ABSTRAKMotor induksi secara struktur dan kendali standarnya dirancang untuk bekerja pada kecepatan nominal, sehingga sulit mengendalikan kecepatan sesuai kebutuhan karena akan mengubah konstruksi motor. Penelitian tentang pengendalian motor induksi agar semudah mengendalikan motor DC sudah banyak dilakukan oleh peneliti, salah satunya adalah dengan kendali skalar. Kendali skalar banyak digunakan karena memiliki keunggulan sederhana, biaya murah, mudah didesain dan diimplementasikan, serta yang paling penting tidak memerlukan parameter dari motor induksi. Penggunaan kendali skalar yang telah dilengkapi pengendali PID penalaan otomatis, dengan parameter yang telah dioptimalkan algoritma Particle Swarm Optimization (PSO), akan memudahkan pengendalian kecepatan motor induksi tiga fase pada kecepatan beragam. Simulasi penalaan otomatis PID menggunakan PSO telah dilakukan dengan LabView, dengan karakteristik maksimal 10% overshoot, 1% error steady state dan rise time kurang dari 2 milidetik. Sementara dalam pengujian real time dengan MyRIO hasilnya tanpa overshoot, 5.5% error steady state maksimal dan rise time maksimal 5 detik.Kata kunci: Kendali skalar, PID, Particle Swarm Optimization, LabView ABSTRACTInduction motor is designed at nominal speed as default, we have to change its stucture to obtain dessired speed. Many researchers developt method how to control induction motor as simple as DC motor, one of the methods is scalar control. Scalar control has several benefits, such as simply, low cost, easily designed and implemented, and the main banefit is no necessary motor parameters. Using scalar control with PID controller that optimized Partical Swarm Optimization (PSO) algoritm, will ease to control 3 phase induction motor variant speed. Simulation auto tunning using PSO has done on LabView, it has some characteristic, they are 10% overshoot, 1% steady state error, and rise time within 2ms. In other hand, real time test using MyRIO got no overshoot, 5.5% steady state error maximal, and rise time maximal 5 s characteristic.Keywords: Scalar control, PID, Particle Swarm Optimization, LabView

Motor induksi tiga fasa (MITF) umumnya digunakan di berbagai aplikasi di industri  karena keandalannya, biaya rendah, kontruksi kokoh, perawatan rendah, dan effisiensi yang tinggi. Namun untuk mengontrol MITF tidak semudah seperti mengontrol motor DC, karena MITF merupakan motor yang tidak linear. Penggunaan metode indirect field oriented control (IFOC) dengan kontroler fuzzy proportional integrator and derivative (FPID) dipilih untuk dapat mengatur kecepatan MITF. Metode IFOC akan membuat MITF dapat dikontrol seperti motor DC penguat terpisah. Kontroler FPID yang di desain dengan mengganti kontroler PID konvensional. Performa kontroler FPID yang di desain dibandingkan dengan kontroler PID konvensional. Performa respon yang dibandingkan seperti rise time, settling time, overshoot, steady state error, dan undershoot. Hasil simulasi yang dibuat menunjukkan bahwa dengan menggunakan kontroler FPID lebih baik dibandingkan dengan kontroler PID. Dimana respon overshoot untuk kontroler FPID 0% sedangkan kontroler PID adalah 0.23%. Begitu pula dengan respon undershoot untuk kontrol FPID adalah 2.88% sedangkan kontroler PID adalah 6.78%. Untuk respon rise time, settling time, dan steady state error tidak jauh berbeda dari kedua kontroler. Sistem yang sudah di buat disimulasikan di platform LabView

In a visual-based real detection system using computer vision, the most important thing that must be considered is the computation time. In general, a detection system has a heavy algorithm that puts a strain on the performance of a computer system, especially if the computer has to handle two or more different detection processes. This paper presents an effort to improve the performance of the trash detection system and the target partner detection system of a trash bin robot with social interaction capabilities. The trash detection system uses a combination of the Haar Cascade algorithm, Histogram of Oriented Gradient (HOG) and Gray-Level Coocurrence Matrix (GLCM). Meanwhile, the target partner detection system uses a combination of Depth and Histogram of Oriented Gradient (HOG) algorithms. Robotic Operating System (ROS) is used to make each system in separate modules which aim to utilize all available computer system resources while reducing computation time. As a result, the performance obtained by using the ROS platform is a trash detection system capable of running at a speed of 7.003 fps. Meanwhile, the human target detection system is capable of running at a speed of 8,515 fps. In line with the increase in fps, the accuracy also increases to 77%, precision increases to 87,80%, recall increases to 82,75%, and F1-score increases to 85,20% in trash detection, and the human target detection system has also improved accuracy to 81%, %, precision increases to 91,46%, recall increases to 86,20%, and F1-score increases to 88,42%.

