Kesimpulan Orde I

2. Kesimpulan Orde I

a. Hasil desaian system Orde I adalah paling disukai dalam praktek, karena tidak memiliki “Over-shoot”, Zero Off-set (%

Ess=0%) dengan “time constan” yang baru * τ . Jadi plant Orde I dengan Kontroler PI, bila dipilih τ i= τ ,

system hasil desain adalah sistem Orde I dengan time constan τ * dan Zero Off-set.

b. Hasil desain system Orde II dengan delay dan Zero Off-set. Parameter sistem hasi desain antara lain : frekuensi natural ( ω n ); koefisien redaman ( ξ ) dan factor delay ( τ i )

Jadi plant Orde I dengan Kontroler PI bila τ i ≠ τ , sistem hasil

desain adalah Orde II, Zero Off-set dengan parameter system ω n , ξ , dan τ i .

5.4 Kontroler Logika Fuzzy (Fuzzy Logic Controller) Kontroler Logika Fuzzy (KLF) adalah suatu kontrol yang

menggunakan metodologi digital dalam melakukan proses pengontrolan sistem. Proses pengontrolan dilakukan dengan strategi dan simulasi sistem fisik yang alami artinya hasil proses kontrol mendekati kondisi riil yang sesungguhnya [7].

Logika Fuzzy (fuzzy logic) adalah suatu logika yang menerapkan derajat kebenaran secara samar (fuzzy), artinya logika fuzzy (fuzzy logic) mempunyai derajat kebenaran berbentuk linguistik yang menyertakan predikat kekaburan (fuzziness) sesuai proporsinya. Sebagai contoh derajat kebenaran suhu dinyatakan dalam sangat dingin, dingin, sedang, panas, sangat panas dan seterusnya. Bila dinyatakan dalam bilangan logika bolean fuzzy maka derajat kebenarannya diantara interval 0 sampai dengan 1. Artinya derajat kebenaran bisa dirancang dari “0” ≅ : suhu sangat dingin, “0.3” ≅ : suhu dingin , “0.5” ≅ : suhu sedang , “0.7” ≅ suhu panas sampai “1.0” ≅ suhu sangat panas.

Berbeda dengan logika konvensional, derajat kebenarannya dinyatakan secara pasti (crispy) yaitu salah satu dari 2(dua) pilihan. Definisi kebenarannya hanya berharga “0” atau “1” saja, tidak dapat dinyatakan antara suhu sangat dingin, dingin, sedang sampai panas. Dengan menggunakan sistem logika konvensional, dipastikan mengalami kesulitan jika diinginkan pembagian suhu mendekati kondisi sebenarnya.

5.4.1. Konsep Dasar Logika Fuzzy (Basic Concepts of Fuzzy Logic) Konsep teori logika fuzzy pertama kali dikenalkan oleh Lotfi A.

Zadeh (1965) melalui teori himpunan fuzzy (fuzzy set). Konsep ini didasari oleh kebutuhan untuk memperoleh metoda dalam memngembangkan analisis dan mempresentasikan dari masalah riil di lapangan yang serba tidak selalu tepat dan pasti.

Teori fuzzy ini pernah ditentang ilmuwan matematik Prof. W.Kahan kolega Prof. Lotfi A. Zadeh dengan pernyataan : “ What we need is more logical thinking, not less. The danger of fuzzy theory is that it will encourage the sort of imprecise thinking that has brought us so much trouble”.(“Apa yang kita inginkan adalah lebih pada pemikiran yang logis, tidak kurang. Bahaya dari teori fuzzy adalah akan menimbulkan semacam pemikiran yang tidak presisi dan akan memberikan kepada kita banyak kesulitan”)[15].

Pengembangan teori fuzzy ini banyak didukung para ahli seperti Prof. Ebrahim Mamdani (1974) dengan “Succeeded to apply

fuzzy logic for control in practice”, kemudian diteruskan oleh Rutherford, dan Pedricz. Pada dekade (1965-1975) Ebrahim Mamdani, dari Queen Mary College London meneliti : “Aplikasi fuzzy meliputi proses pada tangki pencampur”, M. Sugeno dari Tokyo Institute of Technology dan Yamanakawa dari Kyusu Institute of Technology meneliti tentang :”Komputer Fuzzy”. Dari penelitian inilah teori fuzzy kemudian dapat diterima oleh masyarakat ilmiah sebagai terobosan dibidang kontrol cerdas [15].

Secara teori ada 4(empat) dasar konsep logika fuzzy yaitu : himpunan fuzzy, variabel linguistik, distribusi kemungkinan dan aturan fuzzy JIKA-MAKA [5].

5.4.2. Teori Himpunan Fuzzy (Fuzzy Set Theory) Himpunan fuzzy A dalam semesta pembicaraan X (universe

of discourse) adalah kelas atau kumpulan kejadian pasangan elemen x (x anggota dari X) dengan derajat keanggotaan (grade of

membership) elemen tersebut yaitu fungsi keanggotaan µ A (x) dengan nilai riil, interval (0 ÷ 1) pada tiap x dalam X. Derajat kebenaran logika fuzzy didasarkan µ A , dimana µ A (x)=1, berarti x sebagai anggota penuh himpunan A, tetapi bila µ A (x)=0, berarti x bukan anggota himpunan A [2, 5, 7, 15, 22].

( x )  A 1 → bila dan hanya bila x ∈ A µ =