PROPOSAL TUGAS AKHIR
PENGONTROLAN SUHU DAN KELEMBAPAN UDARA DI DALAM RUANG INKUBATOR DENGAN MENGGUNAKAN KONTROL FUZZY
Oleh:
Moh. Imron Rasyidi NRP.1107 100 060
Pembimbing:
Dr. Melania Suweni Muntini, MT NIP. 19641229 19641229 199002.2.001 199002.2.001
JURUSAN FISIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2012
LEMBAR PENGESAHAN PROPOSAL TUGAS AKHIR JURUSAN FISIKA FMIPA-ITS
a.
Judul
: Pengontrolan Suhu dan Kelembapan Udara di Dalam Ruang Inkubator dengan Menggunakan Kontrol Fuzzy
b. Bidang Studi
: Fisika Instrumen
c. Nama
: Moh. Imron Rasyidi
d. NRP
: 1107 100 060
e. Jenis Kelamin
: Laki - Laki
f.
: 3 bulan
Jangka Waktu
g. Pembimbing : Dr. Melania Suweni Muntini, MT. h. Usulan Proposal ke : I i.
Status
: Baru
Surabaya, 10 Oktober 2012 Dosen Pembimbing
Mahasiswa
Dr. Melania Suweni Muntini, M.T. NIP. 19641229 199002.2.001
Moh. Imron Rasyidi NRP. 1107 100 060
Koordianator Tugas Akhir
Drs. Gatut Yudoyono, M.T. NIP. 19640616 198903.1.004
I. Judul
Judul program ini adalah “ Pengontr olan suh u dan k elembapan udara di dal am r uang in kubator dengan menggunakan kontr ol f uzzy ”. II. Latar Belakang Kontrol cerdas akhir-akhir ini semakin tidak dapat dipisahkan dengan berbagai instrumentasi yang menggunakan teknologi modern.Seiring dengan perkembangan zaman berbagai jenis kontrol cerdas juga semakin beragam, salah satu diantaranya adalah Fuzzy LogicKontroller (FLC).FLC merupakan jenis kontrol yang menggunakan bahasa menusia sebagai parameter pengontrolan yang sangat memudahkan bagi pemakainya untuk mendesign sistem kontrol yang diharapkan.Disamping itu, penggunaan FLC tidak memerlukan persamaan matematis yang rumit melainkan hanya dengan persamaan yang sederhana dan mudah. Karena alasan kemudahan dan tingkat kestabilan serta kecepatan dalam merespon perubahan keadaan dalam mengontrol objek yang hendak dikontrol, FLC sangat cocok digunakan untuk mengontrol temperature dan kelembapan udara di dalam ruang inkubator, karena ruang inkubator memerlukan kondisi dengan temperature dan kelembapan tertentu dengan lebar jangkauan masing-masing temperature dan kelembapan yang sangat sempit. III. Rumusan Masalah Beberapa masalah yang akan dibahas dalam tugas akhir ini antara lai n: a. Pemilihan jumlah fungsi keanggotaan dan persamaan matematisnya. b. Pemilihan variable masukan fuzzy yang akan di fuzzyfikasi. IV. Tujuan Tujuan dari penelitian ini adalahu untuk mempertahankan kondisi temperature dan kelembapan udara di dalam ruang inkubatorsama dengan setpoint. V. Batasan Masalah Beberapa batasan masalah yang akan dibahas di dalam tugas akhir ini antar a lain a. Kontrol fuzzy hanya digunakan untuk mengontrol jumlah sprayer ( sumber kelembapan ), heater ( sumber panas ), dan kipas ( sumber dingin ) yang akan dinyalakan maupun dimatikan. b. Kelembapan yang diinginkan hanya untuk setpoint 75%, 80%, 85%, dan 90%. c. Temperature yang diinginkan hanya untuk setpoint 35, 36, 37, dan 38 ºC. d. Variable yang akan dimasukkan ke dalam kontrol fuzzy adalah variable eror yang dihasilkan oleh selisih antara masing-masing kelembapan dan temperature saat ini dengan masing-masing setpointnya.
