Pengaruh Jumlah Membership Function Fuzzy

Terhadap Kurva Respon Motor DC Penguat Terpisah

Farhan Taufiqi1, Era Purwanto.2
Mahasiswa Jurusan Teknik Elektro Industri1
Dosen Jurusan Teknik Elektro Industri2
Departemen Teknik Elektro, Politeknik Elektronika Negeri Surabaya
Kampus PENS Raya ITS Keputih Sukolilo, Surabaya 60111
E-mail : farhantaufiqi@pe.student.pens.ac.id

Abstrak – Pengembangan kendali kecepatan Motor DC untuk menjaga stabilitas operasionalnya dalam
berbagai aplikasi dengan menggunakan sistem cerdas. Pada penelitian ini akan dibandingkan kurva respon
Motor DC penguat terpisah dengan penggunaan kontrol fuzzy dan tanpa kontrol. Dengan penelitian ini
diharapkan akan didapat manfaat dari penggunaan kontrol fuzzy yang sesuai, kurva respon yang baik, dan
mendekati referensi (setpoint) yang telah ditentukan.

Kata Kunci : Motor DC Penguat Terpisah, Fuzzy, Membership Function

diketahui kurva respon yang baik pada motor dc

I. PENDAHULUAN
penguat terpisah.
Dewasa ini dengan semakin berkembangnya
dunia industri, kebutuhan akan sistem kendali yang
II. DASAR TEORI
efisien dan mampu meningkatkan kualitas dan hasil
industri menjadi sedemikian penting. Untuk itu pelu II.I. Model Matematika Motor DC Penguat Terpisah
dikembangkan suatu sistem kendali yang mampu Model dinamik motor dc dapat dilihat seperti
mengatur sistem secara otomatis untuk menghasilkan pada gambar 1 berikut :
hasil produksi seperti yang diinginkan sehingga dapat
mengurangi error.
Untuk memperbaiki respon dari sistem secara
konvensional dapat dilakukan dengan menggunakan
kontroler PI, namun kelemahan dari kontroler PI adalah
bila beban berubah maka parameter controller harus
selalu ditala (tuned) dalam operasi dengan kecepatan
yang variable. Maka dalam penelitian ini menggunakan
fuzzy dalam sistem kendali. Penggunaan logika fuzzy
dalam sistem kendali sudah bukan merupakan hal yang
baru, sudah begitu banyak aplikasi-aplikasi sistem
kendali yang menggunakan teori logika fuzzy yang
dihasilkan. Gambar 1. Skematis Motor DC
Kemajuan penggunaan logika fuzzy dalam sistem
kendali ini diiringi dengan perkembangan teknik sistem Rangkaian motor terdiri dari kumparan jangkar
kendali logika fuzzy. Pada penggunaan sistem kendali disuplai dengan tegangan terminal Vt, sedangkan
logika fuzzy ini diperlukan pada aplikasi dengan kumparan medan disuplai dengan tegangan tetap Vf
lingkungan yang selalu berubah ubah, akan cukup untuk mendapatkan fluksi tetap.
menyulitkan bagi pembuat sistem kendali untuk Persamaan-persamaan yang berlaku pada motor
mendapatkan hasil kendali yang tepat dan memuaskan. adalah:
Karena pembuat sistem kendali perlu mengubah dan
menyesuaikan parameter kendali seperti fuzzy rules, a. Tegangan Terminal :
membership function dan lain sebagainya pada
lingkungan yang berubah-ubah
Sasaran penelitian ini adalah membandingkan Keterangan :
kurva respon motor dc penguat terpisah dari tanpa VT = Tegangan Terminal
kontrol sampai penggunaan kontrol fuzzy agar RA = Tahanan Jangkar
 LA = Induktansi Jangkar
iA = Arus Jangkar
eA = Tegangan terbangkitkan pada jangkar
b. Kecepatan Putar
𝑉𝑇−𝐼𝑎.𝑅𝑎
N= (2)
𝐾ɸ
Keterangan :
N = Kecepatan putar motor
VT = Tegangan Terminal
IA = Arus Jangkar
RA = Tehanan Jangkar
K = Konstanta Motor
ɸ = Fluks
c. Tegangan Induksi Pada Jangkar :
KA merupakan konstanta motor yang nilainya
tergantung pada konstruksi kutub dan lilitan armatur
pada motor yang dinyatakan sebagai :
Keterangan :
ωM = Kecepatan putar rotor motor
KA = Konstanta Motor
Φ = Fluks celah udara sambung langsung
CA = Jumlah lilitan konduktor pada armatur
M = Banyaknya lintasan paralel melalui lilitan
d. Torka Elektromagnetis Pada Motor :
Keterangan :
TE = Momen kakas magnet
Dengan mengabaikan kejenuhan magnetik medan,
maka fluks celah udara sumbu langsung Фd berbanding
linier dengan arus medan if, sehingga persamaan diatas
menjadi:
dimana kf merupakan suatu konstanta pada kumparan
medan dan if merupakan arus pada kumparan medan.
Bila motor dc yang dicatu dengan arus medan terpisah
if konstan, momen elektromagnetik dan tegangan yang
dibangkitkan dapat dinyatakan dengan persamaan:
Dimana KM = kf if merupakan tetapan
e. Torka Mekanik Pada Motor :
Keterangan :
TL = Momen kakas beban melawan putaran
J = Momen kelembaman jangkar dan beban
τa = La/Ra = tetapan waktu listrik
dalam keadaan seimbang torka elektromagnetik sama
besar dengan torka mekanik.
f. Percepatan Pada Motor :
Dengan menyusun kembali persamaan 10 dapat
dibentuk persamaan percepatan pada motor dc sebagai
berikut:
II.II. Fuzzy Logic Controller (FLC)
Kontrol Logika Fuzzy (Fuzzy Logic Controller)
merupakan salah satu bentuk Kontrol cerdas (intelligent
controll). Penggunaan kontrol logika fuzzy dapat
menyelesaikan permasalahan pada sistem yang
memiliki prilaku komplek. Struktur dasar dari Kontrol
Logika Fuzzy dapat digambarkan sebagai berikut :
Gambar 2. Struktur Dasar Sistem Fuzzy Logic Controller
-Fuzzifikasi
Pada proses fuzzifikasi terjadi konversi variabel
crisp kedalam variable fuzzy melalui teknik fungsi
keanggotaan, dimana error dan delta error dipetakan
kedalam rentang kerja semesta pembicaraan melalui
persamaan berikut:
Qe(k) = G1 * e(k) (11)
ΔQe(k) = G2 * Δe(k) (12)
Pada unit fuzzifikasi ini terjadi proses transformasi
dengan cara pemetaan ruang masukan dengan bantuan
faktor penskala. Perbedaaan kecepatan (error) diskala
dengan gain G1, sedangkan perbedaan perubahan
kecepatan (delta error) diskala dengan gain G2.
- Kumpulan Aturan Fuzzy
Kumpulan aturan fuzzy terdiri dari beberapa
aturan fuzzy yang dikelompokkan kedalam basis aturan
yang merupakan dasar dari pengambilan keputusan
(inference process) untuk mendapatkan aksi keluaran
sinyal kontrol dari suatu kondisi masukan. Proses
pengambilan keputusan menghasilkan sinyal keluaran
yang masih dalam bentuk bilangan fuzzy, yaitu derajat
keanggotaan dari sinyal kontrol. Basis aturan dari
kontroller logika fuzzy dapat dilihat pada tabel 1.
 Tabel 1. Rule Base Kontroller Logika Fuzzy (7 MF )
DE \
E
NB NM NS Z PS PM PB

