Modul Praktikum

LAB SHEET
PRAKTIK KENDALI FUZZY
Disusun oleh:
M. Khairudin, MT, PhD.
Laboratorium Teknik Kendali

Jurusan Pendidikan Teknik Elektro
FT UNY
2015
Pengantar
Alhamdulillah kami sampaikan kepada semua pihak yang telah membantu

sehingga tersusunnya Job Sheet Praktik Kendali Fuzzy ini.
Kuliah Praktik Kendali Fuzzy merupakan matakuliah praktik yang terdiri dari
desain sistem kendali fuzzy, simulasi sistem kendali fuzzy dan implementasi
sistem kendali fuzzy pada suatu plant.
Desain sistem kendali fuzzy dilakukan menggunakan toolbox yang ada di Matlab.
Sedangkan simulasi sistem kendali fuzzy dilakukan dengan memanfaatkan
toolbox matlab yang diintegrasikan dengan simulink Matlab.
Adapun untuk implementasi dan eksperimen sistem kendali fuzzy akan dilakukan
dengan diawali perhitungan fuzzyfikasi, membership function serta rule dan
defuzifikasi melalui perhitungan di excel.
Adapun langkah berikutnya dalam proses implementasi hardware adalah
memanfaatkan mikrokontroller sebagai pengolah data untuk sistem fuzzy dan
pengendali plant.
Penyusun menyadari masih banyak kekurangan dalam penyusunan modul ini.
Oleh karena itu masukan yang bersifat membangun sangat diharapkan.
Yogyakarta, 2 Januari 2015
Penyusun
RINGKASAN JOB SHEET
Sistem Kendali Otomatis Nyala Lampu Ruang Menggunakan Fuzzy Logic

Controller adalah suatu sistem yang bertujuan untuk menerapkan teknologi
pemrograman kecerdasan buatan logika fuzzy yang diterapkan pada kehidupan
sehari-hari dengan demikian sistem akan bekerja secara otomatis mengatur
intensitas cahaya didalam ruangan. Sistem ini menggunakan input Light
Dependent Sensor (LDR) sebagai sensor pendeteksi cahaya pada ruang dan output
Light Emiting Diode (LED) untuk memberikan cahaya pada ruang secara
otomatis. Metode pembuatan sistem ini melalui beberapa tahap, mulai dari tahap
desain sistem, pembuatan software program, simulasi, pembuatan hardwaredan
pengujian. Prinsip kerja sistem ini adalah apabila cahaya pada sensor LDR
dihalangi maka sensor akan memberikan sinyal input kepada mikrokontroler
berupa data Analog yang kemudian dikonversikan ke dalam bentuk siyal digital
menggunakan Analog to Digital Converter(ADC). Kemudian data tersebut diolah
menggunakan algoritma Fuzzy Logic Control dengan menggunakan bahasa C
melalui software CV AVR. Sehingga diperoleh output Z berupa nilai antara 0-255
digunakan untuk mengatur nilai PWM (Pulse Width Modulation) dihubungkan
dengan kelompok LED yang digunakan untuk mengatur terang redup cahaya di
dalam ruangan. Hasil dari sistem ini adalah apabila cahaya pada luar ruangan
semakin terang 3000 lux maka lampu LED di dalam ruangan akan semakin redup
150 lux, sebaliknya jika cahaya pada luar ruangan semakin gelap 25 lux maka
lempu LED di dalam ruangan akan semakin terang 1600 lux.
Kata kunci : sensor LDR, Fuzzy Logic Control, kelopok LED
Job Sheet 1
DESAIN SISTEM KENDALI FUZZY
MATLAB adalah bahasa pemrograman teknis yang sangat andal untuk proses
simulasi dan visualisasi data. MATLAB menjadi tools bagi para ilmuan dan
pelajar untuk memodelkan sistem, menganalisis serta menampilkan data. Saat ini,
MATLAB terus berkembang untuk menyokong berbagai disiplin keilmuan,
termasuk Logika Fuzzy. MATLAB telah menyediakan sebuah tools untuk
merancang logika fuzzy, yang dikenal sebagai Fuzzy Logic Toolbox.
Mari mulai pembahasan dengan menggunakan contoh yang telah kita bahas
sebelumnya, yaitu: Dinner for Two (/artikel/studi-kasus-logika-fuzzy-dinner-
two.htm). Sebelumnya, kita telah membahas dari segi penurunan
matematikanya. Nah, saat ini kita akan menggunakan Fuzzy Logic Toolbox
untuk menyelesaikan permasalahan tersebut.
Asumsikan bahwa telah menginstal MATLAB pada komputer kita dan telah
menyertakan Fuzzy Logic Toolbox di dalamnya. Untuk mengetahui apakah telah
toolbox ini telah terinstal apa tidak, kita ketikkan sintaks ver pada Command
Window, sebagai berikut:
Terlihat bahwa semua toolbox yang terinstal dimunculkan, lengkap dengan versi
rilisnya. Untuk saat ini, menggunakan Fuzzy Logic Toolbox versi 2.2.19.
Untuk merancang fuzzy pada MATLAB, kita dapat menggunakan dua cara, yaitu
dengan mengetiikan sintaksnya pada editor (layaknya memprogram MATLAB),
atau menggunakan jendela visual yang telah dirancang antarmukanya sedemikian
rupa untuk mendesain suatu
sistem fuzzy. Antarmuka ini dikenal sebagai FIS editor. Untuk saat ini, kita akan
menggunakan FIS editor.
Jika sudah terinstal, mari ketikkan sintaks fuzzy pada Command Window, sebagai
berikut:
>> fuzzy
Selanjutnya akan muncul FIS editor, seperti pada Gambar 1.
Gambar 1. Tampilan awal FIS editor

