PENGENDALIAN SUHU UDARA DENGAN PEMODELAN

SISTEM KONTROL FUZZY SEDERHANA

Air Temperature Control with Simple Fuzzy Control System

Modeling
I Gede Pande Mahardika1, Welly Ageng Styawan1*, Dewi Apriliani Putri1,
Theo K. J. Soedira1, Kadek Yulia Prameswati1
Jumat – Kelompok 3
1
Departemen Teknik Sipil dan Lingkungan, IPB University, Jl. Raya Dramaga, Kampus IPB
Dramaga, Bogor, Jawa Barat, 16680
*
Email: welly_ageng@apps.ipb.ac.id

Abstrak: Permasalahan suhu udara pada ruangan menjadi hal yang sering dijumpai pada
kehidupan sehari-hari. Pengendalian suhu merupakan hal yang penting dalam meningkatkan
efektifitas kerja dalam ruangan. Pengendalian suhu udara perlu dilakukan dengan berbagai
pemodelan salah satunya yaitu dengan sistem kontrol fuzzy. Praktikum ini bertujuan menganalisis
sistem kontrol Fuzzy sederhana dengan sistem bi-polar khususnya pengendalian suhu udara. Suhu
kondisi awal sebesar 30 oC yang mana direncanakan dengan sistem kendali fuzzy menggunakan
visual basic agar suhu yang dicapai sebesar 25 oC yang tergolong nyaman optimal sesuai dengan
SNI 03-6572-2001. Perencanaan menggunakan alat pendingin 6 buah dan alat pemanas 4 buah
dengan daya masing-masing sebesar 0,25 watt. Suhu yang dikontrol selama 20 menit yang mana
perubahan suhu yang akan diukur setiap periode ulang 1 menit. Hasil yang diperoleh yaitu suhu
ruang mengalami fluktuasi selama 20 menit dan pada menit ke 5 suhu ruang sudah berada pada
suhu set point sebesar 25 oC. Hasil dari proses defuzzifikasi diperoleh magnitudo terbesar pada
menit pertama yaitu pada suhu awal sebesar 5. Hasil dari perhitungan derajat keanggotaan baik
sudut fasa maupun magnitudo diperoleh nilai 1 dan 0. Oleh karena itu, pemodelan sistem kendali
menggunakan sistem fuzzy dengan visual basic berhasil dilakukan karena nilai suhu akhir pada
pengontrolan selama 20 menit sesuai dengan nilai set point sebesar 25 OC.
Kata kunci: Nyaman optimal, set point, sistem kontrol Fuzzy, suhu

Abstract: The problem of air temperature in the room is a common thing in everyday life.
Temperature control is important in increasing the effectiveness of indoor work. Air temperature
control needs to be done with various models, one of which is a fuzzy control system. This practicum
aims to analyze a simple fuzzy control system with a bi-polar system, especially air temperature
control. The initial condition temperature is 30 oC which is planned with a fuzzy control system
using visual basic so that the temperature achieved is 25 oC which is considered optimally
comfortable in accordance with SNI 03-6572-2001. The plan uses 6 cooling devices and 4 heaters
with a power of 0.25 watts each. The temperature is controlled for 20 minutes in which the
temperature change will be measured every 1 minute repeat period. The results obtained are that
the room temperature fluctuated for 20 minutes and at the 5th minute the room temperature was
already at the set point temperature of 25 oC. The results of the defuzzification process obtained the
largest magnitude in the first minute, namely at the initial temperature of 5. The results of the
calculation of membership degrees both phase angle and magnitude obtained values of 1 and 0.
Therefore, modeling the control system using a fuzzy system with visual basic was successful
because the value the final temperature on the control for 20 minutes according to the set point
value of 25 OC.
Keywords: Fuzzy control system, optimal comfort, set point, temperature

PENDAHULUAN
Seiring perkembangan zaman, manusia akan selalu menemui permasalahan
dengan tingkat kerumitan akan pemecahannya yang semakin meningkat. Salah
satunya yaitu permasalahan suhu udara pada ruangan menjadi hal yang sering
dijumpai pada kehidupan sehari-hari. Berdasarkan hal ini, diperlukan sebuah alat
bantu untuk menemukan dan menyelesaikan sebuah permasalahan dengan
kompleksitas yang tinggi, seperti kecerdasan buatan. Tujuan dari kecerdasan buatan
untuk memecahkan persoalan dunia nyata (bersifat praktis) dan memahami
inteligensia (bersifat memahami). Pada awal diciptakannya, komputer hanya
difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman,
maka peran komputer semakin mendominasi kehidupan umat manusia. Komputer
tidak lagi hanya digunakan sebagai alat hitung, lebih dari itu, komputer diharapkan
untuk dapat diberdayakan untuk mengerjakan segala sesuatu yang bisa dikerjakan
oleh manusia. Konsep utama dari kecerdasan buatan guna menciptakan sebuah alat
bantu atau mesin yang dapat berpikir seperti manusia (Goralski dan Tan 2020).
Kecerdasan buatan dapat menjadi pelengkap dari para manusia untuk dapat
mengurangi tingkat pengambilan keputusan yang berdasarkan keyakinan pribadi
(Bullock 2019).
Kecerdasan buatan atau artificial inteligent (AI) memiliki banyak jenis, salah
satunya logika Fuzzy. Mengenai logika Fuzzy, pada dasarnya tidak semua
keputusan dijelaskan dengan 0 atau 1, namun ada kondisi di antara keduanya,
daerah di antara keduanya inilah yang disebut dengan Fuzzy atau tersamar. Menurut
Caraka et al. (2015), logika fuzzy termasuk metodologi sistem kontrol pemecahan
masalah yang cocok diterapkan pada sistem, mulai dari sistem yang sederhana
sampai sistem yang rumit atau kompleks. Metodologi ini dapat diterapkan pada
perangkat keras, perangkat lunak, atau kombinasi keduanya. Dalam logika klasik
dinyatakan bahwa segala sesuatu bersifat biner atau hanya dua kemungkinan, “ya”
atau “tidak”, “benar” atau “salah”, “baik” atau “buruk”, dan lain-lain. Oleh karena
itu, semua ini dapat mempunyai nilai keanggotaan 0 atau 1. Akan tetapi, dalam
logika Fuzzy memungkinkan nilai keanggotaan berada di antara 0 atau 1, artinya
bisa saja suatu keadaan mempunyai dua nilai “ya” dan “tidak”, “benar” dan “salah”,
“baik” dan “buruk” secara bersamaan, namun besar nilainya tergantung pada bobot
keanggotaan yang dimilikinya (Irawan dan Herviana 2018). Praktikum ini
bertujuan menganalisis sistem kontrol Fuzzy sederhana dengan sistem bi-polar
khususnya pengendalian suhu udara.

TINJAUAN PUSTAKA
Kecerdasan Buatan
Kecerdasan buatan atau Artificial Intelligence (AI) didefinisikan sebagai
kecerdasan yang ditunjukkan oleh suatu entitas buatan. Sistem seperti ini umumnya
dianggap komputer. Kecerdasan diciptakan dan dimasukkan ke dalam suatu mesin
(komputer) agar dapat melakukan pekerjaan seperti yang dapat dilakukan manusia.
Beberapa macam bidang yang menggunakan kecerdasan buatan antara lain sistem
pakar, permainan komputer (games), logika kabur, jaringan syaraf tiruan, dan
robotika (Gultom 2017). Teknik kecerdasan buatan sendiri dapat dibagi menjadi
dua jenis. Pertama, teknik kecerdasan buatan berdasarkan sebuah perangkat keras
(hardware) yang umumnya digunakan di industri manufaktur seperti penggunaan
sebuah robot, di pabrik pembuatan pesawat, kendaraan yang melaju tanpa adanya
pengendara, serta artificial vision dan virtual reality yang banyak digunakan di
industri game. Kedua, teknik kecerdasan buatan lainnya adalah teknik kecerdasan
berdasarkan sebuah perangkat lunak (software) seperti artificial neural networks
atau jaringan saraf tiruan, komputasi evolusioner (terdiri dari algoritma generik,
strategi evolutioner, dan genetic programming), fuzzy logic, intelligent systems,
multi-agent systems, natural language, expert systems, learning classifier systems,
automatic learning, dan deep learning. Selanjutnya, dalam teknik kecerdasan
berdasarkan perangkat lunak, dikenal teknik lainnya, di antaranya yaitu data
mining, text mining, dan analisis sentimen (sentiment analysis) (Fauzan 2020).

Logika Fuzzy
Logika Fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent)
yang mengemulasi kemampuan manusia dalam berpikir ke dalam bentuk algoritma
yang kemudian dijalankan oleh mesin. Algoritma ini digunakan dalam berbagai
aplikasi pemrosesan data yang tidak dapat direpresentasikan dalam bentuk biner
(Kusumadewi 2003). Logika Fuzzy atau logika yang samar dapat diartikan sebagai
suatu cara memetakan ruang input dan output yang dimiliki nilai selanjutnya.
Sistem logika Fuzzy mempunyai sifat yang mampu mengakomodasi ketidakpastian
dalam proses akumudisi suatu data. Logika Fuzzy didefinisikan sebagai suatu jenis
logika yang bernilai ganda dan berhubungan dengan ketidakpastian dan kebenaran
parsial (Suyanto 2011). Bila dibandingkan dengan logika konvensional, kelebihan
logika Fuzzy adalah kemampuannya dalam proses penalaran secara bahasa,
sehingga dalam perancangannya tidak memerlukan persamaan matematik yang
rumit (Nasir dan Suprianto 2017).

