• Tidak ada hasil yang ditemukan

Implementasi Ssitem Navigasi Maze Mapping pada Robot Beroda Pemadam Api - Implementasion of Maze Mapping Navigation System for Wheeled Fire Fighting Robot.

N/A
N/A
Protected

Academic year: 2017

Membagikan "Implementasi Ssitem Navigasi Maze Mapping pada Robot Beroda Pemadam Api - Implementasion of Maze Mapping Navigation System for Wheeled Fire Fighting Robot."

Copied!
18
0
0

Teks penuh

(1)

i

Implementasi Sistem Navigasi Maze Mapping Pada

Robot Beroda Pemadam Api

Disusun Oleh:

Nama : Nelson Mandela Sitepu NRP : 0922043

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Kristen Maranatha,

Jl. Prof.Drg.Suria Sumantri, MPH no. 65, Bandung, Indonesia.

Email : nelson_mandela308@ymail.com

ABSTRAK

Dewasa ini perlombaan/kontes robot juga memberikan kasus-kasus yang semakin rumit dalam perlombaan, khususnya pada Kontes Robot Pemadam Api Indonesia (KRPAI) 2013. Pada kompetisi tersebut robot pemadam api dilombakan pada suatu arena yang membentuk maze. Maze adalah suatu jaringan jalan yang rumit. Permasalahan yang timbul pada maze adalah cara untuk mendapatkan jalur yang dikehendaki ketika maze berbentuk bukan loop, sehingga dibutuhkan metode untuk menyelesaikannya. Maze mapping merupakan algoritma yang digunakan untuk memecahkan maze, yakni mencari dan memilih jalur dari maze. Di dalam algoritma maze mapping ber-opsi-kan untuk berjalan mengikuti dinding kiri atau dinding kanan pada proses mencari dan memilih jalur yang dikehendaki.

Untuk mengatasi permasalahan diatas maka dibuat sebuah robot dengan sistem navigasi maze mapping. Sistem navigasi ini dibangun dengan menggabungkan inteligent agent yang bertipe simple reflex agent with state dengan metoda berjalan wall follower. Sehingga robot mempunyai kemampuan untuk memilih berjalan mengikuti dinding kiri atau dinding kanan pada saat menelusuri maze.

Algoritma maze mapping pada robot beroda pemadam api telah berhasil direalisasikan. Dari data pengamatan robot dapat menyelesaikan misi dengan waktu tempuh rata-rata 49.8 detik. Dari 70 percobaan terhadap 14 jenis konfigurasi lapangan robot berhasil menyelesaikan misi dengan persentase keberhasilan sebesar 62.8%.

Kata Kunci : Maze, maze mapping, wall follower, robot beroda, simple reflex

(2)

Implementation of Maze Mapping Navigation

System for Wheeled Fire Fighting Robot

Composed By:

Nama : Nelson Mandela Sitepu NRP : 0922043

Electrical Engineering, Maranatha Christian University,

Jl. Prof.Drg.Suria Sumantri, MPH no.65, Bandung, Indonesia

Email : nelson_mandela308@ymail.com

ABSTRACT

Nowadays the cases of competition / robot contest become more complicated, especially on Kontes Robot Pemadam Api Indonesia (KRPAI) 2011. In the competition fire fighthing robot are competed in an arena which forms maze structure. Maze is a complex road network. The Problems is a way to get the desired path when the maze is not in a loop shape, so that it need a method to solve it. Maze mapping algorithm is used to solve the maze, it finds and determine the path of the maze. In the maze mapping algorithm there’s an option to determine the walk method, walk following the right wall or the left wall to search and determine the desired path.

To solve this problem, robot with maze mapping navigation system created. The navigation system was constructed by combining simple reflex agent with state with wall follower method, so that the robot has the ability to choose to walk with right wall follower method or left wall follower method.

Maze mapping algorithm on a fire fighting wheeled robot has been successfully realized. From the data observation robot can complete the missions with an average travel time is 49.8 seconds. From the 70 experiments of 14 types field configuration, robot successfully completed the mission with the percentage of success is 62.8%.

