Fakultas Ilmu Komputer
Universitas Brawijaya
3060
Sistem Kendali Take-Off Quadcopter Ar.Drone Menggunakan Logika
Fuzzy
Fajar Miftakhul Ula1, Gembong Edhi Setyawan2, Rizal Maulana3 Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1[email protected], 2[email protected], 3[email protected]
Abstrak
Unmanned Aerial Vehicle (UAV) atau pesawat tanpa awak merupakan salah satu jenis robot udara yang
saat ini sedang mengalami perkembangan yang pesat. Salah satu jenis dari UAV adalah quadcopter,
quadcopter adalah robot udara yang memiliki 4 buah motor sebagai penggerak baling-baling. Dalam
pembuatan quadcopter mengalami banyak permasalahan salah satunya yaitu kebutuhan akan pengguna yang dapat mengontrol pergerakan quadcopter menggunakan remot yang berpengalaman sangat diperlukan, kususnya dalam melakukan proses take-off, mengingat take-off pada quadcopter merupakan fase yang mutlak harus dijaga kestabilannya. Oleh karena itu, diperlukan adanya sistem autopilot yang dapat mengendalikan proses take-off dengan baik. Berdasarkan permasalahan tersebut maka dibuatlah penelitian tentang sistem kendali take-off quadcopter menggunakan logika fuzzy dengan menggunakan
rule 7x7 dimana terdapat dua input yaitu percepatan serta perubahan percepatan, sedangan output yang
dihasilkan adalah berupa kecepatan. Untuk mengetahui tingkat error dilakukan pengujian ketepatan posisi sebanyak 10 kali pada ketinggian 1-4 meter. Sedangkan untuk mengetahui berapa waktu
quadcopter untuk mencapai posisi hover dapat menggunakan stopwatch dari posisi take-off hingga
posisi hover. Sehingga hasil dari penelitian ini adalah ketepatan yang diperoleh sudah baik, namun waktu yang diperlukan masih membutuhkan waktu lama.
Kata kunci : Unmanned Aerial Vehicle (UAV), Quadcopter, Take-off, Fuzzy.
Abstract
Unmanned Aerial Vehicle (UAV) or we knownby plane without crew is type of sky’s robot explores have incrase develop in nowadays. One kinds of UAV is quadcopter, quadcopter is kinds of sky robots have four motors as vane drive. On process make quadcopter have many trouble, that is experienced pilot requirements for fly quadcopter use remote, expecially for the take-off, because take-off on quadcopter is absolute phase to keep the stability. So need have auto pilot system to manage process a great take-off. Based on that trouble so made experiment about guide system of take-off quadcopter use fuzzy logic with rule 7x7 where have two input is acceleration and change of acceleration, while output which result is speed. For know the error phase is examination as much as ten times with high 1 – 4 meter. And for know time need quadcopter for get hover use record time with stopwatch. So the result of this experiment is the precision obtained is already good but the time if takes is still need a long time while the rule is match with result output.
Keywords : Unmanned Aerial Vehicle (UAV), Quadcopter, Take-off, Fuzzy.
1. PENDAHULUAN
Unmanned Aerial Vehicle (UAV) atau yang
biasa kita kenal dengan pesawat tanpa awak saat ini sedang mengalami perkembangan yang pesat yaitu untuk keperluan sipil atau keperluan pribadi sekedar hanya untuk hobi atau bahkan digunakan untuk keperluan yang lebih besar seperti pada dunia militer. UAV memiliki
banyak tipe salah satunya adalah quadcopter.
Quadcopter memiliki kemampuan untuk melakukan pendaratan dan lepas landas secara vertikal, yang biasa dikenal dengan istilah
Vertical Take-Off and Landing (VTOL).
Dalam pembuatan quadcopter terdapat banyak masalah seperti keempat baling-baling yang tidak bisa menghasilkan gaya angkat, karena keempat motor masih dirancang berputar searah. Kebutuhan akan pilot sangat diperlukan
dalam menerbangkan quadcopter, khususnya dalam melakukan proses take-off.
Untuk menjaga kestabilan pada waktu
take-off telah dilakukan penelitian sebelumnya yang
menggunakan fuzzy Model Reference Adaptive
Contro (MRAC) seperti ditulis oleh Prawirayuda
(2012). Selain menggunakan metode fuzzy
MRAC ada pula yang menggunakan kontrol fuzzy Proportional Integral Derivative Controller (PID) seperti yang dilakukan olah
Kusuma, Effendi, Iskandar (2012).
Dari kedua penelitian diatas dapat disimpulkan bahwa algoritma yang bersifat non-linier seperti logika fuzzy lebih cocok untuk diterapkan pada quadcopter dari pada menggunakan algoritma yang bersifat linear seperti PID dikarenakan quadcopter memiliki dinamika yang non-linier sehingga algoritma yang bersifat non-linier lebih cocok diterapkan. Selain itu dari hasil penelitian yang dilakukan oleh Prawirayuda (2012) waktu yang dibutuhkan
quadcopter untuk take-off pada ketinggian
tertentu adalah sebesar 0,6 detik sedangkan untuk algoritma PID waktu yang dibutuhkan adalah sedikit lebih lama yaitu 1 detik.
Selain menggunakan fuzzy Model Reference Adaptive Contro (MRAC) dan juga fuzzy Proportional Integral Derivative controller (PID) adapula penelitan yang
menggunakan fuzzy Mamdani seperti yang ditulis oleh Raharja et al. (2015) pada penelitian ini merupakan pengembangan dari beberapa penelitian sebelumnya yang bertujuan untuk mengoptimalkan kecepatan, meningkatkan waktu dan menghilangkan overshoot saat
quadcopter hover pada posisi ketinggian yang
telah ditentukan.
Metode algoritma fuzzy Mamdani sering dikenal dengan metode Max-Min. Metode ini juga digunakan oleh peneliti sebelumnya menggunakan rule base 3x3. Pada penelitian yang dilakukan oleh Raharja et al. (2015) kontrol
fuzzy digunakan untuk mengendalikan tinggi quadcopter dengan rule base 7x7. Dari hasil
pengujian yang dilakukan oleh Raharja et al. (2015) untuk basis aturan 7x7 lebih baik dari
rule base 3x3 dan 5x5.
Dari beberapa penelitian yang telah di lakukan sebelumnya peneliti ingin menerapkan logika fuzzy mamdani dengan rule 7x7 untuk mengatur kecepatan putaran motor quadcopter
Ar-Drone agar dapat menjaga kestabilan pada
waktu take-off. Tujuan digunakannya rule 7x7 pada penelitian ini dikarenakan dengan menggunakan rule 7x7 pada penelitian
sebelumnya yang dilakukan oleh Raharja et al. (2015) memberikan kesimpulan bahwa dengan menggunakan rule 7x7 quadcopter dapat stabil dan waktu yang di tempuh quadcopter untuk
take-off hingga hover pada ketinggian tertentu
lebih cepat dibandingkan menggunakan rule 3x3 dan 5x5.
Perbedaan yang dilakukan peneliti, variabel yang digunakan bukan ketinggian dan perubahan ketinggian melainkan percepatan dan perubahan percepatan dikarenakan target penelitian ini adalah untuk mengatur kecepatan putaran motor agar dapat menjaga kestabilan dan keseimbangan pada waktu take-off serta dapat menjaga kestabilan pada ketinggian tertentu, penyebab dari tidak stabilnya quadcopter pada ketinggian tertentu adalah adanya perubahan kecepatan.
2. PERANCANGAN DAN
IMPLEMENTASI 2.1 Gambaran Sistem
Sistem yang akan dibuat pada penemitian ini adalah untuk mengatur kecepatan putaran motor pada quadcopter agar dapat menjaga kestabilan pada waktu take-off dengan menggunakan algoritma fuzzy mamdani.
Gambar 1. Diagram blok sistem
Gambar 1 merupakan gambaran dari diagram blok sistem yang akan dibuat dimana terdapat 2 input yang didapat dari hasil pembacaan nilai percepatan serta perubahan percepatan pada sumbu Z dari quadcopter, sedangkan terdapat 1 output yang dihasilkan adalah kecepatan dari putaran ke 4 motor
quadcopter. Nilai yang di dapat dari pembacaan
data sensor akan digunakan sebagai input pada mesin penalaran untuk mengelompokkan anggota himpunan fuzzy yang nantinya akan dijadikan output untuk dapat mengatur kecepatan motor quadcopter. Proses ini akan terus berulang hingga quadcopter dapat mencapai ketinggian tertentu serta proses akan berhenti jika user memerintahkan quadcopter untuk landing.
