ANALISIS PAPER

“SIMULASI KONTROL KECEPATAN KENDARAAN DENGAN LOGIKA

FUZZY METODE MAMDANI PADA BERBAGAI KEADAAN ”

DIBUAT UNTUK MEMENUHI TUGAS MATA KULIAH SISTEM KECERDASAN BUATAN

Di susun oleh :

1. Mega Lestanto (1177070052)

2. M. Fathul Aienul Rizky (1177070065)
3. Nathan Rizqi evandi (1177070069)
4. Rizal Aditia Hutamma (1177070081)
5. Samiaji Zubir Saputra (1177070084)

TEKNIK ELEKTRO/B
FAKULTAS SAINS DAN TEKNOLOGI
UIN SUNAN GUNUNG DJATI BANDUNG
2020
 ANALISIS PAPER
“ SIMULASI KONTROL KECEPATAN KENDARAAN DENGAN LOGIKA
FUZZY METODE MAMDANI PADA BERBAGAI KEADAAN ”

TUJUAN

Membuat simulasi kontrol kendaraan dengan menerapkan logika fuzzy metode Mamdani,
pada kontrol kecepatan kendaraan dengan berbagai keadaan. Keadaan – keadaan yang akan
dijadikan sebagai input yaitu: kelas jalan, jarak antar kendaraan, cuaca dan sebagai output adalah
kecepatan kendaraan.

PERANCANGAN

Input Output
Proses

Gambar 1. Diagram Blok Sistem Kendali Kecepatan Kendaraan

 Input : Kelas jalan, Jarak antar kendaraan, dan Cuaca

 Output : Kecepatan kendaraan

 Proses : Algoritma Logika Fuzzy sebagai pengambil keputusan

Gambar 2. Flowchart Penelitian
METODE
1. Variabel Input
a) Kelas Jalan

Gambar 3. Input variabel “Kelas Jalan”

 𝜇𝑘𝑒𝑙𝑎𝑠 𝑗𝑎𝑙𝑎𝑛 𝐼𝐼𝐼𝑐

0; 𝑥 ≥ 0,4
(𝑥 ) = {
0,4−𝑥
; 0 ≤ 𝑥 ≤ 0,4
0,4

 𝜇𝑘𝑒𝑙𝑎𝑠 𝑗𝑎𝑙𝑎𝑛 𝐼𝐼𝐼𝑏

0 ; 𝑥 ≤ 0,1 𝑎𝑡𝑎𝑢 𝑥 ≥ 0,9

𝑥−0,1
(𝑥 ) =
; 0,1 ≤ 𝑥 ≤ 0,5
0,4
0,9−𝑥
; 0,5 ≤ 𝑥 ≤ 0,9
0,4
{
  𝜇𝑘𝑒𝑙𝑎𝑠 𝑗𝑎𝑙𝑎𝑛 𝐼/𝐼𝐼/𝐼𝐼𝐼𝑎

0; 𝑥 ≥ 0,6
(𝑥 ) = {
𝑥−0,6
; 𝑥 > 40
0,4

b) Cuaca

Gambar 4. Input Variabel “Cuaca”

 𝜇ℎ𝑢𝑗𝑎𝑛

0; 𝑥 ≥ 0,4
(𝑥 ) = {
0,4−𝑥
; 0 ≤ 𝑥 ≤ 0,4
0,4

 𝜇𝑟𝑖𝑛𝑡𝑖𝑘−𝑟𝑖𝑛𝑡𝑖𝑘

0, 𝑥 ≤ 0,1 𝑎𝑡𝑎𝑢 𝑥 ≥ 0,9

𝑥−0,1
(𝑥 ) =
; 0,1 ≤ 𝑥 ≤ 0,5
0,4
0,9−𝑥
; 0,5 ≤ 𝑥 ≤ 0,9
0,4
{
  𝜇𝑐𝑒𝑟𝑎ℎ

0; 𝑥 ≥ 0,6
(𝑥 ) = {
𝑥−0,6
; 0,6 ≤ 𝑥 ≤ 1
0,4

c) Jarak Antar Kendaraan

Gambar 5. Input Variabel “Jarak Antar Kendaraan”

