RANCANG BANGUN SISTEM KENDALI UNTUK KENDARAAN SPRAYER TANPA AWAK BERBASIS JARINGAN ABDULLAH TAUFIQ KHARISMA

RANCANG BANGUN SISTEM KENDALI UNTUK KENDARAAN SPRAYER TANPA AWAK BERBASIS JARINGAN

ABDULLAH TAUFIQ KHARISMA

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2015

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA Dengan ini saya menyatakan bahwa skripsi berjudul berjudul “Rancang Bangun Sistem Kendali untuk Kendaraan Sprayer Tanpa Awak Berbasis Jaringan” adalah benar karya saya dengan arahan dari pembimbing dan belum diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam Daftar Pustaka di bagian akhir penelitian ini. Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut Pertanian Bogor. Bogor, Agustus 2015 Abdullah Taufiq Kharisma NIM F14100116

ABSTRAK ABDULLAH TAUFIQ KHARISMA. Rancang Bangun Sistem Kendali untuk Kendaraan Sprayer Tanpa Awak Berbasis Jaringan. Dibimbing oleh DESRIAL dan SLAMET WIDODO. Sprayer biasa digunakan dalam pengaplikasian bahan kimia pertanian dalam bentuk kabut cairan. Namun, pengoperasian manual menyebabkan operator terpapar bahan kimia dan hal tersebut berpotensi menggangu kesehatan operator. Tujuan dari penelitian adalah merancang sistem kendali sprayer tanpa awak berbasis jaringan untuk meningkatkan kesehatan kerja dari operator. Mobil listrik mini yang dimodifikasi menggunakan sistem kendali jaringan (wifi) digunakan sebagai model pada penelitian ini. Jarak kendali maksimum menggunakan radio adalah 55 m, sedangkan jarak kendali maksimum menggunakan jaringan (Wifi) adalah 110 m. Oleh karena itu, sistem koneksi berbasis jaringan (Wifi) dipilih karena memiliki jangkauan lebih jauh. Kecepatan maju rata-rata dari model adalah 31.04 cm/s dengan slip 1% untuk roda kiri, dan slip 2% untuk roda kanan. Radius putar rata-rata model untuk belok kanan adalah 210.4 cm dan untuk belok kiri 290.9 cm. Pengujian pengendalian pada jalur lurus, belok kanan dan kiri dengan 3 sudut kamera yang berbeda yaitu 72°, 77°, dan 90°. Berdasarkan hasil analisis data dengan ANOVA dapat disimpulkan bahwa sudut kamera berpengaruh nyata terhadap pengendalian jalur lurus dan belok kiri dan tidak berpengaruh nyata terhadap pengendalian belok kanan. Hal disebabkan model menggunakan motor penggerak yang hanya berada pada roda kanan belakang sehingga model cenderung bergerak ke arah kiri. Kata kunci: bahan kimia pertanian, kesehatan operator, sistem kendali berbasis jaringan, sprayer tanpa awak

ABSTRACT ABDULLAH TAUFIQ KHARISMA. Designing Web-Based Unmanned Sprayer Control System. Supervised by DESRIAL and SLAMET WIDODO. Sprayer is commonly used in agro-chemical aplication in form of a mist. However, the exposure of agrochemical to operator on operating sprayer potentially causing risk to operator health. The objective of this research was to design a web-based control system for unmanned sprayer in order to improved health aspect of operator. Mini electric car was modified into web-based controlled was used as model for this research. Maximum range of radio control was 55 m and maximum range of web-based control (Wifi) was 110 m. Therefore, web based control was chosen because it has wider range. The average forward speed of model was 31.04 cm/s with 1% of slip for left rear wheel and 2% of slip for right rear wheel. The average turning radius of model was 210.4 cm for turning right and 290.9 cm for turning left. Controlling test conducted at straight path, turn right, and turn left with 3 kinds of different camera angle i.e. 72o, 77°, and 90°. According to data analysis result by using ANOVA could be concluded that camera angle significantly affected on controlling straight and left turn, but didn’t significantly affected on controlling turn right. The difference in significancy was due to the model just using motor in the right rear wheel for moving so the model tends to moved towards the left. Keywords: agricultural chemicals, operator health, unmanned sprayer, web based control

RANCANG BANGUN SISTEM KENDALI UNTUK KENDARAAN SPRAYER TANPA AWAK BERBASIS JARINGAN

ABDULLAH TAUFIQ KHARISMA

Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Teknik pada Departemen Teknik Mesin dan Biosistem

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM FAKULTAS TEKNOLOGI PERTANIAN INSTITUT PERTANIAN BOGOR BOGOR 2015

Judul Skripsi : Rancang Bangun Sistem Kendali untuk Kendaraan Sprayer Tanpa Awak Berbasis Jaringan Nama : Abdullah Taufiq Kharisma NIM : F14100116

Disetujui oleh

Dr Ir Desrial, MEng Pembimbing I

Dr Slamet Widodo, STP MSc Pembimbing II

Diketahui oleh

Dr Ir Desrial, MEng Ketua Departemen

Tanggal Lulus:

PRAKATA Puji dan syukur penulis panjatkan kepada Allah subhanahu wa ta'ala atas segala karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan. Tema yang dipilih dalam penelitian yang dilaksanakan sejak bulan Februari 2014 ini dengan judul Rancang Bangun Sistem Kendali untuk Kendaraan Sprayer Tanpa Awak Berbasis Jaringan. Terima kasih penulis ucapkan kepada Bapak Dr Ir Desrial MEng dan Bapak Dr Slamet Widodo, STP MSc selaku pembimbing, yang telah memberikan bimbingan, arahan, dan motivasi kepada penulis. Terima kasih penulis ucapkan kepada Bapak Dr Liyantono, STP MAgr yang telah bersedia meluangkan waktunya sebagai penguji ujian akhir skripsi. Ungkapan terima kasih juga disampaikan kepada ayah (H.M. Muchsin), ibu (Hj. Siti Afifah), kakak tersayang (Achmad Oktavianis Caesar), dan adik tersayang (Grace Maria Ulfa) serta seluruh keluarga atas segala doa, dukungan dan kasih sayangnya. Terimakasih juga penulis ucapkan kepada Yusnita Oni Napitu untuk bantuan dan motivasi yang telah banyak membantu selama penelitian, teman teman yang telah membantu selama penelitian (Qoni, Haga, Bob, Wili, Quro, Erlan, dll), para teknisi Departemen TMB (Pak Wana, Pak Darma, Mas Firman) serta segenap teman teman Antares TMB 47 yang telah menjadi keluarga dan rekan seperjuangan penulis hingga dapat menyelesaikan penelitian ini. Semoga karya ilmiah ini bermanfaat.

Bogor, Agustus 2015 Abdullah Taufiq Kharisma

DAFTAR ISI DAFTAR TABEL

vi

DAFTAR GAMBAR

vi

DAFTAR LAMPIRAN

vii

PENDAHULUAN

1

Latar Belakang

1

Tujuan Penelitian

2

METODE

2

Waktu dan Tempat Pelaksanaan

2

Alat dan Bahan

2

Tahapan Penelitian

3

Analisis Data HASIL DAN PEMBAHASAN

13 14

Identifikasi dan Rancang Bangun Sistem Kendali Kendaraan Sprayer Tanpa Awak Berbasis Jaringan 14 Kalibrasi Sensor

14

Uji Kinerja Sistem Kendali

15

SIMPULAN DAN SARAN

27

Simpulan

27

Saran

27

DAFTAR PUSTAKA

27

LAMPIRAN

29

RIWAYAT HIDUP

40

DAFTAR TABEL 1 Spesifikasi kendaraan mobil anak baterai 2 Tabel kombinasi pengiriman sinyal kendali radio 3 Data hasil pengujian radius putar belok kanan dan kiri 4 Data pengujian sudut pandang kamera 5 Data pengujian jarak kendali jaringan 6 Data pengujian jarak kendali kendali radio 7 Data pengujian kecepatan maju 8 Tabel uji ANOVA pengendalian jalur lurus 9 Tabel uji ANOVA pengendalian jalur belok kanan 10 Tabel uji ANOVA pengendalian jalur berbelok kiri

2 4 16 16 17 18 19 22 22 22

DAFTAR GAMBAR 1 Diagram alir tahapan penelitian 2 Bagan konfigurasi sistem kendali 3 Bagan sistem pengendalian motor penggerak kemudi 4 Bagan sistem pengendalian motor penggerak roda belakang 5 Bagan sistem pengendalian motor kamera 6 Bagan sistem tampilan lingkungan dari kamera 7 Skema pengujian radius putar belok kanan 8 Skema pengujian radius putar belok kiri 9 Skema pengujian sudut pandang kamera 10 Posisi kamera dari samping 11 Skema pengujian jarak kendali jaringan 12 Skema pengujian jarak kendali kendali radio 13 Skema pengujian kecepatan maju 14 Skema pengujian pengendalian jalur lurus 15 Skema pengujian jalur belok kiri dan kanan dengan 3 sudut kamera 16 Skema pengujian jalur belok kiri dengan 3 sudut kamera 17 Skema pengukuran pengendalian 18 Perbedaan model sebelum dan sesudah dimodifikasi 19 Grafik hubungan nilai ADC dengan sudut kemudi 20 Skema dimensi dalam pengujian sudut pandang kamera 21 Grafik rataan hasil pengujian jarak kendali jaringan 22 Grafik rataan hasil pengujian jarak kendali radio 23 Tampilan kontroler di android 24 Proyeksi jalur pengendalian lurus sudut kamera 25 Proyeksi jalur pengendalian belok kanan 26 Proyeksi jalur pengendalian belok kiri 27 Kekurangan mobil listrik mini 28 Posisi sumber tenaga roda belakang hanya pada roda bagian kanan 29 Skema penambahan jarak kendali 30 Sensor sudut kemudi

