18
Jadi kecepatan putaran motor induksi sangat tergantung pada frekuensi sumber yang digunakan serta jumlah
kutub magnit dari kumparan motor. Salah satu kelemahan dari motor induksi adalah
tidak mampu mempertahankan kecepatannya dengan konstan bila terjadi perubahan beban. Apabila terjadi
perubahan beban maka kecepatan motor induksi akan menurun. Untuk mendapatkan kecepatan konstan serta
memperbaiki kinerja motor induksi terhadap perubahan beban, maka dibutuhkan suatu pengontrol Ratna Ika
Putri,
2007. Jenis
pengontrol atau
pengendali elektronika yaitu pengontrol analog dan pengontrol
digital. Perbedaan kedua pengendali ini adalah dalam hal pemrosesan datanya. Seiring perkembangan teknologi
digital, maka saat ini pengendali digital lebih banyak digunakan. Pengendali digital yang saat ini banyak
digunakan adalah pengendali berbasis PLC dan Mikrokontroller.
Metode pengontrolan yang banyak digunakan untuk mengendalikan kecepatan Motor Induksi yaitu
Metode Pengontrolan PID yang merupakan kombinasi Metode Pengontrolan P roportional P, Integral I dan
Derivative D. Pengontrolan PID merupakan salah satu
metode pengontrolan untuk menghasilkan ouput yang konstan Denny Septa Ferdiansyah dkk, 2010. Pada
awalnya pengontrol ini merupakan pengendali analog yang direalisasikan dalam bentuk rangkaian analog.
Namun saat ini algoritma Pengendali PID telah dapat direalisasikan dalam bentuk persamaan digital. Jika
diimplementasikan hanya berupa program yang dapat ditanamkan dalam mikrokontroller embedded system.
Dari hasil penelitian yang dilakukan Madhavi, yang menerapkan metode pengontrolan PID untuk
mengendalikan motor
induksi telah
mampu menghasilkan output kecepatan motor yang relatif
konstan. Kekurangan dari pengendali PID ini adalah masih
terdapat proses tuning. Proses tuning dilakukan untuk mendapatkan konstanta proportional Kp, integral Ki
dan derivative Kd yang sesuai sehingga mendapatkan output
kecepatan sesuai yang diinginkan. Proses tuning dilakukan dengan cara manual dengan metode trial and
error yang hasilnya belum tentu tepat.
Untuk menggantikan proses tuning di atas, maka diperlukan metode pendekatan . Pada penelitian ini
metode pendekatan yang digunakan adalah Metode Logika Fuzzy
. Beberapa penelitian pengaturan kecepatan motor
induksi telah dilakukan antara lain Madhavi L Mhaisgawali 2007, Induction Motor Speed Control
Using PID Controller , Tianur dkk 2011, Kontrol
Kecepatan Motor Induksi Menggunakan Metode PID- Fuzzy, Sugeng 2012, Penerapan Fuzzy Inference
System Untuk
Mengendalikan Kecepatan
Motor Conveyor
. Pada penelitian ini akan dirancang suatu sistem
yang menerapkan Logika Fuzzy untuk mengendalikan kecepatan motor induksi 3 phase berbasis Pengendali
PID sehingga kecepatan motor conveyor dapat konstan walaupun beban yang diangkut oleh conveyor berubah.
Perbedaan utama penelitian yang akan dilakukan dengan penelitian-penelitian sebelumnya adalah pendekatan
sistem kontrolnya menggunakan Logika Fuzzy metode Mamdani untuk mengendalikan kecepatan motor
conveyor
berbasis Pengendali PID untuk menghasilkan output
kecepatan motor conveyor yang konstan. Simulasi penelitian ini menggunakan Fuzzy Logic Toolbox
Graphical User
Interface GUI pada
software MATLAB.
2.
LANDASAN TEORI
A. Pengantar Logika Fuzzy
Logika fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran fuzzyness
antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan
namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobotderajat keanggotaan yang
dimilikinya.
Himpunan fuzzy
mempunyai derajat
keanggotaan bernilai kontinyu yaitu antara 0 sampai dengan 1, sedangkan himpunan crisp hanya mempunyai
2 nilai yaitu “0” dan “1”. Satu perbedaan dari himpunan crisp
dan fuzzy adalah bahwa himpunan crisp selalu memiliki fungsi keanggotaan yang unik, sedangkan
setiap himpunan fuzzy memiliki nilai keanggotaan yang terbatas dari fungsi keanggotaan yang mewakilinya. Hal
itu memungkinkan fuzzy dapat diatur secara maksimum dalam situasi yang diberikan Robandi, 2006:50.
