IMPLEMENTASI EMBEDDED FUZZY MENGGUNAKAN MIKROKONTROLER PIC18F4550
IMPLEMENTASI EMBEDDED FUZZY MENGGUNAKAN
MIKROKONTROLER PIC18F4550
Supriadi
dengan resolusi 10-bit, memiliki 2 keluaran PWM dengan resolusi maksimum 10-bit, kemampuan port I/O maksimum 25mA sebagai pemberi dan penerima arus listrik. Kapasitas program 32 kByte, RAM sebesar 2 kByte dan EEPROM berkapasitas 256 Byte. Sekema mikrokontroler PIC18F4550 ditunjukkan pad
Gambar 2. Diagram blok Sistem Inferensi Fuzzy (Sumber :
Sistem Inferensi Fuzzy memetakan input menjadi output tegas. Sistem Inferensi Fuzzy berisi empat komponen: fuzzifikasi, mesin inferensi, basis aturan, dan defuzzifikasi. Basis aturan berisi aturan linguistik yang diberikan oleh para ahli. Hal ini juga memungkinkan untuk mengekstrak aturan dari data numerik. Setelah aturan telah ditetapkan, Sistem Inferensi Fuzzy dapat dilihat sebagai suatu sistem yang memetakan vektor input ke vektor output. Fuzzifikasi memetakan besaran masukan pada keanggotaan Fuzzy yang sesuai.
keanggotaan pada bagian input dan output, operator logika Fuzzy, aturan IF-THEN, agregasi himpunan output, dan defuzzifikasi. Sebuah sitem inferensi Fuzzy dengan beberapa output dapat terdiri dari kumpulan multiinput independen, dan sistem output tunggal. Model umum dari Sistem Inferensi Fuzzy ditunjukkan pad
Fuzzy . Proses pemetaan memerlukan fungsi
Sistem Inferensi Fuzzy pada dasarnya adalah mendefinisikan pemetakan input berupa vector nonlinier pada keluaran sekalar, menggunakan aturan
(Sumber : Microchip Technology Inc, 2009)
Gambar 1. Skema PIC18F4550 model 40-Pin PDIP
Embedded Fuzzy, karena memiliki 13 kanal ADC
Jurusan Teknologi Informasi, Politeknik Negeri Samarinda
supriadi.polnes@gmail.com
Abstrak
PIC18F4550 bisa mendukung keperluan
PENDAHULUAN
. Dengan menggunakan sistem inferensi Fuzzy Mamdani, Inferensi Fuzzy telah berhasil diimplementasikan dengan selisih 0.00004%.Tiap-tiap variabel masukan dihubungkan pada kanal masukan ADC dengan resolusi 10 bit dan keluaran ditampilkan dalam bentuk text. Jumlah aturan IF-THEN adalah 9, dan defuzzifikasi menggunakan metode centroid (Center Of Gravity). Kata kunci : Embedded Fuzzy, mikrokontroler, inferensi Fuzzy 1.
2
dan
1
Penelitian ini fokus pada sistem Inferensi Fuzzy yang dibenamkan pada mikrokontroler PIC18F4550. Hasilnya ditampilkan pada virtual terminal agar bisa diamati. Keluaran inferensi pada tiap Rule dibandingkan menggunakan Matlab. Pada penelitian ini, terdapat dua buah variabel masukan dan sebuah variabel keluaran. Pengaturan nilai masukan menggunakan dua buah resistor variabel, sebagai manipulator sinyal masukan
Kulkarni D. A, 2001) Hal ini diperlukan untuk mengaktifkan aturan dalam bentuk variabel linguistik. Fuzzifikasi mengambil nilai input dan menentukan derajat keanggotaan masing- masing dari himpunan Fuzzy melalui fungsi keanggotaan. Mesin inferensi mendefinisikan pemetaan dari himpunan Fuzzy input menjadi himpunan Fuzzy output. Hal ini menentukan derajat kepuasan pada anteseden untuk setiap aturan. Jika anteseden dari aturan yang diberikan memiliki lebih dari satu klausa, operator Fuzzy diterapkan untuk mendapatkan satu nilai yang merupakan hasil dari anteseden untuk aturan itu. Supriadi, IMPLEMENTASI EMBEDDED FUZZY MENGGUNAKAN MIKROKONTROLER PIC18F4550 Ada kemungkinan bahwa satu atau lebih aturan bekerja pada mikrokontroler [1]. Pada penyelesaian mendapatkan derajat keanggotaan pada waktu yang kasus lain yaitu, implementasi inferensi Fuzzy pada sama. kontrol logika Fuzzy untuk perancangan sistem
Output untuk semua aturan tersebut kemudian pengaturan suhu telah berhasil dilakukan. Implementasi diagregasi. Selama agregasi, himpunan Fuzzy yang kontrol logika Fuzzy tersebut bekerja pada mewakili output dari setiap aturan digabungkan menjadi mikrokontroler [2]. Proses inferensi juga telah berhasil himpunan Fuzzy tunggal. Aturan Fuzzy diproses secara diimplementasikan pada kendali motor arus searah paralel, yang merupakan salah satu aspek penting dari sebagai penggerak lintasan titik daya maksimum pada Sistem Inferensi Fuzzy. Dalam Sistem Inferensi Fuzzy, sistem Photovoltaic yang mana, proses inferensi Fuzzy urutan pemrosesan aturan tidak mempengaruhi output. juga berbasis mikrokontroler [5]. Berdasakan resume Defuzzifikasi memetakan himpunan Fuzzy keluaran kesimpulan penelitian tersebut, maka penelitian ini menjadi nilai tegas. Mengingat sