PENGAMBILAN KEPUTUSAN KIPER PADA ROBOT HUMANOID MENGGUNAKAN DECISION TREE
oleh
Silvester Kristian Sungkono NIM: 612011016
Skripsi
Untuk melengkapi salah satu syarat memperoleh
Gelar Sarjana Teknik
Program Studi Teknik Elektro
Fakultas Teknik Elektronika dan Komputer
Universitas Kristen Satya Wacana
Salatiga
i
INTISARI
Sejak awal tim R2C mengikuti KRSBI hingga saat ini, sudah banyak aturan-aturan permainan yang berkembang terutama dari tahun 2014 ke tahun 2015. Dimana aturan di tahun 2015 ini mengubah ukuran lapangan menjadi lebih luas dan ukuran gawang yang menjadi lebih besar. Dengan ukuran gawang yang menjadi lebih lebar ini muncul permasalahan terutama bagi robot kiper, seperti algoritma pada robot yang belum memadai untuk menutup gawang yang lebih lebar dari sebelumnya, robot yang belum bisa kembali secara tepat setelah bergerak terlalu jauh dari titik awal jaganya,
serta proses menjauhkan bola yang kurang efektif. Berdasarkan permasalahan-permasalahan tersebut diperlukan modifikasi terhadap algoritma robot humanoid
sebagai kiper yang dikerjakan pada tugas akhir ini.
Algoritma kiper dikerjakan dengan memanfaatkan kompas, komunikasi antar robot, orientasi pada servo kepala, serta penglihatan robot yang didapat dari kamera
smartphone Android pada robot terhadap bola, serta landmark yang ada di lapangan.
Titik pinalti digunakan sebagai acuan untuk membantu robot kembali ke posisi awal. Algoritma kiper ini dianalisis menggunakan decision tree untuk mengoptimalkan penggunaan atribut yang ada. Namun pada pelaksanaannya terdapat konflik pada komunikasi antar robot sehingga analisis decision tree tidak dapat diterapkan pada keseluruhan algoritma.
ii
ABSTRACT
Since R2C team participated in KRSBI until now, there are so many change about the rules especially from 2014 to 2015. The rules change the size of the field and the goalpost become wider. With this size of goalpost, there are some problems that appear especially for goal keeper robot, such as the robot’s algorithm that can not protect every place in the new size goalpost, robot’s ability to go back to the starting point is not accurate enough, and ineffectiveness in robot’s ability to return the ball to the field. Based on those problems, this final project proposes to modification the
algorithm for the goal keeper robot.
The algorithm is utilizing compass, communication between robots, orientation of the head servos, and robot’s vision from Android smartphone camera’s in robot’s body towards ball and landmark on the field. Penalty mark is used for robot to go back to its starting point. The whole algorithm analyzed using decision tree, but in fact, decision tree learning method can applied partly, because there are some conflicts with the communication between robots.
After modification the robot’s algorithm become more powerful, now robot can return the ball to the field so the goalpost stay safe with percentage 100% compared with previous algorithm with percentage 75%, robot can position itself towards ball direction, and robot can understand when it has to go back to its starting point position based on the communication from forward robot.
iii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa yang selalu menyertai dan membimbing penulis selama menempuh pendidikan dari awal hingga sekarang penulis dapat menyelesaikan perancangan serta penulisan tugas akhir sebagai syarat kelulusan di fakultas Teknik Eletronika dan Komputer Universitas Kristan Satya Wacana.
Pada kesempatan ini penulis juga ingin mengucapkan terima kasih kepada berbagai pihak yang baik secara langsung maupun tidak langsung telah membantu
dalam menyelesaikan tugas akhir ini:
1. Tuhan Yesus yang selalu menyertai, memberikan harapan, serta memberkati penulis sehingga penulis dapat menyelesaikan pendidikan S1 di FTEK UKSW.
2. Papa Marselinus Irwan Song, Mama Ratna Indrawati Winoto, serta kakak Angela Marselina Sungkono tercinta sebagai keluarga yang selalu menguatkan, mendukung, serta mendoakana penulis.
