Anda di halaman 1dari 16

RANCANG BANGUN KONTROL pH BERBASIS FUZZY LOGIC CONTROL

(Jan Richardo P. Gultom, Hendra Cordova ST, MT.) Jurusan Teknik Fisika FTI ITS Surabaya Kampus ITS Keputih Sukolilo Surabaya 60111 Telp : +6231-5947188 Fax : +6231-5923626 E-mail : parmonangan07@mhs.ep.its.ac.id Abstrak Sifat nonlinier pada pH menjadi permasalahan dalam mendesain sistem pengendalian pH. Maka, pada penelitian ini dibangun sistem pengendalian berbasis fuzzy logic control yang bekerja berdasarkan basis aturan yang telah ditentukan dari hasil eksperimen. Selanjutnya dilakukan uji respon pada masingmasing daerah tersebut. Daerah setpoint pH didapatkan dari eksperimen kurva titrasi asam basa. Larutan asam yang digunakan adalah asam lemah CH3COOH 0,1M, sedangkan larutan basanya adalah basa kuat NaOH 0,1M. Laju aliran larutan asam dijaga konstan, sedangkan laju aliran basa dikendalikan. Perangkat lunak yang digunakan adalah Visual Basic 6.0 dengan Mikrokontroler sebagai pengintegrasi untuk aktuator. Analisis sistem dilakukan berdasarkan kriteria maximum overshoot, time settling, dan error steady state. Fuzzy logic yang dipakai memiliki 2 input berupa error dan ∆error dan 1 output berupa PWM, dan memiliki 50 basis aturan. Hasil pembagian daerah setpoint berdasarkan eksperimen adalah 2,3-5,5 (daerah 1), 5,5-9,2 (daerah 2), 9,2-11,3 (daerah 3). Hasil uji respon untuk masing-masing daerah dengan maximum overshoot terendah ada pada daerah 3 sebesar 1%, dan tertinggi ada pada daerah 2 sebesar 4,2%, time settling tercepat didaerah 3 sebesar 169 detik, dan tertinggi ada di daerah 2 sebesar 308 detik, error steady state terkecil daerah 3 sebesar 0,01. Seluruh uji performansi menghasilkan respon dengan error steady state dibawah 2-5% Kata kunci : sifat nonlinier, pengendalian pH, fuzzy logic control,visual basic 6.0. 1. Pendahuluan Pengendalian pH bertujuan untuk mengatur harga pH agar berada pada nilai yang diinginkan. Besar nilai pH diperoleh dari proses titrasi antara asam dan basa. Bentuk kurva titrasi antara asam basa memilki bentuk yang khas yaitu bentuk kurva s. Bentuk kurva tersebut menyebabkan proses pengendalian pH merupakan salah satu pengendalian proses nonlinier. Hal tersebut diakibatkan dengan adanya sedikit perubahan konsentrasi ion [H+] dapat merubah nilai pH dengan cukup signifikan, dalam hal ini pada saat menuju titik ekivalen pada kurva tersebut, penambahan sedikit saja pada variabel manipulasi, dapat mengubah luaran pH secara drastis. Salah satu solusi dalam penyelesaian pengendalian nonlinier tersebut menggunakan metode logika fuzzy. Sebagaimana diketahui bahwa, metode logika fuzzy dapat digunakan pada proses yang nonlinier, dimana metode ini dapat menyelesaian masalah sistem kontrol dan bisa diaplikasikan dengan bahasa manusia (tinggi, rendah, panjang, pendek dsb) yang memungkinkan untuk mengeliminasi kesukaran dari bahasa matematis. Pada proses ini logika fuzzy bekerja berdasarkan basis data (data base) pH yang mempunyai fungsi untuk mendefinisikan himpunanhimpunan fuzzy dari sinyal masukan dan sinyal keluaran agar dapat digunakan oleh variabel linguistik dalam basis aturan (rule base). Pada tahun 2011, Syahrizal Ismail telah melakukan perancangan dengan konsep auto switch PID menggunakan larutan asam kuat HCL dan basa kuat NaOH, proses netralisasi pH secara real plant. Metode ini telah berhasil dilakukan dimana konsep PID yang dipakai adalah metode tuning PID secara manual yang dibagi berdasarkan kurva titrasi. Serta telah berhasil ditunjukkan bagaimana auto switch PID mampu mengatasi proses pengendalian pH dibandingkan dengan menggunakan pengendali PID biasa tanpa pembagian daerah setpoint. Auto switch PID digunakan karena karakterisitk dari pH yang nonlinier, sedangkan fuzzy logic dengan sifat kesamarannya akan lebih mudah mengakomodasi logika manusia dalam proses tuning untuk mengatasi karakteristik nonlinier tersebut. Oleh sebab itu, pada penelitian tugas akhir ini akan diterapkan proses kontrol pH berbasis logika fuzzy secara real plant. 2. Dasar Teori Konsep pH diusulkan oleh Sorrensen untuk menyatakan konsentrasi ion H+. Nilai pH sama dengan negatif logaritma konsentrasi ion H+ dan secara matematika diungkapkan dengan persamaan : pH = - log [H ] pOH = - log [OH ]
+

(1) (2)

