Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3
PCR, Jurusan Teknik Komputer, Jl. Umban Sari No. 1, Rumbai, Pekanbaru 2826, Indonesia
fujisyaipul@gmail.com 1,diah@pcr.ac.id 2, erwinsn@pcr.ac.id 3
Abstrak
Mencuci merupakan kegiatan yang rutin dilakukan, namun bagi sebagian orang yang
mempunyai mobilitas tinggi tidak punya cukup waktu untuk kegiatan ini. Dengan bantuan mesin
cuci kegiatan mencuci lebih mudah dilakukan namun, pada mesin cuci konvensional proses
pengerjaan diatur oleh pengguna secara manual sehingga sulit menentukan waktu yang tepat.
Jika waktu yang diatur tidak cukup untuk suatu muatan pakaian yang diberikan, maka pakaian
tidak tercuci dengan baik. Sebaliknya, jika waktu mencuci diatur terlalu lama, maka akan
terjadi pemborosan waktu dan energi. Untuk itu dibutuhkan sebuah sistem yang mampu
memberikan informasi lama waktu pencucian berdasarkan logika manusia, yaitu logika fuzzy.
Dengan memasukkan variabel jumlah air, jumlah deterjen dan berat pakaian berdasarkan
sejumlah aturan yang dibuat sistem mampu memberikan informasi lama waktu pencucian.
Inferensi Tsukamoto adalah salah satu inferensi yang digunakan dalam logika fuzzy untuk
merepresentasikan setiap konsekuen pada aturan yang berbentuk IF-THEN dengan fungsi
keanggotaan yang monoton. Beradasarkan penelitian diperoleh hasil sebanyak 87,3%
pengguna menyatakan mudah dalam menggunakan simulasi dan 86% pengguna menyatakan
memberikan alternatif dalam mengetahui lama waktu pencucian, selain itu juga dilakukan
perbandingan antara inferensi Tsukamoto dan Sugeno untuk melihat selisih waktu yang
dihasilkan kedua inferensi yaitu ± 1-5 menit dengan masukan dan aturan yang sama.
Abstract
Washing is a routine activity, but for some people who have high mobility, they do not have
enough time to do this activity. With the aid of a washing machine, washing is easier to do, but
in a conventional washing machine, the process of it is set by the user manually so it is difficult
to determine the time exactly. If the set time is not enough for a given load clothes, the clothes
will not be washed well. Otherwise, if the washing time is set too long, it will be a waste of time
and energy. That is why it required an information system that capable of providing long-
laundering based on human logic, which is fuzzy logic. By inserting a variable amount of water,
detergent and heavy clothing base on a number of rules that the system is able to give
information about the washing time. Tsukamoto inference is one of inferences in fuzzy logic that
used in fuzzy logic to represent every consequent in the IF-THEN rules of monotonous
membership functions. Based on testing from the simulation, showing that 87,3% users agree
this simulation easier to use, and 86% users agree this simaulation gives another solution to
know about the wasting time of washing time. In addition, base on the comparison of Tsukamoto
and Sugeno, showing that the different time is about ± 1-5 minutes in conditional of the same
insert and rule.
1 Pendahuluan
Pada mesin cuci konvensional masing-masing proses pengerjaan diatur oleh pengguna
secara manual sehingga tidak efisien dalam penggunaan waktu dan tenaga [2]. Maka
dibutuhkan sebuah kontrol yang mampu mengambil keputusan untuk menentukan seberapa
lama waktu putaran yang diperlukan..
Logika fuzzy merupakan salah satu cabang dari ilmu kecerdasan buatan yang mampu
merepresentasikan bahasa alami atau penalaran manusia kedalam bentuk pemodelan
matematika yang sederhana sehingga dapat di implementasikan kedalam suatu mesin atau
system[5]. Logika fuzzy dapat menjembatani dan memberikan alternatif kepada pengguna
dalam mengetahui lama waktu pencucian menggunakan mesin cuci berdasarkan sejumlah
aturan yang mengikuti cara penalaran atau logika manusia. Dengan mengetahui berat kain,
jumlah air dan jumlah deterjen yang digunakan untuk mencuci serta dengan menerapkan logika
fuzzy inferensi tsukamoto maka mesin dapat mengontrol seberapa lama waktu putaran yang
dibutuhkan untuk melepaskan kotoran dari pakaian sehingga pakaian menjadi bersih dan
penggunaan mesin menjadi efektif.