PENDAHULUAN
Dewasa ini penggunaan energi listrik semakin meningkat. Pada tahun 2013
penggunaan energi listrik di Indonesia meningkat sebesar 7,2 % dari tahun 2012,
yakni dari 84,43 Tera Watt Hour (TWh) menjadi sebesar 90,48 Tera Watt
Hour(TWh) (esdm.go.id:2013). Hal ini salah satunya diakibatkan oleh
pemborosan penggunaan listrik pada rumah-rumah.
Selama ini banyak ditemukan sistem pencahayaan yang masih menggunakan

switch sebagai saklar untuk memutus dan menyalakan lampu pada ruangan.
Khususnya pada malam hari lampu pada ruangan di dalam rumah selalu
dinyalakan dengan terang dan pada siang hari lampu-lampu dimatikan karena
sinar matahari mulai terang sehingga cahaya pada ruangan rumah tersuplay oleh
sinar matahari secara langsung.
Dengan menggunakan Fuzzy Logic Control maka secara otomatis lampu di dalam
ruangan akan nyala terang- redup sesuai dengan cahaya di luar rumah (cahaya
matahari) sehingga tidak diperlukan pensaklaran secara manual oleh manusia dan
sistem ini dapat menghemat biaya pengeluaran listrik.
CASE-STUDY
Tingginya penggunaan energi listrik di indonesia harus di atasi dengan baik, jika
tidak maka akan terjadi peningkatan penggunaan energi listrik. Penggunaan energi
harus sesuai dengan kebutuhan. Akan tetapi tidak jarang terdapat pemborosan
penggunaan sumber listrik. Seperti penggunaan lampu rumah, lamu taman, lampu
jalan yang masih menggunakan kontrol secara konvensional.
Selama ini penggunaan energi cahaya alami dalam kehidupan sehari-hari masih
belum dilaksanakan dengan optimal. Dengan perpaduan antara cahaya matahari
dengan perangkat elektronik lampu, penggunaan energi pada ruangan, rumah,
tempat umum dapat menjadi lebih effisien.
Penelitian ini akan merancang suatu modul pengatur intensitas cahaya ruangan
menggunakan Fuzzy Logic Control sebagai salah satu upaya adalah dengan
mengurangi penggunaan energi listrik, menyesuaikan kebutuhan energi listrik
yang dibutuhkan dalam kehidupan sehari-hari sekaligus memanfaatkan sumber
energi cahaya alami yang tidak terbatas yang selama ini belum banyak di
manfaatkan dalam teknologi ini. Alat ini memanfaatkan LDR sebagai sensoruntuk
mendeteksi intensitas cahaya pada suatu ruangan. Penemapatan LDR dialakukan
pada 2 tempat yang berbeda yang pertama diletakkan dalam ruangan untuk
mendeteksi besar cahaya pada ruangan dan yang kedua diletakkan di luar ruangan
untuk mendeteksi besar cahaya luar ruangaan. Sistem ini dirancang sebagaimana
sensor LDR sebagai input kemudian di konversi menjadi data digital yang
selanjutnya dilakukan pemrosesan fuzzifikasi, dan defuzzifikasi sehinga diperoleh
data akhir berupa nilai pwm yang digunakan untuk mengatur besar kecilnya
cahaya lampu yang diperlukan. Dalam modul ini juga terdapat LCD untuk
menampilkan data input dan output rangkaian.
LANGKAH-LANGKAH
A. Desain Sistem

Controller terdiri dari input dan output. Jumlah input dalam sistem ini ada 2 yang
terhubung dengan 2 buah sensor Light Dependent Resistors (LDR 1 dan LDR 2)
dan sistem output menggunakan Light Emiting Diode (LED). Setting input LDR 1
terdiri dari tiga membership function (MF) yaitu gelap, redup dan terang. Begitu
juga input LDR 2 terdiri dari tiga membership function (MF) yaitu gelap, redup
dan terang. Untuk setting output LED terdiri dari tiga membership function (MF),
yaitu minimal, medium dan maksimal.
Diketahui bahwa input ada dua, yaitu LDR1 dan LDR2. Mari amati di FIS Editor.
Untuk tampilan awal, FIS Editor secara default hanya menampilkan satu input dan
satu output. Oleh karena itu, mari perlu ditambahkan satu buah input lagi.
Pada FIS Editor, carilah Edit, kemudian Add Variable... dan klik Input, seperti
yang ditunjukkan pada Gambar 2.
Gambar 2. Menambahkan variabel Input
Untuk memudahkan dalam pembuatan sistem, klik-lah input 1, kemudian ubahlah

kolom Name pada Current Variabel. Gantilah namanya menjadi LDR1,
kemudian tekan Enter. Untuk parameter yang lain (And method, Or
method, Implication, dan sebagainya), biarkanlah pada nilai defaulft-nya. Amati
proses ini pada Gambar 3.
Lakukan hal yang sama untuk Input 2 dan Output, masing-masing dengan nama
LDR2 dan LED. Hasilnya tampak seperti pada Gambar 4.
Gambar 4. Nama Varibel yang telah diubah

Langkah selanjutnya adalah menentukan fungsi keanggotaan dari input dan
output fuzzy. Mari lakukan perubahan pada input LDR1 terlebih dahulu. Klik-
lah dua kali pada kotak kuning LDR1. Selanjutnya akan muncul
jendela Membership Function Editor seperti pada Gambar 5.
Gambar 5. Membership Function Editor
Pada Jendela ini, pastikan saat ini kotak kuning LDR1 masih aktif (ditandai
dengan garis merah tebal). Klik-lah garis mf1, dan ubahlah parameter dibawahnya
(ditunjukkan dengan kolom yang berwarna putih pada Gambar 5) sesuai dengan
tabel berikut:
Tabel 1. Properties untuk fungsi keanggotaan LDR1: GELAP
Parameter Nilai
Range [0 1000]
Name GELAP
Type trimf
Params [-500 0 500]

Jika mf1 sudah diubah, lakukan langkah yang sama untuk mf2 dan mf3, masing
masing seperti pada Tabel 2 dan 3.
Tabel 2. Properties untuk fungsi keanggotaan LDR1: REDUP
Parameter Nilai
Range [0 1000]
Name REDUP
Type trimf
Params [0 500 1000]
Tabel 3. Properties untuk fungsi keanggotaan LDR1: TERANG
Parameter Nilai
Range [0 1000]
Name TERANG
Type trimf
Params [500 1000 1500]
Hasilnya terlihat seperti pada Gambar 6. Membership function adalah fungsi

