Simulasi Pengendali Kiln PT.

Semen Tonasa (Tonasa IV) Menggunakan

Fuzzy Logic Toolbox Program Matlab
St. Nawal Jaya
Abstrac
This paper is continuance of previous paper which will make kiln controller simulation of PT.
Semen Tonasa (Tonasa IV) used fuzzy logic toolbox Matlab software and compared
defuzzification result manually and used fuzzy logic toolbox. Kiln operational data i.e input
variables ; backend kiln temperature (BE), burning zone temperature (BZ), and OX prosentase
(OX) and output variables ; coal rate (CR) and damper posisition (DP) were input and analyzed
by fuzzy logic toolbox via FIS Editor, MF Editor, Rule Editor, Rule Viewer, and Surface Viewer.
Defuzzification result used fuzzy logic toolbox was gotten more quickly than manually but it has
difference that could been seen in table 1.
Keywords : Fuzzy logic toolbox, Matlab, Defuzzification result

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

tersebut terdapat beberapa fasilitas yang

terhimpun dalam GUI (Graphical User
Interface) [1]. Kelebihan lain dari Matlab
yaitu visualisasi dan grafis yang lebih baik
dan cepat sehingga membuatnya lebih
menarik.
II. METODE PENELITIAN
Hampir mirip dengan pengendali
logika samar yang manual, pengendali
logika samar menggunakan fuzzy logic
toolbox program Matlab menggunakan data
yang sama yaitu data operasional kiln
(waktu optimal kiln selama 8 jam) dan data
hasil wawancara langsung dengan operator
kiln. Data tersebut meliputi:

Temperatur back end/inlet kiln (oC)
disimbolkan BE untuk memperoleh
range dari temperatur back end (inlet
kiln) kiln yang akan digunakan sebagai
variabel masukan dalam logika samar.
Range normal temperatur BE berkisar
antara 900oC sampai 1000oC.

Temperatur
burning
zone
(oC)
disimbolkan BZ untuk memperoleh
range dari temperatur burning zone
kiln yang akan digunakan sebagai
variabel masukan dalam logika samar.
Range normal temperatur BZ berkisar
antara 1430oC sampai 1500oC.


Prosentase kadar gas oksigen dalam

exhaust gas (%) disimbolkan OX yang
dibutuhkan untuk pembakaran pada kiln
dengan maksud untuk memperoleh
range dari prosentase kadar gas oksigen
yang akan digunakan sebagai variabel
masukan dalam logika samar. Range
normal temperatur OX berkisar antara
2,5% sampai 5%.

Aliran batu bara (ton/jam) disimbolkan
CR yang digunakan sebagai bahan
bakar pada kiln dengan maksud untuk
memperoleh range dari aliran batu bara
yang akan digunakan sebagai variabel
keluaran dalam logika samar.

Posisi damper exhaust gas (%)
disimbolkan DP yang merupakan posisi
buka/tutup banyaknya gas oksigen yang
dibutuhkan untuk pembakaran kiln
dengan maksud untuk memperoleh
range dari posisi damper exhaust gas
yang akan digunakan sebagai variabel
keluaran dalam logika samar.
Tetapi proses analisa data tersebut
menggunakan software (fuzzy logic
toolbox), yang mana memanfaatkan fasilitas
yang ada pada fuzzy logic toolbox yaitu :





FIS Editor : digunakan untuk menangani

variabel masukan dan keluaran sistem
berupa penentuan jumlah dan nama
variabel.
MF Editor : digunakan untuk
mendefenisikan
bentuk
fungsi
keanggotaan tiap variabel termasuk di
dalamnya penentuan range variabel
masukan dan keluaran, nama serta
parameter variabel-variabel linguistik
dari masing-masing variabel masukan
dan keluaran.
Rule Editor : digunakan untuk
menentukan daftar aturan yang sesuai
dengan kinerja system.
Rule Viewer : digunakan untuk melihat
tampilan dari proses inferensi, untuk
melihat aturan mana yang sedang aktif,
untuk mengetahui pengaruh bentuk
fungsi keanggotaan terhadap hasil
dengan memasukan nilai-nilai tepat
variabel masukan.
Surface Viewer : berfungsi untuk
menampilkan
keterkaitan
antara
masukan dan keluaran dalam bentuk
tampilan grafik 3 (tiga) dimensi.