(3)

iii

DAFTAR ISI

Halaman

LEMBAR PENGESAHAN

PERNYATAAN ORISINALITAS LAPORAN PENELITIAN PERNYATAAN PUBLIKASI LAPORAN TUGAS AKHIR KATA PENGANTAR

I.6 Sistematika Penulisan ... 3

BAB II TEORI DASAR II.1 Kecerdasan Buatan ... 5

II.1.1 Simple Reflex Agent... 5

II.1.2 Simple Reflex Agent with State ... 6

II.1.3 Goal Based Agent ... 7

II.1.4 Utility Based Agent ... 8

II.2 Maze Solving Algorithm ... 9

II.2.1 Wall follower ... 6

II.3 Sensor ... 10

II.3.1 Sensor Jarak Ultrasonik (SRF-05) ... 10

II.3.2 Sensor UVTron ... 11

(4)

II.4 Pengenalan Pengontrol Mikro ... 14

II.4.1 Pengenalan ATMEL AVR RISC ... 14

II.4.2 Pengontrol Mikro ATmega 128 ... 15

II.4.3 Fitur Atmega 128 ... 15

BAB III PERANCANGAN DAN REALISASI III.1 Perancangan Sistem Robot Beroda ... 21

III.1.1 Diagram Blok Sistem Navigasi Robot ... 21

III.1.2 Bentuk Dan Ukuran Robot ... 23

III.1.3 Perancangan dan Realisasi Robot Beroda Pemadam Api ... 24

III.1.4 Sistem Gerak ... 26

III.1.5 Pemutar Kipas Pada Robot ... 26

III.1.6 Pengontrol Mikro Atmega 128 ... 27

III.2 Sensor dan Driver Motor DC ... 29

III.2.1 Sensor Jarak ultrasonik SRF-05 ... 29

III.2.2 Sensor Api UV-TRON HAMAMATSU R2868 ... 30

III.2.3 Sensor Warna ... 31

III.2.4 Rangkaian Driver Motor DC VNH3SP30 MD01B ... 32

III.3 Perancangan Posisi Check Point Pada Arena Kontes ... 34

III.3.1 Posisi Check Point Pencarian Api ... 34

III.3.2 Posisi Check Point Home ... 38

III.4 Algoritma Pemrrograman Pada Robot ... 41

III.4.1 Flowchart Dasar Robot Beroda Pemadam Api ... 41

III.4.2 Flowchart Robot Beroda Pemadam Api dengan Navigasi Maze Mapping... 42

III.4.3 Flowchart Memadamkan Api ... 45

III.4.4 Flowchart Mendeteksi Home ... 46

III.4.5 Flowchart Mendeteksi Lokasi Check Point Api ... 47

III.4.6 Flowchart Mendeteksi Lokasi Check Point Home ... 48

III.5 Pemetaan Maze Pada Check Point Api ... 50

III.5.1 Pengukuran Jarak Robot Terhadap Dinding ... 50

III.5.2 Pembacaan Sensor Warna Terhadap Warna Lantai ... 55

(5)

v

III.6.1 Pengukuran Jarak Robot Terhadap Dinding ... 58

III.6.2 Pembacaan Sensor Warna Terhadap Warna Lantai ... 64

BAB IV DATA PENGAMATAN DAN ANALISIS

IV.1 Pengujian Robot ... 67

BAB V KESIMPULAN DAN SARAN

V.1 Kesimpulan ... 96

V.2 Saran ... 97

(6)

DAFTAR GAMBAR

Gambar 2.5 Perjalanan Mengikuti Aturan Tangan Kanan dan Aturan Tangan Kiri ... 9

Gambar 2.6 Diagram Waktu Sensor SRF05 Mode 1 ... 11

Gambar 2.7 Diagram Waktu Sensor SRF05 Mode 2 ... 11

Gambar 2.8 Sensor Api ... 12

Gambar 2.9 Spectrum respon UVTron ... 12

Gambar 2.10 Derajat sensitivitas Hamamatsu R2868... 13

Gambar 2.11 Ilustrasi Pemantulan Sensor Warna... 14

Gambar 2.12 Konfigurasi pin Atmega 128 ... 17

Gambar 3.1 Diagram Blok Sistem Navigasi Robot Beroda Pemadam Api ... 22

Gambar 3.2 Desain bentuk robot beroda pemadam api dan penempatan sensor -sensor 24 Gambar 3.3 Posisi Penempatan Sensor-sensor ... 25