keanggotaan yang mewakili suatu himpunan fuzzy. Pada input LDR1, semua
fungsi keanggotaan memiliki tipe trimf. Trimf adalah Triangular
Membership Function. Yaitu fungsi keanggotaan berbentuk segitiga. Bagaimana
menentukan harus memiliki bentuk tertentu? Hal ini sangat tergantung dari
pengalaman dan pemahaman si designer. Desainer harus memperkirakan bentuk
yang tepat dan masuk akal untuk jenis kasus tertentu. Bagaimana teori memilih
fungsi keanggotaan tidak dibahas pada tulisan ini. Derajat keanggotaan akan
memiliki nilai berkisar antara 0 - 1. Makin tinggi derajat keanggotaan, makin
signifikan pengaruhnya dalam logika kita. Sebagai contoh, mari amati Gambar 6.
Nilai LDR1 yang benar-benar dikatakan TERANG adalah ketika LDR1
tersebut bernilai 1000, bukan? Dalam hal ini dibuatkan fungsi keanggotaan
berbentuk segitiga. Dengan puncak di angka 1000, dan kaki satunya di angka 500
(kaki satunya akan berada di angka 1500, tapi tidak masuk dalam Range yang
didesain, jadi tidak akan dibahas). Nilai LDR1 = 900 juga termasuk TERANG,
namun derajatnya mulai berkurang. Sekarang amati nilai 800. Nilai LDR1 = 800
bersinggungan dengan fungsi keanggotaan REDUP dan TERANG. Dapat
disimpulkan bahwa nilai =800 termasuk TERANG dan termasuk REDUP, tapi
masing-masing dengan derajat (bobot) keanggotaan yang berbeda. Ambil
sekali lagi angka 200. Nilai LDR1 = 200 termasuk dalam kategori REDUP dan
GELAP. Namun, jika diamati, nilai = 200 akan cederung memiliki bobot yang
lebih besar ke GELAP daripada ke REDUP. Apa Anda mengamatinya? Nah,
inilah watak kekaburan dari suatu logika fuzzy.
Gambar 6. Membership function untuk input LDR1
Selanjutnya akan dilakukan penyesuaian untuk variabel LDR2 dan LED. Lakukan
langkah-langkah yang sama seperti mengubah variabel LDR1. Sesuaikanlah
seperti pada Tabel 4 sampai Tabel 8. Jika memebership function dibutuhkan
lebih atau kurang, maka dapat menambahkannya melalui kolom Edit di bagian
atas jendela. Perhatikan bahwa fungsi keanggotaan untuk LDR2 adalah berbentuk
triangular (trimf).
Tabel 4. Properties untuk fungsi keanggotaan LDR2: GELAP
Parameter Nilai
Range [0 1000]
Name GELAP
Type trimf
Params [-500 0 500]
Tabel 5. Properties untuk fungsi keanggotaan LDR2: REDUP
Parameter Nilai
Range [0 1000]
Name REDUP
Type trimf
Params [0 500 1000]
Parameter Nilai
Range [0 1000]
Name TERANG
Type trimf
Params [500 1000 1500]
Dengan cara yang sama, penentuan fungsi keanggotaan untuk output LED dapat
diklasifikasikan seperti pada Tabel 7 berikut ini.
Tabel 7. Properties untuk fungsi keanggotaan LED: MINIMAL
Parameter Nilai
Range [0 255]
Name GELAP
Type trimf
Params [-127.5 0 127.5]
Tabel 8. Properties untuk fungsi keanggotaan LDR2: MEDIUM
Parameter Nilai
Range [0 255]
Name REDUP
Type trimf
Params [0 127.5 255]
Parameter Nilai
Range [0 255]
Name TERANG
Type trimf
Params [127.5 255 382.5]
Hasil akhir dari fungsi keanggotaan MAKANAN dan TIP diperlihatkan seperti
pada Gambar 7 dan Gambar 8
Gambar 7. Membership function untuk input LDR2
Gambar 8. Membership function untuk output LED

Setelah menyusun semua fungsi keanggotaan baik input maupun output,
langkah selanjutnya adalah menetapkan aturan-aturan menggunakan
mekanisme IF-THEN, atau dikenal sebagai aturan JIKA-MAKA. Masih pada
jedela yang sama (Membership Function Editor), bukalah Edit kemudian
klik Rules... . selanjutnya akan tampil jendela Rule Editor seperti pada Gambar 9.
Gambar 9. Jendela Rule Editor

Mari melakukan review aturan-aturan yang berlaku pada kasus yang disajikan ini,
yaitu sebagai berikut:
1. Jika LDR1 GELAP ATAU LDR2 GELAP, maka LED MAKSIMAL

2. Jika LDR1 REDUP, maka LED MEDIUM
3. Jika LDR1 TERANG ATAU LDR2 TERANG, maka LED MINIMAL

Nah, selanjutnya disesuaikan pengaturan jendela Rule Editor dengan aturan ini.
Ubah-ubahlah kolom LDR1, LDR2 dan LED, serta sesuaikan dengan pilihan
Connection-nya (dalam hal ini OR atau AND). Karena pendesain sistem kendali
menggunakan kata 'ATAU' atau DAN dalam aturan yang disediakan, maka dapat
digunakan koneksi OR. Pada aturan kedua, terlihat hanya input LDR1 saja yang
masuk dalam aturan, sedangkan LDR2 tidak. Oleh karena itu, dapat dipilih kolom
LDR2 dengan none. Jika telah selesai satu aturan, klik-lah tombol Add Rule.
Desainer sistem kendali juga dapat mengedit atau menghapus aturan yang dibuat
dengan tombol yang telah disediakan. Hasil selengkapnya ditunjukkan pada
Gambar 10.
1. Inisialisasi
Variabel fuzzy adalah variabel yang akan dibahas pada sistem fuzzy. Pada sistem
ini terdapat 3 variabel fuzzy, yaitu LDR 1, LDR 2 dan LED.
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan
tertentu dalam suatu variabel fuzzy.
Pada variabel LDR 1 terbagi menjadi 3 himpunan fuzzy, yaitu: GELAP, REDUP,
dan TERANG.
Pada variabel LDR 2 terbagi menjadi 3 himpunan fuzzy, yaitu: GELAP, REDUP,
dan TERANG.
Pada variabel LED terbagi menjadi 3 himpunan fuzzy, yaitu: MINIMAL,
MEDIUM, dan MAKSIMAL.
Semesta Pembicaraan merupakan keseluruhan nilai yang diperbolehkan untuk

dioperasikan dalam suatu varibel fuzzy.
Semesta pembicaraan untuk variabel LDR 1 : [0 1000]
Semesta pembicaraan untuk variabel LDR 2 : [0 1000]
Semesta pembicaraan untuk variabel LED : [0 255]
Domain himpunan fuzzy merupakan keseluruhan nilai yang diizinkan dalam

semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Domain himpunan fuzzy pada variabel LDR 1:
GELAP = [-500:0:500]
REDUP = [0:500:1000]
TERANG = [500:1000:1500]
Domain himpunan fuzzy pada variabel LDR 2:
GELAP = [-500:0:500]
REDUP = [0:500:1000]
TERANG = [500:1000:1500]
Domain himpunan fuzzy pada variabel LED:
MINIMAL = [-127,5:0:127,5]
MEDIUM = [0:127,5:255]
MAKSIMAL = [127,5:255:382.5]
Fungsi keanggotaan atau membership function (MF) adalah suatu kurva yang
menunjukan pemetaan titik-titik input data ke dalam nilai keanggotannya yang
memiliki interval antara 0 sampai 1. Secara detail desain MF untuk sistem input
pada LDR dapat dilihat pada Gambar 1 dan Gambar 2 berikut:
Gambar 1. Desain MF pada input LDR1
Gambar 2. Desain MF pada input LDR2
Adapun untuk setting LDR 2 didesain sama dengan LDR 1.Sedangkan output
pada sistem kendali otomatis nyala lampu ini menggunakan kelompok LED.
Secara detail desain MF untuk sistem output pada kumpulan LED dapat dilihat
pada Gambar 3 berikut:
Gambar 3. Desain MF pada Output Kumpulan LED
JOB SHEET 2
SIMULASI KENDALI FUZZY DENGAN PLANT
Setelah selesai mendesain sistem fuzzy pada toolbox Matlab. Maka berikutnya
akan dilakukan integrasi fuzzy logic controller yang akan digunakan untuk
mengendalikan suatu plant.
Buatlah rangkaian seperti pada Gambar 10 berikut pada Simulink
Gambar 10. Diagram Close-loop FLC dengan plant
Block diagram FLC seperti pada Gambar 10 di atas didapatkan dari library yang
ada di Simulink seperti pada Gambar 11 berikut ini
Gambar 11. Library Simulink FLC Toolbox.
JOB SHEET 3
IMPLEMENTASI KENDALI FUZZY PADA PLANT
2. Fuzzyfikasi
Langkah berikutnya adalah penentuan fuzzyfikasi pada input LDR 1. Untuk jenis
input LDR 1 ditentukan variabel input (x) yaitu nilai analog to digital converter
(ADC) sebesar misal dengan nilai 100. Adapun penentuan fuzzyfikasi dengan
model Tsukamoto pada MF gelap untuk mendapatkan nilai error ( ) adalah
dengan menggunakan rumus:
(b x) /(b a); a xb
MF gelap
0; xb
Dengan x : nilai variabel input sensor LDR 1 dari ADC, b: batas atas dan a:batas
bawah.
Sehingga untuk MF gelap bila diberikan x=100, a=0 dan b=500, maka didapatkan
gelap 0 ,8
Sedangkan penentuan fuzzyfikasi dengan model Tsukamoto pada MF redup untuk

mendapatkan nilai error ( ) adalah dengan menggunakan rumus:
0; x a atau x c

MF redup ( x a) /(b a); a x b
(c x) /( c b); b x c

Dengan x : nilai variabel input sensor LDR 1 dari ADC, c: batas atas, b: batas
tengah dan a:batas bawah.
Sehingga untuk MF redup bila diberikan x=100, a=0 , b=500 dan c=1000, maka
didapatkan redup 0,2
Sedangkan penentuan fuzzyfikasi dengan model Tsukamoto pada MF terang

untuk mendapatkan nilai error ( ) adalah dengan menggunakan rumus:
0; xa

MF terang ( x a) /(b a); a x b
1; xb

bawah.
Sehingga untuk MF terang bila diberikan x=100, a=500 , dan b=1000, maka
didapatkan terang 0
Adapun untuk penentuan fuzzyfikasi dengan model Tsukamoto pada LDR 2
dengan rumus yang sama untuk mendapatkan nilai delta_error ( ) maka
didapatkan nilai berikut:
a) LDR 2 untuk MF gelap
bawah.
Sehingga untuk MF gelap bila diberikan x=600, a=0 dan b=500, maka didapatkan
gelap 0
b) LDR 2 untuk MF redup
Dengan x : nilai variabel input sensor LDR 2 dari ADC, c: batas atas, b: batas
tengah dan a:batas bawah.
Sehingga untuk MF redup bila diberikan x=600, a=0 , b=500 dan c=1000, maka
didapatkan redup 0,8
c) LDR 2 untuk MF terang
bawah.
Sehingga untuk MF terang bila diberikan x=600, a=500 , dan b=1000, maka
didapatkan terang 0,2
Penentuan RULE dengan menggunakan operasi logika AND