3. Luisa Lavinia Wijaunarko sebagai kekasih yang selalu menguatkan, memberi semangat, serta mendoakan penulis.
4. Bapak Banu Wirawan Yohanes, M.Comp.Sc. dan Bapak Daniel Santoso, M.S. sebagai pembimbing I dan pembimbing II yang telah membimbing, memberikan ilmu, kritik, saran serta masukan kepada penulis selama mengerjakan tugas akhir ini.
5. Keluarga besar 2011, terutama Ivan Kurniawan, Oei Kurniawan Utomo, Marcel Frans Wijadi, dan Kurnia Sanjaya sebagai teman seperjuangan yang selalu membantu, menyemangati dan memberi dukungan kepada penulis. 6. Keluarga besar Tim R2C, yang selalu memberikan semangat, bersama-sama
melakukan riset, serta mau sama-sama berjuang dalam suka maupun duka selama mempersiapkan Kontes Robot Indonesia.
iv
8. Teman-taman FTEK, terutama Samuel Alvin Hutama, dan Yohanes Haryudanta Dwityatmaka, sahabat-sahabat terutama Ivander Tanuwijaya, David Setyadi, Danny Gunawan, dan Yose indrawan, kemudian semua Teman-teman komunitas, dan teman-teman dari fakultas lain yang senantiasa mendoakan penulis.
9. Berbagai pihak yang tidak dapat dituliskan satu persatu, penulis mengucapkan terima kasih.
Penulis menyadari bahwa tugas akhir ini masih jauh dari kata “sempurna”, oleh karena itu penulis mengharapkan kritik dan saran dari pembaca sehingga tugas akhir ini dapat berguna bagi kemajuan pendidikan FTEK UKSW dan riset tim R2C UKSW.
Salatiga, 28 September 2015
v
1.4. Sistematika Penulisan ... 3
BAB II DASAR TEORI ... 5
2.1. Deteksi Bola ... 5
2.1.1. Color Space ... 5
2.1.2. Segmentasi Warna ... 5
2.1.3. Metode Pusat Masa ... 5
2.2. Penjaga Gawang ... 6
2.2.1. Daya Jangkau ... 6
2.2.2. Penempatan Posisi ... 6
2.2.3. Refleks ... 6
vi
2.3. Format Lapangan ... 6
2.4. Metode Decision Tree... 7
2.4.1. Entropy ... 8
2.4.2. Information Gain ... 9
2.5. Latar Belakang Pemilihan Metode decision tree ... 10
BAB III PERANCANGAN SISTEM ... 12
3.1. Sistem Instruksi dan Kontrol Robot ... 12
3.2. Konstruksi Robot ... 13
3.3. Desain Perangkat Keras ... 13
3.3.1. Smartphone Android ... 13
3.3.2. Mikrokontroler ATMega 324 ... 15
3.3.3. Modul Bluetooth ... 15
3.3.4. Motor Servo ... 15
3.4. Desain Perangkat Lunak ... 16
3.4.2. Modifikasi Algoritma ... 16
3.4.3. Analisis perubahan Spesifikasi ... 25
BAB IV HASIL PENGUJIAN DAN ANALISIS ... 26
4.1. Pengujian Mode Blok ... 26
4.2. Pengujian Mode Siaga ... 29
4.3. Pengujian Mode Siap ... 32
4.4. Analisis Decision Tree ... 37
4.5. Pengujian Mode Kembali ... 39
4.6. Durasi Perpindahan Antar Mode ... 40
4.7. Perilaku robot saat lomba berlangsung ... 40
BAB V KESIMPULAN DAN SARAN ... 42
vii
5.2.Saran Pengembangan ... 43
Daftar Pustaka ... 45
viii
DAFTAR GAMBAR
Gambar 2.1. Dimensi lapangan ... 7
Gambar 3.1. Blok diagram sistem ... 12
Gambar 3.2. Robot humanoid kiper versi 2015 ... 13
Gambar 3.3. Smartphone Android Sony Xperia Mini st15i[1] ... 14
Gambar 3.4. Orientasi sensor pada smartphone ... 14
Gambar 3.5. DF-Bluetooth V3[2] ... 15
Gambar 3.6. Pin pada DF-Bluetooth V3[2] ... 15
