Lu C., et a.l. 2006 merancang sistem kontrol fuzzy pada alat pengering cepat microwave untuk tanaman obat-obatan China. Sistem kontrol juga menggunakan
chip prosessor tunggal 8051 dan sensor temperatur model NJL9103. Dengan menerapkan teknik kontrol fuzzy, sistem pengeringan memiliki karakter pintar
intellectualized dan hanya membutuhkan daya atau energi kecil. Darjat 2008 menerapkan sistem pengendalian suhu dan kelembaban pada
mesin pengering kertas dengan logika fuzzy. Sistem kontrol memanfaatkan mikrokontroller Atmega 8535 dengan sensor suhu dan kelembaban SHT11 digunakan
untuk memperoleh hasil pengeringan berupa kertas kering ideal dengan suhu 33-35
o
C dan kelembaban 41 . Dengan pengujian 3 nilai set point yang berbeda; 40
o
C, 45
o
C dan 50
o
C, Set point 50
o
C memberikan hasil yang bersesuaian dengan suhu kertas 38
o
C dan kelembaban 40,9 . Sedangkan set point 40
o
C dan 45
o
C masing-masing menghasilkan suhu kertas 34,7
o
C dan 36,1
o
C serta kelembaban 49,2 dan 43,5 .
2.3 Logika Fuzzy
Sistem fuzzy yang diperkenalkan oleh Prof. L.A. Zadeh di Barkeley pada tahun 1965 adalah teori yang memasukkan seluruh anggota himpunan semesta menjadi
anggota suatu himpunan tertentu berdasarkan nilai atau derajat keanggotaan. Berbeda dengan konsep himpunan yang sejak dahulu banyak digunakan, yaitu himpunan crisp
yang memiliki batasan yang jelas, himpunan fuzzy tidak memiliki batasan yang jelas kabur.
Himpunan fuzzy fuzzy sets merupakan media komunikasi yang berbicara mengenai logika alami dan kompleksitas di antara manusia dan pengetahuan sosial
Marimin, 2002 didalam Nugroho, 2007. Himpunan fuzzy dan fungsi keanggotaannya didefenisikan sebagai berikut: “Jika x adalah koleksi dari objek-objek
yang dinotasikan sebagai X, maka suatu himpunan fuzzy A dalam x adalah himpunan dari pasangan nilai:
A = {x, µAx}|x Є X},
dimana µAx disebut sebagai fungsi keanggotaan untuk himpunan fuzzy A. Fungsi keanggotaan tersebut memetakan setiap elemen dari x ke sebuah derajat keanggotaan
dengan nilai antara 0 dan 1” Jang et al., 1997 didalam Nugroho, 2007.
9
Logika fuzzy merupakan bagian dari logika boolean, yang digunakan untuk menangani konsep derajat keanggotaan, misalnya derajat keanggotaan bilangan
diantara selang 0 dan 1. Logika fuzzy sering menggunakan informasi linguistik dan verbal yang disebut label. Dalam logika fuzzy terdapat beberapa proses inferensi
fuzzy, yaitu penentuan gugus fuzzy, penerapan aturan if-then, dan penegasan defuzzy.
2.4 Inferensi fuzzy
Sistem inferensi fuzzy merupakan penduga numerik yang terstruktur dan dinamik. Sistem ini mempunyai kemampuan untuk mengembangkan sistem intelijen
dalam lingkungan yang tidak pasti dan tidak tepat. Sistem ini menduga suatu fungsi dengan logika fuzzy Marimin, 2002 didalam Nugroho, 2007.
Inferensi fuzzy adalah suatu proses perumusan model untuk mendapatkan sebuah keluaran menggunakan logika fuzzy dari suatu masukan. Model yang ada dapat
dijadikan suatu dasar untuk pengambilan keputusan atau pembedaan pola. Sistem inferensi fuzzy telah berhasil diterapkan pada beberapa bidang seperti
kontrol automatis, klasifikasi data, analisis keputusan, sistem pakar dan computer vision. Karena itu, sistem inferensi fuzzy biasa dikenal dengan nama fuzzy-rule-based
system, fuzzy expert system, fuzzy modeling, fuzzy associative memory, dan fuzzy logic
controllers [Math works] 2004 didalam Nugroho, 2007.
