Pengambilan Keputusan Kiper pada Robot Humanoid Menggunakan Decision Tree

Abstract

Sejak awal tim R2C mengikuti KRSBI hingga saat ini, sudah banyak aturan-aturan permainan yang berkembang terutama dari tahun 2014 ke tahun 2015. Dimana aturan di tahun 2015 ini mengubah ukuran lapangan menjadi lebih luas dan ukuran gawang yang menjadi lebih besar. Dengan ukuran gawang yang menjadi lebih lebar ini muncul permasalahan terutama bagi robot kiper, seperti algoritma pada robot yang belum memadai untuk menutup gawang yang lebih lebar dari sebelumnya, robot yang belum bisa kembali secara tepat setelah bergerak terlalu jauh dari titik awal jaganya, serta proses menjauhkan bola yang kurang efektif. Berdasarkan permasalahan-permasalahan tersebut diperlukan modifikasi terhadap algoritma robot humanoid sebagai kiper yang dikerjakan pada tugas akhir ini. Algoritma kiper dikerjakan dengan memanfaatkan kompas, komunikasi antar robot, orientasi pada servo kepala, serta penglihatan robot yang didapat dari kamera smartphone Android pada robot terhadap bola, serta landmark yang ada di lapangan. Titik pinalti digunakan sebagai acuan untuk membantu robot kembali ke posisi awal. Algoritma kiper ini dianalisis menggunakan decision tree untuk mengoptimalkan penggunaan atribut yang ada. Namun pada pelaksanaannya terdapat konflik pada komunikasi antar robot sehingga analisis decision tree tidak dapat diterapkan pada keseluruhan algoritma. Setelah dimodifikasinya algoritma pada robot humanoid sebagai kiper, algoritma menjadi lebih lengkap yaitu presentase keberhasilan robot dapat menjauhkan bola dari gawang menjadi 100% dibanding algoritma sebelumnya yang hanya 75%, saat kondisi diserang robot berhasil memposisikan diri terhadap arah bola, serta robot dapat mengerti kapan harus kembali ke posisi awal dengan memanfaatkan komunikasi dari robot penyerang.

Since R2C team participated in KRSBI until now, there are so many change about the rules especially from 2014 to 2015. The rules change the size of the field and the goalpost become wider. With this size of goalpost, there are some problems that appear especially for goal keeper robot, such as the robot’s algorithm that can not protect every place in the new size goalpost, robot’s ability to go back to the starting point is not accurate enough, and ineffectiveness in robot’s ability to return the ball to the field. Based on those problems, this final project proposes to modification the algorithm for the goal keeper robot. The algorithm is utilizing compass, communication between robots, orientation of the head servos, and robot’s vision from Android smartphone camera’s in robot’s body towards ball and landmark on the field. Penalty mark is used for robot to go back to its starting point. The whole algorithm analyzed using decision tree, but in fact, decision tree learning method can applied partly, because there are some conflicts with the communication between robots. After modification the robot’s algorithm become more powerful, now robot can return the ball to the field so the goalpost stay safe with percentage 100% compared with previous algorithm with percentage 75%, robot can position itself towards ball direction, and robot can understand when it has to go back to its starting point position based on the communication from forward robot