Gambar 3.4 Penempatan sensor bagian bawah pada robot ... 25

Gambar 3.5 Diagram blok pemutar kipas ... 26

Gambar 3.6 Diagram blok sistem elektronika robot ... 27

Gambar 3.7 Board Atmega 128 ... 27

Gambar 3.8 Peletakan Sensor-sensor SRF05 ... 28

Gambar 3.9 Alokasi pin sensor SRF05 ... 29

Gambar 3.10 Diagram alir penggunaan sensor SRF05 ... 30

Gambar 3.11 Alokasi pin UVTron Driving Circuit Hamamatsu C10423 ... 31

Gambar 3.12 Rangkaian sensor warna ... 31

Gambar 3.13 Driver motor DC VNH3SP30 MD01B ... 32

Gambar 3.14 Rangkaian dalam motor driver ... 33

Gambar 3.15 Posisi-posisi check point pencarian api ... 34

Gambar 3.16 Posisi home untuk check point 1 ... 35

Gambar 3.17 Posisi home untuk check point 2 ... 35

Gambar 3.18 Posisi home untuk check point 3 ... 36

(7)

vii

Gambar 3.20 Posisi home untuk check point 5 ... 37

Gambar 3.21 Posisi-posisi check point pencarian Home ... 38

Gambar 3.22 Posisi home untuk check point home 1 ... 38

Gambar 3.23 Posisi home untuk check point home 2 ... 39

Gambar 3.24 Posisi home untuk check point home 3 ... 39

Gambar 3.25 Posisi home untuk check point home 4 ... 40

Gambar 3.26 Posisi home untuk check point home 5 ... 40

Gambar 3.27 Flowchart dasar robot beroda pemadam api ... 41

Gambar 3.28 Flowchart robot beroda pemadam api dengan navigasi maze mapping ... 43

Gambar 3.29 Flowchart memadamkan api ... 45

Gambar 3.30 Flowchart mendeteksi home ... 46

Gambar 3.31 Flowchart mendeteksi lokasi check point api ... 47

Gambar 3.32 Flowchart mendeteksi lokasi check point home ... 48

Gambar 3.33 Posisi robot untuk pengambilan data pada check point 1 ... 50

Gambar 3.34 Posisi robot untuk pengambilan data pada check point 2 ... 51

Gambar 3.35 Posisi robot untuk pengambilan data pada check point 3 ... 52

Gambar 3.36 Posisi robot untuk pengambilan data pada check point 4 ... 53

Gambar 3.37 Posisi robot untuk pengambilan data pada check point 5 ... 54

Gambar 3.38 Posisi robot untuk pengambilan data pada check point home 1 ... 59

Gambar 3.39 Posisi robot untuk pengambilan data pada check point home 2 ... 60

Gambar 3.40 Posisi robot untuk pengambilan data pada check point home 3 ... 61

Gambar 3.41 Posisi robot untuk pengambilan data pada check point home 4 ... 62

Gambar 3.42 Posisi robot untuk pengambilan data pada check point home 5 ... 63

Gambar 4.1 Konfigurasi lapangan 1 ... 68

Gambar 4.2 Konfigurasi lapangan 2 ... 70

Gambar 4.3 Konfigurasi lapangan 3 ... 72

Gambar 4.4 Konfigurasi lapangan 4 ... 74

Gambar 4.5 Konfigurasi lapangan 5 ... 76

Gambar 4.6 Konfigurasi lapangan 6 ... 78

Gambar 4.7 Konfigurasi lapangan 7 ... 80

Gambar 4.8 Konfigurasi lapangan 8 ... 82

Gambar 4.9 Konfigurasi lapangan 9 ... 84

Gambar 4.10 Konfigurasi lapangan 10 ... 86

(8)

