Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
208
Pemodelan Simulasi Sistem Kontrol Temperatur
Berbasis Fuzzy Logic pada Automatic Greenhouse
Rika Novita Wardhani1 , Amanda Ayu Shafira2
Jurusan Teknik Elektro/Program Studi Instrumentasi dan Kontrol Industri, Politeknik Negeri Jakarta,
Jl.Prof.DR.G.A.Siwabessy, Kampus UI, Depok, 16425, Indonesia
E-mail: [email protected], amandayu95@ gmail.com2
Abstrak
Keterbatasan lahan pertanian di wilayah perkantoran akan memicu berkurangnya pasokan bahan pangan,
salah satunya adalah komoditas holikultura. Pembuatan greenhouse menjadi sisasat untuk tetp dapat
menanam tumbuhan holtikultura meski di lahan yang terbatas. Temperatur merupakan factor yang dapat
mempengaruhi pertumbuhan hortikultura. Oleh karena itu, diperlukan sesuatu system yang dapat bekerja
secara otomatis untuk menjaga temperature sesuai dengan kebutuhan tanaman. Hal tersebut sesuai dengan
standar ISO/IEC 11179 bahwa system greenhouse yang ideal dapat mengatur 9 objek penyusun system
greenhouse secara otomatis, salah satunya adalah temperatur udara. Solusi yang dibuat dalam penelitian ini
adalah melakukan modifikasi pada system pengatur temperatur automatic greenhouse dengan menambahkan
unit pendingin berupa kipas DC yang terintegrasi dengan elemen thermoelectric dan bekerja dengan cara
mengatur temperature elemen coldsink yang menempel pada sisi dingin thermoelectric menggunakan metode
logia fuzzy. Plant automatic greenhouse berbentuk kubus dan tersusundari dinding berbahan kaca di ke-4
sisinya, untuk atap dan lantai terbuat dari bahan kayu dan termasuk model proses IPDT karena nilai
temperature yang dikendalikan tanpa controller terus menerus membesar dan tidak mencapai kestabilan.
Pengujian pemodelan system control temperature automatic greenhouse menggunakan kontrol logika fuzzy
menghasilkan parameter performansi rise time sebesar 108,42 detik dan settling time (ts) sebesar 190,42 detik.
Pada kondisi steady respon pengujian mampu menunjukkan kondisi temperature rata-rata sebesar 25,32 0C
yang artinya memiliki error steady state (ess) sebesar 1,3 %
Kata kunci: Pemodelan System Kontrol Temperatur, Kontrol Logika Fuzzy, Parameter Performansi Sistem
Abstract
Limited agricultural land in urban areas will trigger a reduction in food supplies, one of which is a horticultural
commodity. Making a greenhouse is a strategy to continue to be able to plant horticulture even in limited land.
Temperature is a factor that can affect horticultural growth. Therefore, we need a system that can work automatically
to maintain the temperature in accordance with the needs of plants. This is in accordance with ISO / IEC 11179
standard that an ideal greenhouse system can regulate 9 objects composing the greenhouse system automatically, one
of which is air temperature. The solution made in this research is to modify the automatic greenhouse temperature
control system by adding a cooling unit in the form of a DC fan that is integrated with the thermoelectric element and
works by regulating the temperature of the coldsink element attached to the thermoelectric cold side using the fuzzy
logic method. Automatic cube greenhouse plant and composed of walls made of glass on all four sides, for the roof
and floor are made of wood and are included in the IPDT process model because the temperature value is controlled
without a controler continuously enlarged and does not achieve stability. Testing the modeling of an automatic
greenhouse temperature regulation system using fuzzy logic control produces rise time performance parameters of
108,42 seconds and settling time (ts) of 190,42 seconds. In the steady state the test response is able to show an average
temperature condition of 25.32ºC which means it has a steady state error (ess) of 1.3%.
Keywords: Modeling of Temperature Control System, Fuzzy Logic Control, System Performance Parameters.
Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
209
PENDAHULUAN
Keterbatasan lahan pertanian di wilayah perkotaan
akan memicu berkurangnya pasokan bahan pangan,
salah satunya adalah komoditas holtikultura.
Pembuatan greenhouse menjadi siasat untuk tetap
dapat menanam tumbuhan holtikultura meski di lahan
yang terbatas. Greenhouse memiliki arti sebagai
media yang digunakan untuk mengendalikan dan
menjaga keadaan iklim, serta lingkungan di dalam
suatu ruangan atau bisa disebut dengan iklim buatan
untuk mengoptimalkan pertumbuhan tanaman.