3 6 6 6 7 7 8 8 9 9 10 11 11 12 12 13 13 14 15 16 18 18 20 21 23 24 25 25 26 29

31 Kamera dan mekanismenya 32 Rangkaian saklar elektronik 33 pcDuino 34 Driver motor kamera 35 Driver motor kemudi dan roda penggerak 36 Penempatan komponen 37 Wifi router

29 29 29 29 29 29 29

DAFTAR LAMPIRAN 1 Gambar alat yang digunakan 2 Kode sumber tampilan pada web browser 3 Kode sumber program kendali 4 Data absolut eror pengendalian jalur lurus 5 Data absolut eror pengendalian jalur belok ke kanan 6 Data absolut eror pengendalian jalur belok ke kiri

29 30 32 35 36 39

PENDAHULUAN Latar Belakang Pemeliharaan dalam budidaya tanaman banyak mendapat hambatan seperti hama, gulma, dan penyakit. Untuk mengendalikan hama, gulma dan penyakit dapat dilakukan berbagai cara salah satunya dengan penggunaan bahan kimia pertanian. Bahan kimia dapat diaplikasikan pada tanaman dengan sprayer. Dengan sprayer, bahan kimia dapat diberikan secara efektif karena bahan berbentuk yang dihasilkan berupa kabut. Sprayer konvensional yang banyak digunakan terutam di Indonesia adalah tipe knapsack yang di panggul oleh operator. Efek samping sprayer tipe ini adalah paparan bahan kimia dapat terhirup oleh operator dan terkena permukaan kulit operator. Bahan kimia akan menumpuk di dalam tubuh operator dan berpotensi berbahaya bagi kesehatan operator tersebut. Hasil penelitian Bjugstad et al. (2009), rataan paparan pestisida dari sprayer pada kulit 10 kali lebih tinggi daripada paparan melalui pernapasan. Paparan dari pestisida bisa terjadi melalui berbagai cara (misalnya makanan, minuman, tempat tinggal, pekerjaan) dan melalui berbagai jalur masuk (ditelan, dihirup, sentuhan). Andil dari masing-masing cara dan jalur masuk terhadap ratarata paparan tergantung pada jenis pestisida, jumlah paparan, banyaknya masuk jalur, dan cara masuk adalah yang menentukan resikonya (EFSA 2008). Berdasarkan tingkat keberacunan dan spesies yang dituju terbatas, pestisida menunjukkan efek berbahaya yang tidak diinginkan pada oganisme sensitif yang bukan target seperti manusia dan populasi hewan liar (Hernándesz et al. 2011a). Paparan bahan kimia pertanian ke manusia dari lingkungan biasa terjadi dan menyebabkan penyakit yang akut dan kronis, termasuk keracunan syaraf yang akut dan kronis (dari insektisida, fungisida, fumigan), kerusakan paru-paru, iritasi, dan metheglobinemia pada balita (Weisenburger 2004). Menurut Bjugstad et al. (1995), jika operator menjauh dari daerah penyemprotan, paparan pada kulit dan yang terhirup menurun. Untuk menjauhkan operator dari area penyemprotan diperlukan alat untuk mengangkut sprayer yang dapat dikendalikan dari jarak jauh. Pengendalian jarak jauh untuk penggunaan sprayer, secara signifikan akan menurunkan kontak langsung antara operator dengan bahan kimia yang disemprotkan sprayer. Hal ini juga meningkatkan kenyamanan operator dalam bekerja yang akhirnya dapat menaikkan kapasitas kerja. Penelitian yang sudah pernah dilakukan dalam hal pengaplikasian teknologi tanpa awak sudah banyak dilakukan dalam bidang pertanian. Contoh teknologi yang tanpa awak yang diterapkan dalam bidang pertanian antara lain teknologi penginderaan jarak jauh untuk memonitor vegetasi menggunakan helikopter tanpa awak sudah dilakukan oleh Sugiura et al. (2004). Sedangkan aplikasi sprayer tanpak awak salah satunya dilakukan oleh Sato (1980). Sato (1980) mengaplikasikan sprayer pada helikopter tanpa awak untuk pengaplikasian pupuk dan pestisida pada lahan sawah. Selain Sato, Tosaki et al. (1998) mengembangkan sprayer tanpa awak yang dikendalikan dengan mikrokomputer. Pada penelitian ini akan dirancang sistem kendali untuk kendaraan sprayer tanpa awak berbasis jaringan. Kendaraan yang digunakan pada penelitian ini

2 adalah mobil anak bertenaga baterai yang dimodifikasi sistem kendalinya. Sistem kendali yang digunakan adalah sistem kendali berbasis jaringan. Penelitian ini diharapkan menjadi dasar penelitian selanjutnya yang berkaitan dengan sprayer tanpa awak. Tujuan Penelitian Tujuan dari penelitian ini adalah : 1. Melakukan modifikasi sistem pengendalian kendaraan menjadi sistem kendali tanpa awak berbasis jaringan untuk sprayer. 2. Melakukan kalibrasi dan uji statis dan dinamis mekanisme pengendalian tanpa awak berbasis jaringan pada model. 3. Menguji pengaruh sudut kamera terhadap kemudahan pengendalian

METODE Waktu dan Tempat Pelaksanaan Penelitian ini dilaksanakan bulan Februari 2014–Mei 2015. Tempat pelaksanaan penelitian ini adalah Laboratorium Lapang Siswadhi Soepardjo Leuwikopo dan Laboratorium Manufaktur Teknik Mesin dan Biosistem. Alat dan Bahan Bahan yang digunakan pada penelitian ini antara lain : kendaraan mobil anak baterai dengan spesifikasi pada Tabel 1, pcDuino, jaringan kamera, driver motor, motor listrik, wifi router, baterai 6 V 4,5 AH, baterai 12 V 4.5 AH, kabel, saklar, potensiometer, limit switch, dan akrilik. Tabel 1 Spesifikasi kendaraan mobil anak baterai Spesifikasi Keterangan General Mobil anak baterai 6 V Dimensi total 105 cm x 69 cm x 54.5 cm Jarak sumbu roda 58.5 cm Jarak roda belakang 54 cm Jarak roda depan 52 cm Lebar roda 15 cm Diameter roda 28 cm Sumber daya Baterai kering 6 V 10 A Tenaga penggerak Motor listrik 9 V Beban maksimum 30 kg Alat yang digunakan pada penelitian ini antara lain : laptop, perangkat lunak pendukung pcduino, perangkat lunak VNC viewer, multimeter, solder, timah, penyedot timah, pasta solder, dan bor listrik.

3 Tahapan Penelitian Tahapan penelitian secara garis besar dapat dilihat pada Gambar 1 dan deskripsi masing-masing tahapan akan dijelaskan pada bagian dibawah ini: Identifikasi sistem kendali yang tersedia pada kendaraan Dalam penelitian ini, kendaraan yang digunakan sudah memiliki motor dc sebagai aktuator penggerak kemudi dan sebagai sumber penggerak roda belakang. Masing-masing motor dc dapat dikendalikan dengan jaringan nirkabel menggunakan gelombang radio dengan frekuensi 27 MHz. Sistem kendali nirkabel ini menggunakan sebuah kendali radio yang memiliki pengirim sinyal dan penerima sinyal yang sudah terhubung langsung dengan driver motor. Cara kerja kendali nirkabel yang sudah ada ini adalah dengan menggirimkan 4 buah perintah yang berbeda ke penerima sinyal dengan kombinasi perintah seperti pada Tabel 2.

Gambar 1 Diagram alir tahapan penelitian

4

No 1 2 3 4 5 6 7 8 9

Tabel 2 Tabel kombinasi pengiriman sinyal kendali radio Maju Mundur Kanan Kiri Keterangan 0 0 0 0 Berhenti 0 0 0 1 Berhenti dan belok kiri 0 0 1 0 Berhenti dan belok kanan 0 1 0 0 Mundur 1 0 0 0 Maju 0 1 0 1 Mundur dan belok kiri 0 1 1 0 Mundur dan belok kanan 1 0 0 1 Maju dan belok kiri 1 0 1 0 Maju dan belok kanan