Inferensi Fuzzy
Fuzzy Inferense System (FIS) atau Fuzzy Inferense Engine adalah sistem yang
dapat melakukan penalaran dengan prinsip serupa seperti manusia melakukan
penalaran dengan nalurinya. Dalam proses pemanfaatan logika fuzzy ada beberapa
hal yang harus diperhatikan, salah satunya adalah cara mengolah input menjadi
output melalui sistem inferensi Fuzzy. Metode inferensi Fuzzy atau cara
merumuskan pemetaan, dari masukan yang diberikan kepada sebuah keluaran.
Proses ini melibatkan fungsi keanggotaan, operasi logika, serta aturan if-then. Hasil
dari proses ini akan menghasilkan sebuah sistem yang disebut dengan FIS (Fuzzy
Inferensi System). Langkah pertama dari FIS adalah menetapkan nilai keanggotaan
untuk data input dan output. Dalam logika fuzzy tersedia beberapa jenis FIS di
antaranya adalah Mamdani, Sugeno, dan Tsukamoto (Puspita dan Yulianti 2016).

Suhu
Suhu merupakan hal yang penting dalam meningkatkan efektifitas kerja dalam
ruangan (Nainggolan dan Yusfi 2013). Berdasarkan SNI 03-6572-2001 tentang
Tata Cara Perancangan Sistem Ventilasi dan Pengkondisian Udara pada Bangunan
Gedung, kenyamanan termal untuk daerah tropis dibagi menjadi tiga yaitu sejuk
nyaman dengan temperatur efektif 20,5-22,8 oC, nyaman optimal dengan
temperatur efektif 22,8-25,8 oC, hangat nyaman dengan temperatur 25,8-27,1oC.
Zona kenyamanan termal untuk orang Indonesia 25 oC ± 1 oC (BSN 2001).

METODOLOGI
Praktikum mengenai simulasi sistem kontrol fuzzy dilakukan pada hari Jumat,
19 November 2021 pukul 09.00-12.00 WIB melalui room zoom meeting. Alat dan
bahan yang digunakan antara lain PC/laptop, software Microsoft Excel dan data
sekunder mengenai pengendalian suhu udara. Kegiatan praktikum dilakukan
dengan cara menginput dan mengolah data sekunder menggunakan Microsoft
Excel. Langkah-langkah praktikum simulasi sistem kontrol fuzzy secara sederhana
disajikan dalam diagram alir dibawah ini

Mulai

Nilai Error (Ek) dihitung.

Nilai dError (∆Ek) dihitung.

Fuzifikasi ditentukan dengan menggunakan matriks keputusan.

Magnitudo (Dk) dihitung.

Sudut fasa (θk) dihitung.

Derajat keanggotaan sudut fasa (μN dan μP) dihitung.

Derajat keanggotaan magnitudo (μD) dihitung.

Inferensi fuzzy dihitung.

Suhu setelah t=1 dihitung.

Selesai
Gambar 1 Diagram alir pembuatan simulasi sistem kontrol fuzzy

Perhitungan dalam pembuatan simulasi sistem kontrol fuzzy dilakukan dengan

menggunakan persamaan-persamaan dibawah ini
Error (Ek) = Taktual – Tset point .................................................................................(1)
dError (∆Ek) = E(t) – E(t-1) .....................................................................................(2)
Magnitudo (Dk) = √𝐸𝑘 2 + 𝑓1∆𝐸𝑘 2 ....................................................................(3)

Sudut fasa (θk):

𝑓1∆𝐸𝑘 2
Kuadran I, θk = 𝑡𝑎𝑛−1 ...................................................................(4)
Ek
𝑓1∆𝐸𝑘 2
Kuadran II, θk = 180 − 𝑡𝑎𝑛−1 ......................................................(5)
Ek
2
−1 𝑓1∆𝐸𝑘
Kuadran III, θk = 180 + 𝑡𝑎𝑛 .....................................................(6)
Ek
2
−1 𝑓1∆𝐸𝑘
Kuadran IV, θk = 360 − 𝑡𝑎𝑛 .....................................................(7)
Ek
Derajat keanggotaan sudut fasa (μN dan μP):
 θk−90
90 < θk < 180, maka μP = 180−90 .............................................................(8)
θk−360
270 < θk < 360, maka μP = 270−360 .........................................................(9)
μN = 1 – μP ............................................................................................(10)
Derajat keanggotan magnitudo (μD):
Dk−0
0 < Dk < f2, maka μD = f2−0 .................................................................(11)
Inferensi fuzzy (Uk) = (1-2*μN) μD*Um ............................................................(12)
Suhu setelah t=1 (T(t)) = To+P*Uk .....................................................................(13)

