BAB III PERANCANGAN SISTEM
3.1
Perancangan Sistem Secara Umum Pada permodelan dinamika dengan jaringan Syaraf tiruan, penelitian dimulai dengan pengambilan data secara langsung dari kendaraan yang akan dimodelkan sebagai input untuk Jaringan Syaraf Tiruan sebagai data training. Pada pengumpulan data training, data yang diambil secara langsung dengan keadaan mobil remote control bergerak dengan menggunakan kamera yang terpasang pada mobil remote control dan seluruh informasi data dikelolah oleh sebuah development board sebagai Controller dan pengolah data yang akan dihubungkan ke notebook dengan komunikasi secara wireless. Controller
Notebook Gambar 3.1 Blok Diagram Pengambilan Data
Setelah data dikumpulkan maka dilanjutkan dengan perancangan jaringan Syaraf tiruan dan melakukan pelatihan dengan data yang didapatkan.
3.2
Jaringan Syaraf Tiruan Setelah mendapatkan data training yang dibutuhkan melalui kamera pada mobil remote control, dilanjutkan dengan melakukan penyaringan terhadap noise, dimana noise ini berupa lonjakan data yang dikarenakan oleh ketidakstabilan pada kamera sehingga perlu penyaringan data agar 16
17 mengurangi error yang akan terjadi pada pelatihan jaringan Syaraf tiruan, pada data yang digunakan untuk pelatihan di bagi menjadi 2 berdasarkan sumbernya yaitu didapatkan dari kamera dan perintah yang diberikan oleh controller kepada mobil remote control, data tersebut ialah lateral error, orientasi berasal dari kamera steering angle dan speed berasal dari perintah controller. data Target yaitu nilai yang akan dijadikan target dari pelatihan Jaringan Syaraf Tiruan yang diharapkan hasil dari Jaringan Syaraf Tiruan dapat sesuai atau mendekati nilai yang ditargetkan. Pada penelitian ini data yang dijadikan input berupa orientasi, lateral error yang didapatkan dari hasil penangkapan kamera dan steering angle, speed yang didapatkan dari controller, pada data target pada penelitian ini merupakan nilai lateral error dan orientasi dari iterasi selanjutnya / nilai yang didapatkan setelah terjadinya perubahan posisi. Pada penelitian ini, jaringan Syaraf tiruan yang digunakan adalah feed forward backpropagation dan berikut cara pembelajaran dan model perancangan jaringan Syaraf tiruan yang digunakan pada penelitian ini.
18
Gambar 3.2 Cara pembelajaran feed forward backpropagation.
Gambar 3.3 Model perancangan Jaringan Syaraf Tiruan
19 3.3
Rancangan Peranti Lunak Piranti lunak yang digunakan untuk membuat Jaringan Syaraf Tiruan adalah MATLAB versi R2009a 64-bit, dan Microsoft Access sebagai piranti lunak untuk database yang digunakan untuk menampung data training untuk membandingkan hasil jaringan Syaraf tiruan dengan data training untuk mengetahui besaran error antara data training dan hadil jaringan Syaraf tiruan.
3.4
Perancangan Jaringan Syaraf Tiruan Berikut tahap-tahap pembuatan Jaringan Syaraf Tiruan pada penelitian ini. •
Buka program MATLAB
•
Buat Variabel Baru input dan target Buat dua buah variabel baru dengan pilihan new variable pada menu tab window workspace pada MATLAB seperti gambar (3.4) berikut
Gambar 3.4 Cara Pembuatan Variabel baru
•
Pada MATLAB buka ‘Neural Network Tool (nntool)’ Cara buka nya seperti gambar (3.5) berikut ini.
20
Gambar 3.5 Cara membuka ‘Neural Network Tool (nntool)’
Setelah memilih pilihan nntool maka akan muncul window seperti gambar (3.6) berikut ini.
21
Gambar 3.6 Window Network/Data Manager
Setelah terbuka window seperti gambar (3.6) diatas maka dilanjutkan dengan meng-import variabel yang telah dibuat pada langkah sebelumnya dengan cara memilih pilihan import pada window gambar (3.6) diatas, dan setelah memilih pilihan import maka akan muncul window baru seperti gambar (3.7) dan gambar (3.8) berikut.
22
Gambar 3.7 Import Input to Network/Data Manager
Gambar 3.8 Import Target to Network/Data Manager
Setelah muncul window seperti kedua gambar (3.7 dan 3.8) diatas maka anda dapat meng-import input dan target sesuai pilihan destination yang dipilih dengan dilanjutkan memilih pilihan import maka input dan target yang di inginkan akan masuk pada window Network/Data Manager gambar (3.6), selanjutnya kita perlu membuat jaringan Syaraf tiruan
23 dengan memilih pilihan new pada window Network/Data Manager gambar (3.6) maka akan muncul window seperti gambar (3.9) berikut.
Gambar 3.9 Create Network or Data
Setelah muncul gambar (3.9) diatas anda dapat membentuk jaringan Syaraf Tiruan sesuai dengan kebutuhan dan setelah selesai akhiri dengan
24 memilih pilihan Create maka network yang dibuat akan muncul pada window Network/Data Manager gambar (3.10) berikut.
Gambar 3.10 Network/Data Manager dengan Network1
Setelah jaringan Syaraf tiruan terbentuk maka langkah selanjutnya adalah melakukan pelatihan dengan menggunakan variabel input dan target yang telah terbentuk yaitu dengan memilih dan membuka network1 dan akan muncul gambar (3.11) seperti berikut.
25
Gambar 3.11 network1
Setelah window network1 terbuka pilih training dan pilih input dan target yang diinginkan seperti gambar (3.12) setelah itu anda dapat mengubah parameter training seperti gambar (3.13)
Gambar 3.12 setting input dan target
26
Gambar 3.13 setting parameter training
Setelah training jika sudah sesuai dengan keinginan maka network dapat diexport ke workspace dengan memilih pilihan export pada gambar (3.10) di atas dan akan muncul window seperti gambar (3.14) berikut.
27
Gambar 3.14 export network ke workspace
Dengan memilih network yang ingin di export dan dilanjutkan dengan memilih pilihan export maka network yang dipilih akan masuk ke workspace seperti gambar (3.15) berikut.
Gambar 3.15 network memasuki workspace
28
Gambar 3.16 cara menghasilkan output
dengan member command seperti gambar (3.16) di atas pada command window maka didapatkan hasil jaringan Syaraf tiruan dalam sebuah variabel yang dinamai output dan akan muncul pada workspace seperti gambar (3.17) berikut.
Gmabar 3.17 hasil output Jaringan Syaraf Tiruan pada workspace