-
PROPOSAL TUGAS AKHIR
PENGONTROLAN SUHU DAN KELEMBAPAN UDARA DI DALAM RUANGINKUBATOR
DENGAN MENGGUNAKAN KONTROL FUZZY
Oleh:
Moh. Imron RasyidiNRP.1107 100 060
Pembimbing:
Dr. Melania Suweni Muntini, MTNIP. 19641229 199002.2.001
JURUSAN FISIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBERSURABAYA
2013
-
LEMBAR PENGESAHAN PROPOSAL TUGAS AKHIRJURUSAN FISIKA
FMIPA-ITS
a. Judul : Pengontrolan Suhu dan Kelembapan Udara di Dalam
RuangInkubator dengan Menggunakan Kontrol Fuzzy
b. Bidang Studi : Fisika Instrumenc. Nama : Moh. Imron Rasyidid.
NRP : 1107 100 060e. Jenis Kelamin : Laki - Laki
f. Jangka Waktu : 3 bulang. Pembimbing : Dr. Melania Suweni
Muntini, MT.h. Usulan Proposal ke : II
i. Status : Baru
Dosen Pembimbing,
Dr. Melania Suweni Muntini, M.T.NIP. 19641229 199002.2.001
Surabaya, 09 Oktober 2013Mahasiswa,
Moh. Imron Rasyidi______NRP. 1107 100 060
Koordianator Tugas Akhir,
M. Arif Bustomi, M.Si._____NIP. 19730418 199802.1.001
Ketua Jurusan Fisika FMIPA-ITS,
Dr. Eng. Yono Hadi Pramono, M.Eng.NIP. 19640616 198903.1.004
-
I. JudulJudul program ini adalah Pengontrolan suhu dan
kelembapan udara di dalam
ruang inkubator dengan menggunakan kontrol fuzzy.
II. Latar Belakang
Dewasa ini, pesatnya perkembangan teknologi instrumentasi
menuntut adanyasistem piranti yang dapat diaplikasikan dengan
cerdas, cepat, dan nyaman. Salah satusitem instrumentasi yang
krusial adalah inkubator. Inkubator adalah kamar atau kotak(box)
yang bersuhu dan kelembapan tetap yang dilengkapi oleh sistem
kontrol. Adapundimensi inkubator tersebut biasanya bermacam-macam,
tergantung kebutuhan daripemakainya. Dalam setiap inkubator,
kontrol suhu dan kelembaban merupakan parameterpaling penting[2].
Inkubator dapat digunakan untuk perawatan bayi yang lahir
prematureguna mengontrol suhu ruangnya agar sama dengan suhu rahim.
Dalam ranah teknologipertanian maju, sebuah inkubator kerap
diterapkan sebagai pegontrol pembibitan.
Namun demikian, ada celah yang menjadikan performa banyak
inkubator yangbiasa digunakan selama ini menjadi tidak maksimal.
Sistem kontrol yang ada dalaminkubator kurang cerdas karena
kebanyakan masih menggunakan PID yang berbasisnumerik sehingga
untuk mengubah variable pengontrol diperlukan rekalkulasi dan
seringkali tidak praktis. Di samping itu, alat pendinginnya pun
menggunakan kipas angin, yangtentu saja ini tidak efisien dari segi
waktu pendinginan dan memperbesar dimensiinkubator. Padahal, sebuah
kontrol cerdas akhir-akhir ini semakin tidak dapat dipisahkandengan
berbagai instrumentasi yang menggunakan teknologi modern dan jenis
kontrolcerdas itu diantaranya adalah Fuzzy Logic Controller (FLC).
FLC merupakan jenis kontrolyang menggunakan bahasa non-numerik
sebagai parameter pengontrol yang sangatmemudahkan bagi pemakainya
untuk mendesain sistem kontrol yang diharapkan[1].Aplikasi FLC
banyak sekali digunakan, seperti pengaturan rumah kaca tanaman
datarantinggi[3], optimisasi produksi barang[8], pencegahan
kecelakaan lalu lintas dan sistemkeamanannya[1], kontrol suhu dan
kelembaban[7], sistem suspensi semi-aktif denganperedam
nonlinier[9], pengendali penerangan[6], dan lain-lain. Lebih dari
itu,penggunaan FLC tidak memerlukan persamaan matematis yang rumit
melainkan hanyadengan persamaan yang sederhana dan mudah. Artinya,
jika dikomparasi sistem controlPID dan FLC, tentu saja FLC jauh
lebih unggul. Karena alasan kemudahan dan tingkatkestabilan serta
kecepatan dalam merespon perubahan keadaan dalam mengontrol
objekyang hendak dikontrol, FLC sangat cocok digunakan untuk
mengontrol temperature dankelembapan udara di dalam ruang
inkubator, karena ruang inkubator memerlukan kondisidengan
temperature dan kelembapan tertentu dengan lebar jangkauan
masing-masingtemperature dan kelembapan yang sangat sempit. Terkait
pendingin inkubator, sebuahpeltier diprediksi lebih baik
dibandingkan kipas angin; karena peltier memiliki
kemapuanpendinginan yang lebih cepat dibandingkan kipas angina
dimana kipas angin hanyasekedar mensirkulasikan udara dingin dan
bukan mendinginkan. Faktanya, sebuahinkubator agar dapat bekerja
dengan baik terutama dalam penstabilan suhu, diperlukan
-
sistem pendingin yang dapat menurunkan suhu dengan cepat. Oleh
sebab itu, peltiermenjadi salah satu komponen yang dapat digunakan
sebagai system pendingin.
