Sistem Pendeteksi Kebocoran Gas LPG Menggunakan Metode Fuzzy yang Diimplementasikan dengan Real Time Operating System (RTOS)
Vol. 1, No. 11, November 2017, hlm. 1206-1213 http://j-ptiik.ub.ac.id
Sistem Pendeteksi Kebocoran Gas LPG Menggunakan Metode Fuzzy yang
Diimplementasikan dengan Real Time Operating System (RTOS)
1 2 3 Lavanna Indanus Ramadhan , Dahnial Syauqy ,Barlian Henryranu PrasetioProgram Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya 1 2 3 Email: indanuslavanna@gmail.com, dahnial87@ub.ac.id, barlian@ub.ac.id
Abstrak
LPG merupakan bahan bakar alternatif yang digunakan masyarakat untuk keperluan sehari hari, selain harganya lebih murah, pengunaannya juga lebih mudah. Akan tetapi, LPG memiliki karakteristik yang mudah terbakar dan memiliki berat jenis yang lebih besar dari udara sehingga sulit untuk mendeteksi gas tersebut apabila terjadi kebocoran. Berdasarkan permasalahan tersebut, diperlukan sebuah sistem yang mampu mendeteksi kebocoran gas dan tingkat bahaya kebocorannya berdasarkan kadar gas dan suhu pada LPG. Pada penelitian ini terdapat 2 sensor yaitu sensor gas modul MQ-6 dan sensor suhu LM35 yang terhubung dengan mikrokontroller arduino uno dan dapat digunakan sebagai fitur untuk mengklasifikasikan kondisi gas menggunakan metode fuzzy sugeno. Output dari sistem ditampilkan menggunakan LCD dan ditandai dengan bunyi buzzer. Pada arduino uno ditanamkan RTOS yang bertugas sebagai penjadwalan task pada sistem. RTOS yang digunakan sudah disediakan pada library Arduino Uno yaitu FreeRTOS. Dari hasil pengujian, sistem dapat menentukan berbagai kondisi pada kebocoran gas dengan keakuratan mencapai 100%. Penjadwalan task yang dilakukan sesuai dengan prioritas yang dibuat. Rata-rata waktu eksekusi sistem dengan menggunakan RTOS adalah 1,8976 ms, sedangkan sistem tanpa RTOS adalah 1,7304 ms. Sistem dengan RTOS memerlukan waktu yang lebih lama, dikarenakan pada sistem terdapat fungsi take-and-give semaphore yang membutukan waktu eksekusi selama ±0,05 ms.
Kata kunci: kebocoran, LPG, fuzzy sugeno, RTOS, prioritas, freeRTOS
Abstract
LPG is an alternative fuel that people use for daily purposes, in addition, LPG has cheaperprices and is also easier to use. However, LPG is flammable and has heavier characteristics that are
bigger than air, making it difficult to detect the gas in case of leakage. Based on the problem, a system
capable of detecting leakage of LPG gas and its leakage level based on gas content and temperature on
LPG. In this research there are 2 sensors that are gas module MQ-6 and LM35 temperature sensor
connected with arduino uno microcontroller and can be used as a feature to classify gas condition using
fuzzy sugeno method. The output of the system is displayed using the LCD and marked with a buzzer
sound. In arduino uno embedded RTOS that served as scheduling task on the system. The RTOS used is
already provided in the Arduino Uno library ie FreeRTOS. From the test results, the system can
determine the various conditions on the gas leak with accuracy reaches 100%. Scheduling tasks
performed in accordance with the priorities made. The average system execution time using RTOS is
1.8976 ms, while the system without RTOS is 1,7304 ms. System with RTOS takes longer time, because
in system there is take-and-give semaphore function which need execution time for ± 0,05 ms.Keywords: leaks, LPG, fuzzy, sugeno, RTOS, priority, freeRTOS
Daya Mineral No : 1971/26/MEM/2007 tanggal 1.