1

jika suatu asam dilarutkan dalam air. H+ < OH. Garam tidak mempunyai ciri-ciri khas suatu asam maupun basa. Pada titik ekivalen jumlah basa yang 2. jika suatu basa dilarutkan dalam air. maka konsentrasi ion hidroksil bertambah dan konsentrasi ion hidrogen berkurang. (10) Persamaan 10 merupakan hasil kali ion air (Kw) pada suhu kamar. (8) ( aq ) + H 2 O( l ) CH 3COOH (aq) + NaOH (aq) ⇔ CH 3COONa Air (H2O) adalah larutan yang bersifat netral. Dari definisi tersebut. sekitar 1. Reaksi kesetimbangan disosiasi untuk air adalah sebagai berikut : (9) Air memiliki nilai tetapan yang kecil. sehingga konsentrasi air dapat dianggap konstan. dan pH = 7 netral dengan [H+] = [OH] = 10-7. Dalam hal ini. konsentrasi ion hidrogen dapat bertambah hanya dengan disertai pengurangan konsentrasi ion hidroksil. NaOH adalah suatu basa karena didalam air dapat melepas ion hidroksil (OH-) menurut reaksi : (5) Beberapa contoh larutan basa kuat dan basa lemah dapat dilihat pada tabel 2 basa kuat dan basa lemah. Sebelum basa ditambahkan harga pH adalah larutan asam kuat. Tabel 1 Asam kuat dan asam lemah[3] Asam Kuat Asam Lemah HCl HF HBr HCN HI CH3COOH HNO3 H2S H2SO4 H2CO3 HClO3 H2SO3 HClO4 H3PO4 HCOOH H2C2O4 Basa didefinisikan sebagai zat yang bila dilarutkan dalam air akan mengalami disosiasi dengan membentuk ion hidroksil sebagai satu-satunya ion negatif. ditambahkan secara bertahap ke larutan lain yang konsentrasinya tidak diketahui. asam. NaOH merupakan contoh larutan basa. yakni berada diantara sifat asam dan sifat basa. Beberapa contoh larutan asam kuat dan asam lemah dapat dilihat pada tabel 1 asam kuat dan asam lemah. sampai reaksi kimia antara kedua larutan tersebut berlangsung sempurna. Hal ini menunjukkan bahwa derajat disosiasi air boleh diabaikan dan dalam praktek dapat dianggap tidak terdisosiasi.netral. suatu larutan yang konsentrasinya telah diketahui secara pasti disebut sebagai larutan standar.1 tertentu aerta massa relatifnya ( persamaan dibawah ini : ) melalui (6) 2 . dan netral dapat ditulis menjadi H + > OHasam.nilai pH bervariasi antara 1 hingga 14.Pentingnya hasil kali ion air terletak pada fakta bahwa nilainya dapat dianggap konstan.basa. harga pH ditentukan oleh asam lemah. basa.82x10-16pada 25°C. Pencampuran tersebut diawali dengan mengetahui nilai molaritas suatu asam atau basa ( ) dengan kadar kepekatan ( ) Setelah itu digunakan persamaan antara volume asam atau basa yang akan diencerkan (V1) dikalikan molaritasnya (M1) dengan volume larutan asam atau basa yang diinginkan (V2) dengan molaritasnya (M2) seperti dibawah ini : (7) Garam berdasarkan definisi merupakan suatu hasil zat reaksi antara asam dan basa atau zat hasil reaksi netralisasi larutan asam dan larutan basa yang ekuivalen. Pada suhu ruangan 25°C hubungan pH dan sifat dari zat asam yaitu pH < 7 asam. Sebaliknya.Hal ini berarti bahwa. Titrasi Asam Lemah dan Basa Kuat[8] Titrasi adalah metode penetapan kadar suatu larutan dengan menggunakan larutan standar yang sudah diketahui konsentrasinya. sehingga pH < 7 dan ketika basa ditambahkan sebelum titik ekivalen. pH > 7 basa. H+ = OH. Tabel 2 Basa kuat dan basa lemah[3] Basa Kuat Basa Lemah NaOH NH3 KOH N2H4 Ca(OH)2 NH2OH Ba(OH)2 Al(OH)3 Pembuatan larutan asam maupun basa dengan keadaan nilai molaritas (konsentrasi) tertentu dapat dilakukan melalui pencampuran suatu asam atau basa dengan air distilasi aquades.

melibatkan formula-formula matematika yang cukup rumit. Dalam hal ini. Dalam kendali dengan cara klasik. dan kaidah atur (rule base). peristiwa. serta berkaitan erat dengan jalan pikiran dan pengalaman pribadi yang membuatnya. Titik ekivalen dalam titrasi adalah titik keadaan (kuantitas) asam-basa dapat ditentukan secara stokiometri.MAKA' (IF . Pendekatan fuzzy melibatkan aturan-aturan yang dinyatakan dalam kata-kata dan tidak memerlukan presisi yang tinggi serta ada toleransi untuk data yang kurang tepat. variabel masukan (crisp) dipetakan ke bentuk 3 . Aturan i : Gambar 1.THEN).  Kaidah Atur (Rule Base). Aturanaturan ini dibuat berdasarkan logika dan intuisi manusia. Fungsi keanggotaan merupakan sebuah kurva yang menggambarkan pemetaan dari masukan ke derajat keanggotaan antara 0 dan 1. Sedangkan untuk lemah sedikit sekali bagian yang terionisasi.2 Pengendali Fuzzy Logic Tujuan utama dalam sistem pengendali adalah mendapatkan keluaran (output) sebagai respon dari masukan (input). Pembentukan kurva tersebut bergantung pada jenis pelarutnya apakah termasuk dalam kategori asam kuat atau lemah begitu pula untuk basa. Banyaknya jumlah fungsi keanggotaan dalam fuzzy set menentukan banyaknya aturan yang harus dibuat.3 Fuzzyfikasi Fuzzifikasi merupakan suatu proses pengubahan variabel non-fuzzy (crisp) ke dalam variabel fuzzy. sehingga konsentrasi ion hidrogen dari asam lemah mempunyai fraksi yang kecil dari total konsentrasi basa. Setiap penambahan pereaksi akan mengakibatkan perubahan harga pH.ditambahkan secara stokiometri ekivalen terhadap jumlah asam yang ada. dicontohkan asam lemah yang bereaksi CH3COOH dititrasi oleh basa kuat NaOH. Pengendali Fuzzy merupakan suatu sistem kendali yang berdasar pada basis pengetahuan manusia didalam melakukan kendali terhadap suatu proses. Melalui fungsi keanggotaan yang telah disusun maka nilai-nilai masukan tersebut menjadi informasi fuzzy yang berguna nantinya untuk proses pengolahan secara fuzzy. Fakta merupakan bagian pengetahuan yang memuat informasi tentang objek. atau situasi. Oleh karena itu pH ditentukan oleh larutan garam (pH=7). Sedangkan kaidah (rule base) berisi informasi tentang cara membangkitkan fakta baru atau hipotesa fakta yang sudah ada.4 Basis Pengetahuan Basis pengetahuan terdiri dari fakta (data base).Fungsi keanggotaan fuzzy masukan yang digunakan adalah fungsi segitiga Fungsi Segitiga µA ( u ) = 1 − (u − a)2 b () ) Gambar 4 Bentuk Fungsi Keanggotaan Segitiga 2.  Basis Data (Data Base). Kuat didefinisikan dengan disosiasi lengkap dari hidrogen dan hidroksidanya. 2. Kurva titrasi asam lemah dan basa kuat 2. Konsep matematika yang mendasari logika fuzzy sangat sederhana dan mudah dimengerti. Basis aturan berisi aturan-aturan fuzzy yang digunakan untuk pengendalian sistem. Hal ini berbeda dengan kendali fuzzy. Suatu grafik yang diperoleh dengan mengalurkan pH terhadap volume konsentrasi pereaksi yang ditambahkan disebut kurva titrasi. himpunan fuzzy sesuai dengan variasi semesta pembicaraan masukan. Aturan ini berbentuk 'JIKA . Sebelum basa tersebut ditambahkan larutan hanya berisi asam lemah. sebagai contoh adalah : Aturan 1 : JIKA x adalah A1 DAN y adalah B1 MAKA z adalah C1 Aturan 2 : JIKA x adalah A2 DAN y adalah B2 MAKA z adalah C2. Basis data berfungsi untuk mendefinisikan himpunan-himpunan fuzzy dari sinyal masukan dan sinyal keluaran agar dapat digunakan oleh variabel linguistik dalam basis aturan.

