Ringkasan Paper

Implementasi Waktu Nyata Berbasis Sistem FuzzyInference untuk Pengelompokkan PisangMenggunakan Perangkat DSP TMS320C6713

Real-time Implementation of a Fuzzy Inference System forBanana Grading using DSP TMS320C6713 Platform

NOVIANDI (G651140321), NOVI INDAH PRADASARI (G651140151),NURUL HAQUEQY (G651140441), NORMANIAT GEA (G651140531)

RingkasanLogika Fuzzy telah banyak diterapkan dalam berbagai bidang

teknologi. Salah satu penerapannya adalah dalam bidangpertanian untuk proses pengelompokan sample (grading). Untukdapat melakukan proses pengidentifikasian, logika fuzzydiimplemetasikan menggunakan MATLAB. Dalam penelitian ini buahpisang dipilih menjadi objek yang akan diteliti untukmengetahui ukuran dari pisang, agar dapat dikelompokkanbedasarkan kelasnya masing-masing. Pengelompokan pisangbergantung pada panjang, lebar dan ukuran dari pisang, untukmendapatkan hasil keluaran tersebut perlu menerapkan aturanlogika fuzzy dengan menerapkan metode Fuzzy Inference System. Metodeini menilai sebuah pisang berdasarkan fitur ekstraksi yangdiperoleh dengan menggunakan teknik Pengolahan Citra daribeberapa gambar untuk setiap sample. Dalam penerapannya MATLABmemiliki beberapa kendala diantaranya kecepatan memproses.Untuk mengatasi kendala tersebut digunakan DSP (TMS320C6713),dengan memanfaatkan tool dari CCS, dimana CCS memilikikemampuan grafik dan support secara real-time untuk mengatasidebug. Dalam pengujiannya data diambil secara acak sebanyak 10buah data, kemudian data tersebut diujikan ke dalam programMATLAB yang telah dibuat untuk dicatat hasilnya, setelah itupengujian dilakukan pada CCS untuk mendapatkan hasil keluaran,dimana hasil yang dapat rata-rata masih berada pada kisaranyang sama.

Kata Kunci: CCS, DSP (TMS320C6713), Fuzzy Inference System,Grading, Logika Fuzzy, MATLAB.

1

PENDAHULUANPada penelitian ini menggunakan konsep logika fuzzy. Logika

Fuzzy sudah banyak digunakan dalam berbagai macam penelitian,diantaranya untuk proses pengidentifikasian warna danpengelompokan sample (grading). Untuk dapat melakukan prosespengidentifikasian, logika fuzzy diimplemetasikan menggunakanMATLAB. Namun dalam penerapannya MATLAB memiliki beberapakendala diantaranya kecepatan memproses. Untuk mengatasikendala tersebut, digunakan DSP (TMS320C6713) untuk membantuproses logika fuzzy tersebut.

Dalam pengimplementasiannya menggunakan perangkat DSPlogika fuzzy memiliki dua langkah, yaitu:

1. Mengembangkan dan analisis logika fuzzy pada MATLAB yangdigunakan untuk mengidentifikasi fungsi sistemkeanggotaan (masukan dan keluaran) dan aturan fuzzy (fuzzyrule).

2. Melakukan transfer data dari MATLAB ke Code Composer Studio(CCS). CCS adalah tool yang mendukung kerja dari perangkatDSP, dimana CCS memiliki kemampuan grafik dan supportsecara real-time untuk mengatasi debug karena menggunakantool perangkat lunak yang mudah digunakan untukmembangun dan menganalisa error pada program.

A. Fuzzy Inference System (FIS)Terdapat beberapa jenis FIS yang dikenal yaitu Mamdani,

Sugeno dan Tsukamoto. Pada penelitian ini menggunakan teknikMamdani Fuzzy Inference System untuk membuat sistem penilaiankarena FIS Mamdani yang mudah dimengerti karena paling sesuaidengan keputusan manusia. Untuk mendapatkan keluaran, metodemamdani memerlukan 4 tahapan yaitu:

1. Pembentukan himpunan fuzzy2. Mengaplikasikan metode implikasi3. Komposisi aturan4. Penegasan (defuzzy)

Dalam penelitian ini memiliki tiga input membership functiondari FIS, berupa ciri-ciri dari pisang yang akandiidentifikasi, yaitu:

1. Length (Panjang)

2. Width (Lebar)

2Gambar 1. Membership Function Length

3. Area (Ukuran)

Dengan 1 buah keluaran membership function dari FISberupa Grade (Kelompok) dari pisang berdasarkan ukuran.

Gambar 1. Membership Function Grade

Berikutnya setelah Membership Function terbentuk, dibuatrule (aturan) dari sistem yang akan dbuat. Rule dibuat denganmenggunalkan MATLAB pada menu Rule editor (Fuzzy rule). Ruleini dibuat berdasarkanpengetahuan danpengalaman dari parapakar.