Dengan memanfaatkan keunggulan logika fuzzy dan kebutuhan manusia yang tinggi
terhadap mesin cuci maka penulis membuat simulasi yang menggabungkan logika fuzzy
kedalam pengontrolan lama waktu putaran dalam mesin cuci sesuai aturan tertentu sehingga
mencuci menjadi efektif. Simulasi ini diharapkan dapat memberikan alternatif dalam
mengoptimalkan pencucian menggunakan mesin
1.2.1 Tujuan
AdapunTujuan yang ingin dicapai dalam pembuatan proyek akhir ini adalah :
1. Menerapkan logika fuzzy untuk mengetahui lama waktu putaran yang dibutuhkan dalam
membersihkan pakaian menggunakan mesin cuci.
2. Membuat simulasi yang user friendly.
3. Membandingkan lama waktu pencucian yang dihasilkan inferensi Tsukamoto pada
penelitian sekarang dengan inferensi Sugeno yang telah dilakukan pada penelitian
sebelumnya.
1.2.2 Manfaat
manfaat dari proyek akhir ini adalah memberikan alternatif kepada pengguna mesin cuci
dalam mengetahui lama waktu yang dibutuhkan dalam mencuci menggunakan mesin cuci dalam
berbagai kondisi.
Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
3
2 Tinjauan Pustaka
Defuzzifikasi atau Defuzzification adalah proses pemetaan aksi kendali fuzzy menjadi
aksi kendali non-fuzzy (crisp) yang menggunakan rata-rata terbobot dengan rumus :
𝛼−𝑝𝑟𝑒𝑑1∗𝑧1+𝛼−𝑝𝑟𝑒𝑑2∗𝑧2+𝛼−𝑝𝑟𝑒𝑑3∗𝑧3+⋯𝛼−𝑝𝑟𝑒𝑑𝑛∗𝑧𝑛
Z= 𝛼−𝑝𝑟𝑒𝑑1+𝛼−𝑝𝑟𝑒𝑑2+𝛼−𝑝𝑟𝑒𝑑3…+𝛼−𝑝𝑟𝑒𝑑𝑛
Z merupakan nilai crisp yang dihasilkan setiap rule, α-predn merupakan nilai derajat
keanggotaan dari variabel fuzzy ke-n yang sebelumnya telah diolah menggunakan operator
fuzzy (min), dan z1-zn adalah nilai yang didapatkan dari himpunan fuzzy yang dicari..
3 Perancangan
3.1 Perancangan Fuzzy
Seperti yang telah dijelaskan pada tinjauan pustaka terdapat empat elemen yang harus
didefenisikan terlebih dahulu yaitu variabel, himpunan, domain dan semesta pembicaraan.
Variabel yang digunakan pada penelitian sekarang memakai data dari penelitian sebelumnya
yang dilakukan oleh Dwi Mei Nurhayati pada tahun 2007 [2] sebagai berikut :
1. Variabel JUMLAH AIR (dalam liter), terdiri atas tiga himpunan fuzzy :
a. Maximal : dengan domain 35 - 55 liter
b. Standar : dengan domain 20 - 40 liter
c. Minimal : dengan domain 5 - 25 liter
3.4 Flowchart
Flowchart merupakan gambar atau bagan yang menggambarkan urutan proses pada
aplikasi atau sistem yang dibangun secara berurutan sehingga mudah untuk dimengerti.
Mulai
Fuzzifikasi
Inferensi
Tsukamoto
Defuzzifikasi
Tampilkan
lama waktu
Selesai
Pada kondisi sebenarnya pengguna dimungkinkan hanya mengisikan berat pakaian saja
dan selanjutnya sensor akan mendeteksi berat dalam mesin sehingga mengeluarkan jumlah air
dan deterjen sesuai kebutuhan. Pada simulasi yang telah dibuat pengguna juga dimungkinkan
hanya mengisi variabel berat pakaian saja dan selanjutnya variabel jumlah deterjen dan air akan
terisi secara otomatis sesuai ketentuan mencuci menggunakan mesin cuci ini mengantisipasi
pengguna yang tidak tahu berapa banyak air dan deterjen yang digunakan sesuai berat pakaian
nya sehingga lebih efektif dan efisien dalam mencuci namun dalam simulasi ini pengguna masih
dapat memasukkan jumlah air dan deterjen sesuai keinginan jika tidak ingin mengikuti
ketentuan mencuci menggunakan mesin cuci yang telah ada.
