III MODEL DAN SIMULASI KENDALI SUHU, KELEMBABAN, DAN AMONIA PADA BROILER CLOSED HOUSE BERBASIS ON-OFF, PID, FUZZY LOGIC DAN ANFIS Abstract Indonesia was a tropical area having a hot environmental conditions of air temperature and humidity were high, with a diversity of very low temperatures, except for the equatorial area of diversity is quite high temperatures and dry. According to the tropical regions ranged from 23.5 o north latitude and 23.5 ° south latitude. The tropical climate is a climate type is characterized by high temperatures and humidity throughout the year than other regions at high latitudes. The annual average temperature was lowest 18oC. High humidity causes the inhibition of the release mechanism/body heat tarnsfer or reduction of heat loads can cause heat stress. Heat stress was what causes the decline in productivity. Broilers were warm-blooded animals with homeothermis or her body temperature 40.6oC and 41.7oC. High body temperature which makes the broiler has a limited ability to adjust to ambient temperature. Therefore, the broiler would feel very depressed when the ambient temperature was higher than his ideal temperature was 19-27oC. The research objectives were: first, to model the heat transfer (temperature), humidity and ammonia in the broiler closed house, the second, to simulate of control ON-OFF, PID, Fuzzy Logic and ANFIS parameters temperature, humidity and ammonia in the broiler closed house . Temperature and humidity data
obtained directly from the sensor and data ammonia SHT75 ammonia sensor TGS 444 was connected to the RS-232 cable to the microcontroller and the computer. Materials used include: temperature and humidity sensor SHT75 and ammonia sensor TGS 444. A set of computers and peripherals, thermocopel and hybrid recorder, a set of broiler closed house with the insulation system, exhaust fan (fan), cooling pad (cooling unit), heater (heating unit). The method used to make mathematical models to the heat transfer (temperature), humidity and ammonia to create a mathematical model of a function of temperature, humidity and ammonia, with the equation difrensial then transformed with laplace equation with the transfer function. Transfer function as a substitute for realtime allegations later included in the transfer function process control simulation. Simulation of control in a brolier closed house in this study with 3 scenarios closed time during starter, grower and finisher. Future studies using a broiler house closed. 30 0C to 260C setpoin the starter, grower setpoin was 24-25 0C, setpoin 22-230C was a finisher. Controlling temperature and humidity in broiler closed houses on using the method of self-tuning (self tuning) control. Testing was done by testing the response variable input, set point tracking test. Response testing performed on the machine control was modeled in the form of transfer function with the input's of the constant in Matlab simulink. Testing the first set point tracking was done by changing the temperature of 300C input value, 290C, 280C, 270C, 260C, 250C, 240C, 230C, 220C for control ON-OFF, PID, Fuzzy Logic and ANFIS. Then in the second set point tracking will change the value of the input humidity was 70%, 60%, 50% for the control of the ON-OFF, PID, Fuzzy Logic and ANFIS. Continue tracking the third set point humidity will change the input value of 20 ppm, 15 ppm, 10 ppm, 5 ppm, 2.5 ppm and 1 ppm for control ON-OFF, PID, Fuzzy Logic and ANFIS. Performance response of control ON-OFF, PID, Fuzzy Logic and ANFIS according to the transient control parameters. Keyword: Model, simulation control ON-OFF, PID, Fuzzy Logic, ANFIS, on Broiler Closed House.
58
Abstrak Indonesia yang merupakan daerah tropis mempunyai kondisi lingkungan suhu udaranya panas dan kelembaban yang tinggi, dengan keragaman suhu udara yang sangat rendah, kecuali didaerah ekuator keragaman suhu cukup tinggi dan kering. Menurut wilayahnya daerah tropis berkisar antara 23,5o lintang utara dan 23,5o lintang selatan. Iklim tropis merupakan sebuah tipe iklim yang dicirikan oleh suhu dan kelembaban yang tinggi sepanjang tahun melebihi daerah-daerah lain pada lintang tinggi. Suhu rata-rata tahunan terendahnya yaitu 18oC. Tingginya kelembaban udara menyebabkan terhambatnya mekanisme pelepasan/ pembuangan panas tubuh atau penurunan beban panas yang dapat menimbulkan heat stress. Heat stress inilah yang menyebabkan penurunan produktivitas. Ayam adalah hewan homeothermis atau berdarah panas dengan temperatur tubuhnya 40.6oC dan 41.7oC . Temperatur tubuh yang tinggi ini membuat ayam memiliki kemampuan terbatas dalam menyesuaikan diri dengan temperatur lingkungan. Oleh karena itu ayam akan merasa sangat tertekan jika suhu lingkungan lebih tinggi dari temperatur ideal baginya yaitu 19-27oC. Tujuan Penelitian adalah: pertama, untuk memodelkan pindah panas (suhu), kelembaban dan amonia pada broiler house, kedua, untuk mensimulasikan kendali ON-OFF, PID, Fuzzy Logic dan ANFIS suhu, kelembaban dan amonia pada broiler house. Data suhu dan kelembaban diperoleh secara lansung dari sensor SHT75 dan data amonia sensor amonia TGS 444 dihubungkan dengan kabel RS232 ke mikrokontroler dan komputer. Peralatan yang digunakan meliputi : sensor suhu dan kelembaban SHT75 dan sensor amonia TGS 444. Satu set komputer dan peripheral, thermokopel dan hybrid recorder, satu set kandang ayam dengan sistem isolasinya, exhaust fan (kipas angin), cooling pad (unit pendingin), heater (unit pemanas). Metode digunakan membuat model matematik pindah panas (suhu), kelembaban dan amonia untuk membuat model matematik fungsi suhu, kelembaban dan amonia, dengan persamaan difrensial kemudian ditransformasikan dengan persamaan laplace dengan fungsi alih. Fungsi alih sebagai sebagai pengganti dugaan realtime kemudian fungsi alih dimasukan dalam proses simulasi kendali. Simulasi kendali pada kandang ayam dalam penelitian ini broiler closed house dengan 3 skenario waktu pada masa starter, grower dan finisher. Penelitian selanjutnya menggunakan beberapa broiler closed house. Untuk setpoin 260C300C adalah starter, setpoin 24-25 0C adalah grower, setpoin 22-230C adalah finisher. Pengendali suhu dan kelembaban pada broiler closed house pada ayam broiler menggunakan metode swa-tala (self tuning) kendali. Pengujian dilakukan dengan uji respon variabel input, uji tracking set point. Pengujian respon dilakukan pada mesin kendali yang dimodelkan dalam bentuk fungsi alih dengan input-an dari konstanta pada simulink Matlab. Pengujian tracking set point pertama pada suhu dilakukan dengan merubah nilai masukan sebesar 300C, 290C, 280C, 270C,260C,250C,240C,230C,220C untuk kendali ON-OFF, PID, Fuzzy Logic dan ANFIS. Kemudian pada tracking set point kedua akan merubah nilai masukan kelembaban sebesar 70%, 60%, 50% untuk kendali ON-OFF, PID, Fuzzy Logic dan ANFIS. Dilanjutkan tracking set point ketiga akan merubah nilai masukan kelembaban sebesar 20 ppm, 15 ppm, 10 ppm, 5 ppm, 2,5 ppm dan 1 ppm untuk kendali ON-OFF, PID, Fuzzy Logic dan ANFIS. Kinerja respon kendali ON-OFF, PID, Fuzzy Logic dan ANFIS sesuai parameter kendali transien. Keyword: Model, simulasi kendali ON-OFF, PID, Fuzzy Logic, ANFIS, Broiler Closed House.
59
Pendahuluan Indonesia yang merupakan daerah tropis mempunyai kondisi lingkungan suhu udaranya panas dan kelembaban yang tinggi, dengan keragaman suhu udara yang sangat rendah, kecuali didaerah ekuator keragaman suhu cukup tinggi dan kering. Menurut wilayahnya daerah tropis berkisar antara 23,5o lintang utara dan 23,5o lintang selatan. Iklim tropis merupakan sebuah tipe iklim yang dicirikan oleh suhu dan kelembaban yang tinggi sepanjang tahun melebihi daerah-daerah lain pada lintang tinggi. Suhu harianya dapat melebih 35oC atau yang secara umum suhu lingkungan bisa berfluktuasi antara 29oC hingga 36oC dan kelembabannya 7080% (Hery 2009). Menurut (Rao et al. 2002) pemeliharaan unggas di negaranegara tropis, suhu lingkungan merupakan stressor utama dengan kisaran suhu yang luas dari 35oC- 43°C untuk waktu yang lama. Suhu rata-rata tahunan terendahnya
yaitu 18oC (Handoko 1995). Tingginya kelembaban udara
menyebabkan terhambatnya mekanisme pelepasan/ pembuangan panas tubuh atau penurunan beban panas yang dapat menimbulkan heat stress. Heat stress inilah yang menyebabkan penurunan produktivitas. Ayam adalah hewan homeothermis atau berdarah panas dengan temperatur tubuhnya 40.6oC dan 41.7oC. Temperatur tubuh yang tinggi ini membuat ayam memiliki kemampuan terbatas dalam menyesuaikan diri dengan temperatur lingkungan. Oleh karena itu ayam akan merasa sangat tertekan jika suhu lingkungan lebih tinggi dari temperatur ideal baginya yaitu 19-27oC (Hamidi 2006; Alimuddin et al. 2011). Ternak unggas dalam hal ini ayam broiler bernafas dengan menghirup oksigen dan mengeluarkan gas karbondioksida serta air. Dalam hal ini apabila terlalu rendah kadar oksigen didalam kandang kondisi ini berhubungan dengan temperatur dan kelembaban kandang, maka akan perdampak pada produksi dan kesehatan ayam. Kotoran ayam mengandung gas beracun yaitu amonia (NH3), hydrogen sulfida (H2S), karbondioksida (CO2) dan methane. Diantara gas bercun tersebut yang paling banyak menimbulkan masalah bagi kesehatan dan produktivitas ternak serta pemukiman adalah amonia.
60
Tabel 3. 1 Batas aman dan kematian akibat gas yang merugikan di broiler closed house Batas Kematian Batas Aman Jenis Gas (%) % ppm Amonia > 0.05 < 0.0025 < 25 Hidrogen Sulfida >0.05 < 0.004 <40 Carbon Dioksida > 30 <1 <10 000 Methana >5 <5 <50 000 Sumber: (North dan Bell 1990) Konsentrasi NH3 dalam kandang dipengaruhi oleh pakan yang dikonsumsi, tata laksana perkandangan, penanganan kotoran ternak, jumlah kotoran dalam kandang, serta temperatur dan kelembaban yang tinggi. Konsentrasi NH3 meningkat sejalan dengan meningkatnya kelembaban, pH, dan temperatur kandang, serta populasi mikroorganisme (Rohaeni 2005). Sedangkan menurut (Liu 2007) konsentrasi amonia dipengaruhi oleh temperatur udara dan litter, laju ventilasi, kecepatan aliran udara, pH dari litter, kadar nitrogen pada litter, kadar air pada litter, kondisi daerah yang dibangun kandang, desain kandang, dan manajeman perkandangan. Desain kandang berventilasi alami unggas sulit diterapkan karena dipengaruhi dari lingkungan luar sehingga diperlukan ventilasi mekanik (Lacy dan Czarmick 2000). Daging merupakan komoditas peternakan sumber protein hewani dan yang banyak dikonsumsi sekarang ini adalah daging broiler. Sejauh ini konsumsi masyarakat terhadap broiler semakin tinggi, sehingga peternak broiler harus berusaha menyediakan kebutuhan daging untuk masyarakat. Standar yang di tetapkan oleh FAO, kebutuhan protein hewani adalah 6 g/kapita/hari dan yang sudah terpenuhi sebesar 4,19 g/kapita/hari (Agustina 2010). Bobot badan kumulatif ayam broiler berumur 5 minggu adalah 1.915 g/ekor atau rataan pertambahan bobot badan 370 g/ekor/minggu (NRC 1994). Rata-rata pertambahan bobot badan hasil penelitian ini sebesar 1864 g/ekor/minggu (Piliang & Djojosoebagjo 2006). Selanjutnya disebutkan bahwa konsumsi kumulatif broiler
berumur 6 minggu adalah 3.471 g/ekor atau rata-rata konsumsinya adalah 578,5 g/ekor/minggu. Rata-rata konsumsi pakan hasil penelitian 570 g/ekor/minggu. Konversi pakan hasil penelitian berkisar antara 1,95 – 2,01 dan konversi pakan yang baik berkisar antara 1,75–2,00. Semakin rendah angka konversi pakan berarti kualitas pakan semakin baik (Amrullah 2003).
61
Ayam broiler merupakan salah satu jenis ternak yang mempunyai kemampuan yang tinggi dalam mengonversikan ransum yang dikonsumsinya menjadi daging.
Produktivitas broiler dipengaruhi oleh faktor genetik dan
lingkungan. Lingkungan memberikan pengaruh terbesar (70%) dalam menentukan performan ternak, sedangkan faktor genetik 30%. Suhu lingkungan di Indonesia tinggi merupakan salah satu masalah dalam pencapaian performans broiler yang optimal.
Pada suhu yang tinggi, broiler akan mengalami stres, yang akan
mempengaruhi penurunan konsumsi ransum sehingga terjadi penurunan bobot tubuh. Broiler mengalami stres karena panas proses metabolisme setelah mengonsumsi ransum dan panas tambahan karena suhu lingkungan yang tinggi sehingga broiler akan banyak mengonsumsi air minum. Meminimalkan gangguan selama cuaca panas dapat dilakukan dengan cara mengubah spesifikasi ransum dan praktek pemberian ransum. Unggas banyak dihadapkan pada stres yang berasal dari berbagai sumber antara lain praktek manajemen, nutrisi, dan kondisi lingkungan. Kebiasaan peternak broiler yang pada umumnya lebih banyak memberikan ransum pada siang hari, sangat tidak mendukung untuk pencapaian performans broiler yang optimal (Amrullah 2003; Alimuddin et al. 2011). Dengan kondisi lingkungan tropik diperlukan teknologi peternakan berupa sistem kendali untuk mengoptimalkan manajemen lingkungan broiler closed house memberikan hasil budidaya peternakan yang memiliki karakteristik ekonomis dengan ciri yang khas antara lain pertumbuhannya cepat, sebagai penghasil daging dengan konversi makanan rendah dan siap dipotong pada usia yang relatif muda (Priyatno 2000). Sistem kendali pada awalnya adalah konvensional dimana informasi numerik yang merupakan pasangan data masukan dan keluaran plant diperoleh dari sensor. Sedang informasi linguistik biasanya diperoleh dari operator yang paham dengan pengendalian plant dimaksud (Ogata 2002). Dalam perkembangannya, sistem kendali mengarah kepada sistem kendali berbasis komputer digital karena lebih luwes (mudah dimodifikasi), pemrosesan data yang sederhana, dan ekonomis (Paraskevopoulos 1996). Berkembangnya sistem kendali digital membuat banyak peneliti yang memfokuskan penelitiannya pada metode atau algoritma yang digunakan sebagai pengendali. Diawali dari pengendalian dengan metode PID, yaitu dengan cara menyetel beberapa parameter sehingga dihasilkan hasil
62
pengendalian yang optimal. Ketidakmampuannya untuk beradaptasi pada beberapa perubahan seperti performansi komponen dengan pertambahan waktu atau perubahan parameter dan kondisi sekelilingnya maka dibutuhkan sistem kendali yang bisa beradaptasi pada perubahan-perubahan tersebut. Metode yang mendapat perhatian luas dalam dasawarsa terakhir adalah metode berbasis kecerdasan buatan (artificial intelligence) yaitu neuro fuzzy. Neuro fuzzy merupakan perpaduan jaringan neural artificial dan sistem logika fuzzy (Kosko 1992), (Kartalopoulos1996). Pada sistem kendali berbasis neuro fuzzy, informasi numerik dimanfaatkan oleh jaringan neural artifisial guna mendapatkan kinerja sistem kendali yang bersifat adaptif (Brown dan Harris 1994). Jaringan ini meniru kerja jaringan neural biologis manusia. Jaringan neural dikarakteristikkan oleh arsitektur, algoritma pembelajaran, dan fungsi aktivasinya. Sedang informasi linguistic diolah menggunakan sistem logika fuzzy (Visioli dan Finzi 1998). Pada sistem logika fuzzy, informasi linguistik diimplementasikan dalam suatu himpunan basis aturan jika-maka. Basis aturan ini mengakomodasi semua informasi yang tidak presisi tentang hubungan masukan dan keluaran plant. Sistem neuro fuzzy terus mengalami perkembangan dan penyempurnaan algoritma. Salah satu perkembangannya adalah dengan diperkenalkannya metode ANFIS (Adaptive Neuro Fuzzy Inference System) oleh (Jang 1993). ANFIS) adalah sistem inferensi logika fuzzy yang diimplementasikan pada suatu jaringan adaptif. Sistem ini memiliki kemampuan untuk memperbaiki parameter-parameter basis aturan logika fuzzynya yaitu parameter premis dan parameter konsekuensi. Metode ANFIS (Adaptive Neuro Fuzzy Inference System) selanjutnya mengalami berbagai penyempurnaan diantaranya oleh (Wang dan Lee 2002) dengan penerapan pada sistem pemrosesan sinyal untuk keperluan medis. Penerapan metode ANFIS (Adaptive Neuro Fuzzy Inference System) untuk sistem kendali agar bersifat cerdas, yaitu mampu beradaptasi sesuai dengan perubahan target pengendalian dan juga kondisi mesin kendali. Dalam sistem kendali dikenal adanya model sistem dinamik dalam persamaan
difrensial
untuk
memodelkan
mesin
kendali,
selanjutnya
ditransformasikan dalam bentuk persamaan Laplace. Fungsi alih sistem didefinisikan sebagai perbandingan transformasi Laplace keluaran terhadap transformasi Laplace masukan. Fungsi alih sistem juga merupakan model
63
matematika yang menghubungkan variabel masukan dengan variabel keluaran. (Ogata Katsuhiko 1994, 2002; Robert dan Kent 1997; Bolton 1995, 2006; Benyamin 1998; Roro 2001). Fungsi alih sebagai bagian dari parameter kendali untuk menghasilkan output kendali (ON OFF, PID, Fuzzy logic dan ANFIS).
