6
BAB II
TINJAUAN PUSTAKA
2.1 Pendahuluan
Autonomous Car adalah mobil yang dapat berjalan tanpa dikemudikan oleh manusia dan dapat menyesuaikan dengan lingkungan agar tidak terjadi kecelakaan yang tidak diinginkan. Agar dapat dikatakan bahwa mobil ini autonomous ada kriteria tertentu dan yang terpenting mobil bisa berjalan tanpa adanya sopir atau pengemudi yang mengemudikan mobil tersebut.
Autonomous Car memiliki perangkat yang membantunya untuk beradapatasi di jalan agar tidak terjadi eror yang dapat menyebabkan kecelakaan atau hal yang tidak diinginkan diantaranya radar, laser light, GPS, odometry, dan computer vision. Dengan adanya autonomous car dapat mengurangi terjadinya kecelakaan dikarenakan telah diprogram sedemikian rupa agar melaju dengan aman dijalan walaupun harga yang mahal dibandingkan dengan kebanyakan mobil lainnya tetapi dengan peralatan canggih yang dipasang yang dapat meminimalisikan kecelakaan dijalan. Autonomous car harus memiliki pusat kontrol atau tempat pemrosesan data yang didapat dari sensor-sensor yang terpasang yang mendukung mobil ini untuk membedakan antar mobil yang berbeda di jalan. [5]
Gambar 2.1 Contoh Mobil Otonom
7 2.2 Penelitian Terdahulu
Bab ini membahas tentang penelitian yang telah lampau masih berhubungan dengan autonomous car yaitu sebagai berikut :
Pada poin pertama ini akan membahas tentang penelitian yang berhubungan dengan pengolahan citra digital yang menggabungkan beberapa metode deep learning, CAMShift, dan Faster R-CNN yang diimplementasikan kedalam object detection dan object tracking.
Peneliti menggunakan benda berbentuk lingkaran yang di gerakkan keatas, kebawah, dan kesamping. Pada layar frame akan muncul garis berwarna warna merah sebagai penanda pergerakan dari objek tersebut.
Disamping garis warna merah juga terdapat bulatan berwarna kuning menandakan objek yang dikenali oleh kamera. Kesimpulan yang dipaparkan oleh penulis bahwa penggabungan metode yang telah disebutkan tadi bisa dilakukan, akan tetapi masih jauh dari kata sempurna.
Pada poin kedua ini akan membahas tugas akhir “Pengembangan Robot Mobil Otonom Menggunakan Sistem Kendali Fuzzy dan Jaringan Syaraf Tiruan”. Pada tugas akhir ini penulis mengembangkan robot mobil yang dapat mencapai suatu titik tujuan pada sudut robot dan posisi yang diinginkan. Penulis disini membandingkan Metode Fuzzy dan Jaringan syaraf tiruan. Kesimpulan yang dikemukakan oleh penulis tugas akhir ini adalah fuzzy selalu menggerakkan robot mobil dengan halus, sedangkan jaringan syaraf tiruan tidak. Pergerakkan robot mobil dnegan kendali jaringan syaraf tiruan kadang-kadang memberikan jejak langkah yang tidak teratur. Melatih sistem kendali jaringan syaraf tiruan membutuhkan waktu, karena algoritma backpropagation memerlukan ribuan langkah untuk pelatihan pada jaringan pengendali.
Kadang-kadang, algoritma pembelajran tidak mencapai konvergensi.
Untuk Fuzzy sendiri tidak membutuhkan emulatir robot dan tidak
8 memerlukan model matematika yang menghubungkan keluaran sebagai fungsi masukan.
Pada poin ke tiga ini akan membahas tugas akhir yang berjudul “ Perancangan Sistem Navigasi dan Identifikasi robot Mobile Menggunakan Morfologi Citra dan Jaringan Syaraf Tiruan (JST) Untuk Pencari Korban Bencana Alam”. Penulis pada tugas akhir ini membandingkan akurasi metode BPNN (Back Propagation Neural Network) dengan metode konvensional KNN (K-Nearest Neghbors).
