PROPOSAL TUGAS AKHIR

PENGONTROLAN SUHU DAN KELEMBAPAN UDARA DI DALAM RUANG

INKUBATOR DENGAN MENGGUNAKAN KONTROL FUZZY

Oleh:

Moh. Imron Rasyidi

NRP.1107 100 060

Pembimbing:

Dr. Melania Suweni Muntini, MT

NIP. 19641229 199002.2.001

JURUSAN FISIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

2012

LEMBAR PENGESAHAN PROPOSAL TUGAS AKHIR

JURUSAN FISIKA FMIPA-ITS

a. Judul : Pengontrolan Suhu dan Kelembapan Udara di Dalam Ruang

Inkubator dengan Menggunakan Kontrol Fuzzy

b. Bidang Studi : Fisika Instrumen

c. Nama : Moh. Imron Rasyidi

d. NRP : 1107 100 060

e. Jenis Kelamin : Laki - Laki

f. Jangka Waktu : 3 bulan

g. Pembimbing : Dr. Melania Suweni Muntini, MT.

h. Usulan Proposal ke : I

i. Status : Baru

Koordianator Tugas Akhir

Drs. Gatut Yudoyono, M.T.

NIP. 19640616 198903.1.004

Surabaya, 10 Oktober 2012

Mahasiswa

Moh. Imron Rasyidi

NRP. 1107 100 060

Dosen Pembimbing

Dr. Melania Suweni Muntini, M.T.

NIP. 19641229 199002.2.001

I. Judul

Judul program ini adalah Pengontrolan suhu dan kelembapan udara di dalam

ruang inkubator dengan menggunakan kontrol fuzzy.

II. Latar Belakang

Kontrol cerdas akhir-akhir ini semakin tidak dapat dipisahkan dengan berbagai

instrumentasi yang menggunakan teknologi modern.Seiring dengan perkembangan

zaman berbagai jenis kontrol cerdas juga semakin beragam, salah satu diantaranya adalah

Fuzzy LogicKontroller (FLC).FLC merupakan jenis kontrol yang menggunakan bahasa

menusia sebagai parameter pengontrolan yang sangat memudahkan bagi pemakainya

untuk mendesign sistem kontrol yang diharapkan.Disamping itu, penggunaan FLC tidak

memerlukan persamaan matematis yang rumit melainkan hanya dengan persamaan yang

sederhana dan mudah.

Karena alasan kemudahan dan tingkat kestabilan serta kecepatan dalam merespon

perubahan keadaan dalam mengontrol objek yang hendak dikontrol, FLC sangat cocok

digunakan untuk mengontrol temperature dan kelembapan udara di dalam ruang

inkubator, karena ruang inkubator memerlukan kondisi dengan temperature dan

kelembapan tertentu dengan lebar jangkauan masing-masing temperature dan

kelembapan yang sangat sempit.

III. Rumusan Masalah

Beberapa masalah yang akan dibahas dalam tugas akhir ini antara lain:

a. Pemilihan jumlah fungsi keanggotaan dan persamaan matematisnya.

b. Pemilihan variable masukan fuzzy yang akan di fuzzyfikasi.

IV. Tujuan

Tujuan dari penelitian ini adalahu untuk mempertahankan kondisi temperature dan

kelembapan udara di dalam ruang inkubatorsama dengan setpoint.

V. Batasan Masalah

Beberapa batasan masalah yang akan dibahas di dalam tugas akhir ini antara lain

a. Kontrol fuzzy hanya digunakan untuk mengontrol jumlah sprayer ( sumber

kelembapan ), heater ( sumber panas ), dan kipas ( sumber dingin ) yang akan

dinyalakan maupun dimatikan.

b. Kelembapan yang diinginkan hanya untuk setpoint 75%, 80%, 85%, dan 90%.

c. Temperature yang diinginkan hanya untuk setpoint 35, 36, 37, dan 38 C.

d. Variable yang akan dimasukkan ke dalam kontrol fuzzy adalah variable eror yang

dihasilkan oleh selisih antara masing-masing kelembapan dan temperature saat ini

dengan masing-masing setpointnya.