Gambar 4.12 Konfigurasi lapangan 12 ... 90

Gambar 4.13 Konfigurasi lapangan 13 ... 92

(9)

ix

Tabel 3.1 Tabel kebenaran Driver motor VNH3SP30 MD01B ... 33

Tabel 3.2 Tabel pengukuran jarak pada check point 1 ... 51

Tabel 3.3 Tabel pengukuran jarak pada check point 2 ... 52

Tabel 3.4 Tabel pengukuran jarak pada check point 3 ... 53

Tabel 3.5 Tabel pengukuran jarak pada check point 4 ... 54

Tabel 3.6 Tabel pengukuran jarak pada check point 5 ... 55

Tabel 3.7 Nilai pembacaan sensor warna check point 1 ... 56

Tabel 3.8 Nilai pembacaan sensor warna check point 2 ... 56

Tabel 3.9 Nilai pembacaan sensor warna check point 3 ... 57

Tabel 3.10 Nilai pembacaan sensor warna check point 4 ... 57

Tabel 3.11 Nilai pembacaan sensor warna check point 5 ... 58

Tabel 3.12 Tabel pengukuran jarak pada check point home 1 ... 59

Tabel 3.13 Tabel pengukuran jarak pada check point home 2 ... 60

Tabel 3.14 Tabel pengukuran jarak pada check point home 3 ... 61

Tabel 3.15 Tabel pengukuran jarak pada check point home 4 ... 62

Tabel 3.16 Tabel pengukuran jarak pada check point home 5 ... 63

Tabel 3.17 Nilai pembacaan sensor warna check point home 1 ... 64

Tabel 3.18 Nilai pembacaan sensor warna check point home 2 ... 65

Tabel 3.19 Nilai pembacaan sensor warna check point home 3 ... 65

Tabel 3.20 Nilai pembacaan sensor warna check point home 4 ... 66

Tabel 3.21 Nilai pembacaan sensor warna check point home 5 ... 66

(10)

Tabel 4.2 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi lapangan1

... 69

Tabel 4.3 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 2 ... 69

Tabel 4.4 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi lapangan2

... 71

Tabel 4.5 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 3 ... 70

Tabel 4.5 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi lapangan3

... 71

Tabel 4.6 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 4 ... 72

Tabel 4.7 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi lapangan4

... 73

Tabel 4.8 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 5 ... 74

Tabel 4.9 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi lapangan5

... 75

Tabel 4.10 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 6 ... 76

Tabel 4.11 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan5 ... 77

Tabel 4.12 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 6 ... 78

Tabel 4.13 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan6 ... 79

Tabel 4.14 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 7 ... 80

Tabel 4.15 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

(11)

xi

Tabel 4.15 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 8 ... 82

Tabel 4.16 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan8 ... 83

Tabel 4.17 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 9 ... 84

Tabel 4.18 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan9 ... 85

Tabel 4.19 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 10 ... 86

Tabel 4.20 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan10 ... 87

Tabel 4.21 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 11 ... 88

Tabel 4.22 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan11 ... 89

Tabel 4.23 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 12 ... 90

Tabel 4.24 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan12 ... 91

Tabel 4.25 Data Pengujian Parameter Mapping Area dengan Konfigurasi

Lapangan 13 ... 92

Tabel 4.26 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

lapangan13 ... 93

Tabel 4.27 Data Pengujian Parameter Mapping Area Check Point Api 1 dengan

Konfigurasi Lapangan 14 ... 94

Tabel 4.28 Data Pengujian Parameter Mapping Area Check Point Api 2 dan

Check Point Home dengan Konfigurasi Lapangan 14 ... 95

Tabel 4.29 Pengujian robot pada arena KRPAI 2013 dengan konfigurasi

(12)

BAB I

PENDAHULUAN

Pada Bab ini berisi latar belakang masalah, rumusan masalah, tujuan tugas

akhir, batasan masalah, spesifikasi alat yang digunakan, dan sistematika

penulisan.

I.1 Latar Belakang

Perkembangan robotika dewasa ini semakin pesat dengan banyaknya

perusahaan industri dan pabrik-pabrik yang menggunakan robot sebagai mesin

produksinya. Selain sektor industri, robot juga digunakan di sektor yang dapat

membahayakan manusia. Seperti robot penjinak bom dan robot pemadam api.

Dewasa ini perlombaan/kontes robot juga memberikan kasus-kasus yang

semakin rumit dalam perlombaannya. Khususnya pada Kontes Robot Pemadam

Api Indonesia (KRPAI) 2013 memperlombakan robot pemadam api pada suatu

arena yang membentuk maze. Maze adalah suatu jaringan jalan yang rumit. Pada

bidang robotika ada dua jenis maze yang umum digunakan, yaitu wall maze dan

line maze. Wall maze pada umumnya dikenal dengan istilah labirin, yakni suatu

jaringan jalan yang terbentuk atas lorong-lorong dengan dinding tanpa atap. Robot

maze ialah robot yang berjalan mencari target pada suatu labirin.