Pengujian dilakukan dengan menggunakan gambar tubuh bagian atas, kaki, tangan. Hasilnya bahwa dengan menggunakan metode KNN hanya menghasilkan akurasi 70%, akurasi lebih besar yang mencapai 90% didapatkan bila menggunakan BPNN. Dapat disimpulkan bahwa BPNN (Back Propagation Neural Network) lebih baik dibanding metode konvensional.
2.3 Bahasa Pemrograman Python
Python merupakan bahasa pemrograman tingkat tinggi yang populer. Bahasa pemrograman python dikembangkan oleh Python Software Fondation, sebuah organisasi nirlaba yang dirangcang oleh Guido Van Rossum. Jadi kita daapat membuat program komputer gratis untuk berbagai kegunaan dengan menggunakan interpreter yang digunakan untuk menjalankan pemrograman python. Keuntungan lain dari menggunakan program Python adalah sintaksnya ringkas dan mudah dimengerti, dan tidak ada definisi variabel, karena variabel didefinisakan secara otomatis oleh interpreter Python.
Komponen-komponen bahasa pemrograman Python.
a. Statement
Statement atau instruksi program adalah komponen yang berfungsi memberitahu komputer untuk melakukan tugas tertentu, seperti mencetak tipe data, membandingankan tipe data, atau melakukan operasi pada data.
9 b. Struktur kontrol
Struktur kontrol adalah susunan dalam bahasa pemrograman python yang mengontrol instruksi seperti mengulang atau memilih tindakan pada instruksi tertentu. Struktur kontrol pada Bahasa pemrograman Python termasuk if, for, while.
c. Fungsi
Fungsi adalah komponen yang berisi operasi tertentu yang dapat dipanggil berulang kali sehingga dapat menjelaskan penugasan berulang secara ringkas. Ada dua jenis fungsi : nilai balik dan tanpa nilai balik.
d. Menggolongkan (Class)
Menggolongkan (class) adalah tipe data attribut yang berisi daftar properti dan metode yang digunakan untuk memodelkan suatu objek, mirip dengan masalah menghitung lias persegi panjang.
Panjang dan lebar adalah properti dan rumus luas adalah metode kelas. Kedua komponen itu bersatu sebagai lapisan.
e. Modul
Modul adalah program yang ditempatkan di file lain untuk memfasilitasi pengolalaan program yang kompleks, dan program dapat ditulis ke fle lain.[6]
2.4 Machine Learning
Machine learning adalah subyek penting dalam bidang kecerdasan buatan.
Sejak 1980-an, machine learning telah sukses besar dalam aspek algoritma, teori dan aplikasi. Machine learning melalui pengalaman pembelajaran sebelumnya, analisis otomatis aturan akuisisi data, menata ulang pengetahuan yang ada, struktur, dan terus-menerus untuk kinerja diri agar komputer membuat respons yang benar jika tidak ada program yang jelas sebelumnya diprogram. Machine learning adalah penelitian tentang bagaimana membuat simulasi dan realisasi komputer sebagai aktivitas manusia, bagaimana mengidentifikasi dan menggunakan pengetahuan yang ada untuk memperoleh keterampilan baru, yang merupakan inti dari kecerdasan buatan.
10 Gambar 2.2 Alur kerja machine learning
Aplikasi pembelajaran mesin sangat luas, yang mencakup semua bidang kecerdasan buatan, misalnya: visi komputer, penambangan data, pengenalan biometrik, pemrosesan bahasa alami, analisis pasar sekuritas, pengenalan suara dan tulisan tangan, mesin pencari, pengurutan DNA, diagnosis medis , game strategi, dll. Proses kerja machine learning seperti yang ditunjukkan pada gambar dibawah ini.
Menurut pengalaman bagaimana menangani data atau lingkungan, machine learning dapat dibagi menjadi tiga jenis pembelajaran berikut:
1. Pembelajaran terawasi (Supervised Learning)
Input data disebut data pelatihan, model fungsi termasuk fungsi aljabar, fungsi probabilitas atau jaringan saraf tiruan. Ini menggunakan metode perhitungan berulang, dan hasil belajar juga fungsinya. Ini akan memperkirakan hasil sesuai dengan model data pelatihan, "data yang salah"
akan menjadi pelatihan sampai mendapatkan hasil yang benar yang dapat mencapai standar tertentu. Pembelajaran supervisi sering digunakan untuk menyelesaikan masalah klasifikasi dan masalah regresi, metode tipikal memiliki BP (Back Propagation), SVM (Support Vektor Machine), KNN (K-Nearest Neighbor) dan CBR (Context-based Recommendation).
