BAB II TINJAUAN PUSTAKA

6

BAB II TINJAUAN PUSTAKA 2.1. Literature Review Banyak penelitian sebelumnya mengenai line follower baik itu dengan mengaplikasikan Pulse Width Modulation (PWM) pada keluarannya maupun dengan kendali on-off. Dalam upaya mengembangkan line follower ini perlu studi pustaka sebagai salah satu penerapan metode penilitan yang akan dilakukan. Studi literature ini bertujuan untuk melanjutkan penelitian-penelitian sebelumnya di bidang line follower dan fuzzy logic controller. Berikut merupakan beberapa literature review mengenai line follower dan fuzzy logic controller: 1. Penelitian ini dilakukan oleh M. S. Islam dan M. A. Rahman dengan judul “Design and Fabrication of Line Follower Robot” pada penelitian ini di bahas tentang desain dan implementasi line follower dengan kontrol on-off atau biasa disebut line follower analog. Line follower ini menggunakan 2 sensor LDR sebagai sensor garis dan disambungkan dengan op-amp comparator untuk membandingkan apakah intensitas cahaya yang diterima LDR dengan potensio yang mana potensio tersebut sudah diatur agar bisa membedakan garis dan bukan garis. Output dari op-amp comparator tersebut di sambung dengan driver motor yang mana dalam hal ini menggunakan sebuah transistor untuk menyalakan atau mematikan motor. Kesimpulan dari penelitian ini adalah, line follower ini dapat mengikuti garis pandunya dan juga selain itu robot ini mempunyai kemampuan untuk membawa beban sebesar 500gr. Dan penulis jurnal ini menyarankan untuk penelitian selanjutnya mengganti metode on-off dengan Pulse Width Modulation (PWM) dengan sensor yang lebih banyak, dan menggunakan mikrokontroller sebagai kontroler, dan mengganti driver motor dengan H-Brige dan mengganti LDR dengan phototransistor yang mempunyai respon lebih baik dari pada LDR. Dan penulis juga mengungkapkan bahwa penggunaan 2 sensor ini menyebabkan line follower berjalan fluktuatif terhadap garis.[1] 2. Jurnal yang ditulis oleh Asst. Prof. Anjumanara Begam, Ravi Kumar Mishra, Vinita Sinha dan Nina Banik dengan judul “Line Following Robot without

http://digilib.mercubuana.ac.id/

7

Using Microcontroller” mirip seperti jurnal sebelumnya. Pada jurnal ini penulis jurnal tersebut menggunakan 2 buah LDR sebagai sensor garis dan comparator sebagai pembanding intensistas cahaya yang diterima LDR dengan potensio. Output comparator-nya juga sama menggunakan driver motor yang juga menggunakan sebuah transistor pada masing-masing motor. Pada kesimpulan yang ditulis oleh penulis jurnal mengungkapkan bahwa sesuatu yang lebih handal dan biaya minimum sangat dibutuhkan dan jenis robot ini juga dapat digunakan untuk pertahanan. Dan menggunakan ide ini robot dapat diimplementasi pada berbagai tujuan.[2] 3. Penelitian yang dilakukan oleh Jyoti Kumar Barman, Pushpanjalee Konwar dan Gitu Das dengan judul “Design of a PD like Fuzzy Logic Controller for Precise Positioning of a Stepper Motor”, pada penelitian ini menawarkan metode baru untuk mengendalikan motor stepper dengan kontrol FLC yang mirip dengan kontrol PD yang dapat menangani satu sisi dari error seperti masalah tracking matahari untuk mendapatkan daya maksimum pada sistem array PV. Penelitian yang disimulasikan dengan MATLAB ini mempunyai 2 varible membership yaitu error dan change in error. Hasil penelitiannya adalah osilasi minor yang di didapati sekitar 1mS dan hal ini disimpulkan dapat di abaikan osilasi minor ini karena sangat kecil dan sistem nya sangat cepat untuk aplikasi real. [3] 4. Penelitian yang dilakukan oleh Zainab Yunusa, Ado Dan-Isa, Yunusa Ali Sai’d dan Reza Shoorangiz dengan judul “Effects of the Number of Rules on the Quality of Fuzzy Logic Control of Induction Motor” adalah merupakan penelitian tentang pengaruh jumlah rule untuk fungsi keanggotaan segitiga pada kualitas kontrol terhadap motor induksi. Penelitian yang disimulasikan dengan Simulink MATLAB ini di uji dengan rule 3x3, 5x5 dan 7x7 dan Motor induksi yang di sumulasikan pada penelitian ini menggunakan motor induksi 50 HP, 460 V, 3-fasa. Dari Hasilnya disajikan bisa disimpulkan bahwa ada hubungan antara jumlah fungsi keanggotaan dan stabilitas pengendali. Ini telah divalidasi dari hasil simulasi diperoleh saat motor induksi 50 HP 3-phase Dijalankan tanpa beban dan kecepatan masing-masing 120 dan 140rad / detik. Oleh karena itu dapat disimpulkan bahwa semakin tinggi jumlah fungsi keanggotaan semakin stabil pengontrol. [4]