Untuk menutupi celah-celah tersebut dan pada gilirannya nanti
dalam rangkameningkatkan kualitas kerja sebuah inkubator, maka
penelitian ini dihadirkan. Dalampenelitian ini, sebuah inkubator
didesain dengan sistem control berbasis FLC dan sistempendingin
peltier. Pekerjaan ini meliputi pembuatan hardware, software, dan
penyiapansistem komunikasi data di antara keduanya. At last but not
least, inkubator yangdirancang dalam penelitian ini memiliki
keunggulan sebagai berikut: bagian-bagianinkubator adalah hasil
rancangan tangan sendiri (hand-made), biaya pembuatan relativetidak
mahal, sistem control yang cerdas berbasis FLC, dimensi besar
(60x50x50) cm,stabilitas sistem tinggi, akurasi baik sekali, dan
yang paling penting adalah inkubator inidiharapkan dapat diterapkan
dengan baik untuk perawatan bayi premature dan penelitianpembibitan
tanaman.
III. Rumusan MasalahBeberapa 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. TujuanTujuan dari penelitian ini adalah untuk mempertahankan
kondisi temperature dan
kelembapan udara di dalam ruang inkubator supaya sama dengan set
point.
V. Batasan MasalahBeberapa batasan masalah yang akan dibahas di
dalam tugas akhir ini antara lain
a. Kontrol fuzzy hanya digunakan untuk mengontrol besar kecilnya
daya ke sprayer(pelembap) dan ke heater (pemanas) dengan cara PWM
(pulse width modulation).
b. Kelembapan yang diinginkan hanya untuk empat keadaan setpoint
yaitu 75%, 80%,85%, dan 90%.
c. Temperature yang diinginkan hanya untuk empat keadaan
setpoint yaitu 35, 36, 37,dan 38 C.
d. Variable yang akan dimasukkan ke dalam kontrol fuzzy adalah
variabel eror yangdihasilkan oleh selisih antara masing-masing
kelembapan dan temperature saat initerhadap setpoint yang sedang
dipakai.
-
VI. Sistematika PenulisanProposal tugas akhir ini terdiri dari 5
bagian, yaitu pendahuluan, tinjauan pustaka,
metodologi penelitian, jadwal pelaksanaan, dan penutup.
Pendahuluan terdiri dari latarbelakang, rumusan masalah, tujuan,
batasan masalah dan sistematika penulisan.Tinjauanpustaka yang
terdiri dari sejumlah teori dasar yang berkaitan erat dengan
penelitian ini.Metodologi penelitian yang terdiri dari tahap
perencanaan, desain, dan langkah kerjadalam proses pengambilan
data. Jadwal pelaksanaan berisi tentang rencana pelaksanaankegiatan
penelitian untuk tugas akhir. Dan terakhir penutup serta daftar
pustaka danpengesahan
VII. TINJAUAN PUSTAKA7.1 Konsep Logika Fuzzy
Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang
kontinue.Samar dinyatakan dalam derajat dari suatu keanggotaan dan
derajat dari kebenaran. Olehsebab itu, sesuatu dapat dikatakan
sebagian benar dan sebagian salah pada waktu yangsama[4].
a. Struktur Dasar Logika Fuzzy
Pada dasarnya struktur logika fuzzy dapat digambarkan seperti
berikut :
Gambar 7.1 Struktur Dasar Logika Fuzzy
Fungsi dari bagian-bagian di atas adalah sebagai berikut:
FuzzifikasiBerfungsi untuk mentransformasikan sinyal masukan
yang bersifat crisp ( bukanfuzzy ) ke himpunan fuzzy dengan
menggunakan operator fuzzifikasi.