 𝜇𝑑𝑒𝑘𝑎𝑡

0; 𝑥 ≥ 20
20−𝑥
(𝑥 ) = ; 10 ≤ 𝑥 ≤ 20
10

{1; 0 ≤ 𝑥 ≤ 20
 𝜇𝑠𝑒𝑑𝑎𝑛𝑔

0; 𝑥 ≤ 10 𝑎𝑡𝑎𝑢𝑥 ≥ 5
𝑥−10
(𝑥 ) =
; 10 ≤ 𝑥 ≤ 30
20
50−𝑥
; 30 ≤ 𝑥 ≤ 50
20
{

 𝜇𝑗𝑎𝑢ℎ

0; 𝑥 ≤ 40
𝑥−40
(𝑥 ) = ; 40 ≤ 𝑥 ≤ 80
40

{1; 80 ≤ 𝑥 ≤ 100
2. Variabel Keluaran

Gambar 6. Output Variabel “Kecepatan”

 𝜇𝑠𝑎𝑛𝑔𝑎𝑡 𝑙𝑎𝑚𝑏𝑎𝑡

0; 𝑥 ≥ 30
20−𝑥
(𝑥 ) = ; 20 ≤ x ≤ 30
10

{ 1; 0 ≤ 𝑥 ≤ 20

 𝜇𝑙𝑎𝑚𝑏𝑎𝑡

0; x ≤ 20 atau x ≥ 40
𝑥−20
(𝑥 ) =
; 20 ≤ 𝑥 ≤ 30
10
40−𝑥
; 30 ≤ 𝑥 ≤ 40
10
{
 𝜇𝑎𝑔𝑎𝑘 𝑙𝑎𝑚𝑏𝑎𝑡

0; 𝑥 ≤ 30 𝑎𝑡𝑎𝑢𝑥 ≥ 50
𝑥−30
(𝑥 ) = ; 30 ≤ 𝑥 ≤ 40
10
50−𝑥
{ ; 40 ≤ 𝑥 ≤ 50
10

 𝜇𝑝𝑒𝑟𝑙𝑎ℎ𝑎𝑛

0; x ≤ 40 atau x ≥ 60
𝑥−40
(𝑥 ) = ; 40 ≤ x ≤ 50
10
60−𝑥
{ ; 50 ≤ x ≤ 60
10

 𝜇𝑠𝑒𝑑𝑎𝑛𝑔

0; 𝑥 ≤ 50 𝑎𝑡𝑎𝑢𝑥 ≥ 70
𝑥−50
(𝑥 ) = ; 50 ≤ 𝑥 ≤ 60
10
70−𝑥
{ ; 60 ≤ 𝑥 ≤ 70
10

 𝜇𝑎𝑔𝑎𝑘 𝑐𝑒𝑝𝑎𝑡

0; 𝑥 ≤ 60 𝑎𝑡𝑎𝑢𝑥 ≥ 80
𝑥−70
(𝑥 ) = ; 60 ≤ 𝑥 ≤ 70
10
80−𝑥
{ ; 70 ≤ 𝑥 ≤ 80
10
 𝜇𝑐𝑒𝑝𝑎𝑡

