Jurnal Teknologi Elektro, Universitas Mercu Buana
ISSN : 2086-9479
PERANCANGAN SIMULASI KENDALI VALVE DENGAN ALGORITMA LOGIKA FUZZY MENGGUNAKAN BAHASA VISUAL BASIC
Triyanto Pangaribowo Program Studi Teknik Elektro, Fakultas Teknik Universitas Mercu Buana Jakarta Email :
[email protected] Abstrak - Algoritma Logika Fuzzy
dari masukan serta menampilkan
akan lebih mudah dipahami baik
setiap keluaran aturan Logika Fuzzy.
proses maupun aplikasinya dengan
Pemodelan simulasi kendali valve
cara melakukan simulasi. Dalam
menggunakan metode Logika Fuzzy,
pembelajaran
yang terdiri dari tahapan-tahapan
algoritma
Logika
Fuzzy akan lebih lengkap jika belajar
perancangan
dengan melakukan simulasi bukan
perancangan sistem kendali Logika
hanya pembelajaran secara teori.
Fuzzy, perancangan antarmuka dan
Dengan
pengujian perangkat lunak. Kendali
simulasi
diharapkan
yang
akan
pengembangan
dibangun mendorong
aplikasi
algoritma
katup
pada
dipengaruhi
sistem,meliputi
program oleh
simulasi
2(dua)
buah
Logika Fuzzy di bidang teknik
masukan yaitu level air dan suhu.
elektro yang lebih luas.
Pengujian juga dilakukan terhadap
Dalam penelitian ini digambarkan
rule-rule dari Logika Fuzzy yang
dalam
sudah
bentuk
algoritma
simulasi
Logika
Fuzzy
aplikasi untuk
dibuat
untuk
mengetahui
apakah sistem sudah dapat bekerja
kendali katup(Valve) menggunakan
dengan baik dan benar.
visual
Kata Kunci : Logika Fuzzy, Kendali
basic,
yang
memudahkan
dalam memahami dan mengerti alur
Valve,Simulasi, Level Air, Level
algoritma Logika Fuzzy. Jadi tujuan
Suhu
dari penelitian ini adalah membuat model simulasi kendali katup dengan algoritma
Logika
Fuzzy
menggunakan bahasa visual basic dengan tampilan yang lengkap mulai
PENDAHULUAN Logika
Fuzzy
dikenalkan pada tahun 1965 oleh Profesor Lotfi Zadeh dari Universitas Kalifornia,Berkley.
Vol.6 No.2 Mei 2015
pertama
Logika Fuzzy
123
Jurnal Teknologi Elektro, Universitas Mercu Buana sejak
tahun
1985
terjadi
ISSN : 2086-9479
mahasiswa
dalam
perkembangan yang sangat pesat
aplikasi
terutama dalam penyelesaian yang
kendali. Secara prakteknya di dunia
berhubungan dengan dalam bidang
industry, instrumentasi kendali tidak
teknik
semudah yang diceritakan dibuku-
kendali
terutama
masalah
Logika
memahami
Fuzzy
non-linear dan masalah perhitungan
buku.
yang kompleks.
kendali dengan Logika Fuzzy ini
Logika Fuzzy menjadi salah
Kebutuhan
bidang
menuntut
pemahaman
adanya
satu mata kuliah teknik elektro yang
dengan
diajarkan di hampir semua perguruan
memodelkan kendali industri namun
tinggi.
dalam skala yang lebih kecil dan
Dalam
memahami
dan
simulasi
pembelajaran yang
mengaplikasikan Algoritma Logika
sederhana
Fuzzy lebih mendalam dalam bidang
pembelajaran mahasiswa.
teknik elektro perlu adanya simulasi yang
memudahkan
mempelajari Banyak
algoritma
mahasiswa
memahami
untuk kendali
sebagai
kompetensi
di
ditemukan di industri adalah control
hanya
valve (katup). Hampir semua industri
tanpa
minyak
saja
proses
gas
menggunakan
Fuzzy
oleh
suatu
obyek
sebagai aktuatornya. Biasanya yang
salah
satu Teknik
mengharuskan
mahasiswanya
dan
control valve yang dikendalikan baik
jurusan
Elektro
Salah satu aplikasi teknik
tersebut.
