-
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 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. Jangka Waktu : 3 bulan
g. Pembimbing : Dr. Melania Suweni Muntini, MT.
h. Usulan Proposal ke : I
i. Status : Baru
Koordianator Tugas Akhir
Drs. Gatut Yudoyono, M.T.
NIP. 19640616 198903.1.004
Surabaya, 10 Oktober 2012
Mahasiswa
Moh. Imron Rasyidi
NRP. 1107 100 060
Dosen Pembimbing
Dr. Melania Suweni Muntini, M.T.
NIP. 19641229 199002.2.001
-
I. Judul
Judul program ini adalah Pengontrolan suhu dan kelembapan udara
di dalam
ruang inkubator dengan menggunakan kontrol fuzzy.
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
lain:
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 antara 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 C.
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
Fuzzifikasi Defuzzifikasi
Logika
Pengambilan
KeputusanFuzzy Fuzzy
input output
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, x
2, , xn)T 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:
lainyangUxuntuk
xxuntukx
o
A0
1)(
Fuzzyfikasi nonsingleton: A ( x) =1 dan A ( x) menurun dari 1
sebagaimana x bergerak menjauh dari x. Sebagai contoh :
2
)'()'(exp)(
xxxxx
T
A
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.
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
Grade membership
fungtion (F)
Sedang besarkecil1
0
kecepatan
-
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
IFx is A THENy 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, Z0 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
v
v
dvv
dvvv
v)(
)(
0
........................................................................
7.1.1)
sedangkan dalam semesta diskrit dapat dinyatakan :
m
k
kv
m
k
kvk
v
vv
v
1
10
)(
)(
...................................................................
7.1.2
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:
n
i l
izz1
0
...............................................................
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
37oC)
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 :
= waktu gelombang kotak selama berlogika tinggi
T =periode gelombang kotak.
Sedangkan tegangan rata-rata sebuahgelombang adalah sesuai
pada
persamaan:
( )
.................................... 7.4.2
Dimana :
y : tegangan rata-rata gelombang
T: periode gelombang
Gelombang kotak f(t) pada Gambar 2.4.1berada pada nilai 0 < t
< dan <
t
-
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:
-
(a) (b)
Gambar 8.x diagram alir (a) penelitian dan (b) untuk kendali
fuzzy
7. JADWAL PELAKSANAAN
Penelitian ini akan dilakasanakan sesuai dengan jadwal seperti
dalam table berikut ini:
No Kegiatan
Bulan
Oktober Nopember Desember
1 2 3 4 1 2 3 4 1 2 3 4
1 Studi literature
2 Perancangan alat
3 Perancangan software
4 Pengujian sistem
5 Pengambilan data
Fuzzifikasi
Inferensi Fuzzy
Defuzzifikasi
Membuat Aturan (rule)
Tidak
Ya
Mulai
Pembangkitan Data
Input-output
Berhenti
Output Model
Validasi
Sistem
Kontrol
Mulai
Studi Literatur
Perancangan alat
Perancagan
software
Pengujian sistem dan
pengambilan data
Tidak
Ya
Penyusunan dan
Penulisan Laporan
Selesai
Analisa Performansi
Kendali
-
6 Analisa data
7 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. California:
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