JURNAL ELTEK

Vol. 18, No. 1, April 2020, hal. 85~93

p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740 85

Sistem kontrol kecepatan robot automatic guided vehicle

(AGV) dengan metode fuzzy logic

Rizqy Abdurrahman1, Budhy Setiawan2, Indrazno Siradjuddin3

1,2,3
Jurusan Teknik Elektro, Politeknik Negeri Malang, Indonesia

Informasi Artikel ABSTRAK

Riwayat Artikel Autonomatic guided vehicle (AGV) merupakan salah satu jenis robot pengangkut
barang yang memiliki roda dan dapat berpindah tempat dengan panduan sensor.
Diterima 27 Maret 2020 Pada saat robot berpindah dibutuhkan kecepatan yang cepat dan akurat, untuk
Direvisi 17 April 2020 mencapai kecepatan yang konstan. Kecepatan robot akan selalu berubah sesuai
Diterbitkan 28 April 2020 dengan lintasan yang dilaluinya. Pengaturan kecepatan agar robot dapat berpindah
sesuai dengan kecepatan yang diinginkan atau sesuai dengan set point. Kecepatan
Kata kunci: berubah – ubah sesuai kondisi seperti pada saat akselerasi lintasan lurus, lintasan
berbelok dan pada saat robot akan berhenti. Untuk mencapai target kecepatan yang
AGV sesuai maka menggunakan metode fuzzy logic. Metode fuzzy logic adalah metode
Fuzzy Logic yang tepat untuk mengontrol kecepatan robot Automatic guided vehicle. Fuzzy logic
Kecepatan menggunakan input berupa error dan delta error. Dengan metode fuzzy logic
membuktikan bahwa hasil yang didapat dengan set point 30 cm/s dan 40 cm/s robot
AGV dapat berjalan secara dengan respon yang cepat dan menghasilkan tingkat
osilasi yang rendah.

ABSTRACT
Keywords: Automatic guided vehicle is one type of goods transport robot that has wheels and
AGV can move places with sensor guidance. When the robot moves, it needs a fast and
Fuzzy Logic accurate speed to achieve a constant speed. The speed of the robot will always
Speed change according to the path it passes. Speed regulation so that the robot can move
according to the desired speed or according to the set point. Speed changes
according to conditions such as when the track acceleration is straight, the track
turns and when the robot stops. To achieve the appropriate speed target then
use the fuzzy logic method. To achieve the appropriate speed
target then use the fuzzy logic method. Fuzzy logic method is the right method to
control the speed of robots Automatic guided vehicle. This method does not need to
always adjust the gain when the load changes or when a set point changes. With this
method the results can be analyzed that the fuzzy logic method can stabilize the AGV
robot speed to the maximum with a range of 30 to 40 rpm. If the speed below or
above the set point, there will always be oscillation.

Penulis Korespondensi:
Rizqy Abdurrahman,
Jurusan Teknik Elektro,
Politeknik Negeri Malang,
Jl. Sukarno Hatta No. 9, Malang, Jawa Timur, Indonesia.
Email: rizqyabdurrahman1@[Link]

Laman utama jurnal: [Link]