(a) (b)
Hasil beberapa pengujian yang dilakukan menggunakan masukan dan aturan yang sama
terhadap kedua metode adalah sebagai berikut :
Simulasi Fuzzy Dengan Inferensi Tsukamoto Pada Mesin Cuci
9
Perbandingan waktu yang dihasilkan metode Sugeno dan Tsukamoto dapat dilihat juga pada
grafik di gambar 4.17. Selisih waktu antara kedua metode berkisar antara ±1-5 menit
berdasarkan 6 percobaan yang telah dilakukan. Pada metode Sugeno waktu yang dihasilkan
sama walaupun masukan berbeda
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari pengujian dan analisa perangkat lunak adalah
sebagai berikut :
1. Perbedaan waktu yang dihasilkan antara metode Sugeno dan Tsukamoto terletak pada
proses mencari nilai Z untuk setiap aturan, jika pada metode Sugeno nilai Z yang
dihasilkan konstan maka pada metode Tsukamoto nilai Z berupa himpunan Fuzzy.
2. Selisih waktu yang dihasilkan metode Sugeno dan Tsukamoto ±1-5 Menit.
3. Metode Tsukamoto dapat menghasilkan waktu yang sama meskipun dengan masukan yang
berbeda, jika kondisi nilai Z sama tetapi aturan yang dipenuhi berbeda.
4. Logika fuzzy dengan inferensi Tsukamoto mampu memberikan informasi berupa lama
waktu pencucian dalam satuan menit.
10 Fuji Syaipul1, Kartina Diah Kesuma Wardhani 2 & Erwin Setyo Nugroho3
5. Antarmuka simulasi dapat dimengerti dengan mudah oleh pengguna. Hal ini dapat dilihat
dari persentase kuesioner dengan nilai > 80%.
5.2 Saran
Dalam pembuatan proyek akhir simulasi Fuzzy dengan inferensi Tsukamoto pada mesin
cuci dapat diajukan beberapa saran yang bisa digunakan sebagai bahan pertimbangan untuk
pengembangan simulasi yang lebih sempurna pada masa mendatang. Adapun saran yang dapat
diajukan adalah sebagai berikut:
1. Variabel masukan yang digunakan dapat ditambah dengan variabel jenis pakaian,
kecepatan putaran tabung, dan temperatur.
2. Simulasi ini hanya melakukan proses pencucian disarankan untuk kedepannya dapat
dilakukan untuk proses pembilasan dan pengeringan.
3. Metode yang digunakan pada simulasi adalah Tsukamoto untuk pengembangannya
kedepan bisa menggunakan metode lain seperti Mamdani ,Tahani ataupun Umano.
4. Simulasi agar dapat diterapkan pada mesin cuci
6 Daftar Pustaka
[1] Hndoosh, Rana Waleed., Saroa, M.S., and Kumar, Sanjeev. (2012). Fuzzy and
Adaptive Neuro-Fuzzy Inference System of Washing Machine. Dalam
EJSR_86_3_15.pdf di ambil 22 Februari 2013 dari
http://www.europeanjournalofscientificresearch.com/ISSUES/EJSR_86_3_15.pdf
[2] Nurhayati, Dwi Mei. (2007). Aplikasi Metode Takagi Sugeno Pada Cara Kerja
Mesin Cuci. Malang: Universitas Islam Negeri Malang
[3] Polo, Jaume. (2001). Development and Testing of a Number of MATLAB Based
Fuzzy System Applications. Dalam 120pub.pdf diambil 22 Februari 2013 dari
http://deeea.urv.cat/public/PROPOSTES/pub/pdf/120pub.pdf
[4] Sikos, Leslie F. (2011). Web Standards Mastering HTML5, CSS3, and XML. New
York City : Apress
[6] Kurniadi, F. (2004). Simulasi Fuzzy Logic Control Pada Mesin Cuci Menggunakan
Simulink MATLAB. Diambil dari
http://elib.unikom.ac.id/files/disk1/11/jbptunikompp-gdl-s1-2004-franskurni-501-
BAB+III.doc
[7] Kuswadi, S. (2007). Kendali Cerdas (Teori dan Aplikasi Praktisnya). Yogyakarta:
Andi Yogyakarta