Basis PengetahuanBerisi basis data dan aturan dasar yang
mendefinisikan himpunan fuzzy atas daerah daerah masukan dan
keluaran dan menyusunnya dalam perangkat aturan kontrol.
Logika Pengambil Keputusanmerupakan inti dari Logika Fuzzy yang
mempunyai kemampuan seperti manusiadalam mengambil keputusan. Aksi
atur fuzzy disimpulkan dengan menggunakanimplikasi fuzzy dan
mekanisme inferensi fuzzy.
-
Defuzzifikasiberfungsi untuk mentransformasikan kesimpulan
tentang aksi atur yang bersifatfuzzy menjadi sinyal sebenarnya yang
bersifat crisp dengan menggunakan operatordefuzzifikasi[4].
b. Fungsi keanggotaanFungsi keanggotaan (membership function )
dari himpunan fuzzy adalah suatu
fungsi yang menyatakan keanggotaan dari suatu himpunan
nilai-nilai. Penentuannilai-nilai diperoleh dari rule / kaidah
fuzzy yang menggunakan metoda implikasi.Ada dua metoda untuk
mendefinisikan keanggotaan himpunan fuzzy, pertama secaranumerik
dinyatakan sebagai suatu nilai vektor yang besarnya tergantung dari
leveldiskritnya. Fungsi keanggotaan fuzzy yang sering digunakan
antara lain :
1. Fungsi representasi linierPada representasi linier, pemetaan
input ke derajat keanggotaannya
digambarkan sebagai suatu garis lurus. Bentuk ini paling
sederhana dan menjadipilihan yang baik untuk mendekati suatu konsep
yang kurang jelas.Keadaan linierhimpunan fuzzy terdiri dari dua
keadaan linier naik dan linier turun. Pada liniernaik, kenaikan
himpunan dimulai pada nilai domain yang memiliki derajatkeanggotaan
nol [0] bergerak ke kanan menuju nilai domain yang memiliki
derajatkeanggotaan lebih tinggi dengan fungsi keanggotaan :
Gambar grafik fungsi representasi naik
Sedangkan pada linier turun, garis lurus dimulai dari nilai
domain denganderajat keanggotaan tertinggi pada sisi kiri, kemudian
bergerak menurun ke nilaidomain yang memiliki derajat keanggotaan
lebih rendah dengan fungsikeanggotaan.
-
Gambar grafik fungsi representasi turun
2. Fungsi keanggotaan segitigaFungsi keanggotaan segitiga
ditandai oleh adanya 3 (tiga) parameter {a,b,c}
yang akan menentukan koordinat x dari tiga sudut. Kurva ini pada
dasarnyamerupakan gabungan antara dua garis (linier). Adapun
persamaan untuk bentuksegitiga ini adalah:
Gambar grafik fungsi keanggotaan segitiga
3. Variabel linguisticVariabel linguistik dalam penjabaranya
diungkapkan dalam bahasa
natural/alami yang dapat mengikuti pola pikir manusia dimana
nilai nilainyadidefinisikan dengan istilah linguistik. Secara umum
variabel yang seringdigunakan adalah negatif Big (NB), Negatif
Medium (NM), Zero (Z), PositifSmall (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 fuzzysesuai dengan variasi semesta
pembicaraan input. Pemetaan titik-titik numerik (crisp points)x =
(x1, x2, , xn)T U ke himpunan fuzzy A pada semestapembicaraan U.
Data yang telah dipetakan selanjutnya dikonversikan ke dalambentuk
linguistik yang sesuai dengan label dari himpunan fuzzy yang
telahterdefinisi 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
A 01)(
Fuzzyfikasi nonsingleton: A ( x) =1 dan A ( x) menurun dari 1
sebagaimanax 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 pemetaandari input ke derajat
keanggotaan antara 0 dan 1. Melalui fungsi keanggotaanyang telah
disusun maka dari nilai-nilai masukan tersebut menjadi
informasifuzzy yang berguna nantinya untuk proses pengolahan secara
fuzzy pula.Banyaknya jumlah fungsi keanggotaan dalam fuzzy set
menentukan banyaknyaaturan yang harus dibuat.
Label.Didalam Fuzzy set tentunya memiliki beberapa fungsi
keanggotaan, jumlahdari keanggotaan inipun disesuaikan dengan
banyaknya kebutuhan. Setiapfungsi keanggotaan dapat didefinisikan
dengan label atau nama. Dapatdinyatakan 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 (RuleBase). Fakta merupakan bagian pengetahuan yang memuat
informasi tentang
-
objek, peristiwa, atau situasi. Fakta umumnya menyatakan kondisi
statik darisuatu objek. Sedangkan kaidah (Rule base) berisi
informasi tentang caramembangkitkan fakta baru atau hipotesa fakta
yang sudah ada.