 86 p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740

1. PENDAHULUAN
Robot Automatic Guided Vehicle (AGV) adalah suatu robot beroda yang digunakan sebagai
transportasi perpindahan barang antar suatu ruang ke ruang yang lain, yang bergerak mengikuti garis metal
yang telah ditentukan. Robot AGV biasa digunakan di pabrik atau gudang besar. Robot ini memiliki beberapa
penggerak sesuai kebutuhan pada pabrik tersebut. Automatic guided vehicle (AGV) merupakan jenis kendaraan
tak berawak yang dirancang terutama untuk membawa material, menarik benda di belakang mereka dalam
trailer dan juga mengangkut orang. AGV biasanya digunakan di pabrik manufaktur, gudang, pusat distribusi
dan terminal [1].
Terdapat beberapa jenis robot automatic, diantaranya: Robot yang bergerak didarat Automatic Ground
Vehicles (AGV), Robot yang terbang diudara Unmanned Aerial Vehicles (UAV) atau drone dan Robot yang
bergerak didalam air Underwater Automatic Vehicles (UAV). Robot automatic ini dapat berkomunikasi antar
tempat sesuai dengan lokasi yang ditentukan. Untuk navigasi AGVs kebanyakan menggunakan jalur sinyal
atau jalur lintasan. Ada beberapa sensor utama yang digunakan AGV untuk navigasi, misalnya sensor optik,
sensor magnetik, pemindai laser, dan kamera. Sistem AGV modern berbeda dari yang klasik, daripada
menggunakan jalur tetap banyak AGV modern yang bebas [2].
Sistem AGV harus dikontrol dan dikelola dengan baik untuk mengurangi biaya penanganan material,
inventaris dalam proses, dan biaya operasional keseluruhan. Penjadwalan AGV harus diintegrasikan dengan
penjadwalan mesin karena menentukan waktu mulai dan penyelesaian operasi juga tergantung pada
penjadwalan AGV dalam sistem yang sama. Adapun pengembangan robot seluler dan penerapannya berbeda -
misalnya sudut pandang tingkat keamanan proses, eksplorasi medan yang tidak diketahui, keandalan,
keamanan dan pertumbuhan produksi yang meningkat [3,4,5].
Penggunaan Motor DC telah banyak pada bidang industri, mengingat efisiensi dan keandalan motor
dc yang tinggi sehingga kebutuhan tersebut menginginkan agar suatu motor memiliki performa dan
pengendalian yang lebih baik. Kontrol logika fuzzy tidak memerlukan persamaan matematis yang rumit
seehingga dapat mudah dikontrol. [6]

2. METODE PENELITIAN
2.1 Diagram Blok Elektronik

SENSOR KECEPATAN MOTOR

ARDUINO NANO DRIVER
(OPTOCOUPLER) DC

INPUT PROSES OUTPUT

Gambar 1. Diagram Blok Elektronik

Pada gambar 1 dijelaskan bahwa system kontrol kecepatan robot AGV adalah untuk menjaga
kecepatan motor supaya tetap atau stabil dengan set point yang diberikan. Pada saat awal sistem dihidupkan,
maka motor akan berakselerasi. Kemudian pada saat lintasan lurus maka set point kecepatan robot AGV adalah
40 cm/s. Ketika sensor proximity mendeteksi adanya lintasan berbelok maka set point kecepatan robot AGV
akan berubah menjadi 30 cm/s. Sensor optocoupler mengirimkan hasil pembacaan kecepatan tersebut ke fuzzy
logic, dari pembacaan sensor tersebut maka akan terjadi error. Kontrol fuzzy logic akan membandingkan selisih
error tersebut sebagai acuan untuk mengontrol kecepatan robot agar tetap stabil pada setiap set point.

Jurnal ELTEK, Vol. 18, No. 1, April 2020: 85-93

 Jurnal ELTEK p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740 87

2.2 Diagram Blok Kontrol

errror
e(t)
SETPOINT U(t)

PV

Gambar 2 Diagram Blok Kontrol

Pada gambar 2 menunjukan blok diagram kontrol pada sistem kontrol kecepatan robot AGV ini. Input
berupa set point kecepatan yaitu 30cm/s atau 40cm/s. Dari setpoint tersebut data diolah pada blok proses
dengan menggunakan microcontroller Arduino nano dengan cara mengtur pulsa PWM yang selanjutnya akan
di teruskan ke driver motor untuk menggerakan motor dc. Sebelum keluar menjadi output, sensor kecepatan
digunakan sebagai pembanding dan juga sebagai input yang berupa error dan delta error untuk fuzzy logic
kemudian diolah kembali hinga output sesuai dengan setpoint.

2.3 Spesifikasi Alat

Pada sistem pengontrolan kecepatan robot AGV memerlukan spesifikasi mekanik sebagai berikut
 Dimensi
Panjang = 93 cm
Lebar = 59 cm
Tinggi = 40 cm
 Bahan Rangka = Besi
 Berat = 62 kg
 Diameter roda = 20 cm

2.4 Perancangan Elektronik

 Sensor = Sensor optocoupler
 Kontroler = Arduino Nano
 Driver Motor = Driver IBT-2
 Aktuator = Motor DC 12 V dengan gear
 Display = LCD
 Tegangan Kerja =
Arduino Nano = 5 VDC
Sumber Daya = Aki 24V
2.5 Perancangan Sistem Kontrol Kecepatan
Rangkaian keseluruhan sistem kontrol kecepatan meliputi pemasangan sensor pada Arduino nano,
driver motor ibt-2 pada Arduino nano, motor pada driver motor dan LCD ke Arduino nano. Berikut adalah
rangkaian keseluruhannya pada gambar 3

