Makalah Seminar Tugas Akhir Aplikasi Jaringan Syaraf Tiruan RBF (Radial Basis Fuction) pada Plant Pengaturan Level Cairan Berbasis Mikrokontroler ATmega32 Wahyu Nur Priyanto[1], Wahyudi, S.T, M.T [2], Iwan Setiawan, S.T, M.T [2] Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro Jln. Prof. Sudharto, Tembalang, Semarang, Indonesia Abstrak Pengendalian plant yang parameternya tidak diketahui dapat dilakukan dengan menggunakan kendali cerdas yaitu dengan menggunakan jaringan saraf tiruan sebagai komponen kendali sistem. Jaringan syaraf tiruan ini pada dasarnya adalah fungsi pemetaan masukan keluaran sistem yang bebas model matematis. Jaringan syaraf tiruan dibangun pada awalnya dengan tujuan untuk meniru secara fungsional mekanisme kerja otak manusia dalam menyimpan, belajar dan mengambil kembali pengetahuan yang tersimpan dalam sel syaraf atau neuron. Pada tugas akhir ini dilakukan pengujian terhadap jaringan syaraf tiruan RBF untuk mengendalikan ketingian level cairan. Pengendalian dilakukan dengan mengatur tegangan sumber yang masuk ke pompa yang dilakukan dengan mengatur sudut tunda pemicuan TRIAC. Pengujian dilakukan pada pengaruh nilai gain proporsional, laju konvergensi, jumlah fungsi basis, pengujian referensi naik, referensi turun dan pemberian gangguan. Plant pengendalian level cairan menggunakan mikrokontroler ATmega32 sebagai kontroler dan pompa sebagai aktuator, merupakan plant uji untuk modul kendali jaringan syaraf tiruan RBF. Pada pengujian didapatkan hasil semakin besar laju konvergensi dan gain proporsional yang diberikan, membuat waktu naik dan waktu penetapannya semakin cepat. Semakin banyak fungsi basis yang digunakan akan memperkecil overshoot pada sistem. RBF memiliki respon yang cukup baik pada pengujian perubahan referensi dan ketika sistem diberi gangguan, tanggapan keluaran akan tetap terjaga dalam kestabilan. Kata kunci : Jaringan Syaraf Tiruan, RBF, mikrokontroler ATmega32.
Kraft G tahun 1990 secara on line.[2] Bentuk jaringan syaraf tiruan yang dipergunakan adalah Radial Basis Function (RBF) digunakan sebagai komponen pengendali motor AC dengan parameter yang tidak diketahui. Dalam hal ini memakai metode dua masukan dengan satu keluaran. Pada tugas akhir ini dirancang suatu sistem pengendalian level cairan dengan memanfaatkan mikrokontroler Atmega32 sebagai kontroler, dan kendali jaringan syaraf tiruan RBF dengan struktur kendali fixed stabilizing controller akan melakukan koreksi sinyal kesalahan secara terus menerus sehingga menghasilkan sinyal kontrol yang mampu membuat keluaran plant sesuai dengan referensi.