Sistem berupa konstanta atau persamaan linear. dan defuzzifier adalah operator defuzzifikasi. dan keluarannya adalah y(x) yang bernilai sesuai dengan weighted average y1 sebagai berikut : Masukan error dan ∆error dari proses di main tank akan diproses oleh fuzzy logic control yang akan diterjemahkan berdasarkan rule base dan akan menghasilkan sinyal PWM yang akan diberikan untuk mengatur flowrate pompa basa yang akan dicampurkan ke dalam main tank. .5 Sistem Inferensi Fuzzy Sistem Inferensi Fuzzy (Fuzzy Inference System/FIS) disebut juga fuzzy inference adalah sistem yang dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya. mulai dari skema rancangan plant. ……. Pada perubahan ini.7 Analogi data dengan konversi ke PWM Pada sub bab ini akan di terangkan pada proses masukan input dan output pada fuzzy logic dimana dapat dilihat dari gambar di bawah terdapat 2 input dan satu output yang akan diproses oleh fuzzy logic. Sistem fuzzy Sugeno memperbaiki kelemahan yang dimiliki oleh sistem fuzzy murni untuk menambah suatu perhitungan matematika sederhana sebagai bagian THEN. Serta output berupa sinyal pulsa PWM. Masukan berupa error dan ∆error dari pH.JIKA x adalah Ai DAN y adalah Bi MAKA z adalah Ci 2. ∑ wy y ( x) = ∑ w M 1 l =1 M 1 l =1 1 () Gambar 5.6 Defuzzyfikasi Defuzzifikasi merupakan proses mengubah keluaran fuzzy dari FIS menjadi keluaran crips. 2.. Jenis FIS yang digunakan pada penelitian ini adalah metode takagi sugeno. Masukan vektor berharga riil x = (x1. Bentuk umum proses defuzzifikasi diyatakan dengan: Z0 = defuzzier (z) dimana z adalah aksi pengendalian fuzzy. Logika Fuzzy Takagi-Sugeno Merupakan logika fuzzy dimana masukannya berupa linguistik dan keluarannya numerik. 3. system fuzzy memiliki suatu nilai rata-rata tertimbang (Weighted Average Values) di dalam bagian aturan fuzzy IF-THEN. Z 0 adalah aksi pengendali crisp. 4 . xn)T. Metodologi Penelitian Pada sub bab ini memaparkan tentang perancangan plant dari pengendalian pH yang digunakan dalam mengerjakan tugas akhir ini. Berikut ini adalah gambar skema metodologi penelitian yang digunakan dalam penelitian ini 2. Input – Output Fuzzy Logic Control Gambar 8 Diagram alir penelitian error = Set Point pH – Present Value pH ∆error = error pH aktual – error pH sebelumnya. pengambilan data. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. proses pemodelan dan proses pengendalian pH menggunakan fuzzy logic control.

sedangkan laju aliran basa dikendalikan menggunakan pompa dc yang dapat dikontrol flowrate-nya berdasarkan nilai PWM yang diatur dari komputer.5. Terdapat satu transmitter (pHT) beserta conditioning dan 3 aktuator berupa motor mixer. gambar 5 Pembagian daerah set point pada penelitian ini meliputi range satu bernilai 2.3≤ pH<5. Fungsi mikrokontroller hanya sebagai eksekutor untuk menggerakkan aktuator pada plant sedangkan data pengendaliannya Gambar 7 Diagram blok pH CSTR 5 . 3. Setelah mendapatkan model dari kurva titrasi yang dimulai dari melakukan eksperimen titrasi secara manual dan dengan menentukan pasangan data yaitu input-output berupa error dan ∆error pH dan outputnya yaitu nilai PWM pompa basa f(u) kemudian langkah selanjutnya adalah merancang hardware pengendalian pH ini. asam lemah (CH3COOH) dan basa kuat (NaOH). Gambar 6 Rancangan Plant Pengendalian pH Gambar 7 Mini plant Pengendalian pH Rancangan plant pengendalian pH berbasis fuzzy logic pada CSTR (Continuous Stirred Tank Reactor ). Proses tersebut memiliki dua buah masukan yaitu.1 Pengambilan dan Pengolahan Data Dalam penelitian ini. dan range tiga bernilai 9. digunakan data berupa error dan ∆error yang didapat dari hasil pembacaan sensor pH di dalam main tank.8. Dibawah ini merupakan diagram blok dari perancangan plant pengendalian pH berbasis fuzzy logic controller. range dua bernilai 5. dalam penelitian ini terdapat tiga pembagian daerah berdasarkan kurva titrasi yang ditunjukkan pada gambar 5. Data variabel input dan output PWM yang diambil didapat dari hasil eksperimen trial and error dan akan disusun dalam bentuk rule base yang akan menjadi fungsi berpikir pada fuzzy logic controller. solenoid valve dan pompa dc pada plant ini. Laju aliran asam pada proses tersebut dibuat secara konstan menggunakan solenoid valve bertipe on-off.2 Desain dari Tugas Akhir Dalam pembuatan plant ini maka ada beberapa tahapan yang perlu di ketahui.5≤pH<9. Artinya variabel-variabel input dan output estimasi kecepatan PWM pompa basa atau nilai f(u) yang akan disusun pada range satu akan berbeda dengan range dua.3.2.2≤pH<11.

serta integrasi dengan perangkat lunak. Start Crisp Input Fuzzyfication Gambar 8 merupakan diagram alir penelitian tugas akhir ini. Selanjutnya perancangan mini plant CSTR. Perancanga fuzzy Logic Controller secara rinci terdiri dari proses desain fuzzy inference system yang meliputi beberapa parameter-parameter yang dibutuhkan. tangki basa (base tank). Pada miniplant tersebut.3 Pengendali Berbasis Fuzzy Logic Controller. terdapat 3 buah tangki yang terdiri dari tangki asam (acid tank). 2. Jika sistem telah sesuai maka dilakukan penyusunan laporan. Berikut ini adalah flowchart proses pengendali logika fuzzy secara lengkap beserta blok diagram kontroler secara lengkap. maka dilakukan pengambilan data eksperimen titrasi sebagai awal penerapan logika fuzzy. Jika sistem telah bekerja dengan baik. dan dipasang pula kran dibagian bawah tangki sebagai sistem drainase. Pengisian tangki asam dilakukan dengan cara menuangkan larutan asam pada ember berwarna hijau. Nilai pH yang terjadi pada tangki tersebut akan diukur oleh transmitter (pHT) dan sinyal akan diteruskan menuju kontroler (pHC) untuk memberikan sinyal kendali ke pompa (aktuator). serta dilakukan analisis uji performansi.dihasilkan dari komputer. 3. Selanjutnya uji respon untuk masing-masing daerah. dan tangki utama (main tank). Tangki utama terbuat dari pipa PVC dengan diameter 8 inchi. Larutan yang digunakan adalah larutan asam CH3COOH 0.1M dan larutan basa NaOH 0. sedangkan untuk pengisian tangki basa berasal dari ember berwarna 6 . pemasangan sensor dan aktuator.4 Mini Plant Proses Netralisasi pH Gambar 9 Mini plant pH CSTR Gambar 9 merupakan miniplant dari proses netralisasi yang digunakan pada penelitian tugas akhir ini. Penelitian tugas akhir ini dimulai dengan penentuan jenis larutan yang akan digunakan.1M.

