Perpustakaan Digital ITB

Peningkatan aktivitas bongkar-muat di pelabuhan Indonesia terus berkembang pesat, seiring dengan pertumbuhan kebutuhan dan populasi. Data Badan Pusat Statistik (BPS) tahun 2024 menunjukkan bahwa volume bongkar-muat barang di lima pelabuhan utama Indonesia meningkat lebih dari 6 kali lipat dalam tiga dekade terakhir, dengan Pelabuhan Tanjung Priok menangani rata-rata 3.184,12 ton barang per jam. Untuk menghadapi tantangan ini, diperlukan teknologi bongkar-muat yang lebih efisien dan andal. Salah satu komponen kunci dalam proses ini adalah gantry crane, yang digunakan untuk memindahkan peti kontainer. Namun, sistem kontrol berbasis kamera dan pengontrol linear seperti PID pada penelitian lain masih memiliki keterbatasan, terutama dalam kondisi pencahayaan rendah dan ketika digunakan pada sistem nonlinear. Penelitian ini mengusulkan pengembangan sistem kontrol gantry crane nonlinear berbasis LiDAR menggunakan Sliding Mode Controller (SMC) dengan menerapkan metode Stochastic Gradient Descent (SGD) dan Flower Pollination Algorithm (FPA) untuk optimasi parameter model gantry crane nonlinear dan SMC. Sistem berbasis LiDAR dipilih karena tidak tergantung pada kondisi pencahayaan eksternal dan mampu mengukur variabel penting seperti panjang tali dan sudut ayun dengan akurasi tinggi. Sementara itu, SMC digunakan karena keandalannya dalam menangani sistem nonlinear dan under-actuated. LiDAR dan algoritma YOLO (You Only Look Once) diimplementasikan pada purwarupa gantry crane untuk mengukur panjang tali dan sudut ayun. Hasil pengukuran menunjukkan rata-rata nilai Mean Absolute Error (MAE), Mean Squared Error (MSE), dan Root Mean Squared Error (RMSE) untuk panjang tali masing-masing sebesar 0,00135 mm, 2,55 mm2, dan 1,52 mm. Untuk sudut ayun, nilai MAE rata-rata sebesar 0,453 derajat, MSE sebesar 0,262 derajat2, dan RMSE sebesar 0,508 derajat. Untuk estimasi parameter model gantry crane nonlinear menggunakan metode SGD dan FPA, diambil 18 dataset dari purwarupa gantry crane. Hasilnya, FPA memberikan parameter yang lebih baik dengan rata-rata fungsi biaya (cost function) sebesar 0,0895 dibandingkan dengan 0,1227 pada SGD. Pada simulasi 10 variasi skenario pengontrolan, parameter SMC hasil optimasi FPA juga unggul dengan nilai rata-rata fungsi biaya sebesar 1,3427 dibandingkan 2,7002 pada SGD. Selanjutnya, pengontrolan purwarupa gantry crane dengan SMC menggunakan parameter hasil optimasi FPA terbukti mampu mengontrol sistem gantry crane dengan andal dan efektif. Hal ini dibuktikan dengan performa yang stabil dalam kondisi terang maupun gelap, dengan nilai fungsi biaya rata-rata sebesar 6,2776 dalam kondisi terang dan 5,8249 dalam kondisi gelap. Sebagai perbandingan, performa SMC juga dibandingkan dengan pengontrol yang dirancang menggunakan strategi Physics-Informed Neural Network (PINN) dan PID. Hasil pengujian menunjukkan bahwa SMC memiliki performa terbaik dengan rata-rata fungsi biaya sebesar 9,0140, lebih baik daripada PINN (10,8572) dan PID (10,7205). Kata kunci: gantry crane, nonlinear, LiDAR, Sliding Mode Controller, Stochastic Gradient Descent, Flower Pollination Algorithm, You Only Look Once