HASIL DAN PEMBAHASAN

Pada praktikum kali ini, akan direncanakan simulasi sistem pengendalian suhu
dengan sistem kontrol fuzzy menggunakan visual basic. Pengendalian suhu ini
bertujuan untuk mengendalikan suhu suatu ruangan hingga mencapai set point
yakni pada kondisi yang nyaman bagi pengguna. Pada umumnya pengendalian suhu
ruang ini dilakukan menggunakan alat pendingin ruang atau pemanas ruang atau
bahkan beberapa alternatif lain yang dapat digunakan dengan cara konvensional.
Pada perencanaan sistem kendali suhu kali ini digunakan suhu kondisi awal
sebesar 30°C. Suhu ini merupakan suhu dimana seorang pengguna akan merasa
kepanasan karena berada diluar standar suhu ruang. Sesuai dengan SNI 03-6572-
2001 daerah kenyamanan untuk daerah subtropis sendiri dibagi menjadi 3.
Pembagian yang pertama adalah sejuk nyaman yang berada pada rentang
temperatur efektif 20,5°C – 22,8°C. Sementara itu yang kedua adalah nyaman
optimal yang berada pada rentang temperatur efektif sebesar 22,8°C – 25,8°C.
Kemudian yang terakhir adalah hangat nyaman yang berada pada rentang
temperatur efektif 25,8°C – 27,1°C (BSN 2001).
Sistem kendali fuzzy yang direncanakan kali ini, diharapkan dapat
mengendalikan suhu hingga berada pada keadaan nyaman optimal sesuai standar
yang dipaparkan sebelumnya. Suhu yang akan dicapai oleh sistem kendali (set
point) ini adalah sebesar 25°C. Untuk perencanaan sistem pengendalian ini sendiri
digunakan perencanaan jumlah maksimum untuk alat pendingin sebanyak 6 buah
dan untuk pemanas sebanyak 4. Alat tersebut akan bekerja sesuai dengan fungsinya
masing-masing menyesuaikan keadaan suhu ruang yang terbaca. Jika keadaan
berada pada suhu yang cukup tinggi atau berada diatas set point, maka alat
pendingin akan bekerja dan menurunkan suhu berada pada keadaan yang sesuai.
Begitu juga sebaliknya untuk pemanas ruangan akan meningkatkan suhu ketika
suhu di ruangan tersebut berada dibawah set point. Daya yang digunakan untuk
masing-masing alat adalah sebesar 0,25 watt.
Pada tahap selanjutnya akan dilakukan fuzzifikasi untuk kedua parameter error
dan derror dengan setiap parameter yang diketahui diplotkan ke dalam matriks
berdasarkan sistem polar. Untuk sistem pengendalian fuzzy kali ini suhu dikontrol
selama 20 menit. Pengontrolan suhu selama 20 menit dilakukan dengan membuat
simulasi program dengan visual basic pada Microsoft Excel, dengan kodingan yang
dapat dilihat pada Lampiran 3 dan 4, serta hasil perhitungan di Lampiran 1.
 Pada Lampiran 1 tersebut ditampilkan perubahan suhu akan diukur setiap
periode ulang 1 menit selama 20 menit. Selanjutnya ditampilkan juga untuk nilai
suhu setting point (Tsp) sebesar 25°C. Kemudian dengan mengkalkulasikan daya
yang digunakan alat dan suhu periode ulang sebelum waktu tersebut maka akan
didapatkan suhu aktual ruang tersebut. Jika dilihat sesuai dengan data perhitungan
pada Lampiran 2 tersebut, maka suhu ruang mengalami fluktuasi selama 20 menit
sistem pengontrolan. Kemudian pada menit ke 5 suhu ruang sudah berada pada set
point yakni 25°C.
Sementara itu proses selanjutnya yang dilakukan adalah defuzzifikasi, pada
proses ini dilakukan dengan perhitungan magnitudo. Magnitudo terbesar setelah
dilakukan perhitungan adalah berada pada menit pertama yang merupakan adalah
suhu awal yaitu sebesar 5. Hal tersebut diakibatkan karena suhu awal tersebut
merupakan suhu kontrol yang terpanas selama 20 menit masa pengontrolan sistem
kendali fuzzy.
Pada proses selanjutnya dilakukan perhitungan matriks keputusan atau
penentuan derajat keanggotaan. Derajat keanggotaan sendiri dibagi menjadi dua
yakni derajat keanggotaan sudut fasa dan derajat keanggotaan magnitudo. Untuk
output nilai yang dihasilkan dari kedua derajat keanggotaan ada 1 dan 0. Untuk nilai
derajat keanggotaan magnitudo sendiri dilakukan dengan membandingkan nilai
magnitudo yang ada dengan grafik atau dengan menggunakan rumus. Jika nilai
perbandingan yang didapat melebihi nilai 1 maka nilai derajat keanggotaan menjadi
1. Untuk nilai derajat keanggotaan dibagi menjadi dua yaitu ketika berada pada fasa
lebih kecil atau sama dengan 180 derajat merupakan nilai P dan jika lebih kecil
dari 360 derajat merupakan nilai N. Jika nilai P adalah 1 maka N bernilai nol
dan begitu juga sebaliknya.
Langkah terakhir yang dilakukan adalah inferensi fuzzy, pada proses ini akan
dihasilkan nilai untuk menentukan kerja alat yang dibutuhkan. kerja alat yang
dimaksud adalah pemanasan atau pendinginan ruang yang dilakukan oleh alat yang
dibutuhkan. setelah hasil perhitungan dihasilkan. Nilai Uk yang paling terlihat
fluktuasi nilainya yaitu pada menit pertama hingga menit kelima hal tersebut sejalan
dengan penurunan suhu yang terjadi. Pada menit pertama hingga keempat sistem
kontrol bekerja dengan output hasil dilakukan pendinginan. Sementara pada menit
selanjutnya alat pendinginan dan pemanasan bergantian secara berkala untuk
bekerja. Pada pemodelan sistem kendali menggunakan metode fuzzy dengan visual
basic ini dapat dinyatakan berhasil, hal tersebut dilihat dari besar suhu akhir yang
didapat pada pengontrolan selama 20 menit tidak berada jauh dari nilai setpoint
yang ingin dicapai dan pemrograman yang dapat dijalankan.