11 L/min.1 parameter proses. 7 .pH meter tersebut memiliki terminal RS .165 L/min 0.1M Pada tangki utama terdapat motor yang berfungsi sebagai mixer agar larutan cepat tercampur dan merata. sedangkan aliran basa dikendalikan. Pompa berfungsi mengalirkan larutan basa dimana laju alirannya dapat diatur dan solenoid valve untuk mengalirkan asam yang laju alirannya dijaga konstan.1M. Jenis fuzzy yang digunakan adalah fuzzy Sugeno.8 L 12 L 0. 2. Perancangan kendali dimulai dengan pembangkitan data masukan dan keluaran fuzzy. range dan parameter dari setiap masukan dan keluaran fuzzy. Elektroda pH PE-03 selanjutnya dihubungkan melalui BNC socket pada pH meter YK-2001PH. Selanjutnya dilakukan fuzzifikasi. daerah 2 dan daerah 3. (a) (b) Gambar 10 (a)pH meter (b)elektroda pH[] Aktuator yang digunakan pada penelitian tugas akhir ini berupa pompa air dc 12V dan solenoid valve.3.6 Penerapan Fuzzy Logic Control Penerapan pengendali logika fuzzy dilakukan berdasarkan data kurva eksperimen titrasi antara larutan asam CH3COOH 0.1M 0. Selain itu dibutuhkan pula rangkaian motor driver seperti sebagai penggerak pompa dc. sedangkan laju aliran pompa basa sebesar 0-0. Pada Tugas Akhir ini masukan pada sistem kendali adalah error (e) dan ∆error (∆e) dan keluaran berupa sinyal kendali PWM. Basis aturan yang digunakan adalah 25 aturan untuk masing-masing daerah 1. Satuan 11 L 13. Masukan KLF berupa masukan error dan ∆error. yaitu mengubah himpunan crisp menjadi himpunan fuzzy. Rangkaian tersebut terdiri dari mosfet IRF Z44-N dan optocoupler yang bekerja seperti saklar dan penguat. Gambar 13 merupakan flowchart perancangan kendali logika fuzzy.1M dengan larutan basa NaOH 0. Laju aliran pompa asam sebesar 0. Ketinggian dari masing-masing tangki dilakukan secara manual.232 sehingga dapat dihubungkan melalui komunikasi serial. Sistem pengendalian pada penelitian ini adalah Logika Fuzzy. Gambar 12 Motor driver 2.165 L/min.11 L/min 0-0.putih. Tabel 2 Parameter proses No Parameter 1 Volume main tank 2 Volume acid tank 3 Volume base tank 4 Laju aliran asam 5 Laju aliran basa 6 Konsentrasi asam 7 Konsentrasi basa Gambar 11 Pompa dc pompa untuk mengalirkan larutan basa dihubungkan pada mikrokontroler sehingga laju alirannya dapat dikendalikan berdasarkan luaran pengendali.. Adapun parameter-parameter dari proses pengendalian pH seperti pada tabel 3.5 Sensor pH dan Aktuator Pada penelitian tugas akhir ini menggunakan pH meter buatan Lutron seri YK-2001PH dengan elektroda pH PE-03 seperti pada gambar 3. Pada proses fuzzifikasi ditentukan fungsi keanggotaan.Pengisian tangki utama menggunakan pompa dc dimana aliran asam dijaga konstan menggunakan solenoid valve.

Metode pengambilan keputusan dalam perancangan ini menggunakan metode Sugeno dengan 25 rules. NS (Negatif Small).Gambar 13.3. hal ini sesuai dengan rentang yang telah ditentukan pada sistem pengendalian pH yang dimulai dari pH sebesar 2. Disamping itu juga karena bentuk segitiga dalam perhitungannya memerlukan waktu yang lebih cepat dibandingkan fungsi lainnya Dapat dilihat pada gambar 14. Sistem Susunan Fuzzy 3. Metode ini digunakan karena telah melakukan eksperimen terlebih dahulu dan hasil eksperimen dimasukkan ke dalam rule base. Tahap ini dilakukan berdasarkan nilai fungsi keanggotan masukan yang ada pada KLF serta metode fuzzy yang digunakan.3 hingga pH sebesar 11. PS (Positif Small) dan PB (Positif Big).2 Fuzzifikasi Tahap fuzzifikasi adalah perubahan nilai sebenarnya menjadi nilai masukan fuzzy. Untuk masukan error (e) dan ∆error (∆e) memiliki rentang antara -9 hingga 9. sedangkan keluaran KLF berupa sinyal kendali ∆u untuk PWM. ZE (Zero).4. Rentang untuk masingmasing fungsi error dan ∆error dapat dilihat pada gambar 14 dan gambar 15. 8 . perancangan pengendali logika fuzzy ini dilakukan menggunakan FIS (Fuzzy Inference System) editor dengan masukan berupa nilai error dan ∆error. yaitu NB (Negatif Big). Gambar 14 Fuzzy Inference System Editor Fungsi keanggotaan dari error dan ∆error adalah 5. Fungsi keanggotaan yang digunakan untuk masukan error dan ∆error (∆e) adalah segitiga karena bentuk segitiga sangat sederhana dan mudah digunakan untuk masukan yang tidak simetris.