Bagian penerima sinyal menerima menterjemahkan sinyal dan diteruskan ke bagian driver motor. Driver motor yang sudah ada ini adalah jenis rangkaian hbridge yang menggunakan rangkaian relay dan transistor untuk mengatur putaran motor dc. Relay yang digunakan untuk mengatur putaran masing-masing motor dc sebanyak 2 buah. Driver motor ini memiliki 4 buah input sinyal untuk mengendalikan 2 buah motor dc, 2 buah input untuk sumber daya dari baterai 6 V, 4 buah output untuk masing-masing motor dc, dan 2 buah output untuk sumber daya penerima sinyal gelombang radio. Merancang Sistem Kendali Jaringan Untuk memodifikasi kendaraan menjadi model pengangkut sprayer berbasis jaringan diperlukan rancangan sebagai berikut : a. Modifikasi sistem elektronik yang ada Sistem kendali android membutuhkan sistem elektronik yang berbeda dari yang sudah ada. Pada sistem ini, diperlukan penambahan sistem kendali nirkabel terpisah dari sistem kendali nirkabel yang sudah ada. Namun, sistem pengendalian yang sudah ada harus tetap dipertahankan dan diperlukan sistem pengubah sistem pengendalian antara menggunakan kendali radio aslinya dengan android. Sistem pengendalian android dalam penelitian ini dibuat dengan menggunakan mini PC (Personal Computer) yaitu pcDuino. pcDuino membutuhkan daya sebesar 10 W dengan rincian tegangan 5 VDC dan arus 2 A. Sumber daya yang tersedia adalah 6 VDC dari baterai maka diperlukan rangkaian penurun tegangan dari 6 V ke 5 V. Baterai yang digunakan untuk pcDuino dan rangkaian driver motor terpisah. baterai yang digunakan terpisah bertujuan untuk meningkatkan kestabilan kinerja. PcDuino memiliki output yang disebut GPIO. GPIO digunakan untuk mengendalikan driver motor, membaca sensor, dan lain-lain. GPIO pcduino memiliki level voltase 3.3 V, untuk itu diperlukan rangkaian pengaman agar proses kendali aman dan tidak menyebabkan pcDuino rusak. Rangkaian yang digunakan adalah rangkaian saklar dengan transistor NPN sebagai saklarnya. GPIO yang memerlukan rangkaian saklar ini hanya yang bagian pengendalian motor dc kemudi dan pemutar roda belakang. GPIO juga dibutuhkan untuk mengendalikan motor dc yang digunakan untuk merubah posisi kamera di kendalikan dengan membaca posisi kamera dengan sebuah LDR (light dependen resistor) dan saklar

5 batas (limit switch) dan pergerakan kamera digerakkan dengan menggunakan motor dc. Motor dc untuk kamera berbeda dengan motor dc untuk kemudi dan penggerak roda belakang. Motor dc ini dikendalikan juga dengan sebuah driver motor yang lain. GPIO pcDuino digunakan untuk membaca keadaan saklar batas dan keadaan LDR untuk mengetahui posisi kamera. Informasi posisi kamera lalu digunakan untuk menentukan ke arah mana gerakan kamera. Driver motor untuk penggerak kamera ini juga menggunakan fungsi dari GPIO. b. Pembuatan program sistem pengendalian jaringan Jaringan nirkabel atau wireless network adalah jaringan tanpa kabel yang menggunakan media penghantar gelombang radio atau cahaya Infrared. Beberapa teknologi wireless yang telah dikembangkan antara lain : Wifi, Bluetooth, WiMAX, VSAT, dan Infrared. Teknologi nirkabel berkecepatan tinggi dikenal sebagai Wifi (Wireless Fidelity). Wifi merupakan merek dagang yang dimiliki oleh Wireless Ethernet Compatibility Alliance (WEGA), sebuah organisasi non profit yang berdiri sejak 1999. Wifi pertama kali dikenal dengan sebutan Wireless Local Area Network (WLAN) (Sukmaaji dan Rianto 2008) PcDuino memiliki kemampuan untuk beroperasi pada sistem operasi linux atau Android ICS. Sistem operasi linux dipilih untuk mempermudah pembuatan program pengendalian. pcDuino memiliki sejumlah pin GPIO (General Purposes Input/Output) yang dapat dipengendalian dengan menggunakan bahasa pemrograman C, Java, Python, dan masih banyak lagi. Sistem pengendalian jaringan yang digunakan dalam penelitian ini buat dengan bahasa pemrogaman Python dan HTML (HiperText Markup Language). Semua kode program ditulis dengan menggunakan program Geany. Web browser dalam android dimanfaatkan sebagai pengakses tampilan kendali tanpa membuat program khusus pengendalian dengan android. Penggunaan web browser android memerlukan dibuatnya sebuah server jaringan pada pcDuino. Flask adalah salah satu kerangka kerja mikro untuk membuat server dengan menggunakan Python sebagai bahasa pemrogaman utamanya. Flask dapat juga digunakan dengan pcDuino untuk membuat jaringan server yang dapat di akses melalui web browser android. Wifi router digunakan sebagai alat untuk menyambungkan pcDuino dengan perangkat genggam android. Dengan menyambungkan pcDuino dengan Wifi router melalui kabel LAN, maka pcDuino sudah dapat di akses melalui jaringan Wifi. Modem sebagai penyedia jaringan internet juga harus di pasang ke router. Jaringan internet diperlukan agar program kendali dapat berjalan dengan lancar. Perangkat genggam android juga harus tersambung dengan jaringan Wifi dari router agar dapat mengakses program kendali. c. Penambahan kamera Pengendalian jarak jauh memiliki kendala yang sangat banyak, salah satunya adalah pengendalian untuk menghindari halangan yang ada di depan model saat jauh dari operator. Pemasangan kamera pada penelitian ini ditujukan untuk mengeliminasi masalah tersebut.

6 Penggunaan kamera untuk menangkap gambar keadaan didepan dan dibelakang model dapat mempermudah pengendalian. Penggunaan kamera juga memungkinkan pengendalian model saat pandangan operator ke area sekitar model terhalang. Posisi kamera dalam penelitian ini haruslah dapat berubah untuk melihat ke depan dan belakang. Mjpg-streamer adalah sebuah program yang mengambil gambar berformat *.jpeg, file sistem atau dari masukan “plugins” lain dari UVC (USB Video Class) linux dan mentransmisikannya melalui HTTP (Hyper Text Transfer Protocol) ke web browser. Penggunaan Mjpg-streamer dalam penelitian ini bertujuan untuk mempermudah pengiriman gambar hasil tangkapan kamera ke web browser. Keluaran dari program ini bisa langsung di akses di web browser atau bisa juga di masukkan kedalam tampilan program. Bagan konfigurasi sistem kendali secara umum dapat dilihat pada Gambar 2. Secara khusus, sistem kendali pada tiap bagian akan dijabarkan pada Gambar 3- Gambar 6.

Gambar 2 Bagan konfigurasi sistem kendali

Gambar 3 Bagan sistem pengendalian motor penggerak kemudi

Gambar 4 Bagan sistem pengendalian motor penggerak roda belakang

7

Gambar 5 Bagan sistem pengendalian motor kamera

Gambar 6 Bagan sistem tampilan lingkungan dari kamera Kalibrasi Sensor Jenis sensor yang digunakan dalam penelitian ini adalah potensiometer. Sensor tersebut digunakan untuk mendeteksi posisi sudut kemudi. Potensiometer adalah sebuah resistor dengan nilai yang bervariabel yang memiliki tiga kaki terminal. Dua dari terminalnya berada di pinggir dan berada di kedudukan yang tetap, tetapi terminal yang ditengah tersambung dengan poros pemutar dan permukaan sentuh yang tersambung dengan seluruh permukaan resistor. Pergerakan poros menyebabkan nilai resistansi yang berubah setiap perubahan posisi permukaan sentuh. Uji Kinerja Pengujian bertujuan untuk mengetahui kemudahan kendali dari alat yang telah dirancang. Parameter harus ditentukan untuk mencari nilai kemudahan kendari dari alat secara aktual dalam pengujian alat. Parameter yang diambil ditujukan untuk mendapatkan hubungan pengujian hubungan antara pembacaan sensor sudut kemudi dengan sudut belok kemudi, pengujian radius putar mobil, pengujian sudut pandang kamera, pengujian jarak kendali radio pengendalian dan jaringan, pengujian kecepatan maju model, pengujian kendali jalan lurus dengan 3 sudut kamera, dan pengujian kendali jalan belok kanan dan kiri dengan 3 sudut kamera. a. Pengujian hubungan antara sudut kemudi dengan pembacaan ADC Pengujian hubungan antara pembacaan sensor sudut kemudi dengan sudut belok kemudi dilakukan saat model berhenti. Pengujian ini bertujuan untuk mengkalibrasi nilai besaran sudut belok kemudi dengan nilai pembacaan sensor. Komponen yang digunakan untuk membaca sudut dalam bentuk tegangan analog dari batang kemudi adalah potensiometer. Potensiometer memiliki 3 buah socket dimana socket yang berada di pinggir dihubungkan ke sumber voltase 3.3 V dan GND (ground) dan socket yang berada di tengah dihubungkan ke masukan A2. Untuk membaca sudut kemudi secara visual di tempelkan sebuah busur. Nilai tegangan analog yang di baca sensor dikonversi ke nilai digital. pcDuino memiliki batas tegangan 0 V- 3.3 V dengan 8-bit ADC untuk socket A0 dan A1 serta 12-bit ADC untuk socket A2, A3, A4, A5. Nilai ini berarti dalam 0 V- 3.3 V akan dapat dibagi dalam 256 nilai untuk socket A0 dan A1 dan 4096 nilai untuk socket A2, A3, A4, dan A5.

8

b.

Pengujian radius putar model. Pengujian radius putar menggunakan kendali perangkat genggam android dalam mengendalikan model. Pengujian ini bertujuan untuk mengetahui seberapa besar jarak minimal radius putar dari model. Skema pengujian radius putar dapat dilihat pada Gambar 7 dan Gambar 8. Dalam skema, huruf “A” menunjukkan model yang berjalan berputar dengan penanda pada sisi terluar. Sedangkan huruf “B” menunjukkan rute belok. Setelah model selesai berputar satu putaran, diukur berapa diameter penanda terluar yang digambarkan dengan tanda “x”. Pengujian diulangi sebanyak tiga kali untuk masing-masing arah belok dan masing-masing pengujian dilakukan pengukuran diameter sebanyak tiga kali.