0; 𝑥 ≤ 70 𝑎𝑡𝑎𝑢𝑥 ≥ 90
𝑥−70
(𝑥 ) = ; 70 ≤ 𝑥 ≤ 80
10
90−𝑥
{ ; 80 ≤ 𝑥 ≤ 90
10

 𝜇𝑠𝑎𝑛𝑔𝑎𝑡 𝑐𝑒𝑝𝑎𝑡

0; 𝑥 ≤ 80
90−𝑥
(𝑥 ) = ; 80 ≤ 𝑥 ≤ 90
10

{ 1; 90 ≤ 𝑥 ≤ 100
3. Aturan Logika Fuzzy
Table 1. Aturan Logika Fuzzy

Rules Logika
IF Kelas I/II/IIIA
Rule-1 AND Cuaca Cerah
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Maksimal
IF Kelas I/II/IIIA
Rule-2 AND Cuaca Cerah
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Cepat
IF Kelas I/II/IIIA
Rule-3 AND Cuaca Cerah
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Agak Cepat
IF Kelas I/II/IIIA
Rule-4 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Cepat
IF Kelas I/II/IIIA
Rule-5 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Agak Cepat
IF Kelas I/II/IIIA
Rule-6 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Sedang
IF Kelas I/II/IIIA
Rule-7 AND Cuaca Hujan
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Agak cepat
IF Kelas I/II/IIIA
Rule-8 AND Cuaca Hujan
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Sedang
IF Kelas IIIB
Rule-9 AND Cuaca Hujan
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Perlahan
IF Kelas IIIB
Rule-10 AND Cuaca Cerah
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Cepat
 IF Kelas IIIB
Rule-11 AND Cuaca Cerah
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Agak Cepat
IF Kelas IIIB
Rule-12 AND Cuaca Cerah
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Sedang
IF Kelas IIIB
Rule-13 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Agak Cepat
IF Kelas IIIB
Rule-14 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Sedang
IF Kelas IIIB
Rule-15 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Perlahan
IF Kelas IIIB
Rule-16 AND Cuaca Hujan
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Sedang
IF Kelas IIIB
Rule-17 AND Cuaca Hujan
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Perlahan
IF Kelas IIIB
Rule-18 AND Cuaca Hujan
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Agak Lambat
IF Kelas IIIC
Rule-19 AND Cuaca Cerah
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Sedang
IF Kelas IIIC
Rule-20 AND Cuaca Cerah
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Perlahan
IF Kelas IIIC
AND Cuaca Cerah
Rule-21 AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Agak Lambat
 IF Kelas IIIC
Rule-22 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Perlahan
IF Kelas IIIC
Rule-23 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Agak Lambat
IF Kelas IIIC
Rule-24 AND Cuaca Rintik-rintik
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Perlahan
IF Kelas IIIC
Rule-25 AND Cuaca Hujan
AND Jarak Antar Kendaraan Jauh
THEN Kecepatan Agak Lambat
IF Kelas IIIC
Rule-26 AND Cuaca Hujan
AND Jarak Antar Kendaraan Sedang
THEN Kecepatan Lambat
IF Kelas IIIC
Rule-27 AND Cuaca Hujan
AND Jarak Antar Kendaraan Dekat
THEN Kecepatan Sangat Lambat

4. Penegasan (Defuzzifikasi)
Untuk defuzzifikasi menggunakan metode titik tengah (Center Of Area). Metode
center of area sering kali juga dinamakan metoda center of gravity atau metoda centroid.
Hasil defuzzifikasi dengan metoda ini diambil dari nilai dalam suatu range dimana luasan
daerah dari membership function C dibagi menjadi dua luasan yang sama besar. Nilai ini
dapat dihitung dengan persamaan berikut:

𝑐
∫−𝑐 𝐶 (𝑧)𝑧 𝑑𝑧
𝑑CA(C)= 𝑐
∫−𝑐 𝐶 (𝑧)𝑑𝑧
HASIL PENGUJIAN SISTEM
1. Hasil Pengujian Keluaran Rule Logika Fuzzy

 Aturan 1
𝛼 − 𝑃𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = 𝜇 𝐼𝐼𝐼𝐴 ∩ 𝐶𝑒𝑟𝑎ℎ ∩ 𝐽𝑎𝑢ℎ
= 𝜇 𝐼𝐼𝐼𝐴[1], 𝜇 𝐶𝑒𝑟𝑎ℎ[1], 𝜇 𝐽𝑎𝑢ℎ[50]
= min (1 ; 1; 0,25)
= 0,25
 Aturan 2-27 dengan cara yang sama di dapatkan sebagai berikut:

Tabel 2. Hasil Perhitungan Pengujian Rule Logika Fuzzy

Aturan α-predikatn µ[z]
1 0,25 0,25
2 0 0
3 0 0
4 0,25 0
5 0 0
6 0 0
7 0,25 0
8 0 0
9 0 0
10 0,25 0
11 0 0
12 0 0
13 0,25 0
14 0 0
15 0 0
16 0,25 0
17 0 0
18 0 0
19 0,25 0
20 0 0
21 0 0
22 0,25 0
23 0 0
24 0 0
25 0,25 0
26 0 0
27 0 0
 Gambar 7. Komposisi rule menggunakan fungsi MAX

Dari gambar diatas yang merupakan hasil komposisi dapat dibagi menjadi 2
yaitu A1 dan A2 sehingga menjadi himpunan fuzzy baru. Dengan terlebih
dahulu mencari titik a1.

