ANALISIS PERBANDINGAN PERMODELAN METODE LOGIKA FUZZY DAN NEURAL NETWORK BACKPROPAGATION PADA LAJU MOBILE ROBOT WALL FOLLOWER PEMADAM API.

BUDIANTO, ACHMAD (2017) ANALISIS PERBANDINGAN PERMODELAN METODE LOGIKA FUZZY DAN NEURAL NETWORK BACKPROPAGATION PADA LAJU MOBILE ROBOT WALL FOLLOWER PEMADAM API. Diploma thesis, POLITEKNIK PERKAPALAN NEGERI SURABAYA.

Full text not available from this repository.

Abstract

ABSTRAK Navigasi robot Wall Follower merupakan salah satu sistem navigasi yang cocok digunakan dalam perlombaan seperti Kontes Robot Pemadam Api Indonesia (KRPAI) divisi beroda. Sistem navigasi yang paling umum digunakan pada robot Wall Follower adalah metode kontroller PID karena struktur yang sederhana. Akan tetapi dalam penerapannya pada kontroler PID di perlukan trial dan error untuk menenmukan nilai Ki, Kp dan Kd yang sesuai. Dalam Jurnal, terdapat sistem kendali cerdas yang mampu diterapkan pada robot Wall Follower antara lain metode logika Fuzzy dan jaringan saraf tiruan (Neural Network). Berdasarkan latar belakang di atas menarik untuk melakukan Tugas Akhir menganalisis metode kontrol cerdas logika Fuzzy dan Neural Network Backpropagation pada robot Wall Follower. Analisis berupa membandingan hasil keluaran aktuaktor kecepatan motor DC 12 Volt serta masukan sensor jarak ultrasonik HC–SR 04 mengunakan kontroler Arduino Mega 2560 dengan robot dan arena yang sama. Dalam menganalisis dilakukan dalam dua tahap yaitu pertama pengujian pada arena dengan tujuan memperoleh pengaturan nilai parameter tiap – tiap sistem kontrol yang optimal dan digunakan sebagai referensi dalam pengujian dua metode. Dan yang kedua pengujian kedua metode pada arena untuk mengamati performansi dari masing – masing sistem kendali. Hasil dari pengujian yang telah dilakukan, robot dapat bekerja dengan baik menelusuri dinding dan memadamkan api menggunakan metode Fuzzy dan Neural Network Backpropagation. Metode Fuzzy lebih lambat mencapai setpoint (7 cm jarak robot dengan dinding acuan lintasan) dengan waktu 0,4 detik dibandingkan Neural Network Backpropagation yang membutuhkan waktu 0,35 detik. Pada kestabilan menjaga nilai setpoint, logika Fuzzy dan Neural Network Backpropagation mengalami osilasi sama 1,1 detik untuk mencapai nilai setpoint stabil. Untuk laju menelusuri lintasan penuh logika Fuzzy lebih lamban dengan membutuhkan 41,17 detik satu putaran dibandingkan Neural Network Backpropagation yang membutuhkan 37,73 detik. Kata kunci : Wall Follower, Logika Fuzzy, Neural Network Backpropagation. ABSTRACT The wall follower robot navigation is one of the most suitable navigation systems used in competitions such as the Indonesian Fire Extinguisher Robot Contest (KRPAI) wheeled division. The most common navigation system used on wall follower robots is the PID controler method because of its simple structure. However, in its application to the PID controller it is necessary to have trial and error to find the appropriate Ki, Kp and Kd values. In the Journal, there are intelligent control systems that can be applied to the robot wall follower among other methods of Fuzzy Logic and Neural Network. Based on the background it is interesting to perform Final Project assignment to analyze the intelligent control method of fuzzy logic and Neural Network Backpropagation on wall follower robot. Analyze the result of comparison of output of speed actuator of two 12 Volt DC motor and input of five ultrasonic distance sensor HC-SR 04 using Arduino Mega 2560 controler with same robot and arena. The analyzes were conducted in two stages: first the test in the arena with the aim of obtaining the optimal parameter setting of each control system and used as a reference in testing the two methods. And secondly testing both methods on the arena to observe the performance of each control system. The results of the tests that have been done, the robot can work well through the wall and extinguish the fire using Fuzzy and Neural Network Backpropagation methods. Fuzzy method reaches setpoint slower with 0,4 seconds than Neural Network Backpropagation which takes 0,35 seconds. In stability keeping the setpoint value, Neural Network Backpropagation and Fuzzy Logic are stable with oscillations for 1,1 seconds. For faster trace rate Fuzzy runs slower with 41,17 seconds one round compared to Neural Network Backpropagation which takes 37,73 seconds. Keywords : Wall Follower, Fuzzy Logic, Neural Network Backpropagation.

Item Type: Thesis (Diploma)
Subjects: T Technology > T Technology (General)
Divisions: Jurusan Teknik Kelistrikan Kapal > Teknik Otomasi
Depositing User: Unnamed user with email repository@ppns.ac.id
Date Deposited: 22 Sep 2018 04:54
Last Modified: 22 Sep 2018 04:54
URI: http://repository.ppns.ac.id/id/eprint/1210

Actions (login required)

View Item View Item