Anda di halaman 1dari 5

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

Yogyakarta, 18 Juni 2005

PENERAPAN FUZZY LOGIC PADA SISTEM PENGATURAN JUMLAH AIR


BERDASARKAN SUHU DAN KELEMBABAN
A. Sofwan
Faculty of Industial Technology, Electrical Engineering Department,
National Institute of Science and Techology
Jl. Moh. Kahfi II, Jagakarsa, Jakarta 12640
E-mail: mtm-istn@indo.net.id

ABSTRAK
Suhu dan Kelembaban suatu tanaman merupakan parameter utama yang mempengaruhi jumlah air yang
dibutuhkannya. Perancangan sistem kendali yang mempunyai input non-linier dan dengan persamaan fungsi
alih yang sulit membutuhkan suatu sistem kendali yang mampu membuat keputusan pengendalian. Hal ini
disebabkan karena keputusan pengendalian yang dikeluarkan logika manusia mempunyai keluaran
pengendalian yang sempurna dalam pengaturan segala sesuatunya, baik itu yang konvensional maupun yang
non-konvensional. Fuzzy Logic merupakan salah satu metode sistem kendali yang dapat memberikan keputusan
yang menyerupai keputusan manusia. Pada proses perancangan plant ini, digunakan sistem pengembangan
kendali fuzzy logic dengan menggunakan sistem mikrokontroler MCS51 pada Development Tools DT51. Hal ini
dimaksudkan untuk suatu perancangan pada plant pengendalian air pada tanaman. Proses pengendalian
dengan fuzzy ini dilakukan oleh sistem mikrokontroler dengan tambahan interface yang merupakan Analog
Input Output add-on board untuk DT51, interface LCD sebagai output tampilan waktu, satu sensor suhu dan
sensor kelembaban tanah sebagai input masukan fuzzy logic control. Dari hasil percobaan yang dilakukan,
menunjukan bahwa sistem kendali fuzzy logic lebih mudah dalam pembuatan sistem pengendaliannya dan lebih
fleksibel dalam membuat perancangannya dengan tidak membutuhkan persamaan matematik untuk fungsi alih-
fungsi alih pada plant, karena sistem fuzzy mengambil keputusan dari logika manusia yang ditempatkan pada
knowledge Base sistem fuzzy.

Keywords: Fuzzy Logic, Air Tanaman, Kendali, Sensor suhu dan sensor kelembaban.

1. PENDAHULUAN
Penyiraman tanaman merupakan pekerjaan tanaman yang dirawat tersebut merupakan tanaman
yang biasa dilakukan setiap hari, baik itu untuk yang membutuhkan perawatan yang lebih spesifik.
tanaman pribadi dirumah, tanaman yang ada Untuk tanaman yang membutuhkan perawatan yang
ditaman-taman kota dan sepanjang jalan trotoar lebih intensif, maka tidak semua orang bisa
serta tanaman-tanaman yang dibuat usaha melakukannya, kecuali hanya orang yang memiliki
budidaya. Penyiraman tanaman tersebut merupakan keahlian khusus. Dengan demikian akan
salah satu pekerjaan yang monoton dan routine dibutuhkan suatu system pengendalian khusus.
serta biasanya pekerjaan ini dilakukan secara Dalam hal ini akan diterapkan suatu metode
manual dengan menggaji pegawai untuk melakukan berbasis fuzzy logic yang mempunyai 2 parameter
penyiraman pada waktu-waktu tertentu. Pekerjaan utama, yaitu suhu udara dan kelembaban tanah.
secara manual ini biasanya mengalami berbagai Diharapkan dengan metode ini dapat diatur debit air
permasalahan ketika pekerjaan dilakukan. Salah yang dibutuhkan oleh tanaman tersebut. Informasi
satu permasalahan yang paling serius yaitu knowledge base haruslah berasal dari seorang yang
permasalahan kuantitas air. Berapa banyak air yang ahli dalam bidang tanaman.
dibutuhkan oleh suatu tanaman yang dirawat agar
air yang digunakan tidak terlalu banyak terbuang 2. DASAR FUZZY LOGIC
sia-sia, sehingga hal tersebut menjadi Mubadzir. Dasar teori fuzzy membahas tentang konsep
Jika pemantauan ini tidak dilakukan maka dapat dasar himpunan fuzzy, yang mencakup pembahasan
terjadi bahwa tanaman yang dirawat bisa himpunan fuzzy, Operasi logika pada fuzzy dan
mengalami kelebihan ataupun kekurangan air, Hukum-hukum pada himpunan fuzzy.
sehingga mengakibatkan kematian pada tanaman.
Pemantauan tersebut tidak bisa diselesaikan 2.1 Konsep Dasar Himpunan Fuzzy
dengan sistem kendali biasa, karena pada sistem Pada teori himpunan klasik (Crisp) suatu
pengendalian biasa yang diatur hanya kapan pompa variabel hanya mempunyai dua kemungkinan,
air dihidupkan dengan tanpa memperhitungkan menjadi anggota himpunan atau tidak menjadi
keadaan tanaman sebelumnya. Padahal pekerjaan anggota himpunan. Dalam teori himpunan crisp ini
yang dihadapi dapat lebih kompleks dari itu. batasan-batasan antara anggota dan bukan anggota
Permasalahan akan lebih kompleks lagi jika jelas sekali. Temperatur untuk air yang dianggap air

