DIBUAT OLEH :
ANIS LESTARI
NIM 16518244043
2018
Abstrak
Suhu udara dan kelembaban tanah merupakan parameter yang mempengaruhi jumlah
air yang dibutuhkan tanaman dalam proses penyiraman. Selain kebutuhan air, waktu
penyiraman juga harus diperhatikan dan disesuaikan dengan kebutuhan tanaman. Untuk itu
diperlukan perancangan sistem kendali yang mampu membuat keputusan pengendalian
dalam mengatasi masalah penyiraman agar kebutuhan tanaman akan air tercukupi sesuai
kebutuhan dan bekerja secara terjadwal. Logika fuzzy merupakan salah satu metode yang
dapat digunakan pada sistem kendali agar dapat memberikan keputusan yang menyerupai
keputusan manusia, karena memiliki konsep yang mudah dimengerti dan didasarkan pada
bahasa alami.
Pengembangan simulasi ini menggunakan pengembangan sistem kendali logika fuzzy
yang diintegrasikan dengan mikrokontroler sebagai pengendali. Pengujian sistem dilakukan
dengan menggunakan simulink yang mengintegrasikan antara desain FIS dan juga transfer
function. Transfer Function didapatkan dari suatu jurnal yang kemudian diaplikasikan pada
desain sistem simulink untuk didapatkan grafik output. Grafik pengujian dari simulink
tersebut dapat dilihat pada scope.
Metode ini mampu untuk memberikan keputusan dalam proses penyiraman, agar
kebutuhan tanaman akan air tercukupi. Sofwan pada tahun 2005 menerapkan konsep logika
fuzzy pada sistem pengaturan jumlah air berdasarkan suhu dan kelembaban. Wahyujati pada
tahun 2010 juga menerapkan metode logika fuzzy untuk pengaturan kelembaban tanah pada
tanaman Cabai. Kedua sistem yang telah dibuat sudah dapat berjalan dengan baik untuk
mengatasi masalah penyiraman secara otomatis dengan menggunakan konsep logika fuzzy
sebagai pengambil keputusan. Pada laporan ini, kendali fuzzy untuk pengambilan keputusan
akan disimulasikan untuk mengendalikan suatu plant yaitu menggunakan simulink. Desain
plant dibuat pada simulink kemudian desan FIS dimasukan pada plant tersebut untuk dapat
mengetahui bagaimana simulasi kendali fuzzy yang telah dibuat.
B. Desain Sistem
Sistem Kendali Otomatis Penyiraman Tanaman Menggunakan Logika Fuzzy Logic
Controller terdiri dari input dan output. Jumlah input dalam sistem ini ada 2 yang terhubung
dengan 2 buah sensor yaitu sensor suhu dan sensor kelembaban. Atur pada input suhu terdiri
dari 5 membership function yaitu dingin, sejuk, normal, hangat, dan panas. Begitu juga dengan
input dari sensor kelembaban terdiri dari 5 membership function yaitu sangat lembab, lembab,
normal, kering dan sangat kering. Untuk setting output yaitu berupa tingkatan penyiraman yang
terdiri dari 5 membership function juga yaitu sangat cepat, cepat, sedang, lama, dan sangat
lama. Berikut ini merupakan langkah pembuatan desain FIS dengan menggunakan 2 input dan
1 output sesuai dengan desain sistem di atas.
1. Pada FIS Editor, carilah Edit, kemudian Add Variable... dan klik Input, seperti yang
ditunjukkan pada Gambar 1.
Gambar 1
2. Selanjutnya yaitu, berilah nama pada bagian input dan output untuk memudahkan kita
dalam pembuatan sistem. Hasilnya tampak seperti pada gambar 2 di bawah ini.
Gambar 2
3. Langkah selanjutnya adalah menambahkan membership function karena yang kita
gunakan menggunakan 5 membership. Klik pada menu Edit, kemudian pilih Remove All
MFs.. kemudian klik Add MFs... (Lihat pada gambar 3). Pada bagian number of MFs
pilih 5, karena yang kita buat terdiri dari 5 membership function (Lihat pada gambar 4).
Lakukan hal yang sama pada input dan juga outputnya.
Gambar 3
Gambar 4
4. Pembagian membership function sudah dilakukan, selanjunya yaitu memberikan nama
dan juga memasukan parameter pada bagian input dan output. Klik 2 kali pada setiap
bagian yang akan di beri nama dan juga parameter. Lihat gambar di bawah ini.