Gambar 3 Rangkaian keseluruhan sistem kontrol kecepatan AGV

Sistem Kontrol Kecepatan Robot Automatic Guided Vehicle (Agv) (Rizqy Abdurrahman )
 p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740

Pada gambar 3 dijelaskan microcontroller arduino nano digunakan sebagai master yang mengirimkan
sinyal Pulse Witdh Modulation (PWM) kepada driver motor IBT-2 yang disambungkan dengan motor dc 24V,
kemudian sensor optocoupler digunakan sebagai sensor kecepatan yang akan dikirimkan kembali ke
microcontroller arduino nano sebagai feedback system dan input error dan delta error untuk kontrol fuzzy logic.
LCD digunakan untuk menampilkan kecepatan yang dikirimkan dari arduino nano.

2.6 Perancangan fuzzy logic untuk kontrol kecepatan

Fuzzifikasi merupakan proses yang dilakukan untuk mengubah variabel nyata menjadi variable fuzzy
agar masukan controller fuzzy bisa dipetakan menuju jenis yang sesuai dengan himpunan fuzzy. Proses
fuzzifikasi ini memakai penyelesaian metode mamdani yang terdiri dari penetuan fungsi keanggotaan fuzzy
untuk variabel masukan dan keluaran. Kontrol fuzzy logic pada penelitian ini menggunakan 2 input yaitu error
dan delta error dengan membership function seperti pada gambar 4 dan 5. Dan memiliki 1 output seperti pada
gambar 6

Gambar 4 membership function untuk input error

Gambar 5 membership function untuk input delta error

Gambar 6 membership function untuk output pulsa pwm Nilai pada

input membership function dijelaskan pada tabel 1.

Jurnal ELTEK, Vol. 18, No. 1, April 2020: 85-93

 Jurnal ELTEK p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740 89
Tabel 1 Input Membership Function
Negative Zero Positive
Error (-40) - 0 (-15) - 15 0 - 40
Delta (-20) - 0 (-8) - 8 0 - 20
Error

Kontrol fuzzy logic memiliki output berupa sinyal PWM dan dengan menggunakan metode defuzzyfikasi
centre of gravity (COG) sehingga memiliki output seperti pada tabel 2

Tabel 2 Output Fuzzy

Slow Intermediate Fast

PWM 0 - 55 40 - 110 90 - 145
Dengan rule base dijelaskan pada tabel 3
Tabel 3 Rule Base Fuzzy
E Negative Zero Positive
DE
N Slow Slow Inter
Z Slow Inter Fast
P Inter Fast Fast

3. HASIL DAN PEMBAHASAN

Pada bab ini akan dijelaskan mengenai pengujian dan analisis sistem yang telah dibuat. Proses
pengujian dilakukan per blok sistem dan kemudian dilakukan secara keseluruhan. Pengujian per blok sistem
yaitu pengujian yang dilakukan untuk mengetahui kerja dari masing-masing bagian pada robot AGV. Hasil
dari pengujian akan dianalisa untuk mengetahui apakah sistem telah bekerja sesuai dengan perancangan.

3.1 Pengujian Sensor Kecepatan Optocoupler

Pengujian sensor kecepatan dilakukan untuk mengetahui kecepatan putaran motor yang data
pembacaan sensor kecepatan akan digunakan untuk set point dalam sistem kontrol kecepatan pada robot AGV.
Sebelum melakukan pengujian sensor kecepatan pada sistem, terlebih dahulu dilakukan kalibrasi sensor
kecepatan optocoupler dengan motor dc tanpa kontrol dengan acuan tachometer sebagai pembanding
pembacaan sensor kecepatan dan di dapat tabel 4 sebagai berikut.
Tabel 4 Kalibrasi Sensor Kecepatan
No Pembacaan Sensor (rpm) Pembacaan Tachometer (rpm) Error (%)
1 3480 3450 0.86
2 3500 3505 0.14
3 3475 3490 0.42
4 3490 3490 0
5 3485 3500 0.42
Rata – Rata Error 0.36
Hasil pengujian sensor kecepatan optocoupler pada tabel 4 menunjukan bahwa sensor kecepatan
optocoupler memiliki tingkat error paling rendah adalah 0% hingga 0.86% dengan rata – rata error sebesar
0.36%. dapat disimpulkan bahwa sensor kecepatan optocoupler dapat bekerja dengan baik karena memiliki
nilai error kurang dari 1%.