2.2 Perancangan Sistem
Pada tahap perancangan sistem akan dibagi menjadi 2 yaitu perancangan perangkat keras serta perancangan perangkat lunak. Gambar 2 merupakan gambaran dari diagram alir sistem secara keseluruhan.
Gambar 2. Diagram alir sistem
Pertama akan dilakukan pengecekan koneksi pada laptop apakah telah terhubung dengan koneksi wi-fi yang di pancarkan oleh
quadcopter, jika koneksi telah terhubung maka user dapat menjalankan program pada laptop.
Jika laptop tidak terhubung dengan koneksi
wi-fi yang di pancarkan oleh quadcopter maka user
harus mengecek kembali koneksi tersebut. Setelah user dapat terhubung pada quadcopter, dan program telah dijalankan maka quadcopter, akan take-off dan sensor ultrasonik akan mulai membaca ketinggian yang telah ditentukan oleh
user. Jika ketinggian yang dibaca oleh sensor
belum sesuai dengan jarak yang ditentukan,
maka algoritma fuzzy akan terus berjalan untuk menghasilkan output berupa pengaturan kecepatan motor hingga quadcopter berada pada posisi hover dengan ketinggian yang telah ditentukan. Proses ini akan terus berulang dikarenakan nilai yang di keluarkan oleh
quadcopter akan terus dibaca dan dijadikan
sebagai input dari logika fuzzy.
Pada perancangan perangkat keras akan dijelaskan mengenai perancangan komunikasi sistem yang dibagi menjadi 2 proses pertukaran data seperti ditunjukan pada Gambar 3 dan Gambar 4 dikarenakan sebelum program dijalankan pada quadcopter aktual program terlebih dahulu diuji pada gazebo simulator dengan menggunakan driver tum_simulator sedangkan pada Ar-Drone aktual driver yang digunakan adalah ardrone autonomy.
Gambar 3. Gambaran komunikasi sistem
Pada Gambar 3 adalalah gambaran dari komunikasi sistem pada penelitian ini dimana computer dengan sistem orerasi Ubuntu 14.04 yang didalam nya telah terinstall Robot
Operating System (ROS) dapat berkomunikasi
dengan quadcopter dengan menggunakan bantuan dari driver ardrone autonomy sebagai jembatan antara laptop dengan quadcopter. Sedangkan agar laptop dapat terhubung dengan
quadcopter maka laptop harus terhubung dengan
koneksi wi-fi yang dipancarkan oleh quadcopter. Selanjutnya dengan bantuan dari driver ardrone
autonomy kita dapat mengambil data dari quadcopter yaitu data navigasi serta data sensor
yang dibutuhkan untuk dijadikan input dari algoritma fuzzy yang akan di buat, data yang telah diambil nantinya akan di dijadikan sebagai input algoritma fuzzy dan akan dibuat sebuah program dengan menggunakan bahasa pemograman Python yang nantinya program tersebut akan dikirim pada quadcopter oleh
Robot Operating System (ROS) dengan bentuk command agar quadcopter take-off
menggunakan algoritma fuzzy yang telah dibuat. Pada dasar nya driver untuk tumsimulator dan ardrone autonomy adalah sama, sehingga proses pertukaran data serta program yang digunakan pada simulator dan quadcopter aktual juga sama, perbedaan komunikasi antara
tum_simulator dan quadcopter aktual adalah tum_simulator dijalankan diatas gazebo dan berkomunikasi dengan Robot Operating System (ROS) menggunakan port, sedangkan untuk menghubungkan quadcopter aktual dengan
Robot Operating System (ROS) menggunakan
koneksi wi-fi. Gambar 4 merupakan gambaran alur pertukaran data pada simulator.
Gambar 4. Alur pertukaran data pada simulator
Pada perancangan perangkat lunak akan dijelaskan mengenai perancangan logika fuzzy yang terdiri dari beberapa tahapan yaitu
fuzzyfikasi, Aplikasi fungsi implikasi, komposisi
aturan serta defuzzyfikasi. Yang akan dijelaskan pada Gambar 5 yaitu proses perancangan logika
fuzzy pada sistem.
