Anda di halaman 1dari 6

Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6

Yogyakarta, 18 Juni 2005

ACTIVE NOISE CONTROL UNTUK PEREDAMAN GENERATOR LSITRIK


DENGAN ALGORITMA NEUROFUZZY
Dewanto RA, Asep S., Aradea
Jurusan Teknik Informatika STMIK-DCI Tasikmalaya
E-mail: dewanto_ra@stmik-dci.ac.id, URL: http: //www.stmik-dci.ac.id

ABSTRAK
Active noise control (ANC) adalah sebuah sistem berbasis pada teori adaptif filter yang berkembang
sekitar tahun 1980. Perkembangan teknologi komputer dan sistem mikroprosesor menjadikan implementasi
nyata konsep ANC sudah semakin dekat. Penggunaan sebuah PC yang dilengkapi dengan perangkat lunak yang
menjalankan sebuah algoritma ANC dapat memberikan manfaat langsung dalam peredaman sumber noise.
Sistem ini dapat menjadikan sebuah implementasi berbiaya rendah dari sebuah algoritma ANC dan
memberikan perkembangan yang luas dalam ANC. Hasil penelitian ini berupa sebuah disain perangkat keras
berbasis PC dan perangkat lunak menggunakan bahasa pemrograman C++.
PC diisi dengan sebuah kemampuan adaptif teori dan filter yang merepresentasikan sistem kerja ANC.
Dengan konsep interfacing PC dilengkapi dengan input proses berupa monitoring sumber noise dan output
proses yang berupa aksi mengeluarkan sinyal peredam noise. Sedangkan dalam PC sendiri dilengkapi dengan
pemrosesan signal berupa algoritma ANC. Kemampuan dan konfigurasi ini diimplementasikan dalam
pengendalian noise yang keluar dari sebuah pembangkit listrik (generator) yang biasa dipasang di tempat-
tempat kegiatan manusia (kompleks perkantoran, hotel, rumah sakit dll).

Kata Kunci: Active Noise Control, Neurofuzzy

PENDAHULUAN Di sisi lain berkembang konsep aktif control


yang mampu menutupi kekurangan-kekurangan
Masalah noise akustik di lingkungan menjadi
yang dimiliki oleh pasif control. Konsep dasar dari
lebih diperhatikan dan menimbulkan masalah serius
active noise control (ANC) adalah proses eliminasi
dengan alasan alasan berikut:
atau penghapusan noise primer (noise yang tidak
a. Semakin banyak perangkat-perangkat yang
dikehendaki) dengan anti noise yang menjadikan
digunakan di lingkungan manusia seperti
noise residu akan mendekati nol. Efektifitas ANC
mesin-mesin, fans, transformator, motor dll.
sangat tergantung dari akurasi amplituda dan fasa
b. Peningkatan jumlah penduduk menjadikan
dari antinoise. Konsep dasar ANC dapat
peningkatan kepadatan perumahan dan
digambarkan sebagai berikut:
kepadatan lalu-lintas.
c. Penggunaan bahan material pembangunan
gedung-gedung dan perangkat transportasi
yang semakin ringan menjadikan transfer noise
Gelombang Antinoise
yang semakin mudah.

Dengan beberapa alas an tersebut


menjadikan pembangunan sebuah perangkat yang
Gelombang Noise primer
mampu meredam ataupun mengeliminasi noise
Konsep fisik penghapusan noise
menjadi sebuah kebutuhan. Terdapat dua
pendekatan dalam mengendalikan noise yaitu aktif
Aplikasi Umum Active Noise Control
dan pasif. Pendekatan tradisional adalah dengan
metoda pasif yaitu penggunaan pembungkus Keberhasilan penggunaan ANC dilihat
(enclosure), penahan (barriers) dan silencer untuk berdasarkan efektifitas pengendalian noise
meredam noise yang tidak dikehendaki. dibandingkan dengan yang dilakukan oleh passive
Pasif noise control memiliki kemampuan noise control. Peredaman ANC memberikan arti
peredaman pada lebar pita frekuensi yang relatif penghapusan sejumlah noise dalam jumlah besar
tinggi namun membutuhkan dimensi fisik yang dengan menggunakan perangkat dengan dimensi
relatif besar, biaya tinggi dan tidak efektif pada yang kecil khususnya pada noise berfrekuensi
frekuensi rendah. Keadaan ini menjadikan rendah. Untuk frekuensi rendah ANC terbukti
hambatan dalam pemakaian dalam aplikasi nyata. memberikan manfaat yang nyata dalam proses
Selain itu muncul pula beberapa masalah akibat pengendalian noise.
penggunaan pasif control ini misalnya kasus Secara umum aplikasi ANC dapat
tekanan balik dan masalah lainnya. dikatagorikan menjadi empat bagian yaitu:

C-19
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

a. Duct Noise: satu dimensi lorong seperti lorong dengan perangkat lain (blower, fan,
pembuangan, jaringan pipa dan lorong transformator dll) sehingga keberhasilan
ventilasi. aplikasi ini akan memberikan kemudahan
b. Interior Noise: noise dalam sebuah ruang dalam perubahan plant.
tertutup (enclosed)
c. Personal hearing protection: perangkat DESKRIPSI SISTEM
antinoise yang berfungsi sebagai proteksi
Anc berbasis PC adalah sebuah perangkat
(headphone dll).
yang terdiri dari:
d. Ruang Bebas Noise; radiasi noise dalam ruang
terbuka.
Sensor
Beberapa pengembangan ANC yang Anti
noise
Noise
menggunakan satu jenis atau gabungan beberapa PC Generat
jenis ANC telah dilakukan di banyak tempat or
diantaranya adalah: (Spe
a. Otomotif
a. Sensor noise: berupa microphone yang
- Single Channel (satu dimensi); ANC untuk
berfungsi untuk menangkap sinyal noise
muffler, sistem induksi dll.
(berupa amplitude, frekuensi dan fasanya)
- Multiple Channel (tiga dimensi): antinoise
b. PC: berisi algoritma ANC dan berfungsi
di ruang penumpang.
mengolah data input untuk memprosesnya
b. Perangkat Rumah tinggal
sehingga diperoleh sinyal Anti Noise.
- Single Channel (satu dimensi): Lorong
c. Anti Noise generator: berupa perangkat untuk
AC, Pendingin, mesin cuci dll
mentranformasikan karakteristik anti noise
- Multiple Channel (tiga dimensi): vacuum
yang dihasilkan melalui perhitungan di PC
cleaner, ruang isolasi dll.
menjadi sebuah sinyal listrik.
c. Industri: seperti ruang AC, fan, pompa,
kompresor dan perangkat berat industri.
Dalam aplikasinya melakukan peredaman
noise generator maka ANC memiliki karakteristik
Perkembangan yang terjadi di bidang ANC
sebagai berikut:
tidak berhenti meskipun banyak temuan-temuan
a. Melakukan peredaman dalam bentuk isolasi
baru yang dihasilkan. Hal ini disebabkan belum
sebuah ruang tertutup.
tercapainya kepuasan dalam temuan tersebut.
b. Menggunakan lebih dari satu input dan output
Kepuasan tergantung dari beberapa pertimbangan
(multiple channel).
yaitu:
c. Melakukan peredaman noise yang dihasilkan
• Efektifitas pembangunan berupa seberapa
oleh generator saat bekerja sehingga suara
besar kompleksitas ANC yang dipakai
tersebut tidak akan disalurkan keluar ruangan
dibandingkan dengan manfaat yang diperoleh.
generator.
• Konsep algortima yang digunakan belum
memberikan hasil yang maksimal. The Multiple-Channel ANC System
• Semakin kompleks nya perangkat-perangkat
penghasil noise semakin meningkatkan Saat sifat geometris dari noise bersifat
kompleksitas noise itu sendiri sehingga kompleks atau rumit maka tidak akan cukup jika
memerlukan peningkatan kemampuan dari digunakan ANC dengan sensor tunggal maupun
ANC. actuator tunggal (single channel ANC). Sehingga
dalam kasus ANC pada ruang generator perlu
Dengan alasan tersebut pengembangan ANC diperhitungkan:
yang dilakukan masih sangat diperlukan dalam a. Multiple Channel ANC: jumlah variable dan
kontribusinya bagi perkembangan teknologi. Untuk sensor serta actuator. Penempatan sensor dan
itulah dilakukan DISAIN ACTIVE NOISE actuator.
CONTROL DENGAN ALGORITMA b. Algoritma yang mampu menangani Multiple
NEUROFUZZY. Channel dan dapat menggunakan PC sebagai
Pemilihan tema tersebut didasarkan pada pemroses sinyal.
pertambangan sebagai berikut: c. Interfacing antara sensor dengan PC maupun
- Penggunaan PC sebagai pemroses sinyal dengan actuator.
adalah untuk kemudahan pengubahan
algoritma ANC, interfacing dengan plant dan Sebuah Multiple Channel ANC dapat
efektifitas biaya dihubungkan dengan digambarkan sebagai berikut:
fleksibilitas plant.
- Generator Listrik merupakan salah satu plant
yang memiliki karakteristik yang hampir sama

C-20
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

d. Neural Network with learning, parallel process


and interpolation.
e. Genetic Algorithm and Chaos Theory with
uncertainty, optimization and propagation.