I. PENDAHULUAN 1.1
Latar Belakang Sekarang ini dunia teknologi industri terus berkembang dalam berbagai aspek salah satunya dibidang teknologi sistem kontrol. Padahal pada umumnya di dunia industri masih dijumpai kontroler yang sifatnya konvensional. Oleh karena itu, sangat dibutuhkan sistem kontrol yang baik untuk dapat menunjang berjalannya proses industri dengan maksud meningkatkan efisiensi dalam proses produksi. Sebagai contoh, otomatisasi dalam bidang industri yaitu proses pengaturan level cairan, pengisian atau pembuangan cairan dalam tangki. Sebuah pendekatan dalam pengendalian plant yang parameternya tidak diketahui dapat dilakukan dengan menggunakan kendali cerdas yaitu dengan menggunakan jaringan saraf tiruan sebagai komponen kendali sistem. Jaringan syaraf tiruan ini pada dasarnya adalah fungsi pemetaan masukan keluaran sistem yang bebas model matematis. Jaringan syaraf tiruan dibangun pada awalnya dengan tujuan untuk meniru secara fungsional mekanisme kerja otak manusia dalam menyimpan, belajar dan mengambil kembali pengetahuan yang tersimpan dalam sel syaraf atau neuron. Sistem kendali jaringan syaraf tiruan yang dipergunakan yaitu memakai model Fix Stabilising Controller yang pernah diusulkan oleh 1 2
Mahasiswa Jurusan Teknik Elektro UNDIP Staf Pengajar Jurusan Teknik Elektro UNDIP
1.2 Tujuan Penulisan Tujuan penyusunan Tugas Akhir ini adalah mengatur ketinggian cairan pada tangki penampung dengan jaringan Syaraf Tiruan Radial Basis Function model pembelajaran Fixed Stabilising Controllers berbasis mikrokontroler Atmega32. 1.3 Pembatasan Masalah Dalam Tugas Akhir ini diberikan pembatasan - pembatasan sebagai berikut :
1
keluaran dengan bobot tertentu. Output jaringan ini merupakan jumlah dari seluruh output fungsi basis dikalikan dengan bobot masing-masing. Untuk jaringan RBF dengan 2 masukan, proses pemetaannya dapat dilihat pada Gambar 2.
1. Pengendalian dengan Jaringan Syaraf Tiruan Radial Basis Function (RBF) ini tidak dibandingkan dengan metode lain. 2. Penentuan kinerja sistem terbaik berdasarkan waktu penetapan. 3. Mikrokontroler Atmega32 digunakan sebagai kontroler, sedangkan digunakan PC (Personal Computer) sebagai monitoring. 4. Pengendalian ketinggian dilakukan dengan mengatur tegangan pompa. 5. Bahasa pemograman yang digunakan pada mikrokontroler adalah dengan menggunakan bahasa C sedangkan program yang digunakan dalam proses monitoring adalah Microsoft Visual Studio 2010. 6. Pengujian dilakukan pada pengaruh laju konvergensi, gain proporsional, jumlah fungsi basis, perubahan referensi ketinggian dan pemberian gangguan. 7. Plant yang digunakan mempunyai spesifikasi pompa dengan debit keluaran 6500 l/h, pipa masukan dengan diameter ½ inci, valve keluaran utama dengan diameter ½ inci, dan valve gangguan dengan diameter ½ inci.
ϕ11 ϕ12 ϕ1n
ϕ 21 ϕ 22 ϕ 2n
ϕ11* ϕ 2n ϕ12 * ϕ 21 ϕ12 * ϕ 22
∑
ϕ12 * ϕ 2n ϕ1n * ϕ 21 ϕ1n * ϕ 22 ϕ1n * ϕ 2n
ϕ =1
Gamba 2 Operasi jaringan syaraf RBF dengan 2 masukan
Setiap masukan akan mengaktifkan setiap fungsi basis pada jaringannya sendiri. Misalkan pada operasi masukan [x1 x2]. Setiap masukan akan mengaktifkan fungsi basis pada jaringan RBF, sehingga masukan x1 akan mengaktifkan fungsi basis φ11, φ12, sampai φ1n. Masukan x2 akan mengaktifkan fungsi basis φ21, φ22, sampai φ2n. Pada hidden layer terjadi korelasi silang antara setiap fungsi basis jaringan RBF pertama dan jaringan RBF kedua. Masing– masing hasil korelasi silang diboboti dengan bobot tertentu yaitu w11,w12, sampai wnn. Keluaran jaringan RBF dihitung dengan menjumlahkan seluruh hasil perkalian antara keluaran tiap fungsi basis dengan bobotnya sendiri ditambah dengan bobot bias (wb).
