21

BAB III

PERANCANGAN SISTEM

3.1 Tinjauan Umum

Pada bab ini membahas tentang perancangan dan pembuatan alat “Sistem

Pengendalian Beban Generator Menggunakan Metode Fuzzy PID ”. Pembuatan sistem ini akan menghasilkan kontrol beban generator secara otomatis.Hal ini karena sering terjadinya naik turunnya tegangan keluaran generator saat beban naik turun.dengan pengontrol beban ini bisa menyetabilkan tegangan saat beban naik turun Agar sistem tersebut dapat berjalan dengan baik dan sempurna, maka diperlukan perancangan dan perhitungan dari komponen-komponen yang dipakai agar kinerja dari sistem yang dibuat dapat bekerja secara optimal.

Mikrokontroler adalah sebuah sistem mikroprosesor di mana di dalamnya sudah terdapat CPU, ROM, RAM, I/O, clock dan perlatan internal lainnya yang sudah terhubung dan terorganisasi dengan baik oleh pabrik pembuatnya dan dikemas dalam satu chip yang siap pakai. Sehingga, dengan demikian kita tinggal memprogram isi ROM sesuai dengan aturan oleh pabrik pembuatnya. Salah satu contoh mikrokontroler yang banyak beredar di pasaran adalah mikrokontroler ATMega328

ATMega328 adalah mikrokontroller keluaran dari atmel yang mempunyai arsitektur RISC (Reduce Instruction Set Computer) yang dimana setiap proses eksekusi data lebih cepat dari pada arsitektur CISC (Completed Instruction Set

Computer).

3.2 Deskripsi Sistem

Gambar 3.1 Blok Diagram Deskripsi Sistem Pengedalian Beban Generator menggunakan Fuzzy PID

22

Sistem yang akan di bangun pada makalah ini adalah sebuah sistem pengendali beban generator seara otomatis,dan Pada dasarnya sistem ini bekerja sebagai pengendali loop tertutup.keseluruan blok diagram sistem yang dirancang dapat di lihat pada gambar 3.1 di atas.

Pada blok diagram diatas terlihat keseluruhan sistem yang akan di bangun. Dimana sebuah computer menjadi pemberi masukan yang akan dihubungkan ke mikrokntroller ATMega328 Dengan menggunakan serial usb sebagai penghubung. Mikrokontroller yang sudah di program akan menjadi inputan kepada PWM (pulse whit modulation). Dimana PWM ini berungsi utuk mengatur seberapa terang beban tiruan akan aktif dan keluaran PWM ini berfungsi sebagai masukan pengendali beban tiruan befungsi sebagai pemotong sinyal keluaran dari generator yang akan di samakan dengan sinyal PWM dari mikro. Mikrokontroller mendapat inputan dari keluaran generator yang melalui sensor tegangan jadi saat beban konsumen aktiif naik turu saat itu pula beban tiruan akan aktif menyesuaikan dengan setpoint.

3.3 Perancangan Perangkat Keras

Berikut ini yang akan di bahas adalah tentang perancangan dan pembuatan dari perangkat keras yang meliputi tentang mikrokontroller ATMega328, generator dan motor, sensor tegangan, pengendali beban tiruan, dan beban serta perancangan secara umum.

3.3.1 Generator

dalam perancangan perangkat keras “pengendalian benban generator secara otomatis menggunakan Fuzzy PID“ dimana generator berfungsi untuk mengeluarkan aliaran listrik terhadap beban dan output generator tersebut menjadi data awal setelah di beri beban yang berfariasi.

Gambar 3.2 generator DC

23

Tabel 3.1 Spesifiasi Generator DC

Parameter Nilai

Speed 2750 rpm Output DC 30V

Dimensi body panjang 13 cm x diameter 6 cm Dimensi shaft panjang 2cm x diameter 1 cm

Berat 1,5 kg arus 0,75A daya 25 watt

3.3.2 Motor

dalam perancangan perangkat keras “pengendalian benban generator secara otomatis menggunakan Fuzzy PID“ dimana motor berfungsi untuk penggerak generator atau pengganti air dan angin sebagai penggerak generator. Dimana motor sama generator spesifikasinya sama.