Gambar 7 Skema pengujian radius putar belok kanan

Gambar 8 Skema pengujian radius putar belok kiri c.

Pengujian sudut pandang kamera. Pengujian sudut pandang kamera menggunakan kendali perangkat genggam android dalam mengendalikan model. Skema pengujian sudut pandang kamera dapat dilihat pada Gambar 9. Posisi kamera tampak samping dapat dilihat pada Gambar 10. Huruf “A” menunjukan model dan huruf “B” menunjukkan posisi kamera. Huruf “C” menunjukkan penanda

9 ujung gambar yang nantinya diukur jaraknya sehingga diperoleh nilai “x” pada gambar. Nilai “y” pada gambar menunjukkan jarak tegak lurus antara penanda dengan kamera. Selanjutnya diperlukan perhitungan untuk mendapatkkan nilai “α”, yaitu sudut pandang kamera. Simbol “γ” menunjukkan sudut kamera terhadap bidang datar. Persamaan yang digunakan untuk mendapatkan sudut kamera “α” dapat dilihat pada Persamaan 1 dan Persamaan 2.    y     tan 1  (1)  1 x   2 

  180  2 

Gambar 9 Skema pengujian sudut pandang kamera

Gambar 10 Posisi kamera dari samping

(2)

10 d.

Pengujian jarak kendali jaringan Pengujian jarak kendali jaringan didasarkan dari kekuatan sinyal wifi dari model ke perangkat genggam android tanpa melakukan pengendalian. Hal ini dilakukan karena tanpa adanya sinyal wifi model tidak dapat dikendalikan. Pengujian ini menggunakan perangkat genggam Android dengan tipe GT-P3100. Skema pengujian jarak kendali jaringan dapat dilihat pada Gambar 11. Pengujian dimulai dengan operator “C” melihat kekuatan sinyal di sebelah model “A”. Setelah itu catat jarak “x” den kekuatan sinyal. Setelah itu, operator menjauh dari model sejauh 10 m dan cek kekuatan sinyal dan catat jarak dan kekuatan sinyal. Ulangi kegiatan tersebut sampai sinyal tidak dapat dideteksi lagi. Ulangi pengujian sebanyak tiga kali. Huruf “B” pada gambar menunjukkan jalur yang dilalui operator.

Gambar 11 Skema pengujian jarak kendali jaringan e.

Pengujian jarak kendali kendali radio Pengujian pengendalian model dengan remote control dilakukan hampir sama dengan pengujian jarak kendali dengan perangkat genggam android. Yang membedakan adalah untuk mengetahui jarak kendali dengan kendali radio, model dijalankan menjauhi kendali radio. Skema pengujian jarak kendali kendali radio dapat dilihat pada Gambar 12. Pengujian dimulai dengan model “A” berada disebelah operator “C”. Operator memeriksa respon model. Respon model dan jarak antara protoripe dengan operator “x” kemudian dicatat untuk memperoleh data hasil pengujian. Huruf “B” menunjukkan jalur dari pengendalian model.

11

Gambar 12 Skema pengujian jarak kendali kendali radio f. Pengujian kecepatan maju dan slip roda model Pengujian slip roda dan kecepatan maju menggunakan kendali perangkat genggam android dalam mengendalikan model. Skema pengujian kecepatan maju model dapat dilihat pada Gambar 13. Pengujian dimulai dengan membuat tanda pada roda belakang model. Setelah model “A” berjalan, tanda di lantai diberikan untuk setiap 5 putaran roda belakang model dan ukur setiap waktunya “t”. Jalur “B” adalah jalur yang dilalui model. Hentikan model setelah 20 putaran dan ukur jarak “x” setiap tanda dari 5 putaran. Pengukuran nilai “x” dan pencataan waktu dimaksudkan untuk menghitung kecepatan roda saat pengujian. Nilai slip (λ) didapatkan dengan Persamaan 3 (Ming 1997) dimana “vaktual” adalah kecepatan roda saat pengujian dan “vteoritis” adalah kecepatan roda hasil perhitungan untuk 5 putaran roda..  v teoritis  v aktual    *100 % v teoritis  

  

Gambar 13 Skema pengujian kecepatan maju

(3)

12

g.

Pengujian kendali jalur lurus dengan 3 sudut kamera. Pengujian pengendalian lurus menggunakan kendali perangkat genggam android dalam mengendalikan model. Skema pengujian jalur lurus dengan 3 sudut kamera dapat dilihat pada Gambar 14. Huruf “A” menunjukkan posisi awal model dan huruf “B” menujukan jalur yang akan dilalui model.

Gambar 14 Skema pengujian pengendalian jalur lurus h.

Pengujian kendali jalan belok kanan dan kiri dengan 3 sudut kamera. Pengujian pengendalian belok kanan dan kiri menggunakan kendali perangkat genggam android dalam mengendalikan model. Skema pengujian jalur lurus dengan 3 sudut kamera dapat dilihat pada Gambar 15 dan Gambar 16. Huruf “A” menunjukkan posisi akhir model dan huruf “B” menujukan jalur yang dilalui model.

Gambar 15 Skema pengujian jalur belok kiri dan kanan dengan 3 sudut kamera

13

Gambar 16 Skema pengujian jalur belok kiri dengan 3 sudut kamera Analisis Data Metode analisa yang digunakan adalah analisis varian satu arah (One Way Anova). Analisis varians satu jalur merupakan teknik statistika parametrik yang digunakan untuk pengujia perbedaan beberapa kelompok rata-rata, dimana hanya terdapat satu variabel bebas atau independen yang dibagi dalam beberapa kelompok dan satu variabel terikat atau independen. Dalam teknik Anova satu arah biasanya digunakan dalam penelitian eksperimen ataupun Ex-Post-Facto. Penelitian Ex-Post-Facto adalah penelitian dimana variabel bebas telah terjadi ketika penelitian telah dimulai dengan pengamatan variabel terikat dalam suatu penelitian (Hammadi 2010). Data yang akan dianalisis pada penelitian ini adalah data eror pengendalian. Skema perhitungan eror “E” dapat dilihat pada Gambar 17. Persamaan yang digunakan dalam perhitungan eror dapat dilihat pada Persamaan 4. Dari selisih antara batas tanda kanan dan kiri dengan referensi, sehingga nilai eror dapat diperoleh. Persamaan yang dapat digunakan terdapat pada Persamaan 4.  d kiri  d E  abs kanan  2  

(4)

Gambar 17 Skema pengukuran pengendalian Analisis data pada penelitian ini menggunakan analysis toolpack yang terdapat pada microsoft excel. Pada uji Anova dengan excel, hanya diperoleh PValue yaitu dengan melihat P-Value pada Anova. Jika P-Value<0.05 berarti

14 terdapat perbedaan nyata perlakuan terhadap pengulangan. Namun, jika P-Value >0.05 maka tidak terdapat perbedaan nyata perlakuan dengan pengulangan percobaan. Perlakuan pada penelitian ini adalah sudut kamera yang berubah-ubah yaitu dari 90o, 78o dan 77o dan dilakukan pengulangan sebanyak tiga kali ulangan untuk masing masing sudut kamera.

HASIL DAN PEMBAHASAN Identifikasi dan Rancang Bangun Sistem Kendali Kendaraan Sprayer Tanpa Awak Berbasis Jaringan Penelitian ini dirancang sistem kendali untuk sprayer berbasis jaringan dengan penambahan kamera sebagai pemonitor pergerakan model sprayer. Perbedaan model dan model adalah model merupakan model awal (model asli) yang menjadi contoh. Sementara model adalah barang tiruan yang kecil dengan bentuk (rupa yang persis) seperti yang ditiru tetapi memiliki skala tertentu dalam aplikasi dari aslinya. Sistem kontrol berbasis jaringan adalah salah satu antar muka utama yang disediakan melalui halaman web yang bisa diakses dari web browser jaringan standar (Tom 2002). Penggunaan kontrol berbasis jaringan dilakukan dengan membuat server jaringan yang terhubung dengan program kontrol. Server jaringan adalah suatu program yang menggunakan model client/server dan World Wide Web’s Hypertext Transfer Protocol (HTTP), yang menyajikan berkas dalam bentuk halaman web kepada pengguna web (Rouse 2007). Gambar 18(a) menunjukan kendaraan sebelum modifikasi dan Gambar 18(b) menunjukkan setelah modifikasi. a

b

Gambar 18 Model sebelum dan sesudah dimodifikasi (a) Model sebelum modifikasi (b) Model setelah dimodifikasi Kalibrasi Sensor Hasil pengujian hubungan antara pembacaan sensor sudut kemudi dengan sudut belok kemudi dapat dilihat pada Gambar 19. Gambar 19 menjelaskan bahwa hubungan nilai pembacaan ADC dengan sudut kemudi hasil diperoleh koefisien

15 determinasi (R2) yang hampir mendekati 1 dengan menggunakan persamaan linier. Sudut kamera selama proses pengujian dapat dilihat pada Gambar 23.