II. DASAR TEORI 2.1
Jaringan Syaraf Tiruan RBF RBF (φ) merupakan fungsi dimana keluarannya simetris terhadap center c tertentu atau dinyatakan sebagai φc = φ ||x - c||, dimana || . || merupakan vektor normal. Jaringan syaraf yang dibentuk dengan menggunakan fungsi basis berupa fungsi basis radial dinamakan Jaringan Syaraf RBF. Jaringan RBF terdiri atas 3 layer yaitu input layer, hidden layer (unit tersembunyi) dan output layer.[9] Masing–masing unit tersembunyi merupakan fungsi aktifasi yang berupa fungsi basis radial. Fungsi basis radial ini diasosiasikan oleh lebar dan posisi center dari fungsi basis tersebut. Struktur dasar jaringan RBF dapat dilihat pada Gambar 1.
2.2
Struktur Jaringan RBF Radial basis function (RBF) memiliki jaringan yang tidak begitu kompleks, yaitu : input layer, hidden layer, dan output layer.
A
Input layer Input layer adalah bagian dari rangkaian jaringan syaraf tiruan RBF sebagai masukan untuk melakukan proses pertama. Input layer ini membaca data dari faktor luar yaitu keluaran plant (unit sensor) dan nilai yang kita kehendaki (referensi). Di input leyer ini tidak memiliki algoritma khusus, tetapi hanya sebagai suplemen terhadap layer berikutnya. Tahap awal ini ditentukan sebagai identifikasi sebelumnya.
ϕ1
ϕ2
ϕ11 * ϕ 21 ϕ11 * ϕ 22
∑
ϕn
Gamba 1 Struktur dasar jaringan syaraf RBF
Setiap input dari jaringan syaraf tiruan RBF ini akan mengaktifkan semua fungsi basis pada hidden layer. Setiap unit dari hidden layer merupakan fungsi aktifasi tertentu yang disebut sebagai fungsi basis. Di dalam hidden layer terdapat sejumlah fungsi basis yang sejenis. Setiap fungsi basis akan menghasilkan sebuah
B
Hidden Layer Pada bagian ini terjadi aktifitas perumusan dalam pembentukan sistem algoritma yang digunakan dalam jaringan RBF. Layer (lapisan)
2
Gambar 4. Jaringan syaraf tiruan dengan 3 lapisan
kedua adalah lapisan tersembunyi dari dimensi yang lebih tinggi, yang melayani suatu tujuan pada fungsi basis dan bobotnya dengan nilai yang berbeda. Pada bagian hidden layer terjadi proses aktifasi fungsi basis dan korelasi silang masing– masing fungsi basis. Pada hidden layer ini selain memuat bobot juga memuat fungsi basis. Pada jaringan RBF fungsi basis ini identik dengan dengan fungsi gaussian yang diformulasikan pada persamaan 2.1.[2]
ϕj = e
−
c− x j 2d 2
Pada Gambar 4 merupakan skema dasar dari perumusan algoritma dari RBF yang terletak pada daerah hidden layer. X1, X2 ….Xp merupakan input, algoritma RBF terbentuk ditengah, W1, W2 …Wn merupakan bobot yang ada. Hasil dari keluaran RBF adalah hasil penjumlahan dari perkalian bobot dan fungsi basis. 2.3
Algoritma LMS Algoritma LMS merupakan salah satu algoritma yang digunakan untuk pembelajaran atau pembaharuan bobot jaringan. Algoritma LMS mempunyai komputasi sederhana dengan melakukan proses untuk mengoreksi bobot–bobot jaringan yang akhirnya akan meminimalkan fungsi rata–rata kuadrat error. Secara matematis algoritma LMS untuk pembaharuan bobot jaringan syaraf dituliskan pada persamaan 2.2. [5] w k +1 = w k + 2 μ * (d (k ) − y (k ) ) * x ……..….(2) Dimana : w k +1 : bobot pada cacah ke k+1
2
…..……………...….…….(1)
Dimana : c = Center fungsi gausiaan d = Lebar fungsi gausiaan xj = Masukan ke j φj = Keluaran fungsi basis oleh adanya masukan xj Secara grafis fungsi ini digambarkan seperti pada Gambar 3.