Berdasarkan pada kelemahan dan kekuatan


masing-masing kompoenen di atas, saat ini
berkembang sebuah konsep untuk melakukan
kombinasi terhadap komponen-komponen tersebut.
Salah satu kombinasi yang cukupberhasil adalah
Sedangkan gambar ANC dalam konfigurasi antara logika fuzzy dengan neural network.
hardwarenya adalah sebagai berikut: Beberapa alasannya adalah:
Logika Fuzzy memiliki kekuatan untuk
penalaran dengan menggunkan pendekatan
meskipun informasi yang diolah tidak akurat.
Tetapi memiliki kelemahan berupa tidak mampu
untuk membangun atau mengoptimalkan kaidah
yang dimilikinya.Logika fuzzy tidak memiliki
kemampuan untuk belajar sehingga dasar kaidah
yang dimiliki bersifat tetap setelah langkah
perancangan selesai. Karena kekurangan tersebut
output ADC dan input DAC dihubungkan ke PC maka Jaringan Syaraf tiruan yang memiliki
sebagai pemroses sinyal. kemampuan belajar digabungkan dengan logika
fuzzy.
PERANGKAT LUNAK Konsep kominasi ini dsebut sebagai
Neurofuzzy. Neurofuzzy dapat didefinisikan
Perangkat lunak ANC merupakan program sebagai:
yang ditulis dalam bahasa pemrograman dengan Sebuah sistem fuzzy yang memiliki
fungsi menjalankan algoritma ANC yang kemampuan algoritma belajar dari JST untuk
digunakan. Adapun Algoritma tersebut disusun membangun dan melakukan optimasi terhadap set
berdasarkan: fuzzy, kaidah dasar dengan nilai numerik maupun
a. Jumlah variabel yang dilibatkan (channel): bahasa.
Menentukan konfigurasi pengendalian Implementasi dari Neurofuzzy berkembang
(Broadband feedforward ANC, Narrowband di bidang yang cukup luas seperti di economic
feedforward ANC , Feedback ANC. system, engineering system dan social system.
b. Kaidah ANC yang dipakai. Berupa bentuk Kebanyakan pemakaian , Neurofuzzy digunakan
filter yang digunakan (misal Transversal— sebagai Time Series prediction, System
finite impulse response (FIR), Recursive— identification, modeling and decision support
infinite impulse response (IIR), Lattice filters, system. Konfigurasi Neurofuzzy tergantung dari
Transform-domain filters kondisi dan kebutuhan .
c. Karaketristik sumber noise (plant) Time series prediction adalah sebuah proses
untuk melakukan prediksi dan membuat
TEORI NEUROFUZZY interpolation untuk kondisi dai waktu mendatang
Salah satu perkembangan yang menakjubkan berdasarkan data historis, kondisi aktual.
dalampenelitian di bidang kendali dan komputer Menggunkan Neurofuzzy, dapat diketahui atau
adalah konsep Intelejensia Komputasional. Dengan dilihat apa yang terjadi kedepan. Sebagai contoh
kemampuan dan kebutuhan pengendalian sistem adalah bursa saham. Neurofuzzy time series
yang semakin komplek, perkembangan dan prediction dapat melakukan prediksi apakah kondisi
kelanjutan penelitian terhadap Intelejensia kurs atau saham mengalami peningktan atau
Komputasional adalah sebuah kontribusi yang penurunan point..
penting dalam kehidupan nyata . Identifikasi Sistem dan pemodelan adalah
Perkembangan Intelejensia Komputasional sebiah komponen untuk membangun model sebuah
terdiri dari tiga komponen utama yaitu: sistem yang rumit dan kompleks. Model dapat
a. Logika Fuzzy dengan karakteristik pada nilai berupa firmulamatematis ataupun linguistik.
yang tidak akurat dan approximation reasoning Dengan model ini dapat diketahuo perilaku dari
. sistem
b. Jaringan Syaraf Tiruan dengan kemampuan Sistem pengambil keputusan adalah dasar
belajar, proses paraleldan interpolasi. pengetahuan yang memberikan sebuah dukungan
c. Algoritma Genetika dan Teori Chaos dengan kepada manusia untuk mengambil sebuah
ketidakpastian ,optimasi dan popagasi. keputusan dalam mengatasai sebuah masalah.