Temperature merupakan factor yang dapat
mempengaruhi pertumbuhan holtikultura. Oleh
karena itu, diperlukan system otomatis yang dapat
mengatur temperature ruang greenhouse. Hal tersebut
sesuai dengan standar ISO/IEC-11179, system
greenhouse yang ideal adalah yang dapat mengatur
Sembilan objek secara otomatis, salah satunya adalah
temperature ruang greenhouse.
Mengatur temperature greenhouse dengan
merancang actuator pengendali iklim mikro di
greenhouse telah diteliti [1]. Sistem dapat bekerja
dengan baik karena dapat menstabilkan temperature
mencapai akurasi 95,46%. Akan tetapi, system
menggunakan aktuator sangat banyak yaitu lima buah
kipas dan dua diantaranya menggunakan kipas
bertegangan AC agar suhu dapat turun lebih cepat.
Merancang kipas angin pengatur suhu dan
kelembaban udara menggunakan elemen pendingin
peltier sudah diteliti oleh [2], cara kerjanya berupa
pengaturan kecepatan putaran kipas DC
menggunakan metode fuzzy. Sistem lebih efisien
dalam hal pemakaian daya karena komponen yang
digunakan tidak membutuhkan input tegangan yang
berbeda dengan tegangan sumber, yaitu tegangan DC.
Kekurangan dari system ini adalah kipas angin belum
dapat bekerja secara presisi, karena tingkat akurasi
pengujian antara hasil perhitungan fuzzy sugeno
dengan kerja aktual kipas angin hanya 85%. Sistem
buka-tutup atap menggunakan metode fuzzy untuk
system pengontrolannya sudah diteliti oleh [3].
Sistem sudah bekerja secara valid, karena kerja aktual
sistem telah sesuai dengan yang sudah diprogram.
Namun, penggunaan buka – tutup atap membutuhkan
waktu yang cukup lama dalamhal penurunan suhu
dikarenakan penurunan suhu hanya memanfaatkan
pertukaran dari suhu luar ruang greenhouse dan
kecepatan aliran udara di luar lingkungan greenhouse
yang tidak tetap.
Solusi atas permasalahan pada penelitian – penelitian
sebelumnya adalah melakukan modifikasi pada
system pengatur temperature ruangan dengan
menambahkan unit pendingin berupa kipas DC yang
diintegrasi dengan elemen thermoelectric dan bekerja
dengan cara mengatur temperature elemen coldsink
yang menempel pada sisi dingin thermoelectric
menggunakan metode logika fuzzy. Pengaturan
tersebut bertujuan agar system pendingin dapat
menghasilkan temperature sesuai dengan kondisi
temperature ruang greenhouse. Bentuk rancangan
Sistem Kontrol temperature automatic greenhouse
adalah simulasi system. Langkah pembuatan simulasi
system diawali dengan mengubah tiap blok pada blok
diagram kerja system menjadi pemodelan matematis.
Kemudian, pemodelan matematis tiap blok
ditransformasikan menjadi fungsi alih dengan cara
mengubah rumus matematis menjadi persamaan
diferensial, lalu persamaan diferensial tersebut diubah
ke bentuk persamaan laplace. Fungsi alih berfungsi
sebagai pengganti dugaan realtime yang akan
dimasukan dalam proses simulasi system. Simulasi
system pada automatic greenhouse akan diuji dengan
2 nilai setpoint yang berbeda berdasarkan jenis
tanaman yang dikembangkan. Pemodelan simulasi
Sistem Kontrol temperature automatic greenhouse
berbasis metode control logika fuzzy memberikan
solusi dalam mengoptimalkan temperature udara pada
ruangan greenhouse secara mudah dan ramah
lingkungan karena tidak menggunakan pendingin
konvensional.
METODE PENELITIAN Konsep pemodelan perubahan temperatur pada
Sistem Kontrol temperatur automatic greenhouse
dapat divisualisasi ke bentuk flowchart pada Gambar
1.
