TUGAS PAPER

MATA KULIAH KOMPUTASI CERDAS SISTEM

TENAGA LISTRIK

Dosen Pengampuh: Andita Dani Achmad

JUDUL PAPER:
IMPLEMENTASI FUZZY DALAM SISTEM TENAGA
LISTRIK

OLEH
RALDING SYAWAN PABATE
NIM: 2120221014

PROGRAM STUDI S1 TEKNIK ELEKTRO

FAKULTAS TEKNIK UNIVERSITAS FAJAR
MAKASSAR 2022
 KATA PENGANTAR

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.

Makassar, Desember 2022

Penulis,

ii
 DAFTAR ISI

KATA PENGANTAR.....................................................................................................................ii
DAFTAR ISI..................................................................................................................................iii
PENDAHULUAN...........................................................................................................................1
1.1 Latar Belakang..................................................................................................................1
1.2 Permasalahan....................................................................................................................1
1.3 Tujuan....................................................................................................................................1
PEMBAHASAN..............................................................................................................................2
2.1 Pengertian Logika Fuzzy.......................................................................................................2
2.2 Metode-meode Logika Fuzzy...............................................................................................2
2.3 Aplikasi logika fuzzy.............................................................................................................3
KESIMPULAN..............................................................................................................................18
DAFTAR PUSTAKA....................................................................................................................19

iii
 PENDAHULUAN

1.1 Latar Belakang

Indonesia merupakan salah satu dari negara dengan jumlah penduduk terbesar di dunia, tentunya
untuk menjadi negara yang sejahtera membutuhkan sistem yang baik untuk memenuhi
kebutuhan rakyatnya. Pembangkit listrik adalah salah satunya, membutuhkan sumber daya energi
yang besar dan lebih cocok untuk memproduksi dengan kapasitas super. Agar dapat mengatasi
masalah tersebut dengan mengevaluasi setiap keluaran pada pembangkitan tenaga listrik dan
faktor-faktor yang mempengaruhi, maka dapat dilakukan secara matematis.
Metode yang dapat diterapkan untuk mengevaluasi suatu kejadian sebagai perbaikan
kebijakan untuk kejadian yang akan datang juga dapat dilakukan dengan menggunakan metode
logika fuzzy.
Penggunaan logika fuzzy sebagai pendukung keputusan semakin diperlukan ketika
semakin banyak situasi yang membutuhkan keputusan yang tidak dapat dijawab dengan "ya"
atau "tidak".

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".

2.2 Metode-meode Logika Fuzzy

Untuk masing- masing metode, secara umum dapat dituliskan sebagai berikut:
A. Metode Max (maximum)
of Maximum. Solusi umum dari masing- masing metode dapat dirumuskan sebagai
berikut:
a. Metode Centroid
dilakukan dengan mengambil titik pusat
fz zμ(z)dz te rp a s a n g , d a y a m a m p u , d a n p r o d u
z∗ = u n tu k v a ria b e l k o n tin u S e d a n g k a n v a ria b e l k e lu a ra n a d a la h b e
fz μ(z)dz
puncak.
∑n z jμ(z j)
z∗ = j=1 u n tu k v a ria b e l d isk r e t
∑n j=1
2
 b. Metode Bisektor
Keputusan dalam mengubah nilai fuzzy ke nilai crisp ini juga melibatkan
komposisi aturan yang telah dibuat yang selanjutnya ditentukan berdasarkan
daerah output yang dihasilkan. Secara umum dituliskan:
zp se d e m ik ia n se h in g g a
p ffin
f μ(z)dz = f μ(z)dz
ffi1 p

μsf(xi) = max(μsf(xi), μkf(xi))

Dengan:
μsf(xi) = nilai keanggotaan solusi fuzzy
sampai aturan ke-i.
μkf(xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i.
c. Metode Additive (sum)
μsf(xi) = min(1, μsf(xi) + μkf(xi))
Dengan:
μsf(xi) = nilai keanggotaan solusi fuzzy
sampai aturan ke-i.
μkf(xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i.
d. Metode Probabilistik OR
μsf(xi) = (μsf(xi) + μkf(xi)) —
(μsf(xi) ∗ μkf(xi))
Dengan:
μsf(xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i.
μkf(xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i.

2.3 Aplikasi logika fuzzy

Kontrol Fuzzy Logic pada Motor DC tanpa sikat ini digunakan untuk mengontrol torsi dan
kecepatan motor. Dengan tujuan yaitu untuk menunjukkan keberhasilan penerapan kontrol
logika fuzzy dalam aplikasi tenaga listrik.
Tujuan penggunaan fuzzy logic adalah sebagai mengoptimalisasi dan kendali fuzzy logic
sebagai pengaturan atau operator khususnya pengaturan mengenai sistem yang ada pada Motor
DC tanpa sikat khususnya pengaturan dalam sisi torsi dan kecepatannya Untuk lebih
sederhananya dapat disajikan dalam diagram alir seperti dibawah ini.
3
 Mulai

Menyiapkan data
dari paper, contoh :
gambar
fuzzy ,Input,
Output , rumus -
Starting Matlab danrumus
buka FIS Editor

Pengisiian Input dan Output kemudian,

Fuzzyfikasi Input dengan menggunakan
fungsi keanggotaan (membership Function)

49 Rule Base diisi dengan menerapkan

operator AND

Defuzzyfikasi output dengan menerapkan

metode centroid

Pengetesan FIS Editor yang telah dibuat

Hasil Sesuai T Perbaikan

?
Y
Starting Matlab dan buka
SIMULINK
Pembuatan Masing – Masing Blok
rangkaian SIMULINK seperti :
Blok Fuzzy Logic control
Blok Back EMF dari posisi rotor
Blok Speed and Torque control
Blok Inverter Line to Line
Blok three-phase currents
Blok reference currents
Blok hysteresis current control for phase A