predicate sebagai hasil operasi dengan menggunakan operasi logika AND
diperoleh dengan menggambil nilai keanggotaan terkecil antar elemen pada
himpunan-himpunan yang bersangkutan.
A B min( A( x), B( y)) , dengan nilai x dan y merupakan variabel input.
RULE
[R1] IF LDR1 GELAP AND LDR2 GELAP THEN LED MAX
Hal ini didapatkan dengan rumus predicate1 LDR1gelap LDR2 gelap
predicate1 LDR1gelap LDR2 gelap
min( LDR1gelap (100), LDR2 gelap (600))
min( 0,8;0)
0
Dengan pred1 predicate1 , a= batas bawah dan b=batas atas untuk outpul
maksimal
Adapun untuk mendapatkan nilai defuzzyfikasi luminasi maksimal pada rule 1
dengan menggunakan rumus z1 (pred1 (b a)) a , sehingga bila diberikan
a= 127,5 dan b= 255 diperoleh:
z1 (pred1 (b a)) a
(0 (255 127,5)) 127,5
0 127,5
127,5
RULE 2.
[R2] IF LDR1 GELAP AND LDR2 REDUP THEN LED MAX
Hal ini didapatkan dengan rumus predicate 2 LDR1gelap LDR2redup
predicate 2 LDR1gelap LDR2redup
min( LDR1gelap (100), LDR2redup(600))
min( 0,8;0,8)
0,8
Dengan pred 2 predicate 2 , a= batas bawah dan b=batas atas untuk outpul
maksimal
dengan menggunakan rumus z 2 (pred 2 (b a)) a , sehingga bila diberikan
z 2 (pred 2 (b a)) a
(0,8 (255 127,5)) 127,5
102 127,5
229,5
RULE 3.
[R3] IF LDR1 GELAP AND LDR2 TERANG THEN LED MAX
Hal ini didapatkan dengan rumus predicate 3 LDR1gelap LDR2terang
predicate 3 LDR1gelap LDR2terang
min( LDR1gelap (100), LDR2terang (600))
min( 0,8;0,2)
0,2
Dengan pred 3 predicate 3 , a= batas bawah dan b=batas atas untuk outpul
maksimal
dengan menggunakan rumus z3 (pred 3 (b a)) a , sehingga bila diberikan
z3 (pred 3 (b a)) a
(0,2 (255 127,5)) 127,5
25,5 127,5
153
RULE 4.
[R4] IF LDR1 REDUP AND LDR2 GELAP THEN LED MED-MAX
Hal ini didapatkan dengan rumus predicate 4 LDR1redup LDR2 gelap
predicate 4 LDR1redup LDR2 gelap
min( LDR1redup(100), LDR2 gelap (600))
min( 0,2;0)
0
Dengan pred 4 predicate 4 , a= batas bawah, b=batas tengah dan c= batas
atas untuk outpul medium-maksimal.
Adapun untuk mendapatkan nilai defuzzyfikasi luminasi medium-maksimal pada
rule 4 dengan menggunakan rumus z4 c (pred 4 (c b)) , sehingga bila
diberikan a=0, b= 127,5 dan c= 255 diperoleh:
z 4 c (pred 4 (c b))
255 (0 * (255 127.5))
255 0
255
RULE 5.
[R5] JIF LDR1 REDUP AND LDR2 REDUP THEN LED MED-MIN
Hal ini didapatkan dengan rumus predicate 5 LDR1redup LDR2redup
predicate 5 LDR1redup LDR2redup
min( LDR1redup(100), LDR2redup(600))
min( 0,2;0,8)
0,2
atas untuk outpul medium-minimal.
Adapun untuk mendapatkan nilai defuzzyfikasi luminasi medium-minimal pada
rule 5 dengan menggunakan rumus z5 (pred 5 (b a)) a , sehingga bila
z5 (pred 5 (b a)) a
(0,2 (127,5 0)) 0
25,5 0
25,5
RULE 6.
[R6] IF LDR1 REDUP AND LDR2 TERANG THEN LED MED-MIN
Hal ini didapatkan dengan rumus predicate 6 LDR1redup LDR2terang
predicate 6 LDR1redup LDR2terang
min( LDR1redup(100), LDR2terang (600))
min( 0,2;0,2)
0,2
atas untuk outpul medium-minimal.
Adapun untuk mendapatkan nilai defuzzyfikasi luminasi medium-minimal pada
rule 6 dengan menggunakan rumus z6 (pred 6 (b a)) a , sehingga bila
z 6 (pred 6 (b a)) a
(0,2 (127,5 0)) 0
25,5 0
25,5
RULE 7.
[R7] IF LDR1 TERANG AND LDR2 GELAP THEN LED MIN
Hal ini didapatkan dengan rumus predicate 7 LDR1terang LDR2 gelap
predicate 7 LDR1terang LDR2 gelap
min( LDR1terang (100), LDR2 gelap (600))
min( 0;0)
0
Dengan pred 7 predicate 7 , a= batas bawah, b=batas atas outpul minimal.
Adapun untuk mendapatkan nilai defuzzyfikasi luminasi minimal pada rule 7
dengan menggunakan rumus z7 b (pred 7 (b a)) , sehingga bila diberikan
a=0, b= 127,5 diperoleh:
z 7 b (pred 7 (b a))
127,5 (0 (127,5 0))
127,5 0
127,5
RULE 8.
[R8] IF LDR1 TERANG AND LDR2 REDUP THEN LED MIN
Hal ini didapatkan dengan rumus predicate 8 LDR1terang LDR2redup
predicate 8 LDR1terang LDR2redup
min( LDR1terang (100), LDR2redup(600))
min( 0;0,36)
0
Dengan pred8 predicate 8 , a= batas bawah, b=batas atas outpul minimal.
dengan menggunakan rumus z8 b (pred8 (b a)) , sehingga bila diberikan
z8 b (pred 8 (b a))
127,5 (0 (127,5 0))
127,5 0
127,5
RULE 9.
[R9] IF LDR1 TERANG AND LDR2 TERANG THEN LED MIN
Hal ini didapatkan dengan rumus predicate 9 LDR1terang LDR2terang
predicate 9 LDR1terang LDR2terang
min( LDR1terang (100), LDR2terang (600))
min( 0;0,2)
0
Dengan pred 9 predicate 9 , a= batas bawah, b=batas atas outpul minimal.
dengan menggunakan rumus z9 b (pred 9 (b a)) , sehingga bila diberikan
z9 b (pred 9 (b a))
127,5 (0 (127,5 0))
127,5 0
127,5
Setela prosess defuzyfikasi selesai kemudia, menentukan nilai output (Z) dengan
menggunakan rumus,
pred1 z1 pred2 z2 pred3 z3 pred4 z4 pred5 z5 pred6 z6 pred7 z7 pred8 z8 pred9 z9

Z
pred1 pred2 pred3 pred4 pred5 pred6 pred7 pred8 pred9
0 *127,5 0,8 * 229,5 0,2 153 0 255 0,2 25,5 0,2 25,5 0 127,5 0 127,5 0 127,5
Z
0 0,8 0,2 0 0,2 0,2 0 0 0
0 183,6 30,6 0 5,1 5,1 0 0 0

Z
1,4
224,4
Z
1,4
Z 160,29
Sehingga diperoleh jumlah nilai output (Z) sebesar 160,29 yang akan digunakan
untuk mengatur besar lebar pulsa PWM pada lampu LED.
B. PenyusunanProgram Aplikasi FLC
Penyusunan program Sistem Kendali Otomatis Nyala Lampu Ruang

Menggunakan Fuzzy Logic Controller didesain menggunakan aplikasi CV AVR.
Dengan blok diagram seperti pada Gambar 4 berikut:
Gambar 4. Blok diagram sistem
Program menggunakan CV AVR