Gambar 1. Flowchart Konsep Perubahan Temperatur
Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
210
Gambar 1 menjelaskan tentang pemodelan perubahan
temperatur diawali dengan menghitung nilai temperatur
sisi dingin (TTECc) dan perbedaan suhu antara sisi panas
dengan sisi dingin elemen termoelektrik (∆TTEC) pada
unit pendingin. Dua nilai tersebut akan digunakan untuk
mencari nilai kalor yang dapat diserap oleh elemen
termoelektrik (qc). Selanjutnya, hasil qc digunakan untuk
menghitung temperatur pada coldsink menggunakan
rumus perpindahan panas konduksi. Perhitungan yang
digunakan untuk memodelkan keseluruhan sistem
adalah mencari nilai perpindahan kalor total (Qtotal).
Perhitungan Qtotal terdiri dari dua langkah yaitu
mencari besar perpindahan panas dari unit pendingin
dan besar perpindahan panas dari dinding kaca
greenhouse. Rumus yang digunakan untuk mencari nilai
perpindahan panas dari unit pendingin adalah rumus
perpindahan panas konveksi paksa. Hal tersebut
dikarenakan temperatur ruang unit pendingin berpindah
ke ruang greenhouse melalui udara yang dihembuskan
dengan bantuan kipas. Sedangkan rumus yang
digunakan untuk mencari nilai perpindahan panas
dinding kaca greenhouse adalah rumus perpindahan
panas konveksi bebas. Diagram blok sistem dapat dilihat
pada Gambar 2.
Gambar 2. Diagram Blok Sistem
Langkah-langkah penelitian yang dilakukan adalah:
1. Studi pustaka dan literatur.
2. Pengambilan dan pengolahan data sistem serta plant
greenhouse.
3. Perancangan pemodelan matematis sistem.
4. Pengujian dan analisa karakteristik respon
pemodelan proses perubahan temperatur
menggunakan software LabVIEW 2015.
5. Perancangan sistem kontrol berbasis kontroler
logika fuzzy.
6. Pemrograman pemodelan keseluruhan sistem pada
software LabVIEW 2015.
7. Pengujian dan validasi program pemodelan sistem
pada software LabVIEW 2015.
8. Analisa kestabilan dan perancangan sistem
pengaturan terhadap perubahan temperatur pada
greenhouse dan penyusunan laporan.
HASIL DAN PEMBAHASAN
a. Data Spesifikasi dan Perancangan Model
Matematis
Data – data yang diperlukan untuk perancangan simulasi
pemodelan sistem adalah data variasi tegangan input
yang digunakan, data temperature sisi dingin (Tc),
temperature sisi panas (Th), serta delta temperature (∆T)
yang dihasilkan elemen termoelektrik berdasarkan
variasi tegangan input, data spesifikasi unit pendingin,
data spesifikasi greenhouse, dan data spesifikasi sensor.
Dari data-data tersebut, dapat dirancang model
matematis dari tiap blok penyusun sistem kontrol
kelembaban tanah yang meliputi blok proses (plant),
aktuator, dan sensor.
Tabel 1. Data TEC Berdasarkan Variasi Input yang
Digunakan TEC
PWM Vin Iin Tc Th ∆T
0 0,00 0,00 28,8 28,8 0,0
51 3,06 0,53 25,1 29,6 4,6
102 5,54 1,01 22,7 29,7 7,0
153 7,99 1,51 19,5 29,8 10,4
204 10,45 1,98 16,2 30,0 13,8
255 12,24 2,36 14,7 30,5 15,8
Tabel 2. Spesifikasi Elemen Termoelektrik Tipe TEC-
