Pemodelan Simulasi Sistem Kontrol Temperatur Berbasis

Prosiding Seminar Nasional Teknik Elektro Volume 6 Tahun 2021

208

Pemodelan Simulasi Sistem Kontrol Temperatur

Berbasis Fuzzy Logic pada Automatic Greenhouse

Rika Novita Wardhani1 , Amanda Ayu Shafira2

Jurusan Teknik Elektro/Program Studi Instrumentasi dan Kontrol Industri, Politeknik Negeri Jakarta,

Jl.Prof.DR.G.A.Siwabessy, Kampus UI, Depok, 16425, Indonesia

E-mail: [email protected], amandayu95@ gmail.com2

Abstrak

Keterbatasan lahan pertanian di wilayah perkantoran akan memicu berkurangnya pasokan bahan pangan,

salah satunya adalah komoditas holikultura. Pembuatan greenhouse menjadi sisasat untuk tetp dapat

menanam tumbuhan holtikultura meski di lahan yang terbatas. Temperatur merupakan factor yang dapat

mempengaruhi pertumbuhan hortikultura. Oleh karena itu, diperlukan sesuatu system yang dapat bekerja

secara otomatis untuk menjaga temperature sesuai dengan kebutuhan tanaman. Hal tersebut sesuai dengan

standar ISO/IEC 11179 bahwa system greenhouse yang ideal dapat mengatur 9 objek penyusun system

greenhouse secara otomatis, salah satunya adalah temperatur udara. Solusi yang dibuat dalam penelitian ini

adalah melakukan modifikasi pada system pengatur temperatur automatic greenhouse dengan menambahkan

unit pendingin berupa kipas DC yang terintegrasi dengan elemen thermoelectric dan bekerja dengan cara

mengatur temperature elemen coldsink yang menempel pada sisi dingin thermoelectric menggunakan metode

logia fuzzy. Plant automatic greenhouse berbentuk kubus dan tersusundari dinding berbahan kaca di ke-4

sisinya, untuk atap dan lantai terbuat dari bahan kayu dan termasuk model proses IPDT karena nilai

temperature yang dikendalikan tanpa controller terus menerus membesar dan tidak mencapai kestabilan.

Pengujian pemodelan system control temperature automatic greenhouse menggunakan kontrol logika fuzzy

menghasilkan parameter performansi rise time sebesar 108,42 detik dan settling time (ts) sebesar 190,42 detik.

Pada kondisi steady respon pengujian mampu menunjukkan kondisi temperature rata-rata sebesar 25,32 0C

yang artinya memiliki error steady state (ess) sebesar 1,3 %

Kata kunci: Pemodelan System Kontrol Temperatur, Kontrol Logika Fuzzy, Parameter Performansi Sistem

Abstract

Limited agricultural land in urban areas will trigger a reduction in food supplies, one of which is a horticultural

commodity. Making a greenhouse is a strategy to continue to be able to plant horticulture even in limited land.

Temperature is a factor that can affect horticultural growth. Therefore, we need a system that can work automatically

to maintain the temperature in accordance with the needs of plants. This is in accordance with ISO / IEC 11179

standard that an ideal greenhouse system can regulate 9 objects composing the greenhouse system automatically, one

of which is air temperature. The solution made in this research is to modify the automatic greenhouse temperature

control system by adding a cooling unit in the form of a DC fan that is integrated with the thermoelectric element and

works by regulating the temperature of the coldsink element attached to the thermoelectric cold side using the fuzzy

logic method. Automatic cube greenhouse plant and composed of walls made of glass on all four sides, for the roof

and floor are made of wood and are included in the IPDT process model because the temperature value is controlled

without a controler continuously enlarged and does not achieve stability. Testing the modeling of an automatic

greenhouse temperature regulation system using fuzzy logic control produces rise time performance parameters of

108,42 seconds and settling time (ts) of 190,42 seconds. In the steady state the test response is able to show an average

temperature condition of 25.32ºC which means it has a steady state error (ess) of 1.3%.

Keywords: Modeling of Temperature Control System, Fuzzy Logic Control, System Performance Parameters.


209

PENDAHULUAN

Keterbatasan lahan pertanian di wilayah perkotaan

akan memicu berkurangnya pasokan bahan pangan,

salah satunya adalah komoditas holtikultura.