3

Gambar 2. Membership Function Width

Gambar 3. Membership Function Area

Gambar 5. Rule Editor (Fuzzy Rule)

Selanjutnya gambar berikut menunjukkan ilustrasi rule dariberbagai masukan yang sudah digabungkan serta hasil keluarandikombinasikan ke dalam single fuzzy set. Proses pengelompokanoutput ini digambarkan dalam empat kolom, sehingga diperolehkeluaran berdasarkan defuzzification.

Gambar 2. Rule Viewer

B.    Code Composer Studio (CCS)CCS adalah perangkat lunak bawaan dari TI (Texas

Instrument) yang menjadi tool pendukung dari mikroprosesoryang digunakan pada penelitian ini.  C6713 menyediakanlingkungan pengembangan terpadu (Integrated Development Environment -IDE) yang berisikan C compiler, assembler dan linker. C compiler yangdigunakan dengan extension .c, menghasilkan assembly source denganextension .asm. Proses assemble menghasilkan mesin pembaca objekdengan extension .obj. Linker di kombinasikan dengan file objekassembled dan objek library sebagai input yang menghasilkan file

4

yang dapat dikerjakan dengan extension .out. Tabel di bawah iniadalah ringkasan dari File Pendukung yang digunakan dalam CCS.

Tabel 1. Ringkasan File Pendukung Dalam CCSNo File Deskripsi1 C6713dsknit.c Berisi fungsi untuk menginisialisasi

DSK, codec, port serial, dan untuk inputdan output

2 C6713dsknit.h File header dengan fungsi prototipe3 C6713dsk.cmd perintah linker sederhana4 Vectors_intr.asm versi modifikasi dari vektor untuk

ditangani interrupt5 Vectors_poll.asm file vektor untuk program menggunakan

polling6 Rts6700.lib run time library dukungan8 Dsk6713bsl.lib perpustakaan dukungan dewan9 Csl6713.lib Chip perpustakaan dukungan

METODEDalam penelitian ini menggunakan MATLAB sebagai penghubung

program Fuzzy Logic dengan perangkat DSP TMS320C6713.Adapun cara kerja dari sistem ini adalah dengan menggunakan

MATLAB, dimana fungsi keanggotaan dari masing-masing masukan,keluaran variabel dan rule dari fuzzy tersebutdiimplemetasikan dan kemudian dilakukan tahap pengujian.Selanjutnya setelah Fuzzy Inference System terbentuk kemudiandi download menggunakan downloader untuk dimasukan kedalamProsesor DSP. Tabel di bawah menjelaskan variabel-variabelyang digunakan, tipe dari membership function, jumlah darimembership function serta nama dan rentang dari membershipfunction.

5

Tabel 2. Penentuan Variabel dan Himpunan Fuzzy

Pada tabel di atas, dapat dilihat, setiap variabel menggunakanmembership function tipe Trimf, karena membership functiontipe ini memiliki kompleksitas yang relatif rendah danpengunaan aplikasinya relatif lebih mudah.

6

No Characteristic

Input OutputInput 1 Input 2 Input 3

1 Variabel Length Width Area Grade2 Number of

membershipfunction

5 3 2 5

3 Membershipfunctiontype

trimf trimf trimf Trimf

4 Name andrange ofmembershipfunction

Very Short (-2 0 2)

Short (-2 0 2)

Small (-2 0

2)

E (-2 0 2)

Short (0 2 4)

Medium (0 2 4)

Large (0 2 4)

D (0 2 4)

Medium (2 4 6)

Long (2 4 6)

C (2 4 6)

Long (4 6 8)

B (4 6 8)

Very Long (6 8 10)

A (6 8 10)

Gambar 7 dibawah merupakan alur kerja dari proses logikafuzzy yang diimplementasikan pada perangkat DSP TMS320C6713.Sebelum data ditransfer dari MATLAB ke perangkat DSPTMS320C6713 data tersebut di tempatkan dalam sebuah array dandisimpan sebagai file header didalam direktori CCS. Data yangtersimpan tersebut berupa data .mat file, .xls atau .txt. Datapada MATLAB tersebut diproses menggunakan Fuzzy InferenceSystem (FIS) yang kemudian dilakukan proses pelatihan hinggadidapat hasil keluaran yang mendekati nilai target dariinpuitan tersebut. Setelah didapat hasil yang sesuai dengantarget, program tersebut ditransfer ke CCS.

Gambar 3. Flowchart dari Logika Fuzzy pada perangkat DSP TMS320C6713

HASIL DAN PEMBAHASANProses Logika Fuzzy ditulis secara terpisah sebagai fileheader. File header ini merupakan sebuah file yang digunakanuntuk mendefinisikan beberapa file seperti macro, fungsi,variabel dan konstan. Pada penelitian ini file header memilikibeberapa fungsi atau perintah yang akan digunakan dalampemrogramannya. Gambar 8 di bawah menunjukkan bagian dariprogram logika fuzzy untuk menyelesaikan permasalahan dariproses modifikasi agar dapat dilakukan secara efisien.