w k : bobot pada cacah ke k
μ : laju konvergensi (0< μ <1)
Gambar 3 Fungsi Gaussian
x: masukan (fungsi basis) (d (k ) − y (k ) ) : sinyal kesalahan
Pada jaringan biasanya digunakan lebih dari 1 buah fungsi basis. Tiap – tiap fungsi basis mempunyai 1 center dan 1 bobot tertentu sehingga jumlah center dan bobot memori yang digunakan sama dengan jumlah fungsi basis yang digunakan. Untuk n buah membership function pada jaringan maka diperlukan bobot memori sebesar n x jumlah fungsi basis yang digunakan pada satu jaringan.
2.4
Strategi Pembelajaran Bobot Beberapa strategi pembelajaran pada jaringan RBF ini antara lain : 1. Posisi center pada fungsi basis 2. Lebar dari fungsi basis 3. Bobot keluaran setiap fungsi basis Pada tugas akhir ini strategi pembelajaran yang digunakan adalah pembaharuan bobot keluaran tiap fungsi basis.
C
Output layer Hasil dari penjumlahan dari perkalian antara bobot dengan fungsi basis akan menghasilkan keluaran yang disebut output layer. Output layer merespon dari jaringan sesuai pola yang diterangkan pada input layer. Pada jaringan syaraf RBF bentuk dan formasi sesuai dengan jaringan syaraf tiruan standar Skema dasar jaringan syaraf tiruan RBF dapat dilihat pada Gambar 4.
2.5
Algoritma Pelatihan RBF Algoritma pelatihan RBF secara iteratif memiliki langkah – langkah sebagai berikut : Langkah 1 : Menentukan jumlah fungsi basis yang akan digunakan. Langkah 2 : Menentukan center tiap fungsi basis. Langkah 3 : Menyediakan bobot sebanyak (fungsi basis)n + 1, dimana n adalah jumlah masukan jaringan syaraf tiruan RBF. Langkah 4 : Inisialisasi bobot w = [0 0 0 . . . . . 0], masukan laju konvergensi yang digunakan ( 0 < α <1). Langkah 5 : Untuk setiap sinyal latih kerjakan langkah 6 – selesai. Langkah 6 : Hitung keluaran tiap fungsi basis. Langkah 7 : Hitung keluaran jaringan RBF.
3
komputer untuk proses monitoring. Secara umum alokasi penggunaan port pada rangkaian Atmega32 dilihat pada Tabel 1 dan Gambar 7.[7]
Langkah 8 : Hitung kesalahan (error) antara sinyal terharap (d) dengan keluaran RBF y error = d – y. Langkah 9 : Update bobot-bobot tiap fungsi basis dan bobot basis dengan metoda LMS.
Tabel 1 Penggunaan port pada ATmega32.
PORT ATMEGA32 Port A PORTA PORTB.2 Port B PORTB.5 Port C PORTC
2.6
Fixed Stabilising Controllers Fix Stabilising Controlle merupakan salah satu arsitektur kendali adaptif yang diusulkan oleh Miller pada tahun 1987 dan Kraft pada tahun 1990[2]. Blok diagram kendali dengan skema Fix Stabilising Controller dapat dilihat pada Gambar 5.
Port D
PORTD.2 PORTD.3
Fungsi Keypad Sensor PINGTM Led LCD Intrupsi Zero Crossing Detector Output ke Pompa (MOC3021)
`
Atmega32
Gambar 5. Diagram kotak pengendalian dengan jaringan syaraf secara on- line: metode fixed stabilising controllers
2.7
10 K
Plant Pengendalian Level Cairan Untuk plant pengendalian level cairan ini secara garis besarnya dapat dilihat pada Gambar 6. Perangkat keras meliputi sistem mikrokontroler berfungsi sebagai pengendali, unit masukan dan PC sebagai monitoring. Keluaran level ketinggian ditampilkan pada licuid crystal display (LCD).[7]
Gambar 7 Alokasi port pada sistem minimum mikrokontroler Atmega32.
