PROPOSAL TUGAS AKHIR

PENGONTROLAN SUHU DAN KELEMBAPAN UDARA DI DALAM RUANGINKUBATOR DENGAN MENGGUNAKAN KONTROL FUZZY

Oleh:

Moh. Imron RasyidiNRP.1107 100 060

Pembimbing:

Dr. Melania Suweni Muntini, MTNIP. 19641229 199002.2.001

JURUSAN FISIKAFAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

INSTITUT TEKNOLOGI SEPULUH NOPEMBERSURABAYA

2013

LEMBAR PENGESAHAN PROPOSAL TUGAS AKHIRJURUSAN FISIKA FMIPA-ITS

a. Judul : Pengontrolan Suhu dan Kelembapan Udara di Dalam RuangInkubator dengan Menggunakan Kontrol Fuzzy

b. Bidang Studi : Fisika Instrumenc. Nama : Moh. Imron Rasyidid. NRP : 1107 100 060e. Jenis Kelamin : Laki - Laki

f. Jangka Waktu : 3 bulang. Pembimbing : Dr. Melania Suweni Muntini, MT.h. Usulan Proposal ke : II

i. Status : Baru

Dosen Pembimbing,

Dr. Melania Suweni Muntini, M.T.NIP. 19641229 199002.2.001

Surabaya, 09 Oktober 2013Mahasiswa,

Moh. Imron Rasyidi______NRP. 1107 100 060

Koordianator Tugas Akhir,

M. Arif Bustomi, M.Si._____NIP. 19730418 199802.1.001

Ketua Jurusan Fisika FMIPA-ITS,

Dr. Eng. Yono Hadi Pramono, M.Eng.NIP. 19640616 198903.1.004

I. JudulJudul program ini adalah Pengontrolan suhu dan kelembapan udara di dalam

ruang inkubator dengan menggunakan kontrol fuzzy.

II. Latar Belakang

Dewasa ini, pesatnya perkembangan teknologi instrumentasi menuntut adanyasistem piranti yang dapat diaplikasikan dengan cerdas, cepat, dan nyaman. Salah satusitem instrumentasi yang krusial adalah inkubator. Inkubator adalah kamar atau kotak(box) yang bersuhu dan kelembapan tetap yang dilengkapi oleh sistem kontrol. Adapundimensi inkubator tersebut biasanya bermacam-macam, tergantung kebutuhan daripemakainya. Dalam setiap inkubator, kontrol suhu dan kelembaban merupakan parameterpaling penting[2]. Inkubator dapat digunakan untuk perawatan bayi yang lahir prematureguna mengontrol suhu ruangnya agar sama dengan suhu rahim. Dalam ranah teknologipertanian maju, sebuah inkubator kerap diterapkan sebagai pegontrol pembibitan.