Sistem Kendali Sistem merupakan bagian dari terjadinya proses, sedang sesuatu yang bukan sistem atau membatasi sistem disebut lingkungan. Komponen utama dalam sistem adalah masukan, keluaran dan proses. Menurut Gopal (2003), Masukan (input) adalah aliran energi dan atau material yang menyebabkan proses bereaksi atau berespon. Masukan ini dapat berupa manipulated input yaitu masukan yang berasal dari dalam atau dari luar lingkungan yang tidak diharapkan dan pengaruhnya tidak dapat dihindari. Keluaran (output) adalah variabel respon yang diharapkan berperilaku sebagaimana yang diharapkan. Proses sistem diperoleh dari fungsi transfer, fungsi transfer merupakan perbandingan antara transformasi Laplace keluaran terhadap transformasi Laplace masukan dengan anggapan kondisi awal adalah nol (t = 0). Di dalam sistem kontrol terdapat tiga model sistem yaitu, sistem kontrol terbuka (Open Loop Control System), sistem kontrol tertutup (Close Loop Control System) dan sistem kontrol umpan balik (Feedback Control System). Sistem kontrol terbuka adalah sistem yang menggunakan alat untuk mengontrol proses tanpa menggunakan umpan balik, sehingga keluaran tidak berpengaruh terhadap sinyal yang masuk kedalam proses. Sistem kontrol tertutup
adalah sistem yang
menggunakan pengukuran dari keluaran dan membandingkan dengan keluaran yang diinginkan. Sistem kontrol umpan balik adalah sistem yang mempertahankan hubungan yang ditentukan antara keluaran dan beberapa masukan acuan, dengan membandingkan antara keduanya dan menggunakan antara keduanya dan menggunakan perbedaannya sebagai alat kendali (Kuo 1995) Sistem selalu dipengaruhi gangguan (disturbance) yang berasal dari luar atau dari dalam sistem, gangguan merupakan sinyal yang cenderung mempunyai pengaruh yang merugikan pada harga keluaran sistem. Sistem kontrol tertutup dapat mengurangi pengaruh gangguan. Akibat dari adanya gangguan tersebut menyebabkan adanya sinyal kesalahan (error signal), yaitu perbedaan antara
64
variabel masukan dengan keluaran (Dorf 1989). Untuk itu diperlukan pengontrol yang menerima informasi tentang nilai yang diinginkan dari keluaran dan menggunakan informasi sebagai kontrol untuk variabel termanipulasi sebagai akibat dari efek gangguan dan mengendalikan sistem dengan memanipulasi sinyal error, sehingga output sistem sama dengan input yang diberikan. Suatu konfigurasi sistem kendali/pengaturan dapat digambarkan seperti Gambar 3.1 SISTEM KENDALI Reference input signal, command, set-point Isyarat masukan acuan, perintah set-point
output signal
control signal PENGENDALI (CONTROLLER)
Isyarat kendali Feedback signal
KENDALIAN (PLANT)
luaran. isyarat luaran, hasil, produk
Isyarat umpan-balik
Gambar 3.1 Konfigurasi dasar sistem kendali (adopsi dari Bolton 2006) Sistem kendali dapat di-identifikasi atau ditengarai terdiri dari minimal 2 (dua) bagian utama, yaitu: (1)
bagian (atau sub-sistem) pengendalian atau yang
dikendalikan (Plant), yang bisa merupakan peralatan, perangkat, atau proses yang menghasilkan luaran (output, hasil, produk, isyarat luaran, output signal) karena dikendalikan oleh bagian pengendali. (2) bagian (atau sub-sistem) pengendali (controller), yang juga bisa merupakan peralatan, perangkat, atau proses yang menghasilkan isyarat kendali (control signal) untuk mengendalikan kendalian. Jadi secara konseptual, konfigurasi dari sistem kendali dapat digambarkan seperti pada Gambar 3.1. Selain isyarat luaran (output signal) dan isyarat kendali (control signal) suatu sistem kendali sering dilengkapi (walau pun tidak harus demikian) dengan isyarat umpan-balik (feedback signal) yang dalam operasinya dibandingkan dengan suatu isyarat masukan acuan (reference input signal) atau perintah (command) atau set-point, agar pengendali dapat menghasilkan isyarat kendali yang mengendalikan kendalian sampai menghasilkan luaran yang diharapkan. Sistem kendali demikian biasa dikategorikan sebagai sistem kendali (dengan) umpan-balik (feedback control systems). Tidak semua sistem kendali
65
merupakan sistem kendali dengan umpan-balik, banyak juga sistem kendali yang beroperasi tanpa umpan-balik.
Sistem Kendali ON-OFF Model kendali ON-OFF merupakan sebuah yang diaktivasi oleh sinyal error dan hanya menyupali sinyal pengoreksi ON-OFF. (Bolton W, 2006). Pada sistem kontrol ON-OFF, elemen pembangkit hanya memiliki dua posisi tertentu yaitu ON dan OFF. Kontrol ON-OFF memiliki karakteristik sinyal keluaran dari kendali u(t) tetap pada salah satu nilai maksimum atau minimum tergatung apakan sinyal kesalahan positif atau negatif. (Nalwan 2003) Diagram blok kendali ON-OFF yang memiliki masukan e(t) dan keluaran u(t), ditunjukkan pada Gambar 3.2.
Gambar 3. 2 Diagram kendali ON-OFF (Nalwan 2003) Aksi kontrol ON-OFF ditunjukkan pada persamaan …………………………………………………………..(3.1) Persamaan (3.1) memiliki nilai U1 dan U2 yang konstan. Nilai minimum U2 dapat sebasar nol atau - U1. Pada sistem kendali ikal tertutup (close loop), sinyal e(t) merupakan sinyal kesalahan aktuasi (error) sebesar selisih antara sinyal input dengan sinyal umpan balik.
Gambar 3. 3 (a) Diagram blok kontroler ON-OFF; (b) Diagram blok kontroler ON-OFF dengan jurang diferensial (Adopsi Bolton 2006 dan Nalwan 2003) Gambar 3. 3.(a) dan (b) menunjukkan diagram blok kendali dua posisi. Daerah dengan sinyal pembangkit kesalahan yang digerakkan sebelum terjadi switching disebut jurang diferensial. Jurang diferensial ditunjukkan pada Gambar
66
3.3(b). Suatu jurang diferensial menyebabkan keluaran kendali u(t) tetap pada nilai awal sampai sinyal pembangkit kesalahan telah bergerak mendekati nilai nol. Dalam beberapa kasus jurang diferensial terjadi sebagai akibat adanya penghalang yang tidak dikehendaki dan gerakan yang hilang, sering juga hal ini dimaksudkan untuk mencegah operasi yang berulang-ulang dan mekanisme ON-OFF. Pengendalian ON-OFF hanya bekerja pada dua posisi, yaitu posisi ON dan posisi OFF. Kalau final kontrol element berupa control valve , kerja valve hanya terbuka penuh atau tertutup penuh. Pada sistem pengendalian ON-OFF control valve tidak akan pernah bekerja didaerah antara 0 sampai 100%. Karena kerjanya yang ON-OFF, maka hasilnya pengendali ON-OFF akan menyebabkan proses variabel yang bergelombang, tidak pernah konstan. Perubahan proses variabel akan seirama dengan perubahan posisi final control element. Besar kecinya fluktuasi proses variabel ditentukan oleh titik kendali ON dan titik OFF. Contoh pengendalaian ON-OFF yang paling mudah ditemukan pengendalian suhu pada seterika listrik atau pompa air listrik otomatis. Kedua alat ini bekerja secara ONOFF dengan memanfaatkan adjustable dead band yang ada pada temperature switch dan pressure switch (Nalwan 2003). Kerja pengendalian ON-OFF banyak dipakai di sistem pengendalian yang sederhana karena harganya yang relatif murah. Namun , tidak semua proses dapat dikendalikan secara ON-OFF karena banyak operasi proses yang tidak dapat mentolerir fluktuasi proses variabel. Jadi, syarat utama untuk memakai pengendali ON-OFF bukan untuk menghemat biaya unit pengendali melainkan karena proses memang tidak dapat mentolerir fluktuasi proses variabel pada batas-batas kerja pengendalian ON-OFF (Bolton 2006).
Sistem Kendali PID Kendali PID adalah kendali berumpanbalik yang paling populer di dunia industri. Selama lebih dari 50 tahun, kendali PID terbukti dapat memberikan kinerja kendali yang baik meski mempunyai algoritma sederhana yang mudah dipahami [Willis, 1999]. Hal krusial dalam desain kendali PID ialah tuning atau pemberian parameter P, I, dan D agar didapatkan respon sistem yang kita inginkan. Pada tahun 1942, Ziegler-Nichols mengembangkan metode kurva reaksi (open loop tuning) di mana kita bisa mendapatkan parameter P, I, D dari respon
67
open loop sistem (tidak perlu mengetahui model plant). Selain itu mereka juga mengembangkan metode osilasi (close loop tuning) yang bisa menangani plant yang mengandung integrator (tidak stabil). Setelah itu pada tahun 1967 dikembangkan metode tuning yang bertujuan meminimasi nilai integral kesalahan yang disebut minimum error integral tuning (Smith dan Corripio 1997). Kemudian muncul metode tuning yang berdasar model plant, karena identifikasi plant bukan lagi hal yang sulit untuk dilakukan. Metode pertama ialah direct synthesis yang memerlukan model plant sebenarnya dan model plant yang diinginkan untuk mendapatkan parameter kendali P, I, D. Metode berikutnya yang hampir sama ialah internal model control yang dikembangkan oleh Garcia dan Morrari pada tahun 1982 (Ray dan Oguinnake 1994). Kp adalah konstanta proporsional, Ki menyatakan konstanta integral dan Kd menyatakan konstanta derivatif. Kendali Proporsional akan memberikan efek mempercepat respon, tetapi tidak menghapus kesalahan keadaan tunak.Kendali integral kendali akan memberikan efek menghapus kesalahan keadaan tunak, tetapi berakibat memburuknya respon transient. Kendali Derivatif akan memberikan efek meningkatnya
stabilitas
sistem,
serta
mengurangi
overshoot.
Pengendali
proporsional (P), integral (I) dan diferensial (D) masing-masing memiliki fungsi untuk mempercepat reaksi sistem, menghilangkan offset dan memberikan energi ekstra di saat-saat awal terjadi perubahan load (Gunterus 1994).
Gambar 3. 4 Diagram kotak pengendali PID (Gunterus 1994) Persamaan untuk pengendali proporsional plus integral plus diferensial didefinisikan dengan persamaan berikut. ..................................................................(3.2) Karakteristik pengendali PID sangat dipengaruhi oleh kontribusi besar dari ketiga parameter P, I dan D. Penyetelan konstanta Kp, Ti, dan Td akan
68
mengakibatkan penonjolan sifat dari masing-masing elemen. Satu atau dua dari ketiga konstanta tersebut dapat disetel lebih menonjol dibanding yang lain. Konstanta yang menonjol itulah akan memberikan kontribusi pengaruh pada respon sistem secara keseluruhan. Menurut (Gopal 2003, 2009) mengemukakan beberapa model kendali yaitu kendali proporsional, kendali integral dan kendali derivatif.
+1 (s)
E s
Kp 1
1 Td s Ti s
C s
-
Gambar 3. 5 Diagram blok dari kendali Proporsional – Integral – Derivatif (Gopal 2003) Pada kombinasi aksi kendali proporsional – integral - derivatif ini didefinisikan oleh persamaan
u t
K pe t
Kp Ti
t
e t dt K pTd
de t
0
dt
……………………………..(3.3)
Bila dinyatakan dalam fungsi alih menjadi
U s E s
Kp 1
1 Td s Ti s
Kp
Ki s
K d s …………………………..(3.4)
Sistem Kendali Fuzzy Logik. Teori Fuzzy dicetuskan oleh (L.A. Zadeh 1976) berdasarkan konsep ketidakpastian manusia dalam menilai suatu obyek secara kualitatif. Dewasa ini penggunaan yang paling banyak dari teori fuzzy adalah dalam bidang kendali. Dengan teknik ini pengetahuan tentang model matematika yang presisi tidak lagi diperlukan. Menurut (Yan Jun, Ryan Michael, Power James 1994), pendekatan metode fuzzy dapat membantu dalam menjelaskan ketidakpastian batas antara satu criteria dengan criteria lainnya, yang disebabkan oleh adanya penilaian manusia terhadap sesuatu secara kumulatif. Suatu himpunan fuzzy adalah suatu fungsi keanggotaan µ yang mmerlukan anggota-anggota himpunan tersebut dalam selang [0,1]. Bila x adalah anggota himpunan fuzzy maka µ(x) adalah tingkat kecocokan atau kesesuaian dengan konsep yang dipresentasikan oleh himpunan fuzzy. Nilai µ
69
(x) adalah 0 bila x sama sekali tidak cocok dan niainya adalah 1 apabila x memiliki kecocokan total. Suatu himpunan fuzzy A dapat ditulis sebagai fungsi berikut: µA(x) : x > [0,1] Hubungan yang berlaku pada himpunan fuzzy adalah: Irisan
: µA
B(X)
= min
Gabungan
: µA
B(X)
= max
Komplemen
: µAc(X) = 1- µA(x)
Himpunan Bagian
:A
Dimana
µA(x)
µB(x)
operator jika dan hanya jika
Pengelompokan
keanggotaan
digambarkan
dalam
sebuah
fungsi
keanggotaan (membership function) (Li-Xin 1997). Dalam aplikasi pengendalian, himpunan fuzzy disusun untuk menggambarkan simpangan, misalnya Negatif, Negatif Besar, Positif, Positif Kecil atau Nol. Nilai-nilai ini yang akan diinferensi menggunakan pernyataan If…Then… sehingga akan dihasilkan aksi pengendalian yang perlu dilakukan berdasarkan kondisi parameter terukur yang akan dikendalikan. Metode fuzzy adalah salah satu perkembangan dari teori himpunan fuzzy dan logika fuzzy dengan berbasiskan aturan yang menerapkan pemetaan nonlinier antara masukan dan keluarannya. (Dadone Parlo, 2001). Untuk merancang sistem pengendalian otomatis bagi proses-proses tersebut, yang mampu menterjemahkan pengetahuan dan aturan-aturan fuzzy maka diperlukan teori logika fuzzy, sebagai salah satu alternatif. Menurut (Yan 1994) menentukan variabel masukan kendali fuzzy akan diseleksi sebagai kesalahan (error, E) dan perubahan kesalahan (delta error, dE).