Gambar 5. Proses perancangan logika fuzzy pada
sistem
Pada proses fuzzyfikasi akan melakukan
input data sensor untuk menentukan dan
menghitung derajat keanggotaan dari nilai percepatan serta data perubahan percepatan yang selanjutnya sistem akan menghasilkan output derajat keanggotaan dari tiap-tiap vatiabel tersebut. Proses kedua adalah aplikasi fungsi implikasi. Proses ini mengambil nilai input dari
output fuzzifikasi berupa derajat keanggotaan
variabel percepatan serta perubahan percepatan yang nantinya akan di ambil hasil output terkecil atau MIN. Proses ketiga adalah komposisi aturan, proses dimulai dari melakukan aplikasi fungsi implikasi pencarian nilai minimum selanjutnya dari tiap masing-masing rule yang telah didapatkan dicari nilai maximumnya. Setelah itu, akan didapatkan nilai z dari hasil nilai maximum di tiap masing-masing aturan
rule. Proses yang terahir adalah proses defuzzyfikasi yaitu menghasilkan output berupa
control terhadap putaran baling-baling
quadcoter.
Dalam penelitian ini digunakan fuzzy logic
toolbox yang terdapat pada Matlab. Pada
perancangan fuzzy logic toolbox akan dibuat dua buah input yaitu percepatan serta perubahan percepatan dengan output berupa kecepatan menggunakan rule base 7x7, yang nantinya akan menghasilkan 49 aturan.
Gambar 6 dan Gambar 7 merupakan himpunan variabel input percepatan dan perubahan percepatan yang di dalamnya terdapat 7 kondisi yaitu SSR (sangat-sangat rendah), SR (sangat rendah), R (rendah), SED (sedang), T (tinggi), ST (sangat tinggi), SST (sangat-sangat tinggi). Kondisi tersebut berada pada ketinggian 1 sampai 4 meter. Range untuk 2 variable input yang digunakan dalam penelitian ini bernilai sama yaitu SSR [1.0, 0.99, 0.6], SR [0,99, -0,6, -0,3], R [-0.6, -0,3, 0], SED [-0,3, 0, 0,3], T [0, 0,3, 0,6], ST [0,3, 0,6, 0,99] dan SST [0,6, 0,99, 1,0]
Gambar 6 Himpunan variabel input percepatan (α)
Gambar 7 Himpunan variabel input perubahan
Gambar 8 merupakan himpunan variabel output berupa speed dengan 7 kondisi yaitu {SSL, SL, L, SED, C, SC, SSC}. Range yang digunakan dalam variable output berada pada -1,0 sampai 1,0.
Gambar 8 Himpunan variabel output (Speed)
2.3 Implementasi Sistem
Pada implementasi sistem terdapat 2 tahap implementasi yaitu, implementasi pada perangkat keras dan perangkat lunak. Pada implementasi perangkat keras akan dibahas mengenai implementasi program yang telah dibuat kedalam quadcopter aktual apakah
quadcopter dapat mengatur kecepatan motor
untuk menjaga kestabilan pada proses take-off Gambar 9 adalah gambar dari implementasian program kedalam quadcopter.
Gambar 9 Implementasi program kedalam
quadcopter
Pada implementasi perangkat lunak dilakukan pembuatan kode program sistem dengan menggunakan Spyder sebagai Interface
Development Environtment (IDE) dari bahasan
pemprograman Python. Penulisan kode program pada sistem terdiri dari beberapa proses yaitu pembuatan variable fuzzyfikasi, variable rule , variable Min dan Max serta yang terahir variabel area output deffuzifikasi.
3. PENGUJIAN DAN HASIL
Terdapat tiga jenis pengujian yang akan dilakukan pada penelitian ini yaitu pengujian ketepatan posisi untuk mengetahui error dan tingkat kepatan posisi pada ketinggian terentu,
pengujian respon sistem untuk mengetahui waktu yang dibutuhkan ketika take-off hingga
hover, pengujian logika fuzzy untuk mengetahui
kecocokan output dengan rule yang telah di buat. 3.1 Hasil Pengujian Error Sistem
Pengujian ini dilakukan untuk mengetahui seberapa besar tingkat error yang dihasilkan dalam mencapai ketinggian tertentu. Setelah dilakukan pengujian sebanyak 10 kali pada setiap ketinggian yang berbeda maka, menghasilkan output sebagai berikut.
