Makalah Fuzzy

download Makalah Fuzzy

of 12

Transcript of Makalah Fuzzy

MAKALAH

Aplikasi Kendali Fuzzy Metode Tsukamoto pada Pengendali Pengisian Bak Penampungan Air OtomatisDisusun Oleh : Agnes Dwi Cahyani 09518241007 Kelas : E

Pendidikan Teknik Mekatronika 2011

BAB I PENDAHULUANA. Latar Belakang Air merupakan salah satu kebutuhan yang secara tidak langsung wajib ada di dalam kehidupan sehari-hari kita. Dalam waktu satu hari pasti kita akan membutuhkan air. Karena air dilihat sangat penting dan sangat dibutuhkan, maka perlu adanya kreativitas untuk menghadapi masalah air ini. Salah satunya adalah dengan pembuatan baka penampungan air yang akan membantu pekerjaan manusia, yaitu bak penampungan air otomatis yang di rancang dengan prinsip jika air sudah penuh maka pengisian akan berhenti secara otomatis. Variabel yang di perhatikan dalam hal ini adalah level air dan volume air yang akan di alirkan kedalam bak penampungan sehingga alat dapat mengetahui lama waktu pengisian.Agar dihasilkan fungsi alat yang maksimal maka digunakan kendali Fuzzy metode Tsukamoto dalam pengendalinya. B. Perumusan Masalah Bagaimanakah Aplikasi Kendali Fuzzy Metode Tsukamoto pada Pengendali Pengisian Bak Penampungan Air Otomatis?

BAB II PEMBAHASAN2

Konsep Fuzzy Logic diperkenalkan oleh Prof. Lotfi Zadeh dari Universitas California di Berkeley pada 1965. Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan 0 dan 1. Berbeda dengan logika biner yang hanya mengenal pernyataan 1 atau 0, benar atau salah. Konsep matematis yang mendasari penalaran fuzzy sangat sederhna dan mudah dimengerti. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Antara input dan output terdapat suatu kotak hitam yang harus memetakan input dan output yang sesuai. Penggunaan logika Fuzzy ini cukup menguntungkan disaat kita memerlukan untuk menganalisi dua variable atau lebih karena logika Fuzzy : 1. Konsep logika fuzzy mudah dimengerti. 2. Logika fuzzy sangat fleksibel 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat 4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan 6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional. 7. Logika fuzzy didasarkan pada bahasa alami Untuk menyelesaiakan sebuah permasalahan dengan logika Fuzzy maka perlu tahapan sebagai berikut : 1. Pembentukan Himpunan Fuzzy. Tahun 1965, Profesor L.A. Zadeh memperkenalkan teori himpunan fuzzy, yang secara tidak langsung mengisyaratkan bahwa tidak hanya teori probabilitas saja yang dapat merepresentasikan ketidakpastian. Teori himpunan fuzzy adalah merupakan perluasan dari teori logika Boolean yang menyatakan tingkat angka 1 atau 0 atau pernyataan benar atau salah, sedangkan pada teori logika fuzzy terdapata nilai keangggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan A[x], memiliki 2 kemungkinan yaitu : satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Dalam perumusan masalah yang kami bahas dalam masalah ini, maka himpunan. Fuzzy yang didapat dalam aplikasi Kendali Fuzzy pada Pengendali Pengisian Bak Penampungan Air Otomatis adalah sebagai berikut :3

TABEL 1 HIMPUNAN FUZZY Fungsi Input Nama Variabel Semesta Pembicaraan Level air [0 40] Volume air [0 12] Output Waktu pengisian [0 60] Dari variabel yang telah dimunculkan, disusunlah domain himpunan fuzzy seperti terlihat pada tabel 2. TABEL 2 DOMAIN HIMPUNAN FUZZY Variabel Level air Nama Himpunan Fuzzy Rendah Sedang Tinggi Kecil Sedang Besar Cepat Waktu pengisian Sedang Lama 2. Fungsi Keanggotaan Fungsi Keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Ada Berbagai macam jenis pendekatan fungsi yang dapat digunakan, antara lain representatif linear, representatif kurva lonceng, representatif kurva normal,representative kurva bahu, dan representatif kurva segitiga. Dalam penyelesaian masalah dimakalah ini, kami menggunakan representatif kurva segitiga dalam penentuan fungsi keanggotaan. Domain [0 20] [10 30] [20 40] [0 6] [3 [6 [0 9] 12] 30]

Volume air

[15 45] [30 60]

Representasi variabel level air

4

[x]rendah = (20-x)/(20-0)0

;0x20 ; x20 ;x10 ;10x20 ;20x30 ; x20 ; 20x40 ; x40

[x]sedang = 0 (x-10)/(20-10) (30-x)/(30-20) [x]tinggi = 0 (x-20)/(40-20) 1

Representasi Variabel Volume Air

[x]rendah = (6-x)/(6-0) 0 [x]sedang = 0 (x-3)/(6-3) (9-x)/(9-6) [x]tinggi = 0 (x-6)/(12-6) 1

