<![CDATA[Abstrak - Navigasi robot pada medan miring menghadirkan tantangan tambahan dibandingkan dengan medan datar karena pengaruh gaya gravitasi dan gesekan yang dapat mengurangi stabilitas dan efisiensi pergerakan. Tujuan penelitian ini adalah mengembangkan sistem navigasi berbasis Model Fuzzy Social Force (MFSF) yang mampu menyesuaikan gaya sosial, gaya gesek, dan gaya gravitasi secara dinamis agar robot dapat bergerak stabil pada bidang miring. Sistem ini dilengkapi dengan sensor LiDAR ((Light Detection and Ranging) untuk deteksi jarak dan arah serta sensor IMU (Inertial Measurement Unit) untuk mengukur sudut kemiringan secara real-time. Metode yang digunakan melibatkan simulasi pada platform CoppeliaSim, dengan pengujian sebanyak 10 kali pada setiap tingkat kemiringan (10°, 15°, dan 20°) untuk memastikan konsistensi hasil. Hasil menunjukkan bahwa robot dengan MFSF mampu menyelesaikan navigasi dalam waktu rata-rata antara 51,71 hingga 59,24 detik, sedangkan model Social Force konvensional memerlukan waktu antara 79,61 hingga 88,59 detik pada kondisi medan yang sama. Performa yang lebih baik pada MFSF disebabkan oleh kemampuan sistem fuzzy dalam menyesuaikan gaya sosial terhadap perubahan sudut kemiringan secara adaptif, sehingga mengurangi kehilangan traksi (slip) dan menjaga stabilitas arah gerak. Dengan demikian, integrasi mekanisme fuzzy dan sensor IMU terbukti meningkatkan efisiensi serta stabilitas navigasi robot pada lingkungan dengan variasi kemiringan, dan berpotensi diterapkan pada sistem robot otonom di area berbukit atau tidak rata. Kata kunci : Medan Miring, Sensor LiDAR dan IMU, Navigasi Robot Beroda, Simulasi CoppeliaSim dan Model Fuzzy Social Force. Abstract - Robot navigation on inclined surfaces presents additional challenges compared to flat terrain due to the influence of gravity and friction, which can reduce movement stability and efficiency. The objective of this study is to develop a navigation system based on the Model Fuzzy Social Force (MFSF) capable of dynamically adjusting social forces, frictional forces, and gravitational forces to maintain stable robot motion on inclined surfaces. The system is equipped with a LiDAR (Light Detection and Ranging) sensor for distance and direction detection, as well as an IMU (Inertial Measurement Unit) sensor to measure the slope angle in real time. The proposed method employs simulation using the CoppeliaSim platform, with ten experimental trials conducted at each inclination level (10°, 15°, and 20°) to ensure result consistency. The findings show that the robot with MFSF completes navigation in an average time ranging from 51.71 to 59.24 seconds, while the conventional Social Force model requires 79.61 to 88.59 seconds under the same conditions. The improved performance of the MFSF system is attributed to its fuzzy-based ability to adapt social forces according to slope variations, thereby reducing traction loss (slip) and maintaining directional stability. Consequently, the integration of fuzzy mechanisms and IMU sensors has been proven to enhance navigation efficiency and stability in environments with varying inclinations, making it potentially applicable to autonomous robotic systems operating on hilly or uneven terrains. Keywords : Inclined Terrain, LiDAR and IMU Sensor, Wheeled Robot Navigation, CoppeliaSim simulation, Model Fuzzy Social Force.]]>