Sinyal E didapatkan dari pengurangan keluaran sistem terhadap
setpoint, sedangkan sinyal dE didapatkan dari pengurangan sinyal error saat ini dengan sinyal error sebelumnya. Kedua sinyal tersebut diolah oleh pengendali fuzzy. Keluaran merupakan variasi perintah yang disusun sebagai berikut:
Jika keluaran sama dengan nilai yang diinginkan dan perubahan kesalahan sama dengan nol, maka keluaran yang sebelumnya dipertahankan.
Jika keluaran tidak sesuai dengan yang diinginkan maka aksi kendali tergantung pada nilai error dan perubahan error.
70
+
dE
s
Set Point
Output E
_
Kontrol Logika Fuzzy
Plant
Gambar 3. 6 Struktur kendali logika fuzzy untuk pengendalian sistem. Sumber : (Yan 1994)
Kendali logika fuzzy yang digunakan untuk pengendalian sistem terdiri dari empat bagian dasar yaitu fuzzifikasi, basis pengetahuan, fuzzy inference engine dan defuzzifikasi. Struktur dasar kendali logika fuzzy tersebut dapat dilihat pada gambar berikut : Basis Pengetahuan ( Basis data dan Basis Aturan ) Fuzzifikasi
Defuzzifikasi
Fuzzy Inference Engine
Plant
Aksi Kontrol (U)
Gambar 3. 7 Struktur dasar kontrol logika fuzzy. Sumber: (Yan 1994)
ndisi (X)
Gambar 3. 8 Operasi kendali logika fuzzy. Sumber: (Reznik 1997)
71
Adapun kendali fuzzy pada dasarnya adalah teori himpunan, yang mewadahi kriteria penilaian pada suatu obyek yang dilakukan secara kualitatif. Konsep ini mengklasifikasikan suatu obyek seperti umum dilakukan oleh manusia, misalnya ukuran sebuah benda adalah besar, sedang dan kecil. Oleh karena itu, tidak semua orang akan memberikan penilaian yang sama pada keadaan suatu obyek sehingga tingkat kecocokannya bisa berbeda-beda.Penilaian seorang ahli tentu akan berbeda dengan orang biasa. Dengan landasan pembentukan logika seperti ini maka banyak dipakai sebagai prosedur pengambilan keputusan dalam bidang keceradasan buatan (Artificial Intelligence) (Turban 1995). Sistem pengaturan dengan menggunakan kendali logika fuzzy berbeda dengan menggunakan pengaturan konvensional. Sistem pengaturan konvensional menggunakan asumsi bahwa sistem adalah linear dan merupakan proses yang stationer dimana dalam pemodelan plant dinyatakan kondisi linier. Dengan asumsi tersebut maka hasil yang dihasilkan tidak optimum. Untuk mendapatkan hasil yang baik maka dikembangkan suatu kendali yang dapat memperbaiki kekurangan dari kendali konvensional tersebut. Metode yang dikembangkan tersebut dikenal dengan metode Fuzzy Logic Controller (FLC) (Yan 1994) Tingkat kecocokan terhadap suatu kriteria dikelompokkan dalam suatu fungsi
keanggotaan
(membersip
function),
µ.
Besaran
kuantitatif
yang
menggambarkan kondisi suatu obyek biasanya dikonversikan ke dalam kriteria kualitatif dalam suatu proses yang disebut fuzzifikasi (fuzzification). Prosedur yang biasa dipergunakan adalah dengan memetakannya dalam bentuk kurva segitiga seperti terlihat pada Gambar 3.9 berikut:
N
ZO
P
1
0
Gambar 3. 9 Fungsi keanggotaan segitiga Sumber: (Yan, 1994) Fungsi keanggotaan segitiga teridiri dari sumbu horizontal, sumbu vertikal dan label. Sumbu horizontal menunjukkan nilai error (E), beda error (dE), dan atau nilai kualitatif dari keluaran (U). Sedangkan sumbu vertikal menunjukkan derajat
72
keanggotaan dari nilai error (E), beda error (dE) yang nilainya berselang 0–1. Fungsi keanggotaan segitiga dan derajat keanggotaan dapat dilihat pada Gambar 3.9. Selanjutnya dibuat matriks keputusan sebagai aturan control yang sesuai dengan kombinasi error dan dan beda error. Matriks keputusan tersebut akan menentukan nilai keluaran (U) tergantung nilai error dan beda error. Matriks keputusan akan mempunyai nilai error dan beda error. Matriks keputusan akan mempunyai nilai yang berbeda untuk setiap sistem yang berbeda. Salah satu bentuk matriks keputusan untuk sustu sistem kendali dapat dilihat pada Tabel 3. 2. E/dE NB NS NK ZO PK PS PB
NB NB NB NB NB NS NK ZO
Tabel 3. 2 Matriks keputusan NS NK ZO PK NB NB NB NS NB NB NS NK NB NS NK ZO NS NK ZO PK NK ZO PK PS ZO PK PS PB PK PS PB PB Sumber (Li-Xin 1997)
PS NK ZO PK PS PB PB PB
PB ZO PK PS PB PB PB PB
Matriks keputusan dan kombinasi nilai error dan beda error berpengaruh pada nilai kualitatif keluaran akan diproses lagi sehingga menjadi keluaran kuntitatif yang diperoleh dengan proses defuzzyfikasi. Proses defuzzyfikasi merupakan proses penerjemahan kembali keluaran (U) ke dalam bentuk nilai kuantitatif untuk mendapatkan keluaran numerik (Un), pemetaan dari ruang aksi kontrol fuzzy yang ditentukan, meliputi himpunan semesta keluaran (output universe of discourse) ke ruang aksi control crips (non fuzzy). Strategi ini ditujukan untuk menghasilkan suatu aksi kontrol non fuzzy yang paling tepat dalam merepresentasikan kemungkinan distribusi aksi control fuzzy yang telah dihitung. Metode defuzzyfikasi dilakukan dengan memberikan pembobotan pada setiap keluaran (Yan 1994). Sumbu vertikal merupakan nilai derajat kecocokan µ yang berkisar antara 0 dan 1. Sumbu horizontal memperlihatkan nilai kuantitatif untuk setiap kriteria kualitatif yang berkisar anatara -1 dan 1 untuk E dan dE, dan -1.25 dan 1.25 untuk U. Pengambilan keputusan dilakukan dengan mempertimbangkan dua situasi yaitu antara E dan dE dengan membandingkan keadaan level air yang diinginkan.
73
Kombinasi kedua situasi ini menentukan nilai kualitatif U seperti dalam matrik keputusan pada Tabel 3. 2. Nilai kualitatif U kemudian diterjemahkan menjadi nilai kuantitatif dalam proses defuzifikasi dengan merujuk pada Gambar 33. Derajat keanggotaan µ untuk Ei dan dEi dihitung dengan persamaan 17 dan pembobotannya wij dihitung dengan persamaan 18. Uji diperoleh dengan merujuk pada Tabel 3. 2 untuk nilai kualitatifnya dan Gambar 3.9 untuk kuantitatifnya. Nilai keluaran (U) diperoleh berdasarkan pada persamaan di bawah ini. Tabel 3. 3 Contoh Matrik Keputusan dE P ZO N E P P P ZO ZO P ZO N N ZO N N Sumber ( Li-Xin 1997) …………………………………………………………………….(3.5) Dimana, merupakan nilai kualitatif Eij atau dEij,
=1 dan
=0.
Wij= µ(Ei) x µ(dEj) …….......................………………………………………..(3.6) ………………............…………………………………………...(3.7)
Sistem Kendali ANFIS Sistem kendali pada awalnya adalah konvensional dimana informasi numerik yang merupakan pasangan data masukan dan keluaran plant diperoleh dari sensor. Sedang informasi linguistik biasanya diperoleh dari operator yang paham dengan pengendalian plant dimaksud (Ogata 2002). Dalam perkembangannya, sistem kendali mengarah kepada sistem kendali berbasis komputer digital karena lebih luwes (mudah dimodifikasi), pemrosesan data yang sederhana, dan ekonomis (Paraskevopoulos 1996). Berkembangnya sistem kendali digital membuat banyak peneliti yang memfokuskan penelitiannya pada metode atau algoritma yang digunakan sebagai pengendali. Diawali dari pengendalian dengan metode PID, yaitu dengan cara menyetel beberapa parameter sehingga dihasilkan hasil pengendalian yang optimal. Ketidakmampuannya untuk beradaptasi pada beberapa perubahan seperti performansi komponen dengan pertambahan waktu atau perubahan parameter dan kondisi sekelilingnya maka dibutuhkan sistem kendali yang bisa beradaptasi pada perubahan-perubahan tersebut. Metode yang mendapat
74
perhatian luas dalam dasawarsa terakhir adalah metode berbasis kecerdasan buatan (artificial intelligence) yaitu neuro fuzzy. Neuro fuzzy merupakan perpaduan jaringan neural artificial dan sistem logika fuzzy (Kosko 1992), (Kartalopoulos 1996). Pada sistem kendali berbasis neuro fuzzy, informasi numerik dimanfaatkan oleh jaringan syaraf tiruan guna mendapatkan kinerja sistem kendali yang bersifat adaptif (Brown dan Harris 1994). Jaringan ini meniru kerja jaringan neural biologis manusia.
Jaringan
neural
dikarakteristikkan
oleh
arsitektur,
algoritma
pembelajaran, dan fungsi aktivasinya. Sedang informasi linguistic diolah menggunakan sistem logika fuzzy (Visioli dan Finzi, 1998). Pada sistem logika fuzzy, informasi linguistik diimplementasikan dalam suatu himpunan basis aturan jika-maka. Basis aturan ini mengakomodasi semua informasi yang tidak presisi tentang hubungan masukan dan keluaran plant. Sistem neuro fuzzy terus mengalami perkembangan dan penyempurnaan algoritma. Salah satu perkembangannya adalah dengan diperkenalkannya metode ANFIS (Adaptive Neuro Fuzzy Inference System) oleh (Jang 1993). ANFIS (Adaptive Neuro Fuzzy Inference System) adalah sistem inferensi logika fuzzy yang diimplementasikan pada suatu jaringan adaptif. Sistem ini memiliki kemampuan untuk memperbaiki parameter-parameter basis aturan logika fuzzynya yaitu parameter premis dan parameter konsekuensi . Metode ANFIS (Adaptive Neuro Fuzzy Inference System) selanjutnya mengalami berbagai penyempurnaan diantaranya oleh Wang dan Lee (2002) dengan penerapan pada sistem pemrosesan sinyal untuk keperluan medis. Penerapan metode ANFIS (Adaptive Neuro Fuzzy Inference System) untuk sistem kendali agar bersifat cerdas, yaitu mampu beradaptasi sesuai dengan perubahan target pengendalian dan juga kondisi plant. ANFIS merupakan jaringan adaptif yang secara fungsional ekivalen dengan sistem inferensi fuzzy. ANFIS dapat diterapkan secara luas dalam pemodelan, pengambilan keputusan, pemrosesan sinyal dan kendali. Salah satu metode kendali yang dapat digunakan untuk menunjang kerja sistem adalah metode kendali Adaptive Neuro-Fuzzy Inference System atau yang lebih dikenal dengan ANFIS. (Widodo 2005). ANFIS adalah kendali logika fuzzy yang merupakan salah satu bagian dari sistem pengaturan cerdas. Arsitektur jaringan adaftif yang digunakan harus jaringan adaptif umpan maju, bila tidak ingin menggunakan model yang
75
dioperasikan
secara
kompleks.
ANFIS
dapat
memperbaharui
parameter-
parameternya menurut aturan belajar backpropagation. Keterbatasan area kerja ini akan menyebabkan keterlambatan respon dari sistem kendali jika pengendali hanya berbasis pada sistem kontrol ON-OFF, PID, Fuzzy Logic biasa, dan salah satu teknik yang bisa dikembangkan untuk mengatasi kelemahan sistem tersebut adalah dengan menggunakan kendali model prediksi (model predictive control). Kendali model prediksi merupakan jenis sistem kendali yang didesain berdasarkan model suatu proses. Model tersebut digunakan untuk menghitung sejumlah nilai prediksi keluaran proses. Berdasarkan sejumlah nilai prediksi tersebut, sinyal kendali yang akan diberikan ke proses dihitung dengan melakukan minimalisasi suatu fungsi kriteria, sehingga selisih antara nilai prediksi keluaran proses dengan sejumlah masukan referensi yang bersesuaian adalah minimal (Sanchez 1996). Pengendali fuzzy adaptif Neuro-dengan sejumlah kecil bobot dapat dirancang dengan menggunakan arsitektur ANFIS. Struktur ANFIS bisa mengatasi masalah parameter penalaan yang berlebihan dan perlu untuk pemodelan proses dengan model jaringan terpisah seperti ANN, fuzzy atau ANFIS. Pembelajaran terbalik adalah salah satu metode perancangan pengendalian ANFIS. Ini melibatkan dua fase: pembelajaran (learning) dan fase pegujian (testing). Dalam belajar tahap set training diperoleh dengan menghasilkan masukan secara acak, dan mengamati output yang sesuai dihasilkan oleh plant. Dalam fase pengujian, identifikasi ANFIS akan disalin ke pengendali ANFIS untuk menghasilkan output diinginkan. Fase pengujian dan fase pembelajaran terbalik masing-masing ditunjukkan pada Gambar 3.10 dan 3.11. Metode ini tampaknya mudah dan hanya satu tugas pembelajaran yang dibutuhkan untuk mencari invers dari plant. Ini mengasumsikan keberadaan plant terbalik, yang tidak berlaku secara umum. Meminimalkan kesalahan (error) jaringan tidak menjamin minimalisasi kesalahan sistem secara keseluruhan. Namun, pembelajaran terbalik adalah sebuah pendekatan tidak langsung yang mencoba untuk meminimalkan jaringan output kesalahan bukan kesalahan sistem secara keseluruhan (didefinisikan sebagai perbedaan antara lintasan diinginkan dan aktual).
76
Pada metode ini pembelajaran (diilustrasikan pada Gambar 3.10) dapat digunakan sebagai alternatif yang mencoba untuk meminimalkan kesalahan sistem langsung oleh kesalahan sinyal terbalik melalui blok plant. Untuk sinyal kesalahan terbalik melalui plant, sebuah model yang mewakili perilaku plant yang dibutuhkan. Dengan kata lain, Jacobian plant, ∂y/∂u diperlukan. Hal ini dapat diperkirakan secara online dari perubahan plant input dan output. Perilaku yang diinginkan dari sistem secara keseluruhan juga dapat secara implisit ditentukan oleh model (biasanya linier) pengendalian yang mampu mencapai tujuan memuaskan.
