Fuzzy Logic

 

Aplikasi Logika Fuzzy Pada Optimasi Daya Listrik Sebagai Sistem Pengambilan Keputusan

Bahan Presentasi Ini Dibuat Untuk Memenuhi
Tugas Mata Kuliah Fuzzy


Dosen : Darwison, M.T


Oleh
Farras Yufadillah
2010952018

Departemen Teknik Elektro
Fakultas Teknik
Universitas Andalas
Padang
2022

Sistem Kendali Mesin Emulsifying Mixer Menggunakan Fuzzy Logic

Sistem Kendali Mesin Emulsifying 

Mixer Menggunakan Fuzzy Logic

Referensi :

Mustofa Fajar, dan Muhammad Reza Hidayat (2020). "Sistem Kendali Mesin Emulsifying Mixer Menggunakan Fuzzy Logic Tipe Mamdani". Jurnal Teknologi Rekayasa, Sukabumi. Vol. 5, No.1 , pp. 93-100.

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Abstrak

2. Pendahuluan

3. Metode Penelitian

4. Hasil dan Pembahasan

5. Kesimpulan

6. Saran 

7. Realisasi Saran 

8. Daftar Pustaka 

9. Video 

10. Download File 

Referensi :
Supriyono. 2006. Aplikasi Logika Fuzzy Pada Optimasi Daya Listrik Sebagai Sistem Pengambilan Keputusan. Seminar Nasional II SDM Teknologi Nuklir. Yogyakarta:Sekolah Tinggi Teknologi Nuklir. ISSN 1978-0176.

Abstrak [Back]

APLIKASI LOGIKA FUZZY PADA OPTIMASI DAYA LlSRIK SEBAGAI SISTEM PENGAMBILAN KEPUTUSAN. Aplikasi logika fuzzy pada optimasi daya listrik sebagai sistem pengambilan keputusan. Telah dibangun suatu sistem pengambilan keputusan yang optimal dalam menentukan daya listrik pada suatu ruang, baik untuk ruang terbuka maupun ruang tertutup. Metode yang digunakan dalam optimasi ini adalah logikafuzzy. Dalam penelitian ini sebagai variabel bebasnya adalah intensitas cahaya dan suhu yang ada dalam ruang, sedangkan sebagai variabel tak bebasnya atau nilai yang dicari adalah daya listrik yang seharusnya dipasang pada ruang tersebut. Variabel bebas intensitas cahaya diasumsikan dengan fungsi keanggotaan Gelap, Senja dan Siang sedangkan variabel bebas suhunya diasumsikan dengan fungsi keanggotaan Dingin, Normal dan Panas. Untuk variabel tak bebas daya listrik diasumsikan fungsi keanggotaan adalah Padam, Redup dan Terang. Aturan fuzzy yang digunakan dimisalkan ada 9 aturan. Untuk menyelesaikan persoalan tersebut, digunakan perangkat lunak MATLAB. Hasil penelitian menunjukkan bahwa untuk menentukan daya listrik pada suatu ruang dapat menggunakan sistem pengambilan keputusan dengan logika fuzzy. Dalam penelitian ini, belum ditinjau tentang selera, estetika dan luas ruangan

Tujuan [Back]

Tujuan dari dibuatnya sistem pengambilan keputusan ini,maka untuk mendapatkan daya listrik yang optimal, pengguna tinggal memasukkan intensitas cahaya yang masuk ke dalam ruangan dan suhu ruangan atau jika dibuat otomatisasi, sistem ini dapat dihubungkan dengan sensor intensitas cahaya clan sensor suhu ruangan. Dengan memasukkan kedua variabel tersebut, baik secara manual maupun secara otomatis maka akan muncul daya listrik yang dibutuhkan secara optimal

Latar Belakang [Back]
   Untuk melakukan perhitungan kebutuhan daya listrik yang efeletif, efisien dan fleksibel, perlu dibangun suatu sistem pengambilan keputusan berupa perangkat lunak yang mudah dioperasikan oleh komputer. Dalam membangun sistem pengambilan keputusan ini, metode atau teknik perhitungannya digunakan logika fuzzy.Makalah ini merupakan hasil penelitian awal, sehingga asumsi yang diambil pun masih sederhana, yaitu bahwa besar daya listrik dipengaruhi oleh intensitas cahaya dan suhu ruangan (Soedojo, 1985 dan Nurmianto,1996].

