PENERAPAN FORWARD CHAINING PADA NAVIGASI ROBOT KAKI ENAM

(1)

Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015 Universitas Putra Indonesia YPTK Padang - 23 Oktober 2015 ISSN : 2460- 4690

Mohd Iqbal1), Eko Syamsuddin Hasrito2), Gunadi Widi Nurcahyo3)

Teknik Informatika STIKOM Muhammadiyah Batam 1),

Teknik Informatika Magister Komputer, UPI “YPTK”, Padang23) 182

PENERAPAN FORWARD CHAINING

PADA NAVIGASI ROBOT KAKI ENAM

Mohd Iqbal

1)

, Eko Syamsuddin Hasrito

2)

, Gunadi Widi Nurcahyo

3)

Teknik Informatika STIKOM Muhammadiyah Batam 1), Teknik Informatika Magister Komputer,

UPI “YPTK”, Padang3), Teknik Informatika Magister Komputer, UPI “YPTK”, Padang3) e-mail: [email protected]

Abstract

In the design and manufacture of robots robot forms and concepts influenced by the function and purpose of the robot. Six-legged robot (hexapod) is the most widely used because hexapod has many advantages, among them is the flexibility in movement pattern, since it is more stable robot because the robot is at least three or more feet on the ground when moving. In this study, researchers discuss robotic navigation system by utilizing the expert system which uses Forward chaining inference method, and then use as a robot brain Raspberry and microcontroller Atmega 32 as drive control robot legs. Later in this study researchers used an ultrasonic distance sensor as the sense of sight robot. Results of this research is a hexapod robot which navigate by using the rule of an expert to be able to navigate a location that has been determined by the expert.

Keywords: Expert System, Robot, Hexapod, Raspberry, Forward chaining inference, Microcontroller.

Abstrak

Dalam perancangan dan pembuatan robot bentuk dan konsep robot dipengaruhi oleh fungsi dan tujuan dari robot tersebut. Robot berkaki enam (hexapod) ini yang paling banyak digunakan karena hexapod memiliki banyak keuntungan, di antaranya ialah fleksibilitas dalam pola gerakan, karena robot ini lebih stabil sebab robot ini minimal tiga atau lebih kakinya ada di tanah ketika bergerak. Dalam penelitian ini peneliti membahas sistem navigasi robot dengan memanfaatkan Sistem Pakar dimana menggunakan metode

inference Forward Chaining, kemudian menggunakan Raspberry sebagai otak robot dan

mikrokontroller Atmega 32 sebagai kontrol penggerak kaki robot. Kemudian dalam penelitian ini peneliti menggunakan sensor jarak ultrasonik sebagai indra penglihatan robot. Hasil penelitian ini adalah sebuah robot hexapod yang bernavigasi dengan menggunakan rule dari seorang pakar sehingga mampu melakukan navigasi dilokasi yang telah di tentukan oleh pakar tersebut.

Kata Kunci : Sistem Pakar, Robot, Hexapod, Raspberry, inference Forward Chaining,

(2)

Mohd Iqbal1), Eko Syamsuddin Hasrito2), Gunadi Widi Nurcahyo3) Teknik Informatika STIKOM Muhammadiyah Batam 1),

Teknik Informatika Magister Komputer, UPI “YPTK”, Padang23) 183 1. PENDAHULUAN

1.1 Latar Belakang Masalah

Dalam perancangan dan

pembuatan robot bentuk dan konsep robot dipengaruhi oleh fungsi dan tujuan dari robot tersebut, makanya tidak semua robot bersifat mobilitas atau berpindah tempat, sehingg ada robot yang khusus dirancang untuk dunia industri sehingga hanya diam dan bekerja secara otomatis. Menurut (Setiawan 2012) robot secara umum dapat diartikan sebuah sistem yang terdiri dari hardware dan software yang dapat melakukan tugas tertentu dari manusia. Robot dirancang oleh manusia untuk membantu bahkan menggantikan kegiatan manusia yang butuh ketelitian dan beresiko tinggi. Robot berkaki untuk menghadapi medan yang tidak rata atau tidak mulus seperti daerah yang berbatu, disitulah kelebihan dari robot berkaki enam (hexapod) dibandingkan robot