VI. Sistematika Penulisan Proposal tugas akhir ini terdiri dari 5 bagian, yaitu pendahuluan, tinjauan pustaka, metodologi penelitian, jadwal pelaksanaan, dan penutup.Pendahuluan terdiri dari latar belakang, rumusan masalah, tujuan, batasan masalah dan sistematika penulisan.Tinjauan pustaka yang terdiri dari sejumlah teori dasar yang berkaitan erat dengan penelitian ini.Metodologi penelitian yang terdiri dari tahap perencanaan, desain, dan langkah kerja dalam proses pengambilan data. Jadwal pelaksanaan berisi tentang rencana pelaksanaan kegiatan penelitian untuk tugas akhir.Dan terakhir penutup serta daftar pustaka dan pengesahan VII. TINJAUAN PUSTAKA 7.1 KonsepLogika Fuzzy Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinue. Samar dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.Oleh sebab itu, sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama1. a. Struktur Dasar Logika Fuzzy
Pada dasarnya struktur logika fuzzy dapat digambarkan seperti berikut : Basis Pengetahuan
input
output
Fuzzifikasi
Fuzzy
Defuzzifikasi Logika Pengambilan Keputusan
Fuzzy
Gambar 7.1 Struktur Dasar Logika Fuzzy Fungsi dari bagian-bagian di atas adalah sebagai berikut:
Fuzzifikasi Berfungsi untuk mentransformasikan sinyal masukan yang bersifat crisp ( bukan fuzzy ) ke himpunan fuzzy dengan menggunakan operator fuzzifikasi. Basis Pengetahuan Berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah – daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol. Logika Pengambil Keputusan merupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusia dalam mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakan implikasi fuzzy dan mekanisme inferensi fuzzy.
Defuzzifikasi berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator defuzzifikasi1.
b. Fungsi keanggotaan Fungsi keanggotaan (membership function ) dari himpunan fuzzy adalah suatu fungsi yang menyatakan keanggotaan dari suatu himpunan nilai-nilai. Penentuan nilai-nilai diperoleh dari rule / kaidah fuzzy yang menggunakan metoda implikasi. Ada dua metoda untuk mendefinisikan keanggotaan himpunan fuzzy, pertama secara numerik dinyatakan sebagai suatu nilai vektor yang besarnya tergantung dari level diskritnya. Fungsi keanggotaan fuzzy yang sering digunakan antara lain :
1. Fungsi representasi linier Pada representasi linier, pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.Keadaan linier himpunan fuzzy terdiri dari dua keadaan linier naik dan linier turun. Pada linier naik, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajat keanggotaan lebih tinggi dengan fungsi keanggotaan :
Gambar grafik fungsi representasi naik Sedangkan pada linier turun, garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah dengan fungsi keanggotaan.
Gambar grafik fungsi representasi turun 2. Fungsi keanggotaan segitiga Fungsi keanggotaan segitiga ditandai oleh adanya 3 (tiga) parameter {a,b,c} yang akan menentukan koordinat x dari tiga sudut. Kurva ini pada dasarnya merupakan gabungan antara dua garis (linier ). Adapun persamaan untuk bentuk segitiga ini adalah:
Gambar grafik fungsi keanggotaan segitiga 3. Variabel linguistic Variabel linguistik dalam penjabaranya diungkapkan dalam bahasa natural/alami yang dapat mengikuti pola pikir manusia dimana nilai nilainya didefinisikan dengan istilah linguistik. Secara umum variabel yang sering digunakan adalah negatif Big (NB), Negatif Medium (NM), Zero (Z), Positif Small (PS), Positif Medium (PM), Positif Big (PB), dan seterusnya. 4. Fuzzyfikasi Fuzzifikasi merupakan suatu proses pengubahan variable non-fuzzy(crisp) kedalam variabel fuzzy, variable input(crisp) dipetakan ke bentuk himpunan fuzzy sesuai dengan variasi semesta pembicaraan input. Pemetaan titik-titik numerik ( crisp points)x = (x1 , x2 , ………, xn )T є U ke himpunan fuzzy A pada semesta pembicaraan U . Data yang telah dipetakan selanjutnya dikonversikan ke dalam bentuk linguistik yang sesuai dengan label dari himpunan fuzzy yang telah terdefinisi untuk variabel input sistem.