Gambar 19 Grafik hubungan nilai ADC dengan sudut kemudi Uji Kinerja Sistem Kendali Pengujian berikutnya adalah pengujian radius putar. Pengujian ini bertujuan untuk mengetahui berapa radius putar untuk masing-masing arah belok. Pengujian dilakukan sebanyak tiga kali untuk setiap arah belok. Pengujian pertama belok kanan diperoleh nilai radius sebesar 211 cm untuk pengukuran pertama, 212.5 cm pengukuran kedua dan pengukuran ketiga sebesar 213 cm. Hasil pengujian kedua diperoleh nilai 211 cm untuk pengukuran pertama, 208.5 cm untuk pengukuran kedua, dan 210 cm untuk pengukuran ketiga. Pada pengujian ketiga diperoleh nilai 210.5 cm untuk pengukuran pertama, 209.5 cm untuk pengukuran kedua, dan 207.5 cm untuk pengukuran ketiga. Rata-rata nilai radius belok kanan adalah sebesar 210.2 cm. Pengujian pertama belok kiri diperoleh nilai radius sebesar 291.5 cm untuk pengukuran pertama, 290 cm pengukuran kedua dan 292 cm untuk pengukuran ketiga. Pengujian kedua diperoleh nilai radius sebesar 290.5 cm untuk pengukuran pertama, 292.5 cm untuk pengukuran kedua, dan 290 cm untuk pengukuran ketiga. Pengujian ketiga diperoleh nilai radius sebesar 290 cm untuk pengukuran pertama, 292 cm untuk pengukuran kedua, dan utuk pengukuran ketiga diperoleh nilai 290 cm. Rata-rata nilai radius belok kiri adalah sebesar 291cm. Data hasil pengujian dapat dilihat pada Tabel 3. Perbedaan nilai radius putar yang jauh ini diakibatkan karena sudut belok roda berbeda antara belok kanan dan kiri. Perbedaan ini sudah ada sejak awal sebelum modifikasi. Hal lain yang mempengaruhi radius putar ini adalah transmisi daya yang hanya ada di bagian roda kanan belakang saja sehingga mobil cenderung berbelok ke arah kiri. untuk lebih jelasnya, dapat dilihat pada Tabel 3.

16

Tabel 3 Data hasil pengujian radius putar belok kanan dan kiri Radius Putar (cm) Pengulangan Pengujian 1 Pengujian 2 Pengujian 3 Kanan Kiri Kanan Kiri Kanan Kiri 1 211 291.5 211 290.5 210.5 290 2 212.5 290 208.5 292.5 209.5 292 3 213 292 210 289.5 207.5 289.5 Std dev (cm) 1.0 1.0 1.2 1.5 1.5 1.3 Rata-rata (cm) 212.2 291.2 209.7 290.8 209.2 290.5 Pengujian sudut pandang kamera dilakukan saat model dalam keadaan statis atau diam. Hasil pengujian yang diperoleh dari pengulangan pertama dengan jarak sejauh 2.5 m dari kamera diperoleh nilai sudut kamera “α” sebesar 52.76°, sedangkan pengulangan kedua dengan jarak “y” sejauh 3.44 m dari kamera diperoleh nilai sudut kamera “α” sebesar 49.61°, dan dari pengulangan ketiga dengan jarak “y” sejauh 4.76 m diperoleh nilai sudut kamera “α” sebesar 49.51°. Rata-rata sudut kamera yang dipakai adalah 50.62°, untuk lebih jelasnya dapat dilihat pada Tabel 4 dan Gambar 20.

Gambar 20 Skema dimensi dalam pengujian sudut pandang kamera Tabel 4 Data pengujian sudut pandang kamera y (m) x (m) β (˚) α (˚) 2.5 2.5 63.6 52.8 4.8 4.4 65.2 49.5 3.4 3.1 65.2 496 Standar deviasi 1.8 Rata-rata 50.6 Pengujan jarak kendali yang dilakukan sebanyak dua kali untuk kendali dengan kendali dengan jaringan. Pengujian pertama kendali maksimal sejauh 55 m. Hasil yang sama juga

dalam penelitian ini dilakukan radio dan tiga kali untuk kendali kendali radio diperoleh jarak diperoleh dari pengujian kedua,

17 untuk lebih jelasnya dapat dilihat pada Tabel 6 dan grafik rataannya pada Gambar 22. Pengujian dengan kendali radio tidak dimungkinkan untuk mengetahui seberapa besar kekuatan sinyal dengan jarak karena tidak adanya indikator kekuatan sinyal. Pengujian yang dilakukan selanjutnya adalah pengujian jarak kendali dengan jaringan dengan Wifi. Menurut Sukmaaji dan Rianto (2008), Wifi adalah sinyal radio yang memancarkan koneksi internet sampai 90 m. Jika ditempelkan pada modem pita lebar, semua komputer di sekitarnya yang memiliki penerima Wifi akan bisa masuk ke jaringan internet tanpa memalui kabel. Modem pita lebar tersebut berfungsi sebagai access point Wifi. Access point tersebut menghubungkan jaringan nirkabel dan kabel bersama-sama dan dapat mengirimkan serta menerima data antara jaringan nirkabel dengan jaringan kabel. Jaringan Wifi memiliki jarak yang terbatas. Access point biasa yang menggunakan 802.11b atau 102.11 g dengan antena biasa memungkinkan memiliki jarak 35 m (120 ft) didalam ruangan dan 100 m (300 ft) diluar ruangan. Namun IEEE 802.11n bisa memiliki jarak lebih dari dua kali dari 802.11b atau 102.11g (Belanger 2007). Dalam penelitian ini, pengakses jaringan digunakan perangkat genggam Android dengan merk Samsung dengan tipe galaxy tab 2 7.0 (GTP3100). Pengujian pertama diperoleh jarak maksimal adalah 110 m, sedangkan pengujian kedua diperoleh jarak maksimal 120 m, dan pengujian ketiga diperoleh jarak maksimal 120 m, untuk lebih jelasnya dapat dilihat pada Tabel 5 dan Grafik rataannya pada Gambar 21.

Jarak(m) 0 10 20 30 40 50 60 70 80 90 100 110 120 130

1 5 5 4 4 4 4 4 4 3 2 2 1 0 0

Tabel 5 Data pengujian jarak kendali jaringan Indeks kekuatan sinyal Keterangan 2 3 Rata-rata 5 5 5.00 Sangat kuat 5 5 5.00 Sangat kuat 4 4 4.00 Kuat 3 4 3.67 Kuat 3 4 3.67 Kuat 4 4 4.00 Kuat 3 3 3.33 Bagus 3 3 3.33 Bagus 3 3 3.00 Bagus 3 2 2.33 Cukup 3 2 2.33 Cukup 2 2 1.67 Cukup 1 1 0.67 Lemah 0 0 0.00 Tidak terdeteksi

18

Gambar 21 Grafik rataan hasil pengujian jarak kendali jaringan

Gambar 22 Grafik rataan hasil pengujian jarak kendali radio Jarak (m) 0 5 10 15 20 25 30 35 40 45 50 55 60

Tabel 6 Data pengujian jarak kendali kendali radio Pengulangan Keterangan 1 2 Rata-rata 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 1 1 1 Ada respon 0 0 0 Tidak ada respon

19 Pengujian kecepatan maju dilakukan sebanyak tiga kali pengulangan. Dimensi diameter roda adalah 28 cm dengan keliling sebesar 88 cm. Hasil pengulangan pertama untuk slip roda kanan sebesar 2.72% dengan kelajuan 34.51 cm/s, sedangkan untuk slip roda kiri sebesar 3.18% dengan kelajuan 26.29 cm/s. Pengujian kedua diperoleh hasil untuk slip roda kiri sebesar 0.22% dengan kelajuan 33.25 cm/s dan untuk slip roda kanan sebesar 1.81% dengan kelajuan sebesar 31.07 cm/s. Pengujian ketiga diperoleh hasil slip roda kiri sebesar 1% dengan kelajuan 30 cm/s dan slip roda kanan sebesar 2.5%. Data hasil pengujian lebih lengkap dapat dilihat pada Tabel 7. Slip roda terjadi karena diberikannya torsi untuk bergerak pada roda yang menyebabkan adanya gaya traksi pada permukaan sentuh roda dengan lantai. Pemberian torsi membuat roda terkompresi pada bidang sentuh yang menyebabkan roda akan berjalan dengan jarak lebih pendek dibandingkan dengan roda yang menggelinding bebas. Fenomena ini disebut sebagai slip roda atau deformation slip (Ming 1997).

Ulangan 1 2 3 4 Ratarata

Tabel 7 Data pengujian kecepatan maju Kiri Kanan Jarak Waktu Kecepatan Jarak Waktu Kecepatan % Slip (cm) (s) (cm/s) (cm) (s) (cm/s) 426 16.2 26.3 3.2 428 12.4 34.5 439 13.2 33.3 0.2 432 13.9 31.1 435 14.5 30.0 1.1 429 13.6 31.5 430 13.8 31.2 2.3 428 14.0 30.6

% Slip 2.7 1.8 2.5 2.7

432.5

2.4

14.4

30.2

1.7

429.3

13.5

31.9

Pengujian yang dilakukan selanjutnya adalah pengujian kendali jaringan jalur lurus. Pengujian ini dilakukan sebanyak 3 kali pengujian untuk 3 perlakuan. Perlakuan yang dilakukan adalah dengan mengatur sudut kamera terhadap bidang datar. Dari hasil uji ANOVA terhadap rata-rata selisih jalur kontrol dengan jalur proyeksi pengendalian diperoleh hasil pengujian seperti pada Tabel 8. Dari Tabel 8 dapat disimpulkan bahwa sudut kamera 72°, sudut kamera 77°, dan sudut kamera 90° berpengaruh nyata terhadap pengendalian pada jalur lurus. Karena nilai P-Value lebih kecil daripada 0.05. Proyeksi jalur yang dilalui oleh model dapat dilihat pada Gambar 24. Data absolut eror hasil pengujian dapat dilihat pada Lampiran 4. Contoh tampilan sudut kamera selama proses pengujian dapat dilihat pada Gambar 23.

