Uts Komputasi Ralding Syawan Pabate
Uts Komputasi Ralding Syawan Pabate
JUDUL PAPER:
IMPLEMENTASI FUZZY DALAM SISTEM TENAGA
LISTRIK
OLEH
RALDING SYAWAN PABATE
NIM: 2120221014
Syalom, puji syukur kepada Tuhan Yang Maha Esa, pada akhirnya paper yang penulis susun
dalam rangka memenuhi tugas mata kuliah Komputasi Cerdas Sistem Tenaga Listrik yang diberi
judul: “Implementasi Fuzzy Dalam Sistem Tenaga Listrik”, telah dapat diselesaikan.
paper ini disusun dengan mengacu pada beberapa sumber bacaan dan akses internet. Tulisan ini
sebagian besar hanyalah kutipan- kutipan dari beberapa sumber sebagaimana yang tercantum
dalam Daftar Pustaka, dengan beberapa ulasan pribadi. Ulasan pribadi sifatnya hanyalah analisis
dan sintesis dari beberapa kutipan yang berasal dari bahan bacaan.
Penulis,
ii
DAFTAR ISI
iii
PENDAHULUAN
1.2 Permasalahan
Berdasarkan latar belakang di atas, permasahan yang ingin dijawab dan dibahas dalam tulisan
ini adalah:
a) Pengertian dari logika fuzzy
b) Metode-metode logika fuzzy
c) Aplikasi logika fuzzy pada sistem tenaga listrik
1.3 Tujuan
Tujuan pembahasan paper ini adalah untuk:
a) Memahami serta dapat menjelaskan pengertian dari logika fuzzy
b) Memahami metode-metode dalam logika fuzzy
c) Memahami aplikasi logika fuzzy
1
PEMBAHASAN
2.1 Pengertian Logika Fuzzy
Logika fuzzy atau dalam istilah bahasa inggris disebut fuzzy logic merupakan bentuk logika
bernilai banyak yang memiliki nilai kebenaran variabel dalam bilangan real antara 0 dan 1.
Dalam sistem kecerdasan buatan (AI), logika fuzzy digunakan untuk meniru penalaran dan
kognisi manusia. Logika fuzzy merupakan pengembangan dari logika biner. Logika biner hanya
memiliki 2 nilai kebenaran yakni 0 atau 1. Logika fuzzy memasukkan 0 dan 1 sebagai nilai
kebenaran ekstrem tetapi dengan berbagai tingkat kebenaran menengah.
Logika fuzzy dikembangkan berdasarkan bahasa manusia (bahasa alami). Tujuannya untuk
menjembatani bahasa mesin yang presisi dengan bahasa manusia yang menekankan pada makna
atau arti (significance). Logika fuzzy umumnya diterapkan pada masalah-masalah yang
mengandung unsur ketidakpastian (uncertainty), ketidaktepatan (imprecise), noisy, dsb.
Istilah fuzzy mengacu pada sesuatu yang belum jelas atau samar-samar. Dalam dunia nyata
terkadang kita berada pada situasi dimana kita tidak bisa menentukan keadaan tersebut benar atau
salah. Nah, logika fuzzy di sini berperan menyediakan fleksibilitas ketika melakukan penalaran.
Dalam sistem kebenaran nilai boolean (Boolean Logic) , 1.0 merepresentasikan nilai kebenaran
mutlak, sedangkan 0.0 menyatakan nilai salah mutlak.
Akan tetapi dalam logika fuzzy, tidak semua dianggap sebagai nilai kebenaran mutlak dan nilai
salah mutlak. Logika fuzzy juga memiliki nilai intermediet yang mengandung sebagian nilai benar
dan sebagian nilai salah. Nilai ini dapat disebut sebagai "nilai abu-abu".