Dasar Teori [Back]
   Pada saat ini, logika fuzzy sudah banyak diterapkan di berbagai bidang, baik di dunia industri maupun penelitian. Bahkan pada dasawarsa terakhir ini aplikasi logika fuzzy ini semakin menjamur seiring dengan perkembangan teknologi komputasi yang luar biasa pesatnya. Dengan pesatnya perkembangan logika fuzzy ini dicoba untuk diaplikasikan dalam bidang penelitian listrik.
   Menurut Maxwell bahwa cahaya termasuk salah satu spektrum dari gelombang elektromagnetik. Cahaya mempunyai intensitas yang dapat dihitung dengan satuan Ix (Illuminance) (Nurmianto, 1996]. Intensitas cahaya dengan Ix dalam logika fuzzy diasumsikan sebagai variabel bebas dengan dimisalkan fungsi keanggotannya sebagai berikut:

Langkah / Prosedur Pengerjaan 

1. Membuat FIS Editor input intensitas cahaya dan suhu serta output daya listrik

Gambar 1. Fungsi Keanggotaan Input dan Output

Dari Gambar 1 di atas, dipilih input intensitas cahaya untuk dibuat fungsi keanggotaan yang lebih detail, yaitu untuk fungsi keanggotaan Gelap, Senja dan Siang, yang ketiganya mempunyai range antara 0 sid 1600 Ix. Untuk fungsi keanggotaan

1. Fungsi keanggotaan Gelap tipe variabelnya adalah zmf dengan parametemya [0 400]
2. Fungsi keanggotaan Senja tipe variabelnya adalah pimf dengan parametemya [200 800 800 1400]
3. Fungsi keanggotaan Siang tipe variabe1nya ada1ah smf dengan parametemya [1200 1600]

Hasilnya ditampilkan pada Gambar 2

Gambar 2. Fungsi Keanggotaan Variabel Input Intensitas Cahaya yang Masuk

Dari Gambar 2 di atas pula, dipilih input suhu untuk dibuat fungsi keanggotaan yang lebih detail, yaitu untuk fungsi keanggotaan Dingin, Normal dan Panas, yang ketiganya mempunyai range antara 0 sid 60 derajat Celsius.

1. Fungsi keanggotaan Dingin tipe variabelnya adalah trapezium dengan parameternya [0 0 18 30]
2. Fungsi keanggotaan Normal tipe variabelnya adalah segitiga dengan parameternya [18 30 42]
3. Fungsi keanggotaan Panas tipe variabelnya adalah trapezium dengan parameternya [30 42 60 60]

Hasilnya ditampilkan pada Gambar 3

Gambar 3. Fungsi Keanggotaan Variabel Input Suhu

Demikian pula untuk output daya listrik, dari Gambar 1 di atas, dipilih output daya listrik dibuat fungsi keanggotaan yang lebih detail, yaitu untuk fungsi keanggotaan Padam, Redup dan Terang, yang ketiganya mempunyai range antara 0 sampai 120 Watt.

1. Fungsi keanggotaan Padam tipe variabelnya adalah trapezium dengan parameternya 0 0 10 50]
2. Fungsi keanggotaan Redup tipe variabelnya adalah segitiga dengan parameternya [25 60 95]
3. Fungsi keanggotaan Terang tipe variabelnya adalah trapezium dengan parameternya [70 110 120 120]

Hasilnya ditampilkan pada Gambar 4

                        Gambar 4. Fungsi Keanggotaan Variabel Output DayaListrik

2. Menyusun Aturan Fuzzy Aturan fuzzy yang digunakan adalah aturan-aturan yang telah ditentukan sebelumnya yang dibuat berdasarkan karakteristik intensitas cahaya dan suhu. Aturan-aturan fuzzy ini dibuat dengan menggunakan Rule Editor seperti terlihat pada Gambar 5.

Kumpulan Rule Fuzzy

Gambar 5. Aturan Fuzzy

3. Defuzzyfikasi pada Komposisi Aturan Mamdani Proses defuzzyfikasi terjadi ketika semua aturan telah selesai dituliskan. Setelah aturan-aturan tersebut dibuat, aturan tersebut dapat dilihat pada Rule Viewer, seperti terlihat Gambar 6. Pada Rule Viewer ini kita bisa menguji hasil dari aturan-aturan yang telah kita buat untuk meramal daya listrik yang optimal dengan cara memasukkan nilai variabel input pada kolom input.

Gambar 6. Hasil Optimasi Dengan Intensitas Cahaya 800 Lx dan Suhu Ruangan 30,3 Derajat Celsius

Pada Gambar 6 terlihat bahwa hasil optimasi daya listrik dengan memisalkan intensitas cahaya 800 lx dan suhu ruangan dimisalkan 30,3 derajat celsius, maka daya listrik yang diperlukan dengan sistem pengambilan keputusan ini adalah 59,2 Watt.
Jika diberikan dengan input lain, misalkan intensitas cahaya 154 Ix dan suhu ruangan dimisalkan 9,55 derajat Celsius, maka daya listrik yang diperlukan dengan sistem ini adalah 101 Watt. Hasil program ditampilkan pada Gambar 7

Gambar 7. Hasil Optimasi Dengan Intensitas Cahaya 154 lx dan Suhu Ruangan 9,55 Derajat Celsius

Dengan menggeser-geser garis vertikal pada variabel input frekuensi cahaya dan suhu, dapat disusun daya listrik yang dibutuhkan.
Dari hasil yang ditunjukkan dapat disimpulkan bahwa semakin besar suhu dengan intensitas cahaya yang konstan, maka semakin kecil kebutuhan daya listrik, demikian pila untuk suhu yang konstan dengan intensitas cahaya semkain besar kebutuhan daya listrik semakin kecil.

Sedangkan Hasil 3 dimensi yang dihasilkan ditunjukkan pada Gambar 8.

Gambar 8. Surface Penggunaan Daya Listrik

B. Pengembangan Membership function

1. Penambahan keadaan pada FIS input intensitas cahaya

Dari Gambar 6 di atas, dipilih input intensitas cahaya untuk dibuat fungsi keanggotaan yang lebih detail, yaitu untuk fungsi keanggotaan Gelap, Senja dan Siang, yang ketiganya mempunyai range antara 0 sid 1600 Ix. Untuk fungsi keanggotaan. Penambahan paramater cahaya dibagi menjadi Sangat Gelap, Gelap, Kurang Gelap Senja, Agak Terang, Terang, Sangat Terang

1. Fungsi keanggotaan Sangat Gelap tipe variabelnya adalah trimf dengan parametemya [0 0 180]
2. Fungsi keanggotaan Gelap tipe variabelnya adalah trimf dengan parametemya [180 250 360]
3. Fungsi keanggotaan Kurang Gelap tipe variabe1nya ada1ah trimf dengan parametemya [360 450 533]
4. Fungsi Keanggotaan Senja tipe variabelnya adalah trimf dengan parameternya [533 750 1100]
5. Fungsi keanggotaan Agak Terang tipe variabelnya adalah trimf dengan parameternya [110- 1190 1280]
6. Fungsi keanggotaan Terang tipe variabelnya adalah trimf dengan parameternya [1280 1340 1440]
7. Fungsi keanggotaan Sangat Terang tipe variabelnya adalah trimf dengan parameternya [1440 1600 1600]

2. Penambahan keadaan FIS suhu

Dari Gambar 7 di atas pula, dipilih input suhu untuk dibuat fungsi keanggotaan yang lebih detail, yaitu untuk fungsi keanggotaan Sangat Dingin, Dingin, Sejuk, Normal, Hangat, Panas, Sangat Panas, yang ketujuhnya mempunyai range antara 0 sid 60 derajat Celsius.

1. Fungsi keanggotaan Sangat Dingim tipe variabelnya adalah trimf dengan parametemya [0 0  5]
2. Fungsi keanggotaan Dingin tipe variabelnya adalah trimf dengan parametemya [0 5 10]
3. Fungsi keanggotaan Sejuk tipe variabe1nya ada1ah trimf dengan parametemya [10 15 20]
4. Fungsi Keanggotaan Normal tipe variabelnya adalah trimf dengan parameternya [20 24 28]
5. Fungsi keanggotaan Hangat tipe variabelnya adalah trimf dengan parameternya [28 33 35]
6. Fungsi keanggotaan Panas tipe variabelnya adalah trimf dengan parameternya [35 40 44]
7. Fungsi keanggotaan Sangat Panas tipe variabelnya adalah trimf dengan parameternya [44 55 60]

3. Penambahan FIS pada output Daya Listrik

                                                                    Gambar 8

Dari Gambar 8 di atas pula, dipilih output Daya Listrik untuk dibuat fungsi keanggotaan yang lebih detail, yaitu untuk fungsi keanggotaan Padam, Hampir Padam, Mulai Padam, Redup, Mulai Terang, Terang, Sangat Terang, yang ketujuhnya mempunyai range antara 0 sid  120 watt.