Gambar 3. 10 Model pembelajaran identifikasi ANFIS (Wang dan Lee 2002)
Gambar 3. 11 Proses pengujian pada kendali ANFIS Sumber: (Jang et al.1997)
Gambar 3. 12 Struktur pembelajaran pada Kendali ANFIS Sumber: (Jang et al.1997) ANFIS adalah penggabungan mekanisme sistem inferensi fuzzy yang digambarkan dalam arsitektur jaringan syaraf. Sistem inferensi fuzzy yang digunakan adalah sistem inferensi fuzzy model Tagaki-Sugeno-Kang (TSK) orde satu dengan pertimbangan kesederhanaan dan kemudahan komputasi. Salah satu bentuk struktur yang sudah sangat dikenal adalah seperti terlihat pada gambar di
77
bawah ini. Dalam struktur ini, sistem inferensi fuzzy yang diterapkan adalah inferensi fuzzy model Takagi-Sugeno-Kang. Adaptive Neuro-Fuzzy Inference System (ANFIS) merupakan jaringan adaptif yang berbasis pada sistem kesimpulan fuzzy (fuzzy inference system). Dengan penggunaan suatu prosedur hybrid learning, ANFIS dapat membangun suatu mapping input-output yang keduanya berdasarkan pada pengetahuan manusia (pada bentuk aturan fuzzy if-then) dengan fungsi keanggotaan yang tepat. Sistem kesimpulan fuzzy yang memanfaatkan aturan fuzzy if-then dapat memodelkan aspek pengetahuan manusia yang kualitatif dan memberi reasoning processes tanpa memanfaatkan analisa kuantitatif yang tepat (Jang et al. 1997). ANFIS dapat bertindak sebagai suatu dasar untuk membangun satu kumpulan aturan fuzzy if-then dengan fungsi keanggotaan yang tepat, yang berfungsi untuk menghasilkan pasangan input-output yang tepat. Meetode ANFIS terbagi menjadi 3 proses yaitu: proses Inisialisasi awal, proses pembelajaran (learning), dan proses peramalan. Penentuan periode input dan periode training dilakukan saat inisialisasi awal dimana tiap-tiap periode input memiliki pola atau pattern yang berbeda. Data yang digunakan untuk proses pembelajaran (traning) terdiri dari data input, parameter ANFIS, dan data test yang berada pada periode traning ANFIS. Training dengan ANFIS menggunakan adalah algoritma belajar hibrida, dimana dilakukan penggabungan metode Least-squares estimator (LSE) pada alur maju dan error backpropagation (EBP) pada alur mundur. Pada algoritma belajar ini nilai parameter premis akan tetap saat alur maju, namun sebaliknya parameter konsekuen akan terupdate saat alur maju (Jang et al. 1997). Pembelajaran ANFIS adalah pengubahan parameter fungsi keanggotaan masukan dan keluaran dengan menggunakan algoritma perambatan balik atau algoritma hybrid. Algoritma hybrid adalah gabungan antara algoritma backpropagation dan RLSE (Recursive Least Squares Estimator) yang digunakan untuk memperbaharui parameter premis. Tujuan Penelitian ini adalah: pertama, untuk memodelkan pindah panas (suhu), kelembaban dan amonia pada broiler closed house, kedua, untuk mensimulasikan respon kendali ON-OFF, PID, Fuzzy Logic dan ANFIS suhu, kelembaban dan amonia pada broiler closed house bagian dari supervisori kendali
78
Penelitian terdahulu yang terkait dengan model dan kendali lingkungan suhu dan kelembaban di kandang tertutup diantaranya: Ernst (1998) membahas suhu kandang sebesar 33-350C menggunakan kendali ON-OFF dengan pengukuran psychrometric. (Weaver 2001) membahas menggunakan kendali ON-OFF pada kandang ayam dengan suhu 210C dan kelembaban 60% pada musim panas dan dingin. (Ibrahim 2002) membahas penggunakan kendali ON-OFF yang terjadi dua musim yaitu musim panas dan musim dingin, musim panas suhu dalam broiler house 260C dan kelembaban 70%, musim dingin suhu dalam broiler house 340C, kelembaban 70%, dan amonia < 25ppm.
Bahan dan Metode Bahan yang Digunakan Lokasi penelitian ini dilaksanakan antara lain di laboratorium Teknik Bioproses Universitas Tsukuba, Jepang, Laboratorium Kontrol dan Instrumentasi FATETA IPB dan University of Farm Closed House Cikabayan IPB mulai bulan Januari 2009 sampai April 2011. Bahan yang digunakan terdiri dari ayam broiler sebanyak 20.000 ekor, kandang ayam dengan sistem closed house yang ada di lahan penelitian Cikabayan IPB dengan ukuran panjang x lebar x tinggi adalah 120 m x lebar 12 m x tinggi 2.5 m., pakan ayam, air minum, menggunakan software matlab versi 7 untuk simulasi kendali suhu, kelembaban dan amonia. Peralatan yang digunakan meliputi : sensor suhu dan kelembaban SHT75 dan sensor amonia TGS 444. Satu set komputer dan peripheral, thermokopel dan hybrid recorder, satu set kandang ayam dengan sistem isolasinya, exhaust fan (Kipas angin) sebanyak 8 buah, cooling pad (unit pendingin) sebanyak 2 buah, heater (unit pemanas) sebanyak 2 buah, temtron sebanyak 2 buah, tempat air minum, tempat pakan ayam. Tahapan penelitian adalah sebagai berikut: a) Melakukan pengukuran dengan sensor suhu kelembaban dan amonia pada broiler closed house, b) Memodelkan suhu kelembaban dan amonia pada broiler closed house untuk ayam broiler, c) Mensimulasikan dengan respon optimal dengan satu modus kendali ONOFF, PID, Fuzzy Logic, ANFIS pada broiler closed house untuk ayam broiler.
79
Algoritma Kendali ONOFF,PID,Fuzzy Logic, ANFIS
Heater, Fan, Cooler
Algorithm
Suhu, Kelembaban, amonia
Broiler House
Gambar 3. 13 Perancangan sistem kendali pada Broiler Closed House Metode Yang Digunakan Pemodelan Matematika Kendali Suhu Kelembaban dan Amonia dalam Broiler Closed House Suhu (T), kelembaban relative (RH) dan amonia (NH3) di dalam kandang ayam dipengaruhi oleh kondisi lingkungan di dalam juga sedikit pengaruh dari luar seperti atap, dinding, lantai dan penyekat kandang ayam. Pendekatan model suhu dan kelembaban disusun dengan mempertimbangkan penempatan sensor-sensor lingkungan di dalam kandang dan mempertimbangkan faktor yang paling berpengaruh terhadap perubahan suhu dan kelembaban relatif disekitar penempatan sensor tersebut. Gambar 3.14 menggambarkan bahwa broiler closed house mendapatkan energi iradiasi matahari yang jatuh melalui atap transparan dan melepas panasnya bersama aliran udara menuju udara di dalam broiler closed house, dinding dan atap. Dinding, atap, lantai secara konveksi melepas panas ke udara. Bersamaan dengan iradiasi yang jatuh kea tap, juga terjadi kehilangan panas lewat penetrasi lingkungan. Dari lingkungan ke udara dalam kandang ayam atau sebaliknya, terjadi pindah panas dan massa melalui dinding secara konduksi dan konveksi atau aliran. Asumsi yang digunakan dalm konsep pemodelan suhu dan kelembaban ini adalah: 1) suhu lantai dan udara dalam kandang ayam seragam, 2) kelembaban udara dalam kandang ayam seragam, 3) suhu dan kelembaban udara lingkungan seragam, dan 4) kondisi lingkungan disekitar kandang ayam berikut faktor-faktor fisika, kimia yang mempengaruhi sebagai hasil interaksi antara linkungan dengan ayam broiler, 5) Sistem fluida keadaan steady yaitu selang waktu tetap, 6) konveksi paksa (force convection).
80
Gambar 3. 14 Skema konsep pemodelan suhu kelembaban dan amonia dalam Broiler Closed House Sehubungan dengan itu, untuk menduga suhu dan kelembaban relative dalam kandang ayam disusun dalam model matematika. Persamaan dalam bentuk model matematika untuk menghitung perubahan suhu dalam ruangan kandang ayam berdasarkan hukum keseimbangan energi sebagai berikut : Suhu Ruangan (Troom)
……………………………………………………………………..…………..(3.8) Suhu Lantai (Tfloor) …………………………………………..(3.9) Suhu Atap (Troof) (3.10) Suhu Dinding (Twall) (3.11) Metode ini digunakan untuk mengukur parameter suhu kandang dan mengambil data sekunder dalam peneltian sebelumnya dan BMG, terdiri dari suhu ruangan, suhu dinding, suhu lantai, suhu atap, suhu ayam, suhu evavoration cooling, suhu kipas angin. Pengujian model dilakukan dengan mensimulasi model perpindahan panas untuk menduga perubahan suhu dan kelembaban dalam broiler
81
closed house yaitu suhu ruangan, suhu lantai, suhu dinidng, suhu atap dan kelembaban terhadap waktu. Simulasi pindah panas dan massa dijabarkan dalam bentuk suhu serta kelembaban dalam kandang dilakukan dengan memecahkan persamaan atur (governing equation) dengan metode Euler’s Finite Difference. Penyusunan model berdasarkan persamaan perhitungan pindah panas baik secara konveksi lantai, dinding, atap, konduksi pada atap dan radiasi pada atap. Selanjutnya melakukan pemodelan matematika terhadap plant untuk mencari fungsih alih sebagai pengganti pendugaan real-time. Pemodelan berarti menyatakan sistem dalam dunia nyata (real world) menjadi bentuk persamaan matematika. Modeling juga dapat diartikan sebagai usaha menirukan kelakuan proses (real world system) didalam usaha untuk memahaminya. Hal tersebut dilakukan dengan menyusun hubungan-hubungan fisik dari sistem sesungguhnya dengan menggunakan hukum-hukum ilmu alam. Dengan pemodelan dapat perlakuan banyak mengenai suatu sistem tanpa harus menghadirkan sistem tersebut. Dengan penyusunan model maka sifat (karakteristik) sistem akan lebih mudah dianalisis/dipelajari. Selain itu modeling merupakan usaha yang tidak membutuhkan biaya banyak dan resiko yang kecil. Model matematika dari sistem pemanas ruangan kandang ayam diturunkan ulang pada bagian ini (Gopal 2003). Prinsip kerja pemanas ruangan dikembangkan berdasarkan Hukum
Termodinamika I dan II. Perpindahan panas pada kasus
pemanasan ruangan adalah memindahkan energi dalam bentuk panas dari suatu titik yang bersuhu tinggi ke titik yang bersuhu lebih rendah (Djojodihardjo 1985). Untuk menghangatkan ruangan dibutuhkan suatu fluida (berupa air, udara atau uap) yang dipanaskan di dalam heater dengan udara ruangan, fluida akan mengalir kembali lagi ke heater untuk dipanaskan kembali. Merujuk pada Gambar 3.14, panas yang digunakan untuk menghangatkan ruangan berasal dari panas laten kondensasi fluida, yaitu suatu panas yang digunakan oleh tiap satuan fluida untuk mengubah wujudnya. Dalam kasus ini, kalor yang digunakan fluida adalah kalor uap dan kalor embun. Jika suhu ruangan sebesar
, uap dari fluida akan mengalir dari evavorative cooling masuk ke
dalam ruangan kandang dengan kecepatan aliran
mengalirkan panas dalam
ruangan (memanaskan udara dalam ruangan). Perbedaan suhu yang ada mengakibatkan terjadinya perpindahan panas ayam broiler yang bersuhu
,
82
dinding ruangan yang bersuhu ruangan yang bersuhu
, lantai ruangan yang bersuhu
, atap
dan udara luar ruangan (disturbance) yang bersuhu
. Broiler closed house terdapat ayam bisa mengeluarkan panas dan menyerap panas. Berdasarkan hukum kekekalan energi dalam sistem tertutup, tidak ada energi yang tersimpan dalam sistem, mengakibatkan panas yang masuk sistem sama dengan panas yang meninggalkan sistem. Besarnya panas yam broiler adalah: …………………….....(3.12) ……………...………..(3.13) adalah besarnya panas yang tersimpan selama t, akibat perpindahan panas antara ayam dengan udara dalam ruangan. adalah luas permukaan (permukaan antara ayam dalam udara ruangan) Persamaan kesetimbangan panas untuk ayam …………………………………………………...….(3.14) dengan
adalah koefisien panas laten dari kondensasi. Pendekatan yang digunakan untuk memodelkan pemanasan ruangan adalah
menurunkan besarnya panas yang yang tersimpan terhadap waktu dan mengacu pada hukum dasar perpindahan panas fourier. Dari persamaan (28) diperoleh. ………………………………………………..…(3.15)
…………………………………………(3.16) Jika hambatan panas konvektif untuk permukaan antara ayam broiler – udara ruangan dinyatakan dengan ……………………………………………….................(3.17) sehingga persamaan (28) menjadi …………………………………………………(3.18) Fluida yang digunakan untuk menghangatkan ruangan mengalir dari ayam broiler mengakibatkan terjadinya perpindahan panas. Misalnya panas yang
83
tersimpan dalam udara ruangan
. Perpindahan panas inilah digunakan
dalam ruangan kandang tertutup. Misalnya panas yang tersimpan dalam udara ruangan dinding
merupakan selisih antara panas ayam broiler , panas atap
dan panas lantai
maka
dan panas adalah
………...(3.19)
…(3.20) Dengan mair adalah massa udara ruangan, cair adalah kapasitas panas jenis udara ruangan, dinding, dan
adalah koefisien film dari permukaan antara udara ruanganadalah luasan permukaan antara udara ruangan dan dinding
kandang. Sebaran panas di dalam udara ruangan adalah ……………………………...…...(3.21)
……….(3.22 ) Persamaan (36) merupakan persamaan kesetimbangan panas untuk yang menyumbangkan panas (ayam broiler, kipas angin, lampu,evavorari cooling) ………………..(3.23 )
...(3.24) …………..(3.25) ……………………………………….. (3.26)
.(3.27)
84
Jika kapasitas panas udara ruangan dinyatakan C1= m3c3 dan hambatan panas konveksi dinding + konveksi atap + konveksi tanah serta udara dalam ruangan ……………………………………………………..……(3.28) Persamaan kesetimbangan panas untuk udara ruangan adalah : …………..……….(3.29) Suhu udara ruangan dipengaruhi oleh udara luar ruangan (disturbance) yang mengakibatkan adanya panas yang tersimpan di dalam dinding. Besarnya merupakan selisih antara panas udara ruangan Qroom(t) dengan udara lingkungan Qambient yaitu …………………………………………………...………(3.30) …………………………………..…(3.31) ………………………………...(3.32) ………………………………....(3.33)
………….(3.34) Jika kapasitas panas dinding dinyatakan C2= mwall cwall dan hambatan panas konveksi dinding-disturbance dinyatakan dengan
………………………………………………………….(3.35) Persamaan kesetimbangan panas untuk dinding adalah ……………….(3.36) Jika kapasitas panas lantai dinyatakan C3= mwall cwall dan hambatan panas konveksi lantai-disturbance dinyatakan dengan
………………………………………………………….(3.37) Persamaan kesetimbangan panas untuk lantai adalah
85
……………(3.38) Jika kapasitas panas atap dinyatakan C2= mroof croof dan hambatan panas konveksi dinding-disturbance dinyatakan dengan …………………………………………………………….(3.39) Persamaan kesetimbangan panas untuk atap adalah ………………(3.40) Oleh karena aliran fluida di dalam ayam broiler selalu dalam keadaan steady flow, maka kesetimbangan di dalam ayam broiler dapat diabaikan, sehingga dari persamaan (43), (49), (51) dan (53) diperoleh sistem persamaan diferensial. Dinamika sistem orde satu dapat dinyatakan dalam bentuk persamaan diferensial ………………………………… (3.41) ……………….(3.42) …………. (3.43) ...…………...(3.44) Persamaan (55) merupakan persamaan model suhu dengan pemanas ruangan dengan Qflow (t) merupakan variabel input terkontrol, merupakan variabel input tak terkontrol dan
merupakan variabel output.
Fungsi Alih dari Persamaan Pemanas Ruangan Pada subbab ini disajikan pembahasan untuk mencari fungsi transfer (fungsi alih) dari persamaan suhu dengan pemanas ruangan pada system kontrol tertutup dengan kondisi awal nol.
Gambar 3. 15 Sistem kendali loop tertutup
86
(3.45)
(3.46) Dari persamaan (3.46) dan
, diperoleh:
(3.47) Substitusi persamaan (3.45) dan (3.47) disederhanakan menjadi:
……….. (3.48) Fungsi transfer sistem kendali tertutup, kondisi awal sistem dianggap nol (t=0) mengakibatkan sama dengan 0. Persamaan (3.48)
……………………………(3.49) dengan …………………. …..(3.50)
………...………………………..………(3.51) ………………………………......................... (3.52) Dari pers (3.49) diperoleh fungsi transfer G(s) untuk sistem pemanas ruang
…………………………(3.53)
87
Selanjutnya dicari transformasi laplace dari keluaran yaitu: dari invers Laplace dari
tersebut adalah
. Dalam hal ini maka fungsi alih untuk suhu kandang ayam tertutup sebagai berikut: ………………………..