Permasalahan yang timbul pada maze adalah cara untuk mendapatkan jalur

yang dikehendaki ketika maze berbentuk bukan loop, sehingga dibutuhkan

metode untuk menyelesaikannya. Maze mapping merupakan algoritma yang

digunakan untuk memecahkan maze, yakni mencari dan memilih jalur dari maze.

Maze mapping pada umumnya digunakan pada robot wall follower. Algoritma ini

merupakan the basic algorithm. Di dalamnya ber-opsi-kan untuk berjalan

mengikuti dinding kiri atau dinding kanan pada proses mencari dan memilih jalur

(13)

2 Universitas Kristen Maranatha Pada tugas akhir ini semua kondisi setiap lokasi terlebih dahulu

dimasukkan ke program robot. Sehingga robot dapat mengetahui posisinyasedang

di lokasi ke berapa. Semua pergerakan robot telah ditentukan sesuai dengan

mapping tersebut. Program mapping tersebut dibuat berdasarkan arena Kontes

Robot Pemadam Api 2013.

I.2 Rumusan Masalah

Masalah yang akan dibahas dalam tugas akhir ini yaitu : Bagaimana

mengimplementasikan sistem navigasi maze mapping pada robot beroda

pemadam api.

I.3 Tujuan

Tujuan pembahasan tugas akhir ini adalah mengimplementasikan sistem

navigasi maze mapping pada robot beroda pemadam api.

I.4 Batasan Masalah

Batasan masalah dalam tugas akhir ini, yaitu:

1. Pokok pembahasan terletak pada keberhasilan implementasi sistem

navigasi maze mapping.

2. Robot bergerak dengan metoda wall follower

3. Cara pembuatan robot tidak dibahas secara mendalam. Melainkan hanya

bagaimana robot dapat berjalan dengan baik saat robot telah selesai dibuat.

4. Lantai arena terdiri dari 3 jenis warna saja, yaitu abu-abu, hitam, dan

putih.

5. Arena yang digunakan merupakan arena Kontes Robot Pemadam Api

Indonesia. Serta penempatan rintangan, posisi Home dan Api lilin (target)

disesuaikan dengan peraturan Kontes Robot Pemadam Api Indonesia

(14)

I.5 Spesifikasi Alat yang Digunakan

Alat dan bahan yang digunakan dalam tugas akhir ini, yaitu:

1. Atmega128A

2. UV-Tron (Sensor Api)

3. Sensor ultrasonic SRF-05

4. Motor DC

5. Motor Brushless

6. Motor Servo

7. Driver motor DC

8. Sensor Warna (Photodioda dan Infra red LED)

9. LCD 16x2

10.Kipas

11.Batere lippo 4 cell dan 2 cell

12.Regulator 12V

I.6 Sistematika Penulisan

Laporan tugas akhir ini disusun dengan sistematika penulisan sebagai

berikut:

1. Bab I Pendahuluan

Pada bab ini berisi latar belakang masalah, rumusan masalah, tujuan,

batasan, masalah, spesifikasi alat yang digunakan, dan sistematika penulisan.

2. Bab II Landasan Teori

Pada bab ini berisi teori-teori penunjang, yaitu Teori Kecerdasan buatan,

Maze mapping, Sensor jarak ultrasonik, sensor api (UV-Tron), sensor warna,

(15)

4 Universitas Kristen Maranatha 3. Bab III Perancangan dan Realisasi

Pada bab ini dijelaskan tentang perancangan robot beroda pemadam api,

perancangan sistem robot beroda pemadam api menggunakan navigasi maze

mapping, jenis-jenis sensor dan rangkaian yang dipakai dan algoritma

pemrograman robot beroda pemadam api.

4. Bab IV Data Pengamatan dan Analisis Data

Pada bab ini dijelaskan tentang proses pengambilan data pengamatan

untuk pemetaan maze pada check point api dan check point home, pengujian

kemampuan robot beroda pemadam api, dan analisisnya.

5. Bab V

Pada bab ini berisi kesimpulan dan saran-saran yang perlu dilakukan untuk

(16)

BAB V

KESIMPULAN DAN SARAN

Pada Bab ini berisi kesimpulan dari tugas akhir dan saran-saran yang perlu

dilakukan untuk perbaikan di masa mendatang.

