Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013

173

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : https://jurnal.pcr.ac.id/index.php/jakt/aboutEmail : [email protected]

Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3 1Program

Studi Teknik Informatika, Politeknik Caltex Riau, email: [email protected] Studi Teknik Informatika, Politeknik Caltex Riau, email: [email protected] 3Program Studi Teknik Informatika, Politeknik Caltex Riau, email: [email protected] 2Program

Abstrak Mencuci merupakan kegiatan yang rutin dilakukan, namun bagi sebagian orang yang mempunyai mobilitas tinggi tidak punya cukup waktu untuk kegiatan ini. Dengan bantuan mesin cuci kegiatan mencuci lebih mudah dilakukan namun, pada mesin cuci konvensional proses pengerjaan diatur oleh pengguna secara manual sehingga sulit menentukan waktu yang tepat. Jika waktu yang diatur tidak cukup untuk suatu muatan pakaian yang diberikan, maka pakaian tidak tercuci dengan baik. Sebaliknya, jika waktu mencuci diatur terlalu lama, maka akan terjadi pemborosan waktu dan energi. Untuk itu dibutuhkan sebuah sistem yang mampu memberikan informasi lama waktu pencucian berdasarkan logika manusia, yaitu logika fuzzy. Dengan memasukkan variabel jumlah air, jumlah deterjen dan berat pakaian berdasarkan sejumlah aturan yang dibuat sistem mampu memberikan informasi lama waktu pencucian. Inferensi Tsukamoto adalah salah satu inferensi yang digunakan dalam logika fuzzy untuk merepresentasikan setiap konsekuen pada aturan yang berbentuk IF-THEN dengan fungsi keanggotaan yang monoton. Beradasarkan penelitian diperoleh hasil sebanyak 87,3% pengguna menyatakan mudah dalam menggunakan simulasi dan 86% pengguna menyatakan memberikan alternatif dalam mengetahui lama waktu pencucian, selain itu juga dilakukan perbandingan antara inferensi Tsukamoto dan Sugeno untuk melihat selisih waktu yang dihasilkan kedua inferensi yaitu ± 1-5 menit dengan masukan dan aturan yang sama. Kata kunci: mesin cuci , logika fuzzy, inferensi tsukamoto.

Abstract Washing is a routine activity, but for some people who have high mobility, they do not have enough time to do this activity. With the aid of a washing machine, washing is easier to do, but in a conventional washing machine, the process of it is set by the user manually so it is difficult to determine the time exactly. If the set time is not enough for a given load clothes, the clothes will not be washed well. Otherwise, if the washing time is set too long, it will be a waste of time and energy. That is why it required an information system that capable of providing long-laundering based on human logic, which is fuzzy logic. By inserting a variable amount of water, detergent and heavy clothing base on a number of rules that the system is able to give information about the washing time. Tsukamoto inference is one of inferences in fuzzy logic that

Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci Fuji Syaipul, Kartina Diah Kesuma Wardhani dan Erwin Setyo Nugroho


174

used in fuzzy logic to represent every consequent in the IF-THEN rules of monotonous membership functions. Based on testing from the simulation, showing that 87,3% users agree this simulation easier to use, and 86% users agree this simaulation gives another solution to know about the wasting time of washing time. In addition, base on the comparison of Tsukamoto and Sugeno, showing that the different time is about ± 1-5 minutes in conditional of the same insert and rule. Keywords: Washing machine, Fuzzy logic, Tsukamoto inference

