Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN: 2548-964X

Vol. 2, No. 11, November 2018, hlm. 5301-5309 http://j-ptiik.ub.ac.id

Implementasi Pengkondisian Kipas dan Lampu Otomatis Menggunakan

Logika Fuzzy
Randy Maulana1, Mochammad Hannats Hanafi Ichsan2, Gembong Edhi Setyawan3
Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya
Email: 1randy.m95@gmail.com, 2hanas.hanafi@ub.ac.id, 3gembong@ub.ac.id

Abstrak
Kebutuhan energi listrik di Indonesia semakin meningkat bersamaan dengan pertumbuhan ekonomi dan
industri nasional serta pertumbuhan penduduk setiap tahunnya. Peningkatan ini terjadi karena peralatan-
peralatan elektronik seperti pendingin ruangan dibiarkan menyala meskipun tidak ada orang pada
ruangan, contoh yang sama pada TV dan yang dibiarkan menyala terus pada sebuah ruangan. Kebiasaan
umum seperti ini disebabkan karena prinsip dari peralatan-peralatan elektronik ini menggunakan prinsip
on-off. Untuk mengatasi masalah-masalah tersebut pada penelitian ini akan mengimplementasikan suatu
sistem pengkondisian kipas dan lampu dengan menggunakan logika Fuzzy. Sistem akan menggunakan
beberapa perangkat keras seperti mikrokontroller Arduino Mega dengan sensor input dari LDR sebagai
sensor cahaya, DHT11 sebagai sensor suhu, dan dua sensor ultrasonik sebagai sensor gerak dan jarak,
dan hasil output akan menggunakan DC motor sebagai kipas, dan LED sebagai lampu. Logika Fuzzy
pada sistem akan menggunakan bantuan Embedded Fuzzy Logic Library (eFLL) digunakan untuk
memudahkan implementasi proses fuzzifikasi yaitu menentukan fungsi keanggotaan input dan output,
proses inferensi pembentukan aturan Fuzzy dan proses defuzzifikasi pengkonversian nilai input menjadi
nilai tegas. Tingkat akurasi dan keberhasilan logika Fuzzy pada sistem akan diuji dengan
membandingkan nilai output sistem pada alat dengan nilai output sistem pada MATLAB. Rata-rata
akurasi yang didapat untuk output kipas mencapai 98,77% dan output lampu mencapai 92,54%.
Kata kunci: logika Fuzzy, otomatis, kipas, lampu, ruangan

Abstract
Electrical energy needs in Indonesia is increasing along with economic growth and national industry
and population growth every year. This increase occurs because electronic appliances such as air
conditioners are left on, even though no one is in the room, the same example on the TV and left lit
continuously in a room. This common practice is due to the principle of electronic devices using the on-
off principle. To overcome these problems in this study will implement a system of fan and lamp
conditioning using Fuzzy logic. The system will use some hardware such as Arduino Mega
microcontroller with LDR input sensor as light sensor, DHT11 as temperature sensor, and two
ultrasonic sensors as motion and distance sensors, and output will use DC motor as fan, and LED as
lamp. Fuzzy logic on the system will use the help of Embedded Fuzzy Logic Library (eFLL), the library
is used to facilitate the implementation of fuzzification process that determines the membership function
of input and output, the inference process is the formation of Fuzzy rules and defuzzification process
that is convert the input value into firm value. The level of accuracy and success of Fuzzy logic on the
system will be tested by comparing the value of system output on the tool with the system output value
in MATLAB. The average accuracy obtained for fan output reached 98.77% and the lamp output
reached 92.54%.
Keywords: Fuzzy logic, automatic, fan, lamp, room

serta pertumbuhan penduduk. Kebutuhan energi

1. PENDAHULUAN listrik tersebut dibagi menjadi beberapa sektor
Kebutuhan energi listrik di Indonesia diantaranya sektor industri, sektor rumah tangga,
semakin meningkat bersamaan dengan sektor transportasi, dan sektor komersial. Sektor
pertumbuhan ekonomi dan industri nasional rumah tangga menjadi salah satu sektor yang