Di dalam pemetaan ini terdapat dua kemungkinan pemetaan yaitu :
Fuzzyfikasi singleton : A adalah fuzzy singleton dengan support x, artinya:
A ( x)
untuk x xo
1 0
untuk x U yang lain
Fuzzyfikasi nonsingleton: A ( x) =1 dan A ( x’) menurun dari 1 sebagaimana x’ bergerak menjauh dari x. Sebagai contoh :
( x' x) T ( x' x) A ( x) exp 2 Fuzzifikasi memiliki dua komponen yang utama, yaitu :
Fungsi keanggotaan himpunan fuzzy. Fungsi keanggotaan Merupakan sebuah kurva yang menggambarkan pemetaan dari input ke derajat keanggotaan antara 0 dan 1. Melalui fungsi keanggotaan yang telah disusun maka dari nilai-nilai masukan tersebut menjadi informasi fuzzy yang berguna nantinya untuk proses pengolahan secara fuzzy pula. Banyaknya jumlah fungsi keanggotaan dalam fuzzy set menentukan banyaknya aturan yang harus dibuat. Label. Didalam Fuzzy set tentunya memiliki beberapa fungsi keanggotaan, jumlah dari keanggotaan inipun disesuaikan dengan banyaknya kebutuhan. Setiap fungsi keanggotaan dapat didefinisikan dengan label atau nama. Dapat dinyatakan dengan “besar”, “sedang”, “kecil” atau sesuai dengan keinginan. Grade membership fungtion (µF)
1
kecil
Sedang
besar
0 kecepatan
Gambar 7.7 input fuzzy dengan 3 fungsi keanggotaan 5. Basis pengetahuan Basis pengetahuan terdiri dari fakta (Data Base), dan kaidah atur (Rule Base). Fakta merupakan bagian pengetahuan yang memuat informasi tentang
objek, peristiwa, atau situasi. Fakta umumnya menyatakan kondisi statik dari suatu objek. Sedangkan kaidah ( Rule base) berisi informasi tentang cara membangkitkan fakta baru atau hipotesa fakta yang sudah ada. Basis Data ( Data Base). Basis data berfungsi untuk mendefinisikan himpunan-himpunan fuzzy dari sinyal masukan dan sinyal keluaran agar dapat digunakan oleh variabel linguistik dalam basis aturan. Dalam pendefinisian tersebut biasanya dilakukan secara subjektif dengan menggunakann pendekatan heuristik dan didasarkan pada pengalaman dan pertimbangan yang menyangkut kerekayasaan, sehingga bergantung penuh pada perancang.
Kaidah Atur ( Rule Base). Kaidah atur dalam fuzzy ini biasanya tersusun dengan pernyataan : IF (antecedent ) THEN (consequent ) atau dapat juga IF x is A THEN y is B. Antecedent : berisi himpunan fakta input (sebab). Consequent : berisi himpunan fakta output (akibat). IF … THEN … dalam logika fuzzy akan melakukan pemetaan dari himpunan fuzzy input kehimpunan fuzzy output.
6. Logika pengambil keputusan Sering pula disebut sebagai Fuzzy Inference sistem (FIS) merupakan bagian terpenting dalam logika fuzzy.Langkah yang dilakukan pada tahap ini yaitu mengevaluasi aturan, dimana mengevaluasi aturan mempunyai arti yaitu logika fuzzy mengolah dan menyimpulkan proses yang tersusun dari rule IF...THEN , setiap rule menghasilkan satu output. Pada dasarnya satu rule akan aktif apabila kondisi input memenuhi aturan pernyataan IF . Pengaktifan aturan pernyataan IF menghasilkan output kontrol yang didasarkan pada aturan pernyataan THEN . Dalam sistem fuzzy digunakan banyak rule yang menyatakan satu atau lebih pernyataan IF . Suatu rule dapat pula mempunyai beberapa kondisi input, yang satu sama lainya dihubungkan dengan AND atau OR untuk mendapatkan rule output. 7. Defuzzyfikasi Defuzzifikasi merupakan proses merubah output fuzzy dari FIS (fuzzy inference sistem) menjadi output crips. Bentuk umum proses defuzzyfikasi diyatakan dengan: Z0 = defuzzier (z) dimana z adalah aksi pengendalian fuzzy, Z 0 adalah aksi pengendali crisp, dan defuzzifier adalah operator defuzzifikasi. Terdapat dua macam metode defuzzifikasi, yaitu :
Metode Titik Pusat (Center Of Area, COA). Metode ini membagi dua momen pertama fungsi keanggotaan, dan harga v0yang menandai garis pembagi adalah harga V yang terdefuzzifikasi.