C-89
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

panas adalah temperatur dengan suhu 100ºc. Jika mempunyai nilai yang dinyatakan dengan kata-
suatu air dipanaskan sampai temperatur 110ºc kata, misalnya untuk variabel linguistik ‘suhu
berarti air tersebut merupakan anggota dari air udara’ akan mempunyai nilai berupa nilai linguistik
panas. Sedangkan jika air tersebut hanya seperti: Panas (P), Sangat Panas (SP), Agak Panas
bertemperatur 90ºc berarti air tersebut bukan (AP) dan Tidak Panas (TP).
merupakan anggota dari air panas atau bukan air
panas. Dalam hal ini himpunan klasik (crips) hanya b. Derajat keanggotaan
mempunyai 2 kemungkinan yang terjadi, yaitu air Derajat keanggotaan, yaitu nilai-nilai yang
tersebut disebut panas jika bertemperatur sama terdapat pada variabel linguistik yang dipetakan ke
dengan 100ºc atau lebih dan disebut bukan air interval [0,1]. Nilai pemetaan inilah yang disebut
panas bila bertemperatur lebih kecil dari 100ºc. sebagai nilai keanggotaan atau derajat keanggotaan.
Sehingga jika temperatur air tersebut hanya 99,9ºC
maka tetaplah bukan termasuk bagian dari anggota c. Fungsi keanggotaan.
air panas. Hubungan-hubungan pemetaan pada nilai
Didalam himpunan fuzzy terdapat perbedaan linguistik dan nilai keanggotaan (dari 0 sampai 1)
dengan himpunan klasik. Himpunan fuzzy yang digambarkan kedalam grafik fungsi sehingga
merupakan perluasan dari himpunan klasik, didapatkan suatu fungsi. Fungsi inilah yang disebut
sehingga dalam himpunan fuzzy dapat mempunyai sebagai fungsi keanggotaan dalam himpunan fuzzy.
beberapa kemungkinan, bukan hanya 2
kemungkinan seperti didalam himpunan klasik. 3. STRUKTUR DASAR SISTEM FUZZY
Temperatur untuk air panas adalah “sekitar“ 100ºc, Didalam struktur dasar sistem pengendalian
maka jika suatu air dipanaskan hingga mencapai pada fuzzy logic control, terdapat empat komponen
temperatur 90ºc dapat dikatakan sebagai anggota atau bagian utama yang sangat penting. Gambar 3
dari air panas, bahkan air yang hanya bertemperatur menunjukkan struktur dasar dari pengendali fuzzy
80ºc dapat pula dikatakan sebagai anggota logic control, yang terdiri dari Fuzzifikasi,
temperatur air panas. Jika demikian hingga batasan Knowledge Base, Inferensi dan Defuzzifikasi.
berapakah temperatur “sekitar“ untuk anggota air
panas bisa dikatagorikan sebagai temperatur air KNOWLEDGE BASE