Gambar 5. Inisialisasi program
Inisialisasi program meliputi pendefinisian variabel dalam bentuk tipe data float,
integer dan unsigned char dan menggunakan array.
Tipe data float pada gambar 5 diatas meliputi variabel ldr1, ldr2, error_baru,
delta_error, sigma_zm, sigma_m, dan out.
Untuk tipe data integer meliputi variabel a dan b.
Variabel data yang akan digunakan dalam bentuk array meliputi m_eb[3],
m_deb[3], m[3][3], dan z[3][3].
Tipe data unsigned char meliputi lcd_err[8],lcd_derr[8[, lcd_pwm[8], n, dan
nilai_pwm.
Pada difinisi variabel ini telah di inisialisasi fungsi fuzzification, rule_evlaluation,
agregation, defuzzification, display_kec, serta fungsi float a_predikat(float ap,
float m).
Gambar 6. Program fuzzyfikasi
Pada Gambar 6 menjelaskan program untuk proses fuzzyfikasi dengan input error.
Adapun untuk program proses fuzzyfikasi dengan input delta error menggunakan
script program yang sama seperti pada input error.
Gambar 7. Program pencarian nilai -predikat
Pada Gambar 7 menjelaskan program untuk penentuan nilai -predikat dengan

menggunakan operator AND sehinggaakan dipilih nilai terkecil dari perbandingan
input error dan input delta_error.
Gambar 8. Program pencarian nilai z(i)
Pada Gambar 8 menjelaskan program untuk menentukan nilai defuzzyfikasi (z)

berdasarkan RULE yang diinginkan.
Gambar 9. Program Defuzzyfikasi

Pada Gambar 9 menjelaskan penyusunan program untuk mencari nilai Output
FLC yaitu nilai pwm ( Z ).
Gambar 10. Program menampilkan data ke LCD
Pada Gambar 10 menjelaskan program untuk menampilkan data input error,

delta_error dan output nilai pwm pada LCD.
C. Simulasi
Sebelum dilakukan pengujian pada hardware terlebih dahulu dilakukan pengujian

dengan menggunakan software simulasi Matlab dan Proteus. Berikut merupakan
tampilan simulasi pada software Matlab.
Gambar 11. Tampilan input-output simulasi
Padagambar 11. Menunjukan proses Fuzzy Inference System, Metode yang

digunakanadalahmetodetsukamoto. Setiapkonsekuenpadaaturanberbentuk IF-
Then harusdirepresentasikandengansuatuhimpunan fuzzy
denganfungsikeanggotaan yang monoton. Sebagaihasilnya, output
hasilinferensidaritiap-tiapaturandiberikansecarategas (crisp) berdasarkan -
predikat. Hasilakhirnyadiperolehdenganmenggunakan rata-rata terbobot.
Untuk menguji program dilakukan dengan menggunakan software Proteus 7.5

dengan hasil sebagai berikut.
Gambar 12. Rangkaian simulasi proteus.
Pada Gambar 12 menerangkan gambar rangkaian sistem minimumAtmega 16

denganmenggunakan 3 port. Port Adihubungandengan Input LDR 1 dan LDR 2,
port B dihubungkandengan output LED, dan port C dihubungkandengan LCD.
Gambar 13. Display LCD error, delta error dan output pwm.
Padagambar 13 menunjukan display LCD yang menampilannilai error, nilai delta

error dannilai output PWM
Gambar 14.Gelombang Output PWM
Berdasarkan simulasi tersebut maka diperoleh hasil output sesuai dengan

perhitungan secara teori. Dengan demikian program yang telah dibuat dapat
berjalan dengan baik pada
simulasi.Nilaihasilpengujiansimulasipadaproteusdapatdilihatdari table 1 dantabel
2
Tabel 1. Pengujian 1 Simulasi Proteus

Dalam Ruangan Luar Ruangan
No PWM
(error) (Delta error)
1 0 380 203.59
2 100 460 189.05
3 200 470 147.99
4 300 460 127.5
5 400 450 125.38
6 500 386 127.5
7 600 412 119.39
8 700 452 93.5
9 800 472 64.41
10 900 460 46.96
11 976 464 26.71
Tabel 2. Pengujian 2 Simulasi Proteus
Dalam Ruangan Luar Ruangan
No PWM
(error) (Delta error)
1 500 4 127.5
2 500 100 127.5
3 512 200 127.36
4 524 300 126.96
5 524 400 126.96
6 496 500 126.5
7 432 600 99.13
8 420 700 86.08
9 412 800 88.08
10 440 900 97.56
11 496 980 117.88
D. Penyusunan Hardware
1. Sensor Light Dependent Resistors (LDR)
Untuk mendeteksi intensitas cahaya ruangan digunakan sensor LDR. Sensor ini
berkerja dengan perubahan resistansi selama menerima cahaya dari luar. Sensor
ini terbuat dari bahan cadmium sulfide yang merupakan bahan semikonduktor
yang memiliki resistansi berubah-ubah menurut banyaknya cahaya yang diterima.
Gambar 16. Light Dependent Resistors (LDR)

Resistansi LDR pada cahaya gelap umunnya berkisar 10-50 Mega ohm , dan pada
tempat yang terang memiliki resistansi sebesar 150-180 ohm. Pemasangan sensor
ini seperti pada pemasangan resistor biasa. Rangkaian sensor dapat dilihat pada
gambar berikut
Gambar 17. Rangkaian Sensor
2. Light Emiting Diode (LED)
Light Emitig Diode (LED) merupakan komponen elektronik semikondktor yang

dapat mengmancarkan cahaya ketika arus melewatinya (panjar maju). Komponen
ini terbuat dari bahan semikonduktor. Pada umumnya LED banyak digunakan
pada berbagai bidang teknologi, karena beberapa sifat dari LED yang memiliki
daya rendah, cahaya yang dihasilkan tinggi serta memiliki ketahanan yang lama.
Gambar 18. Light Emiting Diode
3. Mikrokontroler ATMega 16
ATMega 16 merupakan chip IC buatan Atmel dengan generasi AVR(ALF and
Vegards RICS processor). ATMega 16 salah satu IC yang memiliki pin I/O
cukup banyak yakni sebanyak 32 pin input/ output. ATMega 16 memiliki memory
flash 16 K, serta dilengkapi dengan port ADC 8 pin, dan 4 kanal PWM. ATMega
16 memiliki dua buah 8-bit dan satu buah 16-bit timer/counter dengan prescale
terpisah dan mode compare serta memiliki real time counter dengan oscilator ter
pisah. Pada gambar 5 menunjukan susunan pin-pin mikrokontroler ATMega 16
secara umum.
Instruksi pada pemrograman AVR dapat menggunakan bahasa mendekati manusia

high level language(C, Basic, Pascal dll). Pada sistem ini bahasa yang digunakan
untuk memrogram FLC menggunakan bahasa C.
Gambar 19. Mikrokontroler ATMega 16

