Rancang Bangun Sistem Penjejak Matahari 2 Sumbu Berbasis Kontrol Adaptive Neuro-Fuzzy Inference System (ANFIS)

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6

1

Rancang Bangun Sistem Penjejak Matahari 2 Sumbu Berbasis Kontrol Adaptive Neuro-Fuzzy Inference System (ANFIS) Amar Muhammad, Imam Abadi ST MT Teknik Fisika, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS) Jl. Arief Rahman Hakim, Surabaya 60111 E-mail: [email protected]

Abstrak— Photovoltaic (PV) merupakan teknologi yang berkembang dibidang pemanfaatan energi terbarukan. Teknologi ini dapat mengkonversi intensitas matahari menjadi energi listrik. Dalam pengembangannya dibutuhkan suatu metode untuk dapat memaksimalkan daya keluaran dari PV, dan salah satunya yaitu dengan menjaga agar PV dapat tegak lurus dengan arah matahari melalui metode tracking (penjejak). Metode yang saat ini dikembangkan adalah dengan menggunakan kontrol Adaptive Neuro Fuzzy Inference System (ANFIS) yang memanfaatkan pengelompokan menggunakan fuzzy dan pembelajaran menggunakan jaringan saraf tiruan. Hasil yang diperoleh pada penelitian ini adalah dengan memvalidasi sudut antara sudut munculnya matahari dengan sudut ketika telah menggunakan tracking. Kata Kunci: Photovoltaic, Solar Tracker, ANFIS I. PENDAHULUAN

S

eiring dengan perkembangan teknologi, telah banyak sumber energi terbarukan yang dikembangkan diantaranya yaitu pemanfaatan energy matahari yang dikonversi menggunakan sel surya (photovoltaic). Tenaga surya sebagai sumber clean energy menjadi banyak diminati untuk dilakukan penelitian lebih lanjut [1]. Energi listrik yang dihasilkan dapat dimanfaatkan ke banyak aplikasi, sebagai contoh pemanfaatan dalam kehidupan sehari-hari diantaranya sebagai pengisi baterai lampu jalan, pemanas air, dan juga sebagai pembangkit tenaga listrik yang akan dihubungkan langsung ke jala-jala PLN. Sel Surya adalah perangkat yang dapat mengkonversi energi cahaya matahari menjadi energi listrik. Namun, dalam proses konversi energi pada sel surya ini dipengaruhi banyak faktor yang dapat mengurangi kerja maksimal pengkonversian energi. Faktor tersebut diantaranya adalah faktor orientasi terhadap posisi matahari yang selalu berubah-ubah yang dapat mengurangi kerja maksimal panel surya dalam pengkonversian energi matahari menjadi energi listrik Penelitian yang berkembang telah sampai pada peningkatan efisiensi kerja dari PV. Efisiensi yang lebih tinggi dari sistem tersebut dapat dihasilkan bila sinar matahari bisa tegak lurus dengan permukaan photovoltaic. Adapun pengendalian yang digunakan dalam pengembangan solar tracker ini cukup bervariasi, mulai dari menggunakan pengendalian klasik sampai pada pengendalian yang modern.