C-21
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

Neurofuzzy memiliki tugas untuk membangun, Sistem kendali (Neurofuzzy untuk ANC)
mengembangkan dan meningkatkan pengetahuan didisain untuk penggunaan nyata. Disain didasrkan
dengan menggunakan kamampuan belajar. pada komnsep dasar neurofuzzy dan ANC.
Tiga konfigurasi utma sudah banyak Neurofuzzy pada ANC digunakan sebagai
dikembangkan dan hasilnya cukup sukses. alat identifikasi dengan cara memonitor sinyal
Keberhasilan ini akan dijadikan dasar dalam noise dan melakukan prediksi terhadap sinyal noise
implementasi Neurofuzzy di lingkup yang lain. berikutnya yang akan melewati titik noise. Dari
hasil prediksi ini selanjutnya dihasilkan sinyal
antinoise. Konsep ini dapat digambarkan sebagai
NEUROFUZZY UNTUK ANC
berikut:
Intelligent Control System didefinisikan
sebagai sebuah sistem kendali dengan derajat
autonomi tertentu dalah istilah memiliki
kemampuan self-learning, self-reconfigurability,
reasoning, planning dan decision making. Secara
umum, saat ini ICS didasrkan pada kemampuan
sistem pakar, logika fuzzy dan neural network.
Aplikasi dari ICS berkembang meluas di
segala bidan dan disiplin keilmuan. Pada sistem
kendali dan komputer ICS berkembang sangat Neurofuzzy sebagai Prediction tool
pesat. Kombinasi antar komponen ICS bertujuan
untuk menekan kerugian dan memunculkan Dari gambar tersbeut, digital filter W(z)
berisi kairdah Neurofuzzy . Dasar dari sistem ANC
keuntungan. Salah satu alasan penggunaan Adaptif
adalah sebuah sistem adaptif yag akan melakukan
Logika Fuzzy adalah kemampuan dalam mengubah proses identifikasi untuk mendekati plant P(z) yang
kaidah dasar dan set fuzzy.Kemampuan adaptif tidak diketahui. P(z) mengandung respon akustik
diturnkan dari karingan syaraf tiruan. Kemampuan dari sensor. Jika plant P(z) bersifat dinamis maka
ini akan digunakan sebagai konsep ANC yaitu diperlukan sebuah algirtima adaptif untuk dapt
dapat memahami karakteristik noise menggunakan melakukan penjejakan terhadap variasi dari kondisi
algoritma neurofuzzy. Pemahaman noise yang plant atau sinyal.
akuran akan memudahkan menghasilkan antinoise Tujuan utama dari filter W(z) adalah untuk
yang tepat. meminimalkan sinyal residual error e(n) signal.
Setelah adaptive filter W(z) mengalami
PENELITIAN konvergensi maka diperoleh W(z)=P(z) untuk E(z)
=/ 0 yang menjadikan y(n)=d(n) . Sehingga,
Penelitian dilakukan dengan tujuan: adaptive filter output y(n) adalah identik dengan
a. Disain algortima dan struktur ANC yang sesuai sinyalnoise/gangguan d(n) . Pada saat d(n) dan
untuk peredaman noise Generator. y(n) secara akustik dikombinasikan maka residual
b. Membuktikan bahwa disain yang dibuat dapat error adalah e(n)=d(n)-y(n)=0 yang merupakan
memenuhi fungsinya sebagai ANC melalui hasil yang sempurna untuk proses anti noise.
simulasi sistem. Pada gambar di bawah, setelah sensor
referensi mengambil sinyal refernsi maka komputer
Dengan tujuan tersebut maka penelitian atau pengendali akan memiliki cukup waktu untuk
dilakukan dengan tahapan dan langkah sebagai menghitung keluaran yang tepat melaluai speaker
berikut: untuk anti noise.
a. Penyusunan Konfigurasi ANC disesuaikan Dengan menggunakan konsep Neurofuzzy
dengan kebutuhan untuk pengendalian noise maka tugas W(z) akan dikendalikan oleh
yang dihasilkan oleh generator. Neurofuzzy. Dengan kemampuan adaptifnya tugas
b. Penyusunan karakteristik ruangan isolasi yang W(z) dapat ditangani oleh Neurofuzzy . Neurofuzzy
menjadi tempat generator. dapat digambarkan sebagai berikut:
c. Penentuan konfigurasi ANC berupa jumlah
input dan output (multiple channel)
d. Penentuan titik- titik penempatan sensor dan
aktuator.
e. Disain algoritma ANC dengan referensi
kondisi di atas.
f. Membuat sebuah perangkat simulasi
menggunakan perangkat lunak Matlab.
g. Evaluasi terhadap hasil simulasi. NF
Diagram Blok of ANC mengunakan Neurofuzzy
Algorithm

