BAB I

PENDAHULUAN

I. LATAR BELAKANG
Dalam Peraturan Menteri Pertanian No 234/Kpts/PD.430/6/2005 tanggal 3 Juni
2005 tentang Pedoman Pembibitan Itik yang Baik Good Breeding Practice (GBP)
dijelaskan bahwa,untuk menetaskan telur itik harus dijaga suhu yang sesuai
dibutuhkan telur supaya menetas. Sebelum ditetaskan, telur diseleksi sesuai
persyaratan telur tetas berdasarkan bobot minimal 60 gram/butir, bentuk telur
oval, dan kondisi fisik kerabang halus dan tidak retak, kemudian disimpan dalam
suhu ruangan 22-25˚C. Selanjutnya untuk telur itik yang berumur 1 sampai
dengan 24 hari suhu yang tepat adalah 38˚C. Dengan suhu udara ini embrio akan
mengalami perkembangan yang baik setiap harinya.
Dalam bidang peternakan khususnya dalam peternakan ayam, masalah yang
dihadapi adalah Penetasan telur ayam dalam jumlah banyak dan dalam waktu
yang bersamaan. Kemampuan induk ayam dalam mengerami telurnya terbatas,
yaitu maksimal 10 butir telur tiap induk ayam. Ini menjadi masalah yang serius
karena kebutuhan daging dan telur ayam di pasar yang sangat banyak.
Maka untuk menggantikan induk ayam dalam menetaskan telurnya, dibuatlah
mesin penetas telur ayam., mesin penetas telur yang akan dirancang nantinya akan
digunakan untuk kontrol temperatur suatu secara otomatis dengan menggunakan
modul sensor DHT-22 dan sensor infra merah sebagai sebagai penghitung
kuantitas telur ayam.

I.I Landasan Teori

A. Mesin Penetas Telur
Mesin penetas yang digunakan untuk menetaskan telur pada dasarnya
merupakan sebuah inkubator dengan konstruksi yang dibuat sedemikian rupa
sehingga panas di dalamnya tidak terbuang. Mesin penetas berfungsi untuk
menggantikan proses pengeraman yang dilakukan oleh induk ayam.

MUKHAMMAD FATONI 1714121012

1
 Suhu di dalam ruangan mesin tetas dapat diatur sesuai ukuran derajat
panas yang dibutuhkan selama periode penetasan yaitu berkisar berkisar antara
35,30C- 40,50C.

B. Sensor DHT-22
Sensor DHT-22 merupakan modul sensor suhu dan kelembaban relatif.
Modul ini dapat digunakan sebagai alat pengindra suhu dan kelembaban dalam
aplikasi pengendali suhu dan kelembaban ruangan.
DHT-22 adalah chip tunggal kelembaban relatif dan multi sensor suhu
yang terdiri dari modul yang dikalibrasi keluaran digital. Pada pengukuran suhu
data yang dihasilkan 14 bit, sedangkan untuk kelembaban data yang dihasilkan 12
bit. Keluaran dari DHT-22 adalah digital sehingga untuk mengaksesnya
diperlukan pemrograman dan tidak diperlukan pengkondisi sinyal atau ADC.
Spesifikasi :
- Voltase suplai: 3,3-5,5 VDC
- Sinyal output: sinyal digital, melalui bus antarmuka 1-kawat
- elemen sensor: polimer kapasitor kelembaban
- Rentang pengoperasian: kelembaban 0-100% RH (suhu:-40 ° C ~ 80 ° C)
- Akurasi: kelembaban ± 2%-± 5% RH (suhu: ± 0,5 ° C)
- Resolusi/sensitivitas: kelembaban 0,1% RH (suhu 0,1 ° C)
- Pengulangan inertia: ± 1% RH (suhu: ± 0,2 ° C)
- Histeresis inertia: ± 0,3% RH
- Stabilitas jangka panjang: ± 0,5% RH/tahun

Gambar Sensor DHT22

C. Sensor Infra Merah

IR OBSTACLE Sensor infrared merupakan sebuah modul yang berfungsi
sebagai pendeteksi penghitung jumlah telur pada kotak penetas.
- Komponen utamanya terdiri dari IR emitter dan IR
receiver/phototransistor.