Logika
pengendalian
media
instrumentasi kendali yang sering
mengetahui aplikasinya. Algoritma
sebagai
dalam
yang
logikanya
mampu
memahami
algoritma
alur
tersebut.
motor
dikendalikan
maupun
adalah
pneumatic
ketinggian,
tekanan, aliran dan suhu dan salah satu
metode
kendalinya
adalah
dengan menjaga level Berdasarkan
pemaparan
Pemahaman algoritma Logika Fuzzy
diatas maka penulis tertarik untuk
ini tidak bisa didapatkan sepenuhnya
membuat
dari
katup(valve)
teori-teori
Fuzzy,
tentang
dengan
algoritma
Logika Fuzzy yang dipengaruhi oleh
yang
2 (dua) variabel masukan yaitu suhu
lengkap akan jauh lebih membantu
dan ketinggian (level) air sebagai
dengan
Vol.6 No.2 Mei 2015
dengan
kendali
cara
simulasi
pemahaman
kendali
simulasi
tampilan
124
Jurnal Teknologi Elektro, Universitas Mercu Buana gambaran proses kendali yang ada di dunia industri menggunakan Logika
ISSN : 2086-9479
7. Logika Fuzzy didasarkan pada bahasa alami.
Fuzzy metode Tsukamoto HimpunanFuzzy KAJIAN PUSTAKA
Himpunan fuzzy merupakan
Logika Fuzzy
suatu group yang mewakili suatu
Logika Fuzzy adalah suatu
kondisi atau keadaan tertentu dalam
cara yang tepat untuk memetakan
suatu variabel fuzzy. Pada himpunan
suatu ruang input ke dalam suatu
fuzzy nilai keanggotaan terletak pada
ruang output. Alasan digunakannya
rentang 0 sampai 1. Apabila x
Logika Fuzzy adalah :
memiliki nilai keanggotaan fuzzy
1. Konsep
Logika
mudah
Β΅A[ x] = 0 berarti x tidak menjadi
matematis
anggota himpunan A, demikian pula
yang mendasari penalaran fuzzy
apabila x memiliki nilai keanggotaan
sangat
fuzzy Β΅A[ x] = 1 berarti x menjadi
dimengerti.
Fuzzy
Konsep
sederhana
dan
mudah
dimengerti
anggota penuh pada himpunan A.
2. Logika Fuzzy sangat fleksibel
Kemiripan antara keanggotaan fuzzy
3. Logika Fuzzy memiliki toleransi
dengan
terhadap
data-data
yang
tidak
tepat
probabilitas
menimbulkan
terkadang
kerancuan,
karena
memiliki nilai pada interval [0,1],
4. Logika
Fuzzy
memodelkan
mampu fungsi-fungsi
namun interpretasi nilainya sangat berbeda.
Keanggotaan
fuzzy
nonlinear yang sangat kompleks.
memberikan suatu ukuran terhadap
5. Logika Fuzzy dapat membangun
pendapat atau keputusan, sedangkan
dan mengaplikasikan pengalaman-
probabilitas
pengalaman para pakar secara
proporsi terhadap keseringan suatu
langsung
hasil bernilai benar dalam jangka
tanpa
harus
melalui
proses pelatihan.
panjang[3].
6. Logika Fuzzy dapat bekerjasama dengan
teknik-teknik
secara konvensional.
kendali
mengindikasikan
Himpunan
fuzzy
memiliki 2 atribut, yaitu: a. Linguistik, yaitu penamaan suatu group
yang
mewakili
suatu
keadaan atau kondisi tertentu
Vol.6 No.2 Mei 2015
125
Jurnal Teknologi Elektro, Universitas Mercu Buana dengan
menggunakan
bahasa
alami,seperti : Muda, Parobaya, Tua. b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti : 25, 40,60.