panas?. Demikian pula halnya dengan kelembaban RULE BASE DATA BASE

suatu tanah.
Untuk persoalan ini himpunan fuzzy
membedakan temperatur anggota air panas itu
dengan mengunakan nilai keanggotaannya, yaitu FUZZIFIKASI INFERENSI DEFUZZIFIKASI

dari nilai keanggotaan “0“ sampai nilai Gambar 2. Struktur Dasar Pengendali Fuzzy Logic
keanggotaan “1“. Nilai atau derajat keanggotaan ini Control
dapat dinyatakan sebagai fungsi keanggotaan.
Fungsi keanggotaan didalam himpunan crips 3.1 Knowledge Base
(Gambar 2.a) dan fungsi keanggotaan himpunan Knowledge base mempunyai fungsi penting
fuzzy (Gambar 2.b) dapat digambarkan seperti dalam pengendalian dengan logika fuzzy karena
berikut: semua proses: fuzzifikasi, inferensi dan
v v defuzzifikasi bekerja berdasarkan pengetahuan
1 1
yang ada pada knowledge base. Knowledge base
dibagi dua, yaitu data base dan rule base. Data Base
berisi definisi-definisi penting mengenai parameter
o
fuzzy seperti himpunan fuzzy dengan fungsi
100 c 80 100 120oc keanggotaannya yang telah didefinisikan untuk
(a) Himpunan Crips. (b) Himpunan Fuzzy. setiap variabel linguistik yang ada. Pembentukkan
Gambar 1. Grafik fungsi keanggotaan himpunan data base meliputi pendefinisian ruang semesta,
Crips dan Fuzzy. penentuan banyaknya nilai linguistik yang
digunakan untuk setiap variabel linguistik, dan
Himpunan pada fuzzy logic menggunakan 3 membentuk fungsi keanggotaan. Basis rule berisi
parameter untuk membentuk keanggotaan dalam aturan kendali fuzzy yang dijalankan untuk
himpunannya. Parameter-parameter yang mencapai tujuan pengendalian. Tiap rule kendali
digunakan untuk membentuk himpunan fuzzy logic berupa implikasi dan pernyataan kondisional IF –
adalah: THEN.
Aturan-aturan IF – THEN yang ada
a. Variabel linguistic dikelompokkan dan disusun kedalam bentuk Fuzzy
Variabel yang digunakan pada logika fuzzy Associative Memory (FAM). FAM ini berupa suatu
untuk menggantikan variabel kuantitatif yang matriks yang menyatakan input-output sesuai
digunakan pada logika crisp. Variabel linguistik dengan aturan IF – THEN pada basis aturan yang

C-90
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

ada. Bentuk matrik dari FAM akan dibahas 4. PERANCANGAN & ANALISA SISTEM
kemudian. Aturan yang telah dibuat harus dapat Akan dibahas mengenai perancangan dan
mengatasi semua kombinasi-kombinasi input yang pembuatan analisa sistem pengendalian air tanaman
mungkin terjadi, dan harus dapat menghasilkan berbasiskan sistem kendali fuzzy logic control
sinyal kendali yang sesuai agar tujuan pengendalian beserta piranti-piranti diluar sistem fuzzy yang
tercapai. Oleh karena itu, maka pembentukkan digunakan sebagai rangkaian tambahan dalam
basis aturan ini sangat penting. simulasi dan rancang bangun sistem pengendalian
air tanaman. Pembahasan dibagi menjadi beberapa
3.2 Inferensi bagian, yaitu: Perancangan pada sistem fuzzy logic
Inferensi adalah proses transformasi dari control yang akan menjelaskan tentang pembuatan
suatu input dalam domain fuzzy ke suatu output fungsi keanggotaan fuzzy untuk sensor suhu udara
(sinyal kendali) dalam domain fuzzy. Proses dan kelembaban tanah pada fuzzifikasi, pembuatan
transformasi pada bagian inferensi membutuhkan rule-rule dan FAM pada knowledge base, serta
aturan–aturan fuzzy yang terdapat didalam basis- pembuatan fungsi keanggotaan fuzzy untuk
basis aturan. Blok inferensi mengunakan teknik defuzzifikasi sebagai output dari sistem kendali
penalaran untuk menyeleksi basis-basis aturan dan fuzzy logic control.
rule dari blok knowledge base. Teknik penalaran Pembahasan tentang sensor-sensor, LCD,
yang digunakan adalah teknik penalaran MAX – saklar elektronik dan pompa sebagai output
MIN yang berfungsi sebagai logika pengambil keluaran dari sistem, serta pembahasan tentang
keputusan. rangkaian tambahan untuk pengujian dari simulasi
Gambar 3 menunjukan proses inferensi sistem penyiraman air pada tanaman ini. Blok
dengan metode penalaran MAX – MIN diagram sistem penyiraman air pada tanaman
menggunakan inputan suhu udara dan inputan berbasis fuzzy logic control dapat dilihat pada
kelembaban tanah. Langkah awal dalam proses gambar 5 berikut:
penalaran MAX – MIN adalah pembacaan nilai- LCD