dan PB (Positif Big). Dan yang kedua adalah jika variabel proses error dan ∆error menyimpang dari nilai yang diinginkan. PM (Positif Medium). maka dilakukan perhitungan oleh basis aturan. dan 25 aturan untuk daerah set point 2 pada pengendalian pH ini. Gambar 17 Fungsi Keanggotaan Variabel Output 3. NM (Negatif Medium). ZE (Zero). Karena pada masukan terdapat dua variabel yang masing-masing mempunyai 5 fungsi keanggotaan maka dapat disusun basis aturan yang akan digunakan dalam penelitian ini. Fungsi keanggotaan tersebut digunakan untuk proses fuzzifikasi. Fungsi keanggotaan keluaran KLF terdapat 7 fungsi. Penyusunan rule base ini berdasarkan eksperimen trial and error yang telah dilakukan dimana pada eksperimen ini didapatkan nilai-nilai PWM yang cocok untuk masing-masing daerah. PS (Positif Small). Sehingga hal yang perlu diperhatikan dalam menyusun basis aturan ini bahwa ketika error dan ∆error dari pH positif (setpoint pH lebih besar 9 . NS (Negatif Small).4. yaitu NB (Negatif Big). maka keluaran sinyal kendali logika fuzzy dipertahankan agar konstan. Sinyal crisp merupakan hasil konversi yang dilakukan oleh fungsi keanggotaan dan mempunyai range antara nol sampai satu. yaitu mengubah nilai masukan yang berupa sinyal analog dengan range tertentu menjadi sinyal crisp.Gambar 16 Fungsi Keanggotaan Variabel Error Gambar 15 Fungsi Keanggotaan Variabel ∆error Keluaran KLF adalah masukan bagi pompa basa NaOH sebagai variable yang dikendalikan berbentuk sinyal Pulse Width Modulation (PWM). Dimana pada pengendalian arah ini mempunyai 25 aturan untuk daerah set point 1 dan 3 karena karakteristik dari daerah 1 dan 3 sama. Basis aturan (rule base) terdiri dari beberapa aturan yang mendasari sistem pengendalian menggunakan logika fuzzy karena basis aturan menghubungkan antara masukan yang diterima KLF dengan hasil keluaran yang diinginkan agar sesuai dengan tujuan yang hendak dicapai. Basis aturan merupakan salah satu basis pengetahuan pada logika fuzzy.3 Basis Aturan Setelah nilai masukan diubah menjadi sinyal crisp. maka keluaran sinyal kendali tergantung pada tanda nilai error dan ∆error dan besarnya keluaran sinyal kendali logika fuzzy akan berubah sesuai dengan besarnya nilai error dan ∆error yang dihasilkan. Prinsip – prinsip dasar dalam perancangan basis aturan kendali logika fuzzy dapat digeneralisasikan menjadi 2 yaitu pertama jika variabel proses error dan ∆error telah mencapai nilai yang diinginkan atau bernilai mendekati nol.

Seperti basis aturan daerah 1 dan 3. dimana pada daerah 1 dan 3 aksinya cenderung besar atau PWM nya bernilai besar karena karakteristik pH pada daerah ini cenderung stabil. Basis aturan yang disusun pada daerah set point 1 dan 3 dapat dilihat pada tabel di bawah ini. If error is PB and ∆error is PS then aksi PWM is PB R25.2 dan dapat direpresentasikan dalam aturan berikut : R1 : If error is NB and ∆error is NB then aksi PWM is NB R2 : If error is NB and ∆error is NS then aksi PWM is NB R3 : If error is NB and ∆error is Z then aksi PWM is NB R4 : If error is NB and ∆error is PS then aksi PWM is NM R5 : If error is NB and ∆error is PB then aksi PWM is Z R6 : If error is NS and ∆error is NB then aksi PWM is NB R7 : If error is NS and ∆error is NS then aksi PWM is NB R8 : If error is NS and ∆error is Z then aksi PWM is NM R9 : If error is NS and ∆error is PS then aksi PWM is Z R10 : If error is NS and ∆error is PB then aksi PWM is PM R11 : If error is Z and ∆error is NB then aksi PWM is NM Algoritma fuzzy pada daerah 2 meliputi aturan seperti ditabelkan pada Tabel 4 dan dapat direpresentasikan dalam aturan berikut : 10 . Sebaliknya ketika error dan ∆error negatif maka nilai PWM dibuat negatif sehingga arah pH dalam proses akan menurun. If error is PS and ∆error is PB then aksi PWM is PB R21. If error is PB and ∆error is PB then aksi PWM is PB Basis aturan yang disusun pada daerah 2 dapat dilihat pada tabel 4. maka dibentuklah basis aturan pengendalian logika fuzzy. untuk itu dibutuhkan aksi kendali PWM yang bernilai sedang atau kecepatan pompa bernilai sedang. If error is PB and ∆error is NB then aksi PWM is Z R22. If error is PB and ∆error is Z then aksi PWM is PM R24. Pada daerah 2 karakteristik pH cenderung tidak stabil atau cepat berubah. If error is PS and ∆error is PS then aksi PWM is PB R20. If error is PB and ∆error is NS then aksi PWM is PS R23. Dengan mengacu pada prinsip di atas dan beberapa pertimbangan tentang aksi kendali logika fuzzy yang terjadi.daripada pH aktual) maka nilai dari PWM akan dibuat positif pula agar pH proses dapat mendekati setpoint. Tabel 3 Basis Aturan Pengendali Fuzzy Daerah 1 dan 3 R12 : If error is Z and ∆error is NS then aksi PWM is NM R13 : If error is Z and ∆error is Z then aksi PWM is Z R14 : If error is Z and ∆error is PS then aksi PWM is PM R15 : If error is Z and ∆error is PB then aksi PWM is PB R16 : If error is PS and ∆error is NB then aksi PWM is NS R17 : If error is PS and ∆error is PS then aksi PWM is Z R18. perbedaannya hanya terletak pada aksi kendali PWM. If error is PS and ∆error is Z then aksi PWM is PM R19. Tabel 4 Basis Aturan Pengendali Fuzzy Daerah 2 Algoritma fuzzy pada daerah 1 dan 3 meliputi aturan seperti ditabelkan pada Tabel 3.

If error is PB and ∆error is NB then aksi PWM is Z R22. Dan keluaran paling kecil terjadi ketika masukan error dan ∆error bernilai sangat negatif.4 Inferensi Fuzzy Proses inferensi fuzzy adalah proses pengambilan keputusan untuk mendapatkan sinyal kendali logika fuzzy berdasarkan rancangan rule base. Gambar 19 Surface Viewer KLF 11 .09 atau Positive Big. If error is PB and ∆error is NS then aksi PWM is PS R23. If error is PS and ∆error is PB then aksi PWM is PM R21. teknik pengambilan keputusan yang digunakan adalah metode Sugeno.R1 : If error is NB and ∆error is NB then aksi PWM is NM R2 : If error is NB and ∆error is NS then aksi PWM is NM R3 : If error is NB and ∆error is Z then aksi PWM is NM R4 : If error is NB and ∆error is PS then aksi PWM is NS R5 : If error is NB and ∆error is PB then aksi PWM is Z R6 : If error is NS and ∆error is NB then aksi PWM is NM R7 : If error is NS and ∆error is NS then aksi PWM is NM R8 : If error is NS and ∆error is Z then aksi PWM is NS R9 : If error is NS and ∆error is PS then aksi PWM is Z R10 : If error is NS and ∆error is PB then aksi PWM is PS R11 : If error is Z and ∆error is NB then aksi PWM is NM R12 : If error is Z and ∆error is NS then aksi PWM is NS R13 : If error is Z and ∆error is Z then aksi PWM is Z R14 : If error is Z and ∆error is PS then aksi PWM is PS R15 : If error is Z and ∆error is PB then aksi PWM is PM R16 : If error is PS and ∆error is NB then aksi PWM is NS R17 : If error is PS and ∆error is PS then aksi PWM is Z R18. If error is PS and ∆error is Z then aksi PWM is PS R19. Gambar 18 Inferensi Fuzzy Sugeno Berdasarkan Gambar 18 dapat dijelaskan bahwa keluaran maksimum terjadi ketika masukan error dan ∆error bernilai sangat positif. Pada Tugas Akhir ini. Berdasarkan Gambar 18 jika masukan error (e) = 8. maka hal ini dikategorikan bahwa nilai pH pada proses masih jauh dengan set point maka keluaran fuzzy yaitu aksi kendali PWM akan bergerak maksimal sebesar 33.09 atau Positive Big dan ∆error = 8. Proses pengambilan keputusan Sugeno dapat dilukiskan seperti pada Gambar 18. Nilai keluaran fuzzy ini mengacu pada basis aturan yang telah dirancang. If error is PB and ∆error is PB then aksi PWM is PM 3. Nilai masukan (error dan ∆error) yang teramati diolah untuk diidentifikasi aturan mana yang digunakan. If error is PS and ∆error is PS then aksi PWM is PM R20. If error is PB and ∆error is Z then aksi PWM is PM R24. If error is PB and ∆error is PS then aksi PWM is PM R25.4.