beroda dalam hal kemampuannya

melewati daerah tidak rata. Menurut (Widiastuti 2012) Sistem pakar adalah suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan prosedur inferensi untuk menyelesaikan masalah yang cukup sulit sehingga membutuhkan seorang yang ahli untuk menyelesaikannya. Pada penelitian ini melengkapi software dan sistem baru pada sebuah hexapod robot dengan mobilitas yang lebih baik dengan meningkatkan sistem navigasinya dimana robot diberikan kecerdasan buatan pada otaknya tersebut dengan menggunakan metode Forward Chaining dimana pada sisi otak robot ditambahkan sistem database sehingga robot akan dapat mengenal beberapa kondisi lingkungan tanpa harus memprogram ulang robot tersebut akan tetapi peniliti hanya menambahkan data di databasenya melalui laptop maupun peralatan mobile tanpa harus merubah program.

2. LANDASAN TEORI 2.1. Sistem Pakar

Sistem pakar adalah sistem yang menggunakan pengetahuan manusia yang

terekam dalam komputer untuk

memecahkan persoalan yang biasanya

memerlukan keahlian manusia

(Handayani 2008) Sistem pakar yang baik dirancang agar dapat menyelesaikan suatu permasalahan tertentu dengan meniru kerja dari para ahli. Sistem pakar dapat mendorong perhatian besar diantara ahli komputer dan spesialist informasi untuk

mengembangkan sistem membantu

manajer dan non manajer memecahkan masalah.

2.2. Inferensi Forward Chaining

Menurut Turban (2005)

Mesin

inferensi adalah program komputer yang

memberikan metodologi untuk

penalaran tentang informasi yang ada dalam basis pengetahuan dan dalam

workplace, dan untuk memformulasikan

kesimpulan.

Menurut (Putri 2011) runut maju (Forward Chaining) merupakan metode inferensi yang melakukan penalaran dari suatu masalah kepada solusinya. Jika klausa premis sesuai dengan situasi (bernilai Benar), maka proses akan menyatakan konklusi.

2.3 Navigasi

Menurut (Emmanual 2013)

navigasi adalah proses memantau dan mengendalikan pergerakan dari seseorang atau alat transportasi (mobil atau kapal atau pesawat) dari satu tempat ke tempat lainnya.

2.4. Robot

Menurut (Setiawan 2012) robot secara umum dapat diartikan sebuah sistem yang terdiri dari hardware dan software yang dapat melakukan tugas tertentu dari manusia. Menurut (Kurniadi 2007) dasar sistem mobile robot line

follower, wall follower maupun

penghindar rintangan mengacu pada dasar sistem robot yang bergerak secara otonom.

2.5. Kontroller 2.5.1 Mikrokontroller

(3)

Prosiding Seminar Ilmiah Nasional Teknologi Komputer (SENATKOM 2015) Vol. 1, Oktober 2015 Universitas Putra Indonesia YPTK Padang - 25 Oktober 2015 ISSN : 246 - 4690

Menurut (Riantiningsih 2009) Microcontroller adalah suatu keping IC dimana terdapat mikroprosesor dan memori program ROM (Read Only Memory) serta memori serbaguna

2.5.2. Raspberry Pi

Menurut (Fernando 2014) raspberry Pi adalah suatu perangkat mini computer berukuran sebesar kartu kredit. Raspberry Pi memiliki sistem

Broadcom BCM2835 chip (SoC), yang

mencakup ARM1176JZF-S 700 MHz

processor (firmware termasuk sejumlah

mode "Turbo" sehingga pengguna dapat mencoba overclocking, hingga 1 GHz,

tanpa mempengaruhi garansi),

VideoCore IV GPU, dan awalnya

dikirim dengan 256 megabyte RAM, kemudian upgrade ke 512MB. Termasuk built-in hard disk atau

solid-state drive, tetapi menggunakan kartu

SD untuk booting dan penyimpanan jangka panjang Horan, B(2013).

