HARDWARE SIMULATION OF SMART CAR BASED ON FUZZY LOGIC
1. 7th
Industrial Research, Workshop, and National Seminar.
Politeknik Negeri Bandung, July 28-29,2016
246
Simulasi Perangkat Keras Mobil Cerdas Berbasis Logika Fuzzy
Raka Rinaldi, Noor Cholis Basjaruddin, Suhendar
Jurusan Teknik Elektro, Politeknik Negeri Bandung, Bandung 40012
E-mail : raka.rinaldi.tecd13@polban.ac.id
ABSTRAK
Pengendara mobil memerlukan antisipasi dan persiapan tersendiri saat berkendara. Jika hal tersebut tidak
dipenuhi maka kemungkinan besar akan terjadi kecelakaan yang disebabkan oleh pengendara. Suatu sistem
pembantu pengemudi agar selamat dalam berkendara tanpa mengurangi kenyamanan dalam berkendara
adalah Advanced Driver Assistance Systems (ADASs). Sistem yang dikembangkan dalam ADASs ini
beberapa diantaranya adalah Lane Keeping Asisstance System (LKAS) yang berfungsi untuk menjaga
kendaraan agar tidak keluar jalur dari jalur yang semestinya, Automatic Breaking System (ABS) yang
berfungsi untuk mengambil keputusan pengereman ketika ada objek yang ada didepannya, Rear-end
Collision Avoidance System (RCAS) yang berfungsi untuk menghindari tabrakan sundulan serta Adaptive
Cruise Control (ACC) yang berfungsi untuk menyesuaikan kecepatan mobil dengan mobil lain yang ada di
depannya dengan jarak aman. Paper ini membahas pengembangan beberapa sistem tersebut menggunakan
sistem pengambilan keputusan berbasis logika fuzzy. Uji coba yang dilakukan menggunakan mobil radio
control menunjukan bahwa algoritma fuzzy yang dirancang memiliki persentase keberhasilan sebesar
83,84%.
Kata Kunci
ADASs, LKAS,A ABS, RCAS, ACC, Fuzzy Logic.
1. PENDAHULUAN
Perkembangan teknologi pada kendaraan semakin
meningkat dari masa ke masa. Awal mula
berkembangnya teknologi pada kendaraan adalah
pada tahun 1752, saat seseorang berkebangsaan
Rusia yaitu Leonty Shamshurenkov membuat
konstruksi kendaraan bertenaga manusia.
Kendaraan yang dibuat oleh beliau memiliki
konstruksi yang mirip dengan kereta salju.
Berkembangnya teknologi dalam kendaraan adalah
karena kebutuhan dari manusia untuk berpindah
dari satu tempat ke tempat lain dengan jarak yang
jauh semakin banyak. Misalnya di indonesia,
dengan luat daratan 1.990.250 km2 [1] dengan
total ruas panjang jalan nasional 38.569 km
ditambah dengan jalan tol 820 km [2] tercatat pada
tahun 2013 jumlah kendaraan di indonesia adalah
104.118.969 atau 104 juta unit dan 11.484.514
diantaranya adalah mobil pribadi/berpenumpang.
Namun dengan semakin banyaknya jumlah
kendaraan di Indonesia, ternyata semakin banyak
pula jumlah kecelakaan. Korps Lalu Lintas
Kepolisian Republik Indonesia (Korlantas POLRI)
mencatat jumlah kecelakaan sepanjang 2013
sebanyak 100.106 kecelakaan lalu lintas. Jumlah
kecelakaan tersebut didominasi oleh kecelakaan
pada kendaraan mobil. Kecelakaan mobil tersebut
dapat terjadi dengan beberapa kemungkinan
diantaranya adalah kerusakan teknis yang terjadi
pada mobil, kelalaian pengemudi dalam
berkendara, ataupun faktor cuaca.
