SISTEM INVERSE KINEMATICS PADA ROBOTICS ARM MENGGUNAKAN MULTILAYER BACK PROPAGATION NEURAL NETWORK UNTUK MENINGKATKAN AKURASI OUTPUT KOORDINAT DARI ROBOTICS ARM DI LABORATORIUM MEKATRONIKA DAN ROBOTIKA
| Main Authors: | Syahidan, Muamar; Jurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya, Muslim, Muhammad Aziz; Jurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya, Purwanto, n/a; Jurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya |
|---|---|
| Format: | application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Jurnal Mahasiswa TEUB
, 2019
|
| Online Access: |
http://elektro.studentjournal.ub.ac.id/index.php/teub/article/view/1220 |
Daftar Isi:
- Dalam dunia robotika, terdapat berbagai jenis robot yang salah satunya adalah lengan robot (robotics arm). Dalam lengan robot dikenal dengan istilah Degree of Freedom (DOF) atau derajat kebebasan. Secara umum DOF atau derajat kebebasan adalah jumlah arah yang independen yang dibutuhkan untuk menyatakan posisi dari setiap hubungan relatif terhadap link yang tetap. Pada penelitian ini digunakan 4 DOF pada lengan robot. Untuk dapat mengendalikan lengan robot diperlukan suatu metode pengendalian setiap motor servo yaitu dengan inverse kinematics. Inverse kinematics merupakan suatu metode analisa untuk melakukan transformasi dari ruang Cartesian ke ruang sendi. Pada umumnya, metode inverse kinematics tidak memperhitungkan berat dari tubuh robot sehingga sering kali terjadi selisih antara keaadaan koordinat end effector sebenarnya dengan koordinat yang diinginkan. Dengan menerapkan jaringan syaraf tiruan pada metode inverse kinematics diharapkan dapat meningkatkan akurasi end effector dari lengan robot. Setelah dilakukan pengujian pada sistem didapatkan performa terbaik robot adalah saat menggunakan 3 hidden layer dan 30 node per hidden layer pada jaringan syaraf tiruan dengan menghasilkan akurasi minimal sebesar 95.7% dan akurasi rata-rata sebesar 96.9%. Kata Kunci: Motor DC Servo, Inverse Kinematics, Jaringan Syaraf Tiruan, Multi Layer Network, Back-Propagation. ABSTRACT In the robotics world, there are various types of robots, one of which is a robotic arm. In robotic arm there is a term called the Degree of Freedom (DOF). In general, DOF or degrees of freedom are the number of independent directions needed to determine the position of each relationship relative to a fixed link. In this study 4 DOFs were used on the robotic arm. To control the robotic arm, an inverse kinematics method of controlling each servo motor is required. Inverse kinematic is an analytical method for transforming from a Cartesian space to a joint space. In general, the inverse kinematics method does not consider the body weight of the robot so that the difference between the actual coordinate and the desired end effector coordinate often occurs. By using artificial neural networks in the inverse kinematics method it is expected to increase the final accuracy of the robotic arm. After testing the system, the best performance were produced using 3 hidden layers and 30 nodes per hidden layer on artificial neural networks with minimum accuracy of 95.7% and an average of 96.9%. Keywords: DC Motor Servo, Inverse Kinematics, Artificial Neural Network, Multi Layer Network, Back-Propagation