Pembuatan greenhouse menjadi siasat untuk tetap

dapat menanam tumbuhan holtikultura meski di lahan

yang terbatas. Greenhouse memiliki arti sebagai

media yang digunakan untuk mengendalikan dan

menjaga keadaan iklim, serta lingkungan di dalam

suatu ruangan atau bisa disebut dengan iklim buatan

untuk mengoptimalkan pertumbuhan tanaman.

Temperature merupakan factor yang dapat

mempengaruhi pertumbuhan holtikultura. Oleh

karena itu, diperlukan system otomatis yang dapat

mengatur temperature ruang greenhouse. Hal tersebut

sesuai dengan standar ISO/IEC-11179, system

greenhouse yang ideal adalah yang dapat mengatur

Sembilan objek secara otomatis, salah satunya adalah

temperature ruang greenhouse.

Mengatur temperature greenhouse dengan

merancang actuator pengendali iklim mikro di

greenhouse telah diteliti [1]. Sistem dapat bekerja

dengan baik karena dapat menstabilkan temperature

mencapai akurasi 95,46%. Akan tetapi, system

menggunakan aktuator sangat banyak yaitu lima buah

kipas dan dua diantaranya menggunakan kipas

bertegangan AC agar suhu dapat turun lebih cepat.

Merancang kipas angin pengatur suhu dan

kelembaban udara menggunakan elemen pendingin

peltier sudah diteliti oleh [2], cara kerjanya berupa

pengaturan kecepatan putaran kipas DC

menggunakan metode fuzzy. Sistem lebih efisien

dalam hal pemakaian daya karena komponen yang

digunakan tidak membutuhkan input tegangan yang

berbeda dengan tegangan sumber, yaitu tegangan DC.

Kekurangan dari system ini adalah kipas angin belum

dapat bekerja secara presisi, karena tingkat akurasi

pengujian antara hasil perhitungan fuzzy sugeno

dengan kerja aktual kipas angin hanya 85%. Sistem

buka-tutup atap menggunakan metode fuzzy untuk

system pengontrolannya sudah diteliti oleh [3].

Sistem sudah bekerja secara valid, karena kerja aktual

sistem telah sesuai dengan yang sudah diprogram.

Namun, penggunaan buka – tutup atap membutuhkan

waktu yang cukup lama dalamhal penurunan suhu

dikarenakan penurunan suhu hanya memanfaatkan

pertukaran dari suhu luar ruang greenhouse dan

kecepatan aliran udara di luar lingkungan greenhouse

yang tidak tetap.

Solusi atas permasalahan pada penelitian – penelitian

sebelumnya adalah melakukan modifikasi pada

system pengatur temperature ruangan dengan

menambahkan unit pendingin berupa kipas DC yang

diintegrasi dengan elemen thermoelectric dan bekerja

dengan cara mengatur temperature elemen coldsink

yang menempel pada sisi dingin thermoelectric

menggunakan metode logika fuzzy. Pengaturan

tersebut bertujuan agar system pendingin dapat

menghasilkan temperature sesuai dengan kondisi

temperature ruang greenhouse. Bentuk rancangan

Sistem Kontrol temperature automatic greenhouse

adalah simulasi system. Langkah pembuatan simulasi

system diawali dengan mengubah tiap blok pada blok

diagram kerja system menjadi pemodelan matematis.

Kemudian, pemodelan matematis tiap blok

ditransformasikan menjadi fungsi alih dengan cara

mengubah rumus matematis menjadi persamaan

diferensial, lalu persamaan diferensial tersebut diubah

ke bentuk persamaan laplace. Fungsi alih berfungsi

sebagai pengganti dugaan realtime yang akan

dimasukan dalam proses simulasi system. Simulasi

system pada automatic greenhouse akan diuji dengan

2 nilai setpoint yang berbeda berdasarkan jenis

tanaman yang dikembangkan. Pemodelan simulasi

Sistem Kontrol temperature automatic greenhouse

berbasis metode control logika fuzzy memberikan

solusi dalam mengoptimalkan temperature udara pada

ruangan greenhouse secara mudah dan ramah

lingkungan karena tidak menggunakan pendingin

konvensional.