Grafik Pem bacaan S ensor pH10 12 10 8 H p 6 4 2 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Axis Title Output pH Gambar 22 Pembacaan pH 10 Gambar 21 dan 22 merupakan hasil pembacaan untuk masing-masing pH 7 dan pH 10.2 Analisa Uji Pengendalian pH Berdasarkan Pembagian Daerah set point Perancangan pengendali logika fuzzy ini digunakan untuk menentukan pengendalian yang cocok berdasarkan daerah set point dari pH untuk mengatasi permasalahan karakteristik dari pH yang bersifat non linier secara real plant di Laboratorium Rekayasa Instrumentasi Teknik Fisika ITS Surabaya. Tahap yang diperlukan untuk penyusunan pengendali logika fuzzy adalah penentuan daerah set point. Pada saat pembacaan nilai di pH 10 terjadi 4. pemilihan metode defuzzifikasi yang sesuai juga turut mempengaruhi sistem kendali logika fuzzy dalam menghasilkan respon yang optimum. 3 4. Larutan yang digunakan untuk mendapatkan nilai pH masing-masing tersebut menggunakan buffer solution.5 Defuzzifikasi Defuzzifikasi adalah langkah terakhir dalam suatu sistem kendali logika fuzzy dimana tujuannya adalah mengkonversi setiap hasil dari inferensi fuzzy yang diekpresikan dalam bentuk fuzzy set ke satu bilangan real (tegas). Error yang dihasilkan dari pembacaan terhadap luaran pH larutan adalah sebagai berikut : Error = pH larutan – nilai luaran = 4-4 = 0 Grafik P em bacaanS ensor pH7 8 7 6 5 4 3 2 1 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 W aktu (s) Output pH H p Gambar 23 Pembagian daerah set point Dari grafik tersebut dapat dilihat bahwa pada daerah 1 yang dimulai dari pH awal sebesar 2.1 Analisis Data & Pembahasan Pembacaan Sensor Pengambilan data untuk pembacaan sensor dilakukanpada 3 nilai pH yaitu pH 4. dimana pada Tugas Akhir ini karakteristik pH yang non linier dapat dilihat dari grafik titrasi asam lemah CH3COOH dan basa kuat NaOH seperti pada gambar 23 GrafikPembacaanS ensor pH4 5 4 H p 3 2 1 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 Waktu (s) Output pH Gambar 20 Pembacaan pH 4 Gambar 20 merupakan hasil pembacaan sensor pada pH 4 yang ditampilkan pada perangkat lunak Visual Basic 6. tetapi proses untuk naik Gambar 21 Pembacaan pH 7 12 .3cenderung lebih stabil. dan pH 10. Cara yang sama digunakan seperti pada persamaan pada 10 untuk mengetahui error pembacaan pada pembacaan pH 7 dan pH 10. Dalam Tugas Akhir ini. Variabel proses dalam sistem berupa error dan ∆error dari perubahan pH yang nantinya akan mempengaruhi keluaran sinyal kontrol PWM untuk kecepatan pompa basa NaOH.4. Karena itu.3.0. metode defuzzifikasi yang digunakan adalah center of area. Hasil konversi tersebut merupakan aksi yang diambil oleh sistem kendali logika fuzzy. pH 7.