8

5. Penelitian yang dilakukan oleh Rekha kushwah dan Sulochana Wadhwani dengan judul “Speed Control of Separately Excited Dc Motor Using Fuzzy Logic Controller” adalah merupakan penelitian tentang pentingnya fuzzy logic controller dibanding dengan metode konvensional. Pengontrolan kecepatan pada motor DC sumber daya terpisah menggunakan Fuzzy Logic Controller (FLC) ini disimulasikan menggunakan MATLAB dimana ada 9 aturan fuzzy yang di rancang untuk FLC. Output respon sistem diperoleh dengan membandingkan dua jenis control yaitu PID dan FLC. Hasil kesimpulannya bahwa kontrol fuzzy mempunyai overshoot, transient dan steady state yang kecil dan hal ini menunjukkan bahwa FLC mempunyai efektifitas dan efisiensi dibanding dengan PID konvensional . [5] 2.2. Fuzzy Logic Fuzzy logic pertama kali diperkenalkan oleh Jan Lukasiewicz pada tahun 1920-an sebagai teori kemungkinan. Logika ini memperluas jangkauan dari nilai kebenaran untuk semua bilangan riil pada interval antara 0 dan 1. Selanjutnya diteliti lebih lanjut oleh Max Black pada tahun 1930an dalam penelitiannya tentang ketidak jelasan (vagueness): sebuah latihan pada analisis logis. Pada tahun 1965, Professor dan kepala departemen teknik elektro di University of California di Berkeley, Lotfi Zadeh, menemukan kembali, mengidentifikasi, mengeksplorasi, mempromosikan, dan berjuang untuk fuzzy logic. Professor Zadeh memperluas ruang kerja teori kemungkinan menjadi sistem logika matematika formal, dan konsep baru untuk mengaplikasikan istilah bahasa alami pada penelitiannya, yaitu ‘Fuzzy sets’. Logika baru ini dinamakan fuzzy logic. Fuzzy logic banyak digunakan karena fuzzy logic mirip dengan cara berfikir manusia. Sistem fuzzy logic dapat merepresentasikan pengetahuan manusiadalam bentuk matematis dengan menyerupai cara berpikir manusia. [6] Fuzzy logic memiliki derajat keanggotaan dalam rentang 0 (nol) hingga 1 (satu), berbeda dengan logika digital atau diskrit yang hanya memiliki dua nilai, yaitu 1 (satu) atau 0 (nol). Logika fuzzy digunakan untuk menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan


9

sangat cepat. Fuzzy logic dapat mengolah nilai yang tidak pasti berupa batasan, seperti “sangat”, “sedikit”, “kurang lebih”.[6] 2.2.1. Fungsi Keanggotaan Segitiga Pada fungsi ini hanya mempunyai satu nilai x yang memiliki derajat keanggotaan sama dengan satu. Berikut ini merupakan persamaan matematik dari fungsi keanggotaan segitiga: [7]