1. Fungsi keanggotaan Padam tipe variabelnya adalah trimf dengan parametemya [0 0 13]
2. Fungsi keanggotaan Hampir Padam tipe variabelnya adalah trimf dengan parametemya [13 19 26]
3. Fungsi keanggotaan Mulai Padamtipe variabe1nya ada1ah trimf dengan parametemya [16 33 40]
4. Fungsi Keanggotaan Redup tipe variabelnya adalah trimf dengan parameternya [40 65 80]
5. Fungsi keanggotaan Mulai Terang tipe variabelnya adalah trimf dengan parameternya [80 87 93]
6. Fungsi keanggotaan Terang tipe variabelnya adalah trimf dengan parameternya [93 97 106]
7. Fungsi keanggotaan Sangat Terang tipe variabelnya adalah trimf dengan parameternya [107 121 121]
   

2. Menyusun Aturan Fuzzy Aturan fuzzy yang digunakan adalah aturan-aturan yang telah ditentukan sebelumnya yang dibuat berdasarkan karakteristik intensitas cahaya dan suhu. Aturan-aturan fuzzy ini dibuat dengan menggunakan Rule Editor seperti terlihat pada Gambar 8

    

Gambar 9

Gambar 10

Gambar 11

Gambar 12

Gambar 13

Gambar 14

3. Defuzzyfikasi pada Komposisi Aturan Mamdani Proses defuzzyfikasi terjadi ketika semua aturan telah selesai dituliskan. Setelah aturan-aturan tersebut dibuat, aturan tersebut dapat dilihat pada Rule Viewer, seperti terlihat Gambar 15. Pada Rule Viewer ini kita bisa menguji hasil dari aturan-aturan yang telah kita buat untuk meramal daya listrik yang optimal dengan cara memasukkan nilai variabel input pada kolom input

Gambar 15

Pada gambar diatas bisa kita lihat nbahwa saat fuzzy mendeteksi cahaya sebesar 800lx, dengan suhu 30 C maka daya yang akan dikeluarkan menjadi 28,9 watt

Jika kita menggunakan input lainnya seperti pada gambar 16

Gambar 16

Dengan mendeteksi cahaya sebesar 912 lc dengan suhu berada pada 35,7 C maka daya listrik yang dikeluarkan menjadi 19,5 watt

Jika dilihat dari grafik Surface yang dihasilkan matlab maka akan terlihat kondisi 

Error

Saat dibandingkan nilai fuzzy yang menggunakan 3 membership dan 7 membership didapatkan bahwa 7 membership menghasilkan daya yang lebih hemat untuk contoh perbandingannya ketika intensitas cahaya 800lx dengan suhu 30 C maka didapatkan daya listrik sebesar 28,9 watt untuk yang 7 membership sedangkan untuk 3 membership didapatkan suhu 60 watt, sehingga 7 membership lebih efisien dari 3 membership.

Saran

Sebaiknya membership functionnya di dibuat lebih menjurus menjadi 7 membership agar dapat terlihat detail keadaan pada setiap input dan outputnya, sebaiknya model grafik yang dipakai pada input dan output trimf agar dapat terlihat detail parameter keadaan pada input dan output.

KESIMPULAN

Disini kita bisa menarik kesimpulan bahwa semakin tinggi cahaya yang di deteksi dengan keadaan suhu konstan naik atau turun maka akan di dapatkan daya listrik yang kecil, begitu juga jika dideteksi semakin tinggi suhu yang dideteksi dengan cahaya yang yang konstan naik atau turun maka daya listrik yang di dapatkan juga mengecil dan bisa disimpulkan Daya Litrik akan berbanding terbalik dengan Suhu dan Intensitas

VIDEO PRESENTASI FUZZY

https://drive.google.com/file/d/1odAuVurkT6Zw7tb1fzYxUVE49DwiCWVI/view?usp=share_link

link Video

LINK DOWNLOAD FILE FUZZY

Download Video Teori Fuzzy Logic  disini

Download Video Percobaan Fuzzy  disini

Download Video Realisasi Saran  disini

Download Fuzzy Percobaan disini

Download Fuzzy Realisasi Saran  disini

Download HTML disini

Download Jurnal  disini