MUKHAMMAD FATONI 1714121012

2
 - Ketika power-up, IR emitter akan memancarkan cahaya infrared yang
kasat mata.
- Cahaya tersebut kemudian dipantulkan oleh object yang ada di depannya.
- Cahaya terpantul ini kemudian diterima oleh IR receiver.
- Terdapat Op-Amp LM363 yang berfungsi sebagai komparator antara
resistansi IR receiver dan resistansi trimpot pengatur sensitivitas.
- Saat terkena cahaya infrared pantulan object tadi,resistansi IR receiver
akan mengecil sehingga output Op-Amp menjadi high/5V dan
menghidupkan LED sensor.

Gambar Sensor IR OBSTACLE

D. Sistem Kontrol Fuzzy Logic

Kontroler logika fuzzy dikategorikan dalam kontrol cerdas (intellegent control).
Unit logika fuzzy memiliki kemampuan menyelesaikan masalah perilaku sistem
yang kompleks, yang tidak dimiliki oleh kontroler konvensional Secara umum
kontroler logika fuzzy memiliki kemampuan sebagai berikut :
1. Beroperasi tanpa campur tangan manusia secara langsung tetapi memiliki
efektifitas yang sama dengan kontroler manusia.
2. Mampu menangani sistem-sistem yang kompleks non linier dan tidak tetap
3. Memenuhi spesifikasi operasional dan kriteria kinerja
4. Strukturnya sederhana,kokoh dan beroperasi real time.
Ada 3 tahapan dalam fuzzy logic, yaitu : Fuzzifikasi, Inferensia (untuk penetapan
Rule Base) dan Defuzzifikasi seperti diperlihatkan dalam blok diagram pada
gambar :

Gambar Tahapan Fuzzy Logic

MUKHAMMAD FATONI 1714121012

3
 BAB II
RANCANGAN KONTROLER SECARA MANUAL

2.1. Rancangan Kontroler Fuzzy Logic Secara Manual Dengan Metode

Mamdani

- Studi Kasus : Sistem Penetas Telur Berbasis Fuzzy Logic

- Input : Sensor Suhu = DHT 22

- Sensor Penghitung Jumlah Banyaknya Telur (Infra Merah)

- Output : Kecerahan Nyala Lampu Pijar
- Crisp Input : Setting Suhu 38˚C Pada Kotak Penetas Telur
- Banyak Telur : 21 Butir

Start

Deklarasi fariabel :
A = Sensor DHT 22
B = Sensor Infra Merah
X = Lampu Pijar

Sensor Suhu DHT 22

Baca suhu kotak penetas telur

Sensor Infra Merah

Menghitung Kuantitas telur di
kotak penetas telur

Suhu di kotak
penetas telur Tidak
Atur kecerahan nyala
38°C
lampu pijar
Dan jumlah
telur 21 butir

Iya

END

MUKHAMMAD FATONI 1714121012

4
 Setpoin Kecerahan
Sistem Kontrol
X X Fuzzy
Nyala Lampu
Pijar

Suhu

Kuantitas
Jumlah Telur

Flow Chart dan Diagram Sistem Pengaturan

Sistem Penetas Telur Otomatis Berbasis Fuzzy Logic

A. FUZZIFIKATION
- Setting suhu = 5 variabel linguistik
Suhu = Berbanding kebalik dengan kelembapan
DINGIN SEJUK NORMAL HANGAT PANAS
(kelembapan (kelembapan (kelembapa (kelembapan (kelembapan
basah) agak basah) n normal) agak kering) kering)
4 – 18 15 - 29 25 – 39 35 – 49 45 – 59
- Fungsi keanggotaan Trapesium untuk setting suhu pada kotak penetas
telur.
DINGIN SEJUK NORMAL HANGAT PANAS
µ (KELEMBAPAN BASAH) (KELEMBAPAN AGAK BASAH) (KELEMBAPAN NORMAL) (KELEMBAPAN AGAK KERING) (KELEMBAPAN KERING)