yaitu NB (Negative Big). Dimana pada pengendalian arah ini mempunyai 25 aturan untuk setiap daerah.3.2 ke-stabilannya cenderung sama dengan daerah 1. Hasil eksperimen menunjukkan bahwa basis aturan ini mampu mengatasi karakteristik pH yang non linier . NS (Negatif Small). Pada saat simulasi. Pada tahap fuzzifikasi. Hal ini mengindikasikan keberhasilan dalam perancangan kontoler logika fuzzy. ZE = 21. Nilai-nilai tersebut adalah NB = 19. penentuan rule base dari fuzzy akan dilakukan pada masing-masing daerah tersebut. Dimana defuzzifikasi berfungsi mengubah besaran fuzzy yang disajikan dalam bentuk himpunan . maka akan dilakukan terlebih dahulu 13 . Oleh sebab itu.3 hingga pH sebesar 11.2≤pH<11. Poses pengubahan data fuzzy menjadi data crisp diperlukan karena plant hanya mengenal nilai tegas sebagai besaran sebenarnya untuk regulasi prosesnya.3. Pada prinsipnya Tugas Akhir ini bertujuan untuk menguji perfomansi sistem dari pengendali logika fuzzy untuk pengendalian pH secara real plant. proses pengambilan keputusan mampu bekerja sesuai dengan basis aturan yang ada. 4.5 proses yang terjadi cenderung sangat cepat naik atau tidak stabil dibanding daerah 1.5≤pH<. Untuk itu dapat diprediksi bahwa PWM maksimal yang diberikan pada daerah 2 harus lebih lambat dibanding daerah 1.himpunan fuzzy keluaran dengan fungsi keanggotaannya untuk mendapatkan kembali bentuk data crisp (nilai sebenarnya/ nilai tegas). diperoleh keluaran nilai fuzzy aksi pengendali (aksi S) dalam bentuk singletone dan dikeluarkan berupa fungsi berdasarkan besarnya nilai fuzzy error (e) dan ∆error (∆e). ZE (Zero). PS (Positif Small) dan PB (Positif Big). maka nilai keanggotaan dari masing-masing fungsi adalah nilai yang tegas. Pada Tugas Akhir ini. NS (Negative Small). Sedangkan untuk daerah 3 atau dimulai setelah pH mencapai nilai 9. Pada metode ini nilai crisp keluarannya diperoleh berdasarkan titik berat dari kurva hasil proses pengambilan keputusan.5. Fungsi keanggotaan dari error dan ∆error adalah 5. Mengacu pada basis aturan yang telah dibuat. Proses selanjutnya adalah inferensi yang sering disebut sebagai proses pengambilan keputusan. Fungsi keanggotaan dari keluaran fuzzy sebanyak 7 fungsi. dan PB (Positive Big). Karena pada masukan terdapat dua variabel yang masing-masing mempunyai lima fungsi keanggotaan. Tahap fuzzifikasi adalah perubahan nilai sebenarnya menjadi nilai masukan fuzzy. langkah awal proses pengambilan keputusan pada logika fuzzy adalah mengubah nilai masukan yang berupa error (e) dan ∆error (∆e) ke dalam nilai fuzzy berdasarkan fungsi keanggotaan masing – masing dan disesuaikan dengan variabel linguistiknya. 5.3 Penerapan Logika Fuzzy pada Pengendalian pH Tahap awal penyusunan pengendali logika fuzzy adalah tahap fuzzifikasi. Metode defuzzifikasi yang digunakan adalah metode centroid. NS = 22. Nilai masukan yang teramati diolah untuk diidentifikasi aturan mana yang digunakan sesuai dengan basis aturan yang telah dibuat. merupakan prosedur untuk mendapatkan aksi kendali logika fuzzy berdasarkan basis aturan yang ada. masukan berupa error dari pH (setpoint dikurangi nilai luaran) akan disesuaikan dengan ∆error (perubahan nilai dari error). untuk itu daerah ini dimasukkan ke daerah 2. PS = 28.membutuhkan waktu yang lama. 4. Setelah nilai masukan diubah menjadi sinyal crisp. Untuk masukan error (e) dan ∆error (∆e) memiliki rentang antara -9 hingga 9. Selanjutnya setelah pH naik sampai bernilai 5.4 Pengujian Pengendalian pH dari Percampuran CH3COOH dan NaOH Secara Loop Terbuka Sebelum dilakukan perancangan pengendali logika fuzzy. Dimana range-range yang diberikan pada sinyal keluaran berupa nilai PWM untuk kecepatan pompa basa NaOH. Karena jenis fuzzy yang digunakan adalah fuzzy Sugeno. Metode centroid ini juga dikenal sebagai metode COA (Center of Area). Nilai keluaran yang dihasilkan akan menjadi masukan untuk aktuator yang berupa Pulse Width Modulation (PWM). Defuzzifikasi merupakan langkah akhir dari logika fuzzy. teknik pengambilan keputusan yang digunakan adalah metode Sugeno. Tahap ini dilakukan berdasarkan nilai fungsi keanggotan masukan yang ada pada KLF serta metode fuzzy yang digunakan. Hal ini sesuai dengan rentang yang telah ditentukan pada sistem pengendalian pH yang dimulai dari pH sebesar 2. Metode pengambilan keputusan yang digunakan adalah AND (min). maka dilakukan perhitungan oleh basis aturan. Berdasarkan pada penjelasan sebelumnya bahwa daerah pembagian setpoint untuk penerapan logika fuzzy ini berada pada 3 daerah yaitu 2. NM = 20. PM (Positive Medium). Secara sistematis. PS (Positive Small). Masukan logika fuzzy berupa error (e) dan ∆error (∆e). Untuk itu dapat diprediksi bahwa PWM yang dibutuhkan untuk naik cenderung tinggi. PM = 31 dan PB = 33. ZE (Zero). Keluaran berupa PWM inilah yang nantinya membuat pompa dapat mengatur flowrate dari basa NaOH yang masuk ke dalam main tank dan akan bercampur dengan asam lemah CH3COOH yang flowrate nya tetap. Basis aturan yang digunakan dalam penelitian ini mengacu dari hasil eksperimen trial and error yang telah dilakukan dan telah dilakukan penyempurnaan dalam penggunaannya. 9. NM (Negative Medium). yaitu NB (Negatif Big).3≤ pH<5.

Dari gambar terlihat bahwa respon dapat mencapai settling time pada 284 detik.eksperimen ketika tanpa pengendali (sistem open loop).11 L/m. Pada pengujian ini diberikan set point pH sebesar 4. Pada gambar 25 dapat dilihat grafik respon yang dihasilkan setelah memakai nilai yang dihasilkan dari rule base pada pengendali fuzzy pada daerah 1.1 Uji Respon pada daerah Daerah 1 (2.5≤ pH<9. namun tidak dapat mempertahankan posisi tetap pada keadaan stabil. Gambar 26 Respon Sistem Pada daerah 2 Dapat dilihat pada gambar.2) Pengujian pada daerah 2 yaitu range setpoint antara 5. Pada prinsipnya eksperimen ini akan mengambil data masukan sistem (setpoint) dan keluaran dari sistem (output).13. Error steady state dari hasil respon di atas cukup kecil yaitu 0. bahwa keluaran sistem dapat mendekati nilai setpoint dengan pembuktian bahwa nilai overshoot akan semakin 14 . Gambar 24 Respon Sistem Pada Uji Open Loop Dari hasil eksperimen seperti pada gambar 24 dapat diketahui bahwa perubahan pH terus bertambah cepat seiring bertambahnya waktu. Hal ini dikarenakan tidak ada kendali yang mampu menjaga keadaan tetap steady.01. Tujuan dari percobaan secara loop terbuka adalah agar bisa didapatkan data respon yang merepresentasikan karakteristik perubahan dari pH setelah dicampur. overshoot sebesar 0. Pada saat detik ke 400 hasil eksperimen menunjukkan sistem mencapai set point.2 Uji Respon pada daerah Daerah 2 (5. Hal ini bertujuan untuk mengetahui hasil respon pH.5. maka nilai error juga akan bernilai negatif. bahwa keluaran sistem dapat mendekati nilai setpoint dengan error yang cukup kecil. untuk itu PWM yang dihasilkan juga otomatis akan berkurang dan akan kembali menyesuaikan dengan nilai set point 4.3≤ pH<5.5) Bagian ini menjelaskan tentang hasil pengujian sistem pengendalian logika fuzzy pada daerah 1. Ketika error nilai pH yang dihasilkan dari sistem bernilai sedang.165 L/m sedangkan untuk flowrate CH3COOH sebesar 0. 4. Ketika terjadi overshoot atau pH naik sampai pada nilai 4.5. 4. Pada simulasi open loop ini digunakan inputan untuk PWM pompa sebesar 35 yang jika di konversi kedalam flowrate NaOH adalah 0. 4.5.63. Berikut ini adalah respon yang dihasilkan dari eksperimen tanpa pengendalian. Pada gambar 26 dapat dilihat grafik respon yang dihasilkan setelah memakai nilai yang dihasilkan dari rule base pada pengendali fuzzy pada daerah 2.5 sampai dengan 9.5.2 dilakukan dengan memasukkan nilai set point 7.5 Pengujian Pengendalian pH pada Percampuran CH 3COOH dan NaOH Secara Loop Tertutup Gambar 25 Respon Sistem Pada daerah 1 Dapat dilihat pada gambar. dengan kata lain perubahan pH terus meningkat melampaui set point. Hal ini menunjukkan bahwa pada saat sistem diberikan nilai set point maka pengendali akan memberikan sinyal perintah berupa PWM pada pompa untuk bergerak sesuai setpoint yang diinginkan. maka PWM yang dihasilkan juga akan bernilai sedang dan PWM akan semakin kecil ketika error dari pH yang dihasilkan sistem juga kecil. Parameter-parameter tersebut menjadi gambaran awal respon sistem pengendalian fuzzy sebelum melakukan pengujian dengan menggunakan nilai setpoint yang berubah-ubah pada tiap satuan waktu.