NB B B B B B B B

NM S B B B B B S

NS S S B B B S S

Z S S S B S S S dengan
y = nilai keluaran (output)
PS S S B B B S S cj = nilai tengah dari keluaran fungsi
PM S B B B B B S
keanggotaan ke-j
μUJ (u) = keluaran fungsi keanggotaan
PB B B B B B B B UJ = fuzzy set
R = jumlah aturan (rule)
Tabel 2. Rule Base Kontroller Logika Fuzzy (3 MF )
III. SIMULASI & ANALISA
III.I. Perancangan Membership Function 7(MF)

- Fungsi Keanggotaan (Membership Function)

Fungsi keanggotaan Fuzzy merupakan fungsi untuk Gambar 7. Membership function error dan delta error
menyatakan tingkat keanggotaan fuzzy yang nilainya
antara nol dan satu. Ada beberapa bentuk fungsi
keanggotaan fuzzy, diantaranya adalah: segitiga
(Triangular Function), trapezium (Trapezoid Function),
sigmoid, gauss dan lain-lain.

- Fungsi Implikasi Fuzzy

Gambar 8. Membership function output
Pada umumnya aturan-aturan fuzzy dinyatakan
dalam bentuk logika IF-THEN yang merupakan dasar Perancangan Membership Function 3(MF)
relasi fuzzy (R). Relasi fuzzy dalam basis pengetahuan
fuzzy didefinisikan sebagai fungsi implikasi fuzzy.
Beberapa fungsi implikasi fuzzy terdapat pada tabel 2.