III. HASIL
Berikut ini diberikan tampilan-tampilan hasil dari setiap tahap proses pengendalian kiln
dengan menggunakan Fuzzy Logic Toolbox Program Matlab :

Gambar 1. Hasil FIS Editor Dengan Variabel Masukan BE Aktif

Gambar 2. Hasil Membership Function Editor Dengan Variabel Masukan

BE & Himpunan Samar COLD Aktif

Gambar 3. Hasil Rule Editor

Gambar 4. Hasil Rule Viewer

Gambar 5. Hasil Surface Viewer Dengan Variabel Masukan BE dan BZ serta

Variabel Keluaran CR
Tabel 1. Perbandingan Defuzzifikasi Manual Dengan Defuzzifikasi Toolbox
fuzzy logic Program Matlab
Variabel
Defuzzifikasi Manual Defuzzifikasi Toolbox fuzzy logic
Masukan CR (ton/jam) DP (%) CR (ton/jam)
DP (%)
o
BE = 945 C
BZ = 1440oC
OX = 3%
BE = 940oC
BZ = 1435oC
OX = 4,5%
BE = 930oC

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

Gambar 6. Tampilan FIS Editor

Keterangan :
- Pilih type FIS Mamdani dengan cara klik menu file, pilih dan klik New Mamdani
- Untuk masukan dan keluaran yang lebih dari satu dapat ditambahkan dengan mengklik menu
Edit lalu pilih klik Add Input dan Add output
- Masing-masing dari masukan dan keluaran tersebut diberi nama variable dengan cara
mengklik masukan atau keluaran yang akan diberi nama lalu mengisi kotak nama pada box
Current Variable
- Sementara untuk box disebelah kiri box current variable digunakan untuk menentukan
metode yang akan digunakan pada proses pengendalian selanjutnya.
2. Tahap Fuzzifikasi
Setelah penentuan variabel-variabel sistem, langkah selanjutnya yaitu tahap fuzzifikasi.
Tahap fuzzifikasi meliputi penentuan range variabel-variabel sistem dengan meng-klik menu
view pada FIS editor lalu pilih dan klik Edit Membership Function maka muncullah
gambar 7.

Gambar 7. Tampilan Membership Function Editor

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.

Gambar 8. Tampilan Add MFs

Keterangan :
- Pilih Trapmf pada MF Type dan 3 pada Number Of MFs lalu klik ok.
Kemudian akan terlihat tiga buah kurva trapesium pada Membership Function Plots
dengan range 700 sampai 1200 untuk variable masukan BE
- Klik satu kali pada salah satu kurva paling kiri dan pada Box Current Membership
Function, klik dan isi kotak putih name manjadi COLD pilih type tramps kemudian klik
dan isi kotak putih params dengan : [700 700 900 950]
- Selanjutnya kurva bagian tengah, diberi name NORMAL dan bentuknya diubah menjadi
trimf (diubah menjadi type) dan params-nya diisi dengan [900 950 1000] sementara
bentuk kurva bagian kanan tetap, kecuali name-nya diganti dengan HOT demikian pula
params-nya diisi dengan [950 1000 1200 1200].
- Untuk variable masukan dan keluaran yang lain prosesnya sama dengan di atas.
3. Tahap Inferensi
Setelah proses penentuan fungsi keanggotaan dari keseluruhan variabel, maka selanjutnya
dilakukan penentuan aturan yang menunjukan kinerja dan sistem kiln. Ini dilakukan dengan
meng-klik menu view pada Membership Function Editor lalu pilih dan klik Edit rule,
dan akan muncul tampilan seperti gambar 9

Gambar 9. Tampilan Rule Editor

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.

Gambar 10. Tampilan Rule Viewer

Keterangan :
- Setiap aturan diplot per baris, sementara setiap variable diplot dalam bentuk kolom.
- Tiga kolom pertama adalah bagian aturan dengan menggunakan IF (menyatakan kondisi).
Sementara dua kolom berikutnya adalah bagian aturan dengan menggunakan THEN
(merupakan action atau pengambilan keputusan)..
- Aturan pada tiga kolom pertama yang diplot dengan warna kuning menyatakan aturan yang
memenuhi sedangkan aturan pada dua kolom berikutnya yang diplot warna biru mengatakan
hasil atau pengambilan keputusan. Hasil dapat ditunjukkan dalam bentuk nilai tepat yaitu
nilai yang ditunjukan oleh CR = 47 dan DP = 43,1
- Garis merah vertikal pada BE, BZ dan OX menunjukan nilai tepat ketiga variabel masukan
sebesar BE = 900, BZ = 1550, dan OX = 4,5. Nilai tepat tersebut dapat dimasukan melalui
kotak input ataupun dengan men-drag garis merah vertikal.
5. Tahap Pembentukan Grafik 3-D
Langkah terakhir dari aplikasi kelima fasilitas pada GUI toolbox fuzzy logic yaitu
surface viewer yang dibuat dengan meng-klik menu view pada Rule Viewer lalu pilih dan
klik View surface. Tampilan surface viewer dalam bentuk tiga dimensi dapat dilihat pada
gambar 11 berikut ini :

Gambar 11. Tampilan Surface Viewer

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.