PROPOSAL TUGAS AKHIR

PENGONTROLAN SUHU DAN KELEMBAPAN UDARA DI DALAM RUANG

INKUBATOR DENGAN MENGGUNAKAN KONTROL FUZZY

Oleh:
Moh. Imron Rasyidi
NRP.1107 100 060

Pembimbing:
Dr. Melania Suweni Muntini, MT
NIP. 19641229 199002.2.001

JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2012

LEMBAR PENGESAHAN PROPOSAL TUGAS AKHIR

JURUSAN FISIKA FMIPA-ITS

a.

Judul

: Pengontrolan Suhu dan Kelembapan Udara di Dalam Ruang

Inkubator dengan Menggunakan Kontrol Fuzzy

b. Bidang Studi

: Fisika Instrumen

c. Nama

: Moh. Imron Rasyidi

d. NRP

: 1107 100 060

e. Jenis Kelamin

: Laki - Laki

f. Jangka Waktu

: 3 bulan

g. Pembimbing
: Dr. Melania Suweni Muntini, MT.
h. Usulan Proposal ke : I
i. Status

: Baru

Surabaya, 10 Oktober 2012

Dosen Pembimbing

Mahasiswa

Dr. Melania Suweni Muntini, M.T.

NIP. 19641229 199002.2.001

Moh. Imron Rasyidi

NRP. 1107 100 060

Koordianator Tugas Akhir

Drs. Gatut Yudoyono, M.T.

NIP. 19640616 198903.1.004

I. Judul
Judul program ini adalah Pengontrolan suhu dan kelembapan udara di dalam
ruang inkubator dengan menggunakan kontrol fuzzy.
II. Latar Belakang
Kontrol cerdas akhir-akhir ini semakin tidak dapat dipisahkan dengan berbagai
instrumentasi yang menggunakan teknologi modern.Seiring dengan perkembangan
zaman berbagai jenis kontrol cerdas juga semakin beragam, salah satu diantaranya adalah
Fuzzy LogicKontroller (FLC).FLC merupakan jenis kontrol yang menggunakan bahasa
menusia sebagai parameter pengontrolan yang sangat memudahkan bagi pemakainya
untuk mendesign sistem kontrol yang diharapkan.Disamping itu, penggunaan FLC tidak
memerlukan persamaan matematis yang rumit melainkan hanya dengan persamaan yang
sederhana dan mudah.
Karena alasan kemudahan dan tingkat kestabilan serta kecepatan dalam merespon
perubahan keadaan dalam mengontrol objek yang hendak dikontrol, FLC sangat cocok
digunakan untuk mengontrol temperature dan kelembapan udara di dalam ruang
inkubator, karena ruang inkubator memerlukan kondisi dengan temperature dan
kelembapan tertentu dengan lebar jangkauan masing-masing temperature dan
kelembapan yang sangat sempit.
III. Rumusan Masalah
Beberapa masalah yang akan dibahas dalam tugas akhir ini antara lain:
a. Pemilihan jumlah fungsi keanggotaan dan persamaan matematisnya.
b. Pemilihan variable masukan fuzzy yang akan di fuzzyfikasi.
IV. Tujuan
Tujuan dari penelitian ini adalahu untuk mempertahankan kondisi temperature dan
kelembapan udara di dalam ruang inkubatorsama dengan setpoint.
V. Batasan Masalah
Beberapa batasan masalah yang akan dibahas di dalam tugas akhir ini antara lain
a. Kontrol fuzzy hanya digunakan untuk mengontrol jumlah sprayer ( sumber
kelembapan ), heater ( sumber panas ), dan kipas ( sumber dingin ) yang akan
dinyalakan maupun dimatikan.
b. Kelembapan yang diinginkan hanya untuk setpoint 75%, 80%, 85%, dan 90%.
c. Temperature yang diinginkan hanya untuk setpoint 35, 36, 37, dan 38 C.
d. Variable yang akan dimasukkan ke dalam kontrol fuzzy adalah variable eror yang
dihasilkan oleh selisih antara masing-masing kelembapan dan temperature saat ini
dengan masing-masing setpointnya.