11 2. Pembelajaran tanpa pengawasan (Unsupervised Learning)
Input data tanpa informasi tag, dan memiliki hasil yang tidak pasti, menggunakan metode clustering, merangkum struktur data dan numerik, hasil belajar adalah kategori. Pembelajaran tanpa pengawasan tipikal memiliki pengelompokan, penemuan, dan pembelajaran kompetitif, algoritma khas memiliki algoritma Apriori dan Peta Organisasi Mandiri.
3. Pembelajaran penguatan (Reinforcement Learning)
Penguatan pembelajaran juga dikenal sebagai meningkatkan pembelajaran, itu akan umpan balik lingkungan informasi sebagai data input, dan itu adalah semacam metode pembelajaran berdasarkan metode pembelajaran statistik dan teknologi pemrograman dinamis. Penguatan pembelajaran berlaku untuk memecahkan masalah kontrol robot, algoritma khas memiliki Q-learning, dan algoritma pembelajaran perbedaan temporal.
Kebanyakan machine learning awal adalah studi dangkal, algoritma tipikal memiliki algoritma BP, SMV, Boosting, metode entropi maksimum (seperti regresi logistik, LR), dll. Struktur model dapat dianggap sebagai dengan lapisan tersembunyi node (seperti SVM, Boosting), atau tidak ada layer layer tersembunyi (LR). Model-model ini baik dalam analisis dan aplikasi teoritis memiliki kesuksesan besar. Sebaliknya, karena kesulitan analisis teoritis, dan metode pelatihan membutuhkan banyak pengalaman dan keterampilan, periode jaringan saraf tiruan multilayer relatif tenang.[7]
2.5 Jaringan Saraf Tiruan (Artificial Neural Network)
Neural Network merupakan algoritma penting untuk pembelajaran mesin di awal, setelah puluhan tahun pasang surut. Prinsip jaringan saraf diilhami oleh struktur fisik otak kita - neuron yang terhubung satu sama lain. Namun, berbeda dari neuron di otak dapat menghubungkan neuron apa pun dalam jarak tertentu, jaringan saraf tiruan memiliki lapisan tersendiri, arah koneksi dan transmisi data.
12 Sebagai contoh, kita dapat memotong gambar menjadi blok gambar, dan memasukkannya ke lapisan pertama jaringan saraf. Pada lapisan pertama, setiap neuron meneruskan data ke lapisan kedua. Lapisan kedua neuron juga melakukan pekerjaan yang serupa, data diteruskan ke lapisan ketiga, dan seterusnya. Sampai data mencapai lapisan terakhir itu akan menghasilkan hasil. Setiap neuron akan mendistribusikan bobot untuk inputnya, beratnya benar atau tidak terkait langsung dengan misinya. Hasil akhir ditentukan oleh jumlah tertimbang.
Sebenarnya, dalam kecerdasan buatan awal, jaringan saraf sudah ada, tetapi hampir tidak ada kontribusi untuk "intellegance". Masalah utama adalah bahwa bahkan yang paling dasar dari jaringan saraf, itu juga membutuhkan banyak operasi.
Persyaratan operasi untuk algoritma jaringan saraf sulit dipenuhi, dan sampai GPU digunakan secara luas, masalah ini baru mulai teratasi secara bertahap.
Sampai 2006, Geoffrey Hinton menerbitkan sebuah artikel di "Science", jaringan saraf telah menjadi teknologi pembelajaran utama yang kuat dalam pembelajaran mesin. Geoffrey Hinton menunjukkan lapisan multi-tersembunyi dari jaringan saraf memiliki karakteristik kemampuan belajar yang sangat baik, dan karakteristik dari pembelajaran memiliki lebih banyak karakterisasi data, yang bermanfaat untuk visualisasi atau klasifikasi. Juga, kesulitan jaringan saraf dalam pelatihan dapat secara efektif diatasi dengan "layer-wise pre-training”.