Secara algoritmik dinyatakan :
v (v)dv v
v0
v
v (v ) dv
........................................................................ 7.1.1)
v
sedangkan dalam semesta diskrit dapat dinyatakan : m
v (v ) k
v0
v
k
k 1 m
(v ) v
................................................................... 7.1.2
k
k 1
Metode Titik Tengah Maksimum (Mean Of Maximum, MOM). Merupakan metode defuzzifikasi yang merepresentasikan nilai titik tengah dari keluaran yang fungsi anggotanya maximum. Fungsinya ditunjukkan sebagai:
z 0
n
z i i 1 l
............................................................... 7.1.3
dimana zi adalah nilai pendukung dengan fungsi keanggotaan bernilai maximum dan l adalah banyaknya nilai pendukung1. 7.2 Sensor Suhu dan Kelembapan HSM-20G
Sensor HSM-20G merupakan sensor suhu sekaligus merupakan sensor kelembapan dengan keluaran berupa tegangan analog. Berikut ini gambar fisik dari sensor ini:
Gambar 2.2.1 bentuk fisik dari sensor HSM-20G
Gambar 2.2.2.dimensi fisik dari sensor HSM-20G dan rangkain skematiknya a. Karakteristik SensorHSM-20G Karakteristik dari sensor HSM-20G dapat dilihat pada gambar 2.2.2 berikut ini:
Gambar 2.2.3 Spesifikasi dari sensor HSM-20G 7.3 Inkubator Inkubator adalah kamar atau kotak yg bersuhu tetap (biasanya 37 oC) 4. Selain bersuhu tetap biasanya kelembapan di dalam ruangan ini juga tetap. Sedangkan dimensi dari inkubator ini bias bermacam-macam tergantung kebutuhan dari pemakainya. 7.4 Pulse width modulation ( PWM ) Pulse Width Modulation (PWM) atau modulasi lebar pulsa merupakan sinyaldigital berupa gelombang kotak (square wave) dimana duty cycle dari gelombang kotak tersebut dapat diatur sesuai dengan kebutuhan sistem. Gelombang kotak f(t) yang ideal dengan periode T ditunjukkan sepertipada Gambar 2.4.1.
Gambar2.4.1 Gelombang kotak f (t) yang ideal dengan periode T Gelombang kotak seperti pada Gambar 2.4.1memiliki duty cycle(D) seperti pada persamaan berikut:
...........................................................7.4.1
Dimana : τ = waktu gelombang kotak selama berlogika tinggi T =periode gelombang kotak.
Sedangkan persamaan:
tegangan
rata-rata
sebuahgelombang
adalah
sesuai
pada
̅ ∫ () ....................................7.4.2 Dimana : y : tegangan rata-rata gelombang T: periode gelombang
Gelombang kotak f(t) pada Gambar 2.4.1 berada pada nilai 0 < t < τ dan τ < t
̅ ) ( ( ) ...................7.4.3 Dari hasil perhitungan rata-rata tegangan tersebut, maka nilai tegangan ratarata yang dibutuhkan dapat dihasilkan dengan pengaturan duty cycle gelombang kotak.3
Modulasi Lebar Pulsa juga dapat digunakan untuk mengontrol daya tanpa membuang sejumlah daya pada driver beban menjadi bentuk energi lain. Bila dibandingkan dengan menambah resistor beban untuk mengurangi atatau menambah daya pada beban utama, maka penggunaan PWM lebih menguntungkan karena tidak ada beban yang dialihkan melainkan dikurangi atau ditambah dengan variasi dari waktu duty cycle-nya3. 7.5 Hubungan antara energi listrik dengan kalor Heater atau pemanas listrik biasanya menggunakan elemen pemanas yaitu suatu elemen yang akan membangkitkan panas bila dialiri arus listrik dan biasanya terbuat dari kawat nikrom ( paduan nikel dan krom ). Adapun panas yang dihasilkan dari elemen pemanas ini mengikuti rumus sebagai berikut:
................................................7.5.1 dimana : U = energi listrik yang berubah menjadi panas (Joule) I = arus listrik (Ampere) R = hambatan listrik (Ohm) t = waktu (detik) Jadi energi listrik yang diubah menjadi panas tergantung pada arus listrik ( I ) yang mengalir, besar hambatan ( R ) dan lama arus listrik mengalir ( t ) 2. VIII. METODOLOGI PENELITIAN Dalam perancangan ini, langkah-langkah yang akan dilakukan untuk mencapai tujuan penelitian ini adalah: 1. Studi literature Meliputi pemahaman tentang hal-hal yang mendasari penyelesaian masalah dalam penelitian ini.Adapun materi yang perlu dipelajari adalah pemahaman mengenai konsep logika fuzzy, pemahaman tentang karakteristik sensor, serta interfacing untuk mendapatkan luaran yang diharapkan.Disamping itu, dilakukan juga penjajakan jurnal yang berkaitan dengan penelitian ini. 2. Perancangan alat Meliputi persiapan alat dan bahan yang akan digunakan untuk pembuatan inkubator dan hardware untuk sistem kendali. Diantara alat dan bahan yang dibutuhkan adalah valve, multitester digital, osiloskop, minimus sistem ATmega16, heater 400 watt, kipas angin, heat exchange / radiator, tabung air, sprayer/nozel, pompa air mini, power supply DC 24 volt 3 Ampere, saklar elektronik (triac), regulator 5 dan 12 volt, converter usb to serial rs232, motor listrik, inkubator bahan akrilik berdimensi 50cm x 50cm x 50cm, thermometer alkohol/raksa, dan humidimeter.Sedangkan proses
pembuatannya meliputi desain rangkaian minimum sistem, desain aktuator, dan desain kotak inkubator. 3. Perancangan software Meliputi pembuatan software untuk pembacaan sensor dan pengendalian aktuator yang di benamkan ke mikrokontroler sertasoftware untuk sistem kendali fuzzy di PC/laptop. 4. Pengujian sistem dan pengambilan data Data input yang digunakan untuk kontrol fuzzy logic adalah dari hasil pembacaan sensor suhu dan kelembapan yang digunakan untuk membaca keadaan didalam ruang inkubator, dimana data yang dihasilkan adalah informasi tentang suhu dan kelembapan di dalam ruang inkubator. Adapun data yang akan diambil adalah data suhu dan data kelembapan yang terbaca oleh sensor sejak awal pembacaan hingga mencapai waktu yang ditentukan dengan cara sebagai berikut: a. Setiap setengah detik data suhu dan kelembapan diambil ( secara software ) dan dimasukkan ke dalam database sekaligus sebagai masukan untuk kendali fuzzy. b. Setiap satu menit database dikelompokkan menjadi data yang berurutan. c. Setiap 10 menit data di pindahkan ke software pengolah data. 5. Pengolahan data input Data input untuk model logika fuzzy terlebih dihulu dikonversikan kedalam bentuk data selisih antara data hasil pembacaan sensor terhadap setpoint tertentu yang diharapkan dari masing veriabel suhu dan kelembapan. Sedangkan data keluaran yang dihasilkan adalah data kelembapan dan suhu yang sesuai dengan setpoint yang diharapkan. 6. Penyusunan dan penulisan laporan Alur penyusunan dan penulisan laporan ini diagram alir seperti di berikut ini:
Mulai
Mulai
Studi Literatur
Pembangkitan Data Input-output
Perancangan alat Fuzzifikasi
Perancagan software
Membuat Aturan (rule)
Pengujian sistem dan pengambilan data
Inferensi Fuzzy
Defuzzifikasi
Tidak Analisa Performansi Kendali
Output Model
Ya Penyusunan dan Penulisan Laporan
Validasi Sistem
Tidak
Ya
Selesai
Berhenti
(a)
(b)
Gambar 8.x diagram alir (a) penelitian dan (b) untuk kendali fuzz y 7.
JADWAL PELAKSANAAN Penelitian ini akan dilakasanakan sesuai dengan jadwal seperti dalam table berikut ini:
No
Kegiatan
1 2 3 4 5
Studi literature Perancangan alat Perancangan software Pengujian sistem Pengambilan data
Oktober 1 2 3 4
Bulan Nopember 1 2 3 4
Desember 1 2 3 4
6 7
Analisa data Penyusunan laporan
DAFTAR PUSTAKA
[1] Kusumadewi, Sri., Purnomo, Hari. 2010. “Aplikasi Logika Fuzzy untuk Pendukugn Keputusan, Edisi 2. Yogyakarta: Graha Ilmu. [2] Tippler, P.A., Mosca, G.1997. “ Physics for scientist and engineers, 5ed ”. C alifornia: Berkeley. [3] Wikipedia. 2009. ” Pulse-width Modulation”. Diakses pada tanggal 10 oktober 2012. http://en.wikipedia.org/wiki/Pulse-width_modulation.html. [4] Departemen Pendidikan Nasional. 2008. “ KBBI Kamus Besar Bahasa Indonesia”. Diakses pada tanggal 10 oktober 2012. http://bahasa.kemdiknas.go.id/kbbi/index.php