VI. Sistematika Penulisan

Proposal tugas akhir ini terdiri dari 5 bagian, yaitu pendahuluan, tinjauan pustaka,
metodologi penelitian, jadwal pelaksanaan, dan penutup.Pendahuluan terdiri dari latar
belakang, rumusan masalah, tujuan, batasan masalah dan sistematika penulisan.Tinjauan
pustaka yang terdiri dari sejumlah teori dasar yang berkaitan erat dengan penelitian
ini.Metodologi penelitian yang terdiri dari tahap perencanaan, desain, dan langkah kerja
dalam proses pengambilan data. Jadwal pelaksanaan berisi tentang rencana pelaksanaan
kegiatan penelitian untuk tugas akhir.Dan terakhir penutup serta daftar pustaka dan
pengesahan
VII. TINJAUAN PUSTAKA
7.1 KonsepLogika Fuzzy
Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinue.
Samar dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.Oleh
sebab itu, sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang
sama1.
a. Struktur Dasar Logika Fuzzy
Pada dasarnya struktur logika fuzzy dapat digambarkan seperti berikut :
Basis
Pengetahuan
output

input
Fuzzifikasi

Fuzzy

Defuzzifikasi
Logika
Pengambilan
Keputusan

Fuzzy

Gambar 7.1 Struktur Dasar Logika Fuzzy

Fungsi dari bagian-bagian di atas adalah sebagai berikut:
Fuzzifikasi
Berfungsi untuk mentransformasikan sinyal masukan yang bersifat crisp ( bukan
fuzzy ) ke himpunan fuzzy dengan menggunakan operator fuzzifikasi.
Basis Pengetahuan
Berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah
daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol.
Logika Pengambil Keputusan
merupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusia
dalam mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakan
implikasi fuzzy dan mekanisme inferensi fuzzy.

 Defuzzifikasi
berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat
fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator
defuzzifikasi1.
b. Fungsi keanggotaan
Fungsi keanggotaan (membership function ) dari himpunan fuzzy adalah suatu
fungsi yang menyatakan keanggotaan dari suatu himpunan nilai-nilai. Penentuan
nilai-nilai diperoleh dari rule / kaidah fuzzy yang menggunakan metoda implikasi.
Ada dua metoda untuk mendefinisikan keanggotaan himpunan fuzzy, pertama secara
numerik dinyatakan sebagai suatu nilai vektor yang besarnya tergantung dari level
diskritnya. Fungsi keanggotaan fuzzy yang sering digunakan antara lain :
1. Fungsi representasi linier
Pada representasi linier, pemetaan input ke derajat keanggotaannya
digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi
pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.Keadaan linier
himpunan fuzzy terdiri dari dua keadaan linier naik dan linier turun. Pada linier
naik, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajat
keanggotaan lebih tinggi dengan fungsi keanggotaan :

Gambar grafik fungsi representasi naik

Sedangkan pada linier turun, garis lurus dimulai dari nilai domain dengan
derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai
domain yang memiliki derajat keanggotaan lebih rendah dengan fungsi
keanggotaan.

Gambar grafik fungsi representasi turun

2. Fungsi keanggotaan segitiga
Fungsi keanggotaan segitiga ditandai oleh adanya 3 (tiga) parameter {a,b,c}
yang akan menentukan koordinat x dari tiga sudut. Kurva ini pada dasarnya
merupakan gabungan antara dua garis (linier). Adapun persamaan untuk bentuk
segitiga ini adalah:

Gambar grafik fungsi keanggotaan segitiga

3. Variabel linguistic
Variabel linguistik dalam penjabaranya diungkapkan dalam bahasa
natural/alami yang dapat mengikuti pola pikir manusia dimana nilai nilainya
didefinisikan dengan istilah linguistik. Secara umum variabel yang sering
digunakan adalah negatif Big (NB), Negatif Medium (NM), Zero (Z), Positif
Small (PS), Positif Medium (PM), Positif Big (PB), dan seterusnya.
4. Fuzzyfikasi
Fuzzifikasi merupakan suatu proses pengubahan variable non-fuzzy(crisp)
kedalam variabel fuzzy, variable input(crisp) dipetakan ke bentuk himpunan fuzzy
sesuai dengan variasi semesta pembicaraan input. Pemetaan titik-titik numerik (
crisp points)x = (x1, x2, , xn)T U ke himpunan fuzzy A pada semesta
pembicaraan U. Data yang telah dipetakan selanjutnya dikonversikan ke dalam
bentuk linguistik yang sesuai dengan label dari himpunan fuzzy yang telah
terdefinisi untuk variabel input sistem.