Berbeda dari cara pelatihan tradisional, layer-wise-pre-training memiliki proses pra-pelatihan, perannya adalah untuk mendapatkan bobot jaringan saraf untuk menemukan nilai dekat dari solusi optimal, dan kemudian melalui penggunaan "fine-tuning" teknologi, yang menggunakan BP (back propagation algorithm) atau algoritma lain sebagai alat penyetelan, untuk mengoptimalkan seluruh pelatihan jaringan. Penggunaan dua teknologi ini dapat menaikkan kinerja dari model, dan untuk meminimalisir waktu dalam pelatihan jaringan saraf multilayer. Dia memberikan metode pembelajaran jaringan saraf multilayer kata baru - "deep learning".[7]
13 2.6 Deep Learning
Deep learning adalah kelas algoritma machine learning yang mempelajari berbagai level representasi dan abstraksi yang membantu mengidentifikasi data. Pada tahun 1989, LeCun mengembangkan jaringan saraf pembelajaran yang dalam tetapi gagal untuk menjadi praktis karena efisiensinya yang rendah. Saat ini, deep learning mendapat banyak perhatian dengan pengembangan perangkat keras dan perangkat lunak modern. Prosesor kecepatan tinggi menghadirkan daya komputasi yang kuat dan mengurangi waktu eksekusi deep learning.
Pendekatan:
Convolutional Neural Networks (CNN): CNN adalah kelas khusus dari jaringan saraf dan menyediakan struktur jaringan khusus yang terdiri dari lapisan konvolusi dan lapisan penyatuan. Dalam beberapa tahun terakhir, CNN telah digunakan secara luas dalam pengenalan gambar, analisis video, pemrosesan bahasa alami, penemuan obat dan bermain Go .
Deep Reinforcement Learning (DRL): DRL adalah kombinasi dari penguatan pembelajaran dan jaringan saraf yang dalam. DRL berhasil memberikan strategi di banyak bidang.
Generative Adversarial Networks (GANs): GANs adalah suatu algoritma dalam pembelajaran mesin tanpa pengawasan. Ini dapat digunakan untuk meningkatkan gambar astronomi.[7]
2.7 Kamera Webcam
Kamera Webcam yaitu merupakan perancangan yang dipakai pada World Wide Web. Webcam ada yang memiliki bentuk kecil, tetapi memiliki keuntungan yaitu bisa diletakkan dimanapun dan dapat mentansmisikan video berwarna, contohnya kamera pada PC (Personal Computer).
Webcam terdiri dari kamera digital sudah terkoneksi atau terhubung dengan perangkat komputer. Webcam terkoneksi dengan komputer yang melalui port USB.
Cara Kerja dari web camera tidak berbeda jauh dengan kamera versi lama yang
14 masih memakai film, yaitu memilih sebuah objek untuk direkam memakai jendela pengintai.
Kemudian obyek bayangan itu di fokuskan oleh lensa ke dalam peralatan yang peka terhadap cahaya yaitu sensor Charge Coupled Device (CCD) atau Complementary Metal-Oxicide Semiconductor (CMOS). Beberapa sensor akan mengkonversinya dari cahaya ke tegangan listrik yang sesuai dengan brightness (tingkat kecerahan) yang kemudian akan di teruskan ke dalam Analog to Digital Converter (ADC) yang berfungsi untuk menerjemahkan fluktiasi tegangan dari charge coupled device menjadi bentuk kode biner/ Keluaran dari analog to digital converter nantinya akan dikirimkan ke sebuah Digital Signal Processor (DSP) yang dapat menyesuaikan kontras dan detail-detail dari gambar, serta mengecilkan gambar terlebih dahulu sebelum di kirim ke media penyimpanan. Apabila semakin terang cahaya yang di hasilkan charge coupled device, maka akan semakin tinggi pula tegangan dan juga akan membuat semakin besar resolusi piksel pada gambar yang nantinya akan dihasilkan komputer mebuat detail yang semakin besar.[8]
Gambar 2.3 Kamera Webcam
2.8 Autonomous Car
Autonomous car adalah kendaraan yang dapat beroperasi tanpa menggunakan kendali oleh manusia. Autonomous car ini memiliki sistem yang dapat bekerja sama untuk memudahkan mobil berkendara di jalanan. Banyak sensor yang terdapat pada mobil tersebut untuk mendukung kendaraan tersebut untuk mendeteksi daerah di sekitar mobil supaya tidak terjadi tabrakan. Sensor-sensor yang digunakan sebagai
15 berikut: LIDAR, kamera video, Global Positionning System, dan RADAR.