(3.54)
Untuk mengetahui kinerja sistem, kemudian dibuat grafik dari keluaran , disetelah mengetahui grafik dari sistem, diberikan aksi control pada sistem tersebut dengan menggunakan model kendali ON-OFF, PID, Fuzzy Logic, dan ANFIS. Asumsi , Kondisi Awal dan Kondisi batas Dalam Perhitungan Simulasi Aliran Udara: Asumsi Kandang Ayam a. Udara tidak termampatkan (incompressible), ρ konstan b. Bilangan Prantilasi udara konstan (panas jenis, konduktivitas dan viskositas udara konstan) c. Udara bergerak dalam keadaan steady d. Udara lingkungan dianggap konstan selama simulasi yaitu pada nilai 300C e. Aliran udara dianggap laminier, didasarkan oleh bilangan Re= 1698. Aliran laminar jika Re<2000 (Holman 1997). Model Matematika Kendali Kelembaban dalam Broiler Closed House Pemodelan kelembaban dalam ruangan kandang ayam tertutup asumsi terdapat pada gambar 3.14 sebagaimana juga di bahas dalam pemodelan suhu, maka persamaan kelembaban sebagai berikut: ……………
(3.55) ………..(3.56)
……………….(3.57) ……………….(3.58) di mana:
88
mr = Laju aliran massa dalam ruang broiler closed house mumk= Laju aliran massa udara masuk dan keluar broiler closed house Shum = Pelembab = Qevaporation Cooling ρ
= Angkasa kepadatan ( 1.2 g m/3),
Cp = Panas jenis udara ( 1006 J ( kg K)/1), Persamaan keseimbangan energi (energy balance) maka model kelembaban dalam ruangan tertutup, dinyatakan dalam persamaan : Total dan fungsi- fungsi psikometrik adalah sebagai berikut: 1. Koefisien pindah panas total ……………………………………………………………...(3.59) 2. Kelembaban mutlak ……………………………………………………………...(3.60) 3. Tekanan uap pada suhu T ………………………………………...……………...……(3.61) 4. Kelembaban relative (RH) …………………………………………………...……………....(3.62) 5. Tekanan uap jenuh pada suhu jenuh T Ps= RxExp(A+BT+CT2+DT3+ET4)/(FT-GT2)……………………….…....(6.63) Dimana konstanta-konstanta adalah sebagai berikut : R= 22105649,25 A = -27405,526 B = 97 ,5413 C = 0,146244 D = 0,000126 E = 0,0000000485 F = 4,34903 G= 0,00394 Patm= 101325Pa
89
Perubahan RH dalam ruangan dihitung berdasarkan asumsi bahwa udara ruangan berasal dari udara luar yang dipanaskan oleh bangunan kandang ayam. Udara tersebut tidak mengalami penambahan uap air karena air penguapan dari ayam brolier diasumsikan semuanya tersedot keluar. Tekanan uap jenuh (Ps) dihitung berdasarkan suhu mutlak lingkungan (Ta) dengan persamaan berikut : Ps = 22105649.25 exp (A1/B1) ……………………………………….…….(3.64) Ps = 22105649.25 exp (27405.526 + 97.5413 T - 0.14244 T2 - 1.2558E-4 T3 0.45852E-7 T4)/(4.34903 T - 0.003938 T2) …………………...........................(3.65) A1 = -27405.526 + 97.5413 T - 0.14244 T2 - 1.2558E-4 T3 -0.45852E-7 T4
(3.66)
2
B1 = 4.34903 T - 0.003938 T ………..……………………………………...(3.67)
Nilai Psr1 untuk udara pengering di dalam ruang ERK dihitung berdasarkan suhu mutlak ruang ERK (Tr1) dengan persamaan (74)-(76) diatas, sedangkan nilai Pv dicari dengan persamaan berikut : Pv = RHa x Ps…………………………………………………….…(3.68) dimana RHa adalah nilai kelembaban lingkungan. Karena tidak ada penambahan uap air (nilai H tetap) maka Pvr! sama dengan Pv lingkungan, sehingga RH udara pengering didapatkan : RHr1 = Pv/Psr1
(3.69)
Model Matematika Kendali Kelembaban dalam Ruangan Kandang Ayam (3.70) (3.71) (3.72) (3.73) (3.74) Apabila ruangan lembab tersimpan dalam ruangan antara panas broiler
dan panas dinding
merupakan selisih maka
adalah:
90
(3.75) (3.76) Karena aliran fluida dalam keadaan steady (3.77) (3.78) Maka persamaan model RH pada broiler closed house input terkendali,
merupakan variabel
merupakan variabel input tak terkendali dan
merupakan variabel output.
(3.79) (3.80)
(3.81)
Fungsi transfer kelembaban kendali tertutup, kondisi awal sistem dianggap nol (t=0) mengakibatkan Hr ambient atau kelembaban lingkungan = 0
(3.82) Dengan (3.83) (3.84)
(3.85) (3.86) Dari pers (4.11) diperoleh fungsi transfer G(s) untuk sistem pemanas ruang
91
(3.87) Selanjutnya dicari transformasi laplace dari keluaran yaitu dari invers Laplace dari adalah
tersebut
. Untuk mengetahui kinerja sistem, kemudian dibuat grafik dari keluaran , disetelah mengetahui grafik dari sistem, diberikan aksi kendali pada
sistem tersebut dengan menggunakan model kendali ON-OFF, PID, Fuzzy Logic, ANFIS.
Fungsi Alih Untuk Kelembaban (RH) (3.88) (3.89)
Model Matematika Kendali Amonia dalam Ruangan Kandang Ayam Fungsi NH3 = fungsi (NH3m,V,Tlantai, NHsource,A) General mass transfer flux equation J = Km (Cg, 0 - Cg, ∞ )
(3.90)
Mass balance equation J = (Q/A) Cg, ∞
(3.91)
Subtitusi kedua persamaan diatas J = ((Q/A)-1 + Km-1)-1 Cg, 0
(3.92) (3.93) (3.94)
– –
Fungsi Alih NH3 = NH3 room (amonia ruangan)/
(3.95) (3.96) Qc (broiler +
kecepatan udara) atau fungsi Alih NH3 = NH3 room (amonia ruangan)/Q flow (3.97) Dari fungsi alih suhu, kelembaban dan amonia di atas di masukan ke dalam kendali lingkungan broiler closed house. Acuan optimal di peroleh dari parameter lingkungan optimal yang didasarkan pada hasil maksimal produk yang dipanen
92
baik secara kualitas, kuantitas maupun selera tergnatung kondisi produk yang diinginkan. Kondisi optimal tidak selalu berarti lingkungan diharapkan meningkatkan pertumbuhan ayam. Terkadang cekaman (stress) lingkungan dapat menghambat pertumbuan tetapi kualitas, seperti perlakuan evavorting cooling terhadap ayam broiler yang dapat meningkatkan kondisi nayaman, hal ini termasuk kondisi optimal yang dikaitkan dengan peningkatan kualitas. Parameter optimal kendali dihubungkan dengan bias (error) yang minimum dan performansi kendali yang stabil yang terdiri dari kendali ON-OFF, PID, FUZZY, ANFIS. PARAMETER OPTIMAL KONTROL
ACUAN
+ -
e
KONTROL ON-OFF PID, FUZZY, DAN ANFIS
LINGKUNGAN BROILER CLOSED HOUSE
Gambar 3. 16 Struktural sistem parameter optimal kendali lingkungan Broiler Closed House dengan simulasi Matlab Kendali suhu, kelembaban dan amonia ON/OFF merupakan kendali suhu, kelembaban dana amonia dengan keluaran sinyal hidup (ON) jika suhu turun di bawah titik pengaturan dan mati (OFF) apabila suhu, kelembaban dan amonia telah mencapai titik pengaturan atau respon optimal pada broiler closed house.
Gambar 3. 17 . Grafik kendali ON-OFF Broiler Closed House
Algortima Kendali PID m(t) adalah keluaran PID, e(t) adalah error, Kp adalah konstanta proporsional, KI adalah konstanta integral, KD adalah konstanta diferensial, ST adlah sampling time (detik), TD adalah waktu diferensial (detik), Rf adalah gradien besaran fisik, Lf adalah seperempat periode.Parameter kendali adalah suhu, kelembaban dan amonia pada broiler closed house.
93
Gambar 3. 18. Penerapan kendali PID lingkungan Broiler Closed House
Pemecahan persamaan integral dan diferensial mengikuti pendekatan Euler. Adapun pemecahan persamaan persamaan integral pada gambar pendektan euler, besaran luasan daerah di bawah kurva didekati dengan menghitung besarnya dengan menghitung besarnya luasan daerah empat persegi, dengan m(t) adalah integral dari e(t).
Gambar 3. 19 Pendekatan numerik euler untuk pemecahan Integral. Pemecahan persamaan diferensial dengan mengansumsikan gradient e(t) pada t=(k+1)T sama dengan gradient garis lurus yang menghubungkan e(k)T dengan e[(k+1)].
Gambar 3. 20 Pendekatan numerik euler untuk pemecahan Diferensial
94
Algortima Sistem Fuzzy Logic pada Broiler Closed House a. Error dan dError Suhu (T)/Amonia (NH3) Error_T/NH3/=data_T/RH/ –Set_point T/NH3/ dError-T/NH3=Error_T/RH/(1)-Error_T/NH3/ Jun Yan menentukan variabel masukan kendali fuzzy akan diseleksi sebagai kesalahan
(error, E) dan perubahan kesalahan (delta error, dE).
Sinyal E
didapatkan dari pengurangan keluaran sistem terhadap setpoint, sedangkan sinyal dE didapatkan dari pengurangan sinyal error saat ini dengan sinyal error sebelumnya. Kedua sinyal tersebut diolah oleh pengendali fuzzy. Keluaran merupakan variasi perintah yang disusun sebagai berikut: Jika keluaran sama dengan nilai yang diinginkan dan perubahan kesalahan sama dengan nol, maka keluaran yang sebelumnya dipertahankan. Jika keluaran tidak sesuai dengan yang diinginkan maka aksi kendali tergantung pada nilai error dan perubahan error. b. Fuzzifikasi Suhu Kelembaban dan Amonia (Penentuan derajat keanggotaan) Proses ini dilakukan dengan memetakan input suhu dan amonia pada selang nilai yang dapat terjadi secara ril (dapat mengacu kedata penelitian sebelumnya tentang selang nilai suhu, kelembaban dan amonia udara). Pada rancangan ini universe of discourse nilai suhu yang digunakan adalah 25-300C dan nilai kelembaban sebesar 15-90%. Sedangkan selang nilai derajat keanggotaan (degree of membership) secara umum ditetapkan 0 -1. Keterangan (label) yang digunakan adalah negatif besar (NBE), negarif sedang (NSE), Negatif kecil (NKE), Zero (ZE), positif kecil (PKE), positif sedang (PSE) dan positif besar (PBE) yang menggambarkan kondisi suhu dan kelembaban dari kriteria rendah ke kriteria tinggi secara proporsional. Sedangkan bangun yang digunakan untuk mempresentasikan batas scope/domain adalah bentuk segitiga dan trapezium. Bangu trapezium terjadi batas bawah dan batas atas domain sedangkan bangun segitiga terjadi diantara kedua bangun trapezium tersebut. Nilai analog (crisp input) yang digunakan untuk mencari derajat keanggotaan adalah NBE=-0.75, NSE=-0.05, NKE=-0,25, ZE=0, PKE=0,25, PSE = 0,5 dan PBE = 0,75. Scope domain dalam konsep ini adalah bangun yang dibatasi oleh masing-masing crisp input yakni bangun trapezium pada nilai <=-0,75 atau bangun segitiga pada nilai 0 – 0,25.
95
c. Defuzzy (Penegasan). Proses penegasan dilakukan untuk memperoleh nilai analog dari konsep penerapan aturan if then (fuzzy rules) terhadap penentuan derajat keanggotaan dari error suhu/NH3 dan dError suhu/NH3. Penerapan aturan if then (fuzzy rules) tidak terpisah sebagai sebuah tahapan melainkan digunakan baik pada proses penentuan derajat keanggotaan, penegasan ,maupun penyesuaian nilai keluaran fuzzy pada input peralatan analog. Penegasan menggunakan metode pembobotan center of Gravity yakni dengan menggunakan persamaan.
Gambar 3. 21 Penerapan kendali Logika Fuzzy lingkungan Broiler Closed House Pengendalian sistem suhu kelembaban amonia sering dianggap sebagai patokan untuk proses kendali nonlinier karena perilaku yang sangat nonlinear yang ditunjukkan oleh suhu kelembaban amonia dinamika. Dalam studi ini, bertujuan untuk menggunakan ANFIS sebagai pengontrol dalam suhu kelembaban amonia mengontrol sistem. Untuk tujuan ini, kendali ANFIS dirancang dan digunakan dalam cara adaptif dalam skema kendali suhu kelembaban amonia. Gambar 3.21 mengilustrasikan adaptif mengendalikan skema untuk sistem suhu kelembaban amonia yang diteliti. Model suhu kelembaban amonia yang dikembangkan digunakan sebagai nyata plant dalam skema ini. Masukan ke pengontrol di setiap pengambilan sampel instan adalah tanaman dan controller output, suhu kelembaban amonia (k-1) dan F2 (k-1), masing-masing disebelumnya pengambilan sampel instan. Output pengontrol adalah input pabrik baru, F2 (k).
96
Gambar 3. 22 Penerapan kendali ANFIS lingkungan Broiler Closed House Struktur ANFIS merupakan mekanisme penalaran fuzzy Sugeno atau arsitektur jaringan syaraf feed-forward. Struktur ANFIS terdiri dari lima lapisan yang tiap-tiap lapisan mempunyai fungsi-fungsi tertentu. Simpul kotak yang ada pada Gambar 3.22 menyatakan simpul adaptif, yang yang parameternya dapat berubah dengan pembelajaran, sedangkan lingkaran menyatakan simpul non adaptif yang nilainya tetap.
Gambar 3. 23. Struktur ANFIS Sumber: (Jang 2003) Menurut (Jang 2003) Struktur ANFIS diatas dengan bentuk umum dua aturan fuzzy if-then seperti yang ditunjukkan dengan persamaan sebagai berikut: Lapisan 1. Semua simpul pada lapisan ini adalah simpul adaptif (parameter dapat berubah) denganfungsi simpul: O x l i A = μ untuk I = 1, 2 atau …………………………………………….(3.98) Ol,i =μ Bi−2 ( y) untuk I = 3, 4 ……………………………………….……..(3.99) dengan x dan y adalah masukan pada simpul i, Ai (atau Bi-2) yang merupakan variable linguistic (seperti ‘besar’ atau ‘kecil’). Dengan kata lain O1,i adalah fungsi
97
keanggotaan masing-masing dari sebuah set fuzzy (A dan B) dengan derajat keanggotaan yang ditentukan oleh input x dan y. Simpul O1,i berfungsi untuk menyatakan derajat keanggotaan tiap masukan terhadap himpunan fuzzy A dan B. Bentuk fungsi keanggotaan pada layer atau lapisan pertama dapat berbentuk misalnya fungsi keanggotaan gauss, yang dapat ditunjukkan dalam bentuk :
………………………………………….(3.100) dimana {ai ,bi} adalah parameter yang dapat diubah-ubah (parameter adaptif). Selama harga dari parameter ini berubah-ubah, fungsi keanggotaan bell akan bervariasi bergantung pada parameter yang berubah, sehingga fungsi keanggotaan untuk set fuzzy (A dan B) akan bervariasi. Parameter-parameter pada lapisan ini disebut sebagai parameter premis. Lapisan 2. Semua simpul pada lapisan ini adalah non adaptif (parameter tetap). Fungsi simpul ini adalah mengalikan setiap sinyal masukan yang datang. …………..………………………(3.101) ini menunjukkan banyaknya aturan yang dibentuk. Fungsi perkalian yang digunakan adalah interpretasi kata hubung AND dengan menggunakan operator tnorm. Lapisan 3. Setiap simpul pada lapisan ini adalah simpul nonadaptif yang menampilkan fungsi normalisasi kekuatan pengaruh (normalized firing strength) yaitu rasio keluaran simpul ke-i pada lapisan sebelumnya terhadap seluruh keluaran lapisan sebelumnya, dengan bentuk fungsi simpul:
………………….…………………….(3.102) Apabila dibentuk lebih dari dua aturan, fungsi dapat diperluas dengan membagi wi dengan jumlah total w untuk semua aturan. Lapisan 4. Setiap simpul pada lapisan ini adalah simpul adaptif dengan fungsi simpul: …………...………………………..(3.103)
98
dengan i w adalah derajat perngaktifan ternormalisasi dari lapisan 3 dan parameter {pi , qi ri}menyatakan parameter yang adaptif Parameter lapisan ini dinamakan parameter konsekuen. Lapisan 5. Pada lapisan ini hanya ada satu simpul tetap yang fungsinya untuk menjumlahkan semua masukan. Fungsi simpul:
…………………………..………………….(3.104) Hasil dan Pembahasan Menurut Ogata (1996), Kuo Bunyamin C (1989) dan W. Bolton (2004) untuk mengetahui parameter kualitas respon transient yang dijadikan standar dama sistem kendali antara lain: 1) Time Constan ( ): Ukuran waktu yang menyatakan kecepatan respon, yang di ukur mulai t = 0 s/d respon mencapai 63,2% (e-1 x 100%) dari respon steady state. 2) Rise Time (TR): Ukuran waktu yang menyatakan keberadaan suatu respon, yang di ukur mulai respon 5% sampai 95% dari respon steady state (dapat pula 10% sampai 90%). TR = Ln 19 (5% sampai 95%), atau TR = Ln 9 (10% sampai 90%). 3) Settling Time (Ts): Ukuran waktu yang menyatakan respon telah masuk ± 5% atau ± 2% atau ± 0,5% dari respon steady state. Ts (± 5%) = 3 ; Ts (± 2%) = 4 atau Ts (± 0,5%) = 5 . 4) Delay Time (Td): Ukuran waktu yang menyatakan faktor keterlambatan respon output terhadap input, pengukuran dilakukan mulai t = 0 sampai respon mencapai 50% dari respon steady state. TD = Ln2.