Di dalam pemetaan ini terdapat dua kemungkinan pemetaan yaitu :

Fuzzyfikasi singleton : A adalah fuzzy singleton dengan support x, artinya:
untuk x xo

1
0

A ( x)

untuk x U yang lain

Fuzzyfikasi nonsingleton: A ( x) =1 dan A ( x) menurun dari 1 sebagaimana

x bergerak menjauh dari x. Sebagai contoh :
( x' x) T ( x' x)

A ( x) exp

Fuzzifikasi memiliki dua komponen yang utama, yaitu :

Fungsi keanggotaan himpunan fuzzy.
Fungsi keanggotaan Merupakan sebuah kurva yang menggambarkan pemetaan
dari input ke derajat keanggotaan antara 0 dan 1. Melalui fungsi keanggotaan
yang telah disusun maka dari nilai-nilai masukan tersebut menjadi informasi
fuzzy yang berguna nantinya untuk proses pengolahan secara fuzzy pula.
Banyaknya jumlah fungsi keanggotaan dalam fuzzy set menentukan banyaknya
aturan yang harus dibuat.
Label.
Didalam Fuzzy set tentunya memiliki beberapa fungsi keanggotaan, jumlah
dari keanggotaan inipun disesuaikan dengan banyaknya kebutuhan. Setiap
fungsi keanggotaan dapat didefinisikan dengan label atau nama. Dapat
dinyatakan dengan besar, sedang, kecil atau sesuai dengan keinginan.
Grade membership
fungtion (F)

kecil

Sedang

besar

0
kecepatan

Gambar 7.7 input fuzzy dengan 3 fungsi keanggotaan

5. Basis pengetahuan
Basis pengetahuan terdiri dari fakta (Data Base), dan kaidah atur (Rule
Base). Fakta merupakan bagian pengetahuan yang memuat informasi tentang

objek, peristiwa, atau situasi. Fakta umumnya menyatakan kondisi statik dari
suatu objek. Sedangkan kaidah (Rule base) berisi informasi tentang cara
membangkitkan fakta baru atau hipotesa fakta yang sudah ada.
Basis Data (Data Base).
Basis data berfungsi untuk mendefinisikan himpunan-himpunan fuzzy dari
sinyal masukan dan sinyal keluaran agar dapat digunakan oleh variabel
linguistik dalam basis aturan. Dalam pendefinisian tersebut biasanya dilakukan
secara subjektif dengan menggunakann pendekatan heuristik dan didasarkan
pada pengalaman dan pertimbangan yang menyangkut kerekayasaan, sehingga
bergantung penuh pada perancang.

Kaidah Atur (Rule Base).

Kaidah atur dalam fuzzy ini biasanya tersusun dengan pernyataan :
IF (antecedent) THEN (consequent) atau dapat juga
IFx is A THENy is B.
Antecedent : berisi himpunan fakta input (sebab).
Consequent : berisi himpunan fakta output (akibat).
IF THEN dalam logika fuzzy akan melakukan pemetaan dari himpunan
fuzzy input kehimpunan fuzzy output.

6. Logika pengambil keputusan

Sering pula disebut sebagai Fuzzy Inference sistem (FIS) merupakan bagian
terpenting dalam logika fuzzy.Langkah yang dilakukan pada tahap ini yaitu
mengevaluasi aturan, dimana mengevaluasi aturan mempunyai arti yaitu logika
fuzzy mengolah dan menyimpulkan proses yang tersusun dari rule IF...THEN,
setiap rule menghasilkan satu output. Pada dasarnya satu rule akan aktif apabila
kondisi input memenuhi aturan pernyataan IF. Pengaktifan aturan pernyataan IF
menghasilkan output kontrol yang didasarkan pada aturan pernyataan THEN.
Dalam sistem fuzzy digunakan banyak rule yang menyatakan satu atau lebih
pernyataan IF. Suatu rule dapat pula mempunyai beberapa kondisi input, yang satu
sama lainya dihubungkan dengan AND atau OR untuk mendapatkan rule output.
7. Defuzzyfikasi
Defuzzifikasi merupakan proses merubah output fuzzy dari FIS (fuzzy
inference sistem) menjadi output crips. Bentuk umum proses defuzzyfikasi
diyatakan dengan:
Z0 = defuzzier (z)
dimana z adalah aksi pengendalian fuzzy, Z0 adalah aksi pengendali crisp, dan
defuzzifier adalah operator defuzzifikasi.
Terdapat dua macam metode defuzzifikasi, yaitu :

 Metode Titik Pusat (Center Of Area, COA).

Metode ini membagi dua momen pertama fungsi keanggotaan, dan harga v0yang
menandai garis pembagi adalah harga V yang terdefuzzifikasi.
Secara algoritmik dinyatakan :

v (v)dv
v

v0

v (v)dv

........................................................................ 7.1.1)

sedangkan dalam semesta diskrit dapat dinyatakan :

m

v0

v (v )
k 1
m

v (vk )

................................................................... 7.1.2

k 1

Metode Titik Tengah Maksimum (Mean Of Maximum, MOM).