Membership function SUHU
Parameter Nilai
Range [10 90]
Name DINGIN
Type Trimf
Params [-10 10 30]
Parameter Nilai
Range [10 90]
Name SEJUK
Type Trimf
Params [10 30 50]
5. 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 8.
Gambar 8. Rule
Jumlah rule yang di buat bergantung pada jumlah dari membership functionnya. Karena
membeship function yang kita buat pada input terdiri dari 5 maka rule yang akan dibuat
sebanyak 25 rule. Di bawah ini rule yang saya buat pada desain FIS tersebut
1. If (SUHU is DINGIN) and (KELEMBABAN is S_LEMBAB) then (PENYIRAMAN is
SCEPAT) (1)
2. If (SUHU is DINGIN) and (KELEMBABAN is LEMBAB) then (PENYIRAMAN is
SCEPAT) (1)
3. If (SUHU is DINGIN) and (KELEMBABAN is NORMAL) then (PENYIRAMAN is
SCEPAT) (1)
4. If (SUHU is DINGIN) and (KELEMBABAN is KERING) then (PENYIRAMAN is
CEPAT) (1)
5. If (SUHU is DINGIN) and (KELEMBABAN is S_KERING) then (PENYIRAMAN is
CEPAT) (1)
6. If (SUHU is SEJUK) and (KELEMBABAN is S_LEMBAB) then (PENYIRAMAN is
SCEPAT) (1)
7. If (SUHU is SEJUK) and (KELEMBABAN is LEMBAB) then (PENYIRAMAN is
SCEPAT) (1)
8. If (SUHU is SEJUK) and (KELEMBABAN is NORMAL) then (PENYIRAMAN is
CEPAT) (1)
9. If (SUHU is SEJUK) and (KELEMBABAN is KERING) then (PENYIRAMAN is
SEDANG) (1)
10. If (SUHU is SEJUK) and (KELEMBABAN is S_KERING) then (PENYIRAMAN is
SEDANG) (1)
11. If (SUHU is NORMAL) and (KELEMBABAN is S_LEMBAB) then (PENYIRAMAN
is SCEPAT) (1)
12. If (SUHU is NORMAL) and (KELEMBABAN is LEMBAB) then (PENYIRAMAN is
CEPAT) (1)
13. If (SUHU is NORMAL) and (KELEMBABAN is NORMAL) then (PENYIRAMAN is
CEPAT) (1)
14. If (SUHU is NORMAL) and (KELEMBABAN is KERING) then (PENYIRAMAN is
LAMA) (1)
15. If (SUHU is NORMAL) and (KELEMBABAN is S_KERING) then (PENYIRAMAN
is LAMA) (1)
16. If (SUHU is HANGAT) and (KELEMBABAN is S_LEMBAB) then (PENYIRAMAN
is SEDANG) (1)
17. If (SUHU is HANGAT) and (KELEMBABAN is LEMBAB) then (PENYIRAMAN is
SEDANG) (1)
18. If (SUHU is HANGAT) and (KELEMBABAN is NORMAL) then (PENYIRAMAN is
LAMA) (1)
19. If (SUHU is HANGAT) and (KELEMBABAN is KERING) then (PENYIRAMAN is
LAMA) (1)
20. If (SUHU is HANGAT) and (KELEMBABAN is S_KERING) then (PENYIRAMAN
is SLAMA) (1)
21. If (SUHU is PANAS) and (KELEMBABAN is S_LEMBAB) then (PENYIRAMAN is
LAMA) (1)
22. If (SUHU is PANAS) and (KELEMBABAN is LEMBAB) then (PENYIRAMAN is
LAMA) (1)
23. If (SUHU is PANAS) and (KELEMBABAN is NORMAL) then (PENYIRAMAN is
SLAMA) (1)
24. If (SUHU is PANAS) and (KELEMBABAN is KERING) then (PENYIRAMAN is
SLAMA) (1)
25. If (SUHU is PANAS) and (KELEMBABAN is S_KERING) then (PENYIRAMAN is
SLAMA) (1)
μ MF Dingin =
Dengan x : nilai variabel input sensor suhu, b: batas atas dan a: batas bawah.
