam 5 dan merupakan akar permasalahan karena deteksi objek pada
aplikasi pixymon yang diprogram melalui arduino kamera sukar untuk diimplementasikan kedalam bentuk
untuk mendeteksi objek. Dengan kemudahan algoritma pada sebuah bahasa pemrograman. Dengan
pemrogramannya serta Banyaknya fitur yang adanya kamera pixy cmu cam 5, permasalahan yang
diberikan oleh kamera pixy cmu cam 5 memudahkan dialami dapat direduksi sehingga proses pembuatan
dalam pendeteksian objek berupa bola warna orange robot lebih cepat karena banyaknya fitur yang diberikan
dan gawang warna kuning. Sehingga permasalahan oleh kamera tersebut. Dalama tulisan ini akan dibahas
yang dialami dapat direduksi sehingga proses bagaimana kamera dapat mendeteksi bola dan gawang
pendeteksian objek dalam penelitian ini lebih cepat. sehingga robot mampu membawa bola ke arah gawang
dan memasukkan ke dalam gawang lawan dan juga
Pada penelitian Robot Sepak Bola Beroda (ERSB),
mampu menghalau bola dari lawan. Pada robot ERSB
kamera pixy cmu cam 5 yang digunakan robot
(Ekshibisi Robot Sepak Bola Beroda) sensor yang
tersebut dapat mendeteksi objek bola dan gawang digunakan yaitu kamera pixy cmu cam 5 dan pixymon.
dengan baik. Kamera pixy cmu cam 5 dapat Pixymon merupakan aplikasi yang dihubungkan dengan
digunakan untuk mendeteksi objek. Makalah ini kamera pixy cmu cam 5 yang memungkinkan untuk
berisi uraian tantang pendeteksian objek mengkonfigurasi perangkat Pixy sebagai pendeteksi
menggunakan kamera pixy cmu cam 5 pada robot objek, kamera tersebut berfungsi untuk mengolah citra
ERSB (Ekshibisi Robot Sepak Bola Beroda). [4].
Kata kunci : pixy cmu cam 5, ERSB, pixymon
II. LANDASAN TEORI
I. PENDAHULUAN
o lahraga sepak bola merupakan olahraga yang

banyak disenangi masyarakat khususnya para
remaja. Olahraga ini memebawa perkembangan
baru dalam dunia pendidikan khususnya pada bidang
A. Kamera pixy cmu cam 5
Pixy cmu cam 5 merupakan image dengan prosesor
yang power full yang di program untuk mengirimkan
informasi berupa data gambar sehingga mikrokontroller
tidak terbebani dengan pembacaan data. Pixy cmu cam 5
robotika. Salah satu aplikasi robotika yang berkembang juga menggunakan warna sebagai saturasi sebagai
dan untuk yang pertama kalinya di lombakan di tingkat sasaran utama pada pendeteksi gambar. Objek yang di
nasional pada tahun ini adalah Ekshibisi Robot Sepak deteksi oleh kamera pixy cmu cam 5 pada robot ESRB
Bola Beroda (ERSB) yang menggunakan kamera sebagai yaitu bola warna orange dan gawang untuk memasukkan
pendeteksi objek berupa bola dan gawang. Dalam bola. Kamera pixy cmu cam 5 mendeteksi objek dengan
penelitian ini Kamera yang digunakan untuk mendeteksi pixel gambar, semakin tinggi dan lebar objek yang di scan
objek berupa bola dan gawang adalah kamera pixy cmu maka objek tersebut sernakin dekat, tetapi jika semakin
cam 5 [1]. kecil tinggi dan lebar objek yang di scan, maka objek
Kamera pixy cmu cam 5 merupakan kamera tersebut semakin jauh. Berikut gambar kamera pixy cmu
yang digunakan untuk mendeteksi objek pada robot cam 5 [2].
ERSB (Ekshibisi Robot Sepak Bola Beroda). Dengan
kemudahan pemrograman, kualitas gambar yang bagus,
186
C. Arduino uno
Arduino uno adalah sebuah board mikrokontroller
yang didasarkan pada ATMega328 (datasheet). Arduino
uno mempunyai 14 pin digital input/output (6 diantarnya
dapat digunakan sebagai output PWM), 6 input analog
sebuah osilator Kristal 16MHz, sebuah koneksi USB,
sebuah power jack, sebuah ICSP header, dan sebuah
tombol reset. Arduino uno memuat semua yng dibutuhkan
untuk menunjang mikrokontroller, mudah
menghubungkan nya kesebuah komputer dengan sebuah
kabel USB atau mensuplainya dengan sebuah adaptor
AC ke DC atau menggunakan sebuah batteray untuk
memulainya. Berikut gambar arduino.[3]
Gambar 2.1 kamera pixy cmu cam 5

(Sumber : http://infotechno-
education.blogspot.co.id/2015/12/sensor-kamera-pixy-
cmucam-5-untuk.html)
B. Aplikasi pixymon
Pixymon adalah sebuah aplikasi yang memungkikan
anda untuk mengkonfigurasi perangkat pixy anda,
mengatur port output dan mengelolah tanda tangan
warna. Pixymon berkomunikasi dengan pixy melalui
kabel mini USB standar. Pixymon sangat bagus untuk
Gambar 2.3 arduino uno
debugging aplikasi anda. Anda bisa pasang kabel USB
(Sumber : www.robomart.com)
kebagian belakang pixy dan menjalankan pixymon dan
kemudian melihat apa pixy melihat ketika sedang D. Robot Beroda
tersambung ke arduino atau mikro kontroler lainnya. Robot Beroda adalah Robot yang menggunakan
Berikut gambar aplikasi pixymon. roda dan motor DC sebagai penggerak, yang pada
hakikatnya harus bisa bernavigasi dengan sistem control
yang melekat pada robot tersebut. Navigasi robot
sangatlah penting untuk menentukan arah pergerakan
robot.
E. Image Processing Digital
Image Processing Digital atau pengolahan citra
merupakan proses pengolahan dan analisis citra yang
banyak melibatkan persepsi visual. Proses ini mempunyai
ciri data masukan dan informasi keluaran yang berbentuk
citra. Istilah pengolahan citra digital secara umum
didefinisikan sebagai pemrosesan citra dua dimensi
Gambar 2.2 aplikasi pixymon dengan komputer [5]. Image Processing Digital berkaitan
(Sumber : https://learn.adafruit.com) erat dengan warna sehingga peneliti menggunakan
pengolahan citra warna untuk mendeteksi objek bola dan
gawang yang di lengkapi kamera pixy cmu cam 5 pada
robot ERSB (Ekshibisi Robot Sepak Bola ) [6]. Berikut
diagram blok Image processing.
187
4. Laptop yang telah dilengkapi aplikasi arduino