Namun demikian, ada celah yang menjadikan performa banyak inkubator yangbiasa digunakan selama ini menjadi tidak maksimal. Sistem kontrol yang ada dalaminkubator kurang cerdas karena kebanyakan masih menggunakan PID yang berbasisnumerik sehingga untuk mengubah variable pengontrol diperlukan rekalkulasi dan seringkali tidak praktis. Di samping itu, alat pendinginnya pun menggunakan kipas angin, yangtentu saja ini tidak efisien dari segi waktu pendinginan dan memperbesar dimensiinkubator. Padahal, sebuah kontrol cerdas akhir-akhir ini semakin tidak dapat dipisahkandengan berbagai instrumentasi yang menggunakan teknologi modern dan jenis kontrolcerdas itu diantaranya adalah Fuzzy Logic Controller (FLC). FLC merupakan jenis kontrolyang menggunakan bahasa non-numerik sebagai parameter pengontrol yang sangatmemudahkan bagi pemakainya untuk mendesain sistem kontrol yang diharapkan[1].Aplikasi FLC banyak sekali digunakan, seperti pengaturan rumah kaca tanaman datarantinggi[3], optimisasi produksi barang[8], pencegahan kecelakaan lalu lintas dan sistemkeamanannya[1], kontrol suhu dan kelembaban[7], sistem suspensi semi-aktif denganperedam nonlinier[9], pengendali penerangan[6], dan lain-lain. Lebih dari itu,penggunaan FLC tidak memerlukan persamaan matematis yang rumit melainkan hanyadengan persamaan yang sederhana dan mudah. Artinya, jika dikomparasi sistem controlPID dan FLC, tentu saja FLC jauh lebih unggul. Karena alasan kemudahan dan tingkatkestabilan serta kecepatan dalam merespon perubahan keadaan dalam mengontrol objekyang hendak dikontrol, FLC sangat cocok digunakan untuk mengontrol temperature dankelembapan udara di dalam ruang inkubator, karena ruang inkubator memerlukan kondisidengan temperature dan kelembapan tertentu dengan lebar jangkauan masing-masingtemperature dan kelembapan yang sangat sempit. Terkait pendingin inkubator, sebuahpeltier diprediksi lebih baik dibandingkan kipas angin; karena peltier memiliki kemapuanpendinginan yang lebih cepat dibandingkan kipas angina dimana kipas angin hanyasekedar mensirkulasikan udara dingin dan bukan mendinginkan. Faktanya, sebuahinkubator agar dapat bekerja dengan baik terutama dalam penstabilan suhu, diperlukan

sistem pendingin yang dapat menurunkan suhu dengan cepat. Oleh sebab itu, peltiermenjadi salah satu komponen yang dapat digunakan sebagai system pendingin.

Untuk menutupi celah-celah tersebut dan pada gilirannya nanti dalam rangkameningkatkan kualitas kerja sebuah inkubator, maka penelitian ini dihadirkan. Dalampenelitian ini, sebuah inkubator didesain dengan sistem control berbasis FLC dan sistempendingin peltier. Pekerjaan ini meliputi pembuatan hardware, software, dan penyiapansistem komunikasi data di antara keduanya. At last but not least, inkubator yangdirancang dalam penelitian ini memiliki keunggulan sebagai berikut: bagian-bagianinkubator adalah hasil rancangan tangan sendiri (hand-made), biaya pembuatan relativetidak mahal, sistem control yang cerdas berbasis FLC, dimensi besar (60x50x50) cm,stabilitas sistem tinggi, akurasi baik sekali, dan yang paling penting adalah inkubator inidiharapkan dapat diterapkan dengan baik untuk perawatan bayi premature dan penelitianpembibitan tanaman.

III. Rumusan MasalahBeberapa masalah yang akan dibahas dalam tugas akhir ini antara lain:

a. Pemilihan jumlah fungsi keanggotaan dan persamaan matematisnya.b. Pemilihan variable masukan fuzzy yang akan di fuzzyfikasi.

IV. TujuanTujuan dari penelitian ini adalah untuk mempertahankan kondisi temperature dan

kelembapan udara di dalam ruang inkubator supaya sama dengan set point.

V. Batasan MasalahBeberapa batasan masalah yang akan dibahas di dalam tugas akhir ini antara lain

a. Kontrol fuzzy hanya digunakan untuk mengontrol besar kecilnya daya ke sprayer(pelembap) dan ke heater (pemanas) dengan cara PWM (pulse width modulation).

b. Kelembapan yang diinginkan hanya untuk empat keadaan setpoint yaitu 75%, 80%,85%, dan 90%.

c. Temperature yang diinginkan hanya untuk empat keadaan setpoint yaitu 35, 36, 37,dan 38 C.

d. Variable yang akan dimasukkan ke dalam kontrol fuzzy adalah variabel eror yangdihasilkan oleh selisih antara masing-masing kelembapan dan temperature saat initerhadap setpoint yang sedang dipakai.