Ͳǡ ‫ ݔ‬൑ ܽǡ ‫ ݔ‬൒ ܿ ܵ݁݃݅‫ܽ݃݅ݐ‬ሺ‫ݔ‬ǡ ܽǡ ܾǡ ܿሻ ൌ ൞ ௕ି௔ ǡ ܽ ൏ ‫ ݔ‬൑ ܾ ..................... 2.1[7] ିሺ௫ି௖ሻ ǡܾ ൏ ‫ ݔ‬൑ ܿ ௖ି௕ ௫ି௔

Persamaan diatas mempunyai grafik seperti gambar berikut:

Gambar 2.1 Grafik Fungsi Keanggotaan Segitiga [7] 2.2.2. Fuzzifikasi Fuzzifikasi merupakan proses pengambilan nilai input berupa nilai renyah (crisp) dan menentukan derajat dari input sehingga dapat dikelompokkan pada himpunan fuzzy yang sesuai. Pada tahap ini nilai input crisp akan dikonversi menjadi nilai fuzzy dan di kelompokkan pada himpunanan fuzzy tertentu.[6] 2.2.3. Proses Inferensi Proses inferensi merupakan proses menghitung semua aturan yang ada dalam basis pengetahuan. Hasil dari proses ini direpresentasikan dengan fuzzy set untuk setiap variable bebas (pada consequent). Derajat keanggotaan pada setiap variable tidak bebas menyatakan ukuran kompabilitas terhadap variable bebas (pada antecedence). Berikut merupakan model aturan fuzzy untuk aturan mamdani:[7]


10

IF x1 is A1 AND….AND xn is An THEN y is B ...............

2.2[7]

Sedangkan proses inferensi untuk implikasi pada model mamdani bisa menggunakan dua cara yaitu clipping (alpha-cut) atau scalling. Namun metode yang umum digunakan adalah metode clipping[6]. Berikut merupakan model metode inferensi mamdani pada proses implikasi:

ߤ‫ ܤ ת ܣ‬ሺ௫ሻ ൌ ሺߤ‫ܣ‬ሾ‫ݔ‬ሿǡ ߤ‫ܤ‬ሾ‫ݔ‬ሿሻ .....................................

2.3[6]

Setelah proses inferensi, adalah rule aggregation yang mana proses

ini adalah penggabungan nilai aturan dari semua aturan. Pada tahap ini, digunakan metode Max, dimana solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, yang kemudian digunakan untuk memodifikasi daerah fuzzy. [6]

ߤ௦௙ ሾܺ௜ ሿ ՚ ሺߤ௦௙ ሾܺ௜ ሿǡ ߤ௞௙ ሾܺ௜ ሿሻ.........................................

2.4[6]

2.2.1. Defuzzifikasi

Langkah terakhir dari proses inferensi fuzzy adalah untuk mengonversi nilai fuzzy hasil dari agregasi aturan ke dalam sebuah bilangan renyah. Metode paling umum digunakan untuk metode inferensi fuzzy mamdani adalah metode centroid (centre of gravity/ COG).[6] Metode ini menghitung nilai crisp menggunakan rumus:

‫כ ݕ‬ൌ

‫ ׬‬௬ఓೃ ሺ௬ሻௗ௬ ........................................................ ‫ ׬‬ఓೃ ሺ௬ሻௗ௬

2.5[7]

Dimana y* merupakan bilangan crisp. Fungsi integration dapat diganti fungsi summation jika y merupakan bernilai diskrit, sehingga untuk rumus diskritnya adalah sebagai berikut: [6]

‫כ ݕ‬ൌ

ఀ௬ఓೃ ሺ௬ሻ ఀఓೃ ሺ௬ሻ

.............................................................


2.6[7]

11

2.2.2. Close Loop Fuzzy Controller Fuzzy controller yang diimplementasikan secara closed loop merupakan pengendali dengan struktur umpan balik seperti ditunjukkan pada gambar berikut:[7]

Gambar 2.2 Blok Diagram Close Loop Fuzzy Controller[8] Dengan struktur fuzzy seperti diatas bisa dirancang seperti sistem kendali PID. Untuk merancang fuzzy yang menyerupai sistem kendali PID, variable keadaan yang bisa dipilih adalah sebagai berikut: [8] •

Error (e)

•

Change Error (ë)

•

Sum of Error (e) [8] Sedangkan variabel input sistem yang merupakan output

pengendali dan merupakan bagian konsekuen aturan fuzzy dapat berupa : [8] •

Change of output control (ü)

•

Output control (u) [8] Sinyal error merupakan selisih antara set point dengan hasil

pengukuran pada output sistem yang dirumuskan sebagai berikut: [8]

e(t)= ysp(t)-y(t)............................................................