12706
Parameter Nilai (Satuan)
Panjang 4×10-2 (m)
Lebar 4×10-2 (m)
Tebal 0,38×10-2 (m)
Koefisien Regresi Sampel
(αTECc) 28,8456
Koefisien Regresi Sampel (βTECc) −1,1722
Koefisien Regresi Sampel (α∆T-
TEC) 0,173096
Koefisien Regresi Sampel (β∆T-
TEC) 1,284412
Koefisisen Seebeck Elemen 0,00021 (V/oK)
Konduktivitas Termal Elemen 0,01652
(W/cm.oK)
Tahanan Elektrik Elemen 0,00110 (Ωcm)
Tahanan Elektrik 2,30909 (Ω)
Faktor Geometri Elemen 0,121 (cm)
Jumlah Sambungan Elemen
TEC-12706 127
Tabel 3. Spesifikasi Allumunium Coldsink pada Unit
Pendingin
Parameter Nilai
(Satuan)
Panjang 4×10-2 (m)
Lebar 4×10-2 (m)
Tebal 1,1×10-2 (m)
Konduktivitas Termal ketika Suhu
Awal (29oC)
238,532
(W/m.oK)
Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
211
Tabel 4. Spesifikasi dan Parameter Kipas DC Delta
Tipe FFB-0812EHE pada Unit Pendingin
Parameter Nilai (Satuan)
Rated Voltage 12 (VDC)
Operating Voltage Range 7 – 13,8 (VDC)
Speed 3400 (RPM)
Maximum Air Flow 1,280 (m3/min)
Panjang 8×10-2 (m)
Lebar 8×10-2 (m)
Tebal 3,8×10-2 (m)
Koefisien Perpindahan
Panas Konveksi Suhu
Ruangan (28oC)
3,0291 (W/m2.oK)
Tabel 5. Spesifikasi Allumunium Coldsink pada Unit
Pendingin
Parameter Nilai
(Satuan)
Panjang 4×10-1 (m)
Lebar 4×10-1 (m)
Tinggi 4×10-1 (m)
Massa Jenis Udara pada Temperatur 28oC 1,1576
(kg/m3)
Kalor Jenis Udara pada Temperatur 28oC 1,007
(Kj/kg.oK)
Koefisien Perpindahan Panas Konveksi
Suhu Lingkungan Tinggi (35oC)
0,465
(W/m2.oK)
Pemodelan matematis blok proses didapatkan
berdasarkan hukum kesetimbangan energi antara besar
kalor yang terjadi didalam automatic greenhouse
dengan besar perpindahan panas total pada automatic
greenhouse, sehingga didapatkan persamaan berikut.
𝑚. 𝐶𝑢𝑑𝑎𝑟𝑎 .𝑑𝑇
𝑑𝑡= 4 × �̇�𝑑𝑖𝑛𝑑𝑖𝑛𝑔 + �̇�𝑢𝑛𝑖𝑡_𝑝𝑒𝑛𝑑𝑖𝑛𝑔𝑖𝑛 (1)
Dari persamaan tersebut dilaplace-kan sehingga menjadi
persamaan seperti pada diagram blok di Gambar 3.
Gambar 3. Diagram Blok Persamaan Fungsi Transfer
Pemodelan Blok Proses Sistem (greenhouse)
Dengan memasukkan parameter yang terdapat pada
Tabel 3, 4, dan 5 maka didapatkan persamaan fungsi
transfer sebagai berikut.
𝑇𝑔ℎ(𝑠)= (
0,06497 .𝑇𝐶𝑆(𝑠)
𝑆+
8,3577
𝑆) + (308,15 −
273,15).......................................................(2)
Pemodelan maematis aktuator didapatkan dengan
mengacu pada hukum fisika perpindahan panas
konduksi dan hukum kesetimbangan energi.
Berdasarkan hukum kesetimbangan energi antara besar
daya input yang digunakan unit pendingin dengan besar
perpindahan panas total yang dihasilkan oleh unit
pendingin didapatkan persamaan berikut.
𝐷𝑎𝑦𝑎 𝑖𝑛𝑝𝑢𝑡𝑇𝐸𝐶 = �̇�𝑇𝐸𝐶 − �̇�𝑐𝑜𝑙𝑑𝑠𝑖𝑛𝑘 ...........(3)
Dari persamaan tersebut dilaplace-kan sehingga menjadi
persamaan seperti pada diagram blok di Gambar 4.
Gambar 4. Diagram Blok Persamaan Fungsi Transfer
Pemodelan Blok Aktuator Sistem (coldsink
temperature)
Dengan memasukkan parameter yang terdapat pada
Tabel 4 dan 5 maka didapatkan persamaan fungsi
transfer sebagai berikut.