VI. Sistematika PenulisanProposal tugas akhir ini terdiri dari 5 bagian, yaitu pendahuluan, tinjauan pustaka,

metodologi penelitian, jadwal pelaksanaan, dan penutup. Pendahuluan terdiri dari latarbelakang, rumusan masalah, tujuan, batasan masalah dan sistematika penulisan.Tinjauanpustaka yang terdiri dari sejumlah teori dasar yang berkaitan erat dengan penelitian ini.Metodologi penelitian yang terdiri dari tahap perencanaan, desain, dan langkah kerjadalam proses pengambilan data. Jadwal pelaksanaan berisi tentang rencana pelaksanaankegiatan penelitian untuk tugas akhir. Dan terakhir penutup serta daftar pustaka danpengesahan

VII. TINJAUAN PUSTAKA7.1 Konsep Logika Fuzzy

Tidak seperti logika boolean, logika fuzzy mempunyai nilai yang kontinue.Samar dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Olehsebab itu, sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yangsama[4].

a. Struktur Dasar Logika Fuzzy

Pada dasarnya struktur logika fuzzy dapat digambarkan seperti berikut :

Gambar 7.1 Struktur Dasar Logika Fuzzy

Fungsi dari bagian-bagian di atas adalah sebagai berikut:

FuzzifikasiBerfungsi untuk mentransformasikan sinyal masukan yang bersifat crisp ( bukanfuzzy ) ke himpunan fuzzy dengan menggunakan operator fuzzifikasi.

Basis PengetahuanBerisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol.

Logika Pengambil Keputusanmerupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusiadalam mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakanimplikasi fuzzy dan mekanisme inferensi fuzzy.

Defuzzifikasiberfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifatfuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operatordefuzzifikasi[4].

b. Fungsi keanggotaanFungsi keanggotaan (membership function ) dari himpunan fuzzy adalah suatu

fungsi yang menyatakan keanggotaan dari suatu himpunan nilai-nilai. Penentuannilai-nilai diperoleh dari rule / kaidah fuzzy yang menggunakan metoda implikasi.Ada dua metoda untuk mendefinisikan keanggotaan himpunan fuzzy, pertama secaranumerik dinyatakan sebagai suatu nilai vektor yang besarnya tergantung dari leveldiskritnya. Fungsi keanggotaan fuzzy yang sering digunakan antara lain :

1. Fungsi representasi linierPada representasi linier, pemetaan input ke derajat keanggotaannya

digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadipilihan yang baik untuk mendekati suatu konsep yang kurang jelas.Keadaan linierhimpunan fuzzy terdiri dari dua keadaan linier naik dan linier turun. Pada liniernaik, kenaikan himpunan dimulai pada nilai domain yang memiliki derajatkeanggotaan nol [0] bergerak ke kanan menuju nilai domain yang memiliki derajatkeanggotaan lebih tinggi dengan fungsi keanggotaan :

Gambar grafik fungsi representasi naik

Sedangkan pada linier turun, garis lurus dimulai dari nilai domain denganderajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilaidomain yang memiliki derajat keanggotaan lebih rendah dengan fungsikeanggotaan.

Gambar grafik fungsi representasi turun

2. Fungsi keanggotaan segitigaFungsi keanggotaan segitiga ditandai oleh adanya 3 (tiga) parameter {a,b,c}

yang akan menentukan koordinat x dari tiga sudut. Kurva ini pada dasarnyamerupakan gabungan antara dua garis (linier). Adapun persamaan untuk bentuksegitiga ini adalah:

Gambar grafik fungsi keanggotaan segitiga

3. Variabel linguisticVariabel linguistik dalam penjabaranya diungkapkan dalam bahasa

natural/alami yang dapat mengikuti pola pikir manusia dimana nilai nilainyadidefinisikan dengan istilah linguistik. Secara umum variabel yang seringdigunakan adalah negatif Big (NB), Negatif Medium (NM), Zero (Z), PositifSmall (PS), Positif Medium (PM), Positif Big (PB), dan seterusnya.