22 Mei 2007, pemerintah mencanangkan
PENDAHULUAN
konversi dari minyak bumi (minyak tanah) LPG merupakan bahan bakar alternatif menjadi gas alam (LPG). Program konversi berupa gas yang menghasilkan emisi polusi lebih beralih menjadi gas alam ini di maksudkan sedikit dibandingkan dengan bahan bakar untuk mengganti minyak tanah sebagai bahan minyak. Keputusan Menteri Energi dan Sumber
Fakultas Ilmu Komputer Universitas Brawijaya
1206 bakar memasak di Indonesia. Hampir seluruh masyarakat di indonesia beralih menggunakan LPG, disamping harganya murah, cara penggunaanya juga lebih efektif.
LPG memiliki karakteristik yang mudah terbakar dan memiliki berat jenis yang lebih besar dari udara sehingga sulit untuk mendeteksi gas tersebut apabila terjadi kebocoran, dikarenakan gas ini akan terakumulasi pada bagian bawah ruangan serta mudah terbakar dengan adanya sumber ignition. Berita kebakaran pun sering terdengar sebagai akibat tabung gas LPG meledak. Meledaknya tabung gas ini disebabkan oleh banyak factor seperti kebocoran pada selang, tabung atau pada regulatornya yang tidak terpasang dengan baik. Pada saat terjadi kebocoran akan tercium gas yang menyengat, Gas inilah yang nantinya akan meledak apabila ada sulutan atau percikan api, atau adanya nyala rokok (Widyanto & Erlansyah, 2014).
Pada embedded system, sistem operasi sangat diperlukan dalam pengaturan eksekusi yang menuntut kecepatan proses. Selain dibutuhkan sistem yang merespon dengan cepat perubahan masukkan, melakukan proses multitasking, dan menjamin ketepatan hasil eksekusi, diperlukan juga sistem yang memiliki kepastian waktu selesainya sebuah pekerjaaan atau task. RTOS yang merupakan salah satu solusi yang sesuai untuk mengaplikasikannya pada embedded mikrokontroler (Jatmiko, et al., 2015).
Penelitian sebelumnya yang dilakukan oleh Nicholas Pantano pada tahun 2011 hingga 2012 yang berjudul Real Time Operating System on Arduino. Penelitian ini meneliti tentang utilitas penjadwalan RTOS pada arduino uno yang didemontrasikan dengan menggunakan 3 sensor. Penelitian ini berhasil melakukan penjadwalan yang sesuai dengan penjadwalan preemptif yang diprioritaskan.
Berdasarkan permasalahan yang ada akan dirancang sebuah sistem yang mampu mendeteksi kebocoran gas LPG dan tingkat bahaya kebocorannya berdasarkan kadar gas di udara dan suhu pada sekitar tabung gas dengan menggunakan metode fuzzy sugeno. Prototipe pendeteksi kebocoran gas LPG menggunakan mikrokontroler Arduino Uno yang akan diimplementasikan dengan metode fuzzy yang digunakan untuk menentukan tingkat bahaya kebocoran gas dan RTOS yang digunakan sebagai penjadwalan task.
2. PERANCANGAN DAN
IMPLEMENTASI
Pada tahap perancangan terbagi menjadi dua bagian, yaitu perancangan hardware dan perancangan software.
Gambar 1. Alur Perancangan Sistem
Berdasarkan pada alur perancangan pada Gambar 1, Perancangan perangkat keras meliputi, pembuatan skema rangkaian dan desain perancangan prototipe sistem, sedangkan pada perancangan perangkat lunak meliputi, perancangan RTOS dan Perancangan proses fuzzy. Perancangan perangkat keras pada sistem dapat dilihat pada Gambar 2.