ISSN : 2086-9479
Fungsi Keanggotaan segitiga ππ; ππ < ππ ππππππππ ππ > ππ β§ (ππ β ππ) ; ππ β€ ππ β€ ππ ππ(ππ) = ππ β ππ β¨ (ππ β ππ) ; ππ < π₯π₯ β€ ππ β© ππ β ππ
Operator Dasar
Zadeh
Untuk
Fungsi Keanggotaan
Operasi Himpunan Fuzzy
Fungsi keanggotaan adalah suatu
Nilai keanggotaan sebagai hasil dari
kurva yang menunjukkan pemetaan
operasi 2 himpunan sering dikenal
titik-titik input data ke dalam nilai
dengan nama fire strength atau Ξ±-
keanggotaan yang memiliki nilai
predikat. Ada 3 operator dasar yang
interval antara 0 dan I. Salah satu
diciptakan oleh Zadeh, yaitu:
cara yang dapat digunakan untuk
Operator AND
mendapatkan
keanggotaan
Operator ini berhubungan dengan
adalah dengan melalui pendekatan
operasi interseksi pada himpunan. Ξ±β
fungsi[3]. Salah satu representasi
predikat sebagai hasil operasi dengan
fungsi
operator
nilai
keanggotaan
dalam fuzzy
AND
yang akan dipakai adalah represntasi
mengambil
segitiga.
terkecil
dasarnya
Kurva
segitiga
merupakan
pada
gabungan
diperoleh
nilai antar
dengan
keanggotaan elemen
pada
himpunan-himpunan
yang
antara 2 garis (linear) seperti terlihat
bersangkutan.
pada gambar 2.2.
Β΅Aβ©B = min(Β΅A[x], Β΅B[y]) Misalkan nilai keanggotaan 27 tahun
derajat keanggotaan
1
pada himpunan MUDA adalah 0,6 (Β΅MUDA[27]=0,6);
Β΅(x)
dan
nilai
keanggotaan Rp 2.000.000,- pada himpunan
0 a
b
c
penghasilan
TINGGI
adalah
0,8
(Β΅GAJITINGGI[2x106]=0,8); maka Gambar 1. Kurva Segitiga Logika
Ξ±βpredikat untuk usia MUDA dan
Fuzzy
berpenghasilan TINGGI adalah:
Vol.6 No.2 Mei 2015
126
Jurnal Teknologi Elektro, Universitas Mercu Buana MUDAβ©GAJITINGGI
=
min(ΓΒ΅MUDA[27],
sistem
ISSN : 2086-9479 inferensi
Mamdani, 6
fuzzy,
yaitu
:
Sugeno
dan
Tahap
sistem
ΓΒ΅GAJITINGGI[2x10 )
Tsukamoto[3].
= min(0,6; 0,8)
inferensi fuzzy yang harus dilalui,
= 0,6
yaitu[3] :
Operator OR
a. Nilai Input
Operator ini berhubungan dengan
Berupa masukan dalam bentuk nilai
operasi union pada himpunan. Ξ±β
pasti (crisp).
predikat sebagai hasil operasi dengan
b. Komposisi Fuzzy
operator
Proses merubah crisp input menjadi
OR
mengambil terbesar
diperoleh nilai
dengan
keanggotaan
antar
elemen
himpunan-himpunan
fuzzy
menggunakan
fungsi
pada
keanggotaan, setiap variabel fuzzy
yang
dimodelkan
ke
dalam
fungsi
bersangkutan.
keanggotaan yang dipilih.
