Penyetabil Ketinggian Terbang Quadcopter dengan Menerapkan Neural Network Backpropagation

Olifianto, Bagus (2015) Penyetabil Ketinggian Terbang Quadcopter dengan Menerapkan Neural Network Backpropagation. [Undergraduate thesis]

[img]
Preview
PDF
TE_384_Abstrak.pdf

Download (17Kb) | Preview
Official URL / DOI: http://digilib.ubaya.ac.id/pustaka.php/240956

Abstract

QuadCopter merupakan salah satu jenis robot terbang yang sering digunakan pada bidang pengintaian. Kemampuan melakukan gerakan VTOL (Vertical Take-off and Landing) merupakan keunggulan dari QuadCopter dibandingkan jenis robot terbang lainnya. Salah satu permasalahan yang sering dialami saat QuadCopter melakukan pengintaian ialah hasil pengambilan gambar yang kurang bagus yang disebabkan adanya gerakan pada kamera karena perubahan ketinggian terbang QuadCopter. Mengacu pada hal tersebut, dibutuhkan suatu sistem kontrol untuk menyetabilkan ketinggian terbang QuadCopter. Banyak penelitian yang berkaitan dengan NNBP (Neural Network Backpropagation), namun pengembangan dan pengaplikasian NNBP digunakan secara real sebagai penyetabil ketinggian terbang QuadCopter belum dikembangkan, sehingga munculah ide untuk membuat penyetabil ketinggian terbang QuadCopter dengan menerapkan NNBP. Pada Tugas Akhir ini, perancangan NNBP sebagai penyetabil ketinggian terbang QuadCopter terdiri atas 2 bagian utama yaitu perancangan software training dilakukan dengan menggunakan software Delphi Lite 7 dan software running yang diprogramkan pada board YoHe v2.1. Board YoHe v2.1 merupakan board kontroler yang didesain khusus untuk menerapkan NNBP sebagai penyetabil ketinggian QuadCopter. NNBP ini berkerja berdasarkan error dan delta error yang diperoleh dari bacaan sensor ketinggian. Pada Tugas Akhir ini sensor ketinggian yang digunakan adalah sensor ultrasonik SRF05 dan sensor barometer MS5611- 01BA03. Untuk spesifikasi QuadCopter yang digunakan pada Tugas Akhir ini adalah frame X-Copter FY450, motor SunnySky X2212-980kV, ESC ZTW SPIDER OPTO 30 A, Propeller 1045, kontroler terbang (KK2.0) dan baterai LiPo Turnigy 3 cell 2200 mAh 25C. Setelah dilakukan pengujian menggunakan 60 buah kombinasi hidden layer dan node yang dipilih secara acak didapatkan hasil yang terbaik pada kombinasi hidden layer dan node dengan menggunakan 3 buah hidden layer dengan konfigurasi 4 buah node pada hidden layer 1, 2 buah node pada hidden layer 2, dan 7 buah node pada hidden layer 3. Persentase error terbaik yang dihasilkan oleh kombinasi terbaik tersebut dengan menggunakan sensor ultrasonik adalah 6.5% pada ketinggian setpoint 200 cm dengan osilasi 13 cm. Sedangkan persentase error terbaik yang dihasilkan menggunakan sensor barometer adalah 9.9% pada ketinggian 400 cm dengan osilasi 39.6 cm.

Item Type: Undergraduate thesis
Uncontrolled Keywords: Neural Network Backpropagation, penyetabil ketinggian, QuadCopter, board YoHe, SRF05, MS5611-01BA03
Subjects: T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions: Faculty of Engineering > Department of Electrical Engineering
Depositing User: Sugiarto
Date Deposited: 28 Mar 2016 08:23
Last Modified: 28 Mar 2016 08:23
URI: http://repository.ubaya.ac.id/id/eprint/27198

Actions (login required)

View Item View Item