nilai yang masuk dari sensor yaitu: sensor suhu


udara dan sensor kelembaban tanah serta SENSOR SUHU Lampu
penempatan masukan tersebut di grafik Indikator

keanggotaan sensor suhu udara (X0=sensor suhu)


ADC
dan grafik keanggotaan sensor kelembaban tanah DT51
Version 3.0
(Y0= sensor kelembaban). SAKLAR
SENSOR
Langkah selanjutnya setelah didapatkan KELEMBABAN ELECTRONIC
POMPA

hasil penempatan nilai X0 dan Y0, dilakukan proses


penyeleksian dengan mengambil nilai minimum
Gambar 5. Blok diagram sistem penyiraman
dari grafik inputan X0 dan Y0. Setelah didapatkan
otomatis.
hasil seleksi nilai minimum, penalaran MAX –
MIN menyeleksi kembali dengan mengambil nilai
a. Perancangan sistem Fuzzy Logic Control
maximum untuk mendapatkan hasil akhir berupa
Fuzzy logic control memiliki empat bagian
nilai output inferensi dalam domain fuzzy.
utama dalam pembuatan struktur dasar sistem
µ A1 µ B1 µ C1
kendali fuzzy, yaitu: Fuzzifikasi, Knowledge Base,
A1 B1 C1
Inferensi dan Defuzzifikasi.

µC • Fuzzifikasi
µ A2 µ B2 µ C2 Pada sistem pengendali air tanaman ini
terdapat dua input masukan yang akan di
A2 B2 C2
fuzzifikasikan ke himpunan fuzzy dan menjadi
fungsi keanggotaan fuzzy. Gambar 9 dan 10
X0 Y0 Min
dibawah merupakan fuzzifikasi dari input-input
masukan yang dikeluarkan rangkaian sensor suhu
Gambar 3. Proses Inferensi dengan metode Max- udara dan kelembaban tanah. Dipilih lima buah
Min. nilai linguistik untuk output sensor suhu udara yaitu
- X 0= Inputan suhu udara (input 1). Dingin (D), Sejuk (S), Normal (N), Hangat (H) da
- Y 0 = Inputan kelembaban tanah (input 2). Panas (P) sebagaimana terlihat pada gambar 6.
- µA= Fungsi keanggotaan suhu udara.
- µB= Fungsi keanggotaan kelembaban. - Dingin = 10 0C - 25 0C.
- µC= Fungsi keanggotaan timer. - Sejuk = 20 0C - 30 0C.
- A = Nilai linguistik suhu udara (input 1). - Normal= 25 0C - 35 0C.
- B = Nilai linguistik kelembaban (input 2). - Hangat = 30 0C - 40 0C.
- C = Nilai linguistik timer (output). - Panas = 35 0C - 50 0C.