Β΅AβͺB = max(Β΅A[x], Β΅B[y])
c. Aturan - aturan (rules)
Operator NOT
Aturan-aturan yang akan dijadikan
Operator ini berhubungan dengan
dasar untuk mencari nilai dari crisp
operasi komplemen pada himpunan.
output yang akan dihasilkan
Ξ±βpredikat
d. Dekomposisi Fuzzy
dengan dengan
sebagai
operator
hasil
NOT
mengurangkan
operasi diperoleh
Merupakan proses merubah kembali
nilai
data yang dijadikan fuzzy ke dalam
keanggotaan elemen pada himpunan
bentuk crisp kembali.
yang bersangkutan dari 1.
e. Nilai output
Β΅Aβ= 1-Β΅A[x]
Merupakan hasil akhir yang dapat dipakai untuk pengambilan
Sistem Inferensi Fuzzy
keputusan Namun terkadang sistem
Sistem inferensi fuzzy merupakan
fuzzy dapat berjalan tanpa harus
proses pengolahan data dalam bentuk
melalui komposisi atau dekomposisi
crisp input yang melalui beberapa
fuzzy. Nilai output dapat diestimasi
tahapan dalam sistem fuzzy untuk
secara
menghasilkan data dalam bentuk
keanggotaan
crips output. Terdapat tiga metode
dengan antesedennya.
Vol.6 No.2 Mei 2015
langsung yang
dari
nilai
berhubungan
127
Jurnal Teknologi Elektro, Universitas Mercu Buana membandingkan
Sistem Kendali Teknik
ISSN : 2086-9479
kontrol
didasarkan
pada
tersebut
fungsi
dan
variabel
menggunakan
dasar-dasar teori umpan balik dan
perbedaan sebagai alat kontrol .
analisis
Sebagai
sistem
linear
,
dan
sistem
menjadi
lebih
menghasilkan konsep-konsep teori
kompleks
jaringan dan teori komunikasi . Oleh
variabel
karena itu , teknik kontrol tidak
dipertimbangkan
terbatas pada disiplin rekayasa tetapi
kontrol . Contoh dari sistem kontrol
berlaku untuk penerbangan, kimia,
loop tertutup adalah orang kemudi
mekanik , lingkungan , sipil , dan
mobil oleh melihat lokasi auto di
teknik listrik . Sebuah sistem kontrol
jalan dan membuat penyesuaian yang
adalah
diperlukan .
interkoneksi
komponen
,
keterkaitan
terkendali
tersebut
banyak dalam
dapat skema
membentuk konfigurasi sistem yang akan
memberikan
yang
diinginkan
.
respon
sistem
Dasar
untuk
analisis sistem adalah dasar yang disediakan oleh sistem linear, yang mengasumsikan
hubungan
causeeffect untuk komponen sistem.
Gambar 2. Sistem Kendali Loop Tertutup
Sistem Kendali Loop Tertutup Sebuah sistem kontrol loop tertutup
Sistem Kendali Loop Terbuka
seperti gambar 2.1, menggunakan
Sebuah sistem kontrol loop terbuka
ukuran tambahan output aktual untuk
menggunakan
membandingkan
aktual
actuator control untuk mendapatkan
output
yang
respon yang diinginkan seperti yang
ukuran
output
ditunjukkan pada Gambar 2.2 Sistem
disebut sinyal umpan balik . Sebuah
kontrol loop terbuka menggunakan
sistem kontrol umpan balik adalah
perangkat
sistem
mengontrol proses secara langsung
dengan
output
respon
diinginkan
.
itu
kontrol
yang
cenderung
controller
penggerak
atau
untuk
menjaga hubungan satu variabel
tanpa
sistem
sebuah contoh sistem kontrol loop
ke
sistem
Vol.6 No.2 Mei 2015
lain
dengan
menggunakan
perangkat
.
128
Jurnal Teknologi Elektro, Universitas Mercu Buana
ISSN : 2086-9479
terbuka adalah pemanggang roti
kesalahan
gun
a
mengurangi
listrik .
kesalahan yang terjadi untuk kembali ke kondisi sistem seperti semula (kondisi normal). PERANCANGAN SISTEM
Gambar 3. Sistem Kendali Loop Tertutup
KENDALI Perancangan Sistem kendali
Sistem Kendali Automatik
Sistem
Diagram blok umum dari sistem
ditunjukkan
kendali
seperti dibawah ini
automatik
ditunjukkan Detektor
pada
level
air
Gambar
2.3.