dan aplikasi pixymon
5. 1 buah robot ERSB ( Ekshibisi Robot Sepak
Bola Beroda)
6. Kabel yang menghubungkan kamera dengan
arduino uno.
Dari alat dan bahan yang telah ditetapkan oleh peneliti
maka peneliti menerapkan tahapan pengerjaan sebagai
berikut:
1. Menghubungkan kabel kamera dengan arduino
uno
2. Memprogram kamera pixy cmu cam 5 di aplikasi
arduino
3. scanning objek menggunakan aplikasi pixymon.

Gambar 2.4 Blok Diagram Image Processing A. Program kamera pixy cmu cam 5
Pada tahap ini peneliti melakukan pengujian kamera
III. METODOLOGI untuk pendeteksian warna pada objek atau bola dengan
A. Metode experimental memprogram kamera menggunakan arduino uno. Berikut
Metode experimental adalah metode yang dilakukan pemrograman yang dilakukan untuk pendeteksian atau
dengan menguji coba alat yang telah disiapkan dan di pembacaan kamera terhadap objek.
program, sampai pengujian alat tersebut mendapat hasil
yang di inginkan. Tempat uji coba yang digunakan untuk
melakukan penelitian ini yaitu lapangan arena Robot
Sepak Bola Beroda (ERSB) yang berada di perguruan
tinggi STMIK ADHI GUNA tepatnya di lantai 4 tempat
para mahasiswa yang tergabung dalam studi club adhi
guna robotic meriset robot. Lapangan tersebut berwarna
hijau dengan ukuran (600x400) cm dan bola berwarna
orange serta gawang yang berwarna kuning. Objek
berupa bola dan gawang dideteksi menggunakan kamera
pixy cmu cam 5. Dalam melakukan tugas nya sebagai
pendeteksi objek berupa bola, Maka ada beberapa
langkah yang harus dilakukan oleh kamera tersebut untuk
melakukan aksi atau tindakan [4]. Gambar 4.1 program pixy cmu cam 5 pada aplikasi
1. Mencari bola arduino
Kamera pada Robot akan mencari bola dengan
cara mengenali warna bola yaitu warna orange. Pencarian B. Scan objek
akan terus berlangsung sampai bola dapat di temukan. Pada tahapan ini peneliti melakukan pengujian scan
2. Membedakan bola dan gawang objek berupa bola dan gawang menggunakan kamera pixy
Robot akan membedakan bola dan gawang cmu cam 5 yang saling terkoneksi dengan aplikasi
dengan cara mengenali bentuk dan warna bola atau pixymon. Berikut gambar hasil scan objek berupa bola
gawang yang telah diprogram. dan gawang.
3. Membedakan kawan dan lawan
Kamera pixy cmu cam 5 akan membedakan
antara robot kawan dan lawan berdasarkan warna robot.
B. Alat dan bahan beserta tahap penelitian
Sesuai dengan penelitian yang akan dilakukan oleh
peneliti maka alat dan bahan yang disiapakan adalah
sebagai beirkut:
1. 1 buah kamera pixy cmu cam 5
2. 1 buah kasti warna orange
3. 1 buah arduino uno
Gambar 4.2 hasil scan bola dan gawang
188
VII. DAFTAR PUSTAKA

[1] Rahmatullah A. 2015. Sistem Pengamanan Data Pada Robot
Sepak Bola Menggunakan Media Tunneling Eoip (Ethernet
Over Internet Protocol). Palu. Makalah Simposium.
[2] Mulyadi. 2012. Robot Humanoid Pemain Bola. Bandung.
Laporan Penelitian
[3] saputri,nisa zaratul. 2014. Aplikasi Pengenalan suara Sebagai
Pengendali Perlatan listrik Berbasis Arduno Uno. Malang.
Jurnal Skripsi fakultas teknik universitas Brawijaya.
[4] Nurwanto. 2013. Algoritma Greedy Pada Robot Penjaga
Gawang. Bandung. Program Studi Teknik Informatika Institut
Teknologi Bandung.
[5] Bamukrah FaruqJihan. 2010. ImageProcessing. Depok.
Gambar 4.3 hasil pembacaan data kamera Information Systems Majoring Guna Darma University.
[Online].
Sumber:http://www.jihanfaruqbamukrah.blogspot.co.id/2010/05
Setelah melakukan beberapa kali pengujian /pengertian-pengolahan-citra-image.html
pembacaan objek, maka di dapatkan data berupa hasil [6] Faris. 2013. Alfarobi Kidsize Humanoid Robot. Yogyakarta.
pembacaan kamera terhadap objek seperti pada table 4.3 Teknik Elektro Universitas Gadjah Mada.
Tabel 4.4 Tabel Data Kamera Hasil Scan Objek