Basis Data (Data Base).Basis data berfungsi untuk mendefinisikan
himpunan-himpunan fuzzy darisinyal masukan dan sinyal keluaran agar
dapat digunakan oleh variabellinguistik dalam basis aturan. Dalam
pendefinisian tersebut biasanya dilakukansecara subjektif dengan
menggunakann pendekatan heuristik dan didasarkanpada pengalaman dan
pertimbangan yang menyangkut kerekayasaan, sehinggabergantung penuh
pada perancang.
Kaidah Atur (Rule Base).Kaidah atur dalam fuzzy ini biasanya
tersusun dengan pernyataan :
IF (antecedent) THEN (consequent) atau dapat jugaIFx 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 himpunanfuzzy input kehimpunan fuzzy
output.
6. Logika pengambil keputusanSering pula disebut sebagai Fuzzy
Inference sistem (FIS) merupakan bagian
terpenting dalam logika fuzzy.Langkah yang dilakukan pada tahap
ini yaitumengevaluasi aturan, dimana mengevaluasi aturan mempunyai
arti yaitu logikafuzzy mengolah dan menyimpulkan proses yang
tersusun dari rule IF...THEN,setiap rule menghasilkan satu output.
Pada dasarnya satu rule akan aktif apabilakondisi input memenuhi
aturan pernyataan IF. Pengaktifan aturan pernyataan IFmenghasilkan
output kontrol yang didasarkan pada aturan pernyataan THEN.Dalam
sistem fuzzy digunakan banyak rule yang menyatakan satu atau
lebihpernyataan IF. Suatu rule dapat pula mempunyai beberapa
kondisi input, yang satusama lainya dihubungkan dengan AND atau OR
untuk mendapatkan rule output.
7. Defuzzyfikasi
Defuzzifikasi merupakan proses merubah output fuzzy dari FIS
(fuzzyinference sistem) menjadi output crips. Bentuk umum proses
defuzzyfikasidiyatakan dengan:
Z0 = defuzzier (z)dimana z adalah aksi pengendalian fuzzy, Z0
adalah aksi pengendali crisp, dandefuzzifier 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 v0yangmenandai garis
pembagi adalah harga V yang terdefuzzifikasi.
Secara algoritmik dinyatakan :
v
v
v
v
dvv
dvvvv
)(
)(0
........................................................................
7.1.1)
sedangkan dalam semesta diskrit dapat dinyatakan :
m
kkv
m
kkvk
v
vv
v
1
10
)(
)(
...................................................................
7.1.2
Metode Titik Tengah Maksimum (Mean Of Maximum, MOM).Merupakan
metode defuzzifikasi yang merepresentasikan nilai titik tengah
darikeluaran yang fungsi anggotanya maximum. Fungsinya ditunjukkan
sebagai:
n
i lizz
10
....................................................................
7.1.3
dimana zi adalah nilai pendukung dengan fungsi keanggotaan
bernilai maximumdan l adalah banyaknya nilai pendukung[4].
7.2 Sensor Suhu dan Kelembapan HSM-20G
Sensor HSM-20G merupakan sensor suhu sekaligus merupakan
sensorkelembapan dengan keluaran berupa tegangan analog. Berikut
ini gambar fisik darisensor 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-20GKarakteristik dari sensor HSM-20G
dapat dilihat pada gambar 2.2.2 berikut ini:
Gambar 2.2.3 Spesifikasi dari sensor HSM-20G
7.3 InkubatorInkubator adalah kamar atau kotak yang bersuhu
tetap (biasanya 37oC) [2]. Selain
bersuhu tetap biasanya kelembapan di dalam ruangan ini juga
tetap. Sedangkan dimensidari 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 darigelombang kotak tersebut dapat diatur sesuai dengan
kebutuhan sistem. Gelombangkotak f(t) yang ideal dengan periode T
ditunjukkan sepertipada Gambar 2.4.1.
-
Gambar 2.4.1 Gelombang kotak f (t) yang ideal dengan periode
T
Gelombang kotak seperti pada Gambar 2.4.1memiliki duty cycle, D
seperti padapersamaan berikut: =
...........................................................7.4.1
Dimana :
= waktu gelombang kotak selama berlogika tinggi
T =periode gelombang kotak.
Sedangkan tegangan rata-rata sebuahgelombang adalah sesuai
padapersamaan: = ( ) ....................................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 < dan