kesalahan
membandingkan
sinyal
kendali
yang
pada
Input
dibangun
diagram
Output
Proses
akan
blok
yang
diperoleh melalui elemen umpan-
Gambar 4 Diagaram blok kendali
balik sebagai fungsi dari respons
level air
keluaran dengan
sinyal
referensi
masukannya
Input pada system kendali pada gambar 3.1 meliputi level air dan suhu. Perubahan level air dan suhu akan berpengaruh terhadap output yaitu derajad putaran valve. Pada blok
proses
terdapat
algoritma
Logika Fuzzy yang bertindak sebagai pengambil keputusan. Variabel Input Gambar 2.3. Diagram blok umum
Himpunan Fuzzy meliputi 2 variabel
sistem kendali Loop Tertutup
inputan yaitu himpunan Suhu dan Level.
Perbedaan antara sinyal referensi
Pada
masukan dan sinyal keluaran ini
himpunan
disebut sinyal kesalahan atau sinyal
keanggotaan yaitu Rendah, Sedang dan
penggerak, yang akan mengaktifkan
Tinggi.
gambar Suhu
3.2
menunjukkan
dengan
3
buah
elemen kendali. Selanjutnya elemen kendali ini akan memperkuat sinyal
Vol.6 No.2 Mei 2015
129
Jurnal Teknologi Elektro, Universitas Mercu Buana a)
Sedangkan untuk kategori keanggotaan
Keanggotaan Suhu
Rendah
ISSN : 2086-9479
Sedang
Level sama dengan keanggotaan Suhu
Tinggi
berikut ini:
1
a) Β΅(x)
Keanggotaan Level
Keanggotaan Level memiliki 3 anggota yang lebih jelasnya dapat dilihat pada
0
50
40
60
100
tabel Tabel.3.2. Keanggotaan Level
Gambar 3.2. Himpunan Fuzzy untuk Suhu Range
nilai
untuk
masing-masing
keanggotaan suhu dijelaskan sebagai berikut : Himpunan Rendah (R)
Nilai keanggotaan Level pada tabel 3.2.
40 β π₯π₯ ππ(π₯π₯) = οΏ½40 β 0 ; 0 < π₯π₯ < 40
tersebut
Himpunan Sedang (S)
(T) , Sedang (S), Rendah (R), Lebih
keanggotaan
0; π₯π₯ > 40
0; π₯π₯ < 40 β§ π₯π₯ β 40 βͺ 50 β 40 ; 40 β€ π₯π₯ β€ 50 ππ(π₯π₯) = 60 β π₯π₯ β¨ ; 50 < π₯π₯ β€ 60 βͺ60 β 50 β© 0; π₯π₯ > 60
Himpunan Tinggi (T)
π₯π₯ β 60 ππ(π₯π₯) = οΏ½100 β 60 ; 60 < π₯π₯ < 100 0; π₯π₯ > 40
Tabel keanggotaan suhu ditunjukkan
dapat
dijelaskan
segitiga
Logika
dalam Fuzzy
dengan himpunan keanggotaan Tinggi
jelasnya digambarkan pada gambar 3.2. sebagai berikut : Rendah
Sedang
Tinggi
1 Β΅(x
0
40
50
100
60
sebagai berikut: Tabel 3.1. Keanggotaan Suhu
Gambar 3.2. Himpunan Fuzzy untuk Level Himpunan Rendah (R) 40 β π₯π₯ ππ(π₯π₯) = οΏ½40 β 0 ; 0 < π₯π₯ < 40 0; π₯π₯ > 40
Vol.6 No.2 Mei 2015
130
Jurnal Teknologi Elektro, Universitas Mercu Buana
ISSN : 2086-9479
Himpunan Sedang (S)
Rule-2 : Jika Suhu Rendah Dan Level
0; π₯π₯ < 40 β§ π₯π₯ β 40 βͺ ; 40 β€ π₯π₯ β€ 50 β 40 ππ(π₯π₯) = 50 β¨ 60 β π₯π₯ ; 50 < π₯π₯ β€ 60 βͺ60 β 50 β© 0; π₯π₯ > 60
Rendah Maka Valve buka Sedang Rule-3 : Jika Suhu Rendah Dan Level Sedang Maka Valve buka Kecil Rule-.4 : Jika Suhu Sedang Dan Level Tinggi Maka Valve buka Kecil
Himpunan Tinggi (T)
Rule-5 : Jika Suhu Sedang Dan Level
π₯π₯ β 60 ππ(π₯π₯) = οΏ½100 β 60 ; 60 < π₯π₯ < 100 0; π₯π₯ > 40
Rendah Maka Valve buka Sedang Rule-6 : Jika Suhu Sedang Dan Level Sedang Maka Valve buka Sedang
Variabel Keluaran Logika Fuzzy
Keluaran
himpunan
Logika
Fuzzy adalah control valve. Control valve memiliki 3 (tiga) himpunan yaitu Kecil , Sedang dan Besar.