7

Gambar 4. Bagian dari program logika fuzzy

Dari program d atas, dapat dilihat terdapat beberapa fungsiyang digunakan, diantaranya:

1. Values.h dan Grading.h sebagai perintah untuk sejumlahdata input (length, width dan area) dan penilaianalgoritma untuk masing-masing pisang.

2. Fuzzification.h sebagai perintah yang berisikan sistemmasukan dan fungsi keanggotaan keluaran.

3. Rules.h, rules2.h dan rules3.h sebagai perintah yangberisikan aturan dari fuzzy yang dibuat.

Gambar 9 di bawah menunjukkan daftar file yang dibutuhkanuntuk menjalankan debugging dan trobleshooting pada program LogikaFuzzy pada DSP TMS320C6713.

8

Gambar 5. Daftar dari file pendukung

Gambar 10 menjelaskan contoh output (kelas pisang) yangdiperoleh dari CCS. Dan juga menampilkan input, fuzzifikasidan defuzzifikasi. Walaupun tujuan utama dari penelitian iniadalah untuk mendapatkan kelas pisang, nilai-nilai ini jugadapat digunakan untuk membenarkan bahwa FIS dapatdiimplementasikan pada platform DSP.

Gambar 6. Contoh keluaran dari hasil pengelompokan pisang

Selanjutnya dilakukan pengujian dan perbandingan hasil,antara keluaran yang didapat dengan menggunakan MATLAB dankeluaran yang didapat dengan menggunakan CCS. Untuk melakukanpengujian data diambil secara acak sebanyak 10 buah data,kemudian data tersebut di ujikan ke dalam program MATLAB yangtelah dibuat untuk dicatat hasilnya, setelah itu pengujiandilakukan pada CCS untuk mendapatkan hasil keluaran. Tabel 3dibawah menunjukkan hasil keluaran dari masingmasing

9

percobaan, dimana hasil yang dapat rata-rata masih berada padakisaran yang sama.

Setelah di dapat hasil keluaran dari MATLAB dan CCS, dilakukan proses penghitungan terhadap nilai error yang didapat, hasil perhitungan tersebut dapat dilihat pada tabel 4 di bawah

Tabel 3. Persentase error antara hasil dengan MATLAB dan CCS

Hasil di atas menunjukkan hasil yang diperoleh menggunakan CCSmasih dalam kisaran yang sama dengan hasil yang diperolehmenggunakan MATLAB, selanjutnya adalah mentransfer program CCStersebut ke parangkat DSP TMS320C6713.

10

Tabel 3. Hasil keluaran dari MATLAB dan CCS

SIMPULANPenelitian ini menjelaskan tentang penerapan dari Fuzzy

Inference System pada prosesor DSP TMS320V6173. FIS inidianalisis, dirancang dan diujikan terlebih dahulu pada MATLABsebelum diimplemetasikan pada perangkat DSP TMS320C6713. Untukmendukung kerja dari DSP TMS329V6173 digunakan tool pendukung,yaitu dengan melakukan transfer data dari MATLAB ke CodeComposer Sudio (CCS). Proses transfer data tersebut dilakukandengan menggunakan salah satu format file MATLAB (.mat), excel(.xls) atau text (.txt). Hasil yang diperoleh pada penelitianini dianalisis dan dibuktikan keakuratannya dengan melakukanperbandingan menyeluruh antara hasil MATLAB dan CCS.Kesimpulannya adalah paper ini membuktikan bahwa Logika Fuzzydapat diimplementasikan pada platform DSP TMS320C6713 untukmenentukan kelas pada pisang.

DAFTAR PUSTAKA[1] G. Rennick, Y. Attikiouzel, and A. Zaknich, “Machinegrading and blemish detection in apples,” vol. 2, pp. 567 –570 vol.2, 1999.

[2] J. Faria, T. Martins, M. Ferreira, and C. Santos, “Acomputer vision system for color grading wood boards usingfuzzy logic,” pp. 1082 – 1087, june 2008.

[3] N. Mustafa, S. Ahmed, Z. Ali, W. Yit, A. Abidin, and Z.Sharrif, “Agricultural produce sorting and grading usingsupport vector machines and fuzzy logic,” pp. 391 –396, 18-192009.

[4] R. Chassaing, Digital Signal Processing and ApplicationsWith The C6713 and C6416. Wiley Interscience, A John Wiley &Sons, INC., Publications, 2005.

[5] N. B. A. Mustafa, “Application of artificial intelligencetools for determining the quality of agriculture produce,”Master’s thesis, Universiti Tenaga Nasional, 2010.

[6] B. Vazquez, I. Garcia, and G. Sanchez, “Description ofadaptive fuzzy filtering using the dsp tms320c6713,” pp. 1086–1090, 2-5 2009.

11