Penggabungan FIS editor serta rumus –

rumus yang ada Kedalam masing –
masing blok SIMULINK

Pengetesan gabungan rangkaian

SIMULINK
T Perbaikan
Hasil Sesuai
?
Y 4

Selesai
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 :

Gambar 1. Tampilan awal program matlab 7.6.0 (R2008a)

Kemudian akan muncul tampilan untuk fuzzy editor , dan adapun tampilan awalnya adalah
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 :

Gambar 3. Tampilan FIS Editor dengan input e1,e2 dan output u

Kemudian untuk isi dari input dan outputnya dapat kita lakukan dengan mengklik tools edit
membership function adapun masukannya adalah sebagai berikut :
a. Atur range nya dari -1 sampai 1.
b. Disini terdapat 7 jenis input yaitu : NB, NM, NS, Z, PS, PM, PB. Isi e1, e2 dan u dengan
ke 7 input tersebut. Untuk parameternya adalah -1, -0.8, -0.66, -0.33, 0, 0.33, 0.66, 1.
Missal satu contoh untuk membuat segitiga dari -1 -0.66 -0.33 menjadi NM, dan yang
lain dapat dilanjutkan dengan cara yang sama. Tampilannya adalah sebagai berikut :

Gambar 4. Segitiga membership function

6
 Kemudian untuk tampilan keseluruhan dari peng-inputan yang ada maka hasilnya dapat
dilihat pada gambar berikut :

Gambar 5. Input e1 dan segitiga membership function

Untuk tampilan e2 dan u sama dengan tampilan u karena inputnya sama.
4. Setelah input e1,e2, dan u selesai diisi maka yang harus dilakukan selanjutnya adalah
mengatur rule basenya. Untuk membuka rule basenya dapat dengan mengklik tools edit
Rules. Statement yang digunakan adalah “if e1 and e2 then u”, dan disini dipake 7x7 = 49
rules sebagai berikut :
Tabel 1. Rule base FLC

7
 Setelah semua dimasukkan maka tampilannya adalah sebagai berikut :

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 :

Gambar 7. rule viewer dari motor DC tanpa sikat

Dengan menggeser garis merah yang ada pada e1 dan e2 ke kiri maupun kekanan , akan
8
 membuat perubahan pada outputnya, tampilannya adalah sebagai berikut :

Gambar 8. rule viewer saat garis merah digeser

Adapun tampilan dari surfacenya adalah sebagai berikut :

Gambar 9. Surface viewer motor DC tanpa sikat

6. Save pekerjaan yang telah dibuat dengan nama BLDC.fis, Setelah smua proses dilakukan
pada FIS editor, jika sudah sesuai dengan yang diinginkan maka akan lanjut dengan proses
pembuatan SIMULINKnya jika tidak perlu adanya perbaikan dimana saja yang perlu
diperbaiki.
7. Proses selanjutnya adalah membuat SIMULINK. Hal yang harus dilakukan pertama adalah
start program matlab 7.6.0 (R2008a), kemudian ketik SIMULINK pada Command window.
Tampilan awal dari simulink adalah sebagai berikut :
9
 Gambar 10. Simulink library browser
Kemudian pada tools klik new untuk membuat file baru, dan tampilannya adalah sebagai
berikut:

Gambar 11. Field baru untuk membuat SIMULINK

1. Membuat SIMULINK Fuzzy Logic Control

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 :

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 :

Gambar 13. Function block parameters fuzzy logic controller

Pada blok fuzzy logic controller di gambar diatas nantinya akan diisi dengan FIS yang telah
kita buat sebelumnya dan rangkaian diatas ini akan masuk kedalam rangkaian PID dan Fuzzy
control dibawah ini :

Gambar 14. Simulink Speed and Torque control

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 :

Gambar 15. Simulink back EMF

Pada fungsi fa(theta), fb(theta), fc(theta), akan diisi dengan rumus – rumus sebagai berikut :
Pada EMFs kembali dinyatakan sebagai fungsi dari posisi rotor (θ), yang dapat ditulis sebagai:

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:

3. Membuat SIMULINK Inverter Line to Line

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 :

Gambar 16. Simulink inverter line to line

Pada fungsi fs(1), fs(2), fs(3), akan diisi dengan rumus – rumus sebagai berikut : Tegangan
berikut dan persamaan arus dapat diperoleh:

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;

Kemudian inverter garis-garis ke-tegangan dapat diturunkan sebagai :

4. Membuat SIMULINK 3 Phase Currents

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 :

Gambar 17. Simulink 3 phase currents

5. Membuat SIMULINK Reference Currents

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 :

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.

Tabel 2. Reference currents of BLDC motor

6. Membuat SIMULINK Histerisis Current Control

Dengan melihat gambar yang ada di paper, maka yang harus kita lakukan adalah
mengaplikasikannya pada matlab. Setelah kita masukkan komponen- komponen yang

15
 berkaitan dengan SIMULINKnya, maka hasilnya adalah sebagai berikut :

Gambar 19. Simulink Histerisis Current Control

7. Dari keseluruhan SIMULINK yang telah dibuat sekarang hanya tinggal digabungkan saja
menjadi satu rangkaian sistem , dan dapat dilihat pada gambar berikut :

Gambar 20. Simulink keseluruhan rangkaian

8. Rangkaian yang ada kemudian dimasukkan rumus – rumus dan perhitungan dari masing –
masing rangkaian yang telah dibuat. Penggabungan dari Fuzzy Control yang telah dibuat

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

16
 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

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

17
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