Gambar 3. 24 Respon kinerja sistem kendali Sumber: (Ogata 1996), (Kuo 1989), (Bolton 2004)
99
Parameter di atas digunakan untuk mengetahui respon kendali pada broiler closed house untuk ayam broiler skenario starter, grower, finisher dengan menggunakan modus kendali ON-OFF, PID, Fuzzy Logic dan ANFIS.
Gambar 3. 25 Simulink tool matlab kendali ON-OFF
Gambar 3. 26 Simulink tool Matlab kendali PID
Gambar 3. 27 Simulink tool Matlab kendali Logika Fuzzy
100
Gambar 3. 28 Simulink tool Matlab kendali ANFIS Simulasi Kendali pada Broiler Closed House Bagian dari Supervisori Kendali Sistem kendali broiler closed house dipengaruhi oleh konveksi, konduksi, dan iradiasi dengan menggunakan modus kendali yang dapat menyesuaikan dengan kondisi iklim dan lingkungan yang ada. Untuk satu variabel menggunakan modus kendali ON-OFF, PID, Fuzzy Logik, ANFIS dengan salah satu parameter kendali suhu, kelembaban dan amonia pada broiler closed house yang merupakan bagian dari sistem supervisori kendali. Suhu kelembaban dan amonia dikendalikan pada waktu pagi, siang dan sore menggunakan ON-OFF, PID,Fuzzy Logik dan ANFIS dari starter, grower dan finisher. Simulasi kendali pada kandang ayam dalam penelitian ini masih menggunakan satu kandang ayam dengan 3 skenario waktu pada masa starter, grower dan finisher. Penelitian selanjutnya menggunakan beberapa broiler closed house. Untuk setpoin 29-300C adalah starter, set poin 29 0C adalah grower, set poin 280C adalah finisher. Pengendali suhu dan kelembaban pada broiler closed house pada ayam broiler menggunakan metode swa-tala (self tuning) kendali PID. Pengujian dilakukan dengan uji respon variable input, uji tracking set point. Pengujian respon dilakukan pada mesin kendali yang dimodelkan dalam bentuk fungsi alih dengan input-an dari konstanta pada simulink Matlab. Pengujian tracking set point pertama pada suhu dilakukan dengan merubah nilai masukan sebesar 300C, 290C, 280C, 270C,260C,250C,240C dan nilai masukan kelembaban sebesar 70%, 60%, 50% untuk kendali PD dan PID serta nilai masukan ammonia < 10 ppm untuk kendali ON OFF, PID, Fuzzy Logic dan ANFIS.
101
Sistem Kendali ON-OFF, PID, Fuzzy Logik ANFIS Suhu pada Broiler Closed House Periode Starter, Grower, dan Finisher Pada kendali ON-OFF seting kendali sesuai setpoin antara 24-300C dengan heater menyala bila suhu lebih rendah dengan setpoint dan apabila suhu sama atau mendekati setpoin maka heater mati disimulasikan dengan fungsi alih suhu sehingga menghasilkan output kendali dengan error. Respon kendali ON-OFF starter, grower dan finisher periode starter di bawah 3.29 sampai 3.31.
Gambar 3. 29 Grafik respon kendali ON-OFF suhu setpoint 30 Starter umur (1-18 hari)
Gambar 3.30 Grafik respon kendali ON-OFF suhu setpoint 25 Grower umur (19-30 hari)
102
Gambar 3. 31 Grafik respon kendali ON-OFF suhu setpoint 230C Finisher (31-46 hari)
Berdasarkan grafik respon kendali ON-OFF maka respon transien adalah sebagai berikut: Tabel 3. 4 Respon Kendali ON OFF pada broiler closed house untuk ayam broiler Waktu Waktu Waktu Persen Tunda Penetap Error steady Periode Setpoint Naik (Tr) Lonjakan (Td) (Ts) state (Ess) (%) (detik) (Os) (%) (detik) (detik) Starter 30 0.936 8.7439 0.0978 78.725 0.0311 Starter 29 0.092 8.8055 0.0948 78.408 0.0661 Starter 28 0.0939 8.999 0.097 77.993 0.067 Starter 27 0.0941 8.9078 -0.233 77.488 0.0514 Starter 26 0.0943 8.8003 0.0979 77.565 0.0200 Grower 25 0.0945 8.7406 0.096 78.398 0.0918 Grower 24 0.0946 9.9762 0.0927 79.242 0.0525 Finisher 23 0.0945 9.966 0.0954 78.245 0.0454 Kendali PID Suhu pada Broiler Closed House untuk Ayam Broiler Periode Starter, Grower dan Finisher Pengontrol Proporsional menurunkan daya rata-rata yang sedang diberikan pada pemanas ketika suhu mencapai titik penyetelan. Proses ini akan melambatkan pemanasan, sehingga tidak akan melampaui titik penyetelan tetapi akan mencapai titik penyetelan dan mempertahankan suhu agar tetap konstan. Pengontrol proporsional mengijinkan kendali variabel proses yang lebih ketat karena keluarannya dapat mengambil harga berapapun antara sepenuhnya ON dan sepenuhnya OFF, tergantung pada magnitude dari sinyal error. Fungsi dari laju (derivatif) memperpendek waktu yang diambil suhu pemanas untuk menstabilkan mendekati titik penyetelan. Fungsi integral (reset)
103
membatasi setiap penggantian kerugian dari titik penyetelan suhu. Pengontrol PID mempunyai kemampuan mencocokkan aksi kendalinya pada konstanta waktu proses tertentu untuk menghadapi perubahan proses setiap waktu. Kendali PID mengubah besarnya sinyal keluaran pada cara yang ditentukan secara matematis yang mempertimbangkan besarnya error dan laju perubahan sinyal. Adapun metode yang digunakan untuk mencari konstanta PID adalah Ziegler-nichols dengan menggunakan fasilitas sisotool matlab.
(3.105) Jika direpresentasikan dalam transformasi laplace, bentuk kendali ini menjadi :
(3.106) Respon kendali PID suhu pada broiler closed house dengan simulasi periode starter, grower dan finisher ditunjukkan pada gambar di bawah ini adalah:
Simulasi kendali PID (P=20,I=10,D=1) pada Broiler Closed House Periode Starter Umur (1-18 Hari)
Gambar 3. 32 Respon kendali PID suhu setpoin 300C Starter umur (1-18 hari)
104
Gambar 3. 33 Respon kendali PID suhu setpoin 240C Grower umur (19-30 hari)
Gambar 3. 34 Respon kendali PID suhu setpoin 220C Finisher umur (31-46 hari)
Respon Kendali PID Kelembaban pada Broiler Closed House dengan Nilai P=20, I=10 dan D=1 Tabel 3. 5 Respon kendali PID suhu pada Broiler Closed House untuk ayam broiler Periode Setpoint Starter Starter Starter Starter Starter Grower Grower Finisher Finisher
30 29 28 27 26 25 24 23 22
Waktu Tunda (Td) 0,078125 0,15625 0,078125 0,078125 0,078125 0,078125 0,046875 0,04355 0,04265
Waktu Penetap (Ts) 6,484375 6,171875 6,171875 4,609375 6,171875 4,1875 4,78125 4,231 4,1567
Waktu Naik (Tr) 0,234375 0,3125 0,46875 0,15625 0,46875 0,15625 0,0625 0.0567 0.0555
Persen Lonjakan (Os) 2,7777 4,4643 4,4643 1,3889 4,4643 1,4881 1,4368 1,4221 1,4201
Error steady state (Ess) 0,0781 0,0488 0,0488 0,0833 0,0469 0,0232 0,0215 0,0212 0,0211
105
Simulasi Kendali Fuzzy Logic Suhu pada Broiler Closed House Periode Starter, Grower dan Finisher Pada simulasi kendali Fuzzy Logic pada broiler closed house ayam broiler menggunakan tool matlab library blok diagram dengan masukan setpoin antara 240C - 300C yang dengan menggunakan model fungsi alih pada suhu broiler closed house yang pengendalian aktuatornya heater dipasangkan gangguan (suhu lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari suhu ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler closed house. Pada grafik di bawah ini respon kendali Fuzzy Logic suhu pada broiler closed house dengan simulasi periode starter, grower dan finisher (Gambar 3.35 sampai 3.37)
Gambar 3. 35 Grafik kendali Logika Fuzzy pada suhu ruangan setpoin 300C periode Starter, umur (1-18 hari)
Gambar 3. 36 Output kendali Logika Fuzzy pada suhu ruangan setpoin 250C Grower, umur (19-30 hari)
106
Gambar 3. 37 Grafik kendali Logika Fuzzy untuk suhu setpoin 230C periode Finisher, umur (31-64 hari) Pembahasan hasil grafik kendali fuzzy logik pada broiler closed house di atas menunjukan respon transien dengan perlakuan pola tiga skenario starter (masa pembibitan) umur (0-18hari) dengan setpoin antara 29-300C,
grower (masa
pertumbuhan) umur (19-30 hari) dengan setpoint 26,27,280,C dan finisher (masa panen) setpoint 30-38 0,C adalah sebagai berikut: Tabel 3.6 Respon kendali Logika Fuzzy suhu pada Broiler Closed House Periode
Setpoint ppm
Starter Starter Starter Starter Starter Grower Grower Finisher
30 29 28 27 26 25 24 23
Waktu Tunda (Td) 1.2169 1.187 1.1762 1.153 1.1456 1.101 1.1042 1.1451
Waktu Penetap (Ts) 30.1551 17.9698 14.4425 18.6913 27.033 36.1324 33.35 32.45
Waktu Naik (Tr) 1.2951 1.2837 1.2312 4.996 1.1939 1.1682 1.1455 1.1432
Persen Lonjakan (Os) 48.120% 33.764% 49.219% 42.917% 44.854% 46.066% 49.583% 48.567
Error steady state (Ess) 0.171% 0.753% 0.460% 0.311% 0.840% 0.376% 0.250% 0.0765
Simulasi Kendali ANFIS Suhu pada Broiler Closed House periode Starter, Grower dan Finisher Pada simulasi kendali ANFIS pada broiler closed house ayam broiler menggunakan tool matlab library blok diagram dengan masukan setpoin antara 240C - 300C yang dengan menggunakan model fungsi alih pada suhu broiler closed house yang pengendalian aktuatornya heater dipasangkan gangguan (suhu lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari
107
suhu ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler closed house. Data input sebanyak 101 sebagai masukan dan tindakan satu set input-output. Data digunakan sebagai data pelatihan membangun pengontrol fuzzy. Ini melibatkan dua fase: pembelajaran (learning) dan fase pegujian (testing).Dalam belajar tahap training set diperoleh dengan menghasilkan masukan secara acak dan mengamati output yang sesuai dihasilkan oleh plant. Terbukti dengan menggunakan ANFIS lebih cepat sinyal respon transien dari Fuzzy Logic. Pada grafik di bawah ini respon kendali ANFIS suhu pada broiler closed house dengan simulasi periode starter, grower dan finisher gambar 3.38, 3.39 dan 3.40
Gambar 3. 38 Grafik kendali ANFIS untuk suhu setpoin 300C periode Starter, umur (1-18 hari)
Gambar 3. 39 Grafik respon kendali ANFIS suhu setpoint 240C periode Grower, umur (19-30 hari)
108
Gambar 3.40 Grafik respon kendali ANFIS suhu setpoint 220C periode Finisher, umur (31-46 hari) Pembahasan hasil grafik kendali ANFIS pada broiler closed house di atas menunjukan respon transien di awali dengan komputasi dari nol sampai 250,C dikondisikan sesuai batas amban suhu lingkungan broiler closed house sehingga setelah 250,C baru dimulai terjadi respon transient nilai setpoint 300,C, 290C,280C,270,C,260C,250C,240,C, 230C,220C dengan perlakuan pola tiga skenario starter umur (1-18 hari) dengan setpoin antara 29-300C, grower umur (19-30 hari) dengan setpoint 26,27,280,C dan finisher setpoint 31-46 0,C adalah sebagai berikut: Periode
Starter Starter Starter Starter Starter Grower Grower Finisher Finisher
Tabel 3. 7 Respon kendali ANFIS suhu pada Broiler Closed House Waktu Waktu Waktu Persen Error steady Setpoint Tunda Penetap Naik (Tr) Lonjakan state (Ess) ppm (Td) detik (Ts) detik detik (Os) % % 30 1.2026 41.6405 1.1535 29.380 0.867 29 1.1809 41.6108 1.1258 33.841 0.852 28 1.159 35.2891 1.0996 38.621 0.842 27 1.137 41.6542 1.0744 43.755 0.822 26 1.1142 35.558 1.0496 49.284 0.825 25 1.0796 41.688 1.0256 55.256 0.842 24 1.0678 35.205 1.0014 61.725 0.817 23 1.0567 36.102 1.0023 54.525 0.867 22 1.0534 35.332 1.0034 45.234 0.821
Sistem Kendali ON-OFF Kelembaban pada Broiler closed house Periode Starter Grower dan Finisher Pada kendali ON-OFF seting kendali sesuai setpoin antara 50-70 % dengan heater menyala bila kelembaban lebih rendah dengan setpoint dan apabila suhu sama atau mendekati setpoin maka heater mati disimulasikan dengan fungsi alih kelembaban sehingga mengahasilkan output kendali dengan error yang minimal.
109
Pada grafik respon kendali kelembaban ON-OFF periode starter, grower dan finisher terdapat pada Gambar 3.41, 3.42 dan 3.43.
Gambar 3. 41 Grafik kendali ON OFF kelembaban setpoint 50 % periode Starter umur (1-18 hari)
Gambar 3. 42 Grafik Kendali ON-OFF kelembaban setpoint 60 % periode Grower umur (19-30 hari)
Gambar 3. 43 Grafik kendali ON-OFF kelembaban setpoint 70 % periode Finisher umur (31-46 hari)
110
Tabel 3. 8 Respon kendali ON-OFF kelembaban pada Broiler Closed House
Periode
Setpoint (%)
Starter Grower Finisher
50 60 70
Waktu Tunda (Td) detik 0.0187 0.019 0.0191
Waktu Penetap (Ts) detik 8.27 7.288 6.574
Waktu Persen Naik Lonjakan (Tr) detik (Os)% 3.0546 3.03 3.0391
2.475 2.467 2.460
Error steady state (Ess)% 0,001 0,001 0,001
Sistem Kendali PID Kelembaban pada Brolier House Periode Starter Grower dan Finisher Kendali Proporsional menurunkan daya rata-rata yang sedang diberikan pada pemanas ketika kelembaban mencapai titik penyetelan. Proses ini akan melambatkan pemanasan, sehingga tidak akan melampaui titik penyetelan tetapi akan mencapai titik penyetelan dan mempertahankan kelembaban agar tetap konstan. Pengontrol proporsional mengijinkan kendali variabel proses yang lebih ketat karena keluarannya dapat mengambil harga berapapun antara sepenuhnya ON dan sepenuhnya OFF, tergantung pada magnitude dari sinyal error. Fungsi dari laju (derivatif) memperpendek waktu yang diambil kelembaban pendingin untuk menstabilkan mendekati titik penyetelan. Fungsi integral (reset) membatasi setiap penggantian kerugian dari titik penyetelan kelembaban. Pengontrol PID mempunyai kemampuan mencocokkan aksi kendalinya pada konstanta waktu proses tertentu untuk menghadapi perubahan proses setiap waktu. Kendali PID mengubah besarnya sinyal keluaran pada cara yang ditentukan secara matematis yang mempertimbangkan besarnya error dan laju perubahan sinyal. Adapun metode yang digunakan untuk mencari konstanta PID adalah Ziegler-nichols dengan menggunakan fasilitas sisotool matlab sesuai persamaan (3.88) dan jika direpresentasikan dalam transformasi laplace, bentuk kendali ini menjadi (3.89). Pada grafik respon kendali kelembaban PID periode starter, grower dan finisher terdapat pada Gambar berikut.