3.1 Perancangan Kendali Jaringan Syaraf
KEYPAD
Tiruan RBF Perancangan kendali RBF dilakukan untuk merancang jaringan RBF yang akan digunakan. Perancangan jaringan RBF meliputi perancangan fungsi basis yang digunakan dan perancangan algoritma kontrol RBF yang akan diimplementasikan pada mikrokontroler. Sistem kendali jaringan syaraf RBF secara keseluruhan diperlihatkan pada Gambar 8.
Kendali tegangan AC dengan zero crossing
PC LCD
pompa
PING
PELAMPUNG
Tank 1
Tank 2
utama gangguan V-1
Tank 3
ϕ11
Gambar 6 Perangkat keras pengendalian level ketinggian cairan.
ϕ12
ϕ11 = ϕ 21 ϕ12 = ϕ 22 ϕ1n = ϕ 2n
2.8
Rangkaian sistem minimum Mikrokontroler Atmega32 Sistem mikrokontroler digunakan sebagai unit kendali utama yang didalamnya berisi program untuk mengendalikan proses pengaturan pompa (pump), termasuk pengesetan parameter, pengaturan tampilan LCD, pengaturan data serial dan input clock sensor PING, kendali jaringan syaraf tiruan RBF serta mengatur aliran data komunikasi serial melalui RS232 dengan
ϕ1n
ϕ 21 ϕ 22
ϕ 2n
ϕ11 * ϕ 21 ϕ11 * ϕ 22
ϕ11* ϕ 2n ϕ12 * ϕ 21 ϕ12 * ϕ 22
∑
ϕ12 * ϕ 2n ϕ1n * ϕ 21 ϕ1n * ϕ 22 ϕ1n * ϕ 2n
ϕ =1
Gambar 8 Diagram blok jaringan syaraf RBF
4
keluaran RBF. Algoritma untuk menghitung keluaran jaringan RBF 2 masukan diperlihatkan oleh diagram alir pada Gambar 10.
3.1.1
Penentuan Nilai Gain Proporsional Penentuan besarnya gain proporsional secara praktis dibatasi oleh jangkauan sinyal kendali maksimum. Diusahakan sinyal kendali proporsional pada kondisi awal tidak melebihi 100, karena keluaran maksimum dari kendali jaringan syaraf RBF adalah 100.
3.1.2
Penentuan Nilai Laju Konvergensi Pemilihan besarnya laju konvergensi yang digunakan pada pengendalian dilakukan secara empiris dan tidak boleh terlalu besar karena hal ini dapat menyebabkan ketidakstabilan sistem keluaran plant. Pada tugas akhir ini laju konvergensi yang digunakan pada range 0 sampai 1.
3.1.3
Penentuan jumlah fungsi basis pada jaringan RBF Dengan mempertimbangkan besarnya memori yang dimiliki mikrokontroler AVR ATmega32 diperoleh jumlah fungsi basis maksimal adalah 10 karena banyaknya jumlah fungsi basis berpengaruh pada penggunaan memori pada mikrokontroler.
3.1.4
Perancangan Algorima Kontrol Jaringan Syaraf Tiruan RBF Tahap pertama yang perlu dilakukan pada perancangan algoritma kontrol jaringan syaraf tiruan RBF adalah merancang jaringan yang akan digunakan. Proses perancangan jaringan RBF yang akan digunakan diperlihatkan pada Gambar 9.
Gambar 10 Diagram alir perhitungan keluaran RBF 2 dimensi
Aplikasi algoritma kontrol jaringan syaraf tiruan RBF secara keseluruhan ditunjukan oleh diagram alir pada Gambar 11. Proses kontrol diawali dengan setting parameter jaringan RBF yang meliputi jumlah fungsi basis yang digunakan, gain proporsional dan laju konvergensi jaringan.