Pada tugas akhir ini, dibuat alat yang dapat menyelesaikan permasalahn optimalisasi kinerja photovoltaic yaitu dengan membuat penjejak matahari menggunakan sistem dan pengendalian yang modern. Dengan paduan kontrol neural network dan fuzzy atau yang dikenal dengan istilah Adaptive Neuro-Fuzzy Inference System (ANFIS). II. TINJAUAN PUSTAKA A. Solar Tracker Solar tracker adalah gabungan suatu sistem yang mampu mendeteksi dan mengikuti arah matahari agar senantiasa tegak lurus. Tujuan diberikannya penjejak pada photovoltaic adalah agar dapat mengoptimalkan daya keluaran dari PV. Semakin tegak lurus PV dengan matahari, maka semakin besar pula daya yang dapat dihasilkan. Hal ini tentunya sangat berguna untuk kebutuhan alternatif sumber energi. Solar tracking terdiri dari beberapa komponen penting seperti: sensor, logika kontrol, controller dan photovoltaic. Penelitian yang berkembang, telah dapat menggunakan berbagai jenis control agar penjejak berjalan optimal. Namun adanya solar tracker sendiri menjadi tantangan buat peneliti untuk mengembangkannya, pasalnya selama ini sistem penjejak memerlukan catu daya yang cukup besar untuk dapat beroperasi agar keluaran daya dari PV menjadi optimal. selain digunakan untuk penjejak matahari, diharapkan ada juga daya yang dapat di simpan untuk kepentingan lainnya. B. Photovoltaic Photovoltaic (PV) merupakan piranti yang mengubah cahaya matahari menjadi energi listrik tanpa ada pengaruh faktor kalor. Didalam photovoltaic terjadi peristiwa photoelectric pada sebuah lempengan metal yang melapaskan partikel energi foton ketika terkena sinar matahari. foton-foton terus bergerak mendesak atom-atom metal dan terjadi partikel energi foton yang bersifat energi cahaya. C. Sensor LDR Sensor LDR merupakan sensor yang digunakan untuk mendeteksi cahaya matahari berupa intensitas yang akan mempengaruhi perubahan resistansi dari sensor. Semakin besar intensitas yang masuk pada sensor, maka semakin besar pula resistansi yang akan dihasilkan. Hal ini nantinya akan dihubungkan dengan supply tegangan dan dibentuk dengan rangkaian pembagi tegangan dan akan diletakkan pada Rbottom. Sehingga perubahan intensitas akan berbanding terbalik

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6

2

dengan perubahan tegangan, dan akan lebih mudah untuk diatur. D. Adaptive Neuro Fuzzy Inference System (ANFIS) Model fuzzy dapat digunakan sebagai pengganti dari perceptron dengan banyak lapisan. Dalam hal ini, system dapat dibagi menjadi 2 grup, yaitu berupa jaringan syaraf dengan bobot-bobot fuzzy dan fungsi aktivasi fuzzy, dan grup kedua berupa jaringan syaraf dengan input yang difuzzykan pada lapisan pertama atau kedua, namun bobot-bobot pada jaringan syaraf tersebut tidak difuzzykan. Neuro-fuzzy termasuk kelompok yang kedua (Owoski, 2004). ANFIS adalah arsitektur yang secara fungsional sama dengan fuzzy rule base model sugeno. Arsitektur ANFIS juga sama dengan jaringan syaraf dengan fungsi radialdengan sedikit batasan tertentu. Bias dikatakan bahwa ANFIS adalah suatu metode yang mana dalam melakukan penyetelan aturan digunakan algoritma pembelajaran terhadap sekumpulan data. Pada ANFIS juga memungkinkan aturan-aturan untuk beradaptasi[4] Berikut ini salah satu contoh ilustrasi mekanisme inferensi fuzzy TSK orde satu dengan dua masukan x dan y (Gambar 1). Basis aturan dengan dua aturan fuzzy if-then seperti dibawah ini : Rule 1: if x is A1 and y is B1 then f1 = p1x + q1y + r1 premis consequent Rule 2: if x is A2 and y is B2 then f2 = p2x + q2y + r2 premis consequent Input : x dan y. Consequent-nya adalah f

Gambar 2Arsitektur ANFIS [5] Pada gambar diatas terlihat sistem neuro-fuzzy terdiri atas lima lapisan dengan fungsi yang berbeda untuk tiap lapisannya. Tiap lapisan terdiri atas beberapa simpul yang dilambangkan dengan kotak atau lingkaran. Lambang kotak menyatakan simpul adaptif artinya nilai parameternya bisa berubah dengan pembelajaran dan lambang lingkaran menyatakan simpul nonadaptif yang nilainya tetap [6]. Penjelasan lebih lengkap dapat dijabarkan dibawah ini. Lapisan 1. Pada lapisan pertama ini, merupakan lapisan yang terdiri dari simpul-simpul adaptif atau nilai yang dapat berubah-ubah. Pada struktur ANFIS lapisan ini biasanya merupakan derajat keanggotaan (µi) dari fuzzy set. Fungsi simpul adalah sebagai berikut: 𝑂1,𝑖 = 𝜇𝐴𝑖 𝑥 , 𝑂1,𝑖 = 𝜇𝐵𝑖−2 𝑥 ,