Fakultas Ilmu Komputer

Universitas Brawijaya 5301
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
paling mendominasi akan kebutuhan energi
listrik pada tahun 2013, karena dengan adanya
perkembangan teknologi peralatan rumah
tangga, seperti TV, setrika, dan kulkas yang saat
ini menjadi kebutuhan utama. Di kota-kota besar
kebutuhan akan penggunan pendingin ruangan
semakin meningkat. Akibatnya kebutuhan listrik
pada sektor rumah tangga diperkirakan akan
meningkat tajam. Pemanfaatan listrik per rumah
tangga pada tahun 2013 adalah sebesar 3,057
kWh/RT dan diperkirakan meningkat menjadi
24,448 kWh/RT di tahun 2050 (Badan
Pengkajian dan Penerapan Teknologi, 2015).
Peningkatan ini terjadi karena peralatan-
peralatan elektronik seperti pendingin ruangan
dibiarkan menyala meskipun tidak ada orang
pada ruangan, contoh yang sama pada TV dan
yang dibiarkan menyala terus pada sebuah
ruangan. Kebiasaan umum seperti ini
disebabkan karena prinsip dari peralatan-
peralatan elektronik ini menggunakan prinsip
on-off. Kondisi ini dapat mengakibatkan
penggunaan energi listrik yang tidak efisien dan
berkurangnya masa pakai pada peralatan-
peralatan elektronik tersebut (Tarigan, et al.,
2015). Dengan adanya penggunaan energi listrik
yang seperti ini maka diperlukan suatu sistem
kendali atau pengkondisian peralatan-peralatan
elektronik yang akan mengatasi masalah
tersebut.
Penelitian-penelitian sebelumnya yang telah
dilakukan oleh Tarigan (2013) telah membuat
pengendalian alat pendingin ruangan secara
otomatis yang dapat membantu dalam
penghematan listrik. Penelitian tersebut
menggunakan mikrokontroler ATMega 8535
dan dua jenis sensor input yaitu LM35 sebagai
sensor suhu dan PIR (Passive Infrared) sebagai
sensor gerak. Sistem menggunakan metode fuzzy
logic untuk melakukan pengambilan keputusan
yang selanjutnya akan diproses oleh
mikrokontroler. Namun hasil pada penelitian
tersebut masih dalam bentuk simulasi pendingin
ruangan yang dapat mendeteksi gerakan manusia
dan suhu dalam sebuah ruangan.
Penelitian berikutnya dari Mulia (2017)
telah dibuat sebuah sistem pengkondisian nyala
AC dan Lampu secara otomatis dengan
menggunakan logika Fuzzy Sugeno. Adapun
beberapa sensor input yang digunakan
diantaranya adalah LDR sebagai sensor cahaya,
DHT11 sebagai sensor suhu dan kelembaban,
PIR sebagai sensor gerak, dan Mikrokontroler
Arduino Uno untuk menjalakan logika fuzzy.
Namun dari sisi output AC dan Lampu masih
Fakultas Ilmu Komputer, Universitas Brawijaya
5302
menggunakan angka yang ditampilkan pada
LCD.
Berdasarkan latar belakang yang telah
disampaikan, pada penelitian ini penulis akan
melakukan pengkondisian kipas dan lampu
dengan menggunakan logika Fuzzy. Alasannya,
logika fuzzy merupakan komponen dari soft
computing dan telah banyak diaplikasikan di
berbagai bidang kehidupan. Salah satu aplikasi
terpentingnya adalah untuk membantu manusia
dalam melakukan pengambilan keputusan,
karena banyaknya kondisi yang menuntut
adanya keputusan yang tidak hanya bisa dijawab
dengan ‘Ya’ atau ‘Tidak’ (Kusumadewi &
Purnomo, 2013). Logika Fuzzy menjadi sangat
populer dalam bidang kontrol, karena pada
umumnya proses dari kontrol logika Fuzzy
sangat sederhana untuk merealisasikan atau
mewujudkan strategi kontrol manusia, dimana
kontrol konvensional sangat bergantung pada
model matematis yang sesuai (Oltean & Ivanciu,
2017). Alasan lain mengapa digunakannya
logika fuzzy untuk pengkondisian kipas dan
lampu pada penelitian ini yaitu logika fuzzy
sangat fleksibel, memiliki toleransi terhadap
data-data yang tidak tepat, mampu memodelkan
fungsi-fungsi nonlinear yang kompleks, dan
dalam pengaplikasiannya daya guna dan
pengendaliannya dianggap lebih baik daripada
teknik kendali lain, mudah diperbaiki, usaha dan
dana yang dibutuhkan lebih kecil (Saelan, 2009).
Penelitian ini akan mengimplementasikan
sistem pengkondisian kipas dan lampu dengan
menggunakan beberapa perangkat keras seperti
mikrokontroller Arduino Mega dengan sensor