Rule-7 : Jika Suhu Tinggi Dan Level Tinggi Maka Valve buka Kecil Rule-8 : Jika Suhu Tinggi Dan Level Rendah Maka Valve buka Besar Rule-9 : Jika Suhu Tinggi Dan Level
Kecil
Sedang
Besar
1
Sedang Maka Valve buka Sedang Perancangan Antarmuka
Antarmuka
Β΅(x
dengan 0
menggunakan
Ms.
Access
dengan bahasa Visual Basic
40
30
sistem kendali dibangun
50
90
Gambar 3.3. Control Valve
Aturan Logika Fuzzy
Langkah selanjutnya yaitu membuat rule atau aturan Logika Fuzzy untuk kendali valve.
Aturan
menghubungkan
Logika
Fuzzy
masukkan
dengan
keluaran. Dalam perancangan simulasi ini
dibuat
9
aturan
untuk
proses
pengendalian. Aturan tersebut sebagai berikut : Rule-1 : Jika Suhu Rendah Dan Level Tinggi Maka Valve buka Kecil
Gambar 3.4. Interface Simulasi Kendali Interface perangkat lunak seperti pada gambar 3.4 memiliki 2 inputan yaitu variabel suhu dan level. Ketika sensor
Vol.6 No.2 Mei 2015
131
Jurnal Teknologi Elektro, Universitas Mercu Buana
ISSN : 2086-9479
suhu dan level mendeteksi besaran fisis
sampai dengan aturan sembilan (R_9)
maka Logika Fuzzy akan memberikan
hanya aturan ke-5 yang mengalami
keluaran ke valve sehingga valve akan
perubahan yaitu sebesar 25. Aturan ke-5
terbuka dengan besaran sesuai dengan
: Jika Suhu Sedang Dan Level Rendah
rule(aturan) yang telah dirancang.
Maka Valve buka Sedang
ΞΌ(x)
HASIL PENGUJIAN SISTEM KENDALI LOGIKA FUZZY Pengujian
yang
pengujian
dilakukan
derajad
meliputi
keanggotaan,
pengujian keluaran masing-masing rule dan
pengujian
keseluruhan
keluaran
serta
secara
40
50
Gambar 4.1 Keanggotaan untuk Suhu sedang 450C
pengujian
implementasi aplikasi sistem kendali
Secara perhitungan derajad keanggotaan
valve menyeluruh.
suhu sedang sebesar 450C sebagai
Hasil
Pengujian
Keluaran
Rule
Logika Fuzzy Pengujian
keluaran
aturan (rule)
Logika Fuzzy dilakukan untuk dapat mengetahui
apakah keluaran
sesuai
dengan desain aturan yang dirancang.