111
Sistem Kendali PID Kelembaban pada Broiler Closed House Periode Starter, Grower, dan Finisher (P=0.0022619548, I=0.00075148, D=0.0010016672)
Gambar 3. 44 Grafik respon kendali PID kelembaban setpoin 50 % periode Starter umur (1-18 hari)
Gambar 3. 45 Grafik respon kendali PID kelembaban setpoin 60 % periode Grower umur (19-30 hari)
Gambar 3. 46 Grafik respon kendali PID kelembaban setpoin 70 % periode Finisher umur (31-46 hari)
112
Tabel 3. 9 Respon transien kendali PID kelembaban pada broiler closed house Periode
Starter Grower Finisher
Setpoint (%)
Waktu Tunda (Td) detik
Waktu Penetap (Ts) detik
Waktu Persen Naik Lonjakan (Tr) detik (Os)%
50 60 70
0.33333 0.366667 0,434783
1.166667 11,0333 10.21739
0.7 0.7 0,869565
6.153846 8.974359 9,090909
Error steady state (Ess)% 0,05 0,05 0,05
Kendali Fuzzy logic Kelembaban pada Broiler closed house Periode Starter Grower Finisher Simulasi kendali Fuzzy Logic pada broiler closed house ayam broiler menggunakan tool matlab library blok diagram dengan masukan setpoin antara 50– 70 % yang dengan menggunakan model fungsi alih pada suhu broiler closed house yang pengendalian aktuatornya heater dipasangkan gangguan (suhu lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari suhu ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler closed house. Pada grafik respon kendali kelembaban Fuzzy Logic periode starter, grower dan finisher terdapat pada Gambar 3.47, 3.48 dan 3.49.
Gambar 3. 47 Grafik respon kendali Fuzzy Logic kelembaban setpoint 50% periode Starter umur (1-18 hari)
113
Gambar 3. 48 Grafik respon kendali Fuzzy Logic kelembaban setpoint 60% Grower umur (19-30 hari)
Gambar 3.49. Grafik Respon Kendali Fuzzy Logic Kelembaban Setpoint 70 Finisher Umur (31-46 Hari) Tabel 3. 10 Respon transien kendali Fuzzy Logic pada kelembaban Periode
Setpoint (%)
Starter Grower Finisher
50 60 70
Waktu Tunda (Td) detik 2.9138 3.2848 3.7543
Waktu Penetap (Ts) detik 52.63 51.962 84.334
Waktu Naik (Tr) detik -31.291 -31.7444 -32.1342
Persen Lonjakan (Os) % 31.389 34.458 35.929
Error steady state (Ess) % 0.930 0.873 0.754
Simulasi Kendali ANFIS pada Broiler Closed House Periode Starter Grower dan Finisher Simulasi kendali ANFIS pada broiler closed house menggunakan tool matlab library blok diagram dengan masukan setpoin antara 20% - 70% yang dengan menggunakan model fungsi alih pada kelembaban broiler closed house yang pengendalian aktuatornya cooling fad dipasangkan gangguan (kelembaban
114
lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari kelembaban ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler closed house. Data input sebanyak 101 sebagai masukan dan tindakan satu set input-output. Data digunakan sebagai data pelatihan membangun pengontrol fuzzy. Ini melibatkan dua fase: pembelajaran (learning) dan fase pegujian (testing). Dalam belajar tahap training set diperoleh dengan menghasilkan masukan secara acak dan mengamati output yang sesuai dihasilkan oleh plant. Terbukti dengan menggunakan ANFIS lebih cepat sinyal respon transien dari Fuzzy Logic. Pada grafik respon kendali kelembaban ANFIS periode starter, grower dan finisher terdapat pada Gambar 3.50, 3.51 dan 3.52.
Gambar 3. 50 Grafik respon kendali ANFIS kelembaban setpoint 50% periode Starter umur (1-18 hari)
Gambar 3. 51 Grafik respon kendali ANFIS kelembaban setpoint 60% periode Grower umur (19-30 hari)
115
Gambar 3. 52 Grafik respon kendali ANFIS kelembaban setpoint 70% periode Finisher umur (31-46 hari) Tabel 3. 11 Respon transien kendali ANFIS pada kelembaban Periode
Starter Grower Finisher
Setpoint (%) 50 60 70
Waktu Tunda (Td) detik 2.8007 3.1609 3.6067
Waktu Penetap (Ts)detik 82.5066 82.73 82.665
Waktu Naik (Tr) detik -31.2474 -32.6856 -32.0597
Persen Lonjakan (Os) (%) 33.258 37.000 38.664
Error steady state (Ess) % 0.431 0.392 0.321
Simulasi Sistem Kendali ON-OFF Amonia Pada Broiler Closed House Periode Starter, Grower, dan Finisher Pada kendali ON-OFF seting kendali sesuai setpoin antara 1-25 ppm dengan heater menyala bila amonia lebih rendah dengan setpoint dan apabila amonia sama atau mendekati setpoin maka heater mati disimulasikan dengan fungsi alih amonia sehingga mengahasilkan output kendali dengan error yang minimal. Pada grafik respon kendali ON-OFF amonia periode starter, grower dan finisher terdapat pada Gambar 3.53 dan 3.54
Gambar 3.53 Grafik kendali ON-OFF amonia setpoint 5 ppm periode starter dan grower umur (1-18 hari)
116
Gambar 3. 54 Grafik kendali ON-OFF amonia setpoint 10 ppm periode grower umur (19-30 hari) dan periode finisher umur (31-46 hari) Tabel 3.12 Respon transien kendali ON-OFF amonia Waktu Waktu Waktu Persen Setpoint Periode Tunda Penetap Naik (Tr) Lonjakan ppm (Td) detik (Ts) detik detik (Os) % Finisher 25 6.572 0.9456 1.7113 0.880 Finisher 20 6.7535 0.2665 2.1289 0.900 Grower 15 7.05 0.3708 2.4847 0.945 Grower 10 7.64 0.1471 3.13843 1.027 Starter 5 4.7566 2.9511 4.2615 1.278 Starter 2.5 1.0254 2.4511 7.5745 1.784 Starter 1 0.0172 0.2678 0.3157 3.290
Error steady state (Ess) % 0.999 0.013 0.967 0.134 0.464 0.760 0.070
Simulasi PID Amonia pada Broiler Closed House Periode Starter Grower dan Finisher Pengontrol Proporsional menurunkan daya rata-rata yang sedang diberikan pada kipas angin (fan) ketika amonia mencapai titik penyetelan. Proses ini akan melambatkan kipas angin, sehingga tidak akan melampaui titik penyetelan tetapi akan mencapai titik penyetelan dan mempertahankan kelembaban agar tetap konstan. Pengontrol proporsional mengijinkan kendali variabel proses yang lebih ketat karena keluarannya dapat mengambil harga berapapun antara sepenuhnya ON dan sepenuhnya OFF, tergantung pada magnitude dari sinyal error. Fungsi dari laju (derivatif) memperpendek waktu yang diambil amonia kipas angin untuk menstabilkan mendekati titik penyetelan. Fungsi integral (reset) membatasi setiap penggantian kerugian dari titik penyetelan kelembaban. Pengontrol PID mempunyai kemampuan mencocokkan aksi kendalinya pada konstanta waktu proses tertentu untuk menghadapi perubahan proses setiap
117
waktu. Kendali PID mengubah besarnya sinyal keluaran pada cara yang ditentukan secara matematis yang mempertimbangkan besarnya error dan laju perubahan sinyal. Adapun metode yang digunakan untuk mencari konstanta PID adalah Ziegler-nichols dengan menggunakan fasilitas sisotool matlab pada persamaan (107) dan jika direpresentasikan dalam transformasi laplace, bentuk kendali ini menjadi persamaan (108). Grafik respon kendali amonia periode starter, grower dan finisher terdapat pada Gambar 3.55 dan 3.56
Gambar 3. 55 Grafik kendali PID amonia setpoint 5 ppm periode Starter umur (118 hari)
Gambar 3. 40 Respon kendali PID amonia setpoint 10 ppm periode Grower umur (19-30 hari) dan Finisher umur (31- 46 hari)
118
Tabel 3.13 Respon kendali PID amonia pada Broiler Closed House Setpoi Waktu Waktu Persen Waktu Error steady Periode nt Tunda Penetap Lonjakan Naik (Tr) state (Ess) (ppm) (Td) (Ts) (Os) Starter 1 0.0553 13 0.1628 1.430% 0.200% Starter 2.5 0.0552 11.44 0.1628 1.432% 0.040% Starter 5 0.0553 17.6 0.1628 1.428% 0.000% Grower 15 0.0553 13.452 0.1628 1.433% 0.040% Finisher 20 0.0553 13.8 0.0324 1.430% 0.000% Finisher 25 0.0537 15.68 0.1628 1.400% 0.020%
Simulasi Kendali FUZZY LOGIC Amonia pada Broiler Cosed House Pada simulasi kendali Fuzzy Logic pada broiler closed house ayam broiler menggunakan tool matlab library blok diagram dengan masukan setpoin amonia antara 1 – 25 ppm yang dengan menggunakan model fungsi alih pada amonia broiler closed house yang pengendalian aktuatornya heater dipasangkan gangguan (lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari amonia ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler closed house. Pada grafik respon kendali Fuzzy Logic amonia periode starter, grower, dan finisher Gambar 3.90 dan 3.91 dan 3.92, 3.93. Simulasi Kendali FUZZY LOGIC pada Broiler Closed House periode starter grower dan finisher terdapat pada Gambar 3.57 dan 3.58
Gambar 3. 57 Respon kendali FUZZY LOGIC amonia setpoint 5 periode Starter umur (1-18 hari)
119
Gambar 3. 38 Respon kendali FUZZY LOGIC amonia setpoint 10 ppm periode Grower umur (19-30 hari) dan Finisher umur (31- 46 hari) Tabel 3.14 Respon kendali Fuzzy Logik amonia pada Broiler Closed House Waktu Waktu Waktu Persen Error steady Setpoint Periode Tunda (Td) Penetap (Ts) Naik (Tr) Lonjakan state (ppm) detik detik detik (Os) % (Ess) % Finisher 25 1.1081 55.248 1.2052 27.322 0.928 Finisher 20 0.9862 42.6834 0.9466 11.128 0.952 Grower 15 0.8501 23.8111 0.7815 29.188 0.930 Grower 10 0.6905 80.369 0.629 154.050 0.932 Starter 5 0.485 42.689 -0.036 59.352 0.986 Starter 2.5 0.3417 55.212 0.3335 166.680 0.992 Starter 1 0.214 55.229 0.851 474.420 0.940 Simulasi Kendali ANFIS Amonia pada Broiler Closed House Periode Starter, Grower, dan Finisher Simulasi kendali ANFIS pada broiler closed house ayam broiler menggunakan tool matlab library blok diagram dengan masukan setpoin antara 125 ppm yang dengan menggunakan model fungsi alih pada kelembaban broiler closed house yang pengendalian aktuatornya kipas angin dipasangkan gangguan (udara lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari kelembaban ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler closed house. Data input sebanyak 101 sebagai masukan dan tindakan satu set input-output. Data digunakan sebagai data pelatihan membangun pengontrol fuzzy. Ini melibatkan dua fase: pembelajaran (learning) dan fase pegujian (testing).Dalam belajar tahap training set diperoleh dengan menghasilkan masukan secara acak dan mengamati output yang sesuai dihasilkan oleh plant. Terbukti dengan menggunakan ANFIS lebih cepat sinyal respon transien dari
120
Fuzzy Logic. Pada grafik respon kendali ANFIS amonia periode starter, grower dan finisher pada Gambar 3.59 dan 3.60. Simulasi Kendali ANFIS pada Broiler Closed House Periode Starter, Grower, dan Finisher
Gambar 3. 59 Grafik respon kendali ANFIS amonia setpoint 5ppm periode Starter umur (1-18 hari)
Gambar 3. 60 Grafik respon kendali ANFIS amonia setpoint 10 ppm periode grower umur (19-30 hari) dan finisher umur (31- 46 hari) Tabel 3.15 Respon transien kendali ANFIS pada Broiler Closed House Starter Grower dan Finisher Peridoe
Setpoint
Waktu Tunda (Td)
Starter Starter Starter Grower Grower Finisher Finisher
1 2.5 5 10 15 20 25
0.2773 0.3278 0.4665 0.664 0.8174 0.9482 1.055
Waktu Penetap (Ts) 47.9204 47.929 41.302 41.6886 22.832 41.774 47.9422
Waktu Naik (Tr) 0.1878 0.2983 0.4236 0.6058 0.753 0.9179 0.0665
Persen Lonjakan (Os) 2498.000% 939.200% 419.666% 159.807% 73.222% 29.917% 30.480%
Error steady state (Ess) 0.290% 0.056% 2.886% 1.816% 5.333% 4.000% 3.242%
121
Untuk mengatur pemanas (heater) dan kipas angin saluran keluar (outlet) menggunakan metode pengontrol ON OFF, PID, Fuzzy Logik dan ANFIS untuk menaikkan suhu pada ruangan broiler closed house sesuai yang diinginkan dengan kelembaban turun. Masa Starter membutuhkan pemanas. Untuk memanaskan ruangan membutuhkan daya heater 60 watt yang digunakan untuk menaikkan suhu ruangan kandang ayam menjadi 2oC untuk mencapai suhu yang optimal 30 oC masa starter dengan suhu awal 28 oC dengan kelembaban awal 60 %. Dengan dibantu aliran udara kipas saluran keluar (outlet) membuat udara panas merata di seluruh ruangan dengan daya 1 kipas angin 1.800 watt dengan arus 2.8 ampere. Daya pemanas (heater) antara 3000 -300000 watt bila dirata-ratakan 297.000 watt diaktifkan pada masa starter. Pada masa grower dan finisher yang suhu yang optimal pada kandang ayam dibawah 32 oC dengan kelembaban awal 60 % maka diaktifkan kipas angin sebanyak 3 dari 8 kipas angin secara bergantian sehingga daya pemanas 5.400 watt. Hasil penelitian adalah bagian dari supervisori kendali broiler closed house secara terpisah yaitu performansi kendali (kriteria optimal) setiap kendali sebagai bagian dari modus kendali, dengan parameter suhu, kelembaban dan amonia, pengetahuan, broiler knowledge, climatc & environmental knowledge & control knowledge dengan peralatan sensor heater,fan, humidifiyer dan evavorating cooling. Simpulan Respon kendali ON-OFF, PID, Fuzzy Logic dan ANFIS menghasilkan waktu naik, persen lonjakan, waktu penetap, error steady state, waktu tunda sesuai parameter respon PID. Hasil pengujian baik pada model suhu dan kelembaban yang dikehendaki dalam masa pemeliharaan di tiga skenario starter, grower dan finisher dapat diperoleh dengan baik tanpa gangguan isolasi yang berarti. Daya pemanas kandang ayam masa starter rata-rata 297.000 watt dan masa grower, finisher membutuhkan 5.400 watt.
Saran Dalam simulasi kendali ON-OFF, PID, Fuzzy Logic dan ANFIS dikembangkan agar bisa pengendalian secara terpadu modus kendali, parameter
122
dan kriteria optimal dengan integrasi kendali yang terdiri dari : dua modus kendali, tiga modus kendali, empat modus kendali untuk penelitian berikutnya.