0.43
0.19
SUHU (°C)
0
4 1518 25 29 35 39 45 49 59

MUKHAMMAD FATONI 1714121012

5
 - Suhu 38˚C berada pada pada nilai linguistik “NORMAL” & “HANGAT”
- Derajat keanggotaan untuk nilai linguistik NORMAL
µ NORMAL (38) = (c - x) / (c - b)
= (39 - 38) / (39 - 32)
= 1/7
= 0,14
- Derajat keanggotaan untuk nilai linguistik HANGAT
µ HANGAT (38) = (x - a) / (b - a)
= (38 - 35) / (42 - 35)
= 3/7
= 0,43
- Banyak telur = 5 variabel linguistik
SANGAT SEDIKIT SEDANG AGAK BANYAK
SEDIKIT BANYAK
1 – 10 6 – 16 12 – 22 18 – 28 24 - 34

- Fungsi keanggotaan Trapesium untuk kuantitas telur pada kotak penetas telur

µ SANGAT SEDIKIT SEDIKIT SEDANG AGAK BANYAK BANYAK

0.6

0.2
KUANTITAS TELUR
0
1 6 10 12 16 18 22 24 28 34 (BUTIR)

MUKHAMMAD FATONI 1714121012

6
 - Jumlah telur 21 butir berada pada nilai linguistik “SEDANG” & “AGAK
BANYAK”
- Derajat keanggotaan untuk nilai linguistik SEDANG
µ SEDANG (21) = (c - x) / (c - b)
= (22 - 21) / (22 - 17)
= 1/5
= 0,2
- Derajat keanggotaan untuk nilai linguistik AGAK BANYAK
µ AGAK BANYAK (21) = (x - a) / (b - a)
= (21 - 18) / (23 - 18)
= 3/5
= 0,6
- Jadi, proses fuzzification menghasilkan empat fuzzy input :
- Suhu Udara = Normal (1/7) & Hangat (3/7)
- Kuantitas Telur = Sedang (1/5) & Agak Banyak (3/5)

B. RULE
- Kecerahan nyala lampu pijar = 5 Variabel linguistik
PADAM REDUP NORMAL AGAK TERANG
(P) (R) (N) TERANG (T)
(AT)
0 - 65 56 – 120 111 – 175 166 - 220 211 - 255

PADAM REDUP NORMAL AGAK TERANG TERANG

0 KECERAHAN LAMPU
56 65 111 120 166 175 211 220 255

MUKHAMMAD FATONI 1714121012

7
 ANTECENDENT 1 (suhu udara) & kelembapan
SUHU DINGIN / SEJUK / HANG PANAS /
BASAH AGAK NORMAL AT / KERING
ANTECENDENT 2 (kuantitas telur) KUANTITAS BASAH AGAK
KERIN
G
SANGAT T T N N R
SEDIKIT
SEDIKIT T T N N R

SEDANG T T N N R

AGAK T T AT AT N
BANYAK
BANYAK T T AT AT N

Dengan definisi aturan fuzzy pada Tabel Rule Base, Maka didapatkan 25
aturan Fuzzy :
1. Jika suhu dingin (kelembapan basah) dan kuantitas telur sangat sedikit maka
nyala lampu pijar terang
2. Jika suhu dingin (kelembapan basah) dan kuantitas telur sedikit maka nyala
lampu pijar terang
3. Jika suhu dingin (kelembapan basah) dan kuantitas telur sedang maka nyala
lampu pijar terang
4. Jika suhu dingin (kelembapan basah) dan kuantitas telur agak banyak maka
nyala lampu pijar terang
5. Jika suhu dingin (kelembapan basah) dan kuantitas telur banyak maka nyala
lampu pijar terang
6. Jika suhu sejuk (kelembapan agak basah) dan kuantitas telur sangat sedikit
maka nyala lampu pijar terang
7. Jika suhu sejuk (kelembapan agak basah) dan kuantitas telur sedikit maka
nyala lampu pijar terang
8. Jika suhu sejuk (kelembapan agak basah) dan kuantitas telur sedang maka
nyala lampu pijar terang
9. Jika suhu sejuk (kelembapan agak basah) dan kuantitas telur agak banyak
maka nyala lampu pijar terang

