Pengembangan Sistem Kendali Robot Beroda dengan Metode Self-Organizing Map (SOM).

Abstract

Self-organizing map (SOM) adalah salah satu teknik unsupervised learning yang dapat digunakan sebagai alternatif sistem kendali robot beroda yang biasanya menggunakan teknik supervised learning seperti backpropagation neural network (BPNN). Penelitian ini bertujuan untuk membandingkan kinerja SOM dengan kinerja BPNN dan membuat suatu mekanisme robot yang dapat memperbaiki kekurangan pada penelitian sebelumnya. Kontrol sistem yang digunakan adalah direct inverse control (DIC) yang bekerja dengan cara membangkitkan sinyal kendali berdasarkan lintasan (trajectory) yang telah ditentukan melalui proses inverse. Agar SOM dapat diterapkan pada sistem DIC dengan pemetaan input-output dinamis, maka diperlukan sedikit modifikasi pada algoritme asli SOM. Modifikasi tersebut menggunakan teknik vector-quantized temporal associative memory (VQTAM). Algoritme SOM menunjukkan kinerja yang lebih baik dibandingkan dengan algoritme BPNN karena menghasilkan eror yang lebih rendah dan hanya membutuhkan epoch sebesar 131 pada setiap jenis mapping neuron.