𝑇𝑐𝑜𝑙𝑑𝑠𝑖𝑛𝑘(𝑠)= 𝑉𝑖𝑛(𝑠)
. (−0,0205. 𝑉𝑖𝑛(𝑠)− 1,3408) +
27,9669 ...................................(4)
Pemodelan matematis dari temperatur transmitter dapat
didekati dengan sistem orde 1 sebagai berikut. 𝑉(𝑠)
𝜇(𝑠) =
𝐺𝑉
𝑉 𝑆 + 1
...................................................... (5)
Berdasarkan Datasheet sensor LM35, temperature
sensor memiliki karakteristik berupa range temperatur -
55 – 150 oC dan faktor ukuran linear senilai 10 mV/ oC
serta memiliki nilai time constant sensor (𝜏𝑆) senilai
1,89 detik maka didapatkan fungsi transfer dari sensor
kelembaban tanah yaitu: 𝑉𝑡𝑒𝑟𝑢𝑘𝑢𝑟(𝑠)
𝑉𝑎(𝑠)=
10
1,89.𝑆 + 1 ......................................... (6)
b. Perancangan Kontroler PI
Setelah didapatkan model matematis proses perubahan
kelembaban tanah, selanjutnya dilakukan validasi model
dengan simulasi menggunakan software LabVIEW
2015 untuk mengetahui respon alami perubahan
kelembaban tanah. Kemudian dilakukan perancangan
kontrol PI yang bertujuan untuk menghasilkan bentuk
sinyal analog yang berosilasi sebelum mencapai nilai
steady state. Respon dari kontrol PI akan menjadi dasar
penentuan fungsi keanggotaan pada perancangan
kontrol logika fuzzy. Kontrol PI diperoleh dengan
menentukan nilai parameter PI yaitu nilai Kp dan Ti
dengan metode tuning Ziegler-Nichols. Dari persamaan
fungsi transfer pemodelan proses dan perhitungan
persamaan parameter Kp dan Ti, maka diperoleh nilai
parameter Kp sebesar 4,618 dan Ti sebesar 9,9.
Kemudian dilakukan pengujian respon menggunakan
software LabVIEW 2015.
c. Perancangan Kontroler Logika Fuzzy
Perancangan kontrol logika fuzzy didapatkan dari
Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
212
analisis respon kontrol PI yang telah dirancang
sebelumnya. Tahap perancangan logika fuzzy terdiri
atas penentuan membership function (fuzifikasi),
perancangan rule base, dan defuzifikasi.
Fuzifikasi
Pada tahap ini dilakukan penentuan membership
function untuk variabel input dan output. Variabel input
tersusun atas error dan delta error. Besar nilai error
didapatkan dari hasil pengurangan antara nilai acuan
(setpoint) dengan nilai keluaran plant [4]. Besar nilai
masukan delta error merupakan hasil dari pengurangan
nilai error sekarang dan nilai error sebelumnya. Secara
fisis delta error merupakan bentuk persamaan
diferensial pertama dari variabel error [5].
Fungsi keanggotaan (membership function) variabel
input dan output masing – masing dikelompokkan dalam
7 himpunan, yaitu PB (Positive Big), PM (Positive
Medium), PS (Positive Small), Z (Zero), NB (Negative
Big), NM (Negative Medium), dan NS (Negative Small).
Batas keanggotaan tiap himpunan direpresentasikan
dengan menggunakan kurva segitiga. Nilai keanggotaan
tiap himpunan mengacu pada respon error, delta error,
maupun output kontrol PI.
Gambar 5. Grafik Respon Error
Gambar 6. Grafik Respon Delta Error
Gambar 7. Grafik Respon Output Kontroler Error
Perancangan Rule Base
Perancangan rule base digunakan sebagai aturan dasar
kontrol logika fuzzy dalam mengontrol temperatur
elemen coldsink yang menempel di sisi dingin elemen
TEG. Perancangan rule base pada tugas akhir ini
menggunakan aturan IF-THEN berdasarakan Teori
MacVicar-Whelan seperti pada Tabel 6. Berdasarkan
teori MacVicar-Whelan, saat variabel input dan output
dibagi menjadi 7 himpunan maka diperoleh 49 aturan
Fuzzy yang perlu diterapkan pada sistem.
Tabel 6. Metode Perancangan Rule Base MacVicar
Whelan
Error
NB NM NS Z PS PM PB
dError
NB NB NB NB NB NM NS Z
NM NB NM NM NM NS Z PS
NS NB NM NS NS Z PS PM
Z NB NM NS Z PS PM PB
PS NM NS Z PS PS PM PB
PM NS Z PS PM PM PM PB
PB Z PS PM PB PB PB PB
d. Pengujian Respon Alami
Pengujian pemodelan matematis proses greenhouse
tanpa kontroler dilakukan dengan memberikan input
temperatur elemen coldsink senilai 29oC pada
pemodelan proses sistem.