Daftar Pustaka Agustina L, Hatta M dan Purwanti S. 2010. Penggunaan Ramuan Herbal untuk Meningkatkan Produktivitas dan Kualitas Broiler, Prosiding Seminar Nasional Teknologi Peternakan dan Veteriner, Puslitbang Peternakan, Kementerian Pertanian, Jakarta Alimuddin dan Kudang BS, Subrata IDM, Sumiati. 2010. Critical Information Design for House Broilers Used by Artificial Neural Network Proceeding Konferensi Internasional AFITA, 4-7 oktober 2010, Bogor. Alimuddin Seminar KB, Subrata IDM, Nakao Nomura, Sumiati. 2011. A Supervisory Control system for Temperature and Humidity in a Closed House Model for Broilers, International Journal of Electrical and Computer Sciences IJECS-IJENS Vol:11 No.06 ISSN: 2077-1231. Alimuddin, Seminar KB, Subrata IDM, Nomura N, Sumiati. 2012. ANFIS Control Of Environmental Parameter Temperature On Closed House System Model For Broilers, akan terbit Jjurnal TELKOMNIKA Indonesia Journal Electrical and Computer Engineering, Vol. 1 no 10.Maret 2012, ISSN: accredited by DGHE (DIKTI), Decree No: 1693-6930 51/Dikti/Kep/2010,Yogyakarta, Indonesia Amon M. 1997. A Farm Scale Study on the Use of Clinoptilolite Zeolite and De Odorase for reducing oudour and ammonia emissions from Broiler HouseBroiler closed houses, Bioresource Technology, UK, page 229-237. Amrullah IK. 2003. Nutrisi Ayam Broiler. Ed Ke-1. Bogor: Lembaga Satu Gunung Budi. Bolton W.1995. Mechatronics Electronic Control Systems in Mechanical Engineering,Longman, England Bolton W. 2006. Sistem Instrumentasi dan Sistem Kendali, Erlangga, Indonesia Daskalov PI, Arvanitis KG , Pasgianos GD, and Sigrimis NA, 2005, Non-linear Adaptive Temperature and Humidity Control in Animal Buildings, Journal Biosystems Engineering Volume 93, Issue 1, January 2006, Pages 1-24 Ditjen Peternakan Kementerian Pertanian, 2009,Jakarta Djojodihardjo H. 1985. Dasar-dasar Termodinamika , Teknik Gramedia. Jakarta. Ernst RA. 1998. Housing for Improved Performance in Hot Climates, Extension Poultry Specialist, Departemen of Avia Sciences, University of California, Davis, California. [FAO] Food Agriculture Organisation. 2008, Gopal M. 2003. Control System Principles and Design, Second Edition. McGrawHill, Singapore Lin F and Wonham WM.1988. Decentralized supervisory control of discrete-event systems, Information Sciences, 44(3), pp. 199-224. Hamidi B. 2006. Broiler yang Terpuaskan, Riset dan Pengembangan Feed Technology, PT. CPJF Jakarta, Buletin CP. April 2006 No 76/Tahun VII. Handoko. 1995. Dasar Klimatologi Dasar Edisi ke 2. Jakarta. PT Dunia Pustaka Jaya. Holman PJ. 1997. Heat Transfer, Eight Edition,McGraw-hill,North American
123
Hubbar Paul. 2000. Hierarchical Supervisory Control System, A Thesis Submitted to the Faculty of graduate studies and research in partial fulfilment of the requirements for the degree of doctor philosophy, Department of Electrical and Computer Engineering McGill University, Montreal, Canada Hery. 2009. Pentingnya Aspirin dan Vitamin C . http://broilerkita.blogspot.com Ibrahim AM. 2003. Environmental Control for Poultry Building in Riyadh Area of Saudi Arabia, J. King Sand University, Vol.16, Agri Sci,(1), Riyadh,pp.87102. Jang J. 2003.Neural and Neurofuzzy Control. Tech. report no 99-H 99 (nefcon), Jennis BH. 1978. The Thermal Enviroment Condition and Control, Harper & Row, Publish, New York. Kuo B C. 1995. Teknik Kontrol Automatik, PT Prenhallindo, Jakarta Kuo B C. 1989. Teknik Kendali Automatik, Prenhallindo, Jakarta. Mutai E.B.K, Otieno P.O, Gitau A.N, Mbuge D.O. and Mutuli D.A. 2011. Simulation of the Microclimate in Poultry Structures in Kenya, Research Journal of Applied Sciences, Engineering and Technology 3(7): 579-588, 2011, ISSN: 2040-7467
[NRC] National Research Council. 1994. Nutrient Requirement of Poultry. Washington: National Academy Pr. Ogata K. 2002. Modern Control Engineering, Fourth Editional,Perason Education International, USA Ogata K.1994.Teknik Kendali Automatik I . Penerbit Erlangga.Paulus AN. 2003. Panduan praktis Teknik Antarmuka dan Pemograman Mikrokontroller AT89C51, Elek Media Komputindo, Jakarta [PCPI] P T C h a r o e n Phokphand I n d o n e s i a . 1 9 9 4 . C a r a P e m e l i h a r a a n A y a m P e d a g i n g . Jakarta. Priyatno MA. 2000. Mendirikan Usaha Pemotongan Ayam. Cetakan ke-3. Penebar Swadaya. Jakarta. Piliang WG, Djojosoebagio AS. 2006. Fisiologi Nutrisi. Volume ke-1. Bogor: Pusat Antar Universitas Ilmu Hayati, Institut Pertanian Bogor. Rao R and Nagalakshmi D. 2002. Feeding to Minimise Heat Stress. Poultry International Vol 41:7. http://siauwlielie.tripod.com/art_009_07.htm [3 Maret 2009]. Roni F. 2000. Kunci Sukses Beternak Ayam Broiler di Daerah Tropis. Agromedia. Jakarta Rosulindo RR. 2001, Desain Sistem Kendali Suhu dengan Metode PID Tuning Fuzzy pada Prototipe Proses Pembuatan Susu Asam Secara Curah, Tesis Megister Program Studi Elektroteknik Bidang Khusus Kendali dan Sistem Program Pasca Sarjana ITB, Bandung. Ramadge PJ and Wonham WM.1987. Supervisory control of a class of discrete event processes. SIAM Journal on Control and Optimization, 25(1): 206– 230, . Rudie K and Wonham W.M.1992. Think globally, act locally: Decentralized supervisory control.IEEE Transactions on Automatic Control, 37(11): 1692–1708,. Reznik L.1997. Fuzzy controllers, Newnes, Oxford. Sadjad SR.2004. Sistem Kendali Adaptif untuk Kendalian Tak Linier, Research Grant TPSDP S-1 Electrical Engineering, Batch 2, Jurusan Teknik Elektro UNHAS, Makassar.
124
Seminar KB, Suhardiyanto H, Hardjoamidjojo, S, Tamrin. 2006. A Supervisory Control System for Greenhouse. Proceedings of Regional Computer Postgraduate Conference (ReCSPC’06), Malaysia, pp.30-34. Setiawan I. 2008. Kendali PID untuk Proses Industri, Elex Media Komputindo, Yogyakarta Konsumsi Protein Hewani di Bawah Standar. Siswono. 2005. http://www.republika.co.id/. (02 November 2009). Totok RB. 2007. Adaptif Neurofuzzy Inference System Untuk Pengukuran Ph Jurnal Teknik Informatika Jurusan Teknik Informatika, Fakultas Teknologi Industri – Universitas Kristen Petra http://www.petra.ac.id/~puslit/journals/dir.php?DepartmentID=INF Weaver J and William D. 2001. Fundamentals of Ventilation, in Commercial Chicken Meat and Egg Production, United State of America, page 113128. Woods RL and Lawrence KL. 1997. Modeling and Simulation of Dynamic System,Prentice Hall, Upper River, New Jersy Yan J, Ryan M, Power J.1994. Using Fuzzy Logic, Prentice Hall.
125
DAFTAR ISI 3 SIMULASI MODEL KENDALI SUHU KELEMBABAN DAN AMONIA PADA BROILER CLOSED HOUSE BERBASIS ON-OFF, PID, FUZZY LOGIC DAN ANFIS .......................................................................................................................................... 57 Pendahuluan .................................................................................................................. 59 Bahan dan Metode ........................................................................................................ 78 Hasil dan Pembahasan ................................................................................................ 127 Simpulan ..................................................................................................................... 127
DAFTAR GAMBAR SISTEM KENDALI Reference input signal, command, set-point Isyarat masukan acuan, perintah set-point
output signal
control signal PENGENDALI (CONTROLLER)
Isyarat kendali Feedback signal
KENDALIAN (PLANT)
luaran. isyarat luaran, hasil, produk
Isyarat umpan-balik
Gambar 3.1 Konfigurasi dasar sistem kendali (Adopsi dari Bolton 2006) ......................... 64 Gambar 3. 3 (a) Diagram Blok Kontroler On-Off; (b) Diagram Blok Kontroler ON-OFF dengan Jurang Diferensial................................................................................................... 65 Gambar 3. 4 Diagram Kotak Pengendali PID [Gunterus 1994].......................................... 67 Gambar 3. 5 Diagram Blok dari Kontrol Proporsional – Integral – Derivatif .................... 68 Gambar 3. 7 Struktur Dasar kontrol Logika Fuzzy ............................................................ 70 Gambar 3. 9 Fungsi Keanggotaan Segitiga ......................................................................... 71 Gambar 3. 10 Model Pembelajaran Identifikasi ANFIS ..................................................... 76 Gambar 3. 11 Proses Pengujian pada kendali ANFIS ........................................................ 76 Gambar 3. 13 Perancangan Sistem Kendali pada Broiler Closed House ........................... 79 Gambar 3. 14 Skema Konsep Pemodelan Suhu dan Kelembaban dalam Broiler Closed House .................................................................................................................................. 80 Gambar 3. 15 Sistem Kontrol Loop Tertutup ..................................................................... 85 Gambar 3. 16 Struktural Sistem Parameter Optimal Kendali Lingkungan Broiler closed house dengan Simulasi Matlab ........................................................................................... 92 Gambar 3. 17 . Grafik Kendali ON-OFF broiler closed house........................................... 92 Gambar 3. 18. Penerapan Kendali PID Lingkungan Broiler Closed House ....................... 93 Gambar 3. 19 Pendekatan Numerik Euler untuk pemecahan integral. ............................... 93
126
Gambar 3. 20 Pendekatan Numerik Euler untuk pemecahan diferensial ............................ 93 Gambar 3. 21 Penerapan Kendali Fuzzy Logic Lingkungan Broiler Closed House........... 95 Gambar 3. 22 Penerapan Kendali ANFIS Lingkungan Broiler Closed House ................... 96 Gambar 3. 23. Struktur ANFIS ........................................................................................... 96 Gambar 3. 24 Respon Sistem Kendali ................................................................................ 98 Gambar 3. 25 Simulink tool matlab kendali ON-OFF ........................................................ 99 Gambar 3. 26 Simulink Tool Matlab Kendali PID ............................................................. 99 Gambar 3. 27 Simulink Tool Matlab Kendali Fuzzy Logic................................................ 99 Gambar 3. 28 Simulink Tool Matlab Kendali ANFIS ...................................................... 100 Gambar 3. 29 Grafik Respon Kendali ON-OFF Suhu Setpoint 30 Starter Umur (1-18 Hari) .......................................................................................................................................... 101 Gambar 3.30 Grafik Respon Kendali ON-OFF Suhu Setpoint 25 Grower (19-30Hari)... 101 Gambar 3. 31 Grafik Respon Kendali ON-OFF Suhu Setpoint 230C Finisher (31-46 hari) .......................................................................................................................................... 102 Gambar 3. 32 Respon Kendali PID Suhu setpoin 300C starter umur (1-18 hari) ............. 103 Gambar 3. 33 Respon Kendali PID Suhu setpoin 240C grower umur (19-30 hari) .......... 104 Gambar 3. 34 Respon Kendali PID Suhu setpoin 220C finisher umur (31-46 hari) ......... 104 Gambar 3. 36 Output Kendali Fuzzy Logic Pada Suhu Ruangan Setpoin 250C Grower, Umur (19-30 Hari) ............................................................................................................ 105 Gambar 3. 37 Grafik Kendali Fuzzy Logic Untuk Suhu Setpoin 230C Periode Finisher, Umur (31-64 Hari) ............................................................................................................ 106 Gambar 3. 38 Grafik kendali ANFIS untuk suhu setpoin 300C periode Starter, umur (1-18 hari) ................................................................................................................................... 107 Gambar 3. 39 Grafik respon Kendali ANFIS Suhu setpoint 240C periode Grower, umur (19-30 hari) ....................................................................................................................... 107 Gambar 3. 40 Grafik respon Kendali ANFIS Suhu setpoint 220C periode Finisher, umur (31-46 hari) ....................................................................................................................... 108 Gambar 3. 41 Grafik kendali ON OFF kelembaban setpoint 50 % Periode Starter umur (118 hari) .............................................................................................................................. 109 Gambar 3. 42 Grafik Kendali ON OFF Kelembaban Setpoint 60 % Periode Grower Umur (19-30 Hari) ...................................................................................................................... 109 Gambar 3. 43 Grafik Kendali ON OFF Kelembaban Setpoint 70 % Periode Finisher Umur (31-46 Hari) ...................................................................................................................... 109 Gambar 3. 44 Grafik Respon Kendali PID Kelembaban Setpoin 50 % Periode Starter Umur (1-18 Hari) .............................................................................................................. 111 Gambar 3. 45 Grafik Respon Kendali PID Kelembaban setpoin 60 % Periode Grower umur (19-30 hari) .............................................................................................................. 111 Gambar 3. 46 Grafik Respon Kendali PID Kelembaban setpoin 70 % Periode Finisher umur (31-46 hari) .............................................................................................................. 111 Gambar 3. 47 Grafik Respon Kendali Fuzzy Logic Kelembaban Setpoint 50 Periode Starter Umur (1-18 Hari) .................................................................................................. 112 Gambar 3. 50 Grafik Respon Kendali ANFIS Kelembaban Setpoint 50% Periode Starter Umur (1-18 Hari) .............................................................................................................. 114 Gambar 3. 51 Respon Kendali ANFIS Kelembaban Setpoint 60% Periode Grower Umur (19-30 Hari) ...................................................................................................................... 114
127
Gambar 3. 52 Respon Kendali ANFIS Kelembaban Set Point 70% Periode Finisher Umur (31-46 Hari) ...................................................................................................................... 115 Gambar 3. 53 Grafik Kendali ON OFF Amonia Setpoint 5 Ppm Periode Starter Dan Grower Umur (1-18 Hari) ................................................................................................ 115 Gambar 3. 54 Grafik Kendali ON OFF amonia setpoint 10 ppm periode grower umur (1930 hari) dan periode finisher umur (31-46 hari) ............................................................... 116 Gambar 3. 55 Grafik Kendali PID amonia setpoint 5 ppm periode starter umur (1-18 hari) .......................................................................................................................................... 117 Gambar 3. 56 Simulasi Kendali PID Amonia Setpoint 10 ppm Periode grower umur (19-30 hari) dan finisher umur (31- 46 hari) ................................................................................ 117 Gambar 3. 57 Respon Kendali FUZZY LOGIC Amonia Setpoint 5 Periode Starter Umur (1-18 Hari) ........................................................................................................................ 118 Gambar 3. 58 Respon Kendali FUZZY LOGIC Amonia Setpoint 10 Ppm Periode Grower Umur (19-30 Hari) Dan Finisher Umur (31- 46 Hari) ...................................................... 119 Gambar 3. 59 Grafik Kendali ANFIS Amonia setpoint 5ppm periode starter umur (1-18 hari) ................................................................................................................................... 120 Gambar 3. 60 Respon Kendali ANFIS Amonia setpoint 10 ppm Periode grower umur (1930 hari) dan finisher umur (31- 46 hari) ........................................................................... 120
DAFTAR TABEL Tabel 3. 1 Batas Aman dan Kematian Akibat Gas yang Merugikan di Broiler Closed House ............................................................................................................................................ 60 Tabel 3. 2 Matriks Keputusan ............................................................................................. 72 Tabel 3. 4 Respon Kendali ON OFF pada broiler closed house untuk ayam broiler ........ 102 Tabel 3. 5 Respon Kendali PID Suhu pada Broiler closed house untuk Ayam Broiler .... 104 Tabel 3. 6 Respon kendali ANFIS suhu pada broiler closed house.................................. 108 Tabel 3. 7 Respon Kendali ON-OFF Kelembaban Pada Broiler Closed House ............... 110 Tabel 3. 8 Respon Transien Kendali PID Kelembaban Pada Broiler Closed House ........ 112 Tabel 3. 9 Respon Trasien Kendali Fuzzy Logic pada Kelembaban ............................... 113 Tabel 3. 10 Respon trasien kendali ANFIS pada kelembaban ......................................... 115 Tabel 3. 12 Respon transien kendali ANFIS pada broiler closed house starter grower dan finisher .............................................................................................................................. 120