1.
PENDAHULUAN
Dalam perjalanan perkembangan suatu generasi teknologi menjadi lebih mantap dan berdaya guna tinggi, membutuhkan adanya pengembangan dasar pengetahuan dan dilakukannya berbagai macam riset atau penelitian yang bersifat
parameter sistem terhadap kualitas unjuk kerja sistem. Jadi tidak bisa diharapkan suatu rancang bangun yang universal dan strategi optimasi fuzzy dapat segera
digunakan secara praktis. Saat ini logika fuzzy telah berhasil menerobos kendala-kendala yang dulu pernah ditemui dan segera menjadi basis teknologi tinggi. Penerapan teori logika ini dianggap mampu menciptakan sebuah revolusi dalam teknologi. Sebagai contoh, mulai industri tahun yang 90-an para manufaktur di bidang (DCSs),
pertanyaan mendasar seperti : teori-teori apa saja yang masih secara praktis masih relevan untuk kemudian dikembangkan atau teori mana saja yang sama sekali tidak bisa digunakan lagi? Teori yang
bergerak
Distributed
Control
System
modern seperti jaringan neural, algoritma genetik, dan lain sebagainya. Pada generasi pertama
menyatukan sistem logika fuzzy pada barang produksi mereka dan memiliki prospek ekonomi yang baik. Sebuah perusahaan mikroprosesor terkemuka,
teknologi fuzzy, terdapat beberapa kendala yang ditemui untuk mengembangkan pada industri-industri atau sistem kendali yang telah ada. Saat itu belum ada metodologi yang sistematik fuzzy, tentang penentuan aplikasi rancang
Motorolla, dalam sebuah jurnal teknologi, pernah menyatakan " bahwa logika fuzzy pada masa-masa mendatang akan memainkan peranan penting pada sistem
pengendali
kendali digital Pada saat yang bersamaan, pertumbuhan yang luar biasa terjadi pada industri perangkat lunak yang menawarkan kemudahan penggunaan logika fuzzy dan penerapannya pada setiap aspek kehidupan sehari-hari. Ada dua alasan utama yang mendasari teknologi fuzzy:
y
dengan
pasti,
karakteristik
proses
mempunyai faktor lag, dan dipengaruhi oleh derau acak. Bentuk sistem seperti ini jika dipandang sistem konvensional sangat sulit untuk dimodelkan. Beberapa proyek teknologi yang dinilai digunakan dan memiliki prospek ekonomi seperti:
y
Menjadi state-of-the-art dalam sistem kendali berteknologi tinggi. Jika diamati pengalaman pada negara-negara
Pengendali fuzzy anti-slip untuk kereta listrik, sistem pengaturan dan perencanaan perparkiran, sistem pengaturan lampu lalu lintas, dan pengendalian kecepatan
berteknologi tinggi, khususnya di negara Jepang, pengendali fuzzy sudah sejak lama dan luas digunakan di industri-industri dan alat-alat elektronika. Daya gunanya
dianggap melebihi dari pada teknik kendali yang pernah ada. Pengendali fuzzy
terkenal karena kehandalannya, mudah diperbaiki, dan yang lebih penting lagi pengendali pengendalian fuzzy yang memberikan sangat baik
Dalam :
aplikasi industri
industri kimia,
di
antaranya
sistem
dibandingkan teknik lain, yang biasanya membutuhkan usaha dan dana yang lebih besar.
y
diagnosis kebocoran-H2 Masih banyak aplikasi lainnya yang sudah beredar sebagai alat kendali dan barangbarang elektronik berteknologi tinggi.