input dari LDR sebagai sensor cahaya, DHT11
sebagai sensor suhu, dan dua sensor ultrasonik
sebagai sensor gerak dan jarak, dan hasil output
akan menggunakan DC motor sebagai kipas, dan
LED sebagai lampu. Sehingga akan didapatkan
hasil output yang dapat menyesuaikan keadaan
suhu dan cahaya yang sesungguhnya pada
sebuah ruangan.
2. PERANCANGAN DAN
IMPLEMENTASI
2.1 Perancangan Sistem
Perangkat yang dirancang merupakan sistem
yang dapat mengkondisikan kecepatan kipas dan
kecerahan lampu berdasarkan input suhu dari
sensor DHT11, intensitas cahaya dari sensor
LDR dan jarak atau pergerakan dari sensor
Ultrasonik. Input dari suhu, cahaya dan
pergerakan akan diolah menggunakan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
mikrokontroller Arduino Mega. Dalam
mikrokontroller akan ditanam sebuah logika
fuzzy yang menggunakan metode Mamdani
dengan bantuan library eFLL, selanjutnya kode
program akan memproses input untuk
mengkondisikan output berupa kecepatan kipas
dan kecerahan lampu.
INPUT PROSES
Sensor DHT11
Arduino Mega
Sensor LDR
Sensor Ultrasonik 1 Logika Fuzzy
Sensor Ultrasonik 2
Gambar 1 Diagram Blok Sistem
Berdasarkan Gambar 1 diagram
perancangan input, proses dan ouput pada sistem
akan dijelaskan sebagai berikut.
1. Input, merupakan sebuah data masukan
yang akan diproses oleh sistem, input yang
digunakan terdiri dari empat sensor yaitu
LDR, sensor DHT, dan dua sensor
Ultrasonik.
2. Proses, merupakan pengolahan data
masukan atau input yang nantinya
diproses menjadi output . Proses pada
sistem akan menggunakan logika Fuzzy
yang akan dijalankan pada Arduino Mega.
3. Output, merupakan hasil dari proses
dengan menggunakan media LED sebagai
Lampu dan DC sebagai Kipas.
2.2 Perancangan Alat Prototipe Sistem
Berikut perancangan alat prototipe yang
akan dibuat dimana alat akan diletakkan pada
sebuah kotak, DC motor akan digunakan sebagai
kipas dan kemudian sensor dua sensor ultrasonik
akan diletakkan di bagian bawah kipas sebagai
deteksi gerak dan jarak. Sensor DHT11 dan
sensor LDR akan diletakan pada kotak yang
akan mendeteksi suhu dan cahaya yang masuk,
sebuah LED juga diletakkan pada kotak yang
akan digunakan sebagai lampu. Semua deteksi
input nantinya akan di proses pada Arduino
Mega dengan menggunakan logika fuzzy
selanjutnya akan ditentukan keluaran output
kipas dan lampu berdasarkan nilai hasil
prosesnya. Berikut Gambar 2 akan menunjukkan
prototipe yang akan dibuat.
Fakultas Ilmu Komputer, Universitas Brawijaya
5303
Arduino Mega
DHT11
LDR
DC Motor
LED
OUTPUT
Ultrasonik 1 Ultrasonik 2
Lampu LED Gambar 2 Perancangan alat prototipe sistem
2.3 Fuzzifikasi
Pada tahap ini akan dilakukan perancangan
Kipas
fungsi keanggotaan input, ada 4 fungsi yang
digunakan diantaranya yaitu gerak, jarak, suhu
dan cahaya. Kemudian setelah dibuat
perancangannya fungsi keanggotaan input akan
diimplementasikan pada Arduino dengan
menggunakan fungsi dari library eFLL.
2.3.1 Perancangan fungsi keanggotaan input
gerak
Pada input gerak digunakan 3 fungsi
keanggotaan yaitu tidak ada, pasif dan aktif.
Digunakannya 3 fungsi keanggotaan sebagai
pengembangan dari penelitian sebelumnya yang
dilakukan oleh Mulia (2017) yang hanya
menggunakan 2 fungsi keanggotaan pada
pergerakan seseorang. Masing-masing memiliki
domain range atau batasan nilai, diasumsikan
tidak ada orang jika sensor tidak mendeteksi
apapun dalam jangkauannya atau bernilai 0, dan
pasif jika sensor mendeteksi seseorang dalam
jarak 0-200cm, dan aktif jika sensor mendeteksi
seseorang dalam jarak 200-300cm. Nilai data
domain didapatkan melalui survey yang sudah
dilakukan oleh peneliti. Fungsi keanggotaan
input gerak dibentuk menggunakan representasi
kurva trapesium karena range data yang diambil
cukup banyak dan batasan pengambilan nilai
input gerak mencapai 300cm. Berikut Gambar 3
akan menunjukkan kurva dari fungsi
keanggotaan input gerak.
Gambar 3 Kurva fungsi keanggotaan input gerak
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 5304