Gambar 2. Perancangan Perangkat Keras
Pada Gambar 2, sensor modul MQ-6 digunakan untuk mendeteksi konsentrasi kadar gas LPG dalam satuan ppm(part per million) sedangkan sensor LM35 digunakan untuk mendeteksi suhu sekitar dalam satuan celcius. Kedua sensor ini berperan sebagai input dari sistem. Pembacaan dari kedua sensor tersebut diproses didalam arduino uno, dimana pada arduino uno sudah terdapat program fuzzy untuk menentukan kondisi kebocoran gas LPG. Output dari sistem akan dikeluarkan melalui LCD yang berupa kondisi kebocoran dan ditandai oleh bunyi buzzer. Skema perancangan dari perangka keras dapat dilihat pada Gambar 3.
Gambar 4. Perancangan prototipe perangkat keras
Setelah perancangan pada perankat keras, langkah selanjutnya adalah perancangan perangkat lunak yang meliputi perancangan RTOS dan fuzzy.
Pada proses perancangan RTOS terdiri dari
Gambar 3. Skema perancangan perangkat keras
beberapa tahapan yaitu menentukan berapa task yang akan dibuat, menentukan tugas tiap task, Skema perancangan perangkat keras secara mentukan priority tiap task, dan mengatur delay keseluruhan dapat dlihat pada gambar 3, dimana tiap tasknya. Prioritas dengan nilai terbesar akan pada gambar tersebut seluruh komponen dieksekusi terlebih dahulu. Diagram alir digabung menjadi satu sistem yang saling perancangan RTOS dapat dilihat pada Gambar 5. bekerja sama untuk mencapai tujuan yang sama. Perangkat keras pada sistem ini antara lain, Arduino Uno, sensor LM35, sensor MQ-6, buzzer, LCD, potensiometer dan breadboard.
Arduino Uno bertugas sebagai pusat pengkontrol kerja perangkat lain dan pusat pemprosesan data pada sistem. Koneksi pin Gambar 3 diatas ditunjukan pada Tabel 1 berikut.
Tabel 1. Koneksi pin perancangan perangkat keras Gambar 5. Diagram alir perancangan RTOS
Seperti Gambar 5, sistem akan dibagi menjadi 4 task dimana tiap task memiliki tugasnya masing-masing tiap tasknya menggunakan sumber yang sama yaitu
semaphore . Dengan penggunaan semaphore tiap
task akan memakai sumber daya secara bergantian agar dapat berjalan secara konkuren. Untuk pembagian tugas dan prioritasnya lebih jelasnya dapat dilihat pada Tabel 2.
Untuk desain prototipe perangkat keras dibuat wadah seperti pada Gambar 4, dimana sensor modul MQ-6 dan sensor LM35 di posisi depan. Peletakan tersebut agar sensor dapat mendeteksi kadar gas dan suhu yang ada didepannya. Untuk LCD juga diletakan di posisi depan untuk mempermudah melihat output yang di tampilkan.
Tabel 2. Pembagian tugas dan prioritas pada task
Pada proses perancangan kontrol fuzzy terdiri dari beberapa sub-proses yaitu, proses fuzzifikasi, proses inferensi dan proses defuzzifikasi, Masing-masing sub-proses pada kontrol fuzzy memiliki fungsi yang saling terkait. Setiap sub-proses tersebut akan memproses input dan menghasilkan output. Output yang dihasilkan satu sub-proses akan digunakan sebagai input untuk sub-proses berikutnya sampai menghasilkan output akhir. Flowchart perancangan kontrol fuzzy dapat dilihat pada Gambar 6.
Gambar 6. Flowchart perancangan fuzzy
Pada Gambar 6 diatas, sub-sistem fuzzifikasi akan memproses data input yang didapat ketika melakukan sensing. Data tersebut berupa nilai tegas atau crisp. Sub-proses fuzzifikasi akan merubah nilai tegas yang ada kedalam fungsi keanggotaan atau derajat membership.
Sistem yang dibangun memiliki dua jenis input berupa data kadar gas dan suhu di sekitar tabung LPG. Pada data kadar gas digolongkan menjadi 3 kriteria, yaitu Rendah, Medium,
Tinggi. Setiap data input akan di cek nilai keanggotaan untuk menentukan golongan input. Perancangan himpunan fuzzy kadar gas dapat dilihat pada Gambar 7.