2.4.1. Penentuan gugus fuzzy
Penentuan gugus atau keanggotaan fuzzy melalui suatu fungsi yang memetakan tiap elemen himpunan ke suatu nilai keanggotaan yang besarnya antara
0 dan 1. Beberapa jenis fungsi keanggotaan fuzzy adalah trapezoidal, triangular, gaussian dan sigmoidal. Jenis trapezoidal adalah fungsi keanggotaan yang
berbentuk trapesium, dan triangular adalah fungsi keanggotaan yang berbentuk segitiga. Keduanya adalah fungsi keanggotaan yang paling sederhana karena
hanya tersusun dari beberapa garis lurus. Contoh himpunan dan keanggotaan fuzzy; sebuah sistem fuzzy untuk mengukur suhu mempunyai 5 buah membership
function dengan label sangat dingin, dingin, hangat, panas dan sangat panas. Nilai yang diperoleh dari crisp input adalah 47
o
C maka penentuan gugus fuzzy fuzzy inputnya seperti gambar 1 berikut.
10
Gambar 1. Fungsi keanggotaan fuzzy; triangular dan trapesium Dua buah fuzzy input masing-masing adalah dingin x2 dan hangat x1
dapat dicari melalui persamaan garis. Kedua nilai berupa x2 dan x1 selanjutnya menjadi fuzzy input bagi proses evaluasi aturan fuzzy atau fuzzy rules.
Input Fuzzy Input Crisp
Input Fungsi Keanggotaan
Fussifikasi
Gambar 2. Proses Fuzzifikasi
2.4.2. Penerapan aturan if-then atau Fuzzy Rules
Fuzzy rules atau banyak dikenal dengan fuzzy if-then rules berbentuk: if
ξ is A and
ψ is B then γ is C, dimana A, B dan C adalah nilai linguistik yang didefenisikan oleh himpunan fuzzy. “
ξ is A” dan “ψ is B” sering disebut sebagai antecendent
atau premise, sedangkan “ γ is C “ disebut sebagai consequence atau
conclusion [Math Works] 2004 didalam Nugroho, 2007.
Proses ini berfungsi untuk mencari suatu nilai fuzzy output dari fuzzy input. Operator yang digunakan dalam penyusunan fuzzy rules dapat berupa AND, OR
dan NOT. Operator OR memproses nilai input terbesar dan NOT untuk nilai kebalikan 1- x. Jika operator yang digunakan adalah AND maka input yang
diproses adalah input terkecil, misalnya: o
If suhu1 is hangat x1 and suhu2 is dingin x2 then pengumpan is cepat. Nilai fuzzy output dari pernyataan tersebut adalah x2 karena x2 x1 pada gambar
1. Ilustrasi proses evaluasi aturan seperti pada gambar 3 berikut ini.
11
Output Fuzzy Input Fuzzy
Aturan Evaluasi Aturan
Gambar 3. Proses Evaluasi Aturan
2.4.3. Penegasan Defuzzy
Penegasan atau defuzzy merupakan suatu proses pengubahan output fuzzy ke output
yang bernilai tunggal crisp. Terdapat beberapa metode defuzzifikasi, namun yang paling sering digunakan adalah metode centroid dan maksimum
Marimin, 2002 didalam Nugroho, 2007. Ilustrasi penegasan atau defuzzy terlihat pada gambar 4.