2.7[8]

untuk sinyal change of error dirumuskan sebagai berikut:

ë(t)= e(t)-e(t-1)........................................................

2.8[8]

Sedangkan sinyal sum of error dirumuskan sebagai berikut:

σ ݁ሺ‫ݐ‬ሻ ൌ σ௧௞ୀ଴ ݁ሺ݇ሻ..................................................


2.9[8]

12

2.2.3. PD Like Fuzzy Controller PD like fuzzy controller merupakan fuzzy controller yang memiliki perilaku menyerupai kendali PD. Struktur kendali PD-Like Fuzzy controller digambarkan sebagai berikut: [8]

Gambar 2.3 Blok Diagram PD Like Fuzzy[8] Sebagaimana pengendali PD yang memiliki gain proporsional yang dikalikan dengan input error dan gain derivative yang dikalikan dengan derivative error, maka PD-like fuzzy controller menggunakan dua input varuibel yaitu error dan derivative error dengan persamaan controller sebagai berikut: [7]

u(t) = Kp x e(t) + Kd x ë(t).................................

2.10[8]

Sehingga untuk mendesain PD-like fuzzy variable input berupa nilai error e(t) dan nilai change of error ǻe(t) sebagai bagian anteseden aturan fuzzy. Dalam hal ini, aturan fuzzy akan berupa: [8] “Jika error e(t) adalah (nilai_linguistik) dan change of error ǻe(t) adalah (nilai_linguistik) maka control output adalah (nilai_linguistik) “[8] Nilai-linguistik dalam aturan tersebut dapat berupa “negatif”, “nol” maupun “positif” dan modifikasi dari nilai-nilai tersebut. Nilai error “negatif” terjadi saat nilai referensi Ysp lebih kecil dari nilai aktual output y, sedangkan nilai error “positif” terjadi jika nilai referensi ysp lebih besar dari nilai aktual output y. nilai change of error “negatif” artinya nilai output saat ini y(t) lebih besar dari nilai output sebelumnya y(t-1) atau nilai output y makin besar, sedangkan nilai change of error “positif” artinya nilai outoput saat ini y(t) lebih kecil dari nilai output sebelumnya y(t-1) atau nilai output y makin kecil. Nilai error sama dengan “nol”


13

artinya output y bernilai di sekitar nilai referensi ysp. Sedangkan nilai change of error “nol” artinya nilai output y hampir tidak berubah. [8] 2.3. Mikrokontroller ATMEGA16 Mikrokontroller adalah sebuah sistem microprocessor dimana di dalamnya sudah terdapat CPU, ROM, RAM, I/O, Clock dan peralatan internal lainnya yang sudah saling terhubung dan terorganisasi (teralamati) dengan baik oleh pabrik pembuatnya dan di kemas dalam satu chip yang siap pakai. Sehingga kita tinggal memprogram isi ROM sesuai aturan oleh pabrik yang membuatnya. [9] Mikrokontroller pada dasarnya adalah komputer dalam satu chip, yang di dalam nya terdapat mikroprosesor, memori, jalur input/output (I/O) dan perangkat pelengkap lainnya. Kecepatan pengolahan data pada mikrokontrolller lebih rendah jika dibandingkan dengan PC. Pada PC kecepatan mikroprosesor yang di gunakan saat ini telah mencapai orde GHz, sedangkan kecepatan operasi mikrokontroler pada umumnya berkisar antara 1-16MHz. Begitu juga kapasitas RAM dan ROM pada PC yang bisa menvapai orde Gbyte, dibadingkan dengan mikronotroler yang hanya berkisar pada orde byte/Kbyte. [10] Meskipun kecepatan pengolahan data dan kapasitas memori pada mikrokontroler jauh lebih kecil jika dibandingkan dengan komputer personal, namun kemampuan mikrokontroler sudah cukup untuk digunakan pada banyak aplikasi terutama karena ukurannya yang kompak. Mikro kontroler sering digunakan pada sistem yang tidak terlalu kompleks dan tidak memerlukan kemampuan komputasi yang tinggi. [10] ATMEGA 16 merupakan salah satu mikrokontroller 8-bit keluarga AVR yang di produksi oleh ATMEL dengan memori 16Kbytes, 512 Bytes EEPROM 1Kbytes Internal SRAM. Berikut merupakan beberapa fitur dari ATMEGA16: •