ABSTRAKKendali vektor merupakan solusi terbaik dalam kendali motor induksi untuk meningkatkan karakter dinamis dan efisiensinya. Pada penelitian ini, sebuah kendali kecepatan PID dipadukan dengan Adaptive Neuro Fuzzy Inference System (ANFIS) untuk meningkatkan keandalan pada berbagai kecepatan acuan. Metode cerdas Particle Swarm Optimization (PSO) digunakan untuk optimasi dataset ANFIS. Pengujian keandalan dilakukan dengan membandingkan PID konvensional dengan PID-ANFIS pada motor induksi 3 fase berdaya 2HP. Validasi penelitian dilakukan melalui simulasi di platform LabView. PID-ANFIS membuktikan hasil yang jauh lebih baik dari kendali PID konvensional pada berbagai kecepatan acuan. Pemilihan rise time tercepat sebagai fungsi fitness menghasilkan kendali yang memiliki dead time dan rise time 1.5x lebih cepat. PID-ANFIS berhasil menghilangkan undershoot dan osilasi steady state ketika uji kecepatan tinggi.Kata kunci: Kendali Vektor, Adaptive Neuro Fuzzy Inference System, Particle Swarm Optimization, LabView ABSTRACTVector control is the best solution in induction motor control to enhance its dynamic character and efficiency. In this research, a PID speed controller is combined with the Adaptive Neuro-Fuzzy Inference System (ANFIS) to enhance reliability at various reference speeds. The intelligent method Particle Swarm Optimization (PSO) is used to optimize the ANFIS dataset. Reliability testing is done by comparing conventional PID with PID-ANFIS on a 2HP 3-phase induction motor. The research validation was carried out through a simulation on the LabView platform. The PID-ANFIS proved significantly better results than conventional PID control at a wide range of reference speeds. Selection of the fastest rise time as a fitness function results in a control that has a dead time and a rise time of 1.5x faster. PID-ANFIS successfully negates undershoot and steadystate oscillations during high-speed tests.Keywords: Vector Control, Adaptive Neuro Fuzzy Inference System, Particle Swarm Optimization, LabView

Perkembangan pada dunia robotika pada saat ini semakin pesat, di mana robot dapat berguna dalam setiap kegiatan manusia. Di Indonesia ajang kontes robot sudah dilakukan pada setiap tahunnya baik tingkat regional dan tingkat nasional. Salah satu kategori yang ingin dibahas dalam penelitian ini adalah kategori Kontes Robot Sepakbola Indonesia (KRSBI). Pada kategori ini, robot harus bisa bernavigasi untuk mencari bola dan menendang kearah gawang. Tujuan utama dari robot ini adalah bernavigasi dan mencari bola sampai kearah gawang lawan.  Robot sepakbola beroda merupakan salah satu kategori robot yang pertama kali dipertandingkan pada KRI (Kontes Robot Indonesia) 2018 kategori KRSBI (Kontes Robot Sepakbola Indonesia) Beroda. Robot sepakbola dikembangkan agar memiliki fungsi yang mirip dengan pemain sepakbola pada umumnya yaitu mengejar bola, menggiring bola, dan menendang bola. Salah satu permasalahan yang masih dikembangkan sampai saat ini adalah bagaimana robot mampu mendeteksi bola menggunakan sensor kamera (webcam). Deteksi bola merupakan salah satu langkah awal dalam menentukan aksi selanjutnya robot sepakbola beroda seperti mengejar, menggiring, dan menendang bola. Karena bola yang digunakan pada pertandingan berwarna oranye maka pada penelitian ini dikembangkan pendeteksian bola menggunakan metode filter warna. Robot penjaga gawang bertugas untuk dapat menghadang bola berwarna oranye memasuki gawang. Robot tersebut harus mampu mendeteksi bola dengan akurat untuk menentukan pergerakan robot selanjutnya. Artikel ini mendeskripsikan pengembangan robot penjaga gawang yang mampu mendeteksi warna dan bentuk bola dengan metode HoughCircle dan approxPolyDP.