2.6. Sensor jarak (Ping)

Menurut (Suryatini 2013) Sensor

Ping ini secara khusus didesain untuk

dapat mengukur jarak sebuah benda padat. Sensor Ping mendeteksi jarak objek dengan cara memancarkan gelombang ultrasonik (40kHz) selama waktu pemancaran kemudian mendeteksi pantulannya. Sensor Ping memancarkan gelombang ultrasonik sesuai dengan pulsa trigger dari mikrokontroler sebagai pengendali.

3. Kerangka Kerja Penelitian

Gambar 3.1 Kerangka Kerja Penelitian 4. ANALISA, PERANCANGAN DAN

IMPLEMENTASI 4.1 Analisa Sistem

Dengan menggunakan sistem ini maka akan kita dapatkan sistem navigasi robot yang baik. Metode yang digunakan pada sistem robot ini adalah inference

Forward di mana navigasi robot

menelusuri dinding dan inference

Forward Chaining berfungsi untuk

menentukan arah pergerakan robot.

4.1.1

Arsitektur

Sistem Pakar

Dalam pembangunan sistem pakar ini, digunakan metode inferensi runut maju (forward chaining). Pemilihan metode ini berdasarkan dari gambar lapangan robot yang ukuran dan bentuk lapangannya telah ada.

Gambar 4.1. Arsitektur Sistem Pakar Navigasi Robot Hexapod 4.1.1 Knowledge Base

Berdasarkan gambar 4.1 knowledge base adalah pemprosesan yang dilakukan oleh sistem pakar untuk pemprosesan pengetahuan, bukan pemprosesan data

seperti yang dilakukan ketika

pemrograman secara konvensional dimana yang kebanyakan dilakukan oleh

Identifikasi Masalah Analisa Masalah Mempelajari Literatur

Mengumpulkan Data Pemilihan Metode dan

Komponen Uji Coba Analisa Hasil dan

Kesimpulan Pembuatan Robot

(4)

sistem informasi.Dalam menghasilkan sistem pakar navigasi berdasarkan ukuran lapangan robot diperlukan pembuatan basis fakta dan aturan yang lengkap dan baik agar proses inferensi berjalan dengan baik. Berikut ini merupakan peta jalur untuk testing navigasi pada robot hexapod ini,

Gambar 4.2. Peta Jalur Navigasi Robot Hexapod

Tabel 4.1 Tipe – Tipe Masalah PadaNavigasi Robot Hexapod

Tabel 4.2 Rule Yang Digunakan Dalam Pencarian Navigasi Robot

N O RULE KETERANGAN 1 T1 Sensor depan< 15cm 2 T2 Sensor depan < 20cm 3 T3 Sensor depan > 70cm 4 T4 Sensor depan < 80cm 5 T5 Sensor depan <100cm 6 T6 Sensor kanan < 20cm 7 T7 Sensor kanan>70cm 8 T8 Sensor kanan>30cm 9 T9 Sensor kanan>80cm 10 T10 Sensor kanan<30cm

Tabel 4.3 Rule Yang Digunakan Dalam Pencarian Navigasi Robot (lanjutan)

NO RULE KETERANGAN 11 T11 Sensor kanan>90cm 12 T12 Sensor belakang>70cm 13 T13 Sensor belakang>140cm 14 T14 Sensor belakang>100cm 15 T15 Sensor belakang>170cm 16 T16 Sensor kiri> 70cm 17 T17 Sensor kiri>130cm 18 T18 Sensor kiri< 30cm 19 T19 Sensor kiri< 50cm 20 T20 Sensor kiri>90cm