V.1 Kesimpulan

Dengan memperhatikan data pengamatan dan analisis pada bab sebelumnya,

dapat disimpulkan bahwa:

1. Sistem navigasi maze mapping berhasil diterapkan pada robot beroda

pemadam api.

2. Algoritma maze mapping berhasil direalisasikan dengan menggabungkan

simple reflex agent with state dengan metoda wall follower.

3. Dari 70 percobaan terhadap 14 jenis konfigurasi lapangan robot berhasil

menyelesaikan misi dengan persentase keberhasilan sebesar 62.8%.

4. Dari data pengamatan robot dapat menyelesaikan misi dengan waktu

(17)

97 Universitas Kristen Maranatha V.2 Saran

Saran-saran yang dapat diberikan untuk perbaikan dan pengembangan dari

Tugas Akhir ini adalah sebagai berikut:

1. Sensor yang digunakan lebih baik lagi sehingga pengukuran jarak dapat

dilakukan dengan akurat.

2. Ditambahkan sensor lainnya pada robot sehingga informasi mengenai

lingkungan robot dapat diketahui secara lengkap.

3. Struktur robot diperbaiki lebih kecil dan stabil sehingga tidak mudah

terjungkir ketika melewati rintangan.

4. Algoritma dibentuk menggunakan Goal Based Agent sehingga robot dapat

(18)

DAFTAR PUSTAKA

1. Andrianto, H. 2008. Buku Panduan : Pelatihan Mikrokontroler AVR

ATmega16.

2. Darmawan, Aan dan Theresia, Novie. 2008. Diktat Pengantar Sistem

Cerdas.

3. Datasheet “8-bit AVR Microcontroller with 128Kbytes In-System

Programable Flash” ATMEL.

4. Datasheet “Flame Sensor UV TRON”, HAMAMATSU.

5. Ensikopledia Wikipedia. Kecerdasan Buatan. (online),

(http://id.wikipedia.org/wiki/Kecerdasan_buatan, diakses 2 Mei 2013)

6. Ensikopledia Wikipedia. Maze Solving Algorithm. (online),

(http://id.wikipedia.org/wiki/Maze_solving_algorithm,diakses 2 Mei 2013)

7. Fahmizal, Rusdianto Effendi, Eka Iskandar. 2011. Implementasi Sistem

Navigasi Behavior Based dan Kontroler PID pada Manuver Robot Maze.

Surabaya : Institut Teknologi Sepuluh November.

8. M. Iqbal Nugraha, Akhmad Hendriawan, Ressa Akbar. 2010. Penerapan

Algoritma Maze Mapping Untuk Menyeleseaikan Maze Pada Line Tracer.

Surabaya : Politeknik Elektronika Negri Surabaya.

9. SRF-05 Technical Document. (online),

(http://www.robot-electronics.co.uk/htm/srf05tech.htm, diakses 8 Juli 2013)

Referensi

Dokumen terkait

Aktor yang berperan dalam jalak bali berbasis masyarakat adalah Taman Nasional Bali Barat (TNBB), Yayasan SEKA, Asosiasi Pelestari Curik Bali (APCB), Balai Konservasi Sumberdaya

Blum- Kulka memperkenalkan hipotesis pengeksplisitan yang menganggap bahawa proses penterjemahan akan menyebabkan teks sasaran lebih cenderung kepada eksplisit berbanding teks

[r]

Many moms were washing the clothes in the edge of the river.” The passive voice of that sentence is………….. the clothes was washed Many moms in the edge of the river

Hasil perhitungan dapat dilihat pada lampiran II (halaman 38) menunjukkan bahwa kadar glukosa paling banyak terdapat pada hidrolisis dengan menggunakan larutan 0,3 M

ANALISIS PROGRAM KOMPENSASI TERHADAP KINERJA KARYAWAN (STUDI KASUS PADA SALES PT. DAMCO

Karena sistem disiplin ( image sastra modern) itu telah mantap menjadi suatu standar dalam sastra Indonesia, ia kemudian mempengaruhi estetika karya sastra Indonesia pada

Henry Ford made the Quadricycle from miscellaneous parts including bicycle tires for the wheels and a