Controller ini dibuat dengan menggunakan 2 buah sensor LDR yang di dalam
ruang dan di luar ruang / atap rumah. Output yang digunakan adalah lampu LED 5
mm dengan jumlah 15 buah yang disusun melingkar berpusat pada titik tengah,
sehingga cahaya yang dihasilkan oakan optimal. Sistem minimum mikrokontroler
dibuat pada PCB fiber single layer. Modul ruangan terbuat dari kayu dengan
ketebalan 5 mm. Dimensi dari alat ini memiliki panjang 30 cm lebar 30 cm dan
tinggi 20 cm.Desainmodulsistemkendalinyalalampuruangdapatdilihatpadagambar
20 dibawahini.
Sensor LDR 2
Sensor LDR 1
Lampu LED
Module
Gambar 15. Desain hardware
Gambar 16. Rangkaian PCB Module

Gambar 17. Desain schematic PCB module
Gambar 18. Module Sistem Kendali Otomatis Nyala Lampu Ruang Menggunakan
Fuzzy Logic Controller
Gambar 19. Hardware Sistem Kendali Otomatis Nyala Lampu Ruang
Menggunakan Fuzzy Logic Controller
E. Pengujian
Langkah-langkah melakukan prngujian sebagai berikut:

1. Buatlah rangkaian yang benar dengan input dan output yang benar, saat
merangkai maka pastikan tidak ada sambungan ke sumber AC maupun DC
terlebih dahulu.
2. Periksa dahulu sumber tegangan DC 5V dan kelengkapan alat ukur seperti
Luxmeter, pastikan dalam kondisi baik.
3. Pasang bagian input yaitu berupa 2 buah sensor LDR, masukan LDR 1
pada PIN A.0 dan LDR 2 pada PIN A.1 seperti pada gambar 20. Jangan
lupa sumber tegangan vcc dan ground pada sensor dipasangdengan
menggunakan socket sumber daya (+) dan (-).
Gambar 20. Pemasangan input sensor.
4. Pasang bagian output yaitu berupa 3 kelompok LED yang dipasang pada
PIN B.0.PIN B.1 danPIN B.3 seperti pada gambar 21. Jangan lupa ground
lampu LED dipasang pada socket (-).
Gambar 21. Pemasangan output LED dan ground (-).
5. Kemudian pasang sumber tegangan 5Volt dan 0 Volt / ground (-) seperti
pada gambar 22. Selanjutnya periksa kembali rangkaiannya sudah benar
atau masih ada yang salah. Apabila sudah benar rangkaian siap untuk
dihidupkan.
Gambar 22. Pemasangan sumber tegangan +5 Volt dan 0 Volt/ground.
6. Lakukan pengecekan pada LDR 1 dan 2 dengan menutupi LDR. Apakah

terjadi perbedaan pada LED apabila tertutup tanpa cahaya dan keadaan
terbuka dengan banyak sumber cahaya.
7. Lakukan pengambilan data dengan menggunakan Luxmeter pada input
dan output.
8. Masukan hasil pengambilan data pada tabel yang disediakan.
9. Setelah selesai lepas rangkaian dan kembalikan pada tempat semula.
F. HasilPengukuran
1. pengujian pertama diberikan perbedaan intensitas cahaya dari luar ruangan
Pada pengujian ini dilakukan pemberian cahaya pada LDR 1 yang

terletak didalam ruangan , LDR 2 diluar ruangan tidak diberi kondisi.
Dengan hasil pengujian ditunjukan pada Tabel 1. Dibawahini.
Tabel 3. Pengujian 1
Dalam Ruangan Luar Ruangan intensitas cahaya

NO PWM
(Delta) (Delta Error) LDR 1 LDR 2 output
1 0 380 231 0 40 2100
2 100 460 189 8 45 1750
3 200 470 146 10 45 1500
4 300 460 121 15 45 1300
5 400 450 118 80 45 1200
6 500 386 127 160 45 1250
7 600 412 115 180 45 1300
8 700 452 82 280 45 850
9 800 472 65 400 45 800
10 900 460 53 1950 45 400
11 976 464 26 <3000 45 350
Tabel pengukuran 1 diperoleh berdasarkan Input Error pada tabel nomor 1
menjelaskan bahwa jika intensitas cahaya pada LDR 1 = 0 dan LDR = 40
menunjukan bahwa intensitas di dalam ruangan adalah 0 dan di luar ruangan
adalah 380 dengan output intensitas cahaya = 2100 serta PWN sebesar 231.
Pada tabel nomor 2 menjelaskan bahwa jika intensitas cahaya pada LDR 1 = 8
dan LDR = 45 menunjukan bahwa intensitas di dalam ruangan adalah 100 dan di
luar ruangan adalah 460 dengan output intensitas cahaya = 1750 serta PWN
sebesar 189.
sebesar 146.
sebesar 121.
sebesar 118.
sebesar 127.
sebesar 115.
sebesar 85.
sebesar 65.
Pada tabel nomor 10 menjelaskan bahwa jika intensitas cahaya pada LDR 1 =
1950 dan LDR = 45 menunjukan bahwa intensitas di dalam ruangan adalah 900
dan di luar ruangan adalah 460 dengan output intensitas cahaya = 400 serta
PWN sebesar 53.
Pada tabel nomor 11 menjelaskan bahwa jika intensitas cahaya pada LDR 1 =
>3000 dan LDR = 45 menunjukan bahwa intensitas di dalam ruangan adalah 976
PWN sebesar 26.
2. Pengujian kedua diberikan perbedaan intensitas cahaya diluar ruangan
Pada pengujian ini dilakukan pemberian cahaya pada LDR 2yang

terletak diluar ruangan. Dengan hasil pengujian ditunjukan pada Tabel 2
diibawahini.
Tabel 4. Pengujian dengan memberikan

perubahanintensitascahayadiluarruangan
Dalam Ruangan Luar Ruangan intensitas cahaya

NO PWM
(Delta) (Delta Error) LDR 1 LDR 2 output
1 500 4 128,4 60 0 1300
2 500 100 127 60 0 1300
3 512 200 127 60 10 1300
4 524 300 127 60 10 1300
5 524 400 127 60 20 1300
6 496 500 122 55 55 1200
7 432 600 92 45 100 950
8 420 700 80 40 420 850
9 412 800 75 40 600 850
10 440 900 93 45 680 950
11 496 980 115 55 <3000 1200
Tabel pengukuran 2 diperoleh berdasarkan Intensitas Cahaya Di Luar Ruangan