METODE PENELITIAN Konsep pemodelan perubahan temperatur pada

Sistem Kontrol temperatur automatic greenhouse

dapat divisualisasi ke bentuk flowchart pada Gambar

1.

Gambar 1. Flowchart Konsep Perubahan Temperatur


210

Gambar 1 menjelaskan tentang pemodelan perubahan

temperatur diawali dengan menghitung nilai temperatur

sisi dingin (TTECc) dan perbedaan suhu antara sisi panas

dengan sisi dingin elemen termoelektrik (∆TTEC) pada

unit pendingin. Dua nilai tersebut akan digunakan untuk

mencari nilai kalor yang dapat diserap oleh elemen

termoelektrik (qc). Selanjutnya, hasil qc digunakan untuk

menghitung temperatur pada coldsink menggunakan

rumus perpindahan panas konduksi. Perhitungan yang

digunakan untuk memodelkan keseluruhan sistem

adalah mencari nilai perpindahan kalor total (Qtotal).

Perhitungan Qtotal terdiri dari dua langkah yaitu

mencari besar perpindahan panas dari unit pendingin

dan besar perpindahan panas dari dinding kaca

greenhouse. Rumus yang digunakan untuk mencari nilai

perpindahan panas dari unit pendingin adalah rumus

perpindahan panas konveksi paksa. Hal tersebut

dikarenakan temperatur ruang unit pendingin berpindah

ke ruang greenhouse melalui udara yang dihembuskan

dengan bantuan kipas. Sedangkan rumus yang

digunakan untuk mencari nilai perpindahan panas

dinding kaca greenhouse adalah rumus perpindahan

panas konveksi bebas. Diagram blok sistem dapat dilihat

pada Gambar 2.

Gambar 2. Diagram Blok Sistem

Langkah-langkah penelitian yang dilakukan adalah:

1. Studi pustaka dan literatur.

2. Pengambilan dan pengolahan data sistem serta plant

greenhouse.

3. Perancangan pemodelan matematis sistem.

4. Pengujian dan analisa karakteristik respon

pemodelan proses perubahan temperatur

menggunakan software LabVIEW 2015.

5. Perancangan sistem kontrol berbasis kontroler

logika fuzzy.

6. Pemrograman pemodelan keseluruhan sistem pada

software LabVIEW 2015.

7. Pengujian dan validasi program pemodelan sistem

pada software LabVIEW 2015.

8. Analisa kestabilan dan perancangan sistem

pengaturan terhadap perubahan temperatur pada

greenhouse dan penyusunan laporan.

HASIL DAN PEMBAHASAN

a. Data Spesifikasi dan Perancangan Model

Matematis

Data – data yang diperlukan untuk perancangan simulasi

pemodelan sistem adalah data variasi tegangan input

yang digunakan, data temperature sisi dingin (Tc),

temperature sisi panas (Th), serta delta temperature (∆T)

yang dihasilkan elemen termoelektrik berdasarkan

variasi tegangan input, data spesifikasi unit pendingin,

data spesifikasi greenhouse, dan data spesifikasi sensor.

Dari data-data tersebut, dapat dirancang model

matematis dari tiap blok penyusun sistem kontrol

kelembaban tanah yang meliputi blok proses (plant),

aktuator, dan sensor.

Tabel 1. Data TEC Berdasarkan Variasi Input yang

Digunakan TEC

PWM Vin Iin Tc Th ∆T

0 0,00 0,00 28,8 28,8 0,0

51 3,06 0,53 25,1 29,6 4,6

102 5,54 1,01 22,7 29,7 7,0

153 7,99 1,51 19,5 29,8 10,4

204 10,45 1,98 16,2 30,0 13,8

255 12,24 2,36 14,7 30,5 15,8

Tabel 2. Spesifikasi Elemen Termoelektrik Tipe TEC-

12706

Parameter Nilai (Satuan)

Panjang 4×10-2 (m)

Lebar 4×10-2 (m)

Tebal 0,38×10-2 (m)

Koefisien Regresi Sampel

(αTECc) 28,8456

Koefisien Regresi Sampel (βTECc) −1,1722

Koefisien Regresi Sampel (α∆T-

TEC) 0,173096

Koefisien Regresi Sampel (β∆T-

TEC) 1,284412

Koefisisen Seebeck Elemen 0,00021 (V/oK)