Output Crisp Fuzzy Output
Output Fungsi Keanggotaan
Defuzzifikasi
Gambar 4. Proses Penegasan Rumus yang digunakan dalam proses ini adalah:
∑ ∑
=
i i
i i
i
output axis
on x position
singleton x
output fuzzy
Y Output
fuzzy Crisp
.............. 1
2.5 Sensor Suhu dan Kelembaban
Sensor yang digunakan adalah SHT11 dan SHT75 yang terdiri atas sensor suhu dan kelembaban yang menyatu dalam satu bentuk fisik two in one. Sensor SHT11
dan SHT75 adalah sensor digital untuk temperatur sekaligus kelembaban pertama di dunia diproduksi oleh pabrik pembuatnya, Sensirion Corp. Kedua sensor dirancang
dengan 2 wire serial antarmuka, output digital dan terkalibrasi penuh. Sensor SHT11
SHT11 adalah salah satu sensor temperatur dan kelembaban yang dikemas dalam satu chip prosessor dengan spesifikasi sebagai berikut:
12
− Sensor RH dengan selang: 0 – 100 RH, resolusi 0,03RH, akurasi ± 3,5RH
− Sensor suhu dengan selang: -40 s.d. 123,8
o
C, resolusi 0,01
o
C, akurasi ±0,5
o
C Sensor SHT75
SHT75 merupakan sensor temperatur dan kelembaban khusus untuk memperoleh kualitas pengukuran yang baik dengan presisi tinggi. Adapun spesifikasi SHT75
ini adalah sebagai berikut: − Sensor RH dengan selang: 0 – 100 RH, resolusi 0,03RH, akurasi ±
2,0RH − Sensor suhu dengan selang: -40 s.d. 123,8
o
C, resolusi 0,01
o
C, akurasi ±0,4
o
C Sensor SHT11 dan SHT75 adalah sensor yang terdiri atas 4 pin yakni pin SCK,
pin Data, pin VDD dan pin Ground. Pada modul SHT11 pin SCK berada pada jalur 3, pin Data pada jalur 1, pin VDD pada jalur 8 dan pin Ground pada jalur 4. Sedangkan
pada SHT75, Pin SCK berada pada jalur 1, pin Data pada jalur 4, pin VDD pada jalur 2 dan pin Ground pada jalur 3. Pin SCK digunakan untuk serial clock input yang
diberi tegangan 5 volt DC yang dihubung seri dengan resistor 10 k Ω. Hal ini sama
untuk pin DATA yang merupakan serial data bidirectional. Sedangkan pin VDD dan Ground masing-masing digunakan untuk sumber tegangan dan ground. Secara
lengkap modul dan rangkaian untuk SHT11 SHT75 ditunjukkan pada Gambar 5. Untuk mengkonversi nilai output sensor SHT11 dan SHT75 ke nilai RH
menggunakan persamaan sebagai berikut, Sensirion.Corp. 2008: RHlinear = C
1
+ C
2
x SO
RH
+ C
3
x SO
RH 2
........................................................... 2
a b
Gambar 5. Sensor SHT11 a , SHT75 b dan Rangkaiannya
13
Koefisien konversi yang digunakan untuk mengubah nilai output sensor ke nilai RH terdiri atas C
1
, C
2
, dan C
3
. Sedangkan SO
RH
yang digunakan adalah 12 bit seperti terdapat pada tabel 1.
Tabel 1. Nilai koefisien konversi RH, Sensirion.Corp. 2008. SO
RH
c
1
c
2
c
3
12 bit -4
0,0405 -2,8 10
-6
8 bit -4
0,648 -7,2 10
-4
Sedangkan persamaan yang digunakan untuk mengkonversi nilai suhu dari keluaran pembacaan sensor SHT11 dan SHT75 yang berupa digital adalah sebagai
berikut: Suhu = d
1
+ d
2
x SO
T
............................................................................................ 3 Koefisien konversi yang digunakan untuk mengubah nilai output sensor ke nilai
temperatur terdiri atas d
1
dan d
2,
tabel 3, sedangkan nilai. SO
T
yang digunakan adalah 12 bit dengan tegangan catu V
DD
adalah 5 Volt seperti pada tabel 2. Tabel 2. Koefisien konversi temperatur berdasarkan SOT, Sensirion.Corp. 2008
SO
T
d
2 o
C d
2 o
F 14
bit 0,01
0,018 12
bit 0,04
0,072 Tabel 3. Koefisien konversi temperatur berdasarkan VDD, Sensirion.Corp. 2008
VDD d
1 o
C d
1 o
F 5V
-40,00 -40,00
4V -39,75
-39,50 3,5V
-39,66 -39,35
3V -39,60
-39,28 2,5V
-39,66 -39,35
2.6 Pengubah Digital ke Analog Digital Analog Converter, DAC