Merupakan metode defuzzifikasi yang merepresentasikan nilai titik tengah dari
keluaran yang fungsi anggotanya maximum. Fungsinya ditunjukkan sebagai:
n

z
z0 i
i 1 l

............................................................... 7.1.3

dimana zi adalah nilai pendukung dengan fungsi keanggotaan bernilai maximum

dan l adalah banyaknya nilai pendukung1.
7.2 Sensor Suhu dan Kelembapan HSM-20G
Sensor HSM-20G merupakan sensor suhu sekaligus merupakan sensor
kelembapan dengan keluaran berupa tegangan analog. Berikut ini gambar fisik dari
sensor ini:

Gambar 2.2.1 bentuk fisik dari sensor HSM-20G

Gambar 2.2.2.dimensi fisik dari sensor HSM-20G dan rangkain skematiknya

a. Karakteristik SensorHSM-20G
Karakteristik dari sensor HSM-20G dapat dilihat pada gambar 2.2.2 berikut ini:

Gambar 2.2.3 Spesifikasi dari sensor HSM-20G

7.3 Inkubator
Inkubator adalah kamar atau kotak yg bersuhu tetap (biasanya 37oC) 4. Selain bersuhu
tetap biasanya kelembapan di dalam ruangan ini juga tetap. Sedangkan dimensi dari
inkubator ini bias bermacam-macam tergantung kebutuhan dari pemakainya.
7.4 Pulse width modulation ( PWM )
Pulse Width Modulation (PWM) atau modulasi lebar pulsa merupakan
sinyaldigital berupa gelombang kotak (square wave) dimana duty cycle dari
gelombang kotak tersebut dapat diatur sesuai dengan kebutuhan sistem. Gelombang
kotak f(t) yang ideal dengan periode T ditunjukkan sepertipada Gambar 2.4.1.

Gambar2.4.1 Gelombang kotak f (t) yang ideal dengan periode T

Gelombang kotak seperti pada Gambar 2.4.1memiliki duty cycle(D) seperti pada
persamaan berikut:
........................................................... 7.4.1
Dimana :
= waktu gelombang kotak selama berlogika tinggi
T =periode gelombang kotak.
Sedangkan tegangan rata-rata sebuahgelombang adalah sesuai pada
persamaan:

( )

.................................... 7.4.2

Dimana :
y : tegangan rata-rata gelombang
T: periode gelombang
Gelombang kotak f(t) pada Gambar 2.4.1berada pada nilai 0 < t < dan <
t <T, dengan melihat persamaan (1) dapat ditentukan = D.T, sehingga tegangan
rata-rata gelombang kotak f(t) dapat ditentukan:

(
(

................... 7.4.3

Dari hasil perhitungan rata-rata tegangan tersebut, maka nilai tegangan ratarata yang dibutuhkan dapat dihasilkan dengan pengaturan duty cycle gelombang
kotak.3

Modulasi Lebar Pulsa juga dapat digunakan untuk mengontrol daya tanpa
membuang sejumlah daya pada driver beban menjadi bentuk energi lain.
Bila dibandingkan dengan menambah resistor beban untuk mengurangi atatau
menambah daya pada beban utama, maka penggunaan PWM lebih menguntungkan
karena tidak ada beban yang dialihkan melainkan dikurangi atau ditambah dengan
variasi dari waktu duty cycle-nya3.
7.5 Hubungan antara energi listrik dengan kalor
Heater atau pemanas listrik biasanya menggunakan elemen pemanas yaitu suatu
elemen yang akan membangkitkan panas bila dialiri arus listrik dan biasanya terbuat dari
kawat nikrom ( paduan nikel dan krom ). Adapun panas yang dihasilkan dari elemen
pemanas ini mengikuti rumus sebagai berikut:
................................................ 7.5.1
dimana :
U = energi listrik yang berubah menjadi panas (Joule)
I = arus listrik (Ampere)
R = hambatan listrik (Ohm)
t = waktu (detik)
Jadi energi listrik yang diubah menjadi panas tergantung pada arus listrik ( I )
yang mengalir, besar hambatan ( R ) dan lama arus listrik mengalir ( t ) 2.
VIII. METODOLOGI PENELITIAN
Dalam perancangan ini, langkah-langkah yang akan dilakukan untuk mencapai tujuan
penelitian ini adalah:
1. Studi literature
Meliputi pemahaman tentang hal-hal yang mendasari penyelesaian masalah dalam
penelitian ini.Adapun materi yang perlu dipelajari adalah pemahaman mengenai
konsep logika fuzzy, pemahaman tentang karakteristik sensor, serta interfacing untuk
mendapatkan luaran yang diharapkan.Disamping itu, dilakukan juga penjajakan jurnal
yang berkaitan dengan penelitian ini.
2. Perancangan alat
Meliputi persiapan alat dan bahan yang akan digunakan untuk pembuatan inkubator
dan hardware untuk sistem kendali. Diantara alat dan bahan yang dibutuhkan adalah
valve, multitester digital, osiloskop, minimus sistem ATmega16, heater 400 watt,
kipas angin, heat exchange / radiator, tabung air, sprayer/nozel, pompa air mini, power
supply DC 24 volt 3 Ampere, saklar elektronik (triac), regulator 5 dan 12 volt,
converter usb to serial rs232, motor listrik, inkubator bahan akrilik berdimensi 50cm x
50cm x 50cm, thermometer alkohol/raksa, dan humidimeter.Sedangkan proses