MUKHAMMAD FATONI 1714121012

8
 10. Jika suhu sejuk (kelembapan agak basah) dan kuantitas telur banyak maka
nyala lampu pijar terang
11. Jika suhu normal (kelembapan normal) dan kuantitas telur sangat sedikit
maka nyala lampu pijar normal
12. Jika suhu normal (kelembapan normal) dan kuantitas telur sedikit maka
nyala lampu pijar normal
13. Jika suhu normal (kelembapan normal) dan kuantitas telur sedang maka
nyala lampu pijar normal
14. Jika suhu normal (kelembapan normal) dan kuantitas telur agak banyak
maka nyala lampu pijar agak terang
15. Jika suhu normal (kelembapan normal) dan kuantitas telur banyak maka
nyala lampu pijar agak terang
16. Jika suhu hangat (kelembapan agak kering) dan kuantitas telur sangat
sedikit maka nyala lampu pijar normal
17. Jika suhu hangat (kelembapan agak kering) dan kuantitas telur sedikit
maka nyala lampu pijar normal
18. Jika suhu hangat (kelembapan agak kering) dan kuantitas telur sedang
maka nyala lampu pijar normal
19. Jika suhu hangat (kelembapan agak kering) dan kuantitas telur agak
banyak maka nyala lampu pijar agak terang
20. Jika suhu hangat (kelembapan agak kering) dan kuantitas telur banyak
maka nyala lampu pijar agak terang
21. Jika suhu panas (kelembapan kering) dan kuantitas telur sangat sedikit
maka nyala lampu pijar redup
22. Jika suhu panas (kelembapan kering) dan kuantitas telur sedikit maka
nyala lampu pijar redup
23. Jika suhu panas (kelembapan kering) dan kuantitas telur sedang maka
nyala lampu pijar redup
24. Jika suhu panas (kelembapan kering) dan kuantitas telur agak banyak
maka nyala lampu pijar normal
25. Jika suhu panas (kelembapan kering) dan kuantitas telur banyak maka
nyala lampu pijar normal.

MUKHAMMAD FATONI 1714121012

9
 C. Proses Inferensi menggunakan model mamdani :
- Dari 4 data fuzzy input, maka didapatkan 4 aturan (dari 25 aturan) :
- Jika suhu normal dan kuantitas telur sedang maka nyala lampu pijar normal
- Jika suhu normal dan kuantitas telur agak banyak maka nyala lampu pijar
agak terang
- Jika suhu hangat dan kuantitas telur sedang maka nyala lampu pijar normal
- Jika suhu hangat dan kuantitas telur agak banyak maka nyala lampu pijar
agak terang

- Conjunction (˄)
- Jika suhu normal (0,14) dan kuantitas telur sedang (0,2) maka nyala lampu
pijar normal (0,14)
- Jika suhu normal (0,14) dan kuantitas telur agak banyak (0,6) maka nyala
lampu pijar agak terang (0,14)
- Jika suhu hangat (0,43) dan kuantitas telur sedang (0,2) maka nyala lampu
pijar normal (0,2)
- Jika suhu hangat (0,43) dan kuantitas telur agak banyak (0,6) maka nyala
lampu pijar agak terang (0,43)

- Disjunction (˅)
- Nyala lampu pijar normal (0,14) V Nyala lampu pijar normal (0,2) = Nyala
lampu pijar normal (0,2)
- Nyala lampu pijar agak terang (0,14) V Nyala lampu pijar agak terang (0,43)
= Nyala lampu pijar agak terang (0,43).

MUKHAMMAD FATONI 1714121012

10
 D. Proses Defuzzyfication
- Defuzzyfication metode mamdani

µ PADAM REDUP NORMAL AGAK TERANG TERANG

CENTER OF AREA
0.43

0.2
KECERAHAN LAMPU
0
65 111 120 166 175 221 230 255
Centroid Method
- Titik Sembarang = 115,125,135,145,155
160,170,180,190,200

((130+140+150+160+170)𝑥0,2) ((180+190+200+210+220)𝑥0,43)
Y= +
(0,2𝑥5) (0,43𝑋5)
150 430
= +
1 2,15
580
= 3,15

= 184,1
- Jadi nyala lampu pijar jika suhu pada kotak penetas telur 38˚C dan
kuantitas telur 21 butir adalah 184,1 (Nyala agak terang).