Kecelakaan lalu lintas yang diakibatkan oleh
kendaraan mobil yang sering terjadi adalah
tabrakan dengan mobil lain yang sedang berjalan
di depan dengan jalur yang sama, sehingga
mengakibatkan tabrakan dari belakang (Rear-end
Collision). Tabrakan jenis ini dapat terjadi tidak
hanya pada dua mobil, namun dapat juga
mengakibatkan tabrakan beruntun sehingga tidak
heran jika jumlah korban kecelakaan lalu lintas
banyak. Contoh lain yaitu pada saat mobil
menabrak suatu objek yang ada di depannya
karena pengendara lalai dan tidak melihat objek
tersebut. Bahkan saat kemacetan pun dapat terjadi
kecelakaan karena pengendara menginjak gas yang
terlalu dalam karena persendian kaki yang kaku
sehingga mobil mengalami tabrakan dengan mobil
yang ada di depannya, atupun saat berada di jalan
tol pengendara mengalami kejadian yang sama
sehingga dapat mengakibatkan kecelakaan.
Kecelakaan yang diakibatkan karena pengemudi
yang mengantuk yang sering terjadi berikutnya
adalah pada saat mobil keluar dari jalur yang tidak
semestinya sehingga mobil dapat mengalami
tabrakan. Oleh karena itu diperlukan suatu sistem
yang dapat meminimalisir terjadinya kecelakaan –
kecelakaan tersebut. Sistem tersebut adalah sistem
yang dapat mengambil keputusan untuk
melakukan aksi yang sesuai untuk mobil agar tidak
terjadi kecelakaan.
Advanced Driver Assistance System (ADAS) atau
Intelligent Driver Assistance System (IDAS)
adalah sistem yang ada dalam kendaraan yang
memungkinkan pengemudi mencapai tujuannya
2. 7th
Industrial Research, Workshop, and National Seminar.
Politeknik Negeri Bandung, July 28-29,2016
247
dengan sedikit stress, lebih aman, lebih nyaman,
dan efisien dalam jalur [3].
Dengan dilatar belakangi hal tersebut, maka
penulis mengembangakan sistem keselamatan pada
mobil tersebut dalam penelitian ini sekaligus
mengembangkan penelitian yang sudah ada pada
tahun sebelumnya. Sistem ini disimulasikan pada
sebuah prototipe mobil berukuran 1:10 dengan
mobil aslinya dengan menggunakan sensor jarak
ultrasonik dan menggunakan kendali logika samar
atau biasa disebut dengan Fuzzy Logic.
2. METODE PENELITIAN
Sistem yang dibuat mengacu pada aspek
kecelakaan yang sering terjadi. Perangkat keras
mobil cerdas berbasis logika fuzzy ini mempunyai
beberapa fitur yang terdapat didalamnya yaitu:
1. Lane Keeping Assistance System, yaitu fitur
yang memiliki fungsi agar membuat mobil
berjalan tidak keluar dari jalurnya [4].
2. Automatic Breaking System, yaitu fitur yang
memiliki fungsi agar mobil dapat melakukan
pengereman apabila ada objek yang berada
tepat di depannya [5].
3. Rear-end Collision Avoidance System, yaitu
fitur yang memiliki fungsi untuk menghindari
tabrakan dengan mobil yang berada di
depannya agar tidak terjadi tabrakan sundulan
[6].
4. Adaptive Cruise Control System, yaitu fitur
yang memiliki fungsi untuk menyesuaikan
kecepatan mobil dengan mobil yang ada di
depannya dengan jarak aman [7].
2.1 Pengambilan Keputusan Berbasis Logika
Fuzzy
Sistem yang dirancang pada penelitian ini
menggunakan fuzzy logic dengan pengambilan
keputusan menggunakan metoda Mamdani.
Metoda ini dipilih karena keputusan lebih teliti dan
dapat lebih mudah untuk di implementasikan pada
mikrokontroller Arduino Mega 2560.
2.1.1 Fungsi Keanggotaan Masukan
Fungsi keanggotaan masukan untuk LKAS adalah
kecepatan serta deviasi.
Gambar 11 : Fungsi Keanggotaan Kecepatan
Gambar 12 : Fungsi Keanggotaan Deviasi
Fungsi keanggotaan masukan untuk ABS dan
RCAS adalah kecepatan serta jarak.
Gambar 13 : Fungsi Keanggotaan Jarak
Fungsi keanggotaan masukan untuk ACC adalah
jarak serta error jarak.