-8.000
-6.000
-4.000
-2.000
0.000
2.000
4.000
6.000
0 500 1000 1500 2000
Grafik Respon Error
Error SetPoint
-0.100
0.400
0.900
1.400
0 500 1000
Grafik Respon Derror
dError SetPoint
-200.0
-150.0
-100.0
-50.0
0.0
50.0
0.00 500.00 1000.00 1500.00 2000.00 2500.00
Grafik Respon Hasil Pengontrolan
Besar Error Temperatur pada Greenhouse
Controller Output Setpoint Controller Output
Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
213
Gambar 8. Grafik Respon Pemodelan Matematis
Proses Greenhouse Tanpa Kontroler
Bentuk grafik respon pada Gambar 8 menunjukan
bahwa pemodelan proses sistem greenhouse termasuk
model proses IPDT karena nilai temperatur yang
dikendalikan tanpa kontroler terus menerus membesar
dan tidak dapat mencapai kestabilan. Oleh karena itu
diperlukan kontroler agar pemodelan sistem dapat
mencapai temperatur sesuai setpoint.
e. Simulasi Pemodelan Sistem Kontrol Kelembaban
Tanah pada Automatic Greenhouse
Menggunakan Kontrol Logika Fuzzy dan
Kontrol PI
Pengujian simulasi pemodelan Sistem Kontrol
temperatur automatic greenhouse menggunakan kontrol
logika fuzzy dan kontrol PI dilakukan dengan
memberikan input setpoint temperatur tetap senilai 25oC
dan input temperatur lingkungan tetap sebesar 308,15oK
(35oC). Hasil pengujian tersebut direpresentasikan
dalam grafik respon pada Gambar 9 dan 10.
Gambar 9. Grafik Respon Sistem Kontrol Temperatur
Automatic Greenhouse Menggunakan Kontrol PI
Gambar 10. Grafik Respon Sistem Kontrol
Temperatur Automatic Greenhouse Menggunakan
Kontrol Logika Fuzzy
Gambar 9 dan 10 menunjukan bahwa grafik respon
Sistem Kontrol temperatur automatic greenhouse
menggunakan kontrol PI dan logika fuzzy dapat
bergerak menuju set point yang diinginkan dan menjaga
agar tetap stabil.
Tabel 7. Perbandingan Parameter Performansi Grafik
Respon Sistem Kontrol Temperatur Automatic
Greenhouse Menggunakan Kontrol Logika Fuzzy dan
Kontrol PI
Kontrol Logika Fuzzy Kontrol PI
Rise Time = 108,42 detik Rise Time = 603,8 detik
Settling Time (ts)
𝑡𝑠 = 190,42 𝑑𝑒𝑡𝑖𝑘
Settling Time (ts)
𝑡𝑠 = 710,8 𝑑𝑒𝑡𝑖𝑘
Error Steady State (ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,325|
25× 100%
= 1,3%
Error Steady State (ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,006|
25× 100%
= 0,024%
Berdasarkan grafik respon Gambar 10, grafik respon
kontrol PI terlihat kurang baik bila dibandingkan dengan
grafik respon kontrol logika fuzzy. Hal ini terlihat dari
parameter kestabilan grafik respon yang disebutkan
pada Tabel 7. Grafik respon Sistem Kontrol temperatur
pada automatic greenhouse menggunakan kontrol
logika fuzzy memiliki parameter performansi rise time
sebesar 108,42 detik dan settling time (ts)sebesar 190,42
detik. Pada kondisi steady respon pengujian diatas
mempu menunjukan kondisi temperatur rata – rata
sebesar 25,32oC yang artinya memiliki error steady
state (ess) sebesar 1,3%. Tetapi error steady state (ess)
tersebut masih dapat ditoleransi karena kurang dari 2%.
f. Simulasi Uji Tracking Setpoint
Pengujian tracking setpoint dilakukan dengan menguji
performansi kontroler logika fuzzy pada sistem kontrol
temperatur automatic greenhouse menggunakan variasi
input setpoint. Dengan input temperatur lingkungan
sebesar 308,15oK (35oC) maka besar variasi input
temperatur setpoint yang digunakan adalah 20oC, 25oC,
27oC, dan 30oC. Hasil keempat pengujian tersebut
direpresentasikan dalam grafik respon seperti pada
Gambar 11, 12, 13, 14.