berikut: π₯π₯ β 40 45 β 40 = = 0,5 50 β 40 50 β 40
0
Untuk suhu sedang 45 C diperoleh derajad keanggotaan 0,5. Untuk mencari dearajad keanggotaan untuk level rendah
12 meter dijelaskan sebagai berikut : Tabel 4.1 Hasil Pengujian Keluaran Aturan Logika Fuzzy
Gambar 4.2 Keanggotaan untuk Level Rendah 12 meter 40 β π₯π₯ 40 β 12 = = 0,7 40 β 0 40 β 0 k level rendah 12 meter diperoleh Untu derajad keanggotaan 0,7 Pada masukan level 12 meter dan suhu 45 0C keluaran dari aturan satu ( R_1)
Vol.6 No.2 Mei 2015
Sehingga keluaran aturan ke-5 rata-rata adalah :
132
Jurnal Teknologi Elektro, Universitas Mercu Buana
ISSN : 2086-9479
Berdasarkan
hasil
perbandingan
perhitungan manual dengan program diperoleh hasil yang sama yaitu untuk level 12 meter dan suhu 45 0C keluaran aturan ke-1 adalah 45
Hasil Pengujian Sistem Kendali Valve Gambar 4.3 Keanggotaan untuk
Dengan Algoritma Logika Fuzzy Setelah
Valve sedang Secara perhitungan untuk keluaran rata β rata putaran valve sesuai dengan gambar 4.1 adalah sebagai berikut
dilakukan
pengujian
setiap
aturan pada Logika Fuzzy selanjutnya adalah pengujian sistem kendali putaran valve. Pengujian yang dilakukan adalah pengujian dengan masukan level dan
π₯π₯1 β 30 = 0,5 40 β 30
suhu seperti pada pengujian setiap
Maka nilai x1 = 35
aturan Logika Fuzzy. Hasil keluaran
ππππ β ππππ = ππ, ππ ππππππππ ππππ = ππππ ππππ β ππππ
harus sesuai dengan rule-rule yang
Maka rata-rata keluaran untuk aturan
ke-5 adalah
35+55 2
= 45
sudah dibuat berdasarkan aturan Logika Fuzzy. Setiap bagian dari rule-rule Logika
Fuzzy
ini
akan
diuji
Perhitungan secara manual sama dengan
kebenarannya, apakah program aplikasi
hasil pengujian program yang dirancang.
yang sudah dibuat dapat berjalan dengan
Pengujian
baik atau tidak.
program
lebih
jelasnya
ditampilkan pada gambar 4.4 dibawah.
Tabel 4.2. Hasil Pengujian Sistem Masukan No
2 3 4 5 6 7 8
Keluaran Putaran Valve
Level
Suhu
12
0
45 C
45
22
0
45 C
44,50
23
0
45 C
44,25
24
0
45 C
44
26
0
45 C
43,50
30
0
45 C
42,50
41
0
41
45 C
(derajad)
Gambar 4.4. Hasil Pengujian Level 12 meter dan Suhu 45 0C
Vol.6 No.2 Mei 2015
133
Jurnal Teknologi Elektro, Universitas Mercu Buana Berdasarkan
hasil
pengujian
sistem
seperti ditunjukkan pada tabel 4.2 pada masukan suhu stabil yaitu 450C maka dapat dilihat semakin tinggi level air maka bukaan valve semakin kecil hai ini sudah
sesuai
dengan
aturan
yang
dirancang.