Gambar 9 Diagram alir perancangan jaringan RBF
Proses perancangan jaringan RBF jumlah fungsi basis menentukan besarnya nilai center dan deviasi yang digunakan dalam perhitungan
Gambar 11. Diagram alir algoritma kontrol RBF
5
Data parameter unjuk kerja pada pengujian ini diperlihatkan pada Tabel.1.
3.2 Perancangan Program Utama Perancangan perangkat lunak program utama ini secara garis besar bisa dilhat pada Gambar 12 diagram alir program utama. Perancangan program bertujuan untuk mengatur kerja sistem seperti inisialisasi register I/O dan variabel, scanning keypad, memilih kontroler, setting parameter, pembacaan hasil sensor, proses perhitungan jaringan syaraf tiruan RBF.
Tabel 2. Data parameter unjuk kerja sistem pada referensi 15 cm terhadap perubahan nilai gain proporsional
Darameter sistem Nilai Gain tr tp ts overshoot proposional detik detik detik (%) 0,1 35 40 47 5,3 0,2 27 35 41 4,6 0,3 25 33 42 4 0,4 23 35 47 3,3 0,5 21 30 45 3,3 0,6 21 27 43 2,3 0,7 22 25 48 3,3 0,8 21 23 27 2,3 0,9 22 25 35 4 1 21 23 28 4 4.2
Pengaruh Perubahan laju konvergensi Beberapa hasil pengujian Pengaruh Perubahan laju konvergensi Terhadap Transien Ketinggian Level Cairan ditunjukan pada Gambar 15, dan Gambar 16.
Gambar 12 Diagram alir program utama.
(a)
bobot awal nol
IV. PENGUJIAN dan ANALISIS 4.1
Pengaruh Perubahan Gain Proporsional Beberapa hasil pengujian Pengaruh Perubahan Gain Proporsional Terhadap Transien Ketinggian Level Cairan ditunjukan pada Gambar 13, dan Gambar 14.
(b) bobot hasil latih Gambar 15. Respon transien kendali RBF untuk referensi 15 denagan konvergensi 0,3
Gambar 13. Respon transien kendali RBF untuk referensi 15 cm dengan gain proporsional 0,2
(a) bobot awal nol
(b) bobot hasil latih Gambar 16. Respon transien kendali RBF untuk referensi 15 dengan Laju konvergensi 0,8
Gambar 14. Respon transien kendali RBF untuk referensi 15 cm dengan gain proporsional 0,8
6
Data parameter unjuk kerja pada pengujian pengaruh laju konvergensi diperlihatkan pada Tabel 3. Tabel 3. Data parameter unjuk kerja sistem pada referensi 15 cm terhadap perubahan nilai laju konvergensi
Nilai LK
tr
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
41 31 29 27 25 25 23 22 24 23
Bobot awal nol tp ts Mp
tr
Bobot hasil latih tp ts Mp
60 145 32,7 29 50 124 51 109 40,7 25 41 97 48 101 44 23 49 64 48 95 45,3 22 40 69 44 84 43,3 22 40 60 46 93 46,7 23 42 66 43 92 48,7 24 42 67 41 84 44 22 40 60 43 87 45,3 23 41 61 42 85 45,3 23 41 60
(b) bobot hasil latih Gambar 18. Respon transien kendali RBF jumlah fungsi basis 8 {lanjutan)
26 32 36 40 40 44 45 44 44 43
Data parameter unjuk kerja pada pengujian pengaruh jumlah fungsi basis diperlihatkan pada Tabel 4. Tabel 4. Data parameter unjuk kerja sistem pada referensi 15 cm terhadap perubahan jumlah fungsi basis
Jumlah fungsi basis 2 3 4 5 6 7 8 9 10
4.3 Pengaruh Perubahan Jmlah Fngsi Basis Beberapa hasil pengujian Pengaruh Perubahan jumlah fungsi basis Terhadap Transien Ketinggian Level Cairan ditunjukan pada Gambar 17, dan Gambar 18.