VIII. RIWAYAT PENULIS
Ilmiyati
Lahir di Masamba, Sulawesi Selatan pada
Tanggal 09 Januari 1996.
Sekarang sedang menjalani perkuliahan semester
4 jurusan Teknik Informatika di Sekolah
Tinggi Manajemen formatika dan Komputer
(STMIK ) Adhi Guna Palu dan saat ini sedang aktif di organisasi
“Adhi Guna Robotic Club”. Email : ilmiyati4@gmail.com
V.
Muhlis
Lahir di pinrang Sulawesi Selatan pada Tanggal
VI. 11 November 1992.
Sekarang sedang menjalani perkuliahan semester
6 jurusan Teknik Informatika di Sekolah Tinggi
Manajemen Informatika dan Komputer (STMIK)
Adhi Guna Palu dan saat ini sedang menjabat
V. KESIMPULAN sebagai ketua umum di organisasi “Adhi Guna Robotic Club”. email:
muhlis.arsyad@gmail.com
Berdasarkan hasil penelitian yang dilakukan oleh
peneliti., maka peneliti dapat mengambil kesimpulan
Moh. Andri Ramadhan
bahwa kamera pixy cmu cam 5 yang digunakan pada Lahir di Palu Sulawesi Tengah pada Tanggal 22
robot ERSB (Ekshibisi Robot Sepak Bola ), kamera dapat Februari 1995. Sekarang sedang menajalani
mendeteksi objek dengan baik sesuai dengan program perkuliahan semester 6 jurusan Teknik
Informatika di Sekolah Tinggi Manajemen
yang ditentukan. Kamera pixy cmu cam 5 dapat Informatika dan Komputer (STMIK) Adhi Guna
mendeteksi warna orange pada bola. Palu dan saat ini sedang aktif di organisasi “Adhi
Guna Robotic Club”.
email:andri234@gmail.com
VI. UCAPAN TERIMAKASIH Adrin Thamrin

Lahir di pinrang Sulawesi Selatan 6 November
Terimakasih untuk ketua STMIK ADHI GUNA 1985. merupakan sarjana Teknik Informatika
beserta jajarannya, kepada Pembina, anggota, beserta STMIK Dipanegara Makassar pada tahun 2009
senior studi club robotika STMIK ADHI GUNA, kepada dan telah menempuh jalur Magister prodi teknik
informatika Pasca Sarjana Universitas Dian
rekan-rekan mahasiswa peneliti yang ikut membantu Nuswantoro pada Tahun 2013. Email :
dalam penelitian. adrin.adhiguna@gmail.com
189
Kurikulum Pendidikan Robotika Berbasis STEM-