(a1 - 80)/10 = 0,25 a1=82,5

Dengan demikian, fungsi keanggotaan untuk himpunan fuzzy baru adalah:

0; 𝑧 ≤ 80
𝑧−80
(𝑧) = ; 80 ≤ 𝑧 ≤ 82,5
2,5

{ 0,25; 𝑧 ≥ 82,5

Untuk batas kecepatan yang dihasilkan sistem menggunakan persamaan

defussifikasi metode centroid.

Dari perhitungan diatas maka batas kecepatan kendaraan yang dihasilkan

sistem yaitu 89.12 km/jam.
2. Hasil Pengujian Dengan Metode Simulasi Pada Matlab
Untuk kombinasi keadaan lainnya di kerjakan dengan metode yang sama dengan melakukan
simulasi pada matlab dan hasilnya dapat dilihat pada tabel 3.

Tabel 3. Hasil Keluaran Pada Matlab

No. Kondisi Input Output
Kelas Jalan Cuaca Jarak Antar Kecepatan
(µ=1) (µ=1) Kendaraan (Km/Jam)
(µ=1)
1 I/II/IIIA Cerah Jauh 92,5
2 I/II/IIIA Cerah Sedang 80
3 I/II/IIIA Cerah Dekat 70
4 I/II/IIIA Rintik-rintik Jauh 80
5 I/II/IIIA Rintik-rintik Sedang 70
6 I/II/IIIA Rintik-rintik Dekat 60
7 I/II/IIIA Hujan Jauh 70
8 I/II/IIIA Hujan Sedang 60
9 I/II/IIIA Hujan Dekat 50
10 IIIB Cerah Jauh 80
11 IIIB Cerah Sedang 70
12 IIIB Cerah Dekat 60
13 IIIB Rintik-rintik Jauh 70
14 IIIB Rintik-rintik Sedang 60
15 IIIB Rintik-rintik Dekat 50
16 IIIB Hujan Jauh 60
17 IIIB Hujan Sedang 50
18 IIIB Hujan Dekat 40
19 IIIC Cerah Jauh 60
20 IIIC Cerah Sedang 50
21 IIIC Cerah Dekat 40
22 IIIC Rintik-rintik Jauh 50
23 IIIC Rintik-rintik Sedang 40
24 IIIC Rintik-rintik Dekat 30
25 IIIC Hujan Jauh 40
26 IIIC Hujan Sedang 30
27 IIIC Hujan Dekat 20
Hasil analisis dari paper “Simulasi Kontrol Kecepatan Kendaraan Dengan Logila Fuzzy
Metode Mamdani Pada Berbagai Keadaan” adalah sebagai berikut :

1. Dari data di tabel 2 dapat dilihat bahwa yang dapat memenuhi hanya pada aturan 1,
berdasarkan hasil tersebut maka output sistem dapat dagambarkan kedalam bentuk
grafik.
2. Dari data di tabel 3 dapat dilihat bahwa sistem dapat menyesuaikan batas kecepatan
maksimal kendaraan tergantung pada kondisi masukan pada sistem. Pada kondisi 1
pada tabel 3 batas kecepatan maksimal yang didapatkan yaitu 92,5 km/jam masih di
bawah batas aturan pemerintah yaitu batas kecepatan maksimal dari sebuah kendaraan
pada kelas jalan I/II/IIIA yaitu 100 km/jam. Hal ini disebabkan karena hasil
perhitungan sistem yang menggunakan metode centroid dari fungsi kecepatan
maksimal yang berbentuk trapesium siku-siku dengan rentang 80 -100 pada alas
trapesium.
3. Masih terdapat error sebesar 0,075 pada kasus kelas jalan I/II/IIIA yang disebabkan
hasil defussifikasi yang menggunakan metode centroid.