tr 25 25 26 25 27 27 28 32 32
Bobot awal nol tp ts Mp
tr
Bobot hasil latih tp ts Mp
52 219 56,7 24 43 127 48 118 52,6 22 40 78 48 96 50 23 41 67 44 85 44 22 40 63 47 85 44 25 41 73 46 79 40 23 38 57 45 76 26,5 24 38 59 50 85 36 30 48 67 49 96 35,3 32 48 68
45,3 42 43,3 40,7 37,3 32,7 30,7 35,3 32,6
4.4
Pengaruh Perubahan Referensi Naik dan Referensi Turun Pengujian dilakukan dengan parameter jaringan RBF sebagai berikut laju konvergensi 0,5 gain proporsional 0,8 dan jumlah fungsi basis 8. Hasil pengujian referensi naik dapat dilihat pada Gambar 19
(a) bobot awal nol
(b) bobot hasil latih Gambar 17. Respon transien kendali jumlah fungsi basis 3
(a) Bobot awal nol
(b) Bobot Hasil Latih Gambar 19. Respon Pengujian Referensi naik kendali RBF
(a) bobot awal nol Gambar 18. Respon transien kendali RBF jumlah fungsi basis 8
Data parameter dari hasil percobaan referensi naik seperti pada Tabel 5. 7
Tabel 5. Data parameter unjuk kerja sistem terhadap perubahan nilai referensi naik
Parameter unjuk kerja Ketinggian Waktu naik Waktu stabil Overshoot
0,8 laju konvergensi 0,5 dan jumlah basis 8. Setelah respon mencapai nilai referensi selanjutnya diberikan gangguan berupa pembukaan valve ganggguan. Setelah kondisi stabil valve utama ditutup kemudian valve utama dibuka kembali setelah kondisi sistem stabil. Hasil pengujian pemberian gangguan diperlihatkan pada Gambar 21.
Laju konvergensi = 0,5 Gain proporsional = 0,8 Jumlah basis = 8 Bobot awal nol Bobot hasil latih 10cm 10cm 16cm16cm– – 20cm 20cm 16cm 16cm 14 13 11 11 detik detik detik detik 60 70 37 56 detik detik detik detik 51,6 28,3 67,5 % 45 % % %
(a) Bobot awal nol
Pengujian dilakukan dengan parameter jaringan RBF sebagai berikut laju konvergensi 0,5 gain proporsional 0,8 dan jumlah fungsi basis 8. Hasil pengujian referensi naik dapat dilihat pada Gambar 20 dan data parameter unjuk kerja pada Tabel 6.
(b) Bobot hasil latih Gambar 21. Respon pengujian pemberian gangguan kendali RBF
BAB V PENUTUP (a) Bobot awal nol
5.1
Kesimpulan Setelah dilakukan perancangan, pembuatan, pengujian dan penganalisaan teknik kendali jaringan syaraf tiruan RBF dengan struktur kendali fixed stabilizing controller, proses pengaturan ketinggian cairan pada tangki penampung, maka dapat diambil kesimpulan sebagai berikut : 1. Kestabilan respon keluaran ketinggian level cairan akan sangat tergantung terhadap pemilihan parameter-parameter kendali yaitu: - Besarnya laju konvergensi berpengaruh semakin besar nilai laju konvergensi yang digunakan maka semakin cepat waktu yang dibutuhkan untuk mencapai kestabilan akan tetapi respon transien akan mengalami overshoot yang semakin besar. - Besarnya gain proporsional berpengaruh semakin tinggi nilai gain yang digunakan maka semakin cepat waktu yang dibutuhkan untuk mencapai referensi.