Bloom’s Taxonomy-Kurikulum 2013
Naufalita Shella Hasyim1, Adnan Rachmat Anom Besari2
Abstrak – Pendidikan robotika yang semakin robotika juga mengalami perkembangan dimana
berkembang seiring berkembangnya teknologi, pendidikan ini dapat diajarkan pada berbagai kalangan
menjadikan peserta didik dibidang ini tidak hanya hingga anak-anak sekalipun. Selain itu berkembang pula
kalangan dewasa namun juga kalangan anak-anak. dari segi kurikulum pendidikan robotika. Perkembangan
Berkembangnya pendidikan robotika ini di ini bertujuan untuk memperoleh hasil pembelajaran yang
identifikasi pula dengan berkembangnya kurikulum lebih baik dari sebelumnya dimana tidak hanya
yang digunakan dalam proses pembelajaran robotika. berorientasi pada hasil melainkan juga pada proses
Dalam makalah ini meyajikan ulasan dari berbagai pembelajaran. Karena permasalahan yang sering terjadi
kajian mengenai pengembangan kurikulum robotika adalah siswa tidak memahami materi yang diberikan
saat ini. Disesuaikan pula dengan kondisi kurikulum dengan baik meski mereka berhasil menyelesaika tugas
pendidikan yang berlaku di Indonesia yaitu yang diberikan [1].
kurikulum 2013. Diantara bentuk pengembangan Berbagai metode diterapkan pada kurikulum
kurikulum robotika saat ini yaitu adanya pendekatan pendidikan robotika yang bertujuan memperoleh hasil
menggunakan metode Bloom’s Taxonomy dan juga dan proses belajar yang baik bagi siswa. Metode-metode
kurikulum berbasis STEM education. Sehingga tersebut diantaranya adalah menggunakan basis STEM
dengan adanya metode-metode tersebut dapat education, Bloom’s Taxonomy dan disesuaikan dengan
diperoleh hasil belajar serta proses belajar yang baik kurikulum 2013 yang saat ini digunakan dalam
terutama bagi kalangan anak-anak. pendidikan di Indonesia. Dalam makalah ini akan
Kata kunci—Kurikulum, robotika, pendidikan, membahas bagaimana metode-metode tersebut
STEM, hasil berlajar diterapkan pada kurikulum robotika, dan bagaimana
pengaruh metode tersebut terhadap hasil proses belajar
12
I. PENDAHULUAN siswa.
Dunia pendidikan merupakan aspek penting bagi
keberlangsungan hidup seseorang. Melalui aspek II. METODE
pendidikan inilah sesorang membangun karakter A. Pendidikan berbasis STEM
pribadinya, menambah wawasan dan pengetahuan, STEM mengacu pada kemampuan individu untuk
melatih kemampuan dan potensi, untuk kemudian menerapkan pemahaman tentang bagaimana ketatnya
menjadi bekal seseorang dalam menjalani persaingan bekerja di dunia riil yang membutuhkan
keberlangsungan hidup. Dan kini pendidikan robotika empat domain yang saling terkait [2]. Berikut definisi
memiliki ketertarikan tersendiri di kalangan masyarakat. literasi STEM menurut masing-masing dari empat bidang
Diantara sebabnya yakni seiring berkembangnya studi yang saling terkait [3].
teknologi dan perkiraan masa depan dimana teknologi 1. Literasi Ilmiah
menjadi sangat berpengaruh menjadikan pendidikan Kemampuan dalam menggunakan pengetahuan
berbasis teknologi dianggap cukup menjanjikan. Daya ilmiah dan proses untuk memahami alam sekitar
tarik lain yaitu pendidikan robotika memberikan dampak serta kemampua untuk berpartisipasi dalam
positif terhadap siswa dalam hal pembentukan mengambil keputusan untuk mempengaruhinya.
kepribadian dan pola pikir, kemampuan sosial seperti 2. Literasi Teknologi
kerja sama tim, komunikasi, pemecahan masalah, Pengetahuan bagaimana menggunakan teknologi
pengorganisasian dan sebagainya. baru, memahami bagaimana teknologi baru
Kini seiring berkembangnya teknologi, pendidikan dikembangkan, dan memiliki kemampuan untuk
12 2
Naufalita Shella Hasyim, mahasiswa Program Studi D4 Teknik Adnan Rachmat Anom Besari, Departemen Informatika dan
Komputer – Politeknik Elektronika Negeri Surabaya, 6011, Indonesia. Komputer – Politeknik Elektronika Negeri Surabaya, 6011, Indonesia.
E-mail : naufalita@ce.student.pens.ac.id E-mail : anom@pens.ac.id
190
menganalisa bagaimana teknologi baru memerlukan praktik dan pengukuran dalam hal
mempengaruhi individu, masyarakat, bangsa, dan kecepatan, ketepatan, jarak, prosedur, dan teknik
dunia. eksekusi.
3. Literasi Teknik C. Kurikulum 2013
Pemahaman tentang bagaimana teknologi dapat Kurikulum yang dikeluarkan oleh Kementrian
dikembangkan melalui proses rekayasa/desain Pendidikan dan Kebudayaan menyebutkan ruang lingkup
menggunakan tema pelajaran berbasis proyek kompetensi sebagai tingkat pengetahuan di setiap tingkat
dengan cara mengintegrasikan dari beberapa mata pendidikan formal. Untuk dapat mensinkronkan poin-
pelajaran berbeda (interdisipliner). poin STEM pada kurikulum robotika, perlu
4. Literasi Matematika menyesuaikan dengan kurikulum yang berlaku pada suatu
Kemampuan dalam menganalisa, alasan, dan lembaga pendidikan. Penyesuaian dilakukan agar hasil
mengkomunikasikan ide secara efektif dan dari cara belajar robotika memberi dampak positif bagi
bersikap, merumuskan, memecahkan, dan pembelajaran pada pendidikan formal. Apabila tidak
menafsirkan solusi untuk masalah matematika dilakukan penyesuaian tersebut akan menyebabkan
dalam menerapkan berbagai situasi berbeda. kelebihan beban pembelajaran siswa yang semakin
Dengan adanya penerapan STEM pada kurikulum, mempersulit siswa dalam menguasai suatu ilmu
siswa dapat mengimplementasikan 4 kategori pengetahuan dan keterampilan. Kurikulum 2013 ini
pembelajaran tersebut pada pembelajaran robotika, terbagi menjadi tiga, diantaranya sebagai berikut [5] :
dimana pembelajaran robotika erat kaitanya dengan 4 1. Faktual
poin STEM. Sehingga pembelajaran robotika menjadi Elemen dasar terdiri dari komunikasi, pemahaman,
penunjang pemahaman siswa terhadap mata pelajaran di organisasi subjek : perbendaharaan kata, istilah
bangku sekolah yang terkait dengan STEM yang sering keilmiahan, representasi simbol, dan detail spesifik.
kali sulit untuk dipahami siswa. Perlu diketahui 2. Konseptual
bahwasanya STEM merupakan poin pembelajaran Pengetahuan tentang pengklasifikasian dan
penting yang banyak diterapkan dan dibutuhkan di pengkategorian, prinsip, teori, model atau struktur.
sepanjang hidup seseorang. Maka menguasai STEM akan 3. Prosedural
membawakan dampak baik bagi masa depan siswa. Mengetahui bagaiman melakukan sesuatu ,
B. Pendekatan Bloom’s Taxonomy menampilkan keterampilan, algoritma, teknik atau
Bloom’s Taxonomy digunakan sebagai rujukan metode.
utama untuk menetukan hasil pembelajaran dari setiap 4. Metakognitif
aktivitas pembelajaran. Taxonomy memudahkan dalam Proses atau strategi pembelajaran serta pemikiran,
pengklasifikasian, sehingga pendekatan dengan Bloom’s kesadaran, dan kemampuan mengontrol,
Taxonomy dari pembelajaran yang efektif adalah dengan memonitoring, menentukan proses pemahaman diri.
mencoba melakukan klasifikasi dari tingkatan
pembelajaran. Dengan pendekatan ini membantu dalam III. KESIMPULAN
evaluasi hasil pembelajaran dengan baik dimana Setiap metode yang digunakan diatas memberikan
pembelajaran berorientasi pula pada proses. Metode ini peran tersendiri dan menunjang satu sama lain dalam
terbagi dalam tiga bentuk pembelajaran yakni kognitif, membentuk kurikulum yang baik dan sesuai dengan
afektif, psikomotorik [4]. Ketiga kategori tersebut kadar kemampuan serta kebutuhan dan kondisi
didefinisikan sebagai berikut lingkungan sekitar. STEM membantu siswa dalam
1. Kognitif memahami pembelajaran robotika dengan
Mencakup pengetahuan dan pengembangan mengintegrasikan STEM yang diajarkan dalam
keterampilan intelektual. Diantaranya ingatan atau pendidikan fromal. Kurikulum 2013 menjadi acuan
pengenalan keadaan spesifik, pola prosedural, dan STEM yang diterapkan pada pembelajaran robotika.
konsep dalam pengembangan kemampuan Bloom’s taxonomy menjadi acuan utama dalam
intelektual. melakukan pengklasifikasian tingkatan pembelajaran dari
2. Afektif hasil pembelajaran.
Bagaimana seharusnya bersikap terhadap sesuatu
secara emosional, seperti perasaan, penilaian, IV. PERNYATAAN RESMI
penghargaan, antusiasme, motivasi, dan perilaku.
Makalah ini didukung oleh Politeknik Elektronika
3. Psikomotorik
Negeri Surabaya (PENS), divisi robot edukasi dibawah
Kategori ini berhubungan dengan pergerakan fisik,
naungan EEPIS Research Center (ER2C).
koordinasi, dan penggunaan kemampuan berpindah
tempat. Pengembangan keterampilan ini
191
V. REFERENSI Available:http://www.vedcmalang.com/pppptkboemlg/index.php
/menuutama/listrik-electro/1507-asv9
[3] David R. Krathwohl, “A Revision of Bloom's Taxonomy: An
[1] Eko Henfri Binugroho, Endah Suryawati Ningrum, Dwi Kurnia
Overview,” THEORY INTO PRACTICE, Volume 41, Number 4,
Basuki, and A.R. Anom Besari, " Design of Curriculum Matrix for
Robotics Education Derived from Bloom's Taxonomy and Autumn 2002.
Educational Curriculum of 2013," IPTEK, Journal of Proceeding [4] L.W. Anderson, D.R. Krathwohl, P.W. Airasian, K.A.
Series, Vol. 1 2014. Cruikshank, R.E. Mayer, P.R. Pintrich, J. Raths, and M.C.
[2] Asmuniv. (2016).Pendekatan Terpadu Pendidikan STEM Upaya Wittrock, “A Taxonomy for learning, teaching, and assessing: A
Mempersiapkan Sumber Daya Manusia Indonesia Yang Memiliki revision of Bloom's Taxonomy of Educational Objectives,” New
Pengetahuan Interdisipliner Dalam Menyosong Kebutuhan York: Longman, 2001.
Bidang Karir Pekerjaan Masyarakat Ekonomi ASEAN (MEA) [5] National Science Foundation. 2010. “Science and Engineering
[Online]. Indicators 2010.” National Science Board.
Available:http://www.nsf.gov/statistics/seind10/c/cs1.htm.
(accessed October 1, 2011).
192
Tim Ichiro Dalam Menghadapi Kontes Robot