Simpulan
Suhu kondisi awal sebesar 30 oC yang mana direncanakan dengan sistem kendali
fuzzy menggunakan visual basic agar suhu yang dicapai sebesar 25 oC yang
tergolong nyaman optimal sesuai dengan SNI 03-6572-2001. Perencanaan
menggunakan alat pendingin 6 buah dan alat pemanas 4 buah dengan daya masing-
masing sebesar 0,25 watt. Suhu yang dikontrol selama 20 menit yang mana
perubahan suhu yang akan diukur setiap periode ulang 1 menit. Hasil yang
diperoleh yaitu suhu ruang mengalami fluktuasi selama 20 menit dan pada menit ke
5 suhu ruang sudah berada pada suhu set point sebesar 25 oC. Hasil dari proses
defuzzifikasi diperoleh magnitudo terbesar pada menit pertama yaitu pada suhu
awal sebesar 5. Hasil dari perhitungan derajat keanggotaan baik sudut fasa maupun
magnitudo diperoleh nilai 1 dan 0. Oleh karena itu, pemodelan sistem kendali
menggunakan sistem fuzzy dengan visual basic berhasil dilakukan karena nilai suhu
akhir pada pengontrolan selama 20 menit sesuai dengan nilai set point sebesar 25
o
C.

Daftar Pustaka
[BSN] Badan Standardisasi Nasional. 2001. Tata Cara Perancangan Sistem
Ventilasi dan Pengkondisian Udara pada Bangunan Gedung. SNI 03- 6752-
2001. Jakarta (ID): Badan Standardisasi.
Bullock JB. Artificial Intelligence, discretion, and bureaucracy. The American
Review of Public Administration. 49(7):751–761.
Caraka AA, Haryanto H, Kusumaningru, DP, Astuti S. Logika Fuzzy menggunakan
metode Tsukamoto untuk prediksi perilaku konsumen di toko bangunan.
Techno. COM. 14(4):255–265.
Fauzan I. 2020. Artificial Intelligence (AI) pada proses pengawasan dan
pengendalian kepegawaian – sebuah eksplorasi konsep setelah masa pandemi
berakhir. Civil Service. 14(1):31–42.
Goralski MA, Tan TK. 2020. Artificial Intelligence and sustainable development.
The International Journal of Management Education. 18(1):1–9.
Gultom DA. 2017. Penerapan kecerdasan buatan dalam menyelesaikan permainan
pergeseran angka pada Bintang David dengan metode pencarian breadth-first
dan pencarian heuristic menggunakan bahasa pemrograman visual. Jurnal
ISD. 2(2):174–181.
Irawan MD, Herviana. 2018. Implementasi logika Fuzzy dalam menentukan
jurusan bagi siswa baru Sekolah Menengah Kejuruan (SMK) Negeri 1 Air
Putih. Jurnal Teknologi Informasi. 2(2):129–137.
Kusumadewi S. 2003. Artificial Intelegence Teknik dan Aplikasinya. Jogjakarta:
Graha Ilmu.
Nainggolan H, Yusfi M. 2013. Rancang bangun sistem kendali temperatur dan
kelembaban relatif pada ruangan dengan menggunakan motor dc berbasis
mikrokontroler atmega8535. Jurnal Fisika Unand. 2(3):140-147.
Nasir J, Suprianto J. 2017. Analisis Fuzzy logic menentukan pemilihan motor
honda dengan metode Mamdani. 3(2):177–186.
Puspita ES, Yulianti L. 2016. Perancangan sistem peramalan cuaca berbasis logika
Fuzzy. 12(1):1–14.