Gambar 3.3 Motor DC

Tabel 3.2 Spesifikasi Motor DC

Parameter Nilai

Speed 2750 rpm

Output DC 30V

Dimensi body panjang 13 cm x diameter 6 cm

Dimensi shaft panjang 2cm x diameter 1 cm

Berat 1,5 kg

arus 0,75A

daya 25 watt

24

3.3.3 Mikrokontroler ATMega328

ATMega328 adalah mikrokontroller keluaran dari atmel yang mempunyai arsitektur RISC (Reduce Instruction Set Computer) yang dimana setiap proses eksekusi data lebih cepat dari pada arsitektur CISC (Completed Instruction Set

Computer). Mempunyai 130 macam instruksi yang hampir semuanya dieksekusi dalam satu siklus clock dan 32 x 8-bit register yang serba guna, Kecepatan mencapai 16 MIPS dengan clock 16 MHz. Memiliki EEPROM (Electrically

Erasable Programmable Read Only Memory) sebesar 1KB sebagai tempat penyimpanan data semi permanent karena EEPROM tetap dapat menyimpan data meskipun catu daya dimatikan, dan SRAM (Static Random Access Memory) sebesar 2KB. pin I/O digital sebanyak 14 pin 6 diantaranya PWM (Pulse

Width Modulation) output, dan Master / Slave SPI Serial interface.Mikrokontroller ATmega 328 memiliki arsitektur Harvard, yaitu memisahkan memori untuk kode program dan memori untuk data sehingga dapat memaksimalkan kerja dan parallelism

Gambar 3.4 ATMega328

Penggunaan Port-Port ATMega328

1.Port input =PC.1 sebagai input dari sensor tegangan

2.Port output =PB.1 sebagai output ke rangkaian pengendali beban tiruan

25

Pada perancangan “pengendalian benban generator menggunakan metode Fuzzy PID“ ini digunakan modul mikrokontroler yang di produksi oleh alka shofware. Di dalam modul mikrokontroler tersebut sudah sperti arduino cuman bahasa untuk mikro yang digunakan adalah BASCOM.

3.3.4 Sensor Tegangan

Sensor tegangan berfungsi untuk mengubah besaran tegangan input menjadi besaran output yang diinginkan. Sensor ini digunakan untuk mengubah tegangan output generator DC sebesar 10.30V sampai 11.47V menjadi tegangan 5V. Dikarenakan pembacaan analog pada microcontroller hanya mampu membaca range sebesar 0 – 5V. Berikut merupakan gambar sensor tegangan yang digunakan.

Gambar 3.5 Sensor Tegangan

Spesifikasi sensor tegangan yang digunakan: Tegangan input : DC 0 – 25 V Tegangan Output : DC 0 – 5 V

Konfigurasi pin output: terminal positif (+) hubungkan dengan VCC, negative (-) hubungkan dengan GND, output sensor (s) hubungkan dengan input analog

3.3.5 Rangkaian Pengendali Beban Tiruan

pengendali beban tiruan befungsi sebagai pemotong sinyal keluaran dari generator yang akan di samakan dengan sinyal PWM dari mikrokontroler dimana jika beban konsumen lebih dari setpoin makan pengendali beban akan mengaktivkan PWM untuk menyalakan benban tiruan supaya trun mencapai setpoin.

26

Gambar 3.6 Rangkaian Pengendali Beban Tiruan

Dimana komponen yang di gunakan adalah :

1. IC :IC4N25 2. Mosfet :IRFZ44N 3. Kapasitor :C1= 0,01 µf 4. Resistor :R1=330Ω, R2=1.1kΩ, R3=1kΩ 5. Dioda :D1,D2=BY500-800

3.4 perancangan sistem Fuzzy PID logic

Kontrol PID merupakan algoritma kontrol yang banyak digunakan di industri proses karena bentuknya yang sederhana dan mudah diimplementasikan. Pada kondisi operasi tertentu (seperti misalnya sering terjadi gangguan pada proses atau parameter proses yang berubah-ubah), parameter control ini harus sering di-tuned agar kinerjanya tetap baik. Salah satu teknik dalam sistem kontrol yang sering dilakukan untuk mengatasi permasalahan ini adalah dengan menggunakan metode PID Gain Scheduling, dimana parameter kontrol diubah secara otomatis jika terjadi perubahan kondisi operasi yang menyebabkan kinerja kontrol menurun.

27

Sebelum merancang kontroler fuzzy harus dicari dulu kontroler PID yang sesuai untuk setiap pembebanan. Dengan merancang kontroler PID ini maka akan didapatkan nilai fungsi keanggotaan untuk output pada kontroler fuzzy.

Dalam rangka memberikan contoh penggunaan fuzzy logic di bidang kontrol proses, maka selanjutnya akan dibahas salah satu metode PID gain scheduling dengan menggunakan fuzzy logic. Metode ini dinamakan Fuzzy PID gain scheduling.