𝑈𝑛𝑡𝑢𝑘 𝑖 = 1, 2 𝑎𝑡𝑎𝑢 𝑈𝑛𝑡𝑢𝑘 𝑖 = 3, 4

Nilai x dan y merupakan nilai masukan pada simpul I, Ai atau Bi-2 merupakan fungsi keanggotaan masing-masing simpul. Simpul O1,i menyatakan derajat keanggotaan 𝜇𝐴𝑖 𝑥 dari setiap masukan terhadap himpunan fuzzy A dan B. Fungsi keanggotaan fuzzy input (premis) yang biasanya digunakan adalah jenis G-bell (Generalized Bell) yaitu: 𝑔𝑏𝑒𝑙𝑙 𝑥, 𝑎, 𝑏, 𝑐 =

1 𝑥−𝑐 1+ 𝑎

2𝑏

(1)

𝑓=

Fungsi gbell berfungsi untuk menentukan derajat sesuai dengan kehendak dengan memasukkan parameter awal a, b, c dan jumlah himpunan fuzzy input (x) dan selanjutnya parameter premis a, b, c akan diolah dengan metode pembelajaran. Lapisan 2. Pada lapisan ini, semua simpul adalah parameter-parameter tetap (non adaptif). Simpul ini berguna untuk mengalikan setiap input yang masuk. Fungsi simpul:

Struktur ANFIS yang menggambarkan sistem fuzzy TagakiSugeno-Kang seperti yang digambarin di Gambar 1 diatas bisa digambarin dalam diagram blok atau disebut arsitektur jaringan syaraf feedforward seperti ini:

𝑂2,𝑖 = 𝑤𝑖 = 𝜇𝐴𝑖 𝑥 . 𝜇𝐵𝑖−2 𝑥

Gambar 1. Sistem inferensi fuzzy TSK dua masukan dengan dua aturan [5]

𝑤1 𝑓1 + 𝑤2 𝑓2 𝑤1 + 𝑤2 = 𝑤1 𝑓1 + 𝑤2 𝑓2 [3]

𝑈𝑛𝑡𝑢𝑘 𝑖 = 1, 2

(2)

Output dari simpul ini menyatakan derajat pengaktifan untuk setiap fuzzy rule. Fungsi ini dapat diperluan apabila jumlah fungsi premis lebih dari dua himpunan fuzzy. Semakin banyak fungsi ini menandakan semakin banyak pula fuzzy rule yang dibentuk.

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6 Lapisan 3. Simpul ini sama halnya dengan simpul pada lapisan 2 yang merupakan simpul non adaptif yang dapat menampilkan fungsi derajat pengaktifan ternormalisasi, yaitu ratio keluaran simpul ke-i pada lapisan sebelumnya terhadap seluruh keluaran lapisan sebelumnya, dengan bentuk fungsi simpul: 𝑂3,𝑖 = 𝑤 =

𝑤𝑖 , 𝑤1 + 𝑤2

𝑖 = 1,2

3

3 cahaya menjadi perubahan resistansi, yang selanjutnya diberiakan pada rangkaian voltage devider (pembagi tegangan). Setiap perubahan intensitas pada masing-masing kutub yang berbeda, akan mengakibatkan terjadinya selisih antara LDR satu dengan lainnya. Dalam hal ini terdapat 2 selisih sensor yang dapat menjejak menggunakan 2 motor. Selisih 1( LDRtimur-LDRbarat) untuk motor 1, sedangkan selisih 2(LDRselatan-LDRutara) untuk motor2.

Lapisan 4. Merupakan simpul adaptif dengan derajat pengaktifan ternormalisasi dari lapisan sebelumnya. Fungsi simpul: 𝑂4,𝑖 = 𝑤𝑖 . 𝑓𝑖 = 𝑤𝑖 𝑝𝑖 𝑥 + 𝑞𝑖 𝑦 + 𝑟𝑖

(4)

Parameter p, q, r menyatakan parameter konsekuen yang adaptif berdasarkan output dari lapisan sebelumnya. Lapisan 5. Pada lapisan ini adalah lapisan yang menjumlahkan semua masukan dan hanya mempunyai satu keluaran dengan fungsi simpul: 𝑂5,𝑖 =

𝑤𝑖 . 𝑓𝑖 =

𝑤𝑖 𝑓𝑖 𝑤𝑖

(5)

Kelima lapisan ini ekivalen dengan system inferensi Fuzzy Takagi-Sugeno E. Diagram Blok Sistem Pengendalian Solar Tracker

MOTOR DC 1

+X -

BOARD ARDUINO MEGA 2650 R3 (ANFIS CONTROLLER)