Konduktivitas Termal Elemen 0,01652

(W/cm.oK)

Tahanan Elektrik Elemen 0,00110 (Ωcm)

Tahanan Elektrik 2,30909 (Ω)

Faktor Geometri Elemen 0,121 (cm)

Jumlah Sambungan Elemen

TEC-12706 127

Tabel 3. Spesifikasi Allumunium Coldsink pada Unit

Pendingin

Parameter Nilai

(Satuan)

Panjang 4×10-2 (m)

Lebar 4×10-2 (m)

Tebal 1,1×10-2 (m)

Konduktivitas Termal ketika Suhu

Awal (29oC)

238,532

(W/m.oK)


211

Tabel 4. Spesifikasi dan Parameter Kipas DC Delta

Tipe FFB-0812EHE pada Unit Pendingin

Parameter Nilai (Satuan)

Rated Voltage 12 (VDC)

Operating Voltage Range 7 – 13,8 (VDC)

Speed 3400 (RPM)

Maximum Air Flow 1,280 (m3/min)

Panjang 8×10-2 (m)

Lebar 8×10-2 (m)

Tebal 3,8×10-2 (m)

Koefisien Perpindahan

Panas Konveksi Suhu

Ruangan (28oC)

3,0291 (W/m2.oK)

Tabel 5. Spesifikasi Allumunium Coldsink pada Unit

Pendingin

Parameter Nilai

(Satuan)

Panjang 4×10-1 (m)

Lebar 4×10-1 (m)

Tinggi 4×10-1 (m)

Massa Jenis Udara pada Temperatur 28oC 1,1576

(kg/m3)

Kalor Jenis Udara pada Temperatur 28oC 1,007

(Kj/kg.oK)

Koefisien Perpindahan Panas Konveksi

Suhu Lingkungan Tinggi (35oC)

0,465

(W/m2.oK)

Pemodelan matematis blok proses didapatkan

berdasarkan hukum kesetimbangan energi antara besar

kalor yang terjadi didalam automatic greenhouse

dengan besar perpindahan panas total pada automatic

greenhouse, sehingga didapatkan persamaan berikut.

𝑚. 𝐶𝑢𝑑𝑎𝑟𝑎 .𝑑𝑇

𝑑𝑡= 4 × �̇�𝑑𝑖𝑛𝑑𝑖𝑛𝑔 + �̇�𝑢𝑛𝑖𝑡_𝑝𝑒𝑛𝑑𝑖𝑛𝑔𝑖𝑛 (1)

Dari persamaan tersebut dilaplace-kan sehingga menjadi

persamaan seperti pada diagram blok di Gambar 3.

Gambar 3. Diagram Blok Persamaan Fungsi Transfer

Pemodelan Blok Proses Sistem (greenhouse)

Dengan memasukkan parameter yang terdapat pada

Tabel 3, 4, dan 5 maka didapatkan persamaan fungsi

transfer sebagai berikut.

𝑇𝑔ℎ(𝑠)= (

0,06497 .𝑇𝐶𝑆(𝑠)

𝑆+

8,3577

𝑆) + (308,15 −

273,15).......................................................(2)

Pemodelan maematis aktuator didapatkan dengan

mengacu pada hukum fisika perpindahan panas

konduksi dan hukum kesetimbangan energi.

Berdasarkan hukum kesetimbangan energi antara besar

daya input yang digunakan unit pendingin dengan besar

perpindahan panas total yang dihasilkan oleh unit

pendingin didapatkan persamaan berikut.

𝐷𝑎𝑦𝑎 𝑖𝑛𝑝𝑢𝑡𝑇𝐸𝐶 = �̇�𝑇𝐸𝐶 − �̇�𝑐𝑜𝑙𝑑𝑠𝑖𝑛𝑘 ...........(3)

Dari persamaan tersebut dilaplace-kan sehingga menjadi

persamaan seperti pada diagram blok di Gambar 4.

Gambar 4. Diagram Blok Persamaan Fungsi Transfer

Pemodelan Blok Aktuator Sistem (coldsink

temperature)

Dengan memasukkan parameter yang terdapat pada

Tabel 4 dan 5 maka didapatkan persamaan fungsi

transfer sebagai berikut.