Suyanto. 2011. Artificial Intelligence searching reasoning planning learning. Ed.
revisi. Bandung: Informatika.
LAMPIRAN
Lampiran 1 Tabel perhitungan sistem kendali kenyamanan termal ruang
Ulangan ke- T Tsp Ek ∆Ek f1∆Ek Dk Kuadran θk μP μN μD Uk Ket
- - - 0,0 - - - - - - - -
1 30,0 25,0 5,0 5,0 0,3 5,0 I 2,9 0,0 1,0 1,0 -6,0 Pendinginan
2 28,5 25,0 3,5 -1,5 -0,1 3,5 IV 358,8 0,0 1,0 1,0 -5,8 Pendinginan
3 27,0 25,0 2,0 -1,5 -0,1 2,0 IV 358,0 0,0 1,0 1,0 -5,7 Pendinginan
4 25,6 25,0 0,6 -1,4 -0,1 0,6 IV 353,3 0,1 0,9 0,6 -3,1 Pendinginan
5 24,8 25,0 -0,2 -0,8 0,0 0,2 III 192,7 1,0 0,0 0,2 0,7 Pemanasan
6 25,0 25,0 0,0 0,2 0,0 0,0 I 64,0 0,0 1,0 0,0 -0,1 Pendinginan
7 25,0 25,0 -0,01 0,0 0,0 0,0 III 184,0 1,0 0,0 0,0 0,0 Pemanasan
8 25,0 25,0 0,0 0,0 0,0 0,0 I 87,1 0,0 1,0 0,0 0,0 Pendinginan
9 25,0 25,0 0,0 0,0 0,0 0,0 III 183,0 1,0 0,0 0,0 0,0 Pemanasan
10 25,0 25,0 0,0 0,0 0,0 0,0 I 88,5 0,0 1,0 0,0 0,0 Pendinginan
11 25,0 25,0 0,0 0,0 0,0 0,0 III 182,9 1,0 0,0 0,0 0,0 Pemanasan
12 25,0 25,0 0,0 0,0 0,0 0,0 I 88,5 0,0 1,0 0,0 0,0 Pendinginan
13 25,0 25,0 0,0 0,0 0,0 0,0 III 182,9 1,0 0,0 0,0 0,0 Pemanasan
14 25,0 25,0 0,0 0,0 0,0 0,0 I 88,5 0,0 1,0 0,0 0,0 Pendinginan
15 25,0 25,0 0,0 0,0 0,0 0,0 III 182,9 1,0 0,0 0,0 0,0 Pemanasan
16 25,0 25,0 0,0 0,0 0,0 0,0 I 88,5 0,0 1,0 0,0 0,0 Pendinginan
17 25,0 25,0 0,0 0,0 0,0 0,0 III 182,9 1,0 0,0 0,0 0,0 Pemanasan
18 25,0 25,0 0,0 0,0 0,0 0,0 I 88,5 0,0 1,0 0,0 0,0 Pendinginan
19 25,0 25,0 0,0 0,0 0,0 0,0 III 182,9 1,0 0,0 0,0 0,0 Pemanasan
20 25,0 25,0 0,0 0,0 0,0 0,0 I 88,5 0,0 1,0 0,0 0,0 Pendinginan
Lampiran 2 Grafik perubahan suhu aktual terhadap suhu setpoint tiap menit

35,0

30,0

25,0

20,0
Suhu

15,0 T aktual
T set point
10,0

5,0

0,0
0 5 10 15 20 25
Ulangan ke-
Lampiran 3 Pemrograman pada masing-masing command button

'Baca data
Const pi = 3.141592654
Private Sub BacaData_Click()
data
End Sub

‘Hapus Hasil Perhitungan

Private Sub CommandButton2_Click()
For i = 1 To Sheet1.Cells(12, 2) * 5
Sheet2.Cells(5 + (i - 1), 1) = ""
Sheet2.Cells(5 + (i - 1), 2) = ""
Sheet2.Cells(5 + (i - 1), 3) = ""
Sheet2.Cells(5 + (i - 1), 4) = ""
Sheet2.Cells(5 + (i - 1), 5) = ""
Sheet2.Cells(5 + (i - 1), 6) = ""
Sheet2.Cells(5 + (i - 1), 7) = ""
Sheet2.Cells(5 + (i - 1), 8) = ""
Sheet2.Cells(5 + (i - 1), 9) = ""
Sheet2.Cells(5 + (i - 1), 10) = ""
Sheet2.Cells(5 + (i - 1), 11) = ""
Sheet2.Cells(5 + (i - 1), 12) = ""
Sheet2.Cells(5 + (i - 1), 13) = ""
Next i
End Sub

‘Hitung Semua Komponen

Private Sub CommandButton3_Click()
'memasukkan To
Sheet2.Cells(5, 2) = Sheet1.Cells(5, 2)
'menghitung Ek
Sheet2.Cells(5 + (i - 1), 4) = Sheet2.Cells(5 + (i - 1), 2) - Tsp

'menghitung delta Ek
Sheet2.Cells(5 + (i - 1), 5) = Sheet2.Cells(5 + (i - 1), 4) - Sheet2.Cells(4 + (i - 1),
4)

'menghitung f1*delta Ek
Sheet2.Cells(5 + (i - 1), 6) = f1 * Sheet2.Cells(5 + (i - 1), 5)

