Pemanfaatan Raspberry Pi Sebagai Home Automation Server Menggunakan Kendali Perangkat Android

(1)

Pevrizal^*), Firdaus^**), Tati Erlina^***), Ratna Aisuwarya^****)

* †*** †****

Teknologi Informasi, Universitas Andalas

** Politeknik Negeri Padang

E-Mail: ^*[email protected], ^**[email protected], ^***[email protected],

Perkembangan teknologi membuat tuntutan terhadap peningkatan kualitas rumah juga meningkat. Dalam penelitian ini dibangun sebuah prototipe server menggunakan Raspberry Pi. Server tersebut berfungsi sebagai pusat pengendali perangkat rumah yang dimonitor dan dikontrol melalui perangkat Android. Raspberry Pi dihubungkan dengan led dan kipas sebagai alat yang akan dikontrol. Selain itu, pada Raspberry Pi juga dipasang beberapa sensor dan kamera untuk memantau informasi mengenai rumah. Agar dapat mengirimkan informasi dan menerima perintah, Raspberry Pi dihubungkan dengan perangkat Android melalui jaringan wireless. Hasil percobaan menunjukan bahwa Raspberry Pi mampu berperan sebagai server pengendali dengan delay rata-rata 14 detik.

Kata kunci: Home automation, Raspberry Pi , Android

1. PENDAHULUAN

Salah satu bentuk penerapan teknologi yang berhubungan dengan kebutuhan utama manusia adalah home automation, dimana semua perangkat rumah dapat dikendalikan secara remote dan bekerja secara otomatis.

Selain itu, teknologi home automation atau bisa disebut smart home juga dapat digunakan untuk mengendalikan perangkat- perangkat rumah dengan satu pengontrol pusat. Beberapa alat yang biasanya dapat dikontrol oleh teknologi ini adalah lampu, TV, AC dan alat rumah tangga lainnya.

Terdapat beberapa bentuk pengontrol home automation, salah satunya adalah remote control. Dengan menggunakan remote control penghuni dapat mengontrol peralatan rumah dengan cara mengarahkan remote control pada pengendali pusat. Selain itu, pengendalian juga dapat dilakukan lewat suara, dimana penghuni cukup menyampaikan kata kunci agar dapat mengontrol rumah.

Namun demikian, pengontrolan lewat remote control dan suara belum cukup membantu penghuni yang ingin lebih leluasa mengontrol atau memonitor rumah. Kedua pengontrol tersebut tidak dilengkapi dengan fasilitas yang

dapat memonitor keadaan rumah. Selain itu, kedua pengontrol tersebut sangat terbatas ruang, dimana penghuni rumah harus berada dekat pengendali pusat agar dapat mengontrol rumah. Oleh karena itu, teknologi perlu diberdayakan sedemikian rupa sehingga home automation dapat dikontrol dan dimonitor menggunakan pengendali yang dapat digunakan dimana saja, salah satunya yaitu dengan menggunakan perangkat Android sebagai pengendali.

2. LANDASAN TEORI

2.1. Home Automation

Home automation bisa diartikan sebagai bentuk pengurangan interaksi manusia pada perangkat rumah secara teknis dengan menggantikan interaksi tersebut dengan sistem elektronik yang telah terprogram[1].

Beberapa pekerjaan yang dapat dilakukan atau digantikan oleh home automation adalah Digital Video Recorder(DVR) yang diprogram agar dapat merekam acara favorit secara otomatis, Air Conditioner (AC) yang dapat hidup secara otomatis pada suhu tertentu serta pemberitahuan otomatis kepada penghuni atau polisi jika terjadi percobaan perampokan pada rumah.

Pemanfaatan Raspberry Pi Sebagai Home Automation Server Menggunakan Kendali

Perangkat Android

(2)

Elemen-elemen yang biasa diikutsertakan pada home automation adalah sensor, pengontrol (seperti Raspberry Pi ) dan aktuator. Agar dapat dimonitor dan dikontrol, home automation dilengkapi dengan human-machine interface, seperti perangkat Android.

2.2. Raspberry Pi

Raspberry Pi merupakan sebuah komputer berukuran kecil yang dibuat dengan tujuan untuk mempromosikan ilmu komputer pada sekolah-sekolah dengan harapan Raspberry Pi dapat membantu siswa mengembangkan kreativitas di bidang teknologi[2].

Pada saat ini terdapat 2 buah tipe Raspberry Pi , yaitu Raspberry Pi model A dan Raspberry Pi model B. Model A memiliki 1 port Universal Serial Bus (USB) dan tidak memiliki port ethernet. Sedangkan model B memiliki 2 port USB dan 1 port ethernet.