pengendali
bermanfaat pada aplikasi-aplikasi sistem identifikasi structured, dan di pengendalian mana linieritas illdan
Logika fuzzy dapat diaplikasikan ke dalam hampir semua bidang dan sistem. Yang menjadi peran utama dalam disain sistem fuzzy adalah kemampuan intuitif operator dan penguasaannya pada sistem tertentu. Bagaimanapun model matematis dalam disain sebuah sistem dalam
pada gambar 1, adalah dalam domain waktu, untuk mempermudah perhitungan dan analisa dapat digunakan representasi sinyal dalam domain frekuensi atau sdomain. Analisa respon sistem dapat
prakteknya adalah sangat komplek dan rumit, oleh karena itu model linguistik menjadikan proses disain menjadi lebih sederhana. Pada beberapa kasus, model matematis dapat diterapkan dan dihitung dengan menggunakan persamaan perbandingan antara sinyal keluaran
dengan sinyal masukan, atau rasio sinyal keluaran dengan sinyal masukan yang biasa juga disebut fungsi alih atau fungsi transfer (transfer function). Rasio ini tidak lain adalah merupakan gambaran dari sistem kontrol itu sendiri. Beberapa notasi dasar dan bentuk fungsi alih adalah : a. Gain, G(s) b. Differentiator, G(s) c. Integrator (1stOrder), G(s)= ( d. 2ndOrder, G(s) =
menghasilkan sistem yang bagus, sebagai bandingan sistem fuzzy dapat digunakan untuk menyederhanakan proses atau
Ibrahim, 2004:69). Sistem kontrol closedloop konvensional terdapat 3 blok utama, yaitu: kontroler (kontroller), proses
Gambar 1. Sistem Kontrol Closed-Loop*) *)Ahmad M. Ibrahim, et all, 2004:37 R(t) adalah sinyal referensi, sinyal keluaran sistem kontrol c(t) diukur dengan menggunakan sensor dan akuisisi data yang akan menghasilkan sinyal error e(t), yaitu selisih antara sinyal referensi dengan sinyal keluaran. Kontroler bertugas untuk menjaga agar nilai error e(t) untuk selalu bernilai nol. Sinyal-sinyal yang terdpat Dimana K adalah faktor penguatan, adalah rasio damping, adalah konstanta waktu dan n adalah frekuensi alamiah.
(Ahmad M. Ibrahim, et all, 2004), yaitu: a. Kestabilan sistem b. Respon transien (transient respond) atau tanggapan alamiah
c. Respon keadaan mantap (steady state respon Secara umum grafik respon transien dan keadaan mantap dari suatu sistem dapat digambarkan seperti pada gambar 2.
PID (Proportional Integral Derivative) dengan bentuk diagram seperti pada gambar 3.
Gambar 3. Diagram Konsep Kontrol PID*) *) Ahmad Ibrahim, 2004 :86 Dengan memperbesar nilai Kp akan mempercepat respon sistem namun Gambar 2. Transient dan Steady-State Respond*) *) Ahmad M. Ibrahim, et all, 2004:59 Dead time (D) adalah waktu yang dibutuhkan sistem untuk memulai dengan kecenderungan nilai overshoot juga akan meningkat. Memperbesar nilai Kd akan berakibat respon sistem akan lebih teredam (damping) dan akan
mengurangi nilai overshoot. Memperbesar nilai Ki akan memperbaiki nilai steady state error namun sistem akan cenderung berosilasi disekitar nilai referensi (set point) (Ahmad Ibrahim, 2004 :89).