'menghitung Dk
 Sheet2.Cells(5 + (i - 1), 7) = ((Sheet2.Cells(5 + (i - 1), 4) ^ 2) + (Sheet2.Cells(5 +
(i - 1), 6) ^ 2)) ^ 0.5

'menghitung teta k
suduttt = Atn(Sheet2.Cells(5 + (i - 1), 6) / Sheet2.Cells(5 + (i - 1), 4))
'kuadran 1: 0 <= teta <= 90
If Sheet2.Cells(5 + (i - 1), 4) > 0.000001 And Sheet2.Cells(5 + (i - 1), 5) > 0 Then
' 'jika Ek > 0 dan deltaEk > 0
Sheet2.Cells(5 + (i - 1), 8) = suduttt * 180 / pi 'teta_k = suduttt * 180 / pi
'kuadran 2: 90 < teta <= 180
ElseIf Sheet2.Cells(5 + (i - 1), 4) < 0.000001 And Sheet2.Cells(5 + (i - 1), 5) > 0
Then '
Sheet2.Cells(5 + (i - 1), 8) = 180 - Abs((suduttt * 180) / pi)
ElseIf Sheet2.Cells(5 + (i - 1), 4) = 0.000001 And Sheet2.Cells(5 + (i - 1), 5) > 0
Then '
Sheet2.Cells(5 + (i - 1), 8) = 180
'kuadran 3: 180 < teta <= 270
ElseIf Sheet2.Cells(5 + (i - 1), 4) < 0.000001 And Sheet2.Cells(5 + (i - 1), 5) < 0
Then '
Sheet2.Cells(5 + (i - 1), 8) = 180 + Abs((suduttt * 180) / pi)
'kuadran 4: 270 < teta < 360
ElseIf Sheet2.Cells(5 + (i - 1), 4) > 0 And Sheet2.Cells(5 + (i - 1), 5) < 0 Then '
Sheet2.Cells(5 + (i - 1), 8) = 360 - Abs((suduttt * 180) / pi)
End If

'menghitung miu N dan miu P

fngradeee_90180 = ((Sheet2.Cells(5 + (i - 1), 8) - 90) / (180 - 90))
fngradeee_270360 = ((Sheet2.Cells(5 + (i - 1), 8) - 360) / (270 - 360))

'jika 0 <= sudut fasa <= 90

If Sheet2.Cells(5 + (i - 1), 8) >= 0 And Sheet2.Cells(5 + (i - 1), 8) <= 90 Then '
'jika teta_k <= 0 dan teta_k <= 90
Sheet2.Cells(5 + (i - 1), 9) = 0 'miu_P = 0
'jika 90 <= sudut fasa <= 180
ElseIf Sheet2.Cells(5 + (i - 1), 8) > 90 And Sheet2.Cells(5 + (i - 1), 8) <= 180 Then
'
Sheet2.Cells(5 + (i - 1), 9) = fngradeee_90180
'jika 180 < sudut fasa <= 270
ElseIf Sheet2.Cells(5 + (i - 1), 8) > 180 And Sheet2.Cells(5 + (i - 1), 8) <= 270
Then '
Sheet2.Cells(5 + (i - 1), 9) = 1 'miu_P = 1
'jika 270 < sudut fasa < 360
 ElseIf Sheet2.Cells(5 + (i - 1), 8) > 270 And Sheet2.Cells(5 + (i - 1), 8) < 360 Then
'
Sheet2.Cells(5 + (i - 1), 9) = fngradeee_270360
End If
Sheet2.Cells(5 + (i - 1), 10) = 1 - Sheet2.Cells(5 + (i - 1), 9)

'menghitung miu D
'jika 0 <= Dk <= f2
If Sheet2.Cells(5 + (i - 1), 7) >= 0 And Sheet2.Cells(5 + (i - 1), 7) <= f2 Then '
Sheet2.Cells(5 + (i - 1), 11) = Sheet2.Cells(5 + (i - 1), 7) / f2
Else
Sheet2.Cells(5 + (i - 1), 11) = 1
End If

'menghitung Uk
'jika teta_k >= 135 dan teta_k <= 315
If Sheet2.Cells(5 + (i - 1), 8) >= 135 And Sheet2.Cells(5 + (i - 1), 8) <= 315 Then
'
Sheet2.Cells(5 + (i - 1), 12) = (1 - 2 * Sheet2.Cells(5 + (i - 1), 10)) * Sheet2.Cells(5
+ (i - 1), 11) * Umpem
Else
Sheet2.Cells(5 + (i - 1), 12) = (1 - 2 * Sheet2.Cells(5 + (i - 1), 10)) * Sheet2.Cells(5
+ (i - 1), 11) * Umpen
End If
i=i+1
End Sub

Private Sub CommandButton4_Click()