Gambar 3.7. Motor Servo Tower Pro MG90s[3] ... 16
Gambar 3.8. decision tree mode blok ... 17
Gambar 3.9. decision tree mode siaga... 18
Gambar 3.10. decision tree mode siap ... 19
Gambar 3.11. Diagram alir algoritma lama ... 21
Gambar 3.12. Diagram alir algoritma baru ... 22
Gambar 3.13. Diagram alir algoritma mode siap ... 23
Gambar 3.14. Diagram alir algoritma mode kembali ... 24
Gambar 3.15. Persebaran warna hijau yang Nampak sangat dominan meski ada robot di depannya ... 25
Gambar 4.1. Analisis decision tree mode blok ... 27
Gambar 4.2. Decision tree mode blok setelah dianalisis ... 29
Gambar 4.3. Analisis decision tree mode siaga ... 30
Gambar 4.4. Decision tree mode siaga setelah dianalisis ... 32
Gambar 4.5. Toleransi kompas yang dialami robot ... 33
Gambar 4.6. Decision tree algoritma mode siap ... 34
ix
Gambar 4.8. Analisis decision tree algoritma mode siap yang sudah disederhanakan ... 35
Gambar 4.9. Decision tree algoritma mode siap setelah dianalisis secara menyeluruh .... 37
Gambar 4.10. Decision tree untuk menggambarkan pertanyaan apakah dengan mode
blok dan mode siaga gawang kebobolan atau tidak ... 38
Gambar 4.11. Decision tree untuk menggambarkan pertanyaan apakah mode siap bisa
bisa dilakukan atau tidak ... 38
Gambar 4.12. Durasi perpindahan ke mode lain di dalam sistem ... 40
x
DAFTAR TABEL
Tabel 2.1. Keterangan dimensi lapangan(cm) ... 7
Tabel 2.2. Tabel perbandingan antara decision tree, Naïve Bayes, serta jaringan syaraf Tiruan ... 10
Tabel 3.1. Tabel keterangan badan robot ... 13
Tabel 3.2. Tabel perbedaan algoritma lama dan baru ... 16
Tabel 4.1. Pengujian mode blok ... 26
Tabel 4.2. Pengujian mode siaga ... 30
Tabel 4.3. Pengujian mode siap ... 32
Tabel 4.4. Pengujian mode kembali ... 39
Tabel 5.1. Saran pengembangan ... 43
Tabel A.1. Tabel lengkap hasil pengujian mode blok ... 47
Tabel A.2. Tabel lengkap hasil pengujian mode siaga ... 48
Tabel A.3. Tabel lengkap hasil pengujian mode siap ... 49
xi
DAFTAR ISTILAH
I fungsi informasi dari sekumpulan informasi acak (entropy)
n jumlah sampel negatif yang terkandung dalam suatu kejadian
Vi suatu variabel V dalam suatu subset i yang akan dihitung probabilitasnya
A variabel acak
E subset dari atribut A
E1 subset ke-1 dari atribut A
Ev subset ke-v dari atribut A
pi jumlah sampel positif dalam suatu subset
ni jumlah sampel positif dalam suatu subset
IG information gain atau nilai reduksi dari suatu entropy dari sebuah atribut
yang diuji
RGB suatu pemodelan warna dalam angka dengan unsur Red, Green, dan Blue (merah, hijau, biru)
CMYK suatu pemodelan warna dalam angka dengan unsur Cyan, Magenta, Yellow, dan Key (cyan, magenta, kuning, dan hitam)
HSV suatu pemudelan warna dalam angka dengan unsur Hue, Saturation, dan
Value (warna, kejenuhan atau jumlah abu-abu, dan intensitas kecerahan
warna)
HSL suatu pemudelan warna dalam angka dengan unsur Hue, Saturation, dan
Lightness (sama seperti HSV)
YUV suatu pemudelan warna dalam angka dengan unsur luminans dan krominans