responnya, yaitu saat sistem memberikan sinyal keluaran hingga 10% (0.1) dari nilai masukannya. Rise time (R) adalah waktu yang dibutuhkan oleh sistem untuk merespon keluaran mulai dari 10% hingga 90% dari nilai masukannya. Overshoot adalah nilai maksimum yang mungkin dihasilkan oleh sistem, Steady-state error adalah nilai error yang terjadi pada saat sistem telah mencapai keadaan mantapnya. Sistem kontrol konvensional pada umumnya menggunakan sistem kontrol
membantu dalam menggantikan sistem yang sangat sulit untuk dapat dimodelkan secara matematis. Terdapat tiga tahapan
Esensi sistem kontrol fuzzy adalah terletak pada fuzzy Knowledge Base atau biasa dikenal dengan Rule Base, yaitu suatu model linguistik, dimana didalamnya terdapat kumpulan aturan berbentuk IFTHEN-ELSE, yang memetakan masukan pada keluaran sistem. Dengan dasar ini sistem fuzzy akan sangat banyak
yang
perlu
dilakukan
dalam
disain
kontroler fuzzy yaitu (Stevan Tosic, 2001): a. Analisa proses dari suatu sistem b. Mendeterminasikan rule dari seorang operator atau ahli c. Mensimulasikan, jika hasil kurang langkah awal dapat diulangi kembal
nilai linguistik untuk output kecepatan 3. PERANCANGAN KONSEP FUZZY LOGIC yang pada simulasi fuzzy kali ini adalah sebagai input error yaitu negatif, zero, dan positif. Dengan masing-masing parameter Perancangan Control sistem Fuzzy Logic -10 sampai dengan 10. Untuk memperkecil error dan supaya hasilnya lebih mendekati set point maka dilakukan simulasi dengan logic control memiliki menambahkan membership function
Fuzzy
empat bagian utama dalam pembuatan struktur dasar sistem kendali fuzzy, yaitu: Fuzzifikasi, Knowledge Base, Inferensi dan Defuzzifikasi. y Fuzzifikasi Pada sistem monitoring motor induksi satu phase ini terdapat dua input masukan yang akan di fuzzifikasikan ke himpunan fuzzy dan menjadi keanggotaan fuzzy. Gambar fungsi dibawah
menjadi 5 dengan nilai linguistik PB (positif besar), PK (positif kecil), Z (zero), NK (negatif kecil), NB(negatif kecil). Dengan masing-masing parameter -10 sampai dengan 10. Kemudian ditambah lagi menjadi 7 membership function agar hasilnya lebih presisi yaitu dengan nilai linguistik yaitu PB (positif besar),
PS(positif sedang), PK (positif kecil), Z (zero), NK (negatif kecil), NS(Negatif sedang), dan NB(negatif kecil). Dengan masing-masing dengan 10. Sedangkan untuk keluaran dari monitoring suhu (delta error) yaitu sama parameter -10 sampai
dengan
pengaturan
kecepatan
yaitu
menggunakan
membership
function
sebanyak 3, 5, dan 7 dengan masingmasing nilai linguistik yang sama pula dengan pengaturan kecepatan (error).
Begitu juga dengan output dari sistem ini. y Knowledge Base Untuk sistem pengaturan kecepatan pada motor induksi satu phase ini, beberapa rule yang y Inferensi Selanjutnya, Associative Memory matrik dari Fuzzy rule-rule
digunakan
kemungkinan besar akan terjadi pada motor induksi satu phase yang akan dikendalikan tersebut. Dalam pembuatan rule atau pernyataan ini, sebenarnya tidak memiliki batasan dalam jumlahnya,
pernyataan diatas dipergunakan sebagai knowledge base atau basis pengetahuan untuk proses pada blok inferensi. Pada blok inferensi ini, digunakan penalaran MAXMIN mendakati untuk mendapatkan hasil
semakin banyak rule-rule yang dibuat semakin tepat dan detail kerja alat yang dirancang. Pernyataan pada sistem
output dalam domain fuzzy. Hasil yang setting point maka hasil
pengontrolan motor induksi satu phase otomatis mengunakan sistem kendali fuzzy logic control yang berjumlah 9 rule(3 membership function), 25 rule(5
tersebut yang diambil. Setting point pada perancangan kali ini adalah 1. y Defuzzifikasi Pada proses defuzzifikasi ini juga terdapat grafik fungsi keanggotaan untuk menentukan batasan dari output fuzzy yang diinginkan. Untuk keluaran dari sistem ini yaitu sama dengan pengaturan kecepatan dan monitoring suhu(delta
membership function), dan 49 rule(7 membership function). Berikut ini adalah gambar garfik input dengan 3 membership function :
error) yaitu menggunakan membership function sebanyak 3, 5, dan 7 dengan masing-masing nilai linguistik yang sama pula dengan pengaturan kecepatan dan monitoring suhu (delta error)
4.
membuat desaim kontrol konvensional open loop dan close loop terlebih dahulu yang hasilnya akan dibandingkan dengan kontrol menggunakan fuzzy. Berdasarkan gambar gelombang yang dihasilkan terliht bahwa gelombang lebih cepat steady dibandingkan dengan rangkaian open loop. Waktu steadynya Dengan menggunakan transfer (TS) ketika 2.8 detik.
a.