Logika fuzzy merupakan cabang dari sistem kecerdasan
buatan Artificial
Intelegent yang
mengevaluasi kemampuan manusia dalam bentuk algoritma yang kemudian dijalankan oleh mesin.
Algoritma ini digunakan dalam berbagai aplikasi pemrosesan data yang tidak dapat dipresentasikan dalam
bentuk biner. Logika fuzzy menginterpretasikan statemen yang samar menjadi sebuah pengertian yang logis.
Sekitar tahun 1965, Profesor Lotfi A. Zadeh adalah guru besar pada University of California yang
merupakan pencetus sekaligus yang memasarkan ide tentang cara mekanisme pengolahan atau manajemen
ketidak pastian yang kemudian dikenal dengan logika fuzzy.
Teknik fuzzy dapat diimplementasikan dalam bidang kontrol, pengenalan pola, pemrosesan citra,
analisis kuantitatif pada penelitian di bidang sosial, penarikan kesimpulan seperti pada Expert System ES,
19
perencanaan, prediksi, teknik pembuatan software, dan lain-lain Robandi, 2006: 58.
B. Blok Diagram sistem Logika Fuzzy
Secara umum suatu sistem Logika Fuzzy terdiri dari tiga komponen utama yaitu Fuzzification, Inference
dan DefuzzificationSuyanto, 2008:27.
Gambar 1 Sistem Logika Fuzzy
Fuzzification merupakan proses pemetaan nilai-
nilai input crisp input yang berasal dari sistem yang dikontrol kedalam himpunan fuzzy menurut fungsi
keanggotaanyamembership function. Untuk mengubah crisp input menjadi fuzzy input, terlebih dahulu harus
menentukan fungsi keanggotaan membership function untuk crisp input, kemudian proses fuzzification akan
mengambil crisp input dan membandingkan dengan fungsi keanggotaan membership function yang telah
ada untuk menghasilkan harga fuzzy input.
Fungsi keanggotaan membersip function adalah suatu kurva yang menunjukkan pemetaan titik-titik input
data ke dalam nilai keanggotaannya yang memiliki interval antara nol sampai satu. Salah satu cara yang
dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Representasi
dari fungsi keanggotaan ini dapat digambarkan dengan dua bentuk yaitu linear atau garis lurus dan kurva
diantaranya adalah Kurva Linier naik, Kurva Linier Turun, Kurva Segitiga dan Kurva Trapesium.
Sistem Inferensi Fuzzy Fuzzy Inference System disebut juga fuzzy inference engine adalah sistem yang
dapat melakukan penalaraninference dengan prinsip serupa seperti manusia melakukan penalaran dengan
nalurinya atau akan memperhitungkan semua aturan yang ada di dalam basis pengetahuan fuzzy.
Bentuk umum dari aturan fuzzy dapat dituliskan
“IF x is A THEN y is B” yang digunakan untuk menentukan relasi fuzzy antara input dan output kontrol
Suyanto, 2008:28. Relasi fuzzy
dinyatakan dengan “R”
yang juga disebut implikasi fuzzy. Dalam penerapannya
“x” sebagai antecedent kejadian yaitu input yang telah difuzzifikasi dan “y” sebagai consequent akibat yaitu
sebagai aksi kontrol output serta A dan B adalah himpunan fuzzy.
Pada tahap inference diproses hubungan antara nilai-nilai input crisp input dan nilai-nilai output crisp
output yang dikehendaki dengan aturan-aturan rulers.
Aturan ini nantinya yang akan menentukan respon sistem terhadap berbagai kondisi seting point dan gangguan
yang terjadi pada sistem. Terdapat beberapa metode aturan fuzzy yang
dapat digunakan antara lain Metode Mamdani dan Metode Sugeno.
Defuzzification merupakan proses pemetaan
himpunan fuzzy kehimpunan tegas crips artinya kebalikan dari proses fuzzifikasi. Pada tahap ini
dilakukan pemetaan bagi nilai-nilai fuzzy output yang dihasilkan pada tahap inference ke nilai-nilai output
kuantitatif yang sesuai dengan sistem yang diharapkan.
Proses defuzzifikasi
diekspresikan Z
= defuzzifier Z dimana Z = Hasil penalaran fuzzy dan Z
= Keluaran kontrol Fuzzy Logic. Ada tiga metode defuzzification pada metode
Mamdani, yaitu Mean of Maximum MOM, Center of Area
COA dan bisektor. Pada metode MOM, solusi crisp
diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum.
C. Motor Induksi