20

Gambar 23 Tampilan kontroler di android dengan sudut masing masing (a) 90o (b) 78o (c) 72o

21 Sudut Kamera

Ulangan 1

Ulangan 2

Ulangan 3

72

77

90

Gambar 24 Proyeksi jalur pengendalian lurus

22 Tabel 8 Tabel uji ANOVA pengendalian jalur lurus Source of SS Df MS F P-Value Variation Between Groups 211.55 2 105.77 5.12 0.0069 Within Groups 3845.76 186 20.68 Total

4057.31

F crit 3.04

188

Pada pengujian selanjutnya yaitu pengujian pengendalian jaringan dengan jalur berbelok ke kanan. Pengujian ini juga dilakukan sebanyak 3 kali pengujian dengan 3 perlakuan yang sama dengan pengujian pengendalian jalur lurus. Dari hasil uji ANOVA terhadap rata-rata jalur kontrol dengan jalur proyeksi pengendalian diperoleh hasil seperti pada Tabel 9. Dari Tabel 9 dapat disimpulkan bahwa ketiga perlakuan terhadap sudut kamera tidak berpengaruh nyata terhadap pengendalian model pada jalur belok kanan karena nilai P-Value lebih besar dari 0.05. Untuk proyeksi jalur dari model saat pengujian dapat dilihat pada Gambar 25. Data absolut eror hasil pengujian dapat dilihat pada Lampiran 5. Tabel 9 Tabel uji ANOVA pengendalian jalur belok kanan Source of SS Df MS F P-Value F crit Variation Between 46.0 2 23.0 0.2 0.7920 5.1 Groups Within 570.2 6 95.0 Groups Total

616.2

8

Pada pengujian pengendalian jaringan dengan jalur belok ke kiri dilakukan pengulangan dan perlakuan yang sama seperti pengujian pengendalian belok kanan. Setelah dilakukan uji ANOVA terhadap rata-rata jalur kontrol dengan jalur proyeksi pengendalian model diperoleh hasil seperti pada Tabel 10. Dari Tabel 10 dapat disimpulkan bahwa sudut kamera 72°, sudut kamera 77°, dan sudut kamera 90° berpengaruh nyata terhadap pengendalian model pada jalur berbelok ke kiri karena nilai P-Value lebih kecil dari 0.05. Proyeksi dari jalur pengendalian model pada jalur belok kiri dapat dilihat pada Gambar 26. Data absolut eror hasil pengujian dapat dilihat pada Lampiran 6. Tabel 10 Tabel uji ANOVA pengendalian jalur berbelok kiri Source of SS Df MS F P-Value F crit Variation Between Groups 737.0 2 368.5 6.1 0.03567 5.1 Within Groups 361.7 6 60.2 Total

1098.7

8

23 Sudut Kamera

Ulangan 1

Ulangan 2

Ulangan 3

72

77

90

Gambar 25 Proyeksi jalur pengendalian belok kanan P-Value dari uji ANOVA pengendalian belok kanan dengan belok kiri didapatkan hasil yang jauh berbeda. Hal ini disebabkan saat pengendalian belok kanan, motor pengerak yang hanya ada pada roda kanan belakang menyebabkan model sulit untuk berbelok ke kanan. Sedangkan pada pengendalian belok kiri, motor penggerak yang hanya ada pada roda kanan belakang justru mempermudah untuk berbelok kiri.

24 Sudut Kamera

Ulangan 1

Ulangan 2

Ulangan 3

72

77

90

Gambar 26 Proyeksi jalur pengendalian belok kiri Selama proses pengujian, kendala yang dihadapi adalah dalam proses pengendalian secara fisik alat yang digunakan memiliki roda depan yang tidak sejajar. Roda belakang memiliki poros terpisah yang menyebabkan alat cenderung bergerak ke kiri. Hal ini kemungkinan terjadi karena kendaraan yang digunakan proses produksinya tidak terlalu baik, sehingga terjadi bias selama proses pengendalian alat. Selain hal tersebut, kendala lain adalah kurang presisinya kendaraan yang digunakan, sehingga model menjadi sulit untuk dikendalikan. Ketidakpresisian kendaraan terlihat dari roda depan yang tidak sejajar dan saling mengarah ke dalam seperti pada Gambar 27 (a) dan 27 (b). Selain itu, sumber keluaran tenaga dorong yang hanya terdapat di roda kanan belakang seperti pada Gambar 28 menyebabkan model cenderung berbelok ke kiri. Kelemahan sistem kendali ini adalah pada pengendalian kemudi tidak dikendalikan dengan mengatur nilai sudut kemudi yang digunakan saat berbelok. Namun, kemudi model langsung berbelok penuh ke arah kanan dan kiri. Kelemahan tersebut mengakibatkan pengendalian menjadikan model menjadi berbelok-belok meskipun di jalur lurus.

25 a

b

Gambar 27 Kekurangan mobil listrik mini (a) Posisi roda kiri lurus, (b) Posisi roda kanan yang miring ke dalam

Gambar 28 Posisi sumber tenaga roda belakang hanya pada roda bagian kanan Kelebihan dari sistem pengendalian ini adalah adanya integrasi dari tampilan dan kontrol menjadi dalam satu perangkat yang biasanya terpisah atau harus menggunakan perangkat yang berbeda seperti pada kendali radio control. Selain itu, dengan sistem pengendalian ini, pengguna dapat menggunakan bermacam-macam alat pengendalian yang dapat terhubung dengan jaringan Wifi dan memiliki web browser seperti smart phone, komputer, laptop dan lain lain. Untuk meningkatkan jarak kendali dapat digunakan jaringan internet sehingga model dapat dikendalikan dari manapun selama masih ada jaringan internet atau dengan menggunakan koneksi wireless antara model dengan jaringan menggunakan Wifi sehingga dimungkinkan untuk menambah jangkauan jaringan. Skema untuk penambahan jarak kendali dapat dilihat pada Gambar 29. Pada Gambar 29, setiap komputer yang ada di kantor dapat mengendalikan model yang

26 ada di lahan dikarenakan masih berada dalam satu jaringan. Lahan 1 menggunakan koneksi kabel dengan jaringan di kantor. Lahan 2 pada skema menggunakan tower antena untuk menyambung dengan jaringan pada kantor.

Gambar 29 Skema penambahan jarak kendali

27

SIMPULAN DAN SARAN Simpulan Kesimpulan yang diperoleh dari penelitian ini antara lain : 1. Modifikasi telah dilakukan pada kendaraan sehingga kendaraan dapat dikendalikan dari jarak jauh melalui jaringan. 2. Kalibrasi yang dilakukan adalah dengan mengatur pembacaan sudut belok kemudi dan diatur agar model dapat berbelok maksimal ke kanan dan ke kiri serta berjalan lurus. Kendaraan yang digunakan tidak presisi sehingga ketepatan yang baik saat pengoprasian tidak dapat tercapai. Jarak kendali tanpa awak dari semula hanya 55 m dapat ditingkatkan menjadi 110 m dengan menggunakan kendali jaringan. Dengan digunakannya kendali jaringan masih dimungkinkan untuk ditingkatkan jarak pengendaliannya dengan menggunakan layanan internet. 3. Dari hasil pengujian, sudut kamera secara keseluruhan berpengaruh nyata terhadap pengendalian Saran Program pengendalian sebaiknya yang dapat mengendalikan arah kemudi secara otomatis ketika tidak diberikan perintah sehingga objek dapat kembali ke jalur lurus. Pengendalian besar sudut putar juga perlu diberikan untuk meningkatkan kemudahan pengendalian. Selain itu, pengangkut mini sprayer yang digunakan lebih kuat dan presisi sehingga eror yang dihasilkan kecil. Raspberry Pi juga dapat digunakan sebagai mini komputer karena referensi dan pengembangannya lebih cepat dan mudah ditemukan. Jika tetap menggunakan pcDuino, pengendalian ke aktuator sebaiknya menggunakan arduino atau mikrokontroler yang memiliki batas tegangan 5 V. Penambahan perekam aktivitas dari pengendalian juga sebaiknya ditambahkan untuk memudahkan dalam perawatan, perbaikan, dan pengaturan. Koneksi antara sistem kendali dan kamera sebaiknya dibuat bersama, tidak terpisah atau dengan program yang berbeda sehingga dapat mempercepat tampilan gambar dan kendali serta meningkatkan kualitas tampilan gambar.