Berikut Tabel 1 akan menunjukkan domain telah dilakukan oleh Mulia (2017) tentang
range input gerak. pengkondisian AC dan lampu otomatis rada
Tabel 1 Domain range input gerak rebuah ruangan. Berikut Gambar 3.5 akan
No. Fungsi Keanggotaan Range (cm) menunjukkan kurva domain range atau batasan
nilai input suhu.
1 Tidak ada 0
2 Pasif [0 200 ]
3 Aktif [ 150 ≥200 ]

2.3.2 Perancangan fungsi keanggotaan input

jarak
Pada input jarak terdapat 3 fungsi
keanggotaan yaitu dekat, sedang dan jauh.
Masing-masing memiliki domain range atau
batasan nilai sesuai dengan data survey yang Gambar 5 Kurva fungsi keanggotaan input suhu
sudah dilakukan oleh peneliti. Fungsi
keanggotaan input jarak dibentuk menggunakan Berikut Tabel 3 akan menunjukkan domain
representasi kurva trapesium karena range data range input suhu.
yang diambil cukup banyak dan batasan Tabel 3 Domain range input suhu
pengambilan nilai input jarak mencapai 300cm. No. Fungsi Keanggotaan Range (ºC)
Berikut Gambar 3.4 akan menunjukkan kurva
1 Dingin [ ≤16 25 ]
data domain range atau batasan nilai dari input
jarak. 2 Normal [ 20 30 ]
3 Panas [ 25 ≥34 ]

2.3.4 Perancangan fungsi keanggotaan input

cahaya
Pada input cahaya terdapat 5 fungsi
keanggotaan yaitu sangat gelap, gelap, remang,
terang dan sangat terang. Masing-masing
memiliki domain range atau batasan nilai yang
Gambar 4 Kurva fungsi keanggotaan input jarak mengacu pada penelitian yang telah dilakukan
Berikut Tabel 2 akan menunjukkan domain oleh Caldo (2015) mengenai perancangan dan
range input jarak. pengembangan logika fuzzy pada sistem
pencahayaan menggunakan mikrokontroler
Arduino. Berikut Gambar 3.6 akan menunjukkan
kurva domain range atau batasan nilai input
cahaya.
Tabel 2 Domain range input jarak
No. Fungsi Keanggotaan Range (cm)
1 Dekat [0 ≤70 ]
2 Sedang [ 60 190 ]
3 Jauh [ 180 ≥190 ]

2.3.3 Perancangan fungsi keanggotaan input

suhu
Pada input suhu terdapat 3 fungsi
keanggotaan yaitu dingin, normal dan jauh.
Masing-masing memiliki domain range atau
batasan nilai yang mengacu pada penelitian yang
Gambar 6 Kurva fungsi keanggotaan input cahaya
Berikut Tabel 4 akan menunjukkan domain
range input cahaya.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 5305

Tabel 4 Domain range input cahaya menunjukkan kurva domain range atau batasan
No. Fungsi Keanggotaan Range (lux) nilai output kipas.
1 Sangat Gelap [0 ≤175 ]
2 Gelap [ 100 250 ]
3 Remang [ 175 362 ]
4 Terang [ 250 473 ]
5 Sangat Terang [ 362 ≥700 ]

