SISTEM FUZZY DAN APLIKASI

Applications of Fuzzy Logic in Control Design

Oleh :
Siti Maslakah

(4211412029)

JURUSAN FISIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI SEMARANG

2014

BAB I
PENDAHULUAN

Orang yang belum pernah mengenal logika fuzzy pasti akan mengira bahwa
logika fuzzy adalah sesuatu yang amat rumit dan tidak menyenangkan. Namun, sekali
seseorang mulai mengenalnya, ia pasti akan sangat tertarik dan akan menjadi
pendatang baru untuk ikut serta mempelajari logika fuzzy. Logika fuzzy dikatakan
sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern dan metodis
baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika
fuzzy itu sendiri sudah ada pada diri kita sejak lama. Ada beberapa alasan mengapa
orang menggunakan logika fuzzy, antara lain: Konsep logika fuzzy mudah dimengerti,
Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah
dimengerti, Logika fuzzy sangat fleksibel, Logika fuzzy memiliki toleransi terhadap
data-data yang tidak tepat, Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear
yang sangat kompleks, Logika fuzzy dapat membangun dan mengaplikasikan
pengalaman pengalaman para pakar secara langsung tanpa harus melalui proses
pelatihan, Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara
konvensional, Logika fuzzy didasarkan pada bahasa alami. Aplikasi logika fuzzy,
seperti Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang
(Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan
putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta
jumlah yang akan dicuci. Input yang digunakan adalah: seberapa kotor, jenis kotoran,
dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik , mengeluarkan
cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya.
Makin kotor, maka sinar yang sampai makin redup. Disamping itu, sistem juga dapat
menentukan jenis kotoran (daki atau minyak).
Untuk dapat merancang sistem kontrol yang baik diperlukan analisis untuk
mendapatkan gambaran tanggapan sistem terhadap aksi pemgontrolan. Sebelum dapat
merancang sistem kontrol tentunya mahasiswa harus lebih dulu dibekali materi
pemodelan sistem dinamik. Sistem kontrol dibutuhkan untuk memperbaiki tanggapan
sistem dinamik agar didapat sinyal keluaran seperti yang diinginkan. Sistem kontrol
yang baik mempunyai tanggapan yang baik terhadap sinyal masukan yang beragam.
Permasalahan yang sedang dihadapi adalah bagaimana membandingkan Fuzzy
Logic Toolbox dengan Proportional Integral Drivative control.
BAB II
PEMBAHASAN
Sistem Fuzzy dan Aplikasi

Page 2

SEBUAH CONTOH FUZZY CONTROLLER

Fuzzy desain kontrol logika agak berbeda dari metode desain kontrol konvensional
yang berangkat dari alat analisis standar seperti Bode respon frekuensi plot dan akar
Diagram lokus. Dalam beberapa kasus, mungkin tepat untuk menggunakan
pendekatan yang sama sekali berdasarkan kabur. Tapi fuzzy logic juga dapat
digunakan dalam pendekatan hybrid dengan metode pengendalian konvensional,
membuat sebagian besar dari kedua keadaan. Pada bagian ini, kita mempelajari
bagaimana logika fuzzy dapat menyederhanakan gain scheduling antara dua kontroler
PID yang berbeda.
Sistem akan kita lihat di sini, sangat sederhana: sistem pegas-massa-peredam dari
Dynamics 101 seperti digambarkan pada Gambar 4. Sedangkan kontroler PID dasar
akan melakukan pekerjaan yang baik sehingga berperilaku, fuzzy logic dapat
memberikan cara yang tepat untuk memenuhi tujuan pengendalian yang ketat.

Sistem cart yang teredam ringan. Dinamikanya dijelaskan dalam fungsi transfer blok
sebagai fungsi domain frekuensi variabel s:

Dengan frekuensi omega : 1 rad/s dan koefisien peredam zeta : 0.1.

Sistem Fuzzy dan Aplikasi

Page 3

Gambar 1. Diagram block untuk open loop system

Gambar 2. Respon untuk open loop system

Sistem ini dibangun dengan MATLAB 7 sehingga untuk PID-nya sendiri dapat
dibangun dengan subsistem seperti gambar dibawah ini :

Sistem Fuzzy dan Aplikasi

Page 4

Gambar 3. Diagram block untuk closed loop system (tight control)

Gambar 4. Respon untuk closed loop system (tight control)

Sistem Fuzzy dan Aplikasi

Page 5

Gambar 5. Diagram block untuk closed loop system (loose control)

Gambar 6. Respon untuk closed loop system (loose control)

Dua grafik diatas adalah kontrol sistem dengan menggunakan PID. Grafik pertama
adalah grafik untuk keadaan tight dengan Kp=60, Ki=4 dan Kd=14. Tampak respon
pada keadaan tight sudah cukup bagus, sudah mengikuti sinyal masukan yang
diterima, meskipun tingkat overshootnya masih tinggi. Sedangkan grafik kedua
adalah untuk keadaan loose dengan Kp=5, Ki=1, dan Kd=2. Pada grafik kedua ini

Sistem Fuzzy dan Aplikasi

Page 6

tampak respon kontrol kurang bagus, dimana pada keadaan ini sinyal kontrol hampir
tidak mengikuti sinyal masukan.
Selain menggunakan sistem PID, Pengontrolan juga dapat dilakukan dengan Logika
Fuzzy. Apabila kendali dibangun dengan logika fuzzy maka hal pertama yang
dilakukan adalah membangun membership function dan aturan fuzzy dengan fuzzy
logic toolbox MATLAB.

Gambar 7. Fuzzy Inference System Editor in the Fuzzy Logic Toolbox

Gambar 8. Fuzzy Logic Toolbox Membership Function Editor

Sistem Fuzzy dan Aplikasi

Page 7

Gambar 9. Fuzzy Logic Toolbox Membership Function Editor

Gambar 10. Fuzzy Logic Toolbox Membership Function Editor

Sistem Fuzzy dan Aplikasi

Page 8

Gambar 11. Fuzzy Logic Toolbox Rule Editor

Gambar 12. Fuzzy Logic Toolbox Rule Viewer

Sistem Fuzzy dan Aplikasi

Page 9

Gambar 12. Fuzzy Logic Toolbox Surface Viewer

Sistem Fuzzy dan Aplikasi

Page 10

BAB III
PENUTUP
Kesimpulan

Sistem Fuzzy dan Aplikasi

Page 11