DAFTAR PUSTAKA Belanger P. 2007. 11n delivers better range [Internet]. [diunduh 2015 Januari 29]. Tersedia pada: http://www.Wifiplanet.com/tutorials/article.php/3680781. Bjugstad N, P Hermansen. 2009. Potential operator exposure when spraying in strawberry and raspberry tunnel system. The CIGR Ejournal Manuscript BC. 11(1049). Bjugstad N, T Torgrimsen. 1995. Operator safety and plant deposit when using pesticide in green house. Sciencedirect

28 EFSA. 2008. Opinion of the scientific panel on plant protection product and their residues [Internet]. [diunduh 2015 April 15]. Tersedia pada: http://www.efsa.europa.eu/en/efsajournal/doc/705.pdf. Hammadi. 2010. Metode Penelitian Pendidikan. Bandung. Indonesia Hernández AF, Gil F, Pla A, Gómez A, Lozano D, Parrón, T, Requena MM, Alarcón R. 2011. Emerging human health concern from chronic exposure to pesticide mixtures. Toxico Lett. 205:S4-S5. Hernández AF, Parrón T, Alarcón R. 2011. Pesticides and asthma. Curr Opon Allergy Clin Immunol. 11:90-96. Ming, Qian. 1997. Sliding Mode Controller Design for ABS System [Internet]. [diunduh 9 Juli 2015]. Tersedia pada : http://scholar.lib.vt.edu/theses/available/etd5440202339731121/unrestricted/REF_DOC.pdf Rouse M. 2007.Web server [Internet]. [diunduh 2015 April 27]. Tersedia pada: http://whatis.techtarget.com/definition/Jaringan-server. Sato A. 2003. The RMAX helicopter UAV. Yamaha motor Co.Ltd. Japan. Sugiura R, Noboru N, Kazunobu I. 2005. Remote-sensing technology for vegetation monitoring using an unmanned helicopter. Biosystem Engineering Sciencedirect. 90(4):369-379. Sukmaaji A, Rianto. 2008. Jaringan Komputer : Konsep Dasar Pengembangan Jaringan dan Keamanan Jaringan. Yogyakarta. Indonesia (ID): Andi. Tom S. 2002. Web-based control system: doing more with more [Internet].[diunduh 2015 April 27]. Tersedia pada: http://www.automatedbuildings.com/news/sep02/articles/stom/stom.htm. Tosaki K, Sumihiko M, Tomohiko I, Shiro T, Yoshiharu M, Hiroshi M, dan Susumu M. 1998. Development of microcomputer-controlled unmanned air blast sprayer. JARQ. 32:137-180. Weisenburger DD. 2004. Human health effects of agrichemical use. Human Pathology . 24(6): 571-576.

29

LAMPIRAN Lampiran 1 Gambar alat yang digunakan

Gambar 30 Sensor sudut kemudi

Gambar 31 Kamera dan mekanismenya

Gambar 32 Rangkaian saklar elektronik

Gambar 33 pcDuino

Gambar 34 Driver motor kamera

Gambar 35 Driver motor kemudi dan roda penggerak

Gambar 36 Penempatan komponen

Gambar 37 Wifi router

30 Lampiran 2 Kode sumber tampilan pada web browser (ditulis dengan format HTML) Nama file : rc.html <style type="text/css"> .style1 { width: 100%; } <script src="//ajax.googleapis.com/ajax/libs/jquery/1.11.0/jquery.min.js"> <script language="javascript" type="text/javascript"> function Button_onclick(direction) { $.ajax({ url: '/' + direction }); }

31

32 Lampiran 3 Kode sumber program kendali (ditulis dengan bahasa Python) Nama file : rc.py import gpio import time, os import atexit from adc import analog_read from flask import request from flask import Flask, render_template, request app = Flask(__name__) belakangA="gpio2" belakangB="gpio3" depanA="gpio4" depanB="gpio5" kameraA="gpio7" kameraB="gpio6" LSkamera="gpio8" gpio.pinMode(belakangA, gpio.OUTPUT) gpio.pinMode(belakangB, gpio.OUTPUT) gpio.pinMode(depanA, gpio.OUTPUT) gpio.pinMode(depanB, gpio.OUTPUT) gpio.pinMode(kameraA, gpio.OUTPUT) gpio.pinMode(kameraB, gpio.OUTPUT) gpio.pinMode(LSkamera, gpio.INPUT) gpio.digitalWrite(belakangA, gpio.LOW) gpio.digitalWrite(belakangB, gpio.LOW) gpio.digitalWrite(depanA, gpio.LOW) gpio.digitalWrite(depanB, gpio.LOW) gpio.digitalWrite(kameraA, gpio.LOW) gpio.digitalWrite(kameraB, gpio.LOW) def delay(ms): time.sleep(1.0*ms/1000) return def kamera(): value=analog_read(3) if(value>4050): gpio.digitalWrite(kameraA, gpio.HIGH) gpio.digitalWrite(kameraB, gpio.LOW) delay(100) gpio.digitalRead(LSkamera) while(not gpio.digitalRead(LSkamera)): gpio.digitalWrite(kameraA, gpio.HIGH)

33 gpio.digitalWrite(kameraB, gpio.LOW) gpio.digitalRead(LSkamera) gpio.digitalWrite(kameraA, gpio.LOW) gpio.digitalWrite(kameraB, gpio.LOW) return else : gpio.digitalWrite(kameraA, gpio.LOW) gpio.digitalWrite(kameraB, gpio.HIGH) delay(100) gpio.digitalRead(LSkamera) while(not gpio.digitalRead(LSkamera)): gpio.digitalWrite(kameraA, gpio.LOW) gpio.digitalWrite(kameraB, gpio.HIGH) gpio.digitalRead(LSkamera) gpio.digitalWrite(kameraA, gpio.LOW) gpio.digitalWrite(kameraB, gpio.LOW) return def kiri(): value=analog_read(2) while(value>=1900): gpio.digitalWrite(belakangA, gpio.LOW) gpio.digitalWrite(belakangB, gpio.HIGH) value=analog_read(2) gpio.digitalWrite(belakangA, gpio.LOW) gpio.digitalWrite(belakangB, gpio.LOW) return def kananA(): value=analog_read(2) while(value<=2600): gpio.digitalWrite(belakangA, gpio.HIGH) gpio.digitalWrite(belakangB, gpio.LOW) value=analog_read(2) gpio.digitalWrite(belakangA, gpio.LOW) gpio.digitalWrite(belakangB, gpio.LOW) return def lurus(): value=analog_read(2) while(value <2200): gpio.digitalWrite(belakangA, gpio.HIGH) gpio.digitalWrite(belakangB, gpio.LOW) value=analog_read(2) while(value >2400): gpio.digitalWrite(belakangA, gpio.LOW) gpio.digitalWrite(belakangB, gpio.HIGH) value=analog_read(2) gpio.digitalWrite(belakangA, gpio.LOW) gpio.digitalWrite(belakangB, gpio.LOW) return

34

def mundur(): gpio.digitalWrite(depanA, gpio.LOW) gpio.digitalWrite(depanB, gpio.HIGH) return def maju(): gpio.digitalWrite(depanA, gpio.HIGH) gpio.digitalWrite(depanB, gpio.LOW) return def berhenti(): gpio.digitalWrite(depanB, gpio.LOW) gpio.digitalWrite(depanA, gpio.LOW) return @app.route("/") def main(): # Create a template data dictionary to send any data to the template templateData = { 'title' : 'kontrol Sprayer' } # Pass the template data into the template rc.html and return it to the user return render_template('rc.html', **templateData) @app.route("/") def move(direction): if direction == 'kiri': kiri() if direction == 'kanan': kananA() if direction == 'maju': maju() if direction == 'mundur': mundur() if direction == 'berhenti': berhenti() if direction == 'lurus' : lurus() if direction == 'kamera': kamera() template_data = { 'title' : direction, } return render_template('rc.html', **template_data) if __name__ == "__main__": app.run(host='0.0.0.0', port=80, debug=True)

35 Lampiran 4 Data absolut eror pengendalian jalur lurus 72 77 90 Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan 1 2 3 1 2 3 1 2 3 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.75 2.00 1.75 1.50 3.25 6.75 2.00 2.75 1.00 1.25 16.50 0.75 2.25 4.25 9.75 1.00 3.75 1.25 3.75 21.75 0.50 2.25 4.25 12.25 3.00 2.75 2.00 5.70 17.75 1.75 5.75 1.50 13.00 3.50 2.75 0.25 1.50 10.25 3.50 4.50 1.25 11.75 2.50 4.00 0.25 0.50 7.75 4.75 7.25 3.25 9.75 0.50 3.75 2.25 1.25 0.25 3.00 10.25 5.00 8.00 6.50 1.50 2.50 3.00 2.50 4.00 10.25 4.25 10.75 10.00 4.00 1.25 3.50 3.00 0.75 7.75 2.75 9.00 12.00 3.50 1.00 4.25 0.75 0.00 7.50 0.00 6.50 12.00 3.50 4.50 4.00 1.25 2.00 7.50 0.75 13.75 10.00 6.75 7.50 2.75 5.00 3.75 11.00 1.75 16.50 6.00 6.75 8.50 1.25 9.25 2.75 8.75 2.75 17.25 0.50 6.25 7.50 1.00 7.75 0.50 11.25 3.00 15.50 0.00 3.25 5.25 3.00 1.00 2.00 15.75 0.50 11.00 1.00 3.75 6.50 7.00 5.50 8.75 15.75 0.50 8.50 1.50 0.00 2.75 5.75 7.25 12.50 13.75 1.75 3.25 0.50 6.00 4.75 7.50 7.00 13.00 9.00 1.50 3.50 0.50 10.25 9.00 12.50 3.00 12.75 13.25 3.00 6.50 2.00 7.75 9.75 18.00 5.75 9.75 15.00 1.25 5.25 3.00 14.50 9.00