1. Pendahuluan Mesin cuci sudah tidak asing lagi dalam kehidupan kita sekarang, dengan mesin cuci orang dapat lebih mudah untuk mencuci pakaian. Mesin ini sangat diminati orang terutama mereka yang tidak punya banyak waktu untuk mencuci pakaian. Cara kerja mesin cuci sendiri adalah dengan memutar air menggunakan rotor pada kecepatan tertentu dengan maksud melepaskan kotoran yang menempel pada pakaian dengan bantuan deterjen. Pada mesin cuci konvensional masing-masing proses pengerjaan diatur oleh pengguna secara manual sehingga tidak efisien dalam penggunaan waktu dan tenaga [2]. Maka dibutuhkan sebuah kontrol yang mampu mengambil keputusan untuk menentukan seberapa lama waktu putaran yang diperlukan.. Logika fuzzy merupakan salah satu cabang dari ilmu kecerdasan buatan yang mampu merepresentasikan bahasa alami atau penalaran manusia kedalam bentuk pemodelan matematika yang sederhana sehingga dapat di implementasikan kedalam suatu mesin atau system[5]. Logika fuzzy dapat menjembatani dan memberikan alternatif kepada pengguna dalam mengetahui lama waktu pencucian menggunakan mesin cuci berdasarkan sejumlah aturan yang mengikuti cara penalaran atau logika manusia. Dengan mengetahui berat kain, jumlah air dan jumlah deterjen yang digunakan untuk mencuci serta dengan menerapkan logika fuzzy inferensi tsukamoto maka mesin dapat mengontrol seberapa lama waktu

putaran yang dibutuhkan untuk melepaskan kotoran dari pakaian sehingga pakaian menjadi bersih dan penggunaan mesin menjadi efektif. Dengan memanfaatkan keunggulan logika fuzzy dan kebutuhan manusia yang tinggi terhadap mesin cuci maka penulis membuat simulasi yang menggabungkan logika fuzzy kedalam pengontrolan lama waktu putaran dalam mesin cuci sesuai aturan tertentu sehingga mencuci menjadi efektif. Simulasi ini diharapkan dapat memberikan alternatif dalam mengoptimalkan pencucian menggunakan mesin

1.1

Tujuan dan Manfaat

AdapunTujuan yang ingin dicapai dalam pembuatan proyek akhir ini adalah : 1. Menerapkan logika fuzzy untuk mengetahui lama waktu putaran yang dibutuhkan dalam membersihkan pakaian menggunakan mesin cuci. 2. Membuat simulasi yang user friendly. 3. Membandingkan lama waktu pencucian yang dihasilkan inferensi Tsukamoto pada penelitian sekarang dengan inferensi Sugeno yang telah dilakukan pada penelitian sebelumnya. manfaat dari proyek akhir ini adalah memberikan alternatif kepada pengguna mesin cuci dalam mengetahui lama waktu yang dibutuhkan dalam mencuci menggunakan mesin cuci dalam berbagai kondisi.



quantity sistem akan melakukan perhitungan dengan inferensi mamdani, setelah dilakukan operasi fuzzy menggunakan MATLAB maka diperoleh hasil lama waktu dan putaran dalam bentuk grafik. Perbedaan dengan penelitian sekarang dari segi masukan lebih bervariasi dan keluaran yang dihasilkan berupa lama waktu putaran serta simulasi yang dibuat berbasis web.

2. Landasan Teori 2.1

1.

2.

3.

Perbandingan Penelitian Beberapa penelitian dengan topik sejenis adalah sebagai berikut : Penelitian dengan judul “Aplikasi Metode Takagi-Sugeno Pada Cara Kerja Mesin Cuci ” yang dilakukan oleh Dwi Mei Nurhayati [2] dari Universitas Islam Negeri Malang. Penelitian ini menggunakan variabel masukan jumlah air, jumlah deterjen dan berat pakai serta memakai bantuan matlab dalam pembuatan nya. Keluaran yang dihasilkan pada penelitian ini adalah waktu putaran pencucian. Perbedaan dengan penelitian sekarang berbasis website page HTML5 serta metode yang digunakan pada penelitian sekarang juga berbeda yaitu tsukamoto. Penelitian dengan judul “Fuzzy and Adaptive Neuro-Fuzzy Inference System of Washing Machine” yang dilakukan oleh Rana Waled Hndoosh, Saroa dan Sajeev Kumar[1] dalam European Journal of Scientific Research. Penelitian ini menggunakan tiga variabel masukan time washing, temperature, dan powder, serta menggunakan aplikasi netbeans dalam pembuatannya, inferensi yang digunakan adalah mamdani yang mengeluarkan hasil tingkat kebersihan cucian. Perbedaan dengan penelitian ini adalah masukan yang digunakan jumlah air, jumlah deterjen, berat pakaian dan memakai metode fuzzy inferensi Tsukamoto serta simulasi yang akan dibuat berbasis website. Penelitian yang berjudul “Development and Testing of a Number of MATLAB Based Fuzzy System Applications” yang dilakukan oleh Jaume Polo dari The University of Warwick[3]. Penelitian yang dilakukan bertujuan menentukan lama waktu dan putaran dalam range 1-10. Dengan memasukkan tiga variabel yaitu softness, amount of dirt dan

