SF22 Optimasi Fungsi Keanggotaan Fuzzy dengan Hybrid Genetic Algorithm–Particle Swarm Optimization Pada Robot Self-Balancing

Authors

  • Santoso Santoso Universitas 17 Agustus 1945
  • Puji Slamet Universitas 17 Agustus 1945 Surabaya
  • Aris Heri Andriawan Universitas 17 Agustus 1945 Surabaya
  • Ratna Hartayu Universitas 17 Agustus 1945 Surabaya
  • Niken Adriaty Basyarach Universitas 17 Agustus 1945 Surabaya
  • Kurnia Paranita Kartika Riyanti Universitas 17 Agustus 1945 Surabaya

Keywords:

robot self-balancing; fuzzy logic controller; genetic algorithm; particle swarm optimization; fungsi keanggotaan.

Abstract

Robot self-balancing roda dua memerlukan pengendali yang mampu mengoreksi deviasi sudut badan secara cepat meskipun terdapat ketidakpastian pada pengukuran, aktuator, dan parameter mekanik. Penelitian ini menyajikan metode hybrid genetic algorithm–particle swarm optimization (GA–PSO) secara offline untuk mengoptimasi fungsi keanggotaan segitiga pada fuzzy logic controller Mamdani. Sudut badan dan kecepatan sudut digunakan sebagai masukan, sedangkan keluarannya adalah perintah pulse-width modulation bertanda. Genetic algorithm digunakan untuk mengeksplorasi konfigurasi fungsi keanggotaan yang layak, kemudian particle swarm optimization digunakan untuk penyempurnaan lokal di sekitar kandidat terbaik. Formulasi yang direvisi menjamin urutan parameter setiap fungsi keanggotaan segitiga serta menggunakan fungsi objektif ternormalisasi yang mencakup waktu tunak, deviasi puncak, galat keadaan tunak, integral absolute error, integral squared error, dan indeks usaha kendali PWM. Nilai perbandingan dari naskah awal menunjukkan bahwa pengendali hybrid memiliki respons terbaik dengan waktu tunak 0,89 s, deviasi puncak 2,3%, galat keadaan tunak 0,08°, IAE 0,041, dan ISE 0,021. Klaim energi sebelumnya diganti menjadi indeks usaha PWM karena pengukuran tegangan dan arus tersinkron belum tersedia. Hasil tersebut harus dikonfirmasi melalui pengujian perangkat keras berulang dan log bertanda waktu sebelum naskah dikirimkan.

Author Biographies

Puji Slamet, Universitas 17 Agustus 1945 Surabaya

Program Studi Teknik Elektro

Aris Heri Andriawan, Universitas 17 Agustus 1945 Surabaya

Program Studi Teknik Elektro

Ratna Hartayu, Universitas 17 Agustus 1945 Surabaya

Program Studi Teknik Elektro

Niken Adriaty Basyarach, Universitas 17 Agustus 1945 Surabaya

Program Studi Teknik Elektro

Kurnia Paranita Kartika Riyanti, Universitas 17 Agustus 1945 Surabaya

Program Studi Teknik Elektro

References

K. J. Åström and R. M. Murray, Feedback Systems: An Introduction for Scientists and Engineers, 2nd ed. Princeton, NJ, USA: Princeton University Press, 2021.

L. A. Zadeh, “Fuzzy sets,” Information and Control, vol. 8, no. 3, pp. 338–353, 1965, doi: 10.1016/S0019-9958(65)90241-X.

D. E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning. Reading, MA, USA: Addison-Wesley, 1989.

J. Kennedy and R. Eberhart, “Particle swarm optimization,” in Proc. ICNN’95—International Conference on Neural Networks, Perth, WA, Australia, 1995, pp. 1942–1948, doi: 10.1109/ICNN.1995.488968.

R. Martínez-Soto, O. Castillo, and L. T. Aguilar, “Type-1 and Type-2 fuzzy logic controller design using a Hybrid PSO–GA optimization method,” Information Sciences, vol. 285, pp. 35–49, 2014, doi: 10.1016/j.ins.2014.07.012.

C.-F. Juang, “A hybrid of genetic algorithm and particle swarm optimization for recurrent network design,” IEEE Transactions on Systems, Man, and Cybernetics—Part B: Cybernetics, vol. 34, no. 2, pp. 997–1006, 2004, doi: 10.1109/TSMCB.2003.818557.

R. Rojas-Galván et al., “A classic and fuzzy parallel hybrid controller of PD-PI type for a two-wheeled self-balancing robot,” Automation, vol. 7, no. 2, Art. no. 49, 2026, doi: 10.3390/automation7020049.

H. Maghfiroh and H. P. Santoso, “Self-balancing robot navigation,” Journal of Robotics and Control, vol. 2, no. 5, pp. 408–412, 2021, doi: 10.18196/jrc.25101.

S. Santoso, B. Hariadi, R. Hartayu, R. S. Widagdo, W. S. Pambudi, and M. A. Heryanto, “Pengaruh Penyesuaian Parameter Membership Function pada Sistem Kendali Robot Balancing Berbasis Fuzzy Logic,” Jurnal JEETech, vol. 5, no. 2, pp. 145–150, Nov. 2024, doi: 10.32492/jeetech.v5i2.5205.

R. Hartayu, S. Santoso, A. O. U. Kaleka, and M. K. Musakhol, “Desain Simulasi Robot Kesetimbangan Dua Roda Dengan Kecerdasan Buatan,” Jurnal Sains dan Informatika, vol. 6, no. 2, pp. 175–182, 2020, doi: 10.34128/jsi.v6i2.232.

Santoso, I. A. Wardah, P. Slamet, A. H. Andriawan, and A. R. Algopiki, “Design and Build Two Wheel Balancing Robot Simulation with Fuzzy PID,” in Proc. 4th International Conference on Advanced Engineering and Technology (ICATECH), 2023, pp. 124–128, doi: 10.5220/0012108300003680.

S. Santoso, R. Hartayu, K. P. K. Riyanti, A. Ridho’i, W. S. Pambudi, and M. A. Heryanto, “Optimasi Parameter Membership Function pada Sistem Kendali Robot Balancing Menggunakan Algoritma Genetika,” SinarFe7, vol. 7, no. 1, pp. 315–322, 2025.

Downloads

Published

2026-09-04

How to Cite

Santoso, S., Slamet, P., Heri Andriawan, A., Hartayu, R., Adriaty Basyarach, N. ., & Paranita Kartika Riyanti, K. . (2026). SF22 Optimasi Fungsi Keanggotaan Fuzzy dengan Hybrid Genetic Algorithm–Particle Swarm Optimization Pada Robot Self-Balancing. SinarFe7, 8(1), 171–179. Retrieved from https://journal.fortei7.org/index.php/sinarFe7/article/view/887