Autonomous car memakai komputer pusat sebagai pengolah informasi-informasi yang di terima oleh sensor. Algoritma yang dipakainya pun beraneka ragam, sehingga komputer dapat menentukan jalur mana yang akan di ambil. Selanjutnya komputer pusat atau otak pusat tersebut akan memberi perintah terhadap mobil dalam melakukan suatu tindakan yang sesuai.
Banyak peneliti-peneliti diseluruh dunia yang melakukan riset untuk mempercanggih atau lebih memperbaiki teknologi yang sudah ada pada tahun 80- an tersebut. Tujuannya adalah untuk mengurangi emisi karbon, mencegah atau mengurangi kecelakaan lalu lintas, dan mengurangi waktu orang berkendara.
Dengan berkurangnya waktu orang untuk berkendara itu juga membantu untuk mengurangi stres yang sering terjadi di jalan raya yang di akibatkan oleh macet atau pelanggar lalu lintas yang membahayakan pengguna jalan lainnya.[9]
2.9 Sensor Ultrasonik
Sensor ultrasonik adalah sensor yang memiliki fungsi untuk merubah dari besaran fisis (bunyi) menjadi besaran listrik atau sebaliknya. Cara kerja dari sensor ini didasarkan pada pantulan dari gelombang suara yang dapat digunakan dalam menafsirkan jarak suatu benda dengan suatu frekuensi tertentu. Sensor ini menggunakan gelombang ultrasonik yang sesuai dengan namanya. Gelombang ultrasonik yaitu gelombang bunyi yang memiliki frekuensi sangat tinggi yaitu 20000 Hz. Bunyi dengan frekuensi sangat tinggi ini tidak bisa di dengarkan oleh telinga manusia karena telinga manusia hanya dapat mendengar dengan frekuensi 20Hz sampai 20000Hz, tapi bisa merambat melalui zat gas, zat padat dan zat cair.
Reflektifitas ultrasonik pada permukaan zat padat hampir mirip dengan reflektifitas bunyi ultrasonik pada permukaan benda cair. Gelombang bunyi pada sensor ini akan diserap tekstil dan busa.
16 Gambar 2.4 Sensor Ultrasonik HC-SR04
Gelombang ultrasonik di bangkitkan dengan sebuah alat yaitu piezoelektrik dengan menggunakan frekuensi tertentu. Piezoelektrik ini menghasilkan suatu gelombang ultrasonik (umumnya berfrekuensi 40kHz) ketika sebuah osilator efektif pada benda tersebut. Secara garis besar, piezoelektrik ini nantinya akan menembakkan sebuah gelombang ultrasonik menuju suatu target. Setelah gelombang ultrasonik sampai pada permukaan target, maka target akan kembali memantulkan gelombang tersebut sehingga pantulan gelombang dari target akan ditangkap oleh sensor, yang kemudian sensor akan langsung menghitung selisih antara waktu pengiriman dan waktu gelombang pantul di terima.
Gambar 2.5 Cara Kerja Sensor Ultrasonik
Karena kecepatan bunyi adalah 340 m/s. Maka rumus untuk mencari jarak berdasarkan ultrasonik adalah :
𝑆 = 340. 𝑡 2⁄ (1)
17 Dimana S merupakan satuan jarak pada sensor ultrasonik dengan benda, dan t merupakan satuan selisih waktu pada pemancaran gelombang oleh transmitter dan merupakan waktu ketika gelombang pantul diterima receiver.
HC-SR04 adalah sensor ultrasonik yang memiliki fungsi sebagai pengirim, penerima, dan pengontrol gelombang ultrasonik. Alat ini dapat digunakan dalam mengukur jarak pada benda dari 2cm-4cm dengan tingkat akurasi 3mm.