21 T21 Sensor serong kanan <15cm 22 T22 Sensor serong kiri <15cm

Tabel 4.4 Daftar Aturan ( Rule ) Untuk Navigasi Robot Hexapod

NO ATURAN ( RULE )

1 IF sensor depan< 15cm THEN Mundur

2 IF sensor depan < 20cm AND sensor kanan < 20cm THEN Hadap kiri robot di sudut

ruangan

FAKTA

1 F00 Fakta hadap kiri robot di sudut ruangan

2 F01 Fakta hadap kanan di simpang 4

3 F02 Fakta hadap kiri depan ruangan 3

7 F06 Fakta hadap kiri depan ruangan 1 dan sudut ruangan 4

8 F07 Fakta serong kanan robot mendekati dinding kiri

9 F08 Fakta serong kiri robot mendekati dinding kanan

(5)

Teknik Informatika Magister Komputer, UPI “YPTK”, Padang23) 186 3 IF sensor depan > 70cm

AND sensor kanan>70cm AND sensor belakang>70cm AND sensor kiri> 70cm

THEN Hadap kanan di simpang 4

4 IF sensor depan <20cm

AND sensor kanan>70cm AND sensor belakang>70cm AND sensor kiri< 30cm

THEN Hadap kiri depan ruangan 3

5 IF sensor depan < 80cm AND sensor kanan>30cm AND sensor belakang>100cm AND sensor kiri>130cm

6 IF sensor depan <20cm AND sensor kanan>80cm AND sensor belakang>140cm AND sensor kiri< 30cm

7 IF sensor depan <100cm AND sensor kanan<30cm AND sensor belakang>100cm AND sensor kiri< 50cm)

8 IF sensor depan <20cm AND sensor kanan>90cm AND sensor belakang>170cm AND sensor kiri>90cm

dan sudut ruangan 4

9 IF sensor serong kanan < 15

THEN Serong kanan robot mendekati

dinding

10 IF sensor serong kiri < 15

THEN Serong kiri robot mendekati dinding kanan

4.1.2

Database

Perancangan database sistem pakar navigasi robot hexapod ini bertujuan untuk memberikan gambaran data yang di butuhkan. Untuk navigasi robot hexapod ini terdiri dari 1 tabel yaitu tabel jarak sensor ke robot

Tabel 4.5 Tabel Jarak Sensor ke Dinding

N o Nama Field Tip e Ukura n Keterangan 1 sensor depan

int 10 Jarak Ping 1

2 t1 Cha r

1 Tanda > atau <

3 p2 int 10 Jarak Ping 2 4 t2 Cha r 1 Tanda > atau < 5 sensor kanan

int 10 Jarak Ping 3

6 t3 Cha r 1 Tanda > atau < 7 sensor belaka ng

int 10 Jarak Ping 4

8 t4 Cha r 1 Tanda > atau < 9 sensor kiri

int 10 Jarak Ping 5

10 t5 Cha r

1 Tanda > atau <

11 p6 int 10 Jarak Ping 6 12 t6 Cha r 1 Tanda > atau < 13 Target Cha r 10 Target_Gera kan

4.1.1.3 Mesin Inferensi

Merupakan prosedur untuk mencocokkan fakta dengan aturan tentang data gerakan robot di database dan aturan.

Gambar 4.3 Gambar Inferensi Engine

Sudah Dapat solusi? solusi selesai Mulai Cek Sensor SRF 04 Bandingkan sensor Dengan databe pakar

Tidak Apakah sistem di hentikan ? Tidak Ya Ya

(6)

4.1.1.4 User Interface

Sistem pakar yang dibangun

memungkinkan pengguna untuk

menentukan masukan atau input berupa kondisi jarak sensor terhadap dinding lapangan robot: Perancangan interface bertujuan untuk memudahkan user dalam melakukan atau menjalankan aplikasi sistem pakar yang telah dibangun. Form ini digunakan untuk melakukan input ukuran jarak robot terhadap pola ruangan yang ada.

