Simulasi-Pengendali-Kiln-PT - Semen-Tonasa - (Tonasa-IV) - Menggunakan-Fuzzy-Logic-Toolbox-Program Matlab PDF
Simulasi-Pengendali-Kiln-PT - Semen-Tonasa - (Tonasa-IV) - Menggunakan-Fuzzy-Logic-Toolbox-Program Matlab PDF
I. PENDAHULUAN
Pada tulisan terbitan sebelumnya,
dijelaskan bagaimana proses pembuatan
pengendali logika samar (fuzzy logic
controller) secara manual yang mencakup
pengambilan data operasional kiln dan
analisa data tersebut ke dalam 3 (tiga)
tahapan yaitu tahap fuzzifikasi, tahap
inferensi, dan tahap defuzzifikasi. Untuk
tulisan kali ini akan dijelaskan proses
pembuatan pengendali logika samar
menggunakan fuzzy logic toolbox program
Matlab
dan
membandingkan
hasil
defuzzifikasi secara manual dengan hasil
defuzzifikasi menggunakan fuzzy logic
toolbox (software). Alasan mengunakan
program Matlab karena Matlab merupakan
bahasa untuk komputasi teknik, dirancang
untuk meningkatkan jangkauan
dan
produktivitas ilmu dan bidang teknik, untuk
mempercepat proses penemuan dan
pengembangan, untuk memudahkan belajar,
dan
untuk
memperkuat
kreativitas
penelitian. Matlab juga menyediakan
fasilitas-fasilitas
yang mudah
untuk
dipelajari
dan
digunakan
sehingga
memungkinkan pembuatan aplikasi yang
lebih kompleks dan besar salah satunya
yaitu
toolbox-toolbox
Matlab
yang
membantu Matlab untuk memecahkan suatu
kelompok permasalahan dan pada program
Matlab versi 6.0 tersedia fuzzy logic
toolbox, yang mana fuzzy logic toolbox
III. HASIL
Berikut ini diberikan tampilan-tampilan hasil dari setiap tahap proses pengendalian kiln
dengan menggunakan Fuzzy Logic Toolbox Program Matlab :
45,5
65,06
46,5
69,3
46
45
46,8
43,1
BZ = 1455oC
OX = 3,5%
45,2
58,87
46,3
64,9
IV. PEMBAHASAN
Pembuatan simulasi pengendali logika samar dengan fuzzy logic toolbox sehingga
menghasilkan tampilan seperti pada pembahasan melalui tahap-tahap sebagai berikut :
1. Penentuan Variabel-Variabel Sistem
Ada berbagai cara untuk bekerja dengan toolbox Fuzzy logic pada Matlab. Berikut ini
adalah cara-cara praktisnya :
1. Pada Command Window ketika kata Fuzzy lalu enter, atau dibuka melalui lunch pad dan
pilih folder toolbox fuzzy logic.
2. Kemudian akan terlihat tampilan FIS editor seperti pada gambar 6.
Pada FIS Editor inilah akan ditentukan variabel-variabel sistem yaitu variabel masukan dan
variabel keluaran. Variabel masukan yaitu BE, BZ, dan OX sedangkan variabel keluaran
yaitu CR dan DP
Keterangan :
- Pada FIS variable klik BE dan pada box sebelah kiri (Current Variable) klik dan isi kotak
putih range variabel masukan BE [700 1200] lalu klik kotak putih display range
- Untuk menampilkan bentuk fungsi keanggotaan pada menu Edit pilih dan klik Add MFs
dan sebuah jendela kecil akan muncul seperti pada gambar 8.
Keterangan :
- Untuk menyisipkan aturan pertama dapat dilakukan dengan memilih COLD pada BE, COLD
pada BZ, LITTLE pada OX, HIGH pada CR dan LARGE pada DP, lalu klik button Add
rule sehingga hasilnya sama seperti pada tampilan di atas, demikian seterusnya hingga
diperoleh 27 aturan
- Jika terdapat kesalahan pada aturan yang dibuat, dapat diubah dengan memilih aturan yang
akan diubah kemudian ganti dengan aturan yang betul dan klik change rule
- Untuk menghapus aturan dilakukan dengan memilih aturan yang akan dihapus kemudian klik
Delete rule.
4. Tahap Defuzzifikasi
Kemudian kita beralih pada tampilan aturan yang telah dibuat , dalam hal ini dikenal dengan
proses defuzzifikasi. Klik menu view pada rule editor kemudian pilih dan klik view
rule, dan akan muncul tampilan seperti gambar 10.
V. KESIMPULAN
1. Simulasi pengendali logika samar dengan menggunakan fuzzy logic toolbox akan
diperoleh hasil defuzzifikasi lebih cepat daripada secara manual. Nilai masukan berupa
BE, BZ, dan OX diinput pada Rule Viewer maka hasil defuzzifikasi juga langsung
tampak pada Rule Viewer.
2. Perbedaan antara hasil defuzzifikasi manual dan defuzzifikasi menggunakan fuzzy logic
toolbox disebabkan oleh metode defuzzifikasi yang digunakan.
VI. DAFTAR PUSTAKA
[1] Hanselma, Duane dan Littlefield, Bruce, Matlab: Bahasa komputasi Teknis, Penerbit
Andi and pearson Education Asia Pte. Ltd, Yogyakarta, 2002.
[2] Hidayat dan Gunawan, Simulasi Pengaturan Dengan Menggunakan Logika Fuzzy,
Makassar : Jurusan Elektro Fakultas Teknik Universitaas Hasanuddin, 1999.
[3] J.Ross, Timothy, Fuzzy Logic With Engineering Application, McGraw-Hill. Inc, USA,
1995.
[4] ----------------------, Matlab For Engineering, McGraw-Hill. Inc, USA, 2000
[5] Wang, Li-Xin, A Course in Fuzzy Systems and Control, Prentice-Hall International, Inc,
USA, 1997.
[6] Wongso, Lily., Simulasi Kontroler Logika Fuzzy, Ujung Pandang : Jurusan Elektro
Fakultas Teknik Universitas Hasanuddin, 1996.
[7] Yan, Jun, Ryan, Michael. and Power, James, Using Fuzzy Logic : Towards Intelligent
Systems, Prentice-Hall International. Inc, USA, 1994.