Sepakbola Indonesia 2016
Satria Hafizhuddin, Muhammad Arifin, Muhammad Ardi Pradana, Muhammad Reza Arrazi, Uti Solichah, Dhany Satrio
Wicaksono
Institut Teknologi Sepuluh November
Surabaya, Jawa Timur, Indonesia 60111
e-mail: satriahafizhuddin@yahoo.co.id
Ringkasan-Kontes Robot Sepak Bola Indonesia hardware maupun software sehingga mampu menjadikan
yang diadakan setiap tahun selalu memiliki tantangan performa robot kembali membaik.
tersendiri. Pada tahun ini, KRSBI mengikuti rule dari Beberapa peneliti telah melakukan pendekatan agar
robocup yang memiliki gawang berwarna putih dan robot pemain sepak bola menjadi lebih pandai. Peneliti
lapangan yang terbuat dari rumput sintetis, sehingga melakukan penentuan posisi berdasarkan fitur dalam
diperlukan peningkatan performa baik dalam bidang lapangan[5][6]. Peneliti lain melakukan penentuan posisi
visi, strategi maupun pengembangan hardware agar dari fitur luar lapangan. Sebagian peneliti yang lain
dapat menyesuaikan diri dengan model lapangan melakukan deteksi perpotongan garis sebagai landmark
yang baru. dalam lapangan[7]. Sebagian peneliti meningkatkan
kecerdasan robot dengan cara koordinasi antar robot.
I. PENDAHULUAN Sehingga didapatkan tim yang smart dari masing-masing
Semakin hari semakin banyak peminat dalam dunia individu robot[8].
robotika. Perkembangan teknologi robotika ditunjang Tim Ichiro melakukan berbagai pendekatan untuk
dengan banyaknya kompetisi yang diselenggarakan. meningkatkan kecerdasan robot: 1. Perbaikan vision,
Salah satu yang dilaksanakan di Indonesia adalah Kontes sehingga didapatkan citra yang baik sebagai bahan dasar
Robot Sepak Bola Indonesia atau KRSBI. KRSBI permrosesan citra selanjutnya; 2. Kemampuan berlaga di
merupakan kegiatan yang setiap tahun selalu diadakan atas rumput; 3. Perbaikan deteksi fitur-fitur lapangan
dimana juara dari kontes ini akan mewakili dalam Kontes untuk digunakan sebagai penanda/referensi pada proses
Internasional yang serupa yaitu Robocup. KRSBI penentuan lokasi; 4 .Kerja sama antar robot. Modifikasi
merupakan adopsi dari kompetisi Robocup dengan dilakukan pada platform yang sudah digunakan dari
peraturan dan sistem permainan yang hampir serupa di tahun-tahun sebelumnya, yaitu DarwinOP. Salah satu
kategori Kid Size[1]. Pada KRSBI tahun 2016 ini, terdapat modifikasi tambahan yang dilakukan pada Darwin OP
perubahan peraturan yang memberikan tantangan dalam yang digunakan oleh tim ini ialah adalah pada bagian
permainan ini. Untuk Tahun ini ukuran lapangan dan telapak kaki robot, untuk penyesuaian diri terhadap
gawang menjadi lebih kecil dari sebelumnya. Tahun ini rumput maka diperlukan penggantian jenis telapak kaki
lapangan dari KRSBI seluas 4x6 meter dimana lapangan versi original dan diberikan beberapa buah pull pada
ini berukuran lebih kecil dari yang tahun sebelumnya telapak kaki robot sehingga robot menjadi lebih mudah
yaitu 6x9 meter, dari kondisi lapangan pun terjadi banyak berjalan di atas rumput yang panjangnya sekitar 3 cm
perubahan, karena lapangan tahun 2016 ini menggunakan tersebut, dilakukan beberapa kali percobaan untuk
sintetis seperti yang dipakai di lapangan Robocup Soccer mendapatkan jenis pull yang paling cocok di gunakan
Humanoid League. Sedangkan untuk gawang mengalami pada rumput tersebut. Adapun dan jenis-jenis pull yang
perubahan baik ukuran maupun warna, gawang menjadi telah dicoba ialah sebagai berikut:
lebih kecil dari ukuran sebelumnya dan untuk warna yang
semula berwana kuning menjadi warna putih.
Penggunaan rumput sintetis pada lapangan
menjadikan performa robot untuk bermain di atas
lapangan menurun dikarenakan robot menjadi lebih susah
baik dalam hal menggiring, mengontrol, mengejar
maupun menendang bola. Dan untuk mengatasi hal
tersebut diperlukannya beberapa modifikasi baik dari sisi Gambar 1: Jenis-jenis pull
193
3 Dari 4 Robot yang digunakan Tim Ichiro juga telah Robot yang digunakan dalam tim Ichiro
mengalami modifikasi hardware berupa penggantian menggunakan platform Darwin-OP. Darwin-OP
model Body pada robot dari versi original-nya. (Dynamic Anthropomorphic Robot with Intelligence-
Open Platform) dapat dibuat sendiri dengan cara
mengunduh spesifikasi teknis serta kode frameworknya
melalui website resmi dari Robotis.
Darwin-OP dilengkapi dengan sebuah computer
mini sebagai pemroses utama berbasis linux, sebuah
modul pengontrol gerak (CM-730) berbasis ARM,
webcam, Wi-Fi, gyroscope dan accelerometer. Modul ini
berkomunikasi dengan komputer pemroses utama melalui
jalur komunikasi serial. Webcam dan Wi-Fi dikontrol
oleh komputer melalui jalur USB. Untuk sensor
gyroscope dan accelerometer digunakan sebagai masukan
Gambar2: Darwin-OP modifikasi (Kiri), Darwin OP modul pengontrol gerak untuk mengatur keseimbangan
Original (Kanan) robot saat berjalan. Robot ini terdiri atas 20 derajat
kebebasan dengan motor penggerak utama adalah
II. PERKEMBANGAN ROBOT TIM DYNAMIXEL MX-28. Sebagai tambahan, robot yang
Robot yang digunakan tim robot ITS sejak pertama digunakan telah disisipi dengan sensor orientasi untuk
kali mengikuti Kontes Robot Sepak Bola Indonesia pada mempermudah robot menemukan posisi relatif terhadap
tahun 2011 sampai tahun 2016 ini telah mengalami begitu lapangan.
banyak perubaahan baik dari sisi hardware maupun Robot penjaga gawang Robot penjaga gawang tim
software. Pada awal partisipasi tim robot ITS, robot yang Ichiro mendapatkan modifikasi pada bagian body utama,
digunakan adalah platform Bioloid. Hingga pada tahun yaitu menggunakan body berbahan dasar alumunium,
2013 lalu, platform yang digunakan adalah platform namun tetap menggunakan visi dari Platrom Darwin OP
Darwin-OP yang dipadukan dengan platform Bioloid. yang resmi.
Dimana robot dengan platform Darwin-OP sebagai Robot penyerang 1 dan Robot Gelandang Robot
penyerang dan gelandang dan platform Bioloid sebagai penyerang dan robot gelandang yang digunakan
penjaga gawang, hingga pada tahun 2014 tim robot ITS menggunakan platform Darwin-OP yang telah
sepenuhnya menggunakan platform Darwin-OP. dimodifikasi pada bagian body dan visinya. Visi robot ini
Pada Tahun 2016 ini tim robot ITS menggunakan kamera webcam dari Logitech dengan tipe
mendapatkan tambahan 1 buah robot platform Darwin C920. Tipe ini menggunakan lensa dari Carl-Zeiss yang
OP sehingga jumlah keseluruhan robot yang digunakan mampu meningkatkan kualitas sudut pengelihatan robot.
untuk lomba adalah 4 buah Robot, dengan setiap robot Selain itu dari segi sensor, kamera ini menghasilkan
memiliki modifikasi yang berbeda-beda. gambar yang lebih jernih dari kamera Darwin-OP versi
A. Sekilas tentang riset yang dilakukan original, sedangkan body menggunakan body yang
Saat ini tim Ichiro memfokuskan riset pada bidang- berbahan dasar alumunium.
bidang berikut ini: Robot penyerang 2 Robot penyerang 2 tim Ichiro
a. Pengembangan penndeteksian dan posisi bola. menggunakan platform Darwin-OP versi original.
b. Keseimbangan dengan memanfaatkan sensor Sehingga secara spesifikasi, robot ini sama dengan
gyroscope dan accelerometer serta posisi tubuh spesifikasi platform open project Darwin yang resmi.
dan bentuk pull.
c. Mengembangkan pengontrolan kecepatan serta C. Komputasi Robot
posisi dengan PID Proses komputasi pada tiap robot memiliki tiga
d. Pengenalan teman satu tim dan komunikasi level. Pada level komputasi terendah adalah pengaturan
20 motor servo. Setiap servo diatur oleh microcontroller
wireless
yang mengatur posisi dan kecepatan motor, motor
tersebut juga mampu memonitor kondisi motor
B. Hardware Robot misalkan: suhu motor. Pada layer medium adalah
Secara keseluruhan, robot yang digunkan oleh tim pengaturan gerakan motor yang dilakukan oleh
robot ITS menggunakan platform Darwin-OP. Namun controller CM-730, pemrograman pada controller CM-
terdapat beberapa perbedaan hardware dari tiap robot, 730 dilakukan dengan cara membuat motion tertentu
baik robot penyerang, gelandang maupun penjaga yang melibatkan minimal satu motor servo. Pada layer
gawang.
194
ketiga adalah komputasi untuk melakukan kontrol untuk digunakan menghindari antar teman dapat juga
vision, penentuan lokasi, kontrol kelakuan robot digunakan untuk proses komunikasi lokasi pada antar
(behavior), penterjemahan perintah dari game robot penyerang dan penjaga gawang sehingga dapat
controller serta koordinasi antar robot. digunakan untuk menjalankan cooperative[2].
D. Deteksi Fitur Lapangan E. Behaviour Robot
Dalam permainan sepak bola, tiap robot harus
mampu mengenali fitur landmark yang ada pada lapangan
sepak bola. Fitur yang ada dalam lapangan sepak bola
yang dapat dimanfaatkan robot adalah deteksi gawang,
deteksi garis lapangan, deteksi bola dan deteksi kawan[2].
Gambar 4. State Diagram Robot Penyerang