3.2 Pengujian Driver Motor IBT-2

Pengujian driver motor IBT-2 ini dilakukan untuk mengetahui perubahan kecepatan motor jika nilai
PWM nya diubah - ubah. Pengujian dilakukan dengan membandingkan kecepatan yang terbaca pada

Sistem Kontrol Kecepatan Robot Automatic Guided Vehicle (Agv) (Rizqy Abdurrahman )
 p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740

tachometer dengan hasil yang didapatkan dari serial monitor. Pada gambar 7 dan gambar 8 dapat dilihat
perbandingan pembacaan sensor optocoupler dengan tachometer berdasarkan perubahan PWM.

Grafik Kecepatan Putar pada Motor

4000
3500
3000
2500
RPM

2000
1500
1000
500
0

PWM

SENSOR TACHOMETER

Gambar 7 Grafik kecepatan putar pada motor

Grafik Kecepatan Putar pada Roda

160
140
120
100
80
60
40
20
0
10
20
30
40
50
60
70
80
90

210
130

240
100
110
120

140
150
160
170
180
190
200

220
230

250
255 (MAX)

RODA (RPM) SENSOR RODA (RPM) TACHOMETER

Gambar 8 Grafik kecepatan putar pada roda

Nilai kecepatan putar (rpm) yang terbaca oleh sensor optocoupler dibandingankan dengan pembacaan pada
tachometer terhadap setiap perubahan nilai PWM dari 0 hingga 255 digunakan sebagai pengujian driver IBT-2.
Pada gambar 7 ditunjukan grafik kecepatan putar (rpm) pada motor dan gambar 8 ditunjukan grafik kecepatan
putar (rpm) pada roda. Perbandingan ratio gear roda dengan gear motor adalah sebesar 1 : 25.7 .

3.3 Pengujian Kontrol Sistem Kecepatan

Pada proses pengujian kontrol fuzzy logic terdapat dua kondisi yaitu pada saat motor dengan beban
roda dan dengan beban body robot AGV. Pengujian dengan beban roda adalah dengan cara membebani motor
hanya dengan roda tanpa menjalankan robot pada lintasan Pengujian pada saat motor dengan beban body robot

Jurnal ELTEK, Vol. 18, No.1, April 2020: 85-93

 Jurnal ELTEK p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740 91

AGV adalah dengan cara menguji pada lintasan atau track. Beban body robot itu sendiri adalah sekitar 60kg.
Pengujian motor dengan beban roda dan set point 30cm/s ditunjukan pada gambar 9, sedangkan untuk setpoint
40 cm/s ditunjukan pada gambar 10.

Beban Roda SP = 30cm/s

45
40
35
30
25
20
15
10
5
0
-5 00
0 500
0 10000 15000 200
kanan kiri

Gambar 9 Grafik respon motor kanan dan kiri dengan set point 30 cm/s dan beban roda

Beban Roda SP = 40cm/s

60

50

40

30

20

10

0
0 500
0 100
00 150
00 20000
-10

kanan kiri

Gambar 10 Grafik respon motor kanan dan kiri dengan set point 40 cm/s dan beban roda

Pengujian motor dengan beban body dan set point 30cm/s ditunjukan pada gambar 11, sedangkan
untuk setpoint 40 cm/s ditunjukan pada gambar 12.

Sistem Kontrol Kecepatan Robot Automatic Guided Vehicle (Agv) (Rizqy Abdurrahman )
 p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740

Beban Body SP = 30cm/s

40
35
30
25
20
15
10
5
0
0 500
0 10000 15000 20000
-5

kanan kiri

Gambar 11 Grafik respon motor kanan dan kiri dengan set point 30 cm/s dan beban body

Beban Body SP = 40cm/s

50

40

30

20

10

0
0 500
0 10000 15000 20000
-10

kanan kiri

Gambar 12 Grafik respon motor kanan dan kiri dengan set point 40 cm/s dan beban body

Dari hasil pengujian seperti pada gambar 9-12 pada motor kanan dan motor kiri memiliki respon yang
hampir sama ketika tanpa beban dan set point 40 cm/s memiliki respon yang bagus karena hanya sekali
overshoot dan langsung stabil pada set point 40 cm/s, namun memliki error steady state sebesar 2,5 % sehingga
kecepatan yg terbaca adalah 39 cm/s. Ketika set point 30 cm/s dan tanpa beban, respon tidak terlalu bagus
karena masih terjadi osilasi dan memiliki error steady state sebesar 16%.
Pada saat kedua motor diberi beban body robot AGV seberat 60kg, di set point 40 cm/s osilasi terjadi dan
memiliki error steady state yang sama seperti saat tanpa beban yaitu sebesar 2,5%. Ketika set point berganti
menjadi 30 cm/s respon fuzzy malah semakin membaik karena error steady state berkurang hingga 0 %, namun
masih tetap terjadi sedikit osilasi.