2.4 Inferensi
Proses inferensi merupakan proses Gambar 7 Kurva fungsi keanggotaan output kipas
pembentukan rule dan mencari rule evaluation
dan rule aggregation. Pada proses inferensi akan Berikut Tabel 5 akan menunjukkan domain
dilakukan pembentukan rule Fuzzy. range output kipas.
Pembentukan rule Fuzzy digunakan untuk Tabel 5 Domain range output kipas
menyatakan relasi antara variabel input dan No. Fungsi Keanggotaan Range (PWM)
output. Pada penelitian ini kondisi output yang 1 Pelan [0 ≤160 ]
digunakan ada 4 kondisi untuk kecepatan kipas
yaitu padam, pelan, sedang, cepat, dan ada 5 2 Sedang [ 150 190 ]
kondisi kecerahan lampu yaitu padam, sangat 3 Cepat [ 180 ≥190 ]
redup. Jumlah rule didapat dari nilai perkalian
jumlah fungsi keanggotaan variabel input. Ada
3 jumlah fungsi keanggotaan pada varibel gerak, 2.5.2 Perancangan fungsi keanggotaan
3 pada variabel jarak, 3 pada variabel suhu, dan output lampu
4 pada variabel cahaya. Jadi ada 135 rule yang Pada output lampu terdapat 5 fungsi
akan digunakan pada sistem sehingga keanggotaan yaitu padam, sangat redup, redup,
membentuk beberapa kombinasi rule fuzzy terang dan sangat terang. Masing-masing
memiliki domain range atau batasan nilai yang
2.5 Defuzzifikasi
mengacu pada penelitian yang dilakukan oleh
Proses selanjutnya yaitu defuzzifikasi, yaitu Irianto, Jaya, dan Anggelo (2011) tentang
proses akhir yang akan mengkonversi semua aplikasi pengkondisian lampu pada ruangan
nilai input crisp menjadi nilai tegas. Proses menggunakan logika fuzzy berbasis
defuzzifikasi diawali dengan melakukan mikrokontroller. Berikut Gambar 3.8 akan
perancangan fungsi keanggotaan output dan menunjukkan kurva domain range atau batasan
selanjutnya defuzzifikasi akan nilai output lampu.
diimplementasikan pada Arduino.

2.5.1 Perancangan fungsi keanggotaan

output kipas
Pada output kipas terdapat 3 fungsi
keanggotaan yaitu pelan, sedang, dan cepat.
Masing-masing memiliki domain range atau
batasan nilai yang mengacu berdasarkan data Gambar 8 Kurva fungsi keanggotaan output lampu
survey yang telah dilakukan oleh penulis pada
lampiran C. Fungsi keanggotaan output kipas Berikut Tabel 6 akan menunjukkan domain
dibentuk menggunakan representasi kurva range output lampu.
trapesium karena data PWM kecepatan dan Tabel 6 Domain range output lampu
kecerahan cukup banyak dengan batasan nilai No. Fungsi Keanggotaan Range (PWM)
PWM mencapai 250. Berikut Gambar 3.7 akan
1 Padam [0 ≤62 ]

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 5306

2 Sangat Redup [0 125 ] gerak dan jarak

Nilai Nilai
Nilai Akurasi Akurasi
3 Redup [ 62 187 ] input input
alat ukur Sensor Sensor
No. Sensor Sensor
meteran Gerak Jarak
4 Terang [ 125 250 ] Gerak Jarak
(cm) (%) (%)
(cm) (cm)
5 Sangat Terang [ 187 ≥250 ] 1 70 70 70 100 100
2 101 100 100 99 100
3 111 112 110 99,09 98,18
4 129 128 130 99,23 98,46
2.6 Implementasi 5 145 139 140 96,42 99,28
6 151 150 150 99,34 100
Proses selanjutnya adalah implementasi dari 7 160 159 160 100 99,37
semua tahap perancangan mulai dari fuzzifikasi, 8 168 169 170 98,82 99,42
inferensi, dan defuzzifikasi ke Arduino Mega 9 183 181 180 98,33 99,45
10 188 189 190 98,95 99,47
dengan menggunakan library eFLL, pada library 11 199 199 200 99,5 99,5
ini digunakan metode Mamdani dimana 12 209 210 210 99,52 100
implikasinya menggunakan metode MIN dan 13 220 219 220 100 99,54
komposisi aturan yang digunakan adalah metode 14 230 229 230 100 99,56
15 240 241 240 100 99,58
MAX. Selanjutnya defuzzifikasi menggunakan Rata-rata 99,22 99,45
metode COA (Center of Area). Pada penelitian
ini juga akan diimplementasikan sebuah simulasi
MATLAB, simulasi ini bertujuan untuk
melakukan pengujian akurasi keberhasilan
output sistem dengan perhitungan manual pada
MATLAB.