Pada robot penyerang, strategi state diagram sesuai
pada gambar diatas. Robot pertama kali berada dalam
keadaan inisial yang diatur oleh game controller. Ketika
data permainan dimulai, robot akan mencari bola yang
Gambar 3. Deteksi Bola ada dalam lapangan. Ketika bola ditemukan, robot akan
Dalam Kontes Robot Sepak Bola Indonesia 2015, memberitahu teman yang lainnya bahwa dia sudah
bola robot yang digunakan adalah bola tenis berwarna menemukan bola dan mengejar bola tersebut. Ketika
jingga. Namun dalam hal ini pendeteksian bola jika robot sudah mendekati bola sampai pada batas area
dengan filter jingga akan terdapat noise pada luar tendang kaki, robot kemudian akan mencari gawang
lapangan yang tertangkap pada kamera jika terdapat lawan sebagai target.. Ketika gawang sudah ditemukan
warna jingga lain. Sehingga untuk menghindari kesalahan sudah didapatkan, robot akan memutari bola sampai pada
pendeteksian, ditentukan bola dengan warna jingga yang posisi robot lurus dengan gawang. Setelah itu robot akan
valid harus berada dalam lapangan yang berwarna hijau. melakukan proses lokasi pada robot, ketika robot sudah
Penggunakan filter ini dapat meminimalkan kesalahan mendapatkan posisi lurus dengan gawang, maka robot
pembacaan posisi bola. Hasil dari filter ini yaitu robot akan menggiring bola sampai melebihi batas goal, namun
hanya mengikuti bola yang ada di lapangan meskipun ada apabila gawang tidak ditemukan, robot akan memutari
bola lain yang mengganggu. bola sampai pada posisi relative lurus ke daerah lawan.
Dalam pendeteksian gawang, proses mengenali Setiap kejadian robot seperti kehilangan bola atau robot
gawang menggunakan metode perpotongan garis vertical terjatuh, perilaku robot akan kembali ke mencari bola.
dan horizontal. Proses pendeteksian gawang
menggunakan metode pada penelitian sebelumnya[1]. Pada Strategi yang pertama adalah robot penjaga
Sehingga hasil dari garis akan membentuk titik tiang gawang dengan tending. Saat memulai inisial melalui
gawang dan kiri. Sehingga apabila terdapat benda game controller, maka robot akan diam mencari bola
berwarna putih yang tertangkap kamera yang tidak sepanjang 180 derajat. Apabila bola ditemukan dan
memiliki perpotongan garis tersebut, maka dianggap bergulir secara cepat, maka robot penjaga gawang akan
bukan gawang[2]. menjatuhkan diri dan menangkap bola berdasarkan arah
Dalam pendeteksian kawan, digunakan datangnya bola. Ketika posisi dalam keadaan jatuh, maka
pendeteksian melalui komunikasi secara wireless. Dalam robot akan bangkit kembali dan menempatkan posisi
hal ini apabila robot penyerang pertama sudah memutar berdasarkan posisi relative terhadap arah
mendapatkan bola dan berada didekat sedangkan robot musuh. Ketika bola ditemukan dan berada dalam kondisi
penyerang kedua mendapatkan bola namun berada di Gambar 5. State Diagram Robot Penjaga Gawang
jauh, maka robot pertama akan menyuruh robot kedua
untuk berhenti mengejar. Sehingga tidak akan terjadi berhenti dengan jangkauan dekat dengan robot, maka
perebutan bola antar teman. Pendeteksian dan robot akan mendekati bola sampai pada batas area
komunikasi antar robot menggunakan warna seragam jangkauan tendang. Ketika berada di batas area tendang,
yang digunakan bergantung pada nomor tim yang didapat robot akan memutari bola berdasarkan posisi relative
dari packet data referee box. Pendeteksian kawan selain terhadap arah lawan. Ketika dianggap posisi sudah ke
195
2011 21st International Conference on , vol., no., pp.100,107, Feb.