MOTOR DC 2

+

INTENSITAS

X

SOLAR TRACKER

SENSOR LDR1TIMUR-LDR2BARAT

X

+

SENSOR LDR3SELATAN-LDR4UTARA

(a)

(b)

Gambar 5. (a). Motor 1 arah zenith, (b) motor 2 arah azimuth Motor DC meruapakan actuator dari system pengendalian solar tracker yang akan menggerakkan photovoltaic sesuai dengan arah matahari. Penjejak matahari memanfaatkan polaritas dari motor DC. Dimana, apabila menginginkan polaritas kekanan, maka diberikan tegangan positif, sedangkan apabila menginginkan polaritas kekiri, maka diberikan tegangan negative atau sebaliknya. Pengaturan kecepatan motor, dapat dilakukan dengan menggunakan board arduino Mega 2650 dengan fitur PWM yang dimiliki. Dimana PWM disini mengatur lebar pulsa dalam bentuk persentase pulsa high-low. Arduino Mega 2650 adalah pengendali/otak yang akan memberikan perintah terhadap seluruh komponen elektrik yang dapat menerima atau memberikan tegangan standar 5 volt. Selain itu juga pusat seluruh kendali proses dilakukan didalam mikrokontroller ini. Data keluaran dari arduino memanfaatkan data digital yang menghasilkan tegangan high atau low. Keluaran ini selanjutnya ditransfer pada rangkaian motor driver dengan menggunakan ic L293D dimana didalam IC tersebut telah ada rangkaian H-Bridge transistor yang dapat merubah polaritas motor DC bergantung pada input yang diberikan.

Gambar 3. Diagram Blok Sistem Pengendalian Solar Tracker Secara umum, sistem pengendalian solar tracker dapat dilihat pada blok diagram diatas. Tujuannya adalah mengendalikan photovoltaic agar dapat tetap tegak lurus terhadap matahari dan tercapai pengoptimalan daya yang dikeluarkan. Pada pengendalian yang digunakan adalah ANFIS controller, dimana pengendali ini merupakan pengendali modern yang tidak membutuhkan persamaan matematis untuk pegoperasiannya seperti pengendalian klasik lainnya. Pada bagian ini akan menjelaskan seluruh sistem beserta kerja masing-masing blok diatas. Sensor/Transmitter merupakan piranti elektrik pertama yang akan merasakan besaran fisis yang masuk. Dalam hal ini menggunakan 4 buah Light Detector Resistence (LDR) yang diletakkan pada 4 kutub yang berbeda pula (timur, barat, selatan, utara). Sensor ini berfungsi untuk merubah intensitas

(a)

(b)

(c) (d) Gambar 6. (a) membership function input error1, (b) membership function input delta error1, (c) membership function input error2, (d) membership function input delta error2

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6

4

Gambar 7. Membership function Output Motor 1

Gambar 8. Membership function Output Motor 2 Masing-masing input memiliki parameter variable yang bernilai: NH [a=0.25; b=2.5; c=-1] NM [a=0.25 b=2.5; c=-0.5] Z [a=0.25 b=2.5; c=0] PM [a=0.25 b=2.5; c=0.5] PH [a=0.25 b=2.5; c=1] Sedangkan Untuk masing-masing Output memiliki nilai NH = -5; NM = -2.5; Z = 0; PM = 2.5; PH = 5; Seluruh rangkaian elektrik penyusun solar tracker adalah sebagai berikut: 4 buah sensor LDR, adaptor sebagai catu daya yang dapat memberikan tegangan sebesar 5 volt DC, driver motor + relay serta arduino mega 2650 R3.

III. HASIL DAN PEMBAHASAN Pada pengambilan data dilakukan dengan proses disaat PV pada posisi tegak lurus dan setelah dilakukan tracking. Data yang diambil adalah keluaran dari rangkaian pembagi tegangan dengan sensor sebagai variable resistansi yang berubah-ubah, dan resistor fix sebesar 1k ohm. diperoleh data pada masing-masing waktu dalam rentang waktu 1 jam sebagai berikut: Tabel 1. Pengukuran sensor pukul 09.00 Pukul 09.00 WIB

LDR timur LDR barat LDR selatan LDR utara

ERROR NO TRACKING voltage (volt) Selisih 2.607624769 -0.42011714 2.617282629 2.622111559 -0.00965786 3.042228699