Mikrokontroller juga dapat digunakan untuk mengukur jarak pada benda sekitar 2cm-4m dengan tingkat akurasi 3mm. Mikrokontroller dapat bekerja pada order mikrosekon (1s = 1.000.000 𝜇𝑠) dan satuan jarak dapat dirubah ke satuan cm (1m
= 100 cm). Oleh karena itu, rumus di atas menjadi :
𝑆 =340(
100 1000000).𝑡
2 (2)
𝑆 = 0,034. 𝑡 2⁄ (3)[10]
2.10 Raspberry Pi Zero W
Raspberry Pi Zero W merupakan sebuah mini komputer yang memiliki size 85,60 mm x 83,98 x 17 mm dna berat 45 g. Raspberry Pi Zero W memiliki sebuah prosesor dengan grafik chip memori ram dengan perangkat interface dan konektor yang mendukung perangkat eksternal.[11] Perangkat ini bekerja pada tegangan 5v dan arus makimal 3A.[12]
Gambar 2.6 Raspberry Pi Zero W
18 Berikut Keterangan bagian-bagian dari Raspberry Pi Zero W dan fungsinya
sebagai berikut : 1. Main Prosesor
Bagian dari Raspberry Pi yang memiliki fungsi dalam mengontrol sistem, menentukan kapan pengiriman data akan terjadi, menjalankan operasi fungsi aritmatika dan melakukan operasi logika.
2. Micro SD Card Holder
Tempat untuk meletakkan mini SD card agar dibaca oleh Raspberry Pi 3. Mini HDMI
Socket kabel untuk interfaceRaspberry Pi ke Monitor 4. Micro USB OTG
Socket kabel untuk menghubungkan perangkat raspberry pi dengan mouse maupun keyboard.
5. Power In
Socket untuk menghubungkan daya dari Power Supply.
6. Pi Camera Port
Socket untuk menghubungkan Raspberry Pi dengan perangkat kamera.
7. GPIO Port
Socket yang menghubungkan Raspberry Pi dengan perangkat lainnya dalam penelitian ini.
2.11 Modul Relay 4 Channel
Modul relay adalah komponen elektronika berupa saklar elektronik yang dikendalikan oleh arus listrik. Cara kerja relay mirip tuas saklar dengan lilitan kawat pada batang besi (solenoid) didekatnya. Ketika solenoid dialiri arus listrik, pada tuas akan menerima tarikan medan magnet yang dihasilkan oleh solenoid yang menybabkan kontak saklar otomatis menutup. Dan ketika arus listrik tidak diterima solenoid maka gaya magnetnya akan menghilang, dan saklarpun akan membuka kembali.[9] Relay mempunyai 2 bagian utama yaitu elektromagnet (coil) dan mekanikal (seperangkat kontak saklar/switch). Sebagai komponen elektronika, relay memiliki peran penting dalam sebuah system rangkaian elektronika dan
19 rangkaian listrik untuk menggerakkan perangkat yang dimana memerlukan arus besar yang tanpa terhubung langsung dengan perangkat pengendali yang mempunyai arus kecil. dengan begitu relay dapat jadi fungsi sebagai pengaman.[13]
Gambar 2.7 Modul Relay 4 Channel
Gambar 2.8 Simbol Relay Berikut macam-macam fungsi relay secara umum :
a. Berfungsi dalam menjalankan sebuah fungsi logika (Logic Function).
b. Berfungsi untuk memberikan jeda penundaan waktu (time delay function).
c. Berfungsi dalam mengendalikan sirkuit-sirkuit yang bertegangan tinggi yang akan dibantu dengan signal tegangan rendah.
20 d. Berfungsi juga dalam melindungi motor dan juga komponen yang lainnya
dari hubung singkat atau juga tegangan lebih.
2.12 Arduino Uno
Arduino disebut sebagai alat pemroses data yang akan dipindah dari perangkat software ke LCD. Arduino juga sebagai sambungan dari program, karna menjadi pilihan dari sifatnya sebagai pembuka sumber data juga sebagai pengendali sistem sensor pada alat. Menurut Guntoro Helmi (2013:12) Perangkat Arduino adalah mikrokontroler yang berbasis Mega328 yang memiliki 14 pin input dari output pada setiap titik lubang alat tersebut. Sedangkan input analog terdiri dari 6 pin, 16 MHz osilator kristal, koneksi USB, jackpower, ICSP header, dan tombol reset. Kelebihan dari arduino adalah perangkat sebuah modul yang telah siap pakai tanpa harus menambah komponen lain. Arduino juga dapat membaca SD Card tanpa bantuan pengoprasian dari chip programmer juga dapat mempermudah para pengguna laptop yang tidak memiliki port serial/RS323.[14]
Gambar 2.9 Arduino Uno
21 Berikut komponen-komponen yang ada pada Arduino Uno beserta fungsinya:
1. Power USB
Dapat berguna memberikan sumber daya listrik kepada papan arduino yaitu dengan cara menghubungkan kabel USB terhadap koneksi USB. Selain itu power usb memiliki fungsi lain yaitu untuk memuat program dari komputer menuju ke papan komunikasi serial antara papan arduino dan komputer 2. Power (Barrel Jack)
Berfungsi sebagai pemberi daya listrik secara langsung dari sumber listrik dengan cara menghubungkan ke Barrel Jack.