Gambar 14 : Fungsi Keanggotaan Error Jarak
2.1.2 Fungsi Keanggotaan Keluaran
Fungsi Keanggotaan keluaran untuk LKAS adalah
sudut belok.
Gambar 15 : Fungsi Keanggotaan Sudut Belok
Fungsi keanggotaan keluaran untuk ABS serta
RCAS adalah pengereman.
Gambar 16 : Fungsi Keanggotaan Pengereman
Fungsi keanggotaan keluaran untuk ACC adalah
kecepatan.
3. 7th
Industrial Research, Workshop, and National Seminar.
Politeknik Negeri Bandung, July 28-29,2016
248
Gambar 17 : Fungsi Keanggotaan Kecepatan ACC
2.1.3 Basis Aturan
Basis aturan yang digunakan pada sistem
pengambilan keputusan dapat dilihat pada setiap
tabel basis aturan berikut ini.
Tabel 5. Basis Aturan Untuk Pengereman
Jarak
Dekat Aman Jauh
Kecepatan
Lambat Soft Brake No
Brake
No
Brake
Sedang Normal
Brake
Soft
Brake
No
Brake
Cepat Very Hard
Brake
Normal
Brake
No
Brake
Tabel 6. Basis Aturan Untuk Sudut Belok
Deviasi
Kiri Tengah Kanan
Kecepatan
Lambat Kiri Lurus Kanan
Sedang Kiri Lurus Kanan
Cepat Kiri Lurus Kanan
Tabel 7. Basis Aturan Untuk Kecepatan ACC
Error
Kecil Lumayan Besar
Jarak
Dekat Lambat
Aman Sedang
Jauh Cepat
2.1.4 Grafik Pemetaan Output Fuzzy
Berikut ini disajikan grafik pemetaan output fuzzy
pada setiap sistem yang diimplementasikan.
Gambar 18 : Grafik Sudut Belok
Gambar 19 : Grafik Pengereman
Gambar 20 : Grafik Kecepatan ACC
2.2 Simulasi Perangkat Keras
Penelitian ini bertujuan untuk mencari algoritma
fuzzy yang sesuai sebelum diimplementasikan
pada mobil sebenarnya. Untuk itu, algoritma yang
didapat disimulasikan terlebih dahulu
menggunakan sebuah prototype mobil berukuran
1:10 dengan 2 jenis sensor yaitu sensor jarak
dengan sensor garis. Mikrokontroler yang
digunakan adalah Arduino Mega 2560 karena
kapasitas memory yang cukup besar serta
kecepatan processor yang cocok untuk
mengeksekusi algoritma fuzzy yang sudah dibuat.
Gambar 21 : Desain Prototype Mobil
Gambar 22 : Realisasi Prototype Mobil
4. 7th
Industrial Research, Workshop, and National Seminar.
Politeknik Negeri Bandung, July 28-29,2016
249
3. HASIL DAN PEMBAHASAN
Pengujian algoritma setiap sistem yang
dikembangkan diuji satu – persatu. Pengujian
tersebut dibagi menjadi:
1. Pengujian Pengereman Automatic
Breaking System.
2. Pengujian Penyesuaian Kecepatan
Adaptive Cruise Control.
3. Pengujian Pengereman Rear-end
Collision Avoidance System.
4. Pengujian Lane Keeping Assistance
System.
3.1 Pengujian Pengereman Automatic Breaking
System
Skenario pada pengujian pengereman ini
digunakan sebuah objek yang ditempatkan pada
lintasan mobil sejauh 7 meter. Sehingga ketika
mobil melaju di depannya, maka dilihat
pengereman yang dilakukan oleh mobil
menggunakan fitur ABS.
Gambar 13 merupakan grafik jarak terhadap waktu
pada saat terjadi pengereman ABS di setiap tingkat
kecepatan.
Gambar 23 : Grafik Pengujian Automatic Breaking
System
3.2 Pengujian Penyesuaian Kecepatan Adaptive
Cruise Control
Skenario pada pengujian ini digunakan mobil RC
lain yang ada di depannya dan dapat diatur
kecepatannya, lalu ketika fitur ACC diaktifkan
maka mobil akan otomatis menyesuaikan
kecepatan dengan mobil yang ada di depannya
dengan jarak aman 50cm.