VI. Sistematika Penulisan

Proposal tugas akhir ini terdiri dari 5 bagian, yaitu pendahuluan, tinjauan pustaka,

metodologi penelitian, jadwal pelaksanaan, dan penutup.Pendahuluan terdiri dari latar

belakang, rumusan masalah, tujuan, batasan masalah dan sistematika penulisan.Tinjauan

pustaka yang terdiri dari sejumlah teori dasar yang berkaitan erat dengan penelitian

ini.Metodologi penelitian yang terdiri dari tahap perencanaan, desain, dan langkah kerja

dalam proses pengambilan data. Jadwal pelaksanaan berisi tentang rencana pelaksanaan

kegiatan penelitian untuk tugas akhir.Dan terakhir penutup serta daftar pustaka dan

pengesahan

VII. TINJAUAN PUSTAKA

7.1 KonsepLogika Fuzzy

Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinue.

Samar dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.Oleh

sebab itu, sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang

sama1.

a. Struktur Dasar Logika Fuzzy

Pada dasarnya struktur logika fuzzy dapat digambarkan seperti berikut :

Basis

Pengetahuan

Fuzzifikasi Defuzzifikasi

Logika

Pengambilan

KeputusanFuzzy Fuzzy

input output

Gambar 7.1 Struktur Dasar Logika Fuzzy

Fungsi dari bagian-bagian di atas adalah sebagai berikut:

Fuzzifikasi Berfungsi untuk mentransformasikan sinyal masukan yang bersifat crisp ( bukan

fuzzy ) ke himpunan fuzzy dengan menggunakan operator fuzzifikasi.

Basis Pengetahuan Berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah

daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol.

Logika Pengambil Keputusan merupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusia

dalam mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakan

implikasi fuzzy dan mekanisme inferensi fuzzy.

Defuzzifikasi berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat

fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator

defuzzifikasi1.

b. Fungsi keanggotaan

Fungsi keanggotaan (membership function ) dari himpunan fuzzy adalah suatu

fungsi yang menyatakan keanggotaan dari suatu himpunan nilai-nilai. Penentuan

nilai-nilai diperoleh dari rule / kaidah fuzzy yang menggunakan metoda implikasi.

Ada dua metoda untuk mendefinisikan keanggotaan himpunan fuzzy, pertama secara

numerik dinyatakan sebagai suatu nilai vektor yang besarnya tergantung dari level

diskritnya. Fungsi keanggotaan fuzzy yang sering digunakan antara lain :

1. Fungsi representasi linier Pada representasi linier, pemetaan input ke derajat keanggotaannya

digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi

pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.Keadaan linier

himpunan fuzzy terdiri dari dua keadaan linier naik dan linier turun. Pada linier

naik, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat

keanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajat

keanggotaan lebih tinggi dengan fungsi keanggotaan :

Gambar grafik fungsi representasi naik

Sedangkan pada linier turun, garis lurus dimulai dari nilai domain dengan

derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai

domain yang memiliki derajat keanggotaan lebih rendah dengan fungsi

keanggotaan.

Gambar grafik fungsi representasi turun

2. Fungsi keanggotaan segitiga Fungsi keanggotaan segitiga ditandai oleh adanya 3 (tiga) parameter {a,b,c}

yang akan menentukan koordinat x dari tiga sudut. Kurva ini pada dasarnya

merupakan gabungan antara dua garis (linier). Adapun persamaan untuk bentuk

segitiga ini adalah:

Gambar grafik fungsi keanggotaan segitiga

3. Variabel linguistic

Variabel linguistik dalam penjabaranya diungkapkan dalam bahasa

natural/alami yang dapat mengikuti pola pikir manusia dimana nilai nilainya

didefinisikan dengan istilah linguistik. Secara umum variabel yang sering

digunakan adalah negatif Big (NB), Negatif Medium (NM), Zero (Z), Positif

Small (PS), Positif Medium (PM), Positif Big (PB), dan seterusnya.

4. Fuzzyfikasi

Fuzzifikasi merupakan suatu proses pengubahan variable non-fuzzy(crisp)

kedalam variabel fuzzy, variable input(crisp) dipetakan ke bentuk himpunan fuzzy

sesuai dengan variasi semesta pembicaraan input. Pemetaan titik-titik numerik (

crisp points)x = (x1, x

2, , xn)T U ke himpunan fuzzy A pada semesta

pembicaraan U. Data yang telah dipetakan selanjutnya dikonversikan ke dalam

bentuk linguistik yang sesuai dengan label dari himpunan fuzzy yang telah

terdefinisi untuk variabel input sistem.