3. Voltage Regulator
Digunakan untuk mengontrol besarnya tegangan yang diberikan terhadap papan Arduino dan juga untuk menstabilkan tegangan DC yang digunakan oleh prosesor dan elemen-elemen lainnya.
4. Crystal Oscillator
Berfungsi untuk menangani masalah waktu. Contohnya angka pada Crystal Oscilator Arduino menunjukkan 16000H9H maka frekuensinya 16MHz (16.000.000 Hz).
5. Arduino Reset
Berfungsi untuk mengatur ulang program dari awal. Caranya dengan menghubungkan tombol reset eksternal ke pin Arduino.
6. Pin 3.3
Fungsinya sebagai supply 3.3 output volt 7. Pin 5
Fungsinya sebagai suplly 5 output volt 8. Pin GND
Berfungsi sebagai jalur Ground.
9. Pin Vin
Berfungsi untuk menghubungkan catu daya ke papan Arduino dari sumber catu daya eksternal
10. Pin Analog
22 Digunakan dalam membaca sinyal dari sebuah sensor analog seperti sensor ultrasonik yang kemudian mengubahnya menjadi nilai digital yang dapat dibaca oleh microprosesor.
11. Mikrokontroller Utama
Berfungsi sebagai otak dari papan Arduino 12. Pin ICSP
ICSP adalah AVR, suatu pemrograman header kecil yang terdiri dari MISO,SCK,MOSI,VCC, RESET dan GND. Ini dapat dianggap juga sebagai ekspansi dari output.
13. Indikator LED daya
Berfungsi sebagai indikator pada Arduino untuk mengetahui Arduino sudah dihubungkan terhadap sumber daya. Namun ketika lampu LED tidak dapat menyala, itu karena terjadi kesalahan dengan sambungannya.
14. LED TX (Transmit) dan RX (Receive)
TX dan RX mucul di 2 tempat. Pertama, yaitu pada pin 0 dan pin 1 yang dimana bertanggung jawab untuk komunikasi serial. Lalu yang kedua, LED TX dan RX di (13). LED TX akan berkedip dengan kecepetan berbeda pada mengirim data serial. Kecepatan kedipnya bergantung terhadap baud rate yang digunakan oleh board. Sedangkan LED RX akan berkedip selama menerima proses.
15. Digital I/O
Arduino memiliki 14 pin I/O Digital. Fungsinya untuk pin digital input ini untuk membaca nilai logika 0 atau 1. Dan sebagai pin output yang digunakan untuk mengendalikan modul yang berbeda seperti relay, LED dan sebagainya. Sedangkan pin yang bertanda “~” untuk menghasilkan PWM.
16. Analog Reference
Fungsingnya untuk mengatur suatu tegangan referensi eksternal diantara 0 dan 5v yang dijadikan sebagai batas atas untuk input pin analog.
17. RESET
Memiliki fungsi yang sama dengan Arduino reset yaitu untuk mengatur ulang papan arduino.