High Performance, Low-power atmel AVR 8-bit microcontroller

•

Mempunyai 16Kbytes Memory Flash

•

512 bytes EEPROM

•

1Kbytes Internal SRAM

•

2 Buah Timer/ Counter 8-bit dengan prescaler terpisah dan compare mode


14

•

1 buah Timer/ Counter 16-bit dengan prescaler terpisah, compare mode dan capture mode

•

Real time counter dengan osilator terpisah

•

4 Channel PWM

•

8 Channel 10-bit ADC

•

Two wire Serial Interface

•

Programmable serial USART

•

Master/ Slave SPI Serial Interface

•

32 Programmable I/O

•

Speed Grade 0-16MHz [11]

2.4. Kontrol Motor dengan Pulse Width Modulation (PWM) Pada dasarnya putaran motor DC secara umum berbanding lurus dengan tengangan supply pada terminalnya. Untuk mendapatkan putaran rendah maka diberi tegangan rendah. Untuk putaran tinggi maka tengangan harus tinggi. Dengan demikian, masalah yang harus diselesaikan pada rangkaian pengemudi motor adalah bagaimana membuat tegangan output dapat bervariasi (dapat diatur mulai dari 0 Volt hingga tegangan maksimum secara linier). [12] Secara teori, spesifikasi ini dapat diperoleh dengan memanfaatkan rangkaian penguat transistor (lihat gambar 2.4) yang tegangan/ arus basisnya dapat diatur untuk mendapatkan tegangan kolektor yang bervariatif. Akan tetapi, cara ini tidak disarankan, karena dapat menimbulkan panas yang berlebihan pada transistor. Hal ini disebabkan transistor bekerja pada daerah linier sehingga disipasi daya berupa panas yang setara dengan hasil perkalian arus kolektor dengan resistansi kolektoremitor adalah relatif besar. Seperti diketahui, resistansi kolektor – emitor akan mendekati tak terhingga (atau hubungan terbuka) bila transistor berada dalam kondisi cut-off, dan resistansi menjadi minimum bila transistor berada dalam kondisi saturasi. Jika cut-off maka disipasi daya adalah mendekati nol sehingga tidak terjadi panas, dan jika saturasi maka resistansi juga mendekati nol sehingga panas juga tidak terjadi. [12]


15

Gambar 2.4 Rangkaian Driver[12]

Gambar 2.5 Prinsip Kerja PWM[12] Pulse width modulation (PWM) adalah suatu teknik manipulasi dalam pengemudian motor (atau perangkat elektronik berarus besar lainnya) yang menggunakan prinsip cut-off dan saturasi. Transistor atau kompenen switching didesain untuk bekerja dengan karakteristik mirip “linier”, tetapi sebenarnya menggunakan teknik ON-OFF. [12] Lebar pulsa PWM dinyatakan dalam duty cycle. Misal duty-cycle 10%, berarti lebar pulsa adalah 1/10 bagian dari satu periode penuh (lihat gambar 2.5). Semakin sempit pulsa PWM, Tegangan ekivalen liniernya semakin kecil. Semakin sempit pulsa PWM, tegangan ekivalen linier sama dengan tegangan maksimum pada motor dikurangi tegangan saturasi pada kolektor-emitor (atau drain-source pada komponen MOSFET). Dalam aplikasi untuk driver motor DC-MP secara umum, frekuensi PWM bisa ditentukan mulai dari 60 hingga 2000Hz sesuai kemampuan switching komponen. Pembangkitan pulsa PWM bisa diperoleh melalui berbagai rangkaian timer. [12]


BAB II TINJAUAN PUSTAKA

Recommend Documents