Gambar 7. Fungsi keanggotaan kadar gas
Untuk data suhu digolongkan menjadi 3 kriteria yaitu Normal, Hangat dan Panas. Perancangan himpunan fuzzy kadar gas dapat dilihat pada Gambar 8 berikut
Gambar 8. Fungsi keanggotaan suhu
Setelah proses fuzzifikasi selesai dilanjutkan dengan proses inferensi. Inferensi adalah proses penggabungan banyak aturan berdasarkan data yang tersedia. Dari uraian di atas, telah terbentuk 6 himpunan fuzzy sebagai input, yaitu: kadar rendah, kadar medium, kadar tinggi, suhu normal, suhu hangat, dan suhu pasenas, ditambah dengan 4 himpunan kondisi sebagai output, yaitu : kondisi normal, kondisi siaga, kondisi waspada, dan kondisi bahaya.
Pada aturan fuzzy ini akan memberikan aturan-aturan dalam fuzzy sistem yang akan dibuat dengan menggunakan perintah “IF” dan “AND” dan menghasikan perintah “THEN”.
Aturan dasar fuzzy yang digunakan untuk menentukan kondisi kebocoran gas di udara dapat dilihat pada Tabel 3. Tabel 3. Aturan yang terbentuk pada inferensi fuzzy
sesuai dengan perancangan yang sudah dilakukan sebelumnya. Implementasi pada perangkat keras dapat dilihat pada Gambar 9.
Berdasarkan sembilan aturan fuzzy tersebut, akan ditentukan nilai α untuk masing- masing aturan. α adalah nilai keanggotaan
Gambar 9. Implementasi perangkat keras
anteseden dari setiap aturan. Berikut ini adalah langkah-langkah untuk untuk mengkonversi
3. PENGUJIAN
sembilan aturan fuzzy tersebut sehingga diperoleh nilai α dari setiap aturan. Aturan yang Terdapat 4 pengujian dalam sistem ini, digunakan adalah aturan MIN pada fungsi yaitu pengujian akusisi data yang terdiri dari implikasinya. pembacaan sensor MQ-6 dan LM35, pengujian
Setelah diketahui nilai α pada masing fuzzifikasi, pengujian RTOS, dan pengujian masing aturan, Menurut metode MIN-MAX perbedaan sistem yang menggunakan RTOS selanjutnya tiap variabel kondisi akan dengan sistem tanpa menggunakan RTOS. Hal mengevaluasi masing-masing rule yang terkait tersebut ditunjukan pada Gambar 10. dengan kondisi tersebut untuk dicari nilai terbesarnya (MAX), seperti: Variabel kondisi normal yang terdiri dari rule0 dan rule1, maka tidak perlu dicari nilai terbesarnya, sehingga dapat dituliskan : Normal = max (rule0 , rule1) Variabel kondisi Siaga yang terdiri dari rule1, rule3, dan rule4, sehingga dapat dituliskan : Siaga = max ( rule2, rule3) Variabel kondisi waspada yang terdiri dari rule2, rule5, rule6, dan rule 7, sehingga dapat dituliskan : Waspada = max(rule2, rule5, rule6, rule7) Variabe kondisi bahaya yang hanya terdiri
Gambar 10. Pohon pengujian dan analisis
dari rule8 saja maka tidak perlu dicari nilai terbesarnya, sehingga dapat dituliskan Pada pengujian pertama, dilakukan
: Bahaya = rule8 pengujian akusisi data pada sensor modul MQ-6 dalam mendeteksi kadar ppm pada gas LPG. Setelah nilai setiap variabel kondisi
Pembacaan gas tersebut dilakukan dengan cara diketahui selanjutnya, nilai dari masing masing menekan tombol gas pada kompor. Output dari kondisi dibandingkan untuk mencari nilai pembacaan sensor dilihat melalui serial monitor terbesar. Hasil dari perbandingan ini yang pada Arduino IDE. Berdasarkan pengujian yang nantinya menjadi output dari sistem. dilakukan, maka didaptkan hasil pembacaan
Defuzzifikasi = max (normal, siaga, sensor seperti pada Tabel 4 berikut waspada, bahaya) Setelah tahap perancangan selanjutnya tahap implementai. Implementasi dilakukan
Tabel 4. Hasil pengujian sensor modul MQ-6
dengan alat termometer berbeda, namun
Nilai Pembacaan Sensor Kondisi
perbedaan tersebut tidak terlalu jauh. Hal ini
(ppm)
dapat diketahui dari rata-rata sistem error yang terhitung pada sensor LM35 mencapai 3,22 %.