Gambar 11. Grafik Respon Sistem Kontrol
Temperatur Menggunakan Kontrol Logika Fuzzy Saat
Diberi Input Setpoint 20oC
-500
0
500
1000
0 500 1000 1500 2000
Setpoint of Temperature
Temperature - Kontrol PI
15
25
35
45
0 500 1000 1500 2000
Setpoint of Temperature
Temperature - Kontrol Fuzzy
15
65
0 500 1000 1500 2000
Setpoint of Temperature
Temperature - Kontrol Fuzzy
Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
214
Gambar 12. Grafik Respon Sistem Kontrol
Temperatur Menggunakan Kontrol Logika Fuzzy Saat
Diberi Input Setpoint 25oC
Gambar 13. Grafik Respon Sistem Kontrol
Temperatur Menggunakan Kontrol Logika Fuzzy Saat
Diberi Input Setpoint 27oC
Gambar 14. Grafik Respon Sistem Kontrol
Temperatur Menggunakan Kontrol Logika Fuzzy Saat
Diberi Input Setpoint 30oC
Berdasarkan grafik respon Gambar 11, 12, 13, dan 14,
performansi logika fuzzy pada sistem kontrol
temperature automatic greenhouse dapat bekerja stabil
dengan keempat variasi input setpoint yang diberikan.
Hal ini terlihat dari parameter kestabilan grafik respon
yang disebutkan pada Tabel 8.
Tabel 8. Parameter Performansi Sistem Kontrol
Temperatur Menggunakan Kontrol Logika Fuzzy yang
Diberi Variasi Input Setpoint
Input Setpoint 20oC Input Setpoint 25oC
Rise Time = 139,1
detik Rise Time = 108,42 detik
Settling Time (ts)
𝑡𝑠 = 230,1 𝑑𝑒𝑡𝑖𝑘
Settling Time (ts)
𝑡𝑠 = 190,42 𝑑𝑒𝑡𝑖𝑘
Error Steady State
(ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
Error Steady State (ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,322|
20×
100%
= 1,6%
𝑒𝑠𝑠 =|−0,325|
25× 100%
= 1,3%
Input Setpoint 27oC Input Setpoint 30oC
Rise Time = 92,81
detik Rise Time = 118,52 detik
Settling Time (ts)
𝑡𝑠 = 170,81 𝑑𝑒𝑡𝑖𝑘
Settling Time (ts)
𝑡𝑠 = 175,52 𝑑𝑒𝑡𝑖𝑘
Error Steady State
(ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,33|
27×
100%
= 1,2%
Error Steady State (ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,33|
30× 100%
= 1,1%
g. Simulasi Uji Disturbance
Uji disturbance dilakukan dengan memberikan 3 variasi
input temperatur lingkungan dalam sekali pengujian.
Variasi input temperatur yang digunakan adalah variasi
temperatur pada pagi, siang, dan sore hari di wilayah
Jakarta berdasarkan data dari BMKG [6]. Pada pagi hari
besar temperatur rata-rata adalah 31,3C, pada siang hari
besar temperatur rata-rata adalah 34C, dan pada sore
hari besar temperatur rata-rata adalah 27,7C. Pengujian
dilakukan dengan 2 cara yaitu memberikan nilai input
setpoint sebesar 25oC dan 27oC. Hasil pengujian tersebut
direpresentasikan dalam grafik respon seperti Gambar
15 dan 16.
Gambar 15. Grafik Respon Uji Disturbance pada
Sistem Kontrol Temperatur Menggunakan Kontrol
Logika Fuzzy yang Diberi Input Setpoint 25oC
Gambar 16. Grafik Respon Uji Disturbance pada
Sistem Kontrol Temperatur Menggunakan Kontrol
Logika Fuzzy yang Diberi Input Setpoint 27oC
15
35
55
0 500 1000 1500 2000
Setpoint of Temperature
Temperature - Kontrol Fuzzy
15
35
55
0 500 1000 1500 2000
Setpoint of Temperature
Temperature - Kontrol Fuzzy
15
35
55
0 500 1000 1500 2000
Setpoint of Temperature
Temperature - Kontrol Fuzzy
0
50
0 2000 4000
Setpoint of Temperature
Temperature - Kontrol Fuzzy
0
50
0 2000 4000 6000
Setpoint of Temperature
Temperature - Kontrol Fuzzy
Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021
215
Berdasarkan grafik respon Gambar 35 dan 36,
performansi logika fuzzy pada sistem kontrol
temperature automatic greenhouse dapat membuat dan
menjaga temperatur agar tetap stabil walaupun
temperature lingkungan berubah – ubah. Hal ini terlihat
dari parameter kestabilan grafik respon yang disebutkan
pada Tabel 9 dan 10.