3. HASIL PENGUJIAN
Pada penelitian pengujian dilakukan dengan
mencari tingkat akurasi dari sensor Ultrasonik
gerak dan jarak, DHT11, dan LDR. Nilai input
sensor nantinya akan dibandingkan dengan nilai
input yang diambil dengan alat ukur. Selanjutnya Gambar 9 Grafik perbandingan input sensor Ultrasonik
akan dilakukan pengujian kesesuaian output dengan alat ukur
sistem dengan rule fuzzy atau aturan yang telah
Dari hasil pengujian yang telah dilakukan
dibuat. Kemudian data dari pengujian
pada Tabel 7 didapatkan rata-rata akurasi untuk
kesesuaian output sistem akan dibandingkan
gerak sebesar 99,22% dan jarak sebesar 99,45%
dengan nilai output dari MATLAB yang telah
dari 15 kali pengujian. Dan dapat dilihat pada
dibuat mengacu. Semua pengujian akan
Gambar 9 grafik menunjukkan nilai jangkauan
dilakukan sebanyak 15 kali.
yang tidak jauh berbeda satu sama lain. Dapat
disimpulkan bahwa akurasi pembacaan sensor
3.1 Pengujian Sensor Ultrasonik Gerak dan
sangat baik dalam mendeteksi adanya
Jarak
keberadaan dan pergerakan seseorang dalam
Pengujian sensor Ultrasonik dilakukan jangkauannya.
untuk mengetahui akurasi dari sensor dalam
mendeteksi gerak dan jarak. Ada 2 sensor 3.2 Pengujian Sensor DHT11
ulltrasonik yang akan diuji, salah satunya
Pengujian sensor DHT11 bertujuan untuk
digunakan untuk mendeteksi gerak dan yang
mengetahui akurasi dari sensor dalam
lainnya untuk mengukur jarak. Nilai input dari
mendeteksi suhu pada ruangan. Nilai sensor
kedua sensor berupa centimeter (cm) yang akan
akan dibandingkan dengan nilai alat ukur suhu.
dibandingkan dengan meteran (cm). Perubahan
Alat ukur yang digunakan adalah HTC-2 Digital
nilai input dilakukan dengan mendeteksi orang
Hygrometer Thermometer Clock. Perubahan
pada jangkauan sensor. Berikut Tabel 7 akan
nilai input suhu dilakukan dengan menggunakan
menunjukan hasil pengujian perbandingan
air panas dan air dingin. Berikut Tabel 8 akan
kedua sensor dengan alat ukur dan Gambar 9
menunjukkan hasil perhitungan akurasi dan
akan menunjukkan grafik perbandingannya.
Gambar 10 akan menunjukkan grafik
Tabel 7 Hasil pengujian akurasi sensor ultrasonik perbandingan nilai sensor dengan alat ukur.

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 5307

Tabel 8 Hasil pengujian akurasi sensor DHT11 Gambar 4.3 akan menunjukkan grafik
No. Nilai input Nilai input Akurasi (%) perbandingan nilai sensor dengan alat ukur.
Sensor (ºC) alat ukur (ºC)
1 26 27,2 95,58 Tabel 9 Hasil pengujian akurasi sensor LDR
2 26 27,2 95,58 No. Nilai input Nilai input Akurasi (%)
3 26 27,2 95,58 Sensor (lux) alat ukur
4 27 27 100 (lux)
1 41 29 58,62
5 27 27 100
2 43 30 56,67
6 27 26,9 99,62 3 64 49 69,38
7 27 26,9 99,62 4 60 40 50
8 24 25,3 94,86 5 62 47 68,08
9 24 25,3 94,86 6 87 76 85,52
10 23 25 92 7 124 108 85,18
11 28 32,2 86,95 8 116 89 69.66
9 123 97 73,19
12 28 32,2 86,95
10 175 146 80,13
13 28 33,1 84,59 11 186 167 88,62
14 29 33,1 87,61 12 156 133 82,71
15 29 33,1 87,61 13 156 136 85,29
Rata-rata 93,43 14 148 120 76,67
15 132 112 82,14
Rata-rata 74,12