pembuatannya meliputi desain rangkaian minimum sistem, desain aktuator, dan desain
kotak inkubator.
3. Perancangan software
Meliputi pembuatan software untuk pembacaan sensor dan pengendalian aktuator
yang di benamkan ke mikrokontroler sertasoftware untuk sistem kendali fuzzy di
PC/laptop.
4. Pengujian sistem dan pengambilan data
Data input yang digunakan untuk kontrol fuzzy logic adalah dari hasil pembacaan
sensor suhu dan kelembapan yang digunakan untuk membaca keadaan didalam ruang
inkubator, dimana data yang dihasilkan adalah informasi tentang suhu dan kelembapan
di dalam ruang inkubator.
Adapun data yang akan diambil adalah data suhu dan data kelembapan yang terbaca
oleh sensor sejak awal pembacaan hingga mencapai waktu yang ditentukan dengan
cara sebagai berikut:
a. Setiap setengah detik data suhu dan kelembapan diambil ( secara software ) dan
dimasukkan ke dalam database sekaligus sebagai masukan untuk kendali fuzzy.
b. Setiap satu menit database dikelompokkan menjadi data yang berurutan.
c. Setiap 10 menit data di pindahkan ke software pengolah data.
5. Pengolahan data input
Data input untuk model logika fuzzy terlebih dihulu dikonversikan kedalam bentuk
data selisih antara data hasil pembacaan sensor terhadap setpoint tertentu yang
diharapkan dari masing veriabel suhu dan kelembapan. Sedangkan data keluaran yang
dihasilkan adalah data kelembapan dan suhu yang sesuai dengan setpoint yang
diharapkan.
6. Penyusunan dan penulisan laporan
Alur penyusunan dan penulisan laporan ini diagram alir seperti di berikut ini:

Mulai

Mulai

Studi Literatur

Pembangkitan Data
Input-output

Perancangan alat
Fuzzifikasi

Perancagan
software

Membuat Aturan (rule)

Pengujian sistem dan

pengambilan data

Inferensi Fuzzy

Defuzzifikasi

Tidak
Analisa Performansi
Kendali

Output Model

Ya
Tidak

Penyusunan dan
Penulisan Laporan

Validasi
Sistem
Kontrol
Ya

Selesai

Berhenti

(a)

(b)

Gambar 8.x diagram alir (a) penelitian dan (b) untuk kendali fuzzy
7.

JADWAL PELAKSANAAN
Penelitian ini akan dilakasanakan sesuai dengan jadwal seperti dalam table berikut ini:
Bulan
No
Kegiatan
Oktober
Nopember
Desember
1 2 3 4 1 2 3 4 1 2 3 4
1 Studi literature
2 Perancangan alat
3 Perancangan software
4 Pengujian sistem
5 Pengambilan data

6
7

Analisa data
Penyusunan laporan

DAFTAR PUSTAKA
[1] Kusumadewi, Sri., Purnomo, Hari. 2010. Aplikasi Logika Fuzzy untuk Pendukugn
Keputusan, Edisi 2. Yogyakarta: Graha Ilmu.
[2] Tippler, P.A., Mosca, G.1997. Physics for scientist and engineers, 5ed. California:
Berkeley.
[3] Wikipedia. 2009. Pulse-width Modulation. Diakses pada tanggal 10 oktober 2012.
http://en.wikipedia.org/wiki/Pulse-width_modulation.html.
[4] Departemen Pendidikan Nasional. 2008. KBBI Kamus Besar Bahasa Indonesia. Diakses
pada tanggal 10 oktober 2012. http://bahasa.kemdiknas.go.id/kbbi/index.php