2.3. Android

Android adalah sebuah sistem operasi berbasis java yang berjalan di atas kernel linux [3]. Aplikasi-aplikasi yang terdapat pada Android dibuat dengan bahasa java dan dapat dikembangkan dengan mudah di platform lain. Sistem operasi Android juga dikenal dengan sistem operasi yang ringan dan kaya akan feature.

2.4. PCF8591 AD/DA Converter Board PCF8591 AD/DA Converter Board adalah modul elektronika untuk mengkonversi signal analog ke digital dan digital ke analog. IC PCF8591 memiliki 4 masukan analog dan satu keluaran analog.

Board ini digunakan pada rangkaian elektronika yang membutuhkan pengumpulan data analog seperti masukan dari berbagai macam sensor. Selain itu, modul ini dapat difungsikan sebagai sensor cahaya (memiliki built-in photoresistor) dan sensor suhu (memiliki built-in thermistor) [4].

2.5. Logika Fuzzy

Logika fuzzy pertama kali diperkenalkan pada tahun 1965 oleh Lotfi A.

Zadeh, seorang ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas California di Barkeley[5].

Meskipun logika fuzzy berasal dari Amerika, tapi pemanfaatan logika fuzzy lebih banyak digunakan oleh praktisi Jepang

dengan mengadaptasikannya ke bidang control. Hal ini dikarenakan kultur orang barat yang biasa memandang suatu masalah sebagai hitam-putih,ya-tidak,sukses-gagal, atau yang setara dengan dunia biner Arisoteteles. Sedangkan orang timur lebih dapat menerima dunia “abu-abu” atau fuzzy[5]. Produk elektronik yang menerapkan prinsip logika fuzzy, misalnya adalah mesin cuci dan AC.

2.6. Face Detection

Face detection merupakan bentuk teknologi komputer yang dapat menentukan lokasi dan ukuran dari wajah manusia di gambar digital[6]. Teknologi ini hanya akan mendeteksi wajah dan akan mengabaikan bentuk fisik lainnya. Aplikasi dari face detection antara lain adalah sistem pengenalan biometrik, sistem pencarian, pengurutan pada database citra digital dan database video digital, sistem keamanan, konferensi video dan interaksi manusia dengan komputer.

Face detection merupakan tahapan awal dari teknologi face recognition, dimana face recognition tidak hanya dapat menentukan lokasi tapi juga mengenal siapa yang muncul pada gambar digital.

2.7. Metode Viola Jones

Deteksi wajah dapat dilakukan dengan berbagai metode, salah satunya menggunakan metode Viola-Jones. Yaitu metode yang menggabungkan support vector machine, algoritma boosting, dan cascade filter[7]. Algoritma boosting adalah sebuah metode machine learning yang bertujuan untuk membentuk suatu template objek yang dideteksi dan cascade filter digunakan sebagai pengklasifikasian. Metode ini diterapkan pada sembarang gambar digital untuk mencari tahu lokasi atau posisi wajah pada citra tersebut. Metode ini merupakan salah satu metode yang paling umum digunakan pada proses pendeteksian wajah pada citra.

3. METODE PENELITIAN

Proses pengontrolan perangkat rumah dimulai dengan perintah yang diberikan oleh smartphone. Perintah dari smartphone berisi ip address Raspberry Pi dan perintah tersebut diteruskan pada wireless router.

Wireless router akan mencari ip Raspberry Pi pada ip table yang dimiliki wireless

(3)

router. Jika ip Raspberry Pi terdapat pada ip table, maka perintah dari smartphone tersebut diteruskan kepada Raspberry Pi.

Gambar 1. Diagram Blok pengontrolan rumah

Proses pengiriman informasi dimulai dari kamera atau modul PCF8591 yang telah dihubungkan dengan Raspberry Pi (Gambar 2). Informasi dari kamera adalah berupa gambar. Gambar diambil oleh kamera jika kamera mendeteksi adanya wajah di daerah pemonitoran. Proses pengiriman informasi juga dapat dimulai dari PCF8591. Data yang dikirim oleh modul ini adalah nilai suhu dan nilai intensitas cahaya pada ruangan.

Gambar 2. Diagram Blok pengiriman informasi

3.1. Diagram Alir Program pada Android

Gambar 3. Flowchart program untuk Android

Program menampilkan informasi mengenai keadaan rumah pada saat inisialisasi di perangkat Android. Setelah menampilkan informasi, program menunggu aksi dari pengguna. Terdapat 3 pilihan aksi yang tersedia pada aplikasi perangkat Android, yaitu aksi untuk mengontrol fan, mengontrol lampu dan memonitor ruangan.