Sehingga untuk MF Dingin bila diberikan x=20, a=10 dan b=40, maka didapatkan
μ Dingin = 0,6
b. Penentuan fuzzyfikasi dengan model Tsukamto pada MF SEJUK untuk
mendapatkan nilai eror (μ) adalah dengan menggunakan rumus
μ MF Sejuk =
Dengan x : nilai variabel input sensor suhu, c : batas atas b: batas tengah dan
a:batas bawah. Sehingga untuk MF Dingin bila diberikan x=20, a=10 dan b=40
c=80, maka didapatkan μ Sejuk = 0,3
c. Penentuan fuzzyfikasi dengan model Tsukamto pada MF NORMAL untuk
mendapatkan nilai eror (μ) adalah dengan menggunakan rumus
μ MF Normal =
Dengan x : nilai variabel input sensor suhu, c : batas atas b: batas tengah dan
a:batas bawah. Sehingga untuk MF Dingin bila diberikan x=20, a=10 dan b=40
c=80, maka didapatkan μ Normal = 0,3
d. Penentuan fuzzyfikasi dengan model Tsukamto pada MF HANGAT untuk
mendapatkan nilai eror (μ) adalah dengan menggunakan rumus
μ MF Hangat =
Dengan x : nilai variabel input sensor suhu, c : batas atas b: batas tengah dan
a:batas bawah. Sehingga untuk MF Dingin bila diberikan x=20, a=10 dan b=40
c=80, maka didapatkan μ Hangat = 0,3
e. Penentuan fuzzyfikasi dengan model Tsukamto pada MF PANAS untuk
mendapatkan nilai eror (μ) adalah dengan menggunakan rumus
μ MF Panas =
Dengan x : nilai variabel input sensor suhu, b: batas atas dan a: batas bawah.
Sehingga untuk MF Dingin bila diberikan x=20, a=40 dan b=80, maka didapatkan
μ Panas = 0,25
2. Penentuan Fuzzyfikasi pada input sensor kelembaban
Adapun untuk penentuan fuzzyfikasi dengan model Tsukamoto pada LDR 2 dengan
rumus yang sama untuk mendapatkan nilai delta_error ( μ ) maka didapatkan nilai
berikut:
a. Sensor Kelembaban untuk MF SANGAT LEMBAB
Dengan x : nilai variabel input sensor kelembaban, b: batas atas dan a:batas bawah.
Sehingga untuk MF Sangat lembab bila diberikan x=40, a=10 dan b=30, maka
didapatkan μ Sangat lembab = 0,5
b. Sensor Kelembaban untuk MF LEMBAB
Dengan x : nilai variabel input sensor kelembaban, c : batas atas b: batas tengah
dan a:batas bawah. Sehingga untuk MF Sangat lembab bila diberikan x=40, a=10
dan b=30 c=80, maka didapatkan μ Lembab = 0,8
c. Sensor Kelembaban untuk MF NORMAL
Dengan x : nilai variabel input sensor kelembaban, c : batas atas b: batas tengah
dan a:batas bawah. Sehingga untuk MF Sangat lembab bila diberikan x=40, a=10
dan b=30 c=80, maka didapatkan μ Lembab = 0,8
d. Sensor Kelembaban untuk MF KERING
Dengan x : nilai variabel input sensor kelembaban, c : batas atas b: batas tengah
dan a:batas bawah. Sehingga untuk MF Sangat lembab bila diberikan x=40, a=10
dan b=30 c=80, maka didapatkan μ Lembab = 0,8
3. Atur pada bagian Step seperti pada gambar 16 seperti di bawah ini.
4. Kemudian setting pada bagian PID untuk menentukan nilai P I dan D sehingga
didapatkan grafik yang halus. Pada desain yang saya buat nilai PID nya saya atur
seperti pada gambar 17 di bawah ini.
Gambar 17. PID
5. Selanjutnya yaitu mensimulasikan plant yang telah dibuat dengan cara klik dua kali
pada scope kemudian klik tombol Play pada menu toolbar. Berikut ini merupakan
tampilan hasil simulasi dari desain sitem yang telah dibuat.
Tulus Pranata, [2]Beni Irawan, [3]Ilhamsyah Pranata, Tulus, Beni Irawan, dan
Ilhamsyah. 2015. PENERAPAN LOGIKA FUZZY PADA SISTEM PENYIRAMAN
TANAMAN OTOMATIS BERBASIS MIKROKONTROLER. Jurnal Coding. Volume
03, No.2 (2015), hal. 11-22