36 Lampiran 5 Data absolut eror pengendalian jalur belok ke kanan 72 77 Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan 1 2 3 1 2 3 11.00 0.00 0.50 7.50 5.25 3.00 16.75 0.00 0.75 8.00 8.50 6.75 22.50 1.50 1.25 7.50 12.50 9.25 23.00 2.00 1.75 6.50 16.25 9.25 24.75 1.50 4.75 8.25 17.00 8.25 30.00 3.00 3.75 10.75 14.75 8.75 33.50 4.00 4.25 12.50 13.25 10.50 31.50 4.50 5.00 15.00 12.00 11.75 29.75 4.50 7.25 17.00 11.50 13.50 26.50 5.60 7.75 19.00 10.75 4.00 22.50 6.00 9.25 21.50 10.00 15.50 18.25 6.00 10.00 23.00 9.90 17.00 22.00 8.50 10.50 25.00 8.75 17.75 5.75 9.00 10.50 27.00 8.50 19.00 2.50 10.00 10.75 29.00 8.50 21.00 2.00 10.50 12.25 28.75 7.75 21.75 4.50 11.50 13.00 28.75 8.50 22.00 8.50 13.00 13.75 29.75 8.50 21.75 12.00 10.50 13.75 31.00 7.75 21.50 15.00 14.50 14.75 33.00 7.75 21.50 20.50 15.00 16.00 33.00 8.50 23.00 23.00 15.50 16.50 33.50 8.75 22.75 26.00 16.00 16.25 35.75 9.75 25.00 30.00 16.50 16.00 36.50 10.25 25.00 32.00 17.50 16.50 38.50 11.25 26.25 35.00 18.00 15.50 39.75 11.23 27.00 39.00 18.00 17.00 35.50 12.00 27.00 39.50 18.00 17.50 31.00 12.00 27.00 42.50 18.50 17.50 24.50 12.50 28.00 45.00 20.25 18.00 21.50 11.90 31.50 45.50 21.50 20.00 18.25 15.25 31.50 48.00 20.50 20.00 16.50 15.75 33.50 50.00 21.50 22.00 12.75 19.00 36.50 52.00 22.00 22.75 11.00 19.75 37.75 54.00 22.50 24.25 8.50 20.50 38.50 55.50 21.50 23.75 7.75 21.75 39.75 58.50 22.00 22.75 6.50 18.75 41.75 59.50 20.50 24.50 5.50 14.00 44.00

90 Ulangan Ulangan Ulangan 1 2 3 2.00 5.00 1.00 6.00 8.00 12.75 7.00 12.50 15.25 8.50 15.75 17.75 10.00 14.50 10.50 10.50 13.00 12.75 13.50 13.50 15.75 11.50 13.50 18.00 12.50 14.00 19.50 14.00 15.50 14.00 13.50 15.50 14.50 15.00 16.00 12.50 16.00 18.00 21.00 17.50 19.00 20.00 17.00 20.00 19.50 20.50 20.50 18.75 20.75 22.00 19.25 22.25 23.00 18.75 22.75 24.50 18.75 24.50 25.00 17.75 24.00 26.00 18.00 26.00 26.80 17.75 30.00 30.00 17.50 30.00 29.75 18.00 30.00 32.00 17.75 31.50 31.50 17.50 30.50 33.00 18.25 30.50 34.25 18.50 29.25 34.00 18.25 25.00 36.00 19.50 23.00 36.50 19.50 22.50 37.00 20.25 21.00 37.25 20.75 20.50 38.50 21.75 19.50 38.25 22.25 17.50 39.00 22.75 17.50 39.75 24.50 15.50 40.00 26.00

37 61.00 63.00 63.00 64.00 64.50 65.50 66.00 64.00 64.00 62.00 60.00 57.50 55.00 53.00 50.00 46.00 43.00 39.00 38.00 33.00 29.00 27.50 -

21.00 20.00 20.00 20.50 20.50 19.75 19.75 19.25 19.50 19.00 18.00 18.50 18.75 18.25 18.50 17.75 17.75 17.50 17.75 17.25 16.75 16.75 17.25 16.75 16.00 16.50 16.25 16.50 17.25 17.00 17.75 16.25 16.75 16.25 16.50 15.75 16.75 16.25 16.75 16.75 16.50 15.50

23.75 23.75 24.75 24.75 24.00 25.00 25.00 24.75 25.00 25.00 24.50 25.00 24.75 24.75 25.75 25.25 25.25 25.75 24.75 25.75 25.75 25.25 24.75 24.75 24.75 23.75 23.50 23.50 23.00 22.00 22.50 22.50 22.50 22.25 21.50 21.25 21.50 21.00 20.50 20.50 19.75 -

4.00 3.00 2.00 0.50 1.50 1.25 0.50 0.50 0.50 1.50 2.50 -

10.50 7.50 4.50 2.00 0.25 0.75 2.50 3.25 3.50 5.25 -

44.75 45.00 45.50 47.25 48.00 50.00 50.50 51.50 53.50 54.50 55.25 -

15.00 14.00 12.75 12.00 14.00 9.50 9.50 8.50 7.25 5.75 4.75 4.00 3.25 2.25 0.75 -

40.50 40.50 40.50 40.50 40.50 40.50 39.75 -

26.75 28.00 28.50 29.50 31.75 32.25 32.75 -

38 -

14.50 12.00 12.00

-

-

-

-

-

-

-

39 Lampiran 6 Data absolut eror pengendalian jalur belok ke kiri 72 77 90 Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan Ulangan 1 2 3 1 2 3 1 2 3 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 1.00 4.00 0.50 5.50 0.50 3.25 0.00 4.00 2.00 3.50 10.00 2.50 14.00 5.25 9.25 0.00 9.00 0.00 6.50 15.00 4.50 18.75 12.25 10.50 0.00 14.50 0.50 11.00 19.25 7.50 19.75 17.50 9.00 2.00 21.00 2.00 15.00 19.25 11.50 18.00 16.75 10.00 7.00 27.00 5.50 19.50 17.25 14.50 16.25 14.00 11.00 3.50 30.50 9.50 20.00 9.00 11.50 16.75 15.50 9.50 7.00 31.00 15.00 17.00 3.00 12.00 18.00 17.00 5.25 12.50 33.00 21.50 15.00 1.00 2.50 19.50 19.25 2.50 18.00 35.50 27.50 14.50 4.00 0.50 21.00 22.75 1.00 22.50 38.50 33.50 14.50 6.00 1.00 23.00 25.50 0.50 29.00 40.50 38.50 16.00 8.00 1.00 23.50 28.25 10.25 33.00 45.00 43.50 17.50 9.00 0.50 24.50 26.25 0.25 37.00 48.00 42.50 20.00 9.00 0.50 25.25 24.25 0.75 36.00 50.00 38.50 22.00 9.00 1.50 27.50 24.25 1.75 34.00 50.50 33.50 24.50 8.50 3.50 28.50 24.50 4.25 35.00 50.50 31.50 23.00 8.00 6.50 25.50 25.25 6.25 35.00 51.00 29.00 20.00 6.00 9.00 33.00 26.75 9.25 36.00 52.50 26.50 19.00 3.50 13.50 35.25 29.00 13.50 38.00 52.50 24.50 19.00 0.50 18.50 33.50 25.75 17.25 39.00 53.50 23.50 20.00 4.50 16.50 26.25 22.25 22.00 41.50 54.00 23.50 22.00 8.75 12.50 19.00 20.25 23.50 44.00 56.00 23.50 25.00 12.00 9.50 11.50 15.75 31.25 48.00 57.00 25.00 25.50 15.00 8.50 5.25 5.50 30.75 58.50 26.50 22.50 14.00 8.00 0.00 3.25 27.25 59.00 29.00 19.00 14.00 7.50 4.50 9.75 23.75 60.50 31.50 18.00 14.50 7.50 10.25 16.25 21.25 60.50 35.00 15.50 16.50 8.50 15.00 21.75 19.25 61.75 38.00 15.50 13.00 8.50 19.50 27.00 18.75 62.50 41.50 14.50 20.00 9.00 22.25 30.25 18.25 63.00 45.50 27.00 34.75 18.50 29.00 36.75 18.75 30.75 39.25 19.50 31.75 38.75 20.00 31.75 38.00 21.75 -

40

RIWAYAT HIDUP Penulis dilahirkan pada tanggal 15 Mei 1992 di Salatiga, Jawa Tengah sebagai anak kedua dari tiga bersaudara dari ayah H. Muchsin dan ibu Hj. Siti Afifah. Penulis menempuh pendidikan sekolah dasar di SD Al-Azhar 22 Salatiga pada tahun 1998-2004. Pendidikan sekolah menengah pertama di SMP Al-Azhar 18 Salatiga pada tahun 2004-2007. Pendidikan sekolah menengah atas di SMA Negeri 1 Salatiga pada tahun 2007-2010. Penulis melanjutkan pendidikan tinggi di Teknik Mesin dan Biosistem (TMB), Fakultas Teknologi Pertanian (Fateta), Institut Pertanian Bogor melalui jalur Undangan Seleksi Masuk IPB (USMI). Selama menjalankan aktivitas kampus, penulis juga aktif di beberapa kegiatan kepanitian dan organisasi, diantaranya adalah menjadi anggota divisi Public Relation pada Himpunan Mahasiswa Teknik Pertanian pada tahun 2011, Ketua divisi Danus untuk kegiatan SAPA Himateta 2012, Ketua Divisi Danus pada acara Fieldtrip TMB 2013. Selain itu, penulis juga berperan sebagai anggota klub Engineering Robotic Club pada tahun 2013-2015. Selain itu, penulis juga menjadi asisten paraktikum Mata Kuliah Motor Bakar pada tahun 2013 dan 2014. Selama kuliah, penulis mendapatkan beasiswa dari Program Peningkatan Akademik (PPA) dari DITJEN DIKTI. Penulis melaksanakan praktik lapang di pabrik karet PT. Perusahaan Negara IX, Kabupaten Semarang, Jawa Tengah.