Setelah aksi diinputkan, aksi tersebut akan diteruskan pada Raspberry Pi untuk diolah oleh program pada Raspberry Pi.

3.2. Diagram Alir Program pada Raspberry Pi

Logika program yang dibuat pada Raspberry Pi dapat dilihat pada gambar 4.

Program pada Raspberry Pi mengambil tindakan sesuai dengan perintah yang telah dikirimkan oleh program pada perangkat Android.

3.3. Program Automasi

Program ketiga adalah program untuk melakukan automasi. Program ini akan dieksekusi setiap 3 detik. Ada 3 hal yang akan dilakukan secara automasi, yaitu penurunan suhu, menghidupkan lampu dan pendeteksian wajah.

Pada program automasi suhu, penurunan suhu dilakukan jika suhu yang dideteksi oleh modul PCF8591 lebih besar dari set point suhu yang telah ditentukan user. Penurunan suhu dilakukan dengan cara menaikan

mulai

terima perinta h dari android

aksi

atur

kecepatan fan

aksi aksi

hidupkan /matikan lampu

kecepata

kirim informasi

dari kamera ke

android

kirim informasi suhu dan keadaan lampu Smartphone Wireless

Router ^{Mini PC}

LED/Kipas angin

Kamera/Modul PCF8591

Mini PC

Smartphone Wireless router

Gambar 4. Flowchart program raspberry pi

(4)

kecepatan dari kipas angin sesuai dengan logika fuzzy.

Untuk automasi cahaya, dilakukan penyesuaian berdasarkan tingkat intensitas cahaya yang didapat dari modul PCF8591.

Sedangkan untuk pendeteksian wajah dilakukan dengan cara menjalankan algoritma Viola Jones pada kamera yang telah aktif. Jika algoritma Viola Jones mendeteksi adanya wajah maka Raspberry Pi segera memberi notifikasi pada perangkat Android.

4. HASIL DAN ANALISA

Sistem yang dibangun terdiri dari beberapa komponen utama, yaitu :

1. Raspberry Pi sebagai pengolah informasi dan pengontrol.

2. Modul pcf8591 sebagai pengambil informasi suhu dan cahaya

3. Kamera sebagai pendeteksi wajah 4. Android sebagai pemberi perintah.

Gambar 5. Bentuk alat 4.1. Keberhasilan Eksekusi Perintah

Untuk mengetahui apakah sistem telah berhasil dibuat sesuai dengan rancangan, perlu dilakukan uji coba terhadap perintah- perintah yang tersedia pada sistem. Hasil pengujian terhadap keberhasilan eksekusi perintah dapat dilihat pada tabel berikut :

Tabel 1. Hasil Pengujian Eksekusi Perintah

Dari tabel dapat dilihat bahwa semua perintah yang terdapat pada Raspberry Pi dapat dieksekusi dengan baik.

4.2. Ketepatan Informasi Suhu

Sistem ini menggunakan LM35 yang terhubung pada PCF8591 sebagai alat pembaca suhu. Untuk mengetahui ketepatan hasil pembacaan nilai suhu, perlu dilakukan perbandingan nilai yang dihasilkan dari sistem dan thermometer. Berikut hasil dari pembacaan nilai suhu dari sistem dan thermometer:

Tabel 2. Hasil Pembacaan Nilai Suhu

Percobaan ke Nilai suhu sistem Nilai suhu thermometer

1 25 29

2 25 28

3 24 28

4 25 28

5 26 29

Dari hasil yang tertera pada tabel 2, dapat dilihat bahwa selisih nilai suhu dari suhu sistem dan suhu oleh thermometer berkisar antara 3-4 derajat. Perbedaan ini terjadi dikarenakan tingkat presisi lm35 yang tidak seakurat thermometer.

4.3. Keberhasilan Menurunkan Suhu

Untuk menurunkan suhu secara otomatis, sistem ini menggunakan sebuah fan yang kecepatannya diatur berdasarkan logika fuzzy. Berikut hasil dari percobaan :

24 26 28 30 32

10 20 30 40 50 60 70 80 90 100

Suhu

Waktu

Suhu Set Point

Gambar 6. Percobaan 1 menurunkan suhu

26 28 30 32

10 20 30 40 50 60 70 80 90 100

Suhu

Waktu

Suhu Set Point

Perintah Hasil

Pengambilan informasi Berhasil

Automasi lampu Berhasil

Menghidupkan/mematikan lampu secara manual

Berhasil

Automasi kipas Berhasil

Mengatur kipas secara manual Berhasil

Mendeteksi wajah Berhasil

(5)

28 29 30 31 32

10 20 30 40 50 60 70 80 90 100

Suhu

Waktu

Suhu Set Point

29.5 30 30.5 31 31.5

10 20 30 40 50 60 70 80 90 100

Suhu

Waktu

Suhu Set Point

Gambar 9. Percobaan 4 menurunkan suhu Dari hasil pengujian dapat dilihat bahwa sistem hanya mampu mencapai set point jika perbedaan suhu awal dan set point berkisar 1- 2^oC.