175

2.2

Mesin Cuci

Mesin cuci sudah tidak asing lagi dalam kehidupan sekarang, dengan mesin cuci orang dapat lebih mudah untuk mencuci pakaian. Mesin ini sangat diminati orang terutama mereka yang tak punya banyak waktu untuk mencuci pakaian mereka [6]. Ada beberapa jenis mesin cuci yang umum digunakan pada saat sekarang yaitu : 1. Mesin cuci dua pintu (Twin Tube) adalah mesin cuci yang dirakit menjadi dua tabung. Tabung pertama berfungsi sebagai pencuci sedangkan ditabung kedua berfungsi sebagai pengering, cara kerja mesin ini pun semuanya masih manual mulai tombol memutar hingga mengeringkan. 2. Mesin cuci satu pintu atas (Top Loading) adalah mesin cuci yang hanya memiliki satu tabung saja dengan posisi vertikal , yang berarti mencuci dan mengering dilakukan dalam tabung yang sama. 3. Mesin cuci satu pintu depan (Front Loading) adalah mesin cuci yang memiliki satu tabung dengan posisi horizontal. Salah satu keunggulan mesin ini adalah penggunan air yang sedikit. . 2.3

Logika Fuzzy

Konsep tentang logika fuzzy diperkenalkan oleh prof. Lotfi Astor Zadeh pada tahun 1965. Logika fuzzy adalah


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 metodologi sistem kontrol pemecahan masalah yang cocok untuk diimplementasikan pada sistem yang sederhana hingga kompleks serta dapat diterapkan pada perangkat keras. Dalam logika klasik dinyatakan bahwa segala sesuatu bersifat biner, yang artinya hanya mempunyai dua kemungkinan benar atau salah, 0 atau 1. Akan tetapi, dalam logika fuzzy memungkinkan nilai keanggotaan berada di antara 0 dan 1 [5]. Maka dengan logika fuzzy bisa saja suatu keadaan mempunyai dua nilai secara bersamaan tetapi tergantung besar nilai bobot keanggotaan yang dimiliki oleh keadaan tersebut. Bila dibandingkan dengan logika konvensional, kelebihan logika fuzzy adalah kemampuan nya dalam proses penalaran secara bahasa sehingga dalam perancangannya tidak memerlukan persamaan matematik yang rumit. Ada beberapa alasan yang dapat diutarakan mengenai kelebihan menggunakan logika fuzzy di antaranya adalah mudah dimengerti, memiliki toleransi terhadap data-data yang tidak tepat, mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks, dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan, dapat bekerja sama dengan teknik-teknik kendali secara konvensional, dan didasarkan pada bahasa alami [5].

2.4

Sistem Inferensi Tsukamoto

Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IFThen harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.