Belum ditekan
Jika dilihat pada pola pembacaan dari sensor LM35 dengan pembacaan termometer didapatkan hasil yang tidak stabil. Pada detik
6
awal pembacaan termometer lebih tinggi
271
dibandingkan pembacaan sensor LM35. Namun,
1565 Tombol gas di tekan
setelah beberapa detik pembacaan sensor LM35 lebih besar dibandingkan termometer. Hal ini
3939
dapat diakibatkan oleh proses kalibrasi yang
7265 kurang baik.
Pada pengujian ketiga, dilakukan pengujian
5942
program fuzzy pada sistem dalam menentukan
688
kondisi kebocoran gas LPG. Tujuan dari
tombol gas di lepas 25 pengujian ini adalah untuk mengetahui metode
fuzzy yang diterapkan pada sistem sesuai dengan perancangan. Output dari sistem dilihat melalui serial monitor pada Arduino IDE. Berdasarkan
Pada pengujian kedua, dilakukan pengujian pengujian yang dilakukan, maka didapatkan akusisi data pada sensor LM35. Tujuan dari hasil pembacaan sensor seperti pada Tabel 6 pengujian ini adalah mengetahui sistem error berikut. dari sensor jika dibandingkan dengan alat
Tabel 6. Hasil pengujian proses fuzzifikasi
termometer digital. Pembacaan suhu tersebut
Pembacaan Pembacaan
dilakukan dengan cara memberikan uap air
Output Sensor Gas Sensor Kondisi hangat untuk meningkatkan pembacaan suhu. Sistem MQ-6 suhu LM35
Output dari pembacaan sensor dilihat melalui
339 27 0,6 Normal
serial monitor pada Arduino IDE. Berdasarkan
327 26 0,8 Normal
pengujian yang dilakukan, maka didapatkan
388 28 0,56 Siaga
hasil pembacaan sensor seperti pada Tabel 5
895 28 0,6 Waspada berikut. 714 28 0,6 Siaga Tabel 5. Error rate pada sensor LM35 1185
35
1 Berbahaya Waktu Sensor Termometer Error o o (detik) LM35(
C) (
C) %
Berdasarkan pengujian tersebut, dapat dianalisis bahwa rumus fuzzy yang digunakan
1
28.8 29.8 3,35 %
untuk menentukan kondisi kebocoran gas LPG
3
29.8 30.4 1,97 %
pada sistem benar dan tepat. Hal ini dapat dilihat dari 6 percobaan dengan input yang berbeda
5
30.2 31.2 3,20 %
pada tabel memberikan output sistem yang
7
34.7 33.1 4,83 %
sesuai dengan perancangan. Hal tersebut
9
37.6 35.0 7,42 %
ditunjukan pada analisi hasil pengujian di Tabel 7.