Gambar 24 : Grafik Pengujian Adaptive Cruise
Control
3.3 Pengujian Pengereman Rear-end Collision
Avoidance System
Pada pengujian ini skenario yang dilakukan adalah
menggunakan mobil RC lain yang dapat diatur
kecepatannya, lalu ketika mobil tersebut berjalan
di jalur yang sama mobil yang dilengkapi dengan
fitur RCAS ini dilakukan pengujian.
Gambar 15 merupakan grafik jarak terhadap waktu
pada saat terjadi pengereman RCAS di setiap
kecepatan.
Gambar 25 : Grafik Pengujian Rear-end Collision
Avoidance System
3.4 Pengujian Lane Keepiing Assistance System
Pengujian LKAS ini dilakukan dengan melakukan
beberapa percobaan pada setiap kondisi kecepatan,
di dapatkan hasil bahwa persentasi keberhasilan
LKAS adalah 83,33%.
4. DISKUSI
Penelitian ini dapat dikembangkan lebih lanjut
dengan mengganti sensor menggunakan sensor
yang lebih handal yaitu sensor kamera untuk
mendeteksi mobil yang ada di depannya atau
mendeteksi tepi jalan.
5. KESIMPULAN
Hasil penelitian menunjukan bahwa persentase
keberhasilan setiap sistem adalah sebagai berikut.
ABS = 93,33 %
RCAS = 85 %
ACC = 73,7 %
LKAS = 83,33 %
5. 7th
Industrial Research, Workshop, and National Seminar.
Politeknik Negeri Bandung, July 28-29,2016
250
Dari persentasi ke-empat sistem dapat didapatkan
persentase rata-rata dari semua sistem adalah 83,84
%. Namun algoritma ini masih perlu untuk
dikembangkan lebih lanjut lagi, dan juga belum
dapat diimplementasikan pada mobil sebenarnya.
Perlu pergantian sensor yang lebih handal seperti
menggunakan sensor kamera.
6. SARAN
Untuk pengembangan lebih lanjut pada sistem ini,
dapat dilakukan beberapa hal yaitu:
1. Mengganti sensor jarak dengan sensor jarak
yang pembacaannya lebih baik dan lebih jauh.
Atau dapat juga menggunakan sensor kamera yang
memiliki pembacaan yang baik dan dapat
mendeteksi objek atau mobil yang ada di depan.
2. Menambah jumlah sensor garis dan
menempatkan tiap sensor berdekatan sehingga
output dari fuzzy akan lebih presisi, atau dapat
diganti dengan sensor kamera untuk mendeteksi
tepi jalan.
3. Membuat HMI pada komputer untuk melihat
respon alat secara real time.
UCAPAN TERIMAKASIH
Penulis mengucapkan terimakasih kepada
Kementrian Riset, Teknologi dan Pendidikan
Tinggi yang membiayai penelitian Proyek Akhir
ini.
DAFTAR PUSTAKA
[1] Wikipedia, ―Daftar negara menurut luas
wilayah‖, 2012.
[2] SK Mentri Pekerjaan Umum, ―Ruas Panjang
Jalan Nasional‖, 2009.
[3] M. Masikos, F. Cappadona, K. Demestichas,
E. Adamopoulou, and S. Dreher, "Cooperative
Advanced Driver Assistance System for Green
Cars," EcoGem Consortium, 2013.
[4] Aryani, Siti. ―Active Steering Assitance for
Lane Keeping Berbasis Logika Fuzzy pada
Mobil Remote Control‖, 2014.
[5] Apriyani Aziz, Virna ―Sistem Pengereman
Otomatis Berbasis Logika Fuzzy pada Mobil
Remote Control‖, 2014.
[6] Pancawati, Anggun ―Sistem Penghindaran
Tabrakan Depan-Belakang Berbasis Logika
Fuzzy pada Mobil Remote Control‖, 2014.
[7] Khirsna Nugraha, Ilham ―Sistem Adaptive Cruise
Control pada Mobil Remote Control Berbasis
Fuzzy Logic‖, 2014.