𝑇𝑐𝑜𝑙𝑑𝑠𝑖𝑛𝑘(𝑠)= 𝑉𝑖𝑛(𝑠)

. (−0,0205. 𝑉𝑖𝑛(𝑠)− 1,3408) +

27,9669 ...................................(4)

Pemodelan matematis dari temperatur transmitter dapat

didekati dengan sistem orde 1 sebagai berikut. 𝑉(𝑠)

𝜇(𝑠) =

𝐺𝑉

𝑉 𝑆 + 1

...................................................... (5)

Berdasarkan Datasheet sensor LM35, temperature

sensor memiliki karakteristik berupa range temperatur -

55 – 150 oC dan faktor ukuran linear senilai 10 mV/ oC

serta memiliki nilai time constant sensor (𝜏𝑆) senilai

1,89 detik maka didapatkan fungsi transfer dari sensor

kelembaban tanah yaitu: 𝑉𝑡𝑒𝑟𝑢𝑘𝑢𝑟(𝑠)

𝑉𝑎(𝑠)=

10

1,89.𝑆 + 1 ......................................... (6)

b. Perancangan Kontroler PI

Setelah didapatkan model matematis proses perubahan

kelembaban tanah, selanjutnya dilakukan validasi model

dengan simulasi menggunakan software LabVIEW

2015 untuk mengetahui respon alami perubahan

kelembaban tanah. Kemudian dilakukan perancangan

kontrol PI yang bertujuan untuk menghasilkan bentuk

sinyal analog yang berosilasi sebelum mencapai nilai

steady state. Respon dari kontrol PI akan menjadi dasar

penentuan fungsi keanggotaan pada perancangan

kontrol logika fuzzy. Kontrol PI diperoleh dengan

menentukan nilai parameter PI yaitu nilai Kp dan Ti

dengan metode tuning Ziegler-Nichols. Dari persamaan

fungsi transfer pemodelan proses dan perhitungan

persamaan parameter Kp dan Ti, maka diperoleh nilai

parameter Kp sebesar 4,618 dan Ti sebesar 9,9.

Kemudian dilakukan pengujian respon menggunakan

software LabVIEW 2015.

c. Perancangan Kontroler Logika Fuzzy

Perancangan kontrol logika fuzzy didapatkan dari


212

analisis respon kontrol PI yang telah dirancang

sebelumnya. Tahap perancangan logika fuzzy terdiri

atas penentuan membership function (fuzifikasi),

perancangan rule base, dan defuzifikasi.

Fuzifikasi

Pada tahap ini dilakukan penentuan membership

function untuk variabel input dan output. Variabel input

tersusun atas error dan delta error. Besar nilai error

didapatkan dari hasil pengurangan antara nilai acuan

(setpoint) dengan nilai keluaran plant [4]. Besar nilai

masukan delta error merupakan hasil dari pengurangan

nilai error sekarang dan nilai error sebelumnya. Secara

fisis delta error merupakan bentuk persamaan

diferensial pertama dari variabel error [5].

Fungsi keanggotaan (membership function) variabel

input dan output masing – masing dikelompokkan dalam

7 himpunan, yaitu PB (Positive Big), PM (Positive

Medium), PS (Positive Small), Z (Zero), NB (Negative

Big), NM (Negative Medium), dan NS (Negative Small).

Batas keanggotaan tiap himpunan direpresentasikan

dengan menggunakan kurva segitiga. Nilai keanggotaan

tiap himpunan mengacu pada respon error, delta error,

maupun output kontrol PI.

Gambar 5. Grafik Respon Error

Gambar 6. Grafik Respon Delta Error

Gambar 7. Grafik Respon Output Kontroler Error

Perancangan Rule Base

Perancangan rule base digunakan sebagai aturan dasar

kontrol logika fuzzy dalam mengontrol temperatur

elemen coldsink yang menempel di sisi dingin elemen

TEG. Perancangan rule base pada tugas akhir ini

menggunakan aturan IF-THEN berdasarakan Teori

MacVicar-Whelan seperti pada Tabel 6. Berdasarkan

teori MacVicar-Whelan, saat variabel input dan output

dibagi menjadi 7 himpunan maka diperoleh 49 aturan

Fuzzy yang perlu diterapkan pada sistem.