Jurnal ELTEK, Vol. 18, No. 1, April 2020: 85-93

 Jurnal ELTEK p-ISSN: 1693 – 4024 | e-ISSN: 2355-0740 93
4. KESIMPULAN
Dari hasil data pengujian sistem kontrol kecepatan robot AGV di atas maka dapat disimpulkan bahwa
kontrol fuzzy yang digunakan untuk mengatur kecepatan robot AGV pada saat set point 30 cm/s memiliki
respon yang bagus karena waktu yang dibutuhkan untuk mencapai steady state sekitar 3 detik pada set point
yang ditentukan, tidak terjadi error steady steady state, osilasi yang hanya terjadi pada saat 4 detik pertama
overshoot yang kurang dari 40 %. Kontrol fuzzy yang digunakan untuk mengatur kecepatan robot AGV pada
saat set point 40 cm/s memiliki respon waktu sekitar 11 detik untuk mencapai steady state pada set point yang
ditentukan, error steady state hingga 7,5% selama 8 [Link] yang hanya terjadi pada saat 4 detik pertama
overshoot yang kurang dari 10 %.
5. UCAPAN TERIMA KASIH
Ucapan terima kasih terutama ditujukan kepada Bapak Budhy Setiawan sebagai dosen pembimbing 1
dan Bapak Indrazno Siradjuddin sebagai dosen pembimbing 2 karena telah membimbing penulis sehingga
penelitian ini dapat berjalan dengan baik
6. DAFTAR PUSTAKA
Sumber dari jurnal ilmiah:
[1] Yu, J., Lou, P., Wu, X. Fogg, B.J., “A Dual-core Real-time Embedded System for Vision-based Automated
Guided Vehicle” pada IITA International Conference on Control, Automation and Systems Engineering,
IEEE, 207-211, 2009
[2] Židek Kamil, Maxim Vladislav, “Design of high performance multimedia control system for UAV/UGV
based on SoC/FPGA Core” pada Procedia Engineering Modelling of Mechanical and Mechatronics
Systems, TU Košice, 402-408, 2012
[3] Rizvan Erol, Cenk Sahin, Adil Baykasoglu, Vahit Kaplanoglu, “A multi-agent based approach to dynamic
scheduling of machines and automated guided vehicles in manufacturing systems” pada jurnal Applied
Soft Computing 12 1720–1732, Elsevier, 2012
Sumber dari prosiding:
[4] Stoianovici Gabriela-Veronica, Bulej Vladimír, Ghionea Adrian, Poppeová Viera. “Mobile robots and
simulation - an appropriate tool how to increase the eficiency of their application in production systems”
Proceedings in manufacturing systems, Vol. 6, No. 4, 2011, 267-270, 2011
[5] Arturo G, Oscar R, Monica B, Miguel J. “Multi-robot visual SLAM using a Rao Blackwellized particle
filter,Robotics and Automatic Systems “,Volume 58 , Issue 1, Pages 68–80.2010
Sumber dari Skripsi :
[6] Terry Intan N. Bambang Sujanarko, Widyono Hadi “Kontrol Kecepatan Motor DC Berbasis Logika
Fuzzy”, Jember Universitas Jember, 2014
[7] Setyabadhi, Galih. Rancang Bangun Robot Pengantar Menu Makanan Dengan Mengikuti Jalur
Berdasarkan Prinsip Induktansi. Surabaya. ITS, 2011
Sumber dari buku:
[8] Datasheet Sensor Optocoupler
[9] Datasheet Arduino Nano
[10] Datasheet Driver Motor dc IBT-2
[11] Datasheet Motor DC MY1016Z2

Sistem Kontrol Kecepatan Robot Automatic Guided Vehicle (Agv) (Rizqy Abdurrahman )