MOTOR 1 -0.00965786 µA1 0.61372509 µA2 0.69306145 µA3 0.94148293 µA4 0.68893671 Membership µA5 0.61143293 Function (u) µB1 0.61372509 µB2 0.69306145 µB3 0.94148293 µB4 0.68893671 µB5 0.61143293 f -0.36541924 error

Gambar 11. Rangkaian Elektrik

µC1 µC2 µC3 µC4 µC5 µD1 µD2 µD3 µD4 µD5 F

MOTOR 2 -0.42011714 0.402963352 0.8483531 0.709252405 0.622405815 0.570226622 0.674939108 0.8483531 0.709252405 0.622405815 0.570226622 -3.355879545

LDR timur LDR barat LDR selatan LDR utara

ERROR TRACKING voltage (volt) Selisih 2.911847591 0 2.911847591 2.916676521 -0.188328505 3.105005026

error µA1 µA2 µA3 µA4 Membership µA5 Function (u) µB1 µB2 µB3 µB4 µB5 f

MOTOR 1 0 0.6125741 0.690983009 1 0.690983009 0.6125741 0.6125741 0.690983009 1 0.690983009 0.6125741 -0.363713956

µC1 µC2 µC3 µC4 µC5 µD1 µD2 µD3 µD4 µD5 F

MOTOR 2 -0.188328505 0.38913579 0.7390522 0.784642601 0.655857992 0.591911077 0.637024975 0.7390522 0.784642601 0.655857992 0.591911077 -1.400486374

Pada tracking matahari pukul 09.00 diatas, diperoleh parameter-parameter fisis lainnya yang dapat mempengaruhi kinerja dari PV yaitu: suhu = 48,4 oC, intensitas = 107000lux serta hasil besar sudut tracking antara garis vertikal dengan matahari atau sudut Zenith adalah sebesar 31o. yang seharusnya pada pukul 09.00 sudut vertikal dengan matahari adalah sebesar 35o sehingga error pada sudut tracking adalah sebesar 4o.

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6

U

o

T

Daya (watt)

B

31

S Gambar 12 Ilustrasi Validasi sudut matahari Tabel 2. Pengukuran sensor pukul 10.00 Pukul 10.00 WIB

LDR timur LDR barat LDR selatan LDR utara

ERROR NO TRACKING voltage (volt) Selisih 2.506217003 -0.00965786 2.515874863 2.520703793 -0.304222775 2.824926567

ERROR TRACKING voltage (volt) 2.738005877 2.738005877 2.738005877 2.907018661

LDR timur LDR barat LDR selatan LDR utara

Selisih 0 -0.169012785

MOTOR 1 MOTOR 2 MOTOR 1 MOTOR 2 -0.00965786 -0.304222822 error 0 -0.169012785 0.6125741 µC1 0.388117809 µA1 0.61372509 µC1 0.395639782 µA1 0.690983009 µC2 0.733212519 µA2 0.693061447 µC2 0.781347179 µA2 1 µC3 0.793644667 µA3 0.941482925 µC3 0.741377926 µA3 0.690983009 µC4 0.659062958 µA4 0.68893671 µC4 0.638090229 µA4 0.6125741 µC5 0.59388895 Membership µA5 0.611432934 µC5 0.580625534 Membership µA5 Function (µ) µB1 0.61372509 µD1 0.654642296 Function (µ) µB1 0.6125741 µD1 0.634301615 0.690983009 µD2 0.733212519 µB2 0.693061447 µD2 0.781347179 µB2 1 µD3 0.793644667 µB3 0.941482925 µD3 0.741377926 µB3 0.690983009 µD4 0.659062958 µB4 0.68893671 µD4 0.638090229 µB4 0.6125741 µD5 0.59388895 µB5 0.611432934 µD5 0.580625534 µB5 error

f -0.36541924

F -2.2661257

f

-0.363713956

F -1.267471313

Pada tracking matahari pukul 10.00 diatas, diperoleh parameter-parameter fisis lainnya yang dapat mempengaruhi kinerja dari PV yaitu: suhu = 42,6oC, intensitas = 65800 lux serta hasil besar sudut tracking antara garis vertikal dengan matahari sebesar 16o. yang seharusnya pada pukul 10.00 sudut vertikal dengan matahari adalah sebesar 20o sehingga error pada sudut tracking adalah sebesar 4o Hasil dari pemodelan menggunakan control anfis ditunjukkan pada grafik perbandingan antara PV pada saat tegak lurus matahari dengan PV pada saat telah mendapatkan tracking. Hasil keluaran yang diperoleh adalah sebagai berikut: Tabel 3. hasil perbandingan output PV tegak lurus bumi dan output PV dengan tracking Pukul (WIB) 7 8 9 10 11 12 13 14 15 16