C-91
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

- Kering= 0 % - 40%. • Inferensi


- Normal = 25% - 75% Selanjutnya, matrik Fuzzy Associative
- Basah=60% - 100%. Memory dari rule-rule pernyataan diatas
dipergunakan sebagai knowledge base atau basis
Sedangkan untuk keluaran dari sensor pengetahuan untuk proses pada blok inferensi. Pada
kelembaban tanah menggunakan tiga buah nilai blok inferensi ini, digunakan penalaran MAX–MIN
linguistik untuk mendefenisikan keadaan tanah untuk mendapatkan hasil output dalam domain
pada tanaman, yaitu Kering (K), Normal (N) dan fuzzy. Hasil proses pada inferensi mengunakan
Basah (B). penalaran MAX–MIN dapat dilihat pada lembar
lampiran.
• Knowledge Base
Untuk sistem penyiraman otomatis pada • Defuzzifikasi
tanaman ini, digunakan beberapa rule yang Pada proses defuzzifikasi ini juga terdapat
kemungkinan besar akan terjadi pada tanaman yang grafik fungsi keanggotaan untuk menentukan
akan dikendalikan tersebut. Dalam pembuatan rule batasan dari output fuzzy yang diinginkan. Dipilih
atau pernyataan ini, sebenarnya tidak memiliki tujuh buah nilai linguistik untuk menentukan
batasan dalam jumlahnya, semakin banyak rule-rule kondisi dari timer sebagaimana terlihat pada
yang dibuat semakin tepat dan detail kerja alat yang gambar 7.
dirancang. Tabel 4.1 dibawah adalah rule-rule
KEL
pernyataan pada sistem penyiraman tanaman EMSUHU
BAB D S N H P
otomatis mengunakan sistem kendali fuzzy logic A N

control yang berjumlah 15 rule. B C SB AS SD ALM

Dingin N SB AS SD ALM LM
SejukNormal
Hangat
Panas
1
K AS SD ALM LM L

0.5 Sebentar Sedang Lumayan


Cepat Agak Sebentar
Agak LumayanLama
1

100c 500c
0.5
Kering Normal Basah
1
0 5 10menit
Gambar 7. FAM sistem penyiraman tanaman dan
0.5 Fungsi keanggotaan output fuzzy (time)

5. SENSOR
0% 50% 100% Selain mengunakan Analog Digital
Gambar 6. Fungsi keanggotaan sensor suhu dan Converter (ADC) sebagai alat untuk mengubah
sensor kelembaban besaran-besaran analog ke besaran-besaran digital,
simulasi sistem penyiraman air pada tanaman ini
Rule-rule pernyataan dikelompokkan juga membutuhkan rangkaian-rangkaian sensor
menjadi sebuah matrik yang disebut sebagai Fuzzy yang berfungsi untuk mendeteksi dan mengetahui
Associative Memory (FAM). Matrik Fuzzy kondisi keadaan yang terjadi pada tanaman yang
Associative Memory ini mempunyai ukuran n x m, akan d ikendalikan, baik itu untuk kondisi keadaan
dengan n = jumlah keanggotaan input suhu udara tanah maupun kondisi keadaan suhu dari tanaman
dan m = jumlah keanggotaan input kelembaban tersebut. Untuk simulasi ini dipergunakan dua
tanah. Tabel 4.2 memperlihatkan bentuk matrik sensor sebagai pendeteksinya, yaitu sensor suhu
Fuzzy Associative Memory (FAM). udara dan sensor kelembaban tanah. Gambar 8a
Adapun pembagian dari kedua parameter memperlihatkan komponen utama dari sensor suhu
tersebut diatur sebagai berikut: (LM35).
- C = Cepat.
- SB = Sebentar. Parameter Waktu (Menit)
Cepat 0 – 2, 0
- AS = Agak Sebentar.
Sebentar 1, 0 - 3, 0
- SD = Sedang. Agak Sebentar 2, 5 - 5, 0
- ALM = Agak Lumayan. Sedang 3,75 - 6,25
- LM = Lumayan. Agak Lumayan 5, 0-7, 5
- L = Lama. Lumayan 7,0 – 9,0
Lama 8 - 10

C-92
Seminar Nasional Aplikasi Teknologi Informasi 2005 (SNATI 2005) ISBN: 979-756-061-6
Yogyakarta, 18 Juni 2005

• Untuk sistem penyiraman yang spesifik dan


teliti sesuai dengan karakteristik tanaman yang
akan disiram, membutuhkan sensor-sensor
masukan yang lebih beragam.