ISSN : 2086-9479
(0 β 30) + (0 β 40) + (0 β 30) + (0 β 30) + (0,5 β 45) + (0 β 40) + (0 β 30) +(0 β 50) + (0 β 30) = (0 + 0 + 0 + 0 + 0,5 + 0 + 0 + 0 + 0) = 45
Berdasarkan hasil perhitungan secara manual dengan hasil program diperoleh output bukaan valve yang sama yaitu sebesar 45
KESIMPULAN Berdasar
hasil
pengujian
perancangan
terhadap
dan
sistem kendali
valve dengan algoritma Logika Fuzzy maka
diperoleh kesimpulan sebagai
berikut. 1. Perancangan rule-rule Logika Fuzzy
mempengaruhi
hasil
akhir atau keluaran dari sistem kendali yang dirancang. Pada Aturan yang dirancang semakin tinggi level air maka semakin Gambar 4.5. Hasil Pengujian Putaran
kecil bukaan valve. Hal ini terlihat pada hasil pengujian dari
Valve
level 12 meter dengan bukaan Pada gambar 4.5 masukan suhu sebesar 45 0C dan Level 12 m diperoleh output bukaan
valve
sebesar
45
dengan
perhitungan sebagai berikut : Keluaran πππ’π’π‘π‘πππ’π’π‘π‘
(π§π§1 πΌπΌ1 ) + (π§π§2 πΌπΌ2 ) + (π§π§3 πΌπΌ3 ) + (π§π§4 πΌπΌ4 ) + (π§π§5 πΌπΌ5 ) + (π§π§6 πΌπΌ6 ) + (π§π§7 πΌπΌ7 ) + (π§π§8 πΌπΌ8 ) + (π§π§9 πΌπΌ9 ) = πΌπΌ1 +πΌπΌ2 + πΌπΌ3 + πΌπΌ4 + πΌπΌ5 + πΌπΌ6 + πΌπΌ7 + πΌπΌ8 + πΌπΌ9
Vol.6 No.2 Mei 2015
valve 45 sampai dengan level tinggi yaitu 41 meter bukaan valve turun menjadi 41 derajad 2. Hasil pengujian Logika
Fuzzy
aturan pada menunjukkan
pada masukan level 12 sampai dengan 30 m dan masukan suhu tetap yaitu 450C , hanya aturan ke
lima
yang
mengalami
perubahan keluaran yaitu dari 45 turun sampai dengan 42,5
134
Jurnal Teknologi Elektro, Universitas Mercu Buana
ISSN : 2086-9479
derajad.. Hal ini disebabkan
Microsoft Press, A Division of
oleh πΌπΌπππππππππππππππ‘π‘ππππ = 0
Microsoft
Corporation,
Microsoft
Way,
Logika Fuzzy pada level 41
Washington 98052-6399
sampai dengan 50 hanya aturan
Richard C. Dorf and Robert H. Bishop,
yang
Modern Control Systems, Prentice Hall,
3. Hasil pengujian keluaran Aturan
ke-6
yang
perubahan
mengalami
dikarenakan
nilai
πΌπΌπππππππππππππππ‘π‘ππππ = 0 untuk aturan selain aturan ke-6
One
Redmond,
2001.
Disha, Mr. Pawan Kumar Pandey. Rajeev Chugh (2012),β Simulation of Water Level Control in a Tank Using Fuzzy Logicβ, IOSR Journal of
DAFTAR PUSTAKA Kusumadewi,Sri
dan
Electrical
and
Electronics
Purnomo,Hari.(2010),Aplikasi
Engineering
Logika Fuzzy untuk Pendukung
2278-1676 Volume 2, Issue 3 (Sep-
Keputusan,GrahaI lmu,Yogyakarta.
Oct. 2012), PP 09-12
Kusumadewi, Sri. 2006. Neuro β
Namrata
Fuzzy:Integrasi Sistem Fuzzy dan
Monica Subashini(2013) ,βDesign
Jaringan
and Implementation of a Water
Syaraf
Tiruan.
(IOSRJEEE)
Dey,Ria
ISSN:
Mandal,
M
GrahaIlmu,Yogyakarta.
Level Controller using Fuzzy Logic,
Kusumadewi,Sri. (2003), Artificial
International Journal of Engineering
Intelligence
Science and Technology (IJEST),
(Teknik
Aplikasinya),
Graha
dan Ilmu,
Vol 5 No 3 Jun-Jul 2013
Yogyakarta.
Abdelelah
Kusumadewi, S, 2004. Penentuan
Hussam
Tingkat
Penyakit
βDesign Fuzzy Logic Controller for
Fuzzy
Liquid Level Control, International
Inference Sistem, seminar nasional
Journal of Emerging Science and
II: the application of technology
Engineering (IJESE) ISSN: 2319β
toward a better life
6378,
Michael Hovorson,2010,βStep By
September 2013
Menggunakan
Risiko Tsukamoto
Kidher Hamad
Mahmood, Taha
Volume-1,
(2013),
Issue-11,
Stepβ, Microsoft Visual Basic 2010,
Vol.6 No.2 Mei 2015
135