C-22
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

Dari tahapan penelitian tersebut diperoleh


hasil akhir berupa:
ANC dengan konfigurasi Feedfoward ANC
dengan algoritma/filter adaptive serta
menggunakan 4 sensor (microphone) yang
ditempatkan dalam empat arah dan empat aktuator
(speaker). Dari susunan tersebut diperoleh hasil
simulasi sebagai berikut:
Grafiks Residu (sisa) noise setelah ANC bekerja
Proses sensor yang memonitor kondisi noise
kemudian sistem ANC akan melakukan sebuah
aproksimasi terhadap fungsi noise tersebut sebagai
dasar penyusunan antinoise didapatkan grafik KESIMPULAN
berikut:
Dari resume simulasi yang dilakukan
diperoleh kesimpulan bahwa kaidah dan struktur
ANC yang dihasilkan memberikan kinerja yang
baik yaitu dapat menekan noise primer terutama di
frekuensi rendah.
Dalam penelitian ini terbatas sampai tahapan
simulasi dengan perangkat lunak. Pengembangan
selanjutnya berupa implementasi ANC hasil disain
di atas dengan tetap menggunakan PC sebagai
pengolah sinyal akan memberikan kontribusi nyata
pada pengembangan teknologi dan juga
memberikan manfaat bagi kehidupan nyata.

PUSTAKA
Gambar sinyal noise (merah) dengan sinyal [1] Widrow, B., and S. D. Stearns, Adaptive Signal
identifikasi (kuning) Processing, Prentice-Hall, Englewood Cliffs,
NJ, 1985.
[2] Kuo, S. M., and C. Chen, “Implementation of
Adaptive Filters with the TMS320C25 or the
TMS320C30,” Digital Signal Processing
Applications with the TMS320 Family, Volume
3, edited by P. Papamichalis, Prentice-Hall,
Englewood Cliffs, NJ, 1990, pp. 191–271.
[3] Kuo, S. M., and J. Chen, “Multiple-
Microphone Acoustic Echo Cancellation
Gambar sinyal noise (merah) dengan sinyal anti System with the Partial Adaptive Process,”
noise (kuning) Digital Signal Processing, Vol. 3, No. 1,
January 1993. pp. 1–10.
[4] Glover, J. R., Jr., “Adaptive Noise Canceling
Applied to Sinusoidal Interferences,” IEEE
Trans.on ASSP, Vol. ASSP-25, No. 6, Dec.
1977. pp. 484–491.
[5] Kuo, S. M., and D. Vijayan, “Feedback Active
Noise Control Systems,” Proc. Int. Conf.
Signal Processing Applications and
Technology, 1993. pp. 132–141.
[6] Allie, M. C., C. D. Bremigan, and L. J.
Gambar Sinyal Residu Noise Eriksson, “Hardware and Software
Considerations for Active Noise Control,”
Proc. ICASSP-88, New York, April 1988. pp.
2598–2601.
[7] Nishimura, M., “Some Problems of Active
Noise Control for Practical Use,” Proc. Int.
Symp. Active Control of Sound and Vibration,
Tokyo, 1991. pp. 157–164.

Grafik Noise sebelum ANC bekerja

C-23
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

[8] Oppenheim, A. V., and R. W. Schafer, [12] Melton, D. E., and R. A. Greiner, Adaptive
Discrete-Time Signal Processing, Prentice- Feedforward Multiple-Input, Multiple-Output
Hall, Englewood Cliffs, NJ. 1989. Active Noise Control, Proc. ICASSP, 1992. pp.
[9] Texas Instruments, TMS320C2x User’s Guide, II–229–232.
1993. [13] Guicking, D., and M. Bronzel, Multi-Channel
[10] Crochier, R., R. Cox, and J. Johnson, “Real- Broadband Active Noise Control in Small
Time Speech Coding,” IEEE Enclosures, Proc. Inter-Noise, 1990. pp. 1255–
Trans.Communications, April 1982. pp. 1258.
[11] Elliott, S. J., P. A. Nelson, I. M. Stothers and [14] Garcia, D., Precision Digital Sine-Wave
C. C. Boucher, In-Flight Experiments on the Generation with the TMS32010, Chap. 8 in
Active Control of Propeller-Induced Cabin Digital Signal Processing Applications with
Noise, Journal of Sound and Vibration, Vol. the TMS320 Family, vol. 1, edited by K. S.
140, No. 2, 1990. pp. 219–238. Lin, Texas Instruments, 1989.g

C-24