MUKHAMMAD FATONI 1714121012

11
 2.2. Rancangan Kontroler Fuzzy Logic Secara Manual Dengan Metode
Sugeno
- Defuzzyfication metode sugeno
Proses composition dari dua fuzzy set, Nyala lampu pijar normal (0,2) dan
Nyala lampu pijar agak terang (0,43), menghasilkan satu fuzzy set tunggal
yang ditunjukkan pada gambar berikut :

µ
PADAM REDUP NORMAL AGAK TERANG TERANG

0.43

0.2

KECERAHAN LAMPU
0 33 88 143 198 238

Jika untuk proses defuzzification digunakan Height Method,maka dari dua

fuzzy set, Nyala lampu pijar normal (0,2) dan Nyala lampu pijar agak terang
(0,43), dipilih nilai maksimumnya yaitu Nyala lampu pijar agak terang (0,43).
Karena nilai crisp untuk Nyala lampu pijar agak terang (0,43) adalah 198,
maka proses defuzzification menghasilkan nilai crisp sebesar 198.
Dengan demikian, Nilai nyala lampu pijar adalah 198.
Jika menggunakan Weighted Average untuk proses defuzzifikasi :
(0,2×(143))+(0,43×(198))
Y= 0,2+0,43
28,6+85,14
= 0,63

= 180,5
Dengan demikian, jika menggunakan Metode Sugeno dengan defuzzification
berupa Weighted Average, maka Nilai nyala lampu pijar adalah 180,5.

MUKHAMMAD FATONI 1714121012

12
 BAB III
RANCANGAN KONTROLER FUZZY TOOLBOX

3.1. Rancangan Kontroler Fuzzy Toolbox Metode Mamdani

Berikut langkah-langkah membuat rancangan kontroler fuzzy toolbox metode
mamdani dengan Matlab :
1. Klik Start lalu klik Matlab atau klik Start klik search lalu ketik Matlab lalu
klik matlab.

2. Setelah muncul jendela aplikasi Matlab,ketik fuzzy pada command

window Matlab.

MUKHAMMAD FATONI 1714121012

13
 3. Setelah itu muncul jendela FIS editor Matlab, lalu klik edit, pilih add
variable, pilih input, lalu ganti nama input dan output sesuai yang kita
inginkan.

4. Setelah itu klik kotak input1, lalu muncul jendela FIS editor diagram, lalu
klik Edit, pilih Remove All MFs. Setelah tampilan diagram kosong, klik
Edit lalu pilih add MFs.
Lalu muncul jendela pengaturan Membership Function, atur MF type dan
member of MFs sesuai yang diinginkan.

MUKHAMMAD FATONI 1714121012

14
 5. Atur nama membership function, range dan params.

MUKHAMMAD FATONI 1714121012

15
 6. Untuk Input 2, langkahnya seperti no.4 dan no.5, yang membedakan nama
membership function,range dan params seperti di BAB II tahap
fuzzification.

7. Untuk Output, langkahnya seperti no.4 dan no.5, yang membedakan nama
membership function,range dan params seperti di BAB II tahap Rule.

MUKHAMMAD FATONI 1714121012

16
MUKHAMMAD FATONI 1714121012

17
 8. Setelah diagram membership function input – output selesai dibuat.
Langkah selanjutnya membuat rule base dengan cara klik Edit, pilih Rules.
Edit Rules sesuai di BAB II bagian Rules.
Setelah selesai edit Rule base, pilih View lalu klik Rules setelah itu
muncul parameter Input – Output sistem fuzzy kita.
Untuk menampilkan Surface pilih View lalu klik Surface.

MUKHAMMAD FATONI 1714121012

18
3.2. Rancangan Kontroler Fuzzy Toolbox Metode Sugeno
1. Untuk Rancangan Kontroler Fuzzy Toolbox Metode Sugeno, tinggal
melanjutkan pilih menu File, Pilih New FIS lalu pilih Sugeno.