11
39.1 37.7 3,71 %
13
41.0 39.8 3,02 % Tabel 7. Analisis tingkat keakuratan fuzzy Nilai fuzzifikasi Sesuai
6
15
42.5 41.4 2,66 % Nilai fuzzifikasi tidak sesuai
17
42.9 42.7 0,47 % Tingkat keakuratan perhitungan 100 %
20
43.9 43.2 1,62 % Rata- Rata 3,22 %
Pada pengujian keempat, terdiri dari 2 sub- pengujian, yaitu pengujian prioritas dan Berdasarkan Tabel 6.2 diketahui bahwa pengujian waktu eksekusi task pada RTOS. hasil perbandingan pengukuran sensor LM35 Tabel 8. Hasil pengujian waktu eksekusi task
Untuk sub-pengujian yang pertama,
Waktu
dilakukan pengujian prioritas dengan cara
Deadline Task eksekusi Hasil
mengamati urutan eksekusi task pada sistem. (ms)
(ms)
Sebelumnya pada tiap task sudah diberikan
Tidak
penanda berupa serial.println() sehingga data
Task Gas ± 1,4 Melebihi
bisa diamati pada serial monitor pada Arduino
Deadline
IDE. Berdasarkan pengujian yang dilakukan,
Tidak
maka didapatkan hasil seperti pada Gambar 11
Task Suhu ± 0,2 Melebihi berikut.
Deadline Tidak 100 Task Inferensi ± 0,07 Melebihi
Deadline Tidak Task Defuzzy ± 0,05 Melebihi Deadline
Tidak Total Waktu ± 1,9 Melebihi
Deadline
Pada pengujian terakhir, dilakukan
Gambar 11. Analisis hasil pengujian eksekusi task
perbandingan waktu eksekusi sistem
berdasarkan prioritas
menggunakan RTOS dengan sistem tanpa menggunakan RTOS. Tujuan dari pengujian ini Berdasarkan analisis Gambar 11, Task gas untuk mengetahui eksekusi program dari sistem yang memiliki prioritas terbesar di eksekusi manakah yang lebih cepat. Sebelumnya pada terlebih dahulu, hal ini dikarenakan pada task tiap program sistem sudah diberikan fungsi timer gas diberi prioritas 3 dimana, prioritas tersebut berupa micros() sehingga data bisa diamati pada merupakan prioritas terbesar dalam sistem. serial monitor pada Arduino IDE. Berdasarkan
Selama task 3 dieksekusi task dengan prioritas pengujian yang dilakukan, maka didapatkan yang berada dibawahnya akan menunggu di hasil seperti pada Tabel 9 berikut. eksekusi sampai task 3 menyelesaikan tugasnya, hal ini dikarenakan terdapat fungsi semaphore()
Tabel 9. Hasil perbandingan waktu eksekusi
pada sistem yang bertugas agar task tersebut program sistem RTOS dengan sistem tanpa RTOS
Waktu eksekusi Waktu eksekusi
tidak dapat di interrupt oleh task lain selama task
Sample dengan RTOS (ms) Tanpa RTOS (ms)
tersebut masih dieksekusi. Ketika task gas selesai dieksekusi maka task suhu, task inferensi
1 1,900 1,720
dan task defuzzifikasi akan di eksekusi sesuai
2 1,896 1,724 urutan prioritas. 3 1,896 1,740
Untuk sub-pengujian yang kedua, dilakukan pengujian waktu eksekusi pada tiap
4 1,9 00 1,724 task dan eksekusi task secara keseluruhan. 5 1,9 00 1,728
Tujuan dari pengujian ini untuk memastikan
6 1,9 00 1,740
waktu eksekusi task pada sistem tidak melebihi deadline yang sudah ditentukan yaitu 100 ms.
7 1,9 08 1,724
Sebelumnya pada tiap task sudah diberikan
8 1,896 1,744
fungsi timer berupa micros() sehingga data bisa
9 1,896 1,732 diamati pada serial monitor pada Arduino IDE.
Berdasarkan pengujian yang dilakukan, maka
10 1,904 1,728 didapatkan hasil seperti pada Tabel 8 berikut.