28 2011-March 2 2011
[6] Shih-Hung Chang; Wei-Hsuan Chang; Chih-Hsien Hsia; Fun Ye;
Jen-Shiun Chiang, "Efficient neural network approach of self-
localization for humanoid robot," Pervasive Computing (JCPC),
2009 Joint Conferences on , vol., no., pp.149,154, 3-5 Dec. 2009
[7] Hannes Schulz, Weichao Liu, Jörg Stückler, and Sven Behnke.
2011. Utilizing the structure of field lines for efficient soccer robot
localization. In RoboCup 2010, Javier Ruiz-del-Solar, Eric
Chown, and Paul G. Plöger (Eds.). Springer-Verlag, Berlin,
Heidelberg 397-408.
[8] Kai-Tai Song; Chi-Yi Tsai; Cheng-Hsien Chiu Huang, "Multi-
robot cooperative sensing and localization," Automation and
Logistics, 2008. ICAL 2008. IEEE International Conference on ,
vol., no., pp.431,436, 1-3 Sept. 2008
[9] Cheng Yee Low, Norheliena Aziz, Mustafa Aldemir, Martin
Mellado, Roman Dumitrescu, Harald Anacker, Principle Solution
for Designing Collaborative Humanoid Soccer Robots, Procedia
arah musuh, robot akan melakukan tendangan dan Engineering, Volume 41, 2012, Pages 1507-1515, ISSN 1877-
kemudian kembali ke posisi awal robot berdasarkan 7058,.
posisi relative arah musuh. . Setiap kejadian robot seperti
kehilangan bola atau robot terjatuh, perilaku robot akan V. BIOGRAFI
kembali ke mencari bola.
Satria Hafizhuddin lahir pada 16 Januari 1997 di Amuntai, Kalimantan
Selatan. Penulis lulus dari MTsN Model Samarinda pada tahun 2011dan
III. KESIMPULAN MA Darul Ihsan pada tahun 2013. Saat ini penulis sedang menempuh
pendidikan strata satu Teknik Elektro, Institut Teknologi Sepuluh
Penelitian pada paper ini masih dalam Nopember, Surabaya.
pengembangan. Dalam hal ini, robot sudah mampu
mencapai titik kkeseimbangannya dalam berlaga di atas Muhammad Arifin lahir pada 15 Agustus 1994 di Kota Gresik, Jawa
Timur. Penulis lulus dari SMP Muhammadiah 1 pada tahun 2010 dan
rumput dengan panjang sekitar 3 cm, robot juga sudah dari SMA Negeri 1 Sidoarjo pada tahun 2013. Saat ini penulis sedang
berhasil membedakan antara bola yang ada didalam menempuh pendidikan strata satu Teknik Elektro, bidang studi
lapangan dan diluar lapangan. Selain itu robot juga Elektronika, Institut Teknologi Sepuluh Nopember, Surabaya.
mampu membedakan antara gawang dan bukan gawang Muhammad Ardi Pradana lahir pada 11 Agustus 1995 di Kota
walaupun memiliki warna yang sama. Strategi robot yang Probolinggo, Jawa Timur. Penulis lulus dari SMP Taruna Dra. Zulaeha
diterapkan pada robot penyerang dan penjaga gawang pada tahun 2010 dan dari SMA Taruna Dra. Zulaeha pada tahun 2013.
Saat ini penulis sedang menempuh pendidikan strata satu Teknik
mengalami peningkatan. Keberadaan bola pada lapangan Multimedia dan Jaringan, Institut Teknologi Sepuluh Nopember,
akan saling memberitahu dan mengetahui lokasi bola di Surabaya.
lapangan.
Muhammad Reza Arrazi. Lahir 19 Oktober 1996 di Surabaya. Saat ini
penulis sedang menempuh pendidikan strata satu Teknik Informatika,
IV. DAFTAR PUSTAKA Institut Teknologi Sepuluh Nopember, Surabaya.
[1] A. H. Dahlan, “Deteksi fitur dan penentuan lokasi robot pemain
Dhany Satrio Wicaksono lahir pada 4 Juli 1996 di kota Bondowoso,
sepak bola berbasis penanda yang tidak unik,” in The 2nd Jawa Timur. Saat ini penulis sedang menempuh pendidikan Diploma 3
Symposium On Robot Soccer Competition, Yogyakarta, 2014. Teknik Elektro, Institut Teknologi Sepuluh Nopember, Surabaya.
[2] M.Arifin, “Strategi Permainan Robot Sepak Bola Tim ICHIRO
dalam KRSBI 2015,” in The 3nd Symposium On Robot Soccer Uti Solichah lahir pada 30 April 1994 di kota Indramayu. Saat ini
Competition, Yogyakarta, 2015. penulis sedang menempuh pendidikan strata satu Teknik Informatika,
[3] Robocup Committee, RoboCup Soccer Humanoid League Institut Teknologi Sepuluh Nopember, Surabaya.
Rules and Setup For the 2014 Competition Jo~ao Pessoa, 2014.
Muhtadin lahir pada 9 Juni 1981 di Kota Tulung Agung, Jawa Timur.
[4] Robocup Committee, RoboCup Soccer Humanoid League Saat ini penulis aktif sebagai dosen dan peneliti di jurusan Teknik
Rules and Setup For the 2015 Competition Hefei, 2015. Multimedia dan Jaringan Institut Teknologi Sepuluh Nopember,
[5] Zannatha, J.M.I.; Cisneros Limón, R.; Gómez Sánchez, A.D.; Surabaya. Penulis aktif meneliti pada topik penelitian robotika,
Hernández Castillo, E.; Medina, L.E.F.; Lara Leyva, F.J.K., Intelligent Transportation System, Embedded System dan Biomedik.
"Monocular visual self-localization for humanoid soccer robots,"
Electrical Communications and Computers (CONIELECOMP),
196