Tabel 6. Metode Perancangan Rule Base MacVicar

Whelan

Error

NB NM NS Z PS PM PB

dError

NB NB NB NB NB NM NS Z

NM NB NM NM NM NS Z PS

NS NB NM NS NS Z PS PM

Z NB NM NS Z PS PM PB

PS NM NS Z PS PS PM PB

PM NS Z PS PM PM PM PB

PB Z PS PM PB PB PB PB

d. Pengujian Respon Alami

Pengujian pemodelan matematis proses greenhouse

tanpa kontroler dilakukan dengan memberikan input

temperatur elemen coldsink senilai 29oC pada

pemodelan proses sistem.

-8.000

-6.000

-4.000

-2.000

0.000

2.000

4.000

6.000

0 500 1000 1500 2000

Grafik Respon Error

Error SetPoint

-0.100

0.400

0.900

1.400

0 500 1000

Grafik Respon Derror

dError SetPoint

-200.0

-150.0

-100.0

-50.0

0.0

50.0

0.00 500.00 1000.00 1500.00 2000.00 2500.00

Grafik Respon Hasil Pengontrolan

Besar Error Temperatur pada Greenhouse

Controller Output Setpoint Controller Output


213

Gambar 8. Grafik Respon Pemodelan Matematis

Proses Greenhouse Tanpa Kontroler

Bentuk grafik respon pada Gambar 8 menunjukan

bahwa pemodelan proses sistem greenhouse termasuk

model proses IPDT karena nilai temperatur yang

dikendalikan tanpa kontroler terus menerus membesar

dan tidak dapat mencapai kestabilan. Oleh karena itu

diperlukan kontroler agar pemodelan sistem dapat

mencapai temperatur sesuai setpoint.

e. Simulasi Pemodelan Sistem Kontrol Kelembaban

Tanah pada Automatic Greenhouse

Menggunakan Kontrol Logika Fuzzy dan

Kontrol PI

Pengujian simulasi pemodelan Sistem Kontrol

temperatur automatic greenhouse menggunakan kontrol

logika fuzzy dan kontrol PI dilakukan dengan

memberikan input setpoint temperatur tetap senilai 25oC

dan input temperatur lingkungan tetap sebesar 308,15oK

(35oC). Hasil pengujian tersebut direpresentasikan

dalam grafik respon pada Gambar 9 dan 10.

Gambar 9. Grafik Respon Sistem Kontrol Temperatur

Automatic Greenhouse Menggunakan Kontrol PI

Gambar 10. Grafik Respon Sistem Kontrol

Temperatur Automatic Greenhouse Menggunakan

Kontrol Logika Fuzzy

Gambar 9 dan 10 menunjukan bahwa grafik respon

Sistem Kontrol temperatur automatic greenhouse

menggunakan kontrol PI dan logika fuzzy dapat

bergerak menuju set point yang diinginkan dan menjaga

agar tetap stabil.

Tabel 7. Perbandingan Parameter Performansi Grafik

Respon Sistem Kontrol Temperatur Automatic

Greenhouse Menggunakan Kontrol Logika Fuzzy dan

Kontrol PI

Kontrol Logika Fuzzy Kontrol PI

Rise Time = 108,42 detik Rise Time = 603,8 detik

Settling Time (ts)

𝑡𝑠 = 190,42 𝑑𝑒𝑡𝑖𝑘

Settling Time (ts)


Error Steady State (ess)

𝑒𝑠𝑠 =|𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡−𝑃𝑣|

𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡×

100%

𝑒𝑠𝑠 =|−0,325|

25× 100%

= 1,3%




100%

𝑒𝑠𝑠 =|−0,006|

25× 100%

= 0,024%

Berdasarkan grafik respon Gambar 10, grafik respon

kontrol PI terlihat kurang baik bila dibandingkan dengan

grafik respon kontrol logika fuzzy. Hal ini terlihat dari

parameter kestabilan grafik respon yang disebutkan

pada Tabel 7. Grafik respon Sistem Kontrol temperatur

pada automatic greenhouse menggunakan kontrol

logika fuzzy memiliki parameter performansi rise time

sebesar 108,42 detik dan settling time (ts)sebesar 190,42

detik. Pada kondisi steady respon pengujian diatas

mempu menunjukan kondisi temperatur rata – rata

sebesar 25,32oC yang artinya memiliki error steady

state (ess) sebesar 1,3%. Tetapi error steady state (ess)

tersebut masih dapat ditoleransi karena kurang dari 2%.