Di dalam pemetaan ini terdapat dua kemungkinan pemetaan yaitu :

Fuzzyfikasi singleton : A adalah fuzzy singleton dengan support x, artinya:

lainyangUxuntuk

xxuntukx

o

A0

1)(

Fuzzyfikasi nonsingleton: A ( x) =1 dan A ( x) menurun dari 1 sebagaimana x bergerak menjauh dari x. Sebagai contoh :

2

)'()'(exp)(

xxxxx

T

A

Fuzzifikasi memiliki dua komponen yang utama, yaitu :

Fungsi keanggotaan himpunan fuzzy. Fungsi keanggotaan Merupakan sebuah kurva yang menggambarkan pemetaan

dari input ke derajat keanggotaan antara 0 dan 1. Melalui fungsi keanggotaan

yang telah disusun maka dari nilai-nilai masukan tersebut menjadi informasi

fuzzy yang berguna nantinya untuk proses pengolahan secara fuzzy pula.

Banyaknya jumlah fungsi keanggotaan dalam fuzzy set menentukan banyaknya

aturan yang harus dibuat.

Label. Didalam Fuzzy set tentunya memiliki beberapa fungsi keanggotaan, jumlah

dari keanggotaan inipun disesuaikan dengan banyaknya kebutuhan. Setiap

fungsi keanggotaan dapat didefinisikan dengan label atau nama. Dapat

dinyatakan dengan besar, sedang, kecil atau sesuai dengan keinginan.

Gambar 7.7 input fuzzy dengan 3 fungsi keanggotaan

5. Basis pengetahuan

Basis pengetahuan terdiri dari fakta (Data Base), dan kaidah atur (Rule

Base). Fakta merupakan bagian pengetahuan yang memuat informasi tentang

Grade membership

fungtion (F)

Sedang besarkecil1

0

kecepatan

objek, peristiwa, atau situasi. Fakta umumnya menyatakan kondisi statik dari

suatu objek. Sedangkan kaidah (Rule base) berisi informasi tentang cara

membangkitkan fakta baru atau hipotesa fakta yang sudah ada.

Basis Data (Data Base). Basis data berfungsi untuk mendefinisikan himpunan-himpunan fuzzy dari

sinyal masukan dan sinyal keluaran agar dapat digunakan oleh variabel

linguistik dalam basis aturan. Dalam pendefinisian tersebut biasanya dilakukan

secara subjektif dengan menggunakann pendekatan heuristik dan didasarkan

pada pengalaman dan pertimbangan yang menyangkut kerekayasaan, sehingga

bergantung penuh pada perancang.

Kaidah Atur (Rule Base). Kaidah atur dalam fuzzy ini biasanya tersusun dengan pernyataan :

IF (antecedent) THEN (consequent) atau dapat juga

IFx is A THENy is B.

Antecedent : berisi himpunan fakta input (sebab).

Consequent : berisi himpunan fakta output (akibat).

IF THEN dalam logika fuzzy akan melakukan pemetaan dari himpunan fuzzy input kehimpunan fuzzy output.

6. Logika pengambil keputusan

Sering pula disebut sebagai Fuzzy Inference sistem (FIS) merupakan bagian

terpenting dalam logika fuzzy.Langkah yang dilakukan pada tahap ini yaitu

mengevaluasi aturan, dimana mengevaluasi aturan mempunyai arti yaitu logika

fuzzy mengolah dan menyimpulkan proses yang tersusun dari rule IF...THEN,

setiap rule menghasilkan satu output. Pada dasarnya satu rule akan aktif apabila

kondisi input memenuhi aturan pernyataan IF. Pengaktifan aturan pernyataan IF

menghasilkan output kontrol yang didasarkan pada aturan pernyataan THEN.

Dalam sistem fuzzy digunakan banyak rule yang menyatakan satu atau lebih

pernyataan IF. Suatu rule dapat pula mempunyai beberapa kondisi input, yang satu

sama lainya dihubungkan dengan AND atau OR untuk mendapatkan rule output.

7. Defuzzyfikasi

Defuzzifikasi merupakan proses merubah output fuzzy dari FIS (fuzzy

inference sistem) menjadi output crips. Bentuk umum proses defuzzyfikasi

diyatakan dengan:

Z0 = defuzzier (z)

dimana z adalah aksi pengendalian fuzzy, Z0 adalah aksi pengendali crisp, dan

defuzzifier adalah operator defuzzifikasi.

Terdapat dua macam metode defuzzifikasi, yaitu :

Metode Titik Pusat (Center Of Area, COA). Metode ini membagi dua momen pertama fungsi keanggotaan, dan harga v0yang

menandai garis pembagi adalah harga V yang terdefuzzifikasi.