b. Metode Bisektor
Keputusan dalam mengubah nilai fuzzy ke nilai crisp ini juga melibatkan komposisi
2
z p sedemikian sehingga
p ffin
f μ(z)dz = f μ(z)dz
ffi1 p
aturan yang telah dibuat yang selanjutnya ditentukan berdasarkan daerah output
yang dihasilkan. Secara umum dituliskan:
3
M
ul
ai
Menyiapkan data
dari paper,
Hasil T Perbaika
Sesuai ? n
T
Hasil Perbaika
Sesuai ? n
Seles 4
ai
A. Langkah – langkah untuk pengaturan Motor DC Tanpa Sikat
Dari diagram blok diatas maka dapat kita jelaskan bagaimana cara membuat Fuzzy logic control
dan Simulink dari pengaturan Motor DC tanpa sikat ini, adapun langkah – langkahnya adalah
sebagai berikut :
1. Mulai
2. Buka Program Matlab 7.6.0 (R2008a), kemudian ketik “FUZZY” pada command window
maka akan muncul tampilan sebagai berikut :
5
Gambar 2. Tampilan awal FIS editor
3. Kemudian dari FIS editor kita pilih metode yang dipakai dalam pengaturan motor DC tanpa
sikat ini dengan metode MAMDANI. Disini terdapat 2 input yaitu e1 dan e2 , sedangkan
output diberi nama u. Tampilannya adalah sebagai berikut :
6
Kemudian untuk tampilan keseluruhan dari peng-inputan yang ada maka hasilnya dapat
dilihat pada gambar berikut :
7
Gambar 6. Rule base motor DC tanpa sikat
5. Saat semuanya telah selesai dibuat, sekarang saatnya proses defuzzyfikasi, yaitu dimana
proses input dari membership function dan rule base yang ada dicoba dengan mengklik tools
view Rules atau view Surface, adapun tampilan untuk rules dan surfacenya adalah sebagai
berikut :
Dengan menggeser garis merah yang ada pada e1 dan e2 ke kiri maupun kekanan , akan
8
membuat perubahan pada outputnya, tampilannya adalah sebagai berikut :
10
Gambar 12. Simulink Fuzzy logic control
Pada block function parameters fuzzy logic controller, diisi dengan Fuzzy yang telah dibuat di
FIS Editor, gambarnya adalah sebagai berikut :
11
2. Membuat SIMULINK Back EMF
Dengan melihat gambar yang ada di paper, maka yang harus kita lakukan adalah
mengaplikasikannya pada matlab. Setelah kita masukkan komponen- komponen yang
berkaitan dengan SIMULINKnya, maka hasilnya adalah sebagai berikut :
dimana ke kembali-EMF konstan, fa (θ), fb (θ), dan fc (θ)adalah fungsi dari rotor posisi. The fa
(θ) disebut sebagai fungsi bentuk trapesium dengan nilai batas antara 1 dan -1 didefinisikan
sebagai:
fb (θ) dan fc (θ)dapat ditentukan dengan cara yang sama. Torsi elektromagnetik ditentukan dengan
menggunakan back-EMFs sebagai berikut :
12
Dengan mensubstitusi persamaan (3) - (4) ke dalam persamaan (5), ekspresi elektromagnetik torsi
dapat didefinisikan sebagai:
Berdasarkan posisi rotor, ekspresi numerik dari EMF kembali dapat diperoleh sebagai Persamaan
(3), dan ini dilaksanakan seperti yang ditunjukkan pada Gambar 2.4. Mengabaikan redaman faktor,
karakteristik kecepatan dan torsi BLDC motor dapat dinyatakan sebagai berikut:
13
dimana i1, i2 dan i3 adalah arus loop, eab, ebc, dan eca adalah garis-garis ke-EMFs kembali: eab
= ea - eb, ebc = eb - ec, ECA = ec - ea, dan arus fase: ia = i1 - i3, ib = i2 - i1, ic = i3 - i2.
Menggunakan fungsi switching S_a, b, c yang diperoleh dari blok histeresis,
Vao, Vao, dan Vco dalam referensi untuk titik tengah tegangan suplai DC (V dc) dapat dihitung
sebagai;
14
Gambar 18. Simulink reference currents
Pada fungsi fs(1), fs(2), fs(3), akan diisi dengan rumus – rumus sebagai berikut : Dari blok
histeresis, switching fungsi S_a, S_b, dan S_c didefinisikan untuk model operasi inverter
PWM.
15
berkaitan dengan SIMULINKnya, maka hasilnya adalah sebagai berikut :
16
di FIS editor akan masuk ke rangkian. Setelah semua dilakukan sekarang hanyalah
proses terakhir, yaitu pengujian pada sistem yang telah dibuat. Jika proses
rangkaiannya mau berjalan baik , maka hasilnya adalah sebagai berikut :
Gambar 21. Sinyal back EMF dan swiching function S_a untuk fasa A
Gambar 22. Sinyal Phase currents and line to line inverter voltage
Gambar 23. Sinyal Electromagnetic torque, speed of BLDC motor, and maximum current (Imax)
Gambar 24. Comparison of PID and FLC (a) for speed (b) for torque
17
9. Jika terdapat kesalahan pada rangkaian maka perlu diperbaiki agar hasil yang diinginkan dapat
tercapai.
KESIMPULAN
Dari pembahasan di atas kita tela mengetahui pengertian, metode, serta aplikasi dalam logika
fuzzy.Kitadapat melihat betapa pentingnya kita mempelajari logikafuzzy ini di mana kita dapat
mengevaluasi suatu kejadian yang membutuhkan keputusan yang tidak dapat dijawab dengan
"ya" atau "tidak".
18
DAFTAR PUSTAKA
Akbar, A. S. (2021). Sistem Pengambilan Keputusan Untuk Pemilihan Bidang Keahlian Bagi
Mahasiswa Teknik Elektro, UniversitasMataram Menggunakan Logika fuzzy Mamdani
Bertingkat. DIELEKTRIKA, 8(1), 68. https://doi.org/10.29303/dielektrika.v8i1.257
Mataram, I. M. (2016). Fuzzy logic static synchronous compensator (Flstatcom). Majalah
Ilmiah Teknologi Elektro, 15(1), 34. https://doi.org/10.24843/mite.2016.v15i01p06
Penjelasan Lengkap Mengenai Logika fuzzy (Fuzzy logic). (2022, May 10). Trivusi - Blog
Teknologi dan Informatika. https://www.trivusi.web.id/2022/05/pengertian-fuzzy-
logic.html?m=1
Rosalina, F. D., Farida, Y., & Hamid, A. (2016). Metode logika fuzzy sebagai evaluasi
distribusi daya listrik berdasarkan beban puncak pembangkit tenaga listrik. Paper
Matematika "MANTIK", 2(1), 22. https://doi.org/10.15642/mantik.2016.2.1.22-29
19