f. Simulasi Uji Tracking Setpoint

Pengujian tracking setpoint dilakukan dengan menguji

performansi kontroler logika fuzzy pada sistem kontrol

temperatur automatic greenhouse menggunakan variasi

input setpoint. Dengan input temperatur lingkungan

sebesar 308,15oK (35oC) maka besar variasi input

temperatur setpoint yang digunakan adalah 20oC, 25oC,

27oC, dan 30oC. Hasil keempat pengujian tersebut

direpresentasikan dalam grafik respon seperti pada

Gambar 11, 12, 13, 14.


Temperatur Menggunakan Kontrol Logika Fuzzy Saat

Diberi Input Setpoint 20oC

-500

0

500

1000

0 500 1000 1500 2000

Setpoint of Temperature

Temperature - Kontrol PI

15

25

35

45

0 500 1000 1500 2000


Temperature - Kontrol Fuzzy

15

65

0 500 1000 1500 2000




214










Berdasarkan grafik respon Gambar 11, 12, 13, dan 14,

performansi logika fuzzy pada sistem kontrol

temperature automatic greenhouse dapat bekerja stabil

dengan keempat variasi input setpoint yang diberikan.

Hal ini terlihat dari parameter kestabilan grafik respon

yang disebutkan pada Tabel 8.

Tabel 8. Parameter Performansi Sistem Kontrol

Temperatur Menggunakan Kontrol Logika Fuzzy yang

Diberi Variasi Input Setpoint

Input Setpoint 20oC Input Setpoint 25oC

Rise Time = 139,1

detik Rise Time = 108,42 detik

Settling Time (ts)


Settling Time (ts)


Error Steady State

(ess)



100%




100%

𝑒𝑠𝑠 =|−0,322|

20×

100%

= 1,6%

𝑒𝑠𝑠 =|−0,325|

25× 100%

= 1,3%

Input Setpoint 27oC Input Setpoint 30oC

Rise Time = 92,81

detik Rise Time = 118,52 detik

Settling Time (ts)


Settling Time (ts)


Error Steady State

(ess)



100%

𝑒𝑠𝑠 =|−0,33|

27×

100%

= 1,2%




100%

𝑒𝑠𝑠 =|−0,33|

30× 100%

= 1,1%

g. Simulasi Uji Disturbance

Uji disturbance dilakukan dengan memberikan 3 variasi

input temperatur lingkungan dalam sekali pengujian.

Variasi input temperatur yang digunakan adalah variasi

temperatur pada pagi, siang, dan sore hari di wilayah

Jakarta berdasarkan data dari BMKG [6]. Pada pagi hari

besar temperatur rata-rata adalah 31,3C, pada siang hari

besar temperatur rata-rata adalah 34C, dan pada sore

hari besar temperatur rata-rata adalah 27,7C. Pengujian

dilakukan dengan 2 cara yaitu memberikan nilai input

setpoint sebesar 25oC dan 27oC. Hasil pengujian tersebut

direpresentasikan dalam grafik respon seperti Gambar

15 dan 16.

Gambar 15. Grafik Respon Uji Disturbance pada

Sistem Kontrol Temperatur Menggunakan Kontrol

Logika Fuzzy yang Diberi Input Setpoint 25oC

Gambar 16. Grafik Respon Uji Disturbance pada

Sistem Kontrol Temperatur Menggunakan Kontrol

Logika Fuzzy yang Diberi Input Setpoint 27oC

15

35

55

0 500 1000 1500 2000



15

35

55

0 500 1000 1500 2000



15

35

55

0 500 1000 1500 2000



0

50

0 2000 4000



0

50

0 2000 4000 6000




215

Berdasarkan grafik respon Gambar 35 dan 36,

performansi logika fuzzy pada sistem kontrol

temperature automatic greenhouse dapat membuat dan

menjaga temperatur agar tetap stabil walaupun

temperature lingkungan berubah – ubah. Hal ini terlihat

dari parameter kestabilan grafik respon yang disebutkan

pada Tabel 9 dan 10.