23 Arduino Uno adalah sebuah Board Arduino dan model referensi untuk papan arduino ini merupakan seri terakhir. Berikut ini spesifikasi dari Arduino Uno adalah:
2.13 Power Supply
Power Supply yaitu alat listrik bisa mensupply energi listrik untuk peralatan listrik ataupun peralatan elektronika. Secara dasar power supply ini membutuhkan tenaga listrik yang nantinya akan mengubahnya menjadi energi listrik yang diperlukan oleh perangkat elektronika. Oleh sebab itu power supply juga dikenal sebagai Electric Power Converter. Adapun power supply memiliki fungsi yang dapat dibedakan menjadi 3, yaitu: Regulated Power Supply, Unregulated Power Supply, dan Adjustable Supply.[15]
Gambar 2.10 Jenis-jenis Power Supply
2.14 Baterai Lithium
Baterai merupakan alat untuk merubah langsung dari energi kimia menjadi energi listrik yang melalui suatu proses yaitu elektrokimia. Sel baterai adalah unit terkecil dari sistem proses elektrokimia yang terdapat beberapa elemen yaitu:
24 separator, elektroda, wadah, elektrolit, dan current colekctor / terminal. Berikut beberapa komponen sel baterai :
a. Anoda / Elektroda negatif.
b. Katoda / Elektroda positif.
c. Penghantar ion / elektrolit.
Baterai lithium adalah jenis baterai sekunder (rechargeable battery) yang bisa diisi ulang dan baterai yang ramah lingkungan, karena baterai lithium ini tidak memuat bahan-bahan yang berbahaya seperti pada baterai-baterai umumnya yang lebih dahulu berkembang yaitu baterai INI-Cd dan Ni-MH. Baterai ini mempunyai keunggulan jika dibandingan dengan baterai sekunder jenis lainnya, yakni mempunyai stabilitas yang baik dalam penyimpanan energi (daya tahannya dapat mencapai 10 tahun ataupun lebih), memory effectnya tidak ada dan beratnya yang lebih ringan dibandingkan dengan jenis baterai lainnya ,energi densitas tinggi.
Maka dengan tingkat berat yang sama energy pada baterai lithium yang dihasilkan 2 kali lipat dari jenis baterai lainnya.[16]
Gambar 2.11 Baterai Lithium-Ion (Li-Ion)
2.15 LM2596 DC-DC
Step Down LM2596 adalah sebuah konverter untuk menurunkan tegangan yang mengkonversikan tegangan masukan DC menjadi tegangan DC.[17]
25 a. Tegangan Masukan : DC 3V-40V
b. Tegangan Keluaran : DC 1.5V-3.5V (tegangan outputnya lebih rendah dengan beda selisih minimal 1.5V)
c. Arus Max : 3A
d. Ukuran Board : 42mm x 20mm x 14mm
Gambar 2.12 LM2596 DC-DC
Gambar 2.13 Rangkaian LM2596
26 2.16 LED (Light Emitting Diode)
LED (Light Emitting Diode) merupakan semi konduktor yang dapat memancarkan cahaya monokromatik tidak koheren apabila diberikan tegangan maju. Hal ini merupakan bentuk elektroluminesensi. Dikembangkan akhir 1950-an, LED yaitu jenis paduan semikonduktor p-n (p-n junction) dapat mengirimkan foton atau cahaya ketika tegangan yang tepat diterapkan ke persimpangan. [18]
Gambar 2.14 Lampu LED 2.17 Arduino Nano
Arduino Nano merupakan sebuah board mikrokontroler yang berbasis AT Mega 328. Ini mempunyai 14 pin input dan output digital (6 pin digunakan sebagai outputan PWM), 6 input analog, osilator kristal 16 MHz, koneksi USB dan tombol reset. [19]
27 Gambar 2.15 Konfigurasi Arudino Nano
Berikut adalah komponen-komponen yang ada pada arduino nano, yaitu :
VCC adalah pin yang beroperasi pada pin input catu daya.
GND adalah pin ground untuk catu daya digital
VREF adalah Referensi tegangan untuk input analog.
RESET adalah jalur LOW., fungsinya untuk mengatur ulang (restart) mikrokontroler. Selain itu juga dipakai untuk menambahkan tombol reset pada pelindung menghalangi motherboard arduino.
Serial RX (0) adalah pin penerima TTL data serial.
Serial TX (1) adalah untuk pengirim TT data serial.
Interupsi Eksternal (External Interrupt) adalah pin untuk memicu sebuah interupsi nilai rendah, meningkat atau menurun, atau mengubah nilai.
Output PWM 8 bit memiliki fungsi untuk dataanalogWrite().
SPI adalah pin yang berfungsi sebagai pendukung komunikasi.
LED adalah adalah papan indicator pada arduino nano.
