Pengembangan Sistem Kendali Berbasis Kecerdasan Komputasional dengan Metode Backpropagation Neural network untuk Robot Beroda

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem kendali yang optimal berdasarkan error minimum bagi robot beroda tiga dengan dua motor pengendali. Sistem yang dikaji pada penelitian ini adalah sistem direct inverse control dengan neural network yang dilatih menggunakan algoritme backpropagation. Metode ini dipilih karena masih baru, banyak diteliti, dan membutuhkan pembuktian kinerja. Penelitian ini menganalisis penggunaan 2 jenis algoritme yaitu Levenberg Marquardt Backpropagation dan Bayesian Regularization Backpropagation dengan 12 konfigurasi jaringan dari kombinasi dua variasi jenis input, dua variasi jumlah delay, dan tiga variasi jumlah hidden neuron. Hasil simulasi menunjukkan bahwa arsitektur jaringan sistem kendali yang terbaik adalah 13-20-2 dengan MSE pelatihan 0,0807 pada epoch ke-3 dan MSE pengujian sebesar 0,0857 menggunakan input delta. Pengujian nyata model kendali neural network pada robot beroda menghasilkan MSE kendali sebesar 0,5018. Hasil ini menjadi bukti awal bahwa sistem kendali berbasis neural network dapat digunakan untuk robot beroda.