Secara algoritmik dinyatakan :

v

v

v

v

dvv

dvvv

v)(

)(

0

........................................................................ 7.1.1)

sedangkan dalam semesta diskrit dapat dinyatakan :

m

k

kv

m

k

kvk

v

vv

v

1

10

)(

)(

................................................................... 7.1.2

Metode Titik Tengah Maksimum (Mean Of Maximum, MOM). Merupakan metode defuzzifikasi yang merepresentasikan nilai titik tengah dari

keluaran yang fungsi anggotanya maximum. Fungsinya ditunjukkan sebagai:

n

i l

izz1

0 ............................................................... 7.1.3

dimana zi adalah nilai pendukung dengan fungsi keanggotaan bernilai maximum

dan l adalah banyaknya nilai pendukung1.

7.2 Sensor Suhu dan Kelembapan HSM-20G

Sensor HSM-20G merupakan sensor suhu sekaligus merupakan sensor

kelembapan dengan keluaran berupa tegangan analog. Berikut ini gambar fisik dari

sensor ini:

Gambar 2.2.1 bentuk fisik dari sensor HSM-20G

Gambar 2.2.2.dimensi fisik dari sensor HSM-20G dan rangkain skematiknya

a. Karakteristik SensorHSM-20G

Karakteristik dari sensor HSM-20G dapat dilihat pada gambar 2.2.2 berikut ini:

Gambar 2.2.3 Spesifikasi dari sensor HSM-20G

7.3 Inkubator

Inkubator adalah kamar atau kotak yg bersuhu tetap (biasanya 37oC)

4. Selain bersuhu

tetap biasanya kelembapan di dalam ruangan ini juga tetap. Sedangkan dimensi dari

inkubator ini bias bermacam-macam tergantung kebutuhan dari pemakainya.

7.4 Pulse width modulation ( PWM )

Pulse Width Modulation (PWM) atau modulasi lebar pulsa merupakan

sinyaldigital berupa gelombang kotak (square wave) dimana duty cycle dari

gelombang kotak tersebut dapat diatur sesuai dengan kebutuhan sistem. Gelombang

kotak f(t) yang ideal dengan periode T ditunjukkan sepertipada Gambar 2.4.1.

Gambar2.4.1 Gelombang kotak f (t) yang ideal dengan periode T

Gelombang kotak seperti pada Gambar 2.4.1memiliki duty cycle(D) seperti pada

persamaan berikut:

........................................................... 7.4.1

Dimana :

= waktu gelombang kotak selama berlogika tinggi

T =periode gelombang kotak.

Sedangkan tegangan rata-rata sebuahgelombang adalah sesuai pada

persamaan:

( )

.................................... 7.4.2

Dimana :

y : tegangan rata-rata gelombang

T: periode gelombang

Gelombang kotak f(t) pada Gambar 2.4.1berada pada nilai 0 < t < dan <

t

Modulasi Lebar Pulsa juga dapat digunakan untuk mengontrol daya tanpa

membuang sejumlah daya pada driver beban menjadi bentuk energi lain.

Bila dibandingkan dengan menambah resistor beban untuk mengurangi atatau

menambah daya pada beban utama, maka penggunaan PWM lebih menguntungkan

karena tidak ada beban yang dialihkan melainkan dikurangi atau ditambah dengan

variasi dari waktu duty cycle-nya3.

7.5 Hubungan antara energi listrik dengan kalor

Heater atau pemanas listrik biasanya menggunakan elemen pemanas yaitu suatu

elemen yang akan membangkitkan panas bila dialiri arus listrik dan biasanya terbuat dari

kawat nikrom ( paduan nikel dan krom ). Adapun panas yang dihasilkan dari elemen

pemanas ini mengikuti rumus sebagai berikut:

................................................ 7.5.1

dimana :

U = energi listrik yang berubah menjadi panas (Joule)

I = arus listrik (Ampere)

R = hambatan listrik (Ohm)

t = waktu (detik)

Jadi energi listrik yang diubah menjadi panas tergantung pada arus listrik ( I )

yang mengalir, besar hambatan ( R ) dan lama arus listrik mengalir ( t ) 2.

VIII. METODOLOGI PENELITIAN

Dalam perancangan ini, langkah-langkah yang akan dilakukan untuk mencapai tujuan

penelitian ini adalah:

1. Studi literature

Meliputi pemahaman tentang hal-hal yang mendasari penyelesaian masalah dalam

penelitian ini.Adapun materi yang perlu dipelajari adalah pemahaman mengenai

konsep logika fuzzy, pemahaman tentang karakteristik sensor, serta interfacing untuk

mendapatkan luaran yang diharapkan.Disamping itu, dilakukan juga penjajakan jurnal

yang berkaitan dengan penelitian ini.