Tabel 2. Beberapa tipe fungsi implikasi fuzzy

III.II. Simulasi
Berikut merupakan model simulasi keseluruhan
- Defuzzikasi sistem pada Matlab Simulink
Defuzzifikasi merupakan proses dimana suatu nilai
fuzzy output dari fuzzy rule diambil dan dimasukkan
kedalam suatu fungsi keanggotaan keluaran untuk
mendapatkan hasil akhir yang disebut crisp output.
Metoda defuzzifikasi yang umum digunakan adalah
Centre of Gravity (COG) defuzzification, didefinisikan
sebagai berikut:
 Gambar 9. Keseluruhan sistem pada Matlab Simulink
Gambar diatas merupakan blok diagram dari
pengaturan kecepatan motor dc penguat terpisah
dengan menggunakan kontrol fuzzy. Kontrol fuzzy ini
mengatur PWM dengan frekuensi 40 KHz yang
digunakan untuk mengatur tegangan input dari
tegangan jangkar motor
III.II. Hasil
Berikut merupakan hasil simulasi :
7(MF)
Gambar 10. Hasil simulasi pada kecepatan rendah
Berdasarkan hasil simulasi dapat dilihat bahwa
ketika nilai setpoint diatur sebesar 200 RPM, kecepatan
putar motor adalah 199,1 RPM atau terdapat error
sebesar 0,45% (0,9 RPM). Terdapat osilasi diawal
dengan durasi 1 detik, nilai overshoot mencapai 317
RPM atau 158,5%, kondisi steady state terjadi pada
detik ke-1.
Berikut merupakan hasil simulasi 3 (MF)
Gambar 11. Hasil simulasi pada kecepatan rendah
Berdasarkan hasil simulasi dapat dilihat bahwa
ketika nilai setpoint diatur sebesar 200 RPM, kecepatan
putar motor adalah 199 RPM atau terdapat error sebesar
0,5% (1 RPM). Terdapat osilasi diawal dengan durasi
0,4 detik, nilai overshoot mencapai 316 RPM atau
158%, kondisi steady state terjadi pada detik ke-0,4.
IV. KESIMPULAN
Dari penggunaan jumlah membership function
yang berbeda pada tiap tingkat kecepatan didapatkan
hasil bahwa penggunaan 3 membership function
menghasilkan kecepatan putar motor yang paling
mendekati set point dibandingkan penggunaan 3 dan 5
membership function. Dalam sisi pencapaian waktu
steady state penggunaan 3 MF juga yang paling baik.
Namun, dalam segi overshoot penggunaan 3 MF masih
kalah baik jika dibandingkan dengan jumlah MF yang
lain pada tingkat kecepatan tertentu.
 REFERENSI
[1] Chen, Guanrong, dan Trung Tat Pham, Introduction To
Fuzzy Sets, Fuzzy Logic, and Fuzzy Control System, CRC
Press, 2001
[2] Sivanandam, S.N., Introduction To Fuzzy Logic Using
Matlab, Springer, 2007
[3] Pahrudin Hasibuan, Kendali Kecepatan Motor DC Shunt
Dengan Fuzzy Logic Controller dan Fuzzy Current
Limiter, Seminar Nasional Aplikasi Teknologi Informasi
(SNATI) 2007.
[4] Qory Hidayati, dan Mikail Eko Prasetyo, Pengaturan
Kecepatan Motor DC Dengan Menggunakan
Mikrokontroler Berbasis Fuzzy-PID, Jurnal Teknologi
Terpadu No 1 Vol 4, Juni 2013

V. INFORMASI PENULIS
1
Mahasiswa Teknik Elektro Industri, Politeknik Elektronika Negeri
Surabaya, 1310131035
2
Dosen Teknik Elektro Industri, Politeknik Elektronika Negeri
Surabaya

Farhan Taufiqi Lahir di Ponorogo, Lulus dari

SMK Negeri 1 Jenangan Ponorogo. Sejak 2013
menjadi mahasiswa Jurusan Teknik Elektro
Industri di Politeknik Elektronika Negeri
Surabaya sampai sekarang, Tertarik di bidang
Intellegent Control dan Automation Control.

Era Purwanto Lahir di Surabaya Lulus S1

dari Jurusan Teknik Elektro ITS Surabaya,
S2 dari Jurusan Teknik Elektro Shizuoka
Jepang, sejak tahun 1985 menjadi dosen di
PENS sampai sekarang, Anggota IEEE dari
tahun 1993 sampai sekarang, Anggota IEEJ
Jepang mulai tahun 2003 sampai sekarang
Research yang dilakukan dibidang
Intellegent Control, Electric Drive dan
Electric Vehicle.