4. Fuzzyfikasi

Fuzzifikasi merupakan suatu proses pengubahan variable non-fuzzy(crisp)kedalam variabel fuzzy, variable input(crisp) dipetakan ke bentuk himpunan fuzzysesuai dengan variasi semesta pembicaraan input. Pemetaan titik-titik numerik (crisp points)x = (x1, x2, , xn)T U ke himpunan fuzzy A pada semestapembicaraan U. Data yang telah dipetakan selanjutnya dikonversikan ke dalambentuk linguistik yang sesuai dengan label dari himpunan fuzzy yang telahterdefinisi untuk variabel input sistem.

Di dalam pemetaan ini terdapat dua kemungkinan pemetaan yaitu :

Fuzzyfikasi singleton : A adalah fuzzy singleton dengan support x, artinya:

lainyangUxuntuk

xxuntukx

o

A 01)(

Fuzzyfikasi nonsingleton: A ( x) =1 dan A ( x) menurun dari 1 sebagaimanax bergerak menjauh dari x. Sebagai contoh :

2

)'()'(exp)(

xxxxx

T

A

Fuzzifikasi memiliki dua komponen yang utama, yaitu :

Fungsi keanggotaan himpunan fuzzy.Fungsi keanggotaan Merupakan sebuah kurva yang menggambarkan pemetaandari input ke derajat keanggotaan antara 0 dan 1. Melalui fungsi keanggotaanyang telah disusun maka dari nilai-nilai masukan tersebut menjadi informasifuzzy yang berguna nantinya untuk proses pengolahan secara fuzzy pula.Banyaknya jumlah fungsi keanggotaan dalam fuzzy set menentukan banyaknyaaturan yang harus dibuat.

Label.Didalam Fuzzy set tentunya memiliki beberapa fungsi keanggotaan, jumlahdari keanggotaan inipun disesuaikan dengan banyaknya kebutuhan. Setiapfungsi keanggotaan dapat didefinisikan dengan label atau nama. Dapatdinyatakan dengan besar, sedang, kecil atau sesuai dengan keinginan.

Gambar 7.7 input fuzzy dengan 3 fungsi keanggotaan

5. Basis pengetahuan

Basis pengetahuan terdiri dari fakta (Data Base), dan kaidah atur (RuleBase). Fakta merupakan bagian pengetahuan yang memuat informasi tentang

objek, peristiwa, atau situasi. Fakta umumnya menyatakan kondisi statik darisuatu objek. Sedangkan kaidah (Rule base) berisi informasi tentang caramembangkitkan fakta baru atau hipotesa fakta yang sudah ada.

Basis Data (Data Base).Basis data berfungsi untuk mendefinisikan himpunan-himpunan fuzzy darisinyal masukan dan sinyal keluaran agar dapat digunakan oleh variabellinguistik dalam basis aturan. Dalam pendefinisian tersebut biasanya dilakukansecara subjektif dengan menggunakann pendekatan heuristik dan didasarkanpada pengalaman dan pertimbangan yang menyangkut kerekayasaan, sehinggabergantung penuh pada perancang.

Kaidah Atur (Rule Base).Kaidah atur dalam fuzzy ini biasanya tersusun dengan pernyataan :

IF (antecedent) THEN (consequent) atau dapat jugaIFx is A THENy is B.Antecedent : berisi himpunan fakta input (sebab).Consequent : berisi himpunan fakta output (akibat).IF THEN dalam logika fuzzy akan melakukan pemetaan dari himpunanfuzzy input kehimpunan fuzzy output.

6. Logika pengambil keputusanSering pula disebut sebagai Fuzzy Inference sistem (FIS) merupakan bagian

terpenting dalam logika fuzzy.Langkah yang dilakukan pada tahap ini yaitumengevaluasi aturan, dimana mengevaluasi aturan mempunyai arti yaitu logikafuzzy mengolah dan menyimpulkan proses yang tersusun dari rule IF...THEN,setiap rule menghasilkan satu output. Pada dasarnya satu rule akan aktif apabilakondisi input memenuhi aturan pernyataan IF. Pengaktifan aturan pernyataan IFmenghasilkan output kontrol yang didasarkan pada aturan pernyataan THEN.Dalam sistem fuzzy digunakan banyak rule yang menyatakan satu atau lebihpernyataan IF. Suatu rule dapat pula mempunyai beberapa kondisi input, yang satusama lainya dihubungkan dengan AND atau OR untuk mendapatkan rule output.