Pada pengujian dengan ketinggian 1 meter ini tingkat error pada quadcopter adalah sebesar 6,45% dengan tingkat ketepatan sebesar 93,55%. Pada Gambar 10 merupakan grafik ketinggian 1 meter hasil olahan data pengujian yang telah diolah pada Microsoft Excel.
Gambar 10 Grafik ketinggian 1 meter
Pada pengujian dengan ketinggian 2 meter ini tingkat error pada quadcopter adalah sebesar 1,63% dengan tingkat ketepatan sebesar 98,37%. Pada Gambar 11 merupakan grafik ketinggian 2 meter hasil olahan data pengujian yang telah diolah pada Microsoft Excel.
Gambar 11 Grafik ketinggian 2 meter
Pada pengujian dengan ketinggian 3 meter ini tingkat error pada quadcopter adalah sebesar 1,37% dengan tingkat ketepatan sebasar 98,63%. Pada Gambar 12 merupakan grafik ketinggian 3 meter hasil olahan data pengujian yang telah diolah pada Microsoft Excel.
Gambar 12 Grafik ketinggian 3 meter
Pada pengujian dengan ketinggian 4 meter ini tingkat error pada quadcopter adalah sebesar 0,92% dengan tingkat ketepatan sebasar 99,08%. Pada Gambar 13 merupakan grafik ketinggian 4 meter hasil olahan data pengujian yang telah diolah pada Microsoft Excel.
Gambar 13 Grafik ketinggian 4 meter
3.2 Hasil Pengujian Respon Sistem
Pengujian ini dilakukan untuk mengetahui seberapa lama waktu yang dibutuhkan
quadcopter untuk mencapai posisi hover pada
ketinggian tertentu. Dari hasil pencatatan waktu yang dilakukan pada setiap ketinggian yang berbeda didapatkan hasil seperti ditunjukkan pada Tabel 1 dibawah ini.
Tabel 1 Hasil pengujian waktu
Pengujian ke Ketinggian 1 Meter (Detik) 2 Meter (Detik) 3 Meter (Detik) 4 Meter (Detik) 1 24.21 44.08 93.71 144.81 2 23.22 48.85 98.52 140.31 3 23.80 47.29 95.12 148.43 4 23.80 44.73 98.65 164.60 5 26.42 53.55 91.95 154.75 6 23.66 56.80 99.49 149.38 7 23.18 49.96 100.79 153.73 8 24.90 52.58 95.17 165.54 9 25.16 54.02 90.46 168.87 10 26.38 43.17 103.42 157.30 Rata-rata 24.5 49.5 96.7 154.8
Pada ketinggian 1 meter waktu yang
dibutuhkan quadcopter untuk mencapai ketinggian tersebut adalah sebesar 24.5 detik atau jika diubah dalam bentuk menit adalah sebesar 0,4 menit.
Pada ketinggian 2 meter rata-rata waktu yang dibutuhkan quadcopter untuk mencapai ketinggian tersebut adalah sebesar 49.5detik atau jika diubah dalam bentuk menit adalah sebesar 0,8 menit.
Pada ketinggian 3 meter rata-rata waktu yang dibutuhkan quadcopter untuk mencapai ketinggian tersebut adalah sebesar 96,7 detik atau jika diubah dalam bentuk menit adalah sebesar 1,6 menit.
Pada ketinggian 4 meter rata-rata waktu yang dibutuhkan quadcopter untuk mencapai ketinggian tersebut adalah sebesar 154,8 detik atau jika diubah dalam bentuk menit adalah sebesar 2,6 menit.
3.3 Hasil Pengujian Logika Fuzzy
Pengujian ini dilakukan untuk mengetahui apakah output yang dihasilkan oleh quadcopter telah sesuai dengan rule yang telah ditentukan pada tahapan membership function. Setelah dilakukan pengambilan nilai secara acak sebanyak 8 kali pada macam-macam ketinggian maka, didapatkan hasil seperti ditunjukkan pada Tabel 2 dibawah ini.
Tabel 2 Hasil pengujian rule
Ketinggi an (Meter) Percepat an (m/s) Perubah an Percepat an (m/s) Fuzzy speed (m/s) Bena r 4 1,0 1,0 0,0 √ 3 0,0 0,3 0,2 √ 1 0,8 0,8 0,0 √ 2 0,2 0,7 0,2 √ 4 0,0 0,0 0,0 √ 2 0,4 0,3 1,0 √ 3 0,5 0,4 0,0 √ 1 0,3 0,6 0,3 √
Dari pengambilan nilai secara acak pada terminal ubuntu didapatkan hasil berupa keseluruhan nilai yang didapat bernilai benar sehingga dapat dihitung persentase keakuratan
rule fuzzy 7x7 adalah sebesar 100 %
4. KESIMPULAN
dilakukan, maka dapat diambil kesimpulan sebagai berikut.
a. Setelah melakukan pengujian ketepatan posisi sebanyak 10 kali pada ketinggian yang berbeda maka dapat disimpulkan bahwa semakin bertambahnya ketinggian maka tingkat error yang dihasilkan akan semakin kecil dan tingkat ketepatan
quadcopter akan semakin akurat.
b. Dari hasil pengujian respon sistem, yang dilakukan didapatkan kesimpulan semakin bertambahnya ketinggian maka waktu yang dibutuhkan quadcopter untuk mencapai ketinggian tertentu akan semakin lama. c. Untuk tingkat kecocokan rule 7x7 dengan
output yang dihasilkan didapatkan kecocokan sebesar 100%, nila tersebut di dapat dengan melakukan proses pencocokan rule menggunakan 2 cara yaitu secara tabel dan matematis.
DAFTAR PUSTAKA
Hutama,M. 2015. Prinsip Kerja Quadcopter [Online],dilihat 11 Mei 2017 Tersedia di: < http://www.insinyoer.com/prinsip-kerja-quadcopter/>.[Diakses 11 Mei 2017] Kusuma,W., R,E,AK., dan E,Iskandar., 2012.
‘Perancangan dan Implementasi Kontrol Fuzzy-PID pada Pengendalian Auto Take-Off Quadcopter UAV’, Jurnal Teknik
POMITS 1(1) 1-6. [Diakses 24 September
2017]
Prawirayuda,F., K,Astrowulan., dan R,E,AK., 2012. ‘Desain dan Implementasi Kontroler Fuzzy-Model Reference Adaptive Control (Fuzzy MRAC) untuk Proses Take-off pada Unmanned Aerial Vehicle (UAV) Quadcopter’, Jurnal Teknik POMITS 1(1) 1-5. [Diakses 4 Oktoberber 2016]
Gaol, A., Setyawan, G., & Kurniawan, W. Pendaratan Otomatis Quadcopter AR Drone Menggunakan Metode Linear Quadratic Regulator (LQR). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 10, p. 1028-1035, juli 2017. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/322>. Tanggal Akses: 12 jan. 2018
Raharja,N,Maharani., O,Wahyunggoro., dan A,I,Cahyadi. 2015. ‘Altitude Control for Quadrotor with Mamdani Fuzzy Model’
International Conference on Science in Information Technology (ICSITech) 1-6
[Diakses 8 Juni 2017]
Saelan,A. 2009. ‘Logika Fuzzy’,Makalah If2091 Struktur Diskrit,1-5. [Diakses 2 September 2017]
Setyawan, G E., Setyawan, E. & Kurniawan, W., 2015. Sistem Kendali Ketinggian Quadcopter Menggunakan PID. Jurnal
Teknologi Informasi dan Ilmu Komputer (JTIIK), Volume II, pp. 125-131.
Wasisto,T,E., A,Iskandarianto., dan Matradji. 2012. ‘Rancang Bangun Sistem Kontrol Attitude Pada UAV (UNMANNED AERIAL VEHICLE) Quadcopter DF-UAV01 Dengan Menggunakan Sensor Accelerometer 3-Axis Dengan Metoe Fuzzy’ 1(1) 1-15. [Diakses 4 Oktoberber 2016]