(b) Bobot hasil latih Gambar 20. Respon Pengujian Referensi turun kendali RBF Tabel 6. Data parameter unjuk kerja sistem terhadap perubahan nilai referensi tutun
Parameter unjuk kerja Ketinggian waktu stabil
Laju konvergensi = 0,5 Gain proporsional = 0,8 Jumlah basis =8 Bobot awal nol Bobot hasil latih 20cm 15 cm 20cm 15 cm – – – – 15cm 10cm 15cm 10cm 69 19 45 15 detik detik detik detik
4.4
Pengaruh Gangguan Terhadap Respon Sistem Pada saat pengujian digunakan referensi ketinggian 15 cm dengan nilai gain proporsional
8
-
jumlah fungsi basis berpengaruh semakin besar jumlah fungsi basis akan mempercepat waktu yang dibutuhkan untuk mencapai kestabilan dan memperkecil overshoot pada respon sistem. 2. Plant pengendalian ketinggian level caiaran jaringan syaraf tiruan RBF dengan nilai gain proporsional 0,8, laju konvergensi 0,5 dan jumlah fungsi basis 8 dapat untuk mengatasi gangguan yang diberikan. 3. Pada pengujian transien sistem dengan posisi valve utama terbuka penuh, respon keadaan tunak dan waktu naik terbaik dengan menggunakan parameter gain proporsional 0,8 laju konvergensil 0,5 dan jumlah fungsi basis 8.
[6] [7]
[8]
Colege-Publishing Company Inc, New York. 1994. Kusumadewi, Sri, Artificial Inteligence. GRAHA ILMU Yogyakarta, 2003. Tigor, Eduward, Tugas Akhir: Tuning Parameter Proporsional-Integral Dengan FL (Fuzzy Logic) Untuk Pengaturan Level Air Berbasis Mikrokontroler ATMega 8535, Universitas Diponegoro, Semarang, 2008. Widrow B, Stearns S D, Adaptive Signal Processing, Prentice hall, New Jersey. 1985
[9]
Winoto, Ardi, Mikrokontroler AVR ATmega8/32/16/8535 dan Pemograman dengan Bahasa C pada WinAVR ,Informatika, Bandung, 2008 [10] ……………,www.data2money.com/PDF/R BFpaper.pdf
5.2
Saran Pada pengembangan sistem lebih lanjut ada beberapa saran yang dapat dilakukan yaitu sebagai berikut: 1 Untuk penelitian pengendalian dengan menggunakan jumlah fungsi basis yang lebih besar dapat menggnakan mikrokontroler yang memiliki memori lebih besar. 2 Dapat dilakukan pengendalaian level cairan dengan metode gain scheduling dan MRAC.
Wahyu Nur Priyanto (L2F 307 051) Lahir di Brebes 22 September 1984. Saat ini sedang melanjutkan studi pendidikan strata I di Jurusan Teknik Elektro, Fakultas Teknik Universitas Diponegoro Konsentrasi Kontrol. Mengetahui dan mengesahkan,
DAFTAR PUSTAKA [1]
[2] [3]
[4]
[5]
Andrianto, Hari, Pemograman Mikrokontroler AVR ATMEGA16 Menggunakan Bahasa C (Code Vision AVR), Informatika, Bandung, 2008. Brown, Martin and Harris, Neurofuzzy Adaptive Modelling and Control, Prentice Hall Inc, 1994 Dani, Agus, Tugas Akhir: Aplikasi Jaringan Syaraf Tiruan RBF (Radial Basis Function) Untuk Pengendalian Kecepatan Motor Induksi Tiga Fasa Secara On-Line Mikrokontroler ATMega 8535, Universitas Diponegoro, Semarang, 2007. Hariyanto, Tugas Akhir: Aplikasi Jaringan Syaraf Tiruan RBF (Radial Basis Function) Pada Sistem Kontrol Valve Untuk Pengendalian Tinggi Muka Cairan Secara On-Line, Universitas Diponegoro, Semarang, 2007. Haykin, Simon, Neural Nerworks- A Comprehensive Foundation, Macmillan
9
Dosen Pembimbing I
Dosen Pembimbing II
Wahyudi, ST, MT NIP. 196906121994031001 Tanggal:____________
Iwan Setiawan, ST, MT NIP. 197309262000121001 Tanggal: ___________