Gambar 4.4 Form input data jarak sensor

4.1.1.5 Explanation Facilities

Pada proses sistem , akan digunakan fungsi – fungsi yang berbeda baik untuk robot maupun dari pakar . Pada proses forward chaining ini , pertama pakar akan memasukkan data jarak sensor dan tanda jarak sensor baik itu besar (>) maupun tada kecil (<). Setelah pakar memasukkan data ukuran jarak sensor terhadap ruangan, baru robot dapat bernavigasi sesuai dengan kondisi jarak sensor robot terhadap dinding.

4.1.2 Arsitektur Robot

Robot ini memiliki arsitektur dengan bagian-bagiannya sebagai berikut :

1. Komponen Input

Komponen input yang dipakai pada robot ini adalah sensor SRF04. Sensor SRF04 ini berfungsi untuk mengukur jarak robot terhadap dinding dan benda yang berada di sekitarnya, di mana kita menggunakan 6 sensor robot, yaitu bagian depan, depan serong kanan, depan serong kiri, kanan, kiri dan belakang.

Gambar 4.5. Posisi Sensor Jarak (Ping) Pada Robot

Keterangan:

P1 = sensor ping 1, P2 = sensor

ping 2

ping 4

ping 6

2. Komponen Proses: Komponen proses yang dipakai pada robot ini ada dua, yaitu:Mikrokontroller ATMega 32, Raspberry

3. Komponen Output: Servo 4. Media Komunikasi : Router Wfi 5. Bagian Database

4.1.3 Rancangan Sistem Navigasi Robot Hexapod

Rancangan sistem navigasi dari alat ini dapat dilihat pada gambar dibawah.

Gambar 4.6 Rancangan sistem navigasi robot 4.1.4 Rancangan Modul Program

Modul program dirancang memiliki struktur dengan kualitas yang baik dan mudah dimengerti, maka sebelum pembuatan listing program perlu diawali dengan penentuan logika program.

(7)

Teknik Informatika Magister Komputer, UPI “YPTK”, Padang23) 188 Gambar 4.7 Flowchart

4.2 Implementasi Hardware Robot

Dalam tahap implementasi

hardware ini, terdapat beberapa tahap

yang harus dikerjakan sehingga hasilnya yaitu berupa bentuk fisik robot yang sudah lengkap terpasang dengan rangkaian elektronik. Tahap-tahapnya dapat dilihat pada gambar 4.8.

Gambar 4.8 Tahap Implementasi

Hardware

. Penyelesaian Robot dan

testingBentuk fisik robot dapat dilihat

pada gambar 4.8.

Gambar 4.8 Bentuk Fisik Robot

4.3 Implementasi Software Robot

Pada implementasi software ini, ada dua tahap yang harus dilakukan. Dapat dilihat pada gambar 4.9.

Gambar 4.9 Tahap Implementasi

Software Robot

A. Implementasi Koneksi Komputer Kontrol ke Prosesor Robot. Pada tahap ini kita akan mengkoneksikan computer kontrol ke prosesor robot melalui jaringan , ini dilakukan agar robot dapat dijalankan dan database dalam robot dapat diinput.

B. Implementasi Inference Forward

Chaining. Inference Forward

Chaining pada sistem ini berfungsi

untuk menentukan pergerakan kaki Robot bagian mana yang akan bergerak berdasarkan nilai yang dihasilkan oleh sensor SRF 04. Untuk pengujian inference Forward Chaining ini, kita menggunakan program Python sebagai eksekusi programmnya. C. Implementasi Program Sensor dan

Gerakan Robot Untuk

mengimplementasikan gerakan kaki robot navigasi pada robot ini, yang digunakan adalah Mikrokontoller Servo yang digunakan adalah Code Vision AVR.

