Fuzzy Logic Pada Pengaturan Kecepatan Serta arus pada motor DC

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

bangun yang tepat, analisa permasalahan, dan bagaimana pengaruh perubahan

parameter sistem terhadap kualitas unjuk kerja sistem. Jadi tidak bisa diharapkan suatu rancang bangun yang universal dan strategi optimasi fuzzy dapat segera

eksperimental. Penelitian atau riset ini akan memberikan jawaban terhadap

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

bermanfaat adalah teori yang dianggap mampu menjembatani penggabungan

bergerak

pengendali fuzzy dengan sistem kendali konvensional atau algoritma kendali

Distributed

Control

System

Programmable Controllers (PLCs), dan Microcontrollers (MCUs) telah

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

pengembangan berbasis sistem Dalam teknologi otomotif : sistem

transmisi otomatis fuzzy dan pengendali kecepatan idle fuzzy.

y

Menjadi state-of-the-art dalam sistem kendali berteknologi tinggi. Jika diamati pengalaman pada negara-negara

Dalam teknologi transpirtasi :

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

kendraan di jalan bebas hambatan.

y

dianggap melebihi dari pada teknik kendali yang pernah ada. Pengendali fuzzy

Dalam peralatan sehari-hari : mesin

cuci fuzzy dan vacum cleaner fuzzy dan lain-lain.

y

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

pengolahan kertas, dan lain-lain.

y

dibandingkan teknik lain, yang biasanya membutuhkan usaha dan dana yang lebih besar.
y

Dalam power satations : sistem

diagnosis kebocoran-H2 Masih banyak aplikasi lainnya yang sudah beredar sebagai alat kendali dan barangbarang elektronik berteknologi tinggi.

hDalam perspektif yang lebih luas, fuzzy ternyata sangat

pengendali

bermanfaat pada aplikasi-aplikasi sistem identifikasi structured, dan di pengendalian mana linieritas illdan

invariansi waktu tidak bisa ditentukan 2. DASAR FUZZY LOGIC

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

bahkan menggantikannya dengan hasil yang lebih memuaskan (Ahmad M.

Ibrahim, 2004:69). Sistem kontrol closedloop konvensional terdapat 3 blok utama, yaitu: kontroler (kontroller), proses

(process), dan pengukuran (measurement), seperti pada gambar 1.

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.

Analisa respon sistem digunakan untuk mendapatkan karakter sistem kontrol

(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

Kontroler fuzzy terdapat 4 bagian utama didalamnya, seperti pada gambar 4.

Gambar 4. Sistem kontrol fuzzy*) *) Stevan Tosic, 2001

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

merupakan fuzzifikasi dari input-input masukan yang dikeluarkan rangkaian

pengaturan kecepatan dan monitoring suhu . Dipilih 3 membership function dengan

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.

PENGUJIAN DAN ANALISA Pengujian dilakukan dengan

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

function (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :

c.

Close loop dengan Fuzzy logic control (Mamdani)

s+3

Ste p Fuzzy Logic Controller 1 z Un it D e la y

s 2 +5 s+6 T ra n sfe r Fcn Sco p e

Setelah Time steadynya adalah 3.75 detik.

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 :

didapat 9 rule base, seperti gambar berikut :

1. Tiga membership function Rangkaian membership sebagai berikut : fuzzy pada matlab

(mamdani) dengan menggunakan 3 function adalah

Dengan

menggunakan

transfer

function yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti:

Rangkaian

tiga

membership Berdasarkan hasil gelombang

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

dibawah 1 bahkan bernilai negatif 3.

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

diketahui bahwa setting point 1, tetapi

yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :

Dengan

menggunakan

transfer Berdasarkan hasil gelombang

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.

2.3. All Z Dengan rangkaian yang sama

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

menggunakan transfer function yang sama

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 :

2.4. All NK Dengan rangkaian yang sama

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.

3. Tujuh membership function Rangkaian fuzzy pada matlab

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.

All PB Dengan rangkaian dan cara yang

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.

All PK Dengan rangkaian dan cara yang

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.

All PS Dengan rangkaian dan cara yang

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.

yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :

3.4.

All Z Dengan rangkaian dan cara yang

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.

All NK Dengan rangkaian dan cara yang

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.

(Sugeno) dengan menggunakan 3 membership function adalah :

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

Rangkaian model close loop dengan fuzzy

1.2. Output all zero Dengan rangkaian yang sama

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.

1.3. Output all positif Dengan rangkaian yang sama

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.

yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :

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

menggunakan transfer function yang sama

Berdasarkan

hasil

gelombang

yang sama yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :

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.

dengan menggunakan transfer function

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

menggunakan transfer function yang sama

yaitu (S+3)/(S2+5S+6) maka dihasilkan gelombang output seperti :

point 1, yang dihasilkan dibawah set point yaitu 0.25.

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 :

diatas diketahui bahwa dengan setting

point 1, yang dihasilkan dibawah set point yaitu 0.5.

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.

DAFTAR PUSTAKA 1. http://en.wikipedia.org/wiki/Fuzzy _control_system 2. http://id.wikipedia.org/wiki/Logika _fuzzy 3. Pengantar Kecerdasan Buatan

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

diatas diketahui bahwa dengan setting