176

Gambar 2.7 Inferensi menggunakan metode tsukamoto Ada 4 tahapan dalam metode tsukamoto yaitu : 1. Fuzzifikasi. 2. Pembentukan Rule. 3. Inferensi 4. Defuzzifikasi. Fuzzifikasi adalah proses pemetaan nilai masukan yang masih dalam bentuk variabel numerik yang telah dikuantitasi sebelum diolah oleh dalam logika fuzzy harus di ubah dahulu kedalam variabel fuzzy, melalui fungsi keanggotaan yang telah disusun maka dari nilai-nilai masukan tersebut menjadi informasi fuzzy yang berguna nantinya untuk proses pengolahan secara fuzzy pula [7]. Inferensi adalah Penalaran fuzzy yaitu prosedur inferensi yang digunakan untuk menarik kesimpulan dari himpunan aturan fuzzy JIKA-MAKA dari satu atau lebih kondisi. Metode inferensi fuzzy yang digunakan dalam penelitian ini adalah Metode Tsukamoto[5]. Defuzzifikasi atau Defuzzification adalah proses pemetaan aksi kendali fuzzy menjadi aksi kendali non-fuzzy (crisp) yang menggunakan rata-rata terbobot dengan rumus : Z=

Z merupakan nilai crisp yang dihasilkan setiap rule, α-predn merupakan nilai derajat keanggotaan dari variabel fuzzy ke-n yang sebelumnya telah diolah menggunakan operator fuzzy (min), dan z1-


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 zn adalah nilai yang didapatkan dari himpunan fuzzy yang dicari..

177

yang dilakukan oleh Dwi Mei Nurhayati pada tahun 2007 [2] sebagai berikut : 1. Variabel JUMLAH AIR (dalam liter),

2.5

HTML5 dan Javasript

terdiri atas tiga himpunan fuzzy :

Html 5 adalah teknologi terbaru yang dikembangkan oleh World Wide Web Consortium atau W3C untuk mendefinisikan sebuah markah tunggal yang dapat ditulis dengan cara HTML maupun XHTML. Tujuan utama pengembangan HTML 5 adalah untuk memperbaiki teknologi html lama agar mendukung teknologi multimedia terbaru dan menciptakan sebuah platform untuk website yang dinamis [4], mudah dibaca oleh manusia dan mudah dimengerti oleh mesin walaupun belum semua browser mampu menginterpretasikan tag-tag dalam HTML 5 secara utuh. JavaScript adalah sebuah bahasa pemrograman berorientasi objek (OOP) yang digunakan untuk membuat web dinamis dan interaktif, dengan fitur built-in untuk mengakses bagian dari sebuah dokumen HTML. JavaScript memiliki standar sendiri, ECMA International adalah sebuah industri asosiation yang berdiri pada tahun 1961 dan didedikasikan untuk standarisasi informasi dan komunikasi dan elektronik konsumen. Standar itu didukung oleh semua browser web termasuk Microsoft Internet Explorer.

a. Maximal : dengan domain 35 55 liter b. Standar : dengan domain 20 40 liter c. Minimal : dengan domain 5 - 25 liter

Gambar 3.1 Kurva Fungsi Keanggotaan Variabel Jumlah Air 2. Variabel JUMLAH DETERJEN (dalam gram), terdiri atas tiga himpunan fuzzy: a. Banyak : dengan domain 45 - 70 gram b. Sedang : dengan domain 25 - 50 gram c. Sedikit : dengan domain 5 - 30 gram

3. Metodologi Penelitian 3.1

Perancangan Fuzzy Seperti yang telah dijelaskan pada

tinjauan pustaka terdapat empat elemen

Gambar 3.2 Kurva Fungsi Keanggotaan Variabel

yang harus didefenisikan terlebih dahulu

Jumlah Deterjen

yaitu variabel, himpunan, domain dan semesta digunakan

pembicaraan. pada

Variabel

penelitian

yang

3. Variabel BERAT PAKAIAN (dalam kg), terdiri atas tiga himpunan fuzzy;

sekarang

memakai data dari penelitian sebelumnya

a. Berat : dengan domain 4 - 6 kg


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 b. Sedang : dengan domain 2 - 5

178 Gambar1 usecase diagram

kg c. Ringan : dengan domain 0 - 3 kg 3.3

Class Diagram

Class Diagram menggambarkan class-class dari setiap komponen sistem, class diagram pada sistem ini hanya terdiri dari class diagram user.