START Inisialisasi GPIO

Cek Sensor SRF 04

Inference Forward Chaining

Kirim Data Ke Mikrokontoller Servo Finish ? Stop Ya Tidak

Pembuatan mekanik robot Pembuatan Modul Elektronik Perakitan mekanik dan elektronik

(8)

Teknik Informatika Magister Komputer, UPI “YPTK”, Padang23) 189 4.4 Pengujian Robot

Pada tahap pengujian robot ini, robot akan diuji pada arena pengujian. Arena pengujian dibuat dari papan kayu berukuran 2,5 m x 2,5 m. Gambar skema arena pengujian robot dapat dilihat pada gambar 5.14.

Gambar 4.10 Arena Pengujian Robot 5. KESIMPULAN DAN SARAN 5.1 Kesimpulan

Berdasarkan hasil pengujian yang telah dilakukan , dapat diambil kesimpulan-kesimpulan, yaitu:

1. Robot dapat bernavigasi dengan baik, terlihat dengan telah melewati beberapa pengujian yang dilakukan pada penelitian ini.

2. Penerapan metode Inference Forward

Chaining dapat menambah

kemampuan robot Hexapad dalam melakukan navigasi sesuai dengan data kepakaran yang dimasukkan.

5.2 Saran

Beberapa saran yang bermanfaat untuk pengembangan dan penyempurnaan robot ini selanjutnya, yaitu:

1. Penambahan sensor SRF 04 akan memperbanyak jenis gerakan robot dalam mengenal rintangan.

2. Pemanfaatan sumber daya dengan daya tahan arus yang lebih lama sangat dibutuhkan jika robot ini digunakan dalam waktu lama

6. DAFTAR PUSTAKA

Emmanual, D. (2013). "Perancangan dan Implementasi Alat Bantu Sistem

Navigasi Menggunakan Modul

Navigasi Berbasiskan Sistem Operasi

Android." Jurnal Reka Elkomika

Vol.1.

Fernando, E. (2014). "AUTOMATISASI

SMART HOME DENGAN

RASPBERRY PI DAN

SMARTPHONE ANDROID."

Konferensi Nasional Ilmu Komputer (KONIK) 2014.

Handayani (2008). "Sistem Pakar untuk Diagnosis Penyakit THT Berbasis Webdengan “e2gLite Expert System Shell”." Jurnal Teknologi Industri Vol.

XIINo.1: 19 -26.

Kurniadi (2007).

"PERANCANGANROBOT

PENGHINDAR DINDING DENGAN MENGGUNAKAN SENSOR INFRA

MERAH BERBASIS

MIKROKONTROLER AT89S51." E-skrispi Universitas Sumatera Utara Putri, P. A. (2011). "Sistem Pakar untuk

Mendiagnosa Penyakit Hati

Menggunakan Metode Forward

Chaining (Expert System for Diagnosing Liver Disease Using Forward Chaining) " JUITA Vol. I.

Riantiningsih, W. N. (2009).

"PENGAMANAN RUMAH

BERBASIS MICROCONTROLLER ATMEGA 8535 DENGAN SISTEM

INFORMASI DENGAN

MENGGUNAKAN PC." Skripsi Universitas Sumatera Utara(2009).

Setiawan, R. (2012).

"PENGEMBANGAN ROBOT

PENDETEKSI OBJEK

BERDASARKAN WARNA

DENGAN SENSOR KAMERA

SEBAGAI MEDIA

PEMBELAJARAN." Jurnal Skripsi Universitas Negeri Yogyakarta. Suryatini, F. (2013). "ROBOT CERDAS

PEMADAM API MENGGUNAKAN

PING ULTRASONIC RANGE

(9)

DETECTOR BERBASIS

MIKROKONTROLER ATMEGA

128." ELECTRANS 12(maret 2013): 29-38.

Turban, E., dkk. 2005. Decision

Support Systems and Intelligent

Systems. Yogyakarta: Andi Offset.

Widiastuti, W. (2012). "APLIKASI SISTEM PAKAR DETEKSI DINI

PADA PENYAKIT

TUBERKULOSIS." Jurnal Algoritma Sekolah Tinggi Teknologi Garut 09.