Gambar 10 Grafik perbandingan input sensor DHT11

dengan alat ukur
Hasil pengujian sensor DHT11 pada Tabel 8
didapatkan rata-rata akurasi 93,43% dari 15 kali
pengujian. Dapat dikatakan bahwa tingkat
akurasi sensor cukup baik dalam mendeteksi
suhu di sekitarnya. Namun, dapat dilihat pada
Gambar 10 pada grafik perbedaan terlihat pada
pengujian ke-8 hingga ke-15 saat suhu tinggi
akurasi sensor menjadi menurun dari 99,62%
pada pengujian ke-7 hingga 84,59% pada
pengujian ke-13. Dapat dikatakan bahwa tingkat
akurasi sensor DHT11 menjadi menurun ketika
suhu tinggi.
Gambar 11 Grafik perbandingan input sensor LDR
dengan alat ukur
Dari Tabel 9 pengujian sensor LDR
didapatkan rata-rata akurasi 74,12% dari 15 kali
pengujian. Pada gambar 11 grafik
memperlihatkan banyak perbedaan hasil
pembacaan input sensor dengan alat ukur
dikarenakan tingkat akurasi sensor yang rendah
dan ketidak-seimbangan pemberian input
cahaya yang dihasilkan oleh lampu senter pada
sensor dan alat ukur saat pengujian.
3.4 Pengujian Kesesuaian Output

3.3 Pengujian Sensor LDR Pengujian Pengujian kesesuaian output

Pengujian sensor LDR bertujuan untuk
mengetahui akurasi dari sensor dalam
mendeteksi cahaya yang masuk pada ruangan.
Alat ukur yang digunakan sebagai pembanding
adalah Digital Lux Light Flux Meter. Perubahan
nilai input dilakukan dengan memberi cahaya
dari lampu senter. Berikut Tabel 9 akan
menunjukkan hasil perhitungan akurasi dan
dilakukan untuk mengetahui kesesuaian output
alat prototipe sistem dengan rule fuzzy atau
aturan yang telah dibuat. Pengujian dilakukan
dengan meletakkan alat prototipe sistem pada
ruangan yang nantinya akan mendeteksi suhu
ruangan dan cahaya yang masuk pada ruangan.
Untuk pergerakan akan dilakukan secara pasif
atau dalam keadaan duduk diam dalam
jangkauan sensor dari alat prototipe sistem dan

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 5308

pengujian dilakukan selama 24 jam dengan

pengambilan nilai bedasarkan jam/pukul
tertentu. Berikut Tabel 10 akan menunjukkan
hasil pengujian kesesuaian output kipas dan
lampu dari alat prototipe.

Tabel 10 Hasil pengujian kesesuaian output sistem

Berikut Gambar 12 dan Gambar 13 akan

menunjukkan grafik perbandingan nilai output
sistem dengan nilai output matlab.

Dari pengujian yang telah dilakukan pada

Tabel 10 bahwa semua output yang dihasilkan
dari 15 kali pengujian semuanya sesuai dengan
rule fuzzy atau aturan yang dibuat. Ini
menunjukkan bahwa sistem dapat berjalan
dengan sangat baik dalam mendeteksi input dan
menghasilkan output yang sesuai dengan rule
fuzzy atau aturan yang telah dibuat.
Gambar 12 Grafik perbandingan output kipas sistem
3.5 Pengujian Logika Fuzzy dengan dengan MATLAB
MATLAB
Pengujian logika fuzzy dilakukan dengan
membandingkan nilai output sistem yang telah
di dapat dari kesesuaian output dengan output
yang di dapat dari MATLAB dan selanjutnya
akan dilakukan perhitungan akurasinya. Pada
pengujian hasil output sistem dan MATLAB
menggunakan tipe data floating point Berikut
Tabel 11 akan menunjukkan hasil pengujian
akurasinya. Gambar 13 Grafik perbandingan output lampu sistem
dengan MATLAB
Tabel 11 Hasil pengujian akurasi output sistem
dengan output MATLAB Berdasarkan Tabel 4.4 didapatkan tingkat
akurasi dari output kipas mencapai 98,77% dan
tingkat akurasi dari output lampu mencapai
92,54%. Dapat dikatakan tingkat akurasi sistem
cukup tinggi meskipun kinerja sistem pada
output kipas lebih tinggi dari output lampu.