3.4.1 Fuzzifier menerjemahkan informasi input, dalam hal ini error E dan perubahan error DE

menjadi informasi fuzzy m(0,1), yang bernilai antara 0 dan 1. Penerjemahannya menggunakan triangular membership function (triangular fuzzifier), seperti pada gambar berikut. Dimana NB(Negative Big), NM(Negative Medium), EZ(Enter Zero), PM(Positiv Medium), PB(Positive Big)

Grafik 3.1 Fungsi Keanggotaan Error

𝑁𝐵, 𝜇 𝑥 =

1,𝑥 ≤ −10,𝑥 ≥ −0.5

−0.5−𝑥

−0.5−(−1),−1 < 𝑥 < −0.5

𝑁𝑀, 𝜇 𝑥 =

0,𝑥 ≤ −1 𝑎𝑡𝑎𝑢 𝑥 ≥ 0𝑥 − (−1)

−0.5 − (−1),−1 < 𝑥 ≤ −0.5

0 − 𝑥

0 − (−0.5),−0.5 < 𝑥 < 0

1-1 0-0.5 0.5

Himpunan Error

EZNMNB PM PB1

error

28

𝐸𝑍, 𝜇 𝑥 =

0,𝑥 ≤ −0.5 𝑎𝑡𝑎𝑢 𝑥 ≥ 0.5𝑥 − (−0.5)

0 − (−0.5),−0.5 < 𝑥 ≤ 0

0.5 − 𝑥

0.5 − 0, 0 < 𝑥 < 0.5

𝑃𝑀,𝜇 𝑥 =

0, 𝑥 ≤ 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 1𝑥−0

0.5−0, 0 < 𝑥 ≤ 0.5

1−𝑥

1−0.5, 0.5 < 𝑥 < 1

𝑃𝐵, 𝜇 𝑥 =

1, 𝑥 ≥ 10, 𝑥 ≤ 0.5

𝑥−0.5

1−0.5, 0.5 < 𝑥 < 1

Grafik 3.2 Fungsi Keanggotaan D Error

𝑁𝐵,𝜇 𝑥 =

1, 𝑥 ≤ −0.50, 𝑥 ≥ −0.25

−0.25−𝑥

−0.25−(−0.5),−0.5 < 𝑥 < −0.25

𝑁𝑀, 𝜇 𝑥 =

0,𝑥 ≤ −0.5 𝑎𝑡𝑎𝑢 𝑥 ≥ 0𝑥 − (−0.5)

−0.25 − (−0.5),−0.5 < 𝑥 ≤ −0.25

0 − 𝑥

0 − (−0.25),−0.25 < 𝑥 < 0

29

𝐸𝑍, 𝜇 𝑥 =

0,𝑥 ≤ −0.25 𝑎𝑡𝑎𝑢 𝑥 ≥ 0.25𝑥 − (−0.25)

0 − (−0.25),−0.25 < 𝑥 ≤ 0

0.25 − 𝑥

0.25 − 0, 0 < 𝑥 < 0.25

𝑃𝑀,𝜇 𝑥 =

0,𝑥 ≤ 0 𝑎𝑡𝑎𝑢 𝑥 ≥ 0.5𝑥 − 0

0.25 − 0, 0 < 𝑥 ≤ 0.25

0.5 − 𝑥

0.5 − 0.25, 0.25 < 𝑥 < 0.5

𝑃𝐵, 𝜇 𝑥 =

1, 𝑥 ≥ 0.50, 𝑥 ≤ 0.25

𝑥−0.25

1−0.25, 0.25 < 𝑥 < 0.5

Sehingga pada sistem ini nilai Kp, Ki, Kd akan menjadi fungsi keanggotaan

pada output pada fuzzy. Pada output fuzzy akan dibutuhkan 3 output yaitu output

yang memberikan nilai Kp, Ki, dan Kd. Sehingga pada fungsi keanggotaan input terdapat 3 fungsi keanggotaan yang masing-masing mewakili Kp, Ki, dan Kd. Sehingga pada fuzzy ini terdapat 3 kontroler fuzzy yang masing-masing memiliki satu fungsi keanggotaan input dan satu fungsi keanggotaan output.

Karena tujuan akhir dari kontroler fuzzy hanya mengeluarkan nilai Kp, Ki, dan Kd yang sesuai saat pembebanan kondisi tertentu maka rule base pada ada 5 pernyataan di setiap gain Kp, Ki, dan Kd.

3.4.2 Rule Base

berisi sekumpulan pernyataan fuzzy dalam bentuk IF … THEN …….. Disini akan digunakan rule berikut

Tabel 3.3 Rule base Kp Error /D error NB NM EZ PM PB NB S S S B B NM S S B B B EZ S B B B S PM B B B S S PB B B S S S

Tabel 3.4 Rule base Ki Error /D error NB NM EZ PM PB

NB B B B S S NM B B B B S EZ B B B S B PM B B B B B PB B B B B B

30

Tabel 3.5 Rule base Kd Error /D error NB NM EZ PM PB

NB B B B B S NM B B B S B EZ B B S B B PM B S B B B PB S B B B B

3.4.3 Defuzzifikasi

Metode yang digunakan adalah rata-rata terbobot (weight average). Metode inimerupakan sebuah proses untuk mencari nilai keluaran tunggal yang tegas diperoleh dengan menjumlahkan perkalian antara masing-masing nilai fuzzy dari setiap fungsi keanggotaan dengan nilai tegas fuzzy dibagi dengan jumlah nilai-nilai fuzzy. Pendekatan matematis dari metode weight average adalah sebagai berikut:

𝑍 = 𝐶1𝑋𝑍1 + 𝐶2𝑋𝑍2 + 𝐶3𝑋𝑍3 +⋯+ 𝐶49𝑋𝑍49

𝐶1+𝐶2+𝐶3+⋯+𝐶49 …………..…...…...….(2.10)

3.5 Contoh Kasus

Diketahui nilai errornya = 0.3 Nilai Derrornya = -0.1 fazifikasi

Grafik 3.3 Saat Nilai Error 0.3

𝐸𝑍 =0.5 − 𝑥

0.5 − 0=

0.5 − 0.3

0.5 − 0= 0.4

𝑃𝑀 =𝑥 − 0

0.5 − 0=

0.3 − 0

0.5 − 0= 0.6

31

Grafik 3.4 Saat Nilai Derror -0.1

𝑆𝑀 =0 − 𝑥

0 − (−0.25)=

0 − (−0.1)

0 − (−0.25)= 0.4

𝐷𝑍 =𝑥 − (−0.25)

0 − (−0.25)=−0.1 − (−0.25)

0(−0.25)= 0.6

Fuzzy rule Kp

Tabel 3.6 Fuzzy Rule Kp Pada Contoh Kasus E/DE NB 0.4 0.6 PM PB

NB S S S B B NM S S B B B 0.4 S 0.4 0.4 B S 0.6 B 0.4 0.6 S S PB B B S S S

Defuzzyfikasi Kp

𝑲𝒑 =( 𝟎.𝟒𝒙𝟓𝟎𝟎 + 𝟎.𝟒𝒙𝟓𝟎𝟎 + 𝟎.𝟒𝒙𝟓𝟎𝟎 + (𝟎.𝟔𝒙𝟓𝟎𝟎))

(𝟎.𝟒 + 𝟎𝟒 + 𝟎.𝟒 + 𝟎.𝟔)

Kp = 500

Fuzzy rule Ki

Tabel 3.7 Fuzzy Rule Ki Pada Contoh Kasus E/DE NB 0.4 0.6 PM PB

NB B B B S S NM B B B B S 0.4 B 0.4 0.4 S B 0.6 B 0.4 0.6 B B PB B B B B B

32

Defuzzyfikasi Ki

𝑲𝒊 =( 𝟎.𝟒𝒙𝟐𝟎 + 𝟎.𝟒𝒙𝟐𝟎 + 𝟎.𝟒𝒙𝟐𝟎 + (𝟎.𝟔𝒙𝟐𝟎))

(𝟎.𝟒 + 𝟎𝟒 + 𝟎.𝟒 + 𝟎.𝟔)

Ki = 20

Fuzzy rule Kd

Tabel 3.8 Fuzzy Rule Kd Pada Contoh Kasus E/DE NB 0.4 0.6 PM PB NB B B B B S NM B B B S B 0.4 B 0.4 0.4 B B 0.6 B 0.4 0.6 B B PB S B B B B

Defuzzyfikasi Ki

𝑲𝒅 =( 𝟎.𝟒𝒙𝟏𝟎𝟎 + 𝟎.𝟒𝒙𝟗𝟗 + 𝟎.𝟒𝒙𝟗𝟗 + (𝟎.𝟔𝒙𝟏𝟎𝟎))

(𝟎.𝟒 + 𝟎𝟒 + 𝟎.𝟒 + 𝟎.𝟔)

Kd =99,5555556