Open loop
c.
melakukan
pengujian
dengan menggunakan rangkaian kontrol konvensional open loop dan close loop maka dilakukan pengujian error dan delta b. Close loop error dengan menggunakan fuzzy logic control.Pengujian metode try and mencoba dilakukan error yaitu dengan dengan jumlah
menggunakan
membership function yang berbeda-beda, dimulai dari 3 membership Dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti: function
sampai 7 membership function. Kemudian dipilih hasil yang paling mendekati dengan setting point yang dipilih sehingga
menghasilkan gelombang output yang mendekati setting point dan delta error
yang sedikit. Pegujian rangkaian model close loop dengan fuzzy control Mamdani adalah sebagai berikut :
1. Tiga membership function Rangkaian membership sebagai berikut : fuzzy pada matlab
Dengan
menggunakan
transfer
function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti:
Rangkaian
tiga
function ini dibagi tiga membership dari P(positif), Z(zero), dan N (negatif). Untuk mendapatkan output yang mendekati
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan melebihi 1 yaitu 3. 1.2. Output all zero Dengan rangkaian yang sama
dengan setting point maka dilakukan try and error yaitu mencoba nilai output dengan all positip, all zero, dan all negatif. 1.1. Output all positif Dua input di pangkat tiga
dengan sebelumnya tetapi semua output dari 2 input bernilai zero, sehingga juga ada 9 kemungkinan. Dan deangan sehingga
membership
fungtions
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
output
yang
dihasilkan
malah
jauh
2. Lima membership function Dengan parameter sama rangkaian hanya sama dan membership
function yang ditambah menjadi 5, yaitu PB (positif besar), PK (positif kecil), Z (zero), NK (negatif kecil), NB(negatif kecil). Untuk mendapatkan output yang mendekati dengan setting point maka dilakukan try and error yaitu mencoba Berdasarkan hasil gelombang output dengan setting point 1, tetapi output yang dihasilkan malah jauh diatas 1 yaitu 6. 1.3. Output all negatif Dengan rangkaian yang sama nilai output dengan all PB, all PK, all Z, all NK, dan all NB. 2.1. All PB Semua output dari 2 input bernilai PB, sehingga ada 25 kemungkinan, seperti gambar berikut :
dengan sebelumnya tetapi ada 9 rule base yang diset negatif Dan dengan
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
Berdasarkan hasil
output diatas
Dengan
menggunakan
function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti:
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan lebih baik daripada PB walaupun masih diatas set point yaitu 2.5.
dengan sebelumnya tetapi semua output dari 2 input bernilai Z, sehingga juga ada 25 kemungkinan. Dan dengan
menggunakan transfer function yang sama Berdasarkan hasil gelombang yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan melebihi 1 yaitu 4. 2.2. All PK Dengan rangkaian yang sama
dengan sebelumnya tetapi semua output dari 2 input bernilai PK, sehingga juga ada 25 kemungkinan. Dan deangan
Berdasarkan
hasil
gelombang
25
kemungkinan.
Dan
dengan
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan jauh dibawah 0 yaitu sekitar -8 dan tidak mungkin apabila output bernilai negatif.
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
dengan sebelumnya tetapi semua output dari 2 input bernilai NK, sehingga juga ada 25 kemungkinan. Dan dengan
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti : Berdasarkan hasil gelombang diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan lebih baik daripada Z walaupun masih dibawah set point yaitu -4 dan tidak mungkin apabila output bernilai negatif.
dengan menggunakan tiga membership function adalah sama dengan rangkaian pada saat tiga membership function, hanya Berdasarkan hasil gelombang jumlah membership function yang
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan lebih baik daripada Z walaupun masih dibawahs set point yaitu -2.5 dan tidak mungkin apabila output bernilai negatif. 2.5. All NB Dengan rangkaian yang sama
ditambah menjadi 7, yaitu PB (positif besar), PS(positif sedang), PK (positif kecil), Z (zero), NK (negatif kecil), NS(Negatif sedang), dan NB(negatif
kecil). Untuk mendapatkan output yang mendekati dengan setting point maka dilakukan try and error yaitu mencoba nilai output dengan all PB, all PS, all PK, all Z, all NK, all NS, dan all NB.