4. KESIMPULAN
Dalam merancang pengkondisian kipas dan
lampu otomatis dengan menggunakan logika
fuzzy diperlukan 3 tahap, tahap pertama adalah
fuzzifikasi yaitu menentukan fungsi

Fakultas Ilmu Komputer, Universitas Brawijaya

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 5309

keanggotaan dari dan output dengan melakukan Oltean, G. & Ivanciu, L.-N., 2017.
pemetaan data tegas ke himpunan fuzzy pada Implementation of a Fuzzy Logic-Based
tahap ini ada 4 variabel input yang digunakan Embedded System for Temperature Control. s.l.,
antara lain gerak, jarak, suhu dan cahaya IEEE Xplore Digital Library.
kemudian untuk variabel output ada 2 yaitu kipas
Saelan, A., 2009. Logika Fuzzy, Bandung:
dan lampu, tahap kedua inferensi yaitu
Institut Teknologi Bandung.
pembentukan rule dan mencari rule evaluation
dan rule aggregation pada tahap ini dibuat Susilo, F., 2006. Himpunan dan logika kabur
sebanyak 135 rule atau aturan pada sistem serta aplikasinya. Yogyakarta: Graha Ilmu.
dengan menggunakan fungsi implikasi Min, Tarigan, P., 2013. Sistem Pengendali Pendingin
defuzzifikasi yaitu mengkonversi semua nilai Ruangan Menggunakan Fuzzy Logic Berbasis
crisp menjadi nilai tegas pada tahap ini metode Mikrokontroler ATMega 8535, Medan:
yang digunakan pada sistem adalah Centroid. Informasi dan Teknologi Ilmiah (INTI).
Untuk implementasi logika fuzzy digunakan
Arduino Mega sebagai mikrokontroller sistem, Tarigan, P., Sinurat, S. & Sinambela, M., 2015.
selanjutnya digunakan fungsi-fungsi pada Implementation of A Mamdani Fuzzy Logic
library eFLL untuk mempermudah implementasi Controller for Building Automation Using
logika fuzzy pada Arduino Electronic Control Based on AT89S51. s.l.,
Tingkat keberhasilan sistem pada penelitian IEEE Xplore Digital Library.
didapatkan dengan mencari nilai akurasi dari
perbandingan nilai output sistem dengan output
MATLAB. Rata-rata akurasi yang didapatkan
dari output kipas yaitu 98,77% dan output lampu
yaitu 92,54%, ini menunjukkan bahwa kinerja
dan akurasi dari output sistem yang dibuat cukup
tinggi. Sedangkan untuk rata-rata akurasi dari
tiap input sensor yang didapat yaitu 99,22%
untuk gerak, 99,45% untuk jarak, 93,43% untuk
suhu, dan 74,12% untuk cahaya.

5. DAFTAR PUSTAKA
Badan Pengkajian dan Penerapan Teknologi,
2015. Outlook Energi Indonesia (OEI) 2015.
Jakarta: Pusat Teknologi Pengembangan
Sumberdaya Energi.
Caldo, R. B., 2015. Design and Development of
Fuzzy Logic Controlled Dimming Lighting
System Using Arduino Microcontroller.
Philippines, 8th IEEE International Conference
Humanoid.
Irianto, Jaya, A. & Anggelo, D., 2011.
Application of Fuzzy Logic to Control Room
Illumination Based Microcontroller. Surabaya,
Politeknik Elektronika Negeri Surabaya.
Kusumadewi, S. & Purnomo, H., 2013. Aplikasi
Logika Fuzzy Untuk Pendukung Keputusan. 2nd
penyunt. Yogyakarta: Graha Ilmu.
Mulia, N. A., 2017. Implementasi Logika Fuzzy
Untuk Purwarupa Pengkondisian AC dan
Lampu Otomatis pada Sebuah Ruangan, s.l.:
Universitas Brawijaya.

Fakultas Ilmu Komputer, Universitas Brawijaya