4.3. Keterlambatan penyampaian informasi Raspberry Pi dan perangkat Android tidaklah terhubung secara langsung sehingga keterlambatan penyampaian informasi mungkin saja terjadi. Oleh karena itu perlu diketahui perbedaan atau keterlambatan penyampaian informasi dari kedua perangkat untuk mengetahui apakah perangkat Android dapat memberikan informasi secara akurat.

Pada tabel berikut akan digambarkan keterlambatan penyampain informasi dari sistem ini.

Tabel 3. Hasil Pembacaan Nilai Suhu

detik Intensitas Cahaya Raspberry Pi (Volt)

Intensitas Cahaya Android

1 2.4 2.5

3 2.2 2.5

5 1.9 2.2

7 1.8 1.9

9 1.8 1.8

Data dari tabel diambil saat cahaya ditembakkan ke arah sensor cahaya di modul PCF8591. Hal ini dilakukan agar nilai intensitas cahaya yang diberikan bervariasi, dengan demikian dapat diketahui keterlambatan informasi yang terjadi pada sistem. Data diatas menunjukan bahwa perubahan informasi yang terjadi pada

perangkat Android mengalami keterlambatan dengan selang 0-2 detik.

4.4. Keberhasilan dari sistem mengenali wajah

Pengujian terhadap keberhasilan pendeteksian wajah dilakukan dengan beberapa cara, yaitu pengujian disaat cahaya terang, cahaya gelap, mendeteksi wajah dari samping dan mendeteksi wajah dari depan.

Masing-masing pengujian dilakukan sebanyak 10 kali.

Tabel 4. Hasil Pendeteksian Wajah

No Cara pengujian Berhasil Gagal Total

1 Cahaya terang, wajah menghadap depan

7 3 10

2 Cahaya gelap, wajah menghadap depan

2 8 10

3 Cahaya terang, wajah menghadap ke samping

3 7 10

4 Cahaya Gelap, wajah menghadap ke samping

10 0 10

Dari hasil didapat pendeteksian wajah bekerja dengan baik hanya pada saat cahaya terang dan wajah menghadap ke depan.

4.5. Kesigapan Raspberry Pi

Pengujian dilakukan dengan cara mengukur waktu delay yang dibutuhkan setiap perintah yang ada pada sistem. Hasil yang didapat adalah :

1. Sistem mengalami keterlambatan terbesar pada pendeteksian wajah, dimana keterlambatan lebih dari 40 detik.

2. Delay rata-rata dari setiap perintah adalah 9.299 detik.

5. KESIMPULAN

1. Fan yang digunakan pada sistem hanya mampu menurunkan suhu sebesar 1-2

oC.

2. Pendeteksian wajah dapat bekerja dengan baik jika wajah menghadap ke depan dan disaat cahaya terang.

3. Delay proses eksekusi perintah yang melewati 40 detik menunjukan bahwa sistem ini membutuhkan prosesor yang lebih cepat.

4. Sistem tidak dapat menyampaikan informasi secara realtime, waktu rata- rata yang dibutuhkan sebuah sistem untuk menyampaikan informasi mencapai 9.299 detik. Sebuah sistem dianggap realtime jika dapat beroperasi dibawah 150ms.

(6)

6. REFERENSI

[1] Dennis, Andrew. 2013. Raspberry Pi Home Automation with Arduino.

England, Birmingham.

[2] Bauer, Peter. 2013. Raspberry Pi Computer. USA, bitkistl, Inc.

[3] Dimarzio, Jerome.2008. Android A Programmer’s Guide. USA, The McGraw-Hill Companies.

[4] URL:

http://www.nxp.com/documents/data_sh eet/PCF8591.pdf, diakses tanggal 21 Mei 2014, jam 21.38 wib.

[5] George J Klir and Bo Yuan.1995. Fuzzy Sets and Fuzzy Logic, Theory and Application. Prentice Hall.

[6] Chandra, Devy. Prajnagaja, Nagarjuna.

Nugroho, Lintang Agung. 2011.Studi Pendeteksian Wajah dengan Metode Viola Jones. BINUS.

[7] Viola, P., Jones, M. J., “Rapid Object Detection Using A Boosted Cascade of Simple Features”, IEEE Conference on Computer Vision and Pattern Recognition, Jauai, Hawaii, 2001.