Email this article Pengendalian Arm Robot Berbasis Invers Kinematics Menggunakan Metode ANN
Abstract
Fokus penelitian ini adalah untuk mengkomparasi hasil kinerja pengendalian pergerakan lengan robot yang menggunakan ANN dengan ANN + Inverse kinematics. Diharapkan metode ini dapat meningkatkan akurasi dan stabilitas sistem kontrol pada robot, yang merupakan tantangan utama dalam bidang robotika. Dalam penelitian ini, dua pendekatan pengendalian diuji, yaitu metode Normal dan metode Inverse kinematics yang ditambahkan, untuk membandingkan respons sistem berdasarkan parameter kesalahan dan kinerja kontrol. Parameter yang dianalisis mencakup Overshoot, Rise Time, Max Amplitudo, serta empat kriteria error yaitu Integral of Absolute Error, Integral of Time-weighted Absolute Error, Integral of Squared Error, dan Integral of Time-weighted Squared Error. Hasil eksperimen menunjukkan bahwa metode Inverse kinematics lebih unggul dalam mengurangi kesalahan absolut keseluruhan dan meningkatkan kestabilan jangka panjang, yang ditunjukkan oleh nilai IAE dan ITAE yang lebih rendah dibandingkan dengan metode Normal. Selain itu, Inverse kinematics berhasil mengurangi overshoot secara signifikan (0,510%) dibandingkan dengan metode Normal (93,889%), meskipun memerlukan waktu yang lebih lama untuk mencapai posisi target. Namun, metode Normal menunjukkan respons yang lebih cepat dengan rise time yang lebih pendek serta nilai ISE dan ITSE yang lebih rendah, meskipun kestabilan jangka panjangnya tidak sebaik Inverse kinematics. Penelitian ini memberikan wawasan tentang keseimbangan antara kecepatan respons dan kestabilan dalam desain sistem pengendalian robot, serta berkontribusi pada pengembangan algoritma kontrol berbasis Inverse kinematics dan ANN untuk aplikasi robotika yang memerlukan akurasi tinggi dan kestabilan jangka panjang.
Keywords
References
.[1] A. Andrian, R. Rahmadewi, and I. A. Bangsa, “ARM ROBOT PEMINDAH BARANG (AtwoR) MENGGUNAKAN MOTOR SERVO MG995 SEBAGAI PENGGERAK ARM BERBASIS ARDUINO,” Electro Luceat, vol. 6, no. 2, pp. 142–155, 2020, doi: 10.32531/jelekn.v6i2.226.
F. Faqri, W. Amaral, and J. Subur, “Implementasi Metode PID dan Inverse kinematics pada Pergerakan Robot Berkaki Enam ( Hexapod ),” pp. 17–22.
M. H. Maftuh, “E-JOINT ( Electronica and Electrical Journal of Innovation Technology) Lengan Robot Pemindah Barang Berdasarkan Ukuran Tinggi,” vol. 01, no. 2, pp. 36–41, 2020.
I. Al Ashfahani, Y. Sofyan, and S. Yahya, “Rancang Bangun Lengan Robot Penyortir Benda Kerja Berdasarkan Warna Dengan Pengendalian Kestabilan Cahaya Menggunakan Fuzzy logic,” Pros. Ind. Res. Work. Natl. Semin., vol. 13, no. 01, pp. 353–362, 2022.
R. Z. A. Zurendra, R. Maulana, and H. Fitriyah, “Implementasi Inverse kinematics Pada Robot Lengan Untuk Pengambilan Benda Dengan Koordinat Awal Acak,” … Teknol. Inf. dan Ilmu …, vol. 4, no. 2, 2020, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/7008
Y. Chen, J. Wu, C. He, and S. Zhang, “Intelligent Warehouse Robot Path Planning Based on Improved Ant Colony Algorithm,” IEEE Access, vol. 11, no. January, pp. 12360–12367, 2023, doi: 10.1109/ACCESS.2023.3241960.
J. Wang, Y. Zhu, R. Qi, X. Zheng, and W. Li, “Adaptive PID control of multi-DOF industrial robot based on neural network,” J. Ambient Intell. Humaniz. Comput., vol. 11, no. 12, pp. 6249–6260, 2020, doi: 10.1007/s12652-020-01693-w.
A. Z. Rahman, ST, MT and K. Jauhari, “Perhitungan Inverse kinematics dan Pengukuran Akurasi Pergerakan pada Robot Manipulator Lengan,” J. Tek. Mesin ITI, vol. 3, no. 2, p. 53, 2019, doi: 10.31543/jtm.v3i2.339.
I. H. AYEGA, T. A. TAMBA, and B. M. ARTHAYA, “Rancang Bangun Purwarupa Manipulator Lengan Robot Dengan Tiga Derajat Kebebasan,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 11, no. 3, p. 796, 2023, doi: 10.26760/elkomika.v11i3.796.
M. K. Ciliz, “Adaptive control of robot manipulators with neural network based compensation of frictional uncertainties,” Robotica, vol. 23, no. 2, pp. 159–167, 2005, doi: 10.1017/S026357470400075X.
J. Lu, T. Zou, and X. Jiang, “A Neural Network Based Approach to Inverse kinematics Problem for General Six-Axis Robots,” Sensors, vol. 22, no. 22, pp. 1–19, 2022, doi: 10.3390/s22228909.
A. Gholami, T. Homayouni, R. Ehsani, and J. Q. Sun, “Inverse kinematic control of a delta robot using neural networks in real-time,” Robotics, vol. 10, no. 4, 2021, doi: 10.3390/robotics10040115.
A. R. J. Almusawi, L. C. Dülger, and S. Kapucu, “A New Artificial Neural Network Approach in Solving Inverse kinematics of Robotic Arm (Denso VP6242),” Comput. Intell. Neurosci., vol. 2016, 2016, doi: 10.1155/2016/5720163.
S. Chen and J. T. Wen, “Industrial robot trajectory tracking control using multi-layer neural networks trained by iterative learning control,” Robotics, vol. 10, no. 1, pp. 1–20, 2021, doi: 10.3390/robotics10010050.
A. Sambas and D. Setia Rahayu, “Rancang Bangun Robot Arm 2 Dof Berbasis Adaptive Neuro-Fuzzy Inference System (Anfis),” Al Jazari J. Mech. Eng., vol. 3, no. 2, pp. 41–45, 2018.
T. Pangaribuan, S. Hutauruk, and J. Sihombing, “Desain Prototipe Robot Satu Lengan Dengan Tiga Tingkat Kebebasan Bergerak Berbasis Arduino Dengan Sensor Jarak Pada Bluetooth Smartphone,” J. ELPOTECS, vol. 4, no. 1, pp. 46–53, 2021, doi: 10.51622/elpotecs.v4i1.453.
DOI: http://dx.doi.org/10.22441/jte.2025.v16i3.001
Refbacks
- There are currently no refbacks.
Copyright (c) 2025 Jurnal Teknologi Elektro
Publisher Address:
Teknik Elektro, Fakultas Teknik, Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
Email: [email protected]
Website of Electrical Engineering
http://teknikelektro.ft.mercubuana.ac.id
p-ISSN : 2086-9479
e-ISSN : 2621-8534
Jurnal URL : http://publikasi.mercubuana.ac.id/index.php/jte
Jurnal DOI: 10.22441/jte
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.
The Journal is indexed by: 