2. Untuk tahap edit member function input bisa di lihat di langkah no.3 –
no.6 Rancangan Kontroler Fuzzy Toolbox Metode Mamdani.
3. Tahap edit member function output, langkah awal, klik kotak output lalu
pili Menu Edit pilih Remove All MFs, setelah bagian membership
function output bersih kita pilih Menu Edit pilih Add MFs, lalu muncul
menu membership function.
Atur Add membership Function dengan Mf type constant dan number of
MFs 5 lalu klik OK, klik salah satu membership function edit sesuai di
data BAB II bagian Rancangan Kontroler Fuzzy Logic Secara Manual
Dengan Metode Sugeno.

MUKHAMMAD FATONI 1714121012

19
MUKHAMMAD FATONI 1714121012

20
 4. Setelah diagram membership function input – output selesai dibuat.
Langkah selanjutnya membuat rule base dengan cara klik Edit, pilih Rules.
Edit Rules sesuai di BAB II bagian Rules.
Setelah selesai edit Rule base, pilih View lalu klik Rules setelah itu
muncul parameter Input – Output sistem fuzzy kita.
Untuk menampilkan Surface pilih View lalu klik Surface.

MUKHAMMAD FATONI 1714121012

21
 BAB IV
PEMBAHASAN ATAU ANALISA

Dari hasil perhitungan manual dan menggunakan fuzzy tool box, dengan
nilai crisps input Setting Suhu 38°C dan Kuantitas Telur sebanyak 21 Butir,
didapat hasil sebagai berikut.
METODE
Kecerahan Lampu MAMDANI SUGENO
Pijar Centroid Weighted
High Metode
Methode Average Methode
MANUAL 184,1 198 180,5
FUZZY TOOL
175 186
BOX

Dengan menggunakan Fuzzy Logic, kita dapat memprediksi Kecerahan

Lampu Pijar pada Kotak Penetas telur, yang kemudian dapat kita gunakan sebagai
acuan perhitungan Jumlah kuantitas telur pada kotak penetas, sehingga kita dapat
memperkirakan suhu, kuantitas telur dan kecerahan lampu pijar dengan seefisien
mungkin.

MUKHAMMAD FATONI 1714121012

22
 BAB V
KESIMPULAN

Sebelum ditetaskan, telur diseleksi sesuai persyaratan telur tetas berdasarkan

bobot minimal 60 gram/butir, bentuk telur oval, dan kondisi fisik kerabang halus
dan tidak retak, kemudian disimpan dalam suhu ruangan 22-25˚C. Selanjutnya
untuk telur itik yang berumur 1 sampai dengan 24 hari suhu yang tepat adalah
38˚C. Dengan suhu udara ini embrio akan mengalami perkembangan yang baik
setiap harinya
Kemampuan induk ayam dalam mengerami telurnya terbatas, yaitu maksimal
10 butir telur tiap induk ayam. Ini menjadi masalah yang serius karena kebutuhan
daging dan telur ayam di pasar yang sangat banyak.
Mesin penetas yang digunakan untuk menetaskan telur pada dasarnya
merupakan sebuah inkubator dengan konstruksi yang dibuat sedemikian rupa
sehingga panas di dalamnya tidak terbuang.
Sensor DHT-22 merupakan modul sensor suhu dan kelembaban relatif. Modul
ini dapat digunakan sebagai alat pengindra suhu dan kelembaban dalam aplikasi
pengendali suhu dan kelembaban ruangan.
IR OBSTACLE Sensor infrared merupakan sebuah modul yang berfungsi
sebagai pendeteksi penghitung jumlah telur pada kotak penetas.
Sistem Kontrol Fuzzy Logic memiliki kemampuan sebagai berikut :
1. Beroperasi tanpa campur tangan manusia secara langsung tetapi memiliki
efektifitas yang sama dengan kontroler manusia.
2. Mampu menangani sistem-sistem yang kompleks non linier dan tidak tetap
3. Memenuhi spesifikasi operasional dan kriteria kinerja
4. Strukturnya sederhana,kokoh dan beroperasi real time.
Ada 3 tahapan dalam fuzzy logic, yaitu : Fuzzifikasi, Inferensia (untuk
penetapan Rule Base) dan Defuzzifikasi.
Proses fuzzification menghasilkan empat fuzzy input :