3. Hal ini menunjukkan bahwa pada saat sistem berada pada daerah 3 cenderung sangat stabil atau nilai luaran yang dikendalikan akan langsung menuju set point.3 Uji Respon pada daerah Daerah 3 (9. untuk kecepatan PWM pada daerah ini harus lebih lambat dibanding daerah 1.01.3 dilakukan dengan memasukkan nilai pH 11sebagai setpoint.mengecil hingga menuju set point. setpoint diubah sebesar pH 9. Dari gambar terlihat bahwa respon dapat mencapai settling time pada 162 detik. 4. Kemudian respon sistem mulai kembali ke arah pH sebesar 7 pada 103 detik berikutnya respon mampu mencapai kondisi steady.4 Uji Tracking Setpoint 15 . overshoot sebesar 0. Error steady state dari hasil respon di atas sangat kecil yaitu 0. Dari hasil pengujian tracking setpoint didapatkan respon sistem seperti pada gambar 28 Gambar 28 Uji Tracking Setpoint pH 7 ke pH 9 Pada gambar dapat dilihat bahwa pada saat sistem respon sistem dapat mencapai nilai 7 pada 570 detik tetapi sistem tidak mampu mempertahankan nilai tersebut sehingga menghasilkan overshoot sebesar 0. Uji ini dilakukan dengan memberikan inputan set point pH. 4 4. untuk itu pengendali logika fuzzy pada daerah 3 cenderung sama dengan daerah 1. bahwa keluaran sistem dapat mendekati nilai setpoint.2≤ pH<11.01. bahwa waktu yang dibutuhkan untuk mencapai set point lebih lama dibanding daerah 1.5. Overshoot dari hasil respon di atas lebih besar dibanding uji respon pada daerah 1 sebelumnya yaitu 0. 4. Maximum overshoot paling rendah dan time settling tercepat diberikan Gambar 27 Respon Sistem Pada daerah 3 Dapat dilihat pada gambar. Dari kondisi ini dapat kita lihat bahwa pada saat sistem diberikan nilai setpoint pH awal sebesar 7 mampu mencapai nilai setpoint pH baru sebesar 11 dan kesimpulannya grafik ini menunjukkan bahwa pada saat sistem diberikan nilai set point maka pengendali akan memberikan sinyal perintah berupa PWM pada pompa untuk bergerak sesuai setpoint yang diinginkan. Saat respon dapat mengikuti setpoint pH 7. Pada gambar 27dapat dilihat grafik respon yang dihasilkan setelah memakai nilai yang dihasilkan dari rule base pada pengendali fuzzy pada daerah 3.3) Penalaan daerah 3 yaitu untuk range pH 9.9 sampai dengan 11. maka dapat diambil kesimpulan bahwa Logika fuzzy berhasil diterapkan secara real plant dan diintegrasikan dengan Visual basic sebagai pengendali proses pada pH. error steady state sebesar 0. Hal ini dikarenakan karakteristik kenaikan dari pH yang cepat oleh penambahan basa NaOH terhadap asam CH3COOH pada daerah 2. Pada tahapan ini akan dilakukan uji tracking setpoint untuk mengetahui respon sistem pada saat diberikan target setpoint yang berubah-ubah.03.04 pada detik ke 571.01. Dilihat pada gambar. Selanjutnya pada detik ke 676 setpoint dirubah menjadi 11. dan settling time sebesar 308 detik. Kemudian respon sistem mulai kembali ke arah sampai pada detik ke 11 berikutnya atau pada detik ke 826 respon mampu mencapai kondisi steady.5. Kesimpulannya grafik ini menunjukkan bahwa pada saat sistem diberikan nilai set point maka pengendali akan memberikan sinyal perintah berupa PWM pada pompa untuk bergerak sesuai setpoint yang diinginkan. Hal ini dibuktikan bahwa terjadi beberapa kali overshoot dalam proses menuju set point.4 Penutup Kesimpulan Setelah melakukan penelitian tugas akhir mengenai penerapan logika fuzzy secara real plant. Terlihat bahwa pada saat sistem diberikan inputan setpoint 11 respon sistem dapat mencapai nilai 11 pada 162 detik berikutnya dan sistem mampu mempertahankan nilai tersebut meskipun pada detik ke 815 ada overshoot sebesar 0. Maksimum overshoot nya hampir tidak ada.

DAFTAR PUSTAKA [1] Cordova. http://suwargana.com/2010/ 06/jeol-shh-heating-holder-fix.2008.2008.5 Saran Terdapat beberapa saran yang dapat diberikan untuk penelitian pengendalian pH berikutnya yaitu : 1.com/journal/ item/16/ph_meter [5] Yosmedia. Fadloli. J.Teknik Fisika.html#bridge [6] Jeol.2004.PID Self-Tuning Based On Auto Switch Algorithm To Control pH.hummelgard. http://blog.2010. en. http://yosmedia.wikipedia. sehingga miniplant semakin kokoh. Dibuatkannya sistem pengendalian ketinggian untuk masing-masing tangki.Teknik Fisika. 2005.multiply. atau asam kuat dititrasi dengan basa lemah. ITS : Surabaya [3] Fuente. Fuzzy control of neutralization process. 2. 2010.html [7] Lutron. M. [4] Suwargana. ITS : Surabaya [2] Luthfi.penalaan daerah 3.com/2008/ 07/rangkaian-driver-motordc.asp [8]Anonim. Konsentrasi dari larutan titrasi dapat pula divariasikan untuk memberikan efek yang berbeda terhadap respon sistem. sedangkan overshoot paling tinggi dimiliki oleh daerah 2 4. Larutan titrasi dapat divariasikan menjadi asam kuat dititrasi basa kuat.blogspot. H.com. http://lutron.tw/ugc_ShowroomIte m_detail.org/wiki. 3.potentiometer 16 .Perancangan Sistem Pengendalian pH pada Continuous Pipe Mixing (CIPM) dengan Metode Pengendalian PID-Selftuning Berbasis Auto Switch Algorithm.