Gambar 3.3 Kurva Fungsi Keanggotaan Variabel Berat Pakaian

4. Variabel WAKTU PENCUCIAN (dalam menit), terdiri atas tiga himpunan fuzzy: a. Lama : dengan domain 30 - 50 menit

Gambar 2 Class Diagram

b. Agak Lama : dengan domain 15 - 35 menit c. Sebentar : dengan domain 5 - 20 menit

3.4

Flowchart

Flowchart merupakan gambar atau bagan yang menggambarkan urutan proses pada aplikasi atau sistem yang dibangun secara berurutan sehingga mudah untuk dimengerti. Mulai

Gambar 3.4 Kurva Fungsi Keanggotaan Variabel Lama Waktu

3.2

Jlh air : 0 ltr Jlh deterjen : 0 gram Berat pakaian : 0 kg Lama waktu : 0 menit

UseCase Diagram

Use Case Diagram merupakan gambar atau bagan yang menggambarkan fungsionalitas dari suatu sistem atau aplikasi yang dibangun. Perancangan use case dalam simulasi ini menggambarkan apa yang akan dilakukan oleh pengguna. Dalam sistem ini pengguna terdiri dari user saja

Jlh air, jlh deterjen, berat pakaian

Fuzzifikasi

Inferensi Tsukamoto

Defuzzifikasi

Tampilkan lama waktu

Selesai

Gambar 3. Flowchart fuzzy tsukamoto Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci Fuji Syaipul, Kartina Diah Kesuma Wardhani dan Erwin Setyo Nugroho


179

4. Hasil dan Pembasan Halaman utama akan menampilkan tiga variabel masukan yang harus diisi oleh pengguna simulasi agar simulasi dapat dijalankan. Adapun tiga variabel itu adalah berat pakaian, jumlah deterjen dan jumlah air yang digunakan.

Hasil beberapa pengujian yang dilakukan menggunakan masukan dan aturan yang sama terhadap kedua metode adalah sebagai berikut : Tabel 1. Perbandingan waktu metode Sugeno dan Tsukamoto

Perbandingan waktu yang dihasilkan metode Sugeno dan Tsukamoto dapat dilihat juga pada grafik di gambar 4.17. Selisih waktu antara kedua metode berkisar antara ±1-5 menit berdasarkan 6 percobaan yang telah dilakukan. Pada metode Sugeno waktu yang dihasilkan sama walaupun masukan berbeda Pada kondisi sebenarnya pengguna dimungkinkan hanya mengisikan berat pakaian saja dan selanjutnya sensor akan mendeteksi berat dalam mesin sehingga mengeluarkan jumlah air dan deterjen sesuai kebutuhan. Pada simulasi yang telah dibuat pengguna juga dimungkinkan hanya mengisi variabel berat pakaian saja dan selanjutnya variabel jumlah deterjen dan air akan terisi secara otomatis sesuai ketentuan mencuci menggunakan mesin cuci ini mengantisipasi pengguna yang tidak tahu berapa banyak air dan deterjen yang digunakan sesuai berat pakaian nya sehingga lebih efektif dan efisien dalam mencuci namun dalam simulasi ini pengguna masih dapat memasukkan jumlah air dan deterjen sesuai keinginan jika tidak ingin mengikuti ketentuan mencuci menggunakan mesin cuci yang telah ada.

Gambar 4.17 Grafik waktu sugeno dan tsukamoto Perbedaan waktu yang dihasilkan oleh kedua metode dengan rule dan inputan yang sama adalah dikarenakan pada metode Sugeno output yang dihasilkan dari setiap aturan / rule bernilai konstanta sehingga nilai Z setiap rule dianggap konstan memiliki nilai derajat keanggotaan tertinggi yang berada pada angka 1. Sedangkan pada metode Tsukamoto, output yang dihasilkan dari setiap rule adalah himpunan fuzzy. Untuk mencari nilai keanggotaan


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun 2013 SEBENTAR dapat dicari menggunakan fungsi keanggotan yang ada pada rumus waktu pencucian

1.