DAFTAR PUSTAKA
1. Lee, Chuen Chien. 1990. “Fuzzy Logic in
Control System: Fuzzy logic Controller – Part
I.” IEEE Trans. Syst., Man, Cybern. Vol.20,
(a) no. 2, hal. 404-418.
VCC 2. Lee, Chuen Chien. 1990. “Fuzzy Logic in
Control System: Fuzzy logic Controller – Part
GND
R1 II.” IEEE Trans. Syst., Man, Cybern. Vol.20,
Output
R9 no. 2, hal. 419-435.
3. Bezdek, James C. 1993. “Editorial: Fuzzy
R2 R8 Models-What are they, and Why?” IEEE
Trans. Fuzzy Systems. Vol.1, no1, hal 1-6.
R3 R7 4. Terano, Toshiro, Kiyoji Asai dan Michio
Sugeno. 1987. Fuzzy Systems Theory and Its
R4
R5
R6 Applications. San Diego, CA: Academic
Press, Inc., 1987.
(b) 5. Po Bun Hauw, “Algoritma pengendalian
Gambar 8. a) Sensor Suhu LM35 dan b) Skema Berdasarkan Prinsip-Prinsip Fuzzy Logic”,
rangkaian sensor kelembaban tanah Seminar, Depok: Jurusan Elektro FTUI, 1997.
6. Susanto, Budhy, 2001,”Timer&Counter dlam
Sensor suhu LM35DZ mempunyai MCS51”,http://alds.stts.edu/DIGITAL/
jangkauan temperatur antara 0–100 derajat Celcius Timer. Htm.
dengan kenaikkan 10 mV untuk tiap derajat 7. Thiang, Anies Hannawati, Resmana,
Celcius, contoh: pada suhu 0 derajat Celcius maka “Pembuatan Program Kernel Fuzzy Logic
tegangan adalah 0 mV sedangkan pada suhu 30 PetraFuz untuk Microcontroller MCS51”,
derajat Celcius maka tegangannya adalah 30 mV Technical Report Control System Laboratory,
atau 0.3 V. Untuk sensor kelembaban tanah Petra University, 1998.
menggunakan beberapa komponen-komponen 8. Philips, Data Sheet, Philip Semiconductors,
resistor yang dirangkai dan dihubungan sedemikian Jakarta, 1998.
rupa sehingga membentuk suatu rangkaian
elektronik yang bisa mendeteksi kelembaban air DR.-Ing. Agus Sofwan, was born on July, 1962 in
Jakarta. He is a male. Since September 2nd, 2001
didalam tanah. Gambar 8 diatas memperlihatkan sofwan’s family live in Cipayung Depok 16230.
suatu skema rangkaian dari sensor kelembaban His phone is 0813-10374.374 or 021-7763750. He
tanah. is a Microsystems and control specialist for
National Institute of science and technology
KESIMPULAN (ISTN), Jakarta. In 1987 he graduated from
Dari hasil pengujian dan analisa penerapan Electrical Department of National Institute of
pengendali logika fuzzy pada sistem pengendalian Science and Technology and has Electrical
air Taman ini didapatkan beberapa kesimpulan Engineer degree and holds Master’s Degree in Opto
sebagai berikut: - electronics and Laser Applications from
• Untuk penerapan sistem kendali fuzzy logic University of Indonesia. Since 1995 he has
control tidak memerlukan model matematika researched and worked with Mr. Prof. Dr. – Ing.
dan optimum pada kendali non-linier karna Wolfgang Benecke, who is a head of Institute for
keputusan yang dikeluarkan hanya micro sensors, micro actuators and micro systems
menggunakan logika manusia. (IMSAS) of Bremen University Germany. On June
• Variabel linguistik, Derajat keanggotaan dan 2000 he got Ph.D. Degree from this Institute. Now
Fungsi keanggotaan adalah parameter- he works as a lecturer in Undergraduate (S-1) and
Graduate (S-2) of electrical department, National
parameter pembentuk untuk anggota himpunan Institute of science and technology, Jakarta. He
logika fuzzy. works in Research Center for Electrical
• Langkah-langkah untuk membuat sistem fuzzy Engineering since March 2001. Beside that, he
logic control terdiri dari pembentukan: works as an Editor for some scientific journal in
fuzzifikasi, knowledge base, inferensi dan Jakarta, which are SciTech represented Research
defuzzifikasi. and Development for ISTN, Sinusoida represented
• Knowledge base disusun berdasarkan Electrical Engineering Department of ISTN and
pengalaman seorang operator ahli pada Teknoka represented Electrical Department of
bidangnya. University of Muhammadiyah UHAMKA.

C-93