'menghitung T
i=i-1
Sheet2.Cells(6 + (i - 1), 2) = Sheet2.Cells(5 + (i - 1), 2) + (P * Sheet2.Cells(5 + (i
- 1), 12))
'mengganti Ek pada Sheet1
Sheet1.Cells(16, 1) = Sheet2.Cells(5 + (i - 1), 4)
'mengganti delta Ek pada Sheet1
Sheet1.Cells(16, 2) = Sheet2.Cells(5 + (i - 1), 5)
'mengganti f1*delta Ek pada Sheet1
Sheet1.Cells(16, 3) = Sheet2.Cells(5 + (i - 1), 6)
'mengganti Dk pada Sheet1
Sheet1.Cells(21, 1) = Sheet2.Cells(5 + (i - 1), 7)
'mengganti Teta k pada Sheet1
Sheet1.Cells(21, 3) = Sheet2.Cells(5 + (i - 1), 8)
'mengganti Miu N pada Sheet1
Sheet1.Cells(25, 1) = Sheet2.Cells(5 + (i - 1), 10)
'mengganti Miu D pada Sheet1
Sheet1.Cells(25, 2) = Sheet2.Cells(5 + (i - 1), 11)
'mengganti Uk pada Sheet1
Sheet1.Cells(25, 3) = Sheet2.Cells(5 + (i - 1), 12)
'mengganti Ulangan ke- pada Sheet1
Sheet1.Cells(25, 4) = Sheet2.Cells(5 + (i - 1), 1)
'mengganti Temperatur Greenhouse pada Sheet1
Sheet1.Cells(5, 3) = Sheet2.Cells(6 + (i - 1), 2)
i=i+1

End Sub
Lampiran 4 Pemrograman visual basic pada Module1

Public i, Tnol, Tsp, f1, f2, Umpen, Umpem, P, n, Ek, j

Public sudut
Const pi = 3.141592654
Sub data()
Dim j
Tnol = Sheet1.Cells(5, 2)
Tsp = Sheet1.Cells(6, 2)
f1 = Sheet1.Cells(7, 2)
f2 = Sheet1.Cells(8, 2)
Umpen = Sheet1.Cells(9, 2)
Umpem = Sheet1.Cells(10, 2)
P = Sheet1.Cells(11, 2)
n = Sheet1.Cells(12, 2)

i=1

For j = 1 To Sheet1.Cells(12, 2)
Sheet2.Cells(5 + (j - 1), 1) = j
Next j
For j = 1 To Sheet1.Cells(12, 2)
Sheet2.Cells(5 + (j - 1), 3) = Sheet1.Cells(6, 2)
Next j
End Sub
Function fngrade_90180(teta_k)
fngrade_90180 = ((teta_k - 90) / (180 - 90))
End Function
Function fngrade_270360(teta_k)
fngrade_270360 = ((teta_k - 360) / (270 - 360))
End Function
Function Dk(Ek, f1, deltaEk)
Dk = (Ek ^ 2 + (f1 ^ 2 * deltaEk ^ 2)) ^ 0.5
End Function
Function teta_k(f1, deltaEk, Ek)
If Ek = 0 Then Ek = 0.00001
sudut = Atn(f1 * deltaEk / Ek)
If Ek > 0.00001 And deltaEk > 0 Then teta_k = (sudut * 180) / pi '0<= sudut <= 90
If Ek < 0.00001 And deltaEk > 0 Then teta_k = 180 - Abs(sudut * 180) / pi '90 <
sudut <=180
If Ek = 0.00001 And deltaEk > 0 Then teta_k = 180 '90 < sudut <=180
 If Ek < 0.00001 And deltaEk < 0 Then teta_k = 180 + Abs((sudut * 180) / pi) '180
< sudut <= 270
If Ek > 0 And deltaEk < 0 Then teta_k = 360 - Abs((sudut * 180) / pi)
End Function
Function Miu_P(teta_k)
If teta_k >= 0 And teta_k <= 90 Then Miu_P = 0 '0 <= sudut <= 90
If teta_k > 90 And teta_k < 180 Then Miu_P = fngrade_90180(teta_k) '90 < sudut
<= 180
If teta_k >= 180 And teta_k <= 270 Then Miu_P = 1 '180 < sudut <=
270
If teta_k > 270 And teta_k < 360 Then Miu_P = fngrade_270360(teta_k)
End Function
Function Miu_n(Miu_P)
Miu_n = 1 - Miu_P
End Function
Function Miu_d(Dk, f2)
If Dk >= 0 And Dk <= f2 Then Miu_d = (Dk - 0) / (f2 - 0)
If Dk > f2 Then Miu_d = 1
End Function
Function Uk(Miu_n, Miu_d, teta_k)
If teta_k >= 135 And teta_k <= 315 Then
Uk = (1 - 2 * Miu_n) * Miu_d * 4
Else
Uk = (1 - 2 * Miu_n) * Miu_d * 6
End If
End Function
Function Tt(Tawal, P, Uk)
Tt = Tawal + P * Uk
End Function
End Function