7. Defuzzyfikasi

Defuzzifikasi merupakan proses merubah output fuzzy dari FIS (fuzzyinference sistem) menjadi output crips. Bentuk umum proses defuzzyfikasidiyatakan dengan:

Z0 = defuzzier (z)dimana z adalah aksi pengendalian fuzzy, Z0 adalah aksi pengendali crisp, dandefuzzifier adalah operator defuzzifikasi.Terdapat dua macam metode defuzzifikasi, yaitu :

Metode Titik Pusat (Center Of Area, COA).Metode ini membagi dua momen pertama fungsi keanggotaan, dan harga v0yangmenandai garis pembagi adalah harga V yang terdefuzzifikasi.

Secara algoritmik dinyatakan :

v

v

v

v

dvv

dvvvv

)(

)(0

........................................................................ 7.1.1)

sedangkan dalam semesta diskrit dapat dinyatakan :

m

kkv

m

kkvk

v

vv

v

1

10

)(

)(

................................................................... 7.1.2

Metode Titik Tengah Maksimum (Mean Of Maximum, MOM).Merupakan metode defuzzifikasi yang merepresentasikan nilai titik tengah darikeluaran yang fungsi anggotanya maximum. Fungsinya ditunjukkan sebagai:

n

i lizz

10 .................................................................... 7.1.3

dimana zi adalah nilai pendukung dengan fungsi keanggotaan bernilai maximumdan l adalah banyaknya nilai pendukung[4].

7.2 Sensor Suhu dan Kelembapan HSM-20G

Sensor HSM-20G merupakan sensor suhu sekaligus merupakan sensorkelembapan dengan keluaran berupa tegangan analog. Berikut ini gambar fisik darisensor ini:

Gambar 2.2.1 bentuk fisik dari sensor HSM-20G

Gambar 2.2.2.dimensi fisik dari sensor HSM-20G dan rangkain skematiknya

a. Karakteristik SensorHSM-20GKarakteristik dari sensor HSM-20G dapat dilihat pada gambar 2.2.2 berikut ini:

Gambar 2.2.3 Spesifikasi dari sensor HSM-20G

7.3 InkubatorInkubator adalah kamar atau kotak yang bersuhu tetap (biasanya 37oC) [2]. Selain

bersuhu tetap biasanya kelembapan di dalam ruangan ini juga tetap. Sedangkan dimensidari inkubator ini bias bermacam-macam tergantung kebutuhan dari pemakainya.

7.4 Pulse width modulation ( PWM )Pulse Width Modulation (PWM) atau modulasi lebar pulsa merupakan

sinyaldigital berupa gelombang kotak (square wave) dimana duty cycle darigelombang kotak tersebut dapat diatur sesuai dengan kebutuhan sistem. Gelombangkotak f(t) yang ideal dengan periode T ditunjukkan sepertipada Gambar 2.4.1.

Gambar 2.4.1 Gelombang kotak f (t) yang ideal dengan periode T

Gelombang kotak seperti pada Gambar 2.4.1memiliki duty cycle, D seperti padapersamaan berikut: = ...........................................................7.4.1

Dimana :

= waktu gelombang kotak selama berlogika tinggi

T =periode gelombang kotak.

Sedangkan tegangan rata-rata sebuahgelombang adalah sesuai padapersamaan: = ( ) ....................................7.4.2

Dimana :

y : tegangan rata-rata gelombang

T: periode gelombang

Gelombang kotak f(t) pada Gambar 2.4.1 berada pada nilai 0 < t < dan