dengan sebelumnya tetapi semua output dari 2 input bernilai Z, sehingga juga ada
3.1.
sama seperti sebelumnya namun semua output dari 2 input bernilai PB, sehingga ada 49 kemungkinan. Dan dengan
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti : Berdasarkan hasil gelombang
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan sedikit lebih baik daripada PB walaupun masih diatas set point yaitu sekitar 3.25.
3.3.
sama seperti sebelumnya namun semua Berdasarkan hasil gelombang output dari 2 input bernilai PK, sehingga juga ada 49 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan lebih baik daripada Z walaupun masih diatas set point yaitu 4.5.
3.2.
sama seperti sebelumnya namun semua output dari 2 input bernilai PS, sehingga juga ada 49 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti : Berdasarkan hasil gelombang
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan lebih baik daripada PB dan PS walaupun masih diatas set point yaitu sekitar 1.7. Hasil output PK inilah yang merupakan hasil
yang paling mendekati setting point, hanya selisih 0.7 dari nilai setting point.
3.4.
sama seperti sebelumnya namun semua output dari 2 input bernilai Z, sehingga juga ada 49 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti : Berdasarkan hasil gelombang
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan dibawah set point yaitu -1.7 dan tidak mungkin apabila output bernilai negatif.
3.6. All NS Dengan rangkaian dan cara yang Berdasarkan hasil gelombang sama seperti sebelumnya namun semua output dari 2 input bernilai NS, sehingga juga ada 49 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan sangat jauh dibawah set point yaitu -18 dan tidak mungkin apabila output bernilai negatif.
3.5.
sama seperti sebelumnya namun semua output dari 2 input bernilai NK, sehingga juga ada 49 kemungkinan. Dan dengan menggunakan transfer function yang sama
Berdasarkan
hasil
gelombang
control Sugeno maka hasilnya adalah sebagai berikut : 1. Tiga membership function Rangkaian fuzzy pada matlab
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan jauh dibawah set point yaitu -3.25 dan tidak mungkin apabila output bernilai negatif.
3.7. All NB Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai NB, sehingga juga ada 49 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
Berdasarkan
hasil
gelombang
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan jauh dibawah set point yaitu -4.5 dan tidak mungkin apabila output bernilai negatif.
Jika
dibandingkan
dengan
dengan sebelumnya tetapi semua output dari 2 input bernilai zero, sehingga juga ada 9 kemungkinan. Dan deangan
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan Rangkaian tiga membership gelombang output seperti : function ini terdiri dari P(positif), Z(zero), dan N (negatif). Untuk mendapatkan output yang mendekati dengan setting point maka dilakukan try and error yaitu mencoba nilai output dengan all positip, all zero, dan all negatif. 1.1. Output all negatif Semua output dari 2 input bernilai negatif, sehingga ada 9 kemungkinan. Dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti : Berdasarkan hasil gelombang
diatas diketahui bahwa dengan setting point 1, tetapi output yang dihasilkan masih kurang dari 1 yaitu 0.25.
dengan sebelumnya tetapi semua output dari 2 input bernilai positif, sehingga juga ada Berdasarkan hasil gelombang 9 kemungkinan. Dan deangan
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti : diatas diketahui bahwa dengan setting point 1, output yang dihasilkan adalah nol.
Berdasarkan
hasil
gelombang
Berdasarkan
hasil
gelombang
diatas diketahui bahwa dengan setting point 1, output yang dihasilkan dibawah set point yaitu 0.5. 2. Lima membership function Rangkaian fuzzy pada matlab
diatas diketahui bahwa dengan setting point 1, output yang dihasilkan dibawah set point yaitu 0.