- Suhu Udara = Normal (1/7) & Hangat (3/7)

- Kuantitas Telur = Sedang (1/5) & Agak Banyak (3/5)

MUKHAMMAD FATONI 1714121012

23
 ANTECENDENT 1 (suhu udara) & kelembapan
SUHU DINGI SEJUK HAN PANA
N/ / NORMA GAT / S/
KUANTIT BASAH AGAK L AGA KERIN
ANTECENDENT 2 (kuantitas telur)

AS BASA K G
H KERI
NG
SANGAT T T N N R
SEDIKIT
SEDIKIT T T N N R
SEDANG T T N N R
AGAK T T AT AT N
BANYAK
BANYAK T T AT AT N
Tabel Rule Base
- Dari 4 data fuzzy input, maka didapatkan 4 aturan (dari 25 aturan) :
- Jika suhu normal dan kuantitas telur sedang maka nyala lampu pijar normal
- Jika suhu normal dan kuantitas telur agak banyak maka nyala lampu pijar
agak terang
- Jika suhu hangat dan kuantitas telur sedang maka nyala lampu pijar normal
- Jika suhu hangat dan kuantitas telur agak banyak maka nyala lampu pijar
agak terang

Pada proses Defuzzyfication metode Mamdani secara manual didapatkan nyala

lampu pijar jika suhu pada kotak penetas telur 38˚C dan kuantitas telur 21 butir
adalah 184,1.
Pada proses defuzzification metode Sugeno digunakan Height Method,maka
dari dua fuzzy set, Nyala lampu pijar normal (0,2) dan Nyala lampu pijar agak

MUKHAMMAD FATONI 1714121012

24
terang (0,43), dipilih nilai maksimumnya yaitu Nyala lampu pijar agak terang
(0,43). Karena nilai crisp untuk Nyala lampu pijar agak terang (0,43) adalah 198.
Pada proses defuzzification metode Sugeno dengan defuzzification berupa
Weighted Average, didapatkan Nilai nyala lampu pijar adalah 180,5.
Pada proses Defuzzyfication metode mamdani dengan fuzzy toolbox
didapatkan nyala lampu pijar jika suhu pada kotak penetas telur 38˚C dan
kuantitas telur 21 butir adalah 175.
Pada proses Defuzzyfication metode Sugeno dengan fuzzy toolbox didapatkan
nyala lampu pijar jika suhu pada kotak penetas telur 38˚C dan kuantitas telur 21
butir adalah 186.
Dengan menggunakan Fuzzy Logic, kita dapat memprediksi Kecerahan Lampu
Pijar pada Kotak Penetas telur, yang kemudian dapat kita gunakan sebagai acuan
perhitungan Jumlah kuantitas telur pada kotak penetas, sehingga kita dapat
memperkirakan suhu, kuantitas telur dan kecerahan lampu pijar.
Untuk mendapat hasil yang lebih akurat, kita bisa mempertajam data dengan
melakukan sampling Kotak Penetas Telur yang sebenarnya dengan melakukan
percobaan beberapa variasi Setting Suhu dan Kuantitas Telur yang sesungguhnya.
Sehingga kita akan mendapatkan nilai akurasi dari perhitungan dengan nilai
sebenarnya.

MUKHAMMAD FATONI 1714121012

25
 DAFTAR PUSTAKA

1. http://repo.polinpdg.ac.id/4468/1/Gabungan_Prosiding_Rancang_Bangun_
Mesin_Penetas_Telur_Itik_Berbasis.pdf
2. www.academia.edu/IMPLEMENTASI_MESIN_PENETAS_TELUR_AY
AM_OT.pdf
3. journal.trunojoyo.ac.id/3264-7809-1-PB.pdf
4. https://blitarjay.blogspot.com/2017/03/sensor-dht-22.html
5. https://digiwarestore.com/en/temperature-humidity-sensor/dht22-am2302-
temperature-humidity-sensor-291012.html?product_rewrite=dht22-
am2302-temperature-humidity-sensor-291012
6. http://sebarin-ilmu.blogspot.com/2016/03/tutorial-arduino-ir-obstacle-
sensor.html

MUKHAMMAD FATONI 1714121012

26