2. Perancangan alat

Meliputi persiapan alat dan bahan yang akan digunakan untuk pembuatan inkubator

dan hardware untuk sistem kendali. Diantara alat dan bahan yang dibutuhkan adalah

valve, multitester digital, osiloskop, minimus sistem ATmega16, heater 400 watt,

kipas angin, heat exchange / radiator, tabung air, sprayer/nozel, pompa air mini, power

supply DC 24 volt 3 Ampere, saklar elektronik (triac), regulator 5 dan 12 volt,

converter usb to serial rs232, motor listrik, inkubator bahan akrilik berdimensi 50cm x

50cm x 50cm, thermometer alkohol/raksa, dan humidimeter.Sedangkan proses

pembuatannya meliputi desain rangkaian minimum sistem, desain aktuator, dan desain

kotak inkubator.

3. Perancangan software

Meliputi pembuatan software untuk pembacaan sensor dan pengendalian aktuator

yang di benamkan ke mikrokontroler sertasoftware untuk sistem kendali fuzzy di

PC/laptop.

4. Pengujian sistem dan pengambilan data

Data input yang digunakan untuk kontrol fuzzy logic adalah dari hasil pembacaan

sensor suhu dan kelembapan yang digunakan untuk membaca keadaan didalam ruang

inkubator, dimana data yang dihasilkan adalah informasi tentang suhu dan kelembapan

di dalam ruang inkubator.

Adapun data yang akan diambil adalah data suhu dan data kelembapan yang terbaca

oleh sensor sejak awal pembacaan hingga mencapai waktu yang ditentukan dengan

cara sebagai berikut:

a. Setiap setengah detik data suhu dan kelembapan diambil ( secara software ) dan

dimasukkan ke dalam database sekaligus sebagai masukan untuk kendali fuzzy.

b. Setiap satu menit database dikelompokkan menjadi data yang berurutan.

c. Setiap 10 menit data di pindahkan ke software pengolah data.

5. Pengolahan data input

Data input untuk model logika fuzzy terlebih dihulu dikonversikan kedalam bentuk

data selisih antara data hasil pembacaan sensor terhadap setpoint tertentu yang

diharapkan dari masing veriabel suhu dan kelembapan. Sedangkan data keluaran yang

dihasilkan adalah data kelembapan dan suhu yang sesuai dengan setpoint yang

diharapkan.

6. Penyusunan dan penulisan laporan

Alur penyusunan dan penulisan laporan ini diagram alir seperti di berikut ini:

(a) (b)

Gambar 8.x diagram alir (a) penelitian dan (b) untuk kendali fuzzy

7. JADWAL PELAKSANAAN

Penelitian ini akan dilakasanakan sesuai dengan jadwal seperti dalam table berikut ini:

No Kegiatan

Bulan

Oktober Nopember Desember

1 2 3 4 1 2 3 4 1 2 3 4

1 Studi literature

2 Perancangan alat

3 Perancangan software

4 Pengujian sistem

5 Pengambilan data

Fuzzifikasi

Inferensi Fuzzy

Defuzzifikasi

Membuat Aturan (rule)

Tidak

Ya

Mulai

Pembangkitan Data

Input-output

Berhenti

Output Model

Validasi

Sistem

Kontrol

Mulai

Studi Literatur

Perancangan alat

Perancagan

software

Pengujian sistem dan

pengambilan data

Tidak

Ya

Penyusunan dan

Penulisan Laporan

Selesai

Analisa Performansi

Kendali

6 Analisa data

7 Penyusunan laporan

DAFTAR PUSTAKA

[1] Kusumadewi, Sri., Purnomo, Hari. 2010. Aplikasi Logika Fuzzy untuk Pendukugn

Keputusan, Edisi 2. Yogyakarta: Graha Ilmu.

[2] Tippler, P.A., Mosca, G.1997. Physics for scientist and engineers, 5ed. California:

Berkeley.

[3] Wikipedia. 2009. Pulse-width Modulation. Diakses pada tanggal 10 oktober 2012.

http://en.wikipedia.org/wiki/Pulse-width_modulation.html.

[4] Departemen Pendidikan Nasional. 2008. KBBI Kamus Besar Bahasa Indonesia. Diakses

pada tanggal 10 oktober 2012. http://bahasa.kemdiknas.go.id/kbbi/index.php