Tabel 9. Parameter Performansi Grafik Respon Uji
Disturbance pada Sistem Kontrol Temperatur
Menggunakan Kontrol Logika Fuzzy yang Diberi Input
Setpoint 25oC
Temperatur
Lingkungan 31,3oC
Temperatur
Lingkungan 34oC
Rise Time = 289,5
detik Rise Time = 37 detik
Settling Time (ts)
𝑡𝑠 = 476,5 𝑑𝑒𝑡𝑖𝑘
Settling Time (ts)
𝑡𝑠 = 224 𝑑𝑒𝑡𝑖𝑘
Error Steady State
(ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,33|
25× 100%
= 1,3%
Error Steady State
(ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,335|
25× 100%
= 1,3%
Temperatur Lingkungan 27,7oC
Rise Time = 122 detik
Settling Time (ts)
𝑡𝑠 = 308 𝑑𝑒𝑡𝑖𝑘
Error Steady State (ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡× 100%
𝑒𝑠𝑠 =|−0,33|
25× 100%
= 1,3%
Tabel 10. Parameter Performansi Grafik Respon Uji
Disturbance pada Sistem Kontrol Temperatur
Menggunakan Kontrol Logika Fuzzy yang Diberi Input
Setpoint 27oC
Temperatur
Lingkungan 31,3oC
Temperatur
Lingkungan 34oC
Rise Time = 264
detik Rise Time = 74 detik
Settling Time (ts)
𝑡𝑠 = 439 𝑑𝑒𝑡𝑖𝑘
Settling Time (ts)
𝑡𝑠 = 249 𝑑𝑒𝑡𝑖𝑘
Error Steady State
(ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,33|
27×
100%
= 1,2%
Error Steady State
(ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×
100%
𝑒𝑠𝑠 =|−0,34|
27×
100%
= 1,3%
Temperatur Lingkungan 27,7oC
Rise Time = 12 detiko
Settling Time (ts)
𝑡𝑠 = 235 𝑑𝑒𝑡𝑖𝑘
Error Steady State (ess)
𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|
𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡× 100%
𝑒𝑠𝑠 =|−0,33|
27× 100%
= 1,2%
KESIMPULAN Sistem Kontrol temperatur automatic greenhouse
menggunakan kontrol fuzzy logic memiliki parameter
performansi respon yang lebih baik dibandingkan sistem
yang menggunakan kontrol PI, yakni rise time sebesar
108,42 detik, settling time (ts)sebesar 190,42 detik, dan
error steady state (ess) sebesar 1,3%. Selain itu
berdasarkan pengujian tracking setpoint dan uji
disturbance, kontroler fuzzy logic dapat bekerja dengan
baik dalam mengubah dan menjaga temperatur agar
tetap stabil, yakni dengan settling time (ts) dibawah 500
detik dan error steady state (ess) hanya sebesar 1,2% -
1,3%.
DAFTAR PUSTAKA
[1] Telaumbanua, M., Purwantana, B., & Lilik, S.
(2014). Rancang Bangun Aktuator Pengendali
Iklim Mikro di Dalam Greenhouse Untuk
Pertumbuhan Tanaman Sawi, 2.
[2] Algifari. (2018). Perancangan Kipas Angin
Pengatur Suhu dan Kelembapan Ruangan dengan
Metode Fuzzy Sugeno Berbasis Arduino. Skripsi.
Politeknik Negeri Batam. Surabaya.
[3] Azis, F., Puput, S. (2019). Rancang Bangun Smart
Green Building Berbasis IoT. Skripsi Jurusan
Teknik Elektro, Program Studi Instrumentasi dan
Kontrol Industri. Politeknik Negeri Jakarta,
Depok.
[4] Pertiwi, P. 2015. Perancangan Sistem
Pengendalian Level Menggunakan Fuzzy Logic
Pada Unit Deaerator 101U di Pabrik Ammonia
PT. Petrokimia Gresik. Surabaya: Institut
Teknologi Sepuluh Nopember.
[5] Suroso, Satya H., Puput W. 2018. Pengendalian
Posisi Azimut Antena Berbasis Global Positioning
System (GPS) dengan Kendali PD Fuzzy.
Surabaya: Universitas Negeri Surabaya.
[6] BMKG. 2020. Prakiraan Cuaca di Jakarta Selatan.
Retrieved from BMKG:
https://www.bmkg.go.id/cuaca/prakiraan
cuaca.bmkg?Kota=Jakarta%20Selatan&AreaID=5
011 3&Prov=7
Top Related