Prosiding ISRSC 2016

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Prosiding ISRSC 2016

Uploaded by

Copyright:

Available Formats

4th Indonesia Symposium on Robot Soccer

Competition (ISRSC) 2016

Surabaya, 1 Juni 2016

Prakata Chairman ISRSC 2016

Surabaya, 1 Juni 2016

Dr. Ir. Endra Pitowarno, M.Eng

Sambutan Direktur PENS

Assalamu’alaikum Wr. Wb.

Dr. ZainalArief, S.T, M.T

Biografi Keynote Speaker

Waktu Kegiatan Tempat

Session : Parallel Session 01

Session : Parallel Session 02

Session : Parallel Session 03

Session : Parallel Session 04

Session : Parallel Session 05

Session : Parallel Session 06

Lantai 6, Gedung Pascasarjana PENS

Prof. Dr. Estiko Rijanto

Dr. Dadet Pramadihanto, Ph.D.

Sistem Deteksi Bola Berdasarkan Warna Bola Dan

C. Konsep Binerisasi Citra (Thresholding) III. PERANCANGAN SISTEM

f(x,y);if f(x,y)>Threshold then f(x,y)=255 else 0

structuring element yang digunakan. Pada operasi ini, 1 19 2

objek [7]. Cara yang dapat dilakukan ada 2: 5 6

 Dengan mengatur semua titik di sekeliling titik latar 13 14

menjadi titik latar.

Pemrograman Socket Untuk Koneksi Abtara

Gambar 4. Pemrograman socket untuk listen data

Pada Gambar 5 pertama yang harus kita buat adalah

Gambar 3. Paket data yang sudah diubah menjadi

IV. PEMROGRAMAN SOCKET BAHASA

Rizky Arif Windiarto lahir diwonosobo 22

Gambar 9 Gambar dari score

Sistem Keseimbangan pada Tubuh Robot

Abstract – Pada paper ini akan dijelaskan mengenai hasil

Menjelaskan Gambar 2, gambar [2a] adalah gambar

III. STRATEGI ANKLE DAN STRATEGI PINGGUL

melawan arah kemiringan pusat massa robot untuk

Gambar 4, Blok Diagram Kontroler PID pada robot

error = set point - θ (1)

Persamaan 1 adalah persamaan untuk mendapat nilai

HIP servo = servo value + PID (2)

Three-wheeled Omnidirectional Robot Controller

O mnidirectional mobile robot is a robot that is able to

in tight and complex spaces. Their1 manuverability is due

The velocity kinematic equations of the

Fig. 2. Block Diagram of the Control Architecture

sampling time. After optimisation, the plant cannot

where u[k] is the plant output with 𝑏0 , 𝑏1 , 𝑏2 , 𝑏0 , 𝑎0 ,

C. Obtaining Actuator Transfer Function 𝑏0 = 𝐾𝑝 (1 + 𝑁𝑇𝑠 ) + 𝐾𝑖 𝑇𝑠 (1 + 𝑁𝑇𝑠 ) + 𝐾𝑑 𝑁 (7)

Fig. 7. The mobile robot used for hardware implementation

Fig. 5. The system simulation block IV. CONCLUSION

Rancang Bangun Mekanik Penendang Pada Robot

P ertandingan antara robot dengan tim juara dunia

Konstanta waktu menyebabkan keterlambatan

Gambar 1. Robot Soccer Midle Size

Gambar 2. Prinsip kerja solenoid

terbaik adalah Supermalloy, Silicon Core Iron and

On/Off Boost Charge Capasitor 0-300V IGBT

DC-DC boost converter. Tegangan baterai 12 V dirubah

Gambar 10. Desain DC-DC Boost Converter

Gambar 8. Desain hardware solenoid penendang