5

Photovoltaic Tegak Lurus Tracking Vout(v) Iout(A) P(watt) Vout(v) Iout(A) P(watt) Suhu(oC) Lux(lux) 16.32 0.41 6.6912 19.42 0.445 8.6419 34.6 37500 17.82 0.46 8.1972 19.18 0.57 10.9326 41.4 43200 18.36 0.85 15.606 19.36 0.93 18.0048 49.2 82100 18.95 1.02 19.329 19.18 1.14 21.8652 52.6 111000 19.13 1.15 21.9995 19.39 1.2 23.268 52.3 115000 19.15 1.22 23.363 19.18 1.213 23.26534 54 114100 18.85 0.921 17.36085 18.99 1.067 20.26233 55.6 103600 18.32 0.712 13.04384 19.4 0.848 16.4512 40.2 89000 18.12 0.21 3.8052 19.21 0.431 8.27951 38.1 38400 17.52 0.014 0.24528 17.42 0.119 2.07298 31.8 11500

Sehingga dapat diplot dalam sebuah grafik perbandingan antara lain:

24 22 20 18 16 14 12 10 8 6 4 2 0

Grafik Perbandingan PV Tegak Lurus dan PV Tracking

PV Tegak Lurus

6 7 8 9 10 11 12 13 14 15 16 17 18 Pukul (WIB) Gambar 13 Perbandingan Pv tegak lurus dan PV tracking Hasil yang ditunjukkan pada grafik diatas menggambarkan bahwa keluaran dari tracking mampu meningkatkan daya sebesar 2.340279 % IV. KESIMPULAN Telah dirancang sebuah alat penjejak matahari berbasis control adaptive neuro fuzzy inference system. Perancangan untuk motor 1 pada sumbu zenith telah hampir mencapai tegak lurus terhadap matahari dengan error sudut sebesar 4,833 namun pada sumbu azimuth masih belum mencapi tegak lurus terhadap matahari dikarenakan kecepatan motor yang terlalu besar. Validasi menggunakan keluaran dari photovoltaic menghasilkan peningkatan daya sebesar 2, 340279 watt.

DAFTAR PUSTAKA [1] An Intelligent Fuzzy Based Tracking Controller For A Dual-Axis Solar Pv System. Batayneh, Wafa. 2013, El Sevier [2] Kusumadewi, Sri. Analisis Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Yogyakarta: Informatika, 2002 [3] Neuro-Fuzzy And Soft Computing. J.s.r. Jang, c.t. Sun, And e. Mizutani. 1997, Prentice-Hall International [4] Anton, Adi, s, s. Studi Dan Penerapan Model NeuroFuzzy Dalam Prakiraan Cuaca,S1 Jurusan Teknik Fisika ITB, 2000 [5] Ardhana, d dan rameli, m dan astrowulan, katjuk. Perancangan Dan Implementasi Penjejak Matahari Pada Panel Surya Dengan Metode Fuzzy Berbasis Mikrokontroler, Surabaya: Teknik Elektro, 2011 [6] Ahbb, Catur Hilman. “Aplikasi Kendali Logika Fuzzy (KLF) Pada Sistem Tracking Aktif Matahari Tipe SingleAxis Panel Surya 2011. Surabaya: Teknik Fisika FTI-ITS, 2011 [7] Wijaya, Ade, A., Uqud. Rancang Bangun Sistem Penjejak Matahari Untuk Panel Surya Pada Sistem Teknologi Hybrid Konversi Energi Surya & Angin, Surabaya: Teknik Fisika FTI-ITS, 2012

JURNAL SAINS DAN SENI POMITS Vol. 1, No. 1, (2012) 1-6 [8] Santoso, Yusuf, Mochamad Pengembangan Sistem Deteksi Dini Dan Diagnosa Kanker Paru Berbasis Adaptive Neuro Fuzzy Inference System., Surabaya: Teknik Fisika FTI-ITS, 2012

6