(depan rumah) pada tabel nomor 1 menjelaskan bahwa jika intensitas cahaya
pada LDR 1 = 60 dan LDR = 0 menunjukan bahwa intensitas di dalam ruangan
adalah 500 dan di luar ruangan adalah 4 dengan output intensitas cahaya = 1300
serta PWN sebesar 128,4.
sebesar 127.
sebesar 127.
sebesar 127.
sebesar 127.
sebesar 122.
dan LDR = 100 menunjukan bahwa intensitas di dalam ruangan adalah 432 dan
di luar ruangan adalah 600 dengan output intensitas cahaya = 950 serta PWN
sebesar 92.
sebesar 80.
sebesar 75.
sebesar 93.
dan LDR = >3000 menunjukan bahwa intensitas di dalam ruangan adalah 496
PWN sebesar 155.
KESIMPULAN
1. Sistem Penerangan Ruangan Otomatis Berbasis Fuzzy Logic Control

(FLC)dapat mengatur nilai Pulse Width Modulation (PWM) dari 0
hingga 255.
2. Lampu LED akan menyala dengan range luminasi minimal, medium
dan maksimal sesuai dengan inputan dari sensor LDR1 dan LDR2.
3. Apabila cahaya di luar ruangan gelap maka intensitas cahaya di dalam
ruangan akan semakin meningkat, sebaliknya jika cahaya di luar
ruangan terang maka intensitas cahaya di dalam ruangan akan
menurun.
4. Apabila cahaya di dalam ruangan gelap maka nyala lampu LED di
dalam ruangan akan ditingkatkan, sebaliknya jika cahaya di dalam
ruangan terang maka nyala lampu LED di dalam ruangan akan
dikurangi.
REFERENSI
Adam Vrileuis. (2013). Pemantau Lalu Lintas dengan Sensor LDR Berbasis
Mikrokontroler ATMega 16. Jurnal Rekayasa Elektrika(10:3).
Andik Asmara.(___). Panduan Praktik Pemrogaman Mikrokontroler AVR

ATMega Dengan CVAVR (Bahasa C). UNY
Pilipus Tarigan. (2013). Perancangan Simulator Kontroler Lampu Rumah

Berbasis Komputerisasi dengan Menggunakan Metode Fuzzy Logic
Control. Pelita Informatika Budi Darma(3:1).
Kusumadewi, Sri danPurnomo, Hari.(2010). AplikasiLogika Fuzzy

untukPendukungKeputusan. Yogyakarta: GrahaIlmu

Modul Praktikum

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Praktikum

Diunggah oleh

Hak Cipta:

Format Tersedia

LAB SHEET

PRAKTIK KENDALI FUZZY

Laboratorium Teknik Kendali

Alhamdulillah kami sampaikan kepada semua pihak yang telah membantu

Yogyakarta, 2 Januari 2015

Sistem Kendali Otomatis Nyala Lampu Ruang Menggunakan Fuzzy Logic

Gambar 1. Tampilan awal FIS editor

Selama ini banyak ditemukan sistem pencahayaan yang masih menggunakan

Sistem Kendali Otomatis Nyala Lampu Ruang Menggunakan Fuzzy Logic

Gambar 2. Menambahkan variabel Input

Untuk memudahkan dalam pembuatan sistem, klik-lah input 1, kemudian ubahlah

Gambar 4. Nama Varibel yang telah diubah

Gambar 5. Membership Function Editor

Tabel 1. Properties untuk fungsi keanggotaan LDR1: GELAP

Params [-500 0 500]

Params [0 500 1000]

Tabel 3. Properties untuk fungsi keanggotaan LDR1: TERANG

Params [500 1000 1500]

Hasilnya terlihat seperti pada Gambar 6. Membership function adalah fungsi

Gambar 6. Membership function untuk input LDR1

Params [-500 0 500]

Tabel 5. Properties untuk fungsi keanggotaan LDR2: REDUP

Params [0 500 1000]

Tabel 6. Properties untuk fungsi keanggotaan LDR2: TERANG

Params [500 1000 1500]

Params [-127.5 0 127.5]

Tabel 8. Properties untuk fungsi keanggotaan LDR2: MEDIUM

Params [0 127.5 255]

Tabel 9. Properties untuk fungsi keanggotaan LDR2: TERANG

Params [127.5 255 382.5]

Gambar 8. Membership function untuk output LED

Gambar 9. Jendela Rule Editor

1. Jika LDR1 GELAP ATAU LDR2 GELAP, maka LED MAKSIMAL

3. Jika LDR1 TERANG ATAU LDR2 TERANG, maka LED MINIMAL

Semesta Pembicaraan merupakan keseluruhan nilai yang diperbolehkan untuk

Domain himpunan fuzzy merupakan keseluruhan nilai yang diizinkan dalam

Gambar 1. Desain MF pada input LDR1

Gambar 2. Desain MF pada input LDR2

Gambar 10. Diagram Close-loop FLC dengan plant

Sedangkan penentuan fuzzyfikasi dengan model Tsukamoto pada MF redup untuk

Sedangkan penentuan fuzzyfikasi dengan model Tsukamoto pada MF terang

Penentuan RULE dengan menggunakan operasi logika AND

pred1 z1 pred2 z2 pred3 z3 pred4 z4 pred5 z5 pred6 z6 pred7 z7 pred8 z8 pred9 z9

0 183,6 30,6 0 5,1 5,1 0 0 0

B. PenyusunanProgram Aplikasi FLC

Penyusunan program Sistem Kendali Otomatis Nyala Lampu Ruang

Gambar 4. Blok diagram sistem

Program menggunakan CV AVR

Pada Gambar 7 menjelaskan program untuk penentuan nilai -predikat dengan

Gambar 8. Program pencarian nilai z(i)

Pada Gambar 8 menjelaskan program untuk menentukan nilai defuzzyfikasi (z)

Gambar 9. Program Defuzzyfikasi

Gambar 10. Program menampilkan data ke LCD

Pada Gambar 10 menjelaskan program untuk menampilkan data input error,

Sebelum dilakukan pengujian pada hardware terlebih dahulu dilakukan pengujian

Padagambar 11. Menunjukan proses Fuzzy Inference System, Metode yang

Untuk menguji program dilakukan dengan menggunakan software Proteus 7.5

Pada Gambar 12 menerangkan gambar rangkaian sistem minimumAtmega 16

Padagambar 13 menunjukan display LCD yang menampilannilai error, nilai delta

Gambar 14.Gelombang Output PWM

Berdasarkan simulasi tersebut maka diperoleh hasil output sesuai dengan

Tabel 1. Pengujian 1 Simulasi Proteus

Gambar 16. Light Dependent Resistors (LDR)

Gambar 17. Rangkaian Sensor