2.

5. Kesimpulan dan Saran 5.1

Kesimpulan

Kesimpulan yang dapat diambil dari pengujian dan analisa perangkat lunak adalah sebagai berikut : 1. Perbedaan waktu yang dihasilkan antara metode Sugeno dan Tsukamoto terletak pada proses mencari nilai Z untuk setiap aturan, jika pada metode Sugeno nilai Z yang dihasilkan konstan maka pada metode Tsukamoto nilai Z berupa himpunan Fuzzy. 2. Selisih waktu yang dihasilkan metode Sugeno dan Tsukamoto ±1-5 Menit. 3. Metode Tsukamoto dapat menghasilkan waktu yang sama meskipun dengan masukan yang berbeda, jika kondisi nilai Z sama tetapi aturan yang dipenuhi berbeda. 4.

5.

5.2

Logika fuzzy dengan inferensi Tsukamoto mampu memberikan informasi berupa lama waktu pencucian dalam satuan menit Antarmuka simulasi dapat dimengerti dengan mudah oleh pengguna. Hal ini dapat dilihat dari persentase kuesioner dengan nilai > 80%.

3.

4.

Variabel masukan yang digunakan dapat ditambah dengan variabel jenis pakaian, kecepatan putaran tabung, dan temperatur. Simulasi ini hanya melakukan proses pencucian disarankan untuk kedepannya dapat dilakukan untuk proses pembilasan dan pengeringan. Metode yang digunakan pada simulasi adalah Tsukamoto untuk pengembangannya kedepan bisa menggunakan metode lain seperti Mamdani ,Tahani ataupun Umano. Simulasi agar dapat diterapkan pada mesin cuci

Daftar Pustaka [1]

[2]

[3]

Saran

Dalam pembuatan proyek akhir simulasi Fuzzy dengan inferensi Tsukamoto pada mesin cuci dapat diajukan beberapa saran yang bisa digunakan sebagai bahan pertimbangan untuk pengembangan simulasi yang lebih sempurna pada masa mendatang. Adapun saran yang dapat diajukan adalah sebagai berikut:

180

[4]

[5]

[6]

Hndoosh, Rana Waleed., Saroa, M.S., and Kumar, Sanjeev. (2012). Fuzzy and Adaptive Neuro-Fuzzy Inference System of Washing Machine. Dalam EJSR_86_3_15.pdf di ambil 22 Februari 2013 dari http://www.europeanjournalofscientif icresearch.com/ISSUES/EJSR_86_3 _15.pdf Nurhayati, Dwi Mei. (2007). Aplikasi Metode Takagi Sugeno Pada Cara Kerja Mesin Cuci. Malang: Universitas Islam Negeri Malang Polo, Jaume. (2001). Development and Testing of a Number of MATLAB Based Fuzzy System Applications. Dalam 120pub.pdf diambil 22 Februari 2013 dari http://deeea.urv.cat/public/PROPOST ES/pub/pdf/120pub.pdf Sikos, Leslie F. (2011). Web Standards Mastering HTML5, CSS3, and XML. New York City : Apress T, Sutojo. (2010). Kecerdasan Buatan. Yogyakarta: Andi Yogyakarta Kurniadi, F. (2004). Simulasi Fuzzy Logic Control Pada Mesin Cuci Menggunakan Simulink MATLAB.



[7]

Diambil dari http://elib.unikom.ac.id/files/disk1/11 /jbptunikompp-gdl-s1-2004franskurni-501-BAB+III.doc Kuswadi, S. (2007). Kendali Cerdas (Teori dan Aplikasi Praktisnya). Yogyakarta: Andi Yogyakarta


181

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 2, No. 1, Tahun

Recommend Documents