Tabel 9. Parameter Performansi Grafik Respon Uji

Disturbance pada Sistem Kontrol Temperatur

Menggunakan Kontrol Logika Fuzzy yang Diberi Input

Setpoint 25oC

Temperatur

Lingkungan 31,3oC

Temperatur

Lingkungan 34oC

Rise Time = 289,5

detik Rise Time = 37 detik

Settling Time (ts)


Settling Time (ts)

𝑡𝑠 = 224 𝑑𝑒𝑡𝑖𝑘

Error Steady State

(ess)



100%

𝑒𝑠𝑠 =|−0,33|

25× 100%

= 1,3%

Error Steady State

(ess)



100%

𝑒𝑠𝑠 =|−0,335|

25× 100%

= 1,3%

Temperatur Lingkungan 27,7oC

Rise Time = 122 detik

Settling Time (ts)




𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡× 100%

𝑒𝑠𝑠 =|−0,33|

25× 100%

= 1,3%

Tabel 10. Parameter Performansi Grafik Respon Uji

Disturbance pada Sistem Kontrol Temperatur

Menggunakan Kontrol Logika Fuzzy yang Diberi Input

Setpoint 27oC

Temperatur

Lingkungan 31,3oC

Temperatur

Lingkungan 34oC

Rise Time = 264

detik Rise Time = 74 detik

Settling Time (ts)


Settling Time (ts)


Error Steady State

(ess)



100%

𝑒𝑠𝑠 =|−0,33|

27×

100%

= 1,2%

Error Steady State

(ess)



100%

𝑒𝑠𝑠 =|−0,34|

27×

100%

= 1,3%

Temperatur Lingkungan 27,7oC

Rise Time = 12 detiko

Settling Time (ts)




𝑠𝑒𝑡𝑝𝑜𝑖𝑛𝑡× 100%

𝑒𝑠𝑠 =|−0,33|

27× 100%

= 1,2%

KESIMPULAN Sistem Kontrol temperatur automatic greenhouse

menggunakan kontrol fuzzy logic memiliki parameter

performansi respon yang lebih baik dibandingkan sistem

yang menggunakan kontrol PI, yakni rise time sebesar

108,42 detik, settling time (ts)sebesar 190,42 detik, dan

error steady state (ess) sebesar 1,3%. Selain itu

berdasarkan pengujian tracking setpoint dan uji

disturbance, kontroler fuzzy logic dapat bekerja dengan

baik dalam mengubah dan menjaga temperatur agar

tetap stabil, yakni dengan settling time (ts) dibawah 500

detik dan error steady state (ess) hanya sebesar 1,2% -

1,3%.

DAFTAR PUSTAKA

[1] Telaumbanua, M., Purwantana, B., & Lilik, S.

(2014). Rancang Bangun Aktuator Pengendali

Iklim Mikro di Dalam Greenhouse Untuk

Pertumbuhan Tanaman Sawi, 2.

[2] Algifari. (2018). Perancangan Kipas Angin

Pengatur Suhu dan Kelembapan Ruangan dengan

Metode Fuzzy Sugeno Berbasis Arduino. Skripsi.

Politeknik Negeri Batam. Surabaya.

[3] Azis, F., Puput, S. (2019). Rancang Bangun Smart

Green Building Berbasis IoT. Skripsi Jurusan

Teknik Elektro, Program Studi Instrumentasi dan

Kontrol Industri. Politeknik Negeri Jakarta,

Depok.

[4] Pertiwi, P. 2015. Perancangan Sistem

Pengendalian Level Menggunakan Fuzzy Logic

Pada Unit Deaerator 101U di Pabrik Ammonia

PT. Petrokimia Gresik. Surabaya: Institut

Teknologi Sepuluh Nopember.

[5] Suroso, Satya H., Puput W. 2018. Pengendalian

Posisi Azimut Antena Berbasis Global Positioning

System (GPS) dengan Kendali PD Fuzzy.

Surabaya: Universitas Negeri Surabaya.

[6] BMKG. 2020. Prakiraan Cuaca di Jakarta Selatan.

Retrieved from BMKG:

https://www.bmkg.go.id/cuaca/prakiraan

cuaca.bmkg?Kota=Jakarta%20Selatan&AreaID=5

011 3&Prov=7

https://www.bmkg.go.id/cuaca/prakiraan

Documents

Pemodelan Simulasi Sistem Kontrol Temperatur Berbasis