Rata - 1,8976 1,7304 rata
Bedasarkan perbandingan rata-rata waktu eksekusi dari Tabel 9 diketehui bahwa sistem yang menggunakan RTOS memerlukan waktu eksekusi lebih lama dibandingkan sistem yang tanpa menggunakan RTOS. Hal ini dapat dilihat bahwa selisih waktu eksekusi dari sistem sekitar ± 0,167 ms. Hal ini dapat disebabkan oleh beberapa faktor salah satunya waktu perpindahan ketika semphore dilepas dari satu task dan diterima oleh task lainnya. Pada sistem ini watu perpindahan tersebut memerlukan 0,05ms.
Berdasarkan hasil pengujian yang sudah dilakukan dalam penelitian ini, maka dapat diambil beberapa kesimpulan antara lain :
5. DAFTAR PUSTAKA
4. KESIMPULAN
15). ALAT DETEKSI KEBOCORAN
Pantano, N. (2011-2012). Real Time Operating System on Arduino. Widyanto, & Erlansyah, D. (2014, November
Aplikasi. Depok: Fakultas Ilmu komputer Universitas Indonesia.
D. M., Alhamidi, M. R., Habibie, N., & Dwinto, K. (2015). RTOS Teori dan
Jatmiko, W., Mursanto, P., Jati, G., Purnomo,
TABUNG GAS ELPIJI BERBASIS MIKROKONTROLER.
semaphore dari satu task ke task lainnya, dimana kegiatan memerlukan watu 0,05 ms.
Kusumadewi, S., & Hartati, S. (2006). Neuro
2. Implementasi fuzzy pada sistem meliputi 3 proses, yaitu fuzzifikasi, inferensi, dan defuzzifikasi yang digabungkan dengan task pada RTOS. Hasil dari implementasi metode fuzzy dan RTOS pada sistem sesuai dengan perancangan yang sudah dibuat. Sistem dapat menentukan berbagai kondisi dengan input yang bervariasi.
Graha Ilmu.
Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta:
Yogyakarta: Graha Ilmu. Kusumadewi, S., & Purnomo, H. (2010).
Aplikasi Logika Fuzzy untuk Sistem Pendukung Keputusan Edisi Pertama.
Ilmu. Kusumadewi, S., & Purnomo, H. (2004).
Fuzzy-Integrasi Sistem Fuzzy dan Jaringan Syaraf. Yogyakarta: Graha
(Teknik dan Aplikasi). Yogyakarta: Graha Ilmu.
5. Dari segi kecepatan waktu eksekusi sistem menggunakan RTOS memerlukan waktu lebih lama dibandingkan sistem tanpa RTOS. Waktu eksekusi sistem RTOS untuk menjalankan semua task adalah ± 1,9 ms dan waktu eksekusi sisten yang tanpa RTOS adalah 1,7 ms. Hal ini dikarenakan pada sistem RTOS terdapat kegiatan terima-lepas
Universitas Diponegoro. Kusumadewi, S. (2003). Artificial Intelligence
MIKROKONTROLER ATMEGA16 MENGGUNAKAN REAL TIME OPERATING SYSTEM (RTOS) JENIS COOPERATIVE . Semarang:
(2012). MULTITASKING PADA
1. Proses akusisi data pada MQ-6 meliputi pembacaan gas propana dan butana yang ada diudara, sedangkan pada LM35 meliputi pembacaan suhu panas yang terdeteksi di sekitar (dinyatakan dalam o C).
3. Penentuan prioritas dan waktu deadline pada setiap task (RTOS) berpengaruh terhadap urutan task yang akan dieksekusi. Apabila penentuan prioritas dan waktu pada task tidak seimbang maka urutan task yang dieksekusi tidak bisa diprediksi.
4. RTOS pada sistem berpengaruh pada urutan eksekusi task dan penentu deadline tiap task.
Apabila task yang di eksekusi melebihi deadline yang diberikan maka sistem tidak akan berjalan. Berdasarkan hasil pengujian waktu eksekusi tiap task dan total semua task tidak melebihi deadline yang diberikan yaitu 100 ms.
Dipetik January 27, 2017, dari http://publikasi.dinus.ac.id/index.php/se mantik/article/viewFile/818/605 Kurniawan, F. R., Setiawan, I., & Sumardi.