2.2. All NK Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai NK, sehingga juga ada 25 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
dengan menggunakan tiga membership function adalah sama dengan rangkaian pada saat tiga membership function, hanya jumlah membership function yang
ditambah menjadi 5, yaitu PB (positif besar), PK (positif kecil), Z (zero), NK (negatif kecil), NB(negatif kecil). Untuk mendapatkan output yang mendekati
dengan setting point maka dilakukan try and error yaitu mencoba nilai output dengan all PB, all PK, all Z, all NK, dan all NB. 2.1. All NB Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai NB, sehingga ada 25 kemungkinan. Dan dengan
Berdasarkan
hasil
gelombang
diatas diketahui bahwa dengan setting point 1, output yang dihasilkan dibawah set point yaitu 0.12.
2.3. All Z Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai Z, sehingga juga ada 25 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S +5S+6) maka dihasilkan gelombang output seperti :
2
Berdasarkan
hasil
gelombang
diatas diketahui bahwa dengan setting point 1, output yang dihasilkan dibawah set point yaitu 0.375. 2.4. All PB Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai PB, sehingga juga ada 25 kemungkinan. Dan dengan menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
Berdasarkan
hasil
gelombang
diatas diketahui bahwa dengan setting point 1, output yang dihasilkan dibawah set point yaitu 0.25.
2.4. All PK Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai PK, juga sehingga ada 25 kemungkinan. Dan Berdasarkan hasil gelombang
diatas diketahui bahwa dengan setting point 1, output yang dihasilkan dibawah set point yaitu 0.5.
3. Tujuh membership function Rangkaian fuzzy (sugeno) pada matlab dengan menggunakan tiga membership function adalah sama dengan rangkaian pada saat tiga membership function, hanya jumlah membership
Berdasarkan
hasil
gelombang
diatas diketahui bahwa dengan setting point 1, yang dihasilkan dibawah set point yaitu 0.
3.2. All NS Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai NS, sehingga ada 49 kemungkinan. Dan dengan
function yang ditambah menjadi 7, yaitu PB (positif besar), PS(positif sedang), PK (positif kecil), Z (zero), NK (negatif kecil), NS(Negatif sedang), dan NB(negatif
kecil). Untuk mendapatkan output yang mendekati dengan setting point maka dilakukan try and error yaitu mencoba nilai output dengan all PB, all PS, all PK, all Z, all NK, all NS, dan all NB.
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
3.1. All NB Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai NB, sehingga ada 49 kemungkinan. Dan dengan Berdasarkan hasil gelombang
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
diatas diketahui bahwa dengan setting point 1, yang dihasilkan dibawah set point yaitu 0.083.
3.3. All NK Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai NK, sehingga ada 49 kemungkinan. Dan dengan
3.5. All PK Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai PK, sehingga ada 49 kemungkinan. Dan dengan
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti : Berdasarkan hasil gelombang
diatas diketahui bahwa dengan setting point 1, yang dihasilkan dibawah set point yaitu 0.17.
3.4. All Z Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai Z, sehingga ada 49 kemungkinan. Dan dengan Berdasarkan hasil gelombang
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
diatas diketahui bahwa dengan setting point 1, yang dihasilkan dibawah set point yaitu 0.34.
3.6. All PS Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai PS, sehingga ada 49 kemungkinan. Dan dengan
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan Berdasarkan hasil gelombang gelombang output seperti :
5.
KESIMPULAN
Pengambilan keputusan pada logika fuzzy secara linguistik memberi nilai presisi pada pengontrolan suatu sitem.untuk
mendapat output yang mendekati set point Berdasarkan hasil gelombang maka harus menentukan jumlah mf yang tepat dengan metode try and eror
diatas diketahui bahwa dengan setting point 1, yang dihasilkan dibawah set point yaitu 0.42.
6.
3.7. All PB Dengan rangkaian dan cara yang sama seperti sebelumnya namun semua output dari 2 input bernilai PB, sehingga ada 49 kemungkinan. Dan dengan
(AK045218) LogikaFuzzy.pdf
menggunakan transfer function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :
Berdasarkan
hasil
gelombang