;0x6 ; x6 ;x10 ;3x6 ;6x9 ; x6 ; 6x12 ; x125

Representasi Variabel waktu pengisian

[x]rendah = (30-z)/(30-0)0

;0z30 ; z30 ;z10 ;15z45 ; z30 ; 30z60 ; z60

[x]sedang = 0 (45-z)/(45-15) [x]tinggi = 0 (z-20)/(40-20) 1

3. Aplikasi Fungsi Implikasi Tahap ini merupakan penentuan aturan dari sistem logika kabur. Aturan-aturan dapat dibentuk untuk menyatakan relasi antara input dan output. Tiap aturan merupakan suatu implikasi. Operator yang digunakan untuk menghubungkan antara dua input adalah operator AND, dan yang memetakan antara input-output adalah IF THEN. IF LEVEL AIR RENDAH SEDANG TINGGI Rule yang diujikan: AND VOLUME AIR KECIL SEDANG BESAR THEN WAKTU PENGISIAN CEPAT SEDANG LAMA

6

4. Komposisi Aturan Komposisi Aturan yang kami gunakan adalah Metode MIN-MAX dengan menggunakan operator AND. Disini operator AND berhubungan dengan operasi interseksi pada himpunan. Solusi humpunan Fuzzy sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan-himpunan yang bersangkutan.5. Penegasan (defuzzyfikasi)

Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai output. Dalam proses penyelesaian ini perlu adanya peran Fuzzy Expert Systems yang padakesempatan ini menggunakan metode Tsukamoto yaitu setiap konsekuen pada aturan yang

berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton (pada gambar). Sebagai hasilnya, output hasil inferensi dari tiap-

7

tiap aturan diberikan secara tegas (crisp) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.6. Diagram Operasi Alat START Masukan nilai variable level air Masukan nilai variable volume air

Mencari nilai keanggotaan

Menyelesaikan komposisi aturan komposisi aturan Penegasan ( Defuzzyfikasi )

Output waktu pengisian

Sto p?

END

7. Contoh Kasus

Suatu saat ketika akan mengisi Bak penampungan air, seorang anak memeriksa penunjuk level air dalam bak, saat itu menunjukan angka 17 dan untuk pengisian anak tersebut memilih volume yang mengalir pada bak setiap menitnya adalah 8 liter. Berapa lamakah waktu yang diperlukan untuk memenuhi bak tersebut jika rule yang digunakan : [R1] IF level air rendah AND volume air besar THEN waktu pengisian sedang. [R2] IF level air sedang AND volume air sedang THEN waktu pengisian cepat. [R3] IF level air rendah AND volume air sedang THEN waktu pengisian cepat Penyelesaian :8

1. Melihat dari masing-masing reperesentasi dan rule yang ada maka dapat dicari nilai

keanggotaan:a. Variable input level air

[17]rendah = (20-17)/(20-0) = 3/20 = 0.15 [17]sedang = (17-10)/(20-10) = 7/10 = 0,7b. Variabel input volume air

[8] sedang = (9-8)/(9-6) = 1/3 = 0,33 [8] besar = (8-6)/(12-6) = 2/6 = 0,332. Mencari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi

fungsi implikasinya. [R1] IF level air rendah AND volume air besar THEN waktu pengisian sedang. -predikat1 = levRENDAH AND volBESAR = 0,15 AND 0,33 = 0,15 Lihat himpunan waktu pengisian SEDANG: (z1-15)/(45-15) = 0,15 Z1-15 = 4,5 Z1 = 19,5 [R2] IF level air sedang AND volume air sedang THEN waktu pengisian cepat. -predikat2 = levRSEDANG AND volSEDANG = 0,7 AND 0,33 = 0,33 Lihat himpunan waktu pengisian CEPAT: (30-Z2)/(30-0) = 0,33 30-Z2 = 9,9 Z2 = 20,19

R3] IF level air rendah AND volume air sedang THEN waktu pengisian cepat -predikat3 = levRENDAH AND volSEDANG = 0,15 AND 0,33 = 0,15 Lihat himpunan waktu pengisian CEPAT: (30-Z3)/(30-0) = 0,15 30-Z3 = 4,5 Z3 = 25,53. Mencari nilai Z ( waktu pengisian)

Z= (-pred1xZ1) + (-pred2xZ2) + (-pred3xZ3) / -pred1+-pred2+-pred3 = (0,15x19,5) + ( 0,33x 20,1) + (0,15x25,5) / 0,15+0,33+0,15 = 2,925+6,633+3,825 / 0,63 = 21,24

BAB III PENUTUP

10

A. Kesimpulan Dari hasil penjelasan di atas dapat disimpulkan bahwa tahapan yang harus dilalui ketika menyelesaiakan kasus dengan kendali Fuzzy adalah : 1. Pembentukan Himpunan Fuzzy 2. Fungsi keanggotaan 3. Aplikasi fungsi implikasi 4. Komposisi aturan 5. Penegasan ( defuzzyfikasi) Dalam penerapannya sebagai pengendali pengisian bak penampungan air ini, sangat membantu karena orang yang mengisi air tidak perlu menunggu hingga air terisi penuh karena kran pengisi air akan mati secara otomatis jika bak telah terisi penuh B. Saran Karena pengendali ini merupakan barang elektronik yang mungkin akan mengalami kerusakan, maka dibutuhkan perawatan agar alat dapat digunkan dengan baik.

DAFTAR PUSTAKAThiang, Resmana, Wahyudi : Aplikasi Kendali Fuzzy Logic Untuk Pengaturan Kecepatan Motor Universal11

Nazrul Effendy, Adnan Syarafi Ashfahani, Arditya Yulinggar, Dan I Nyoman Kusuma Wardana : Aplikasi Kontrol Logika Fuzzy Pada Sistem Tracking Matahari (Sun Tracking System) Panel Photovoltaic. Sri Kusumadewi.2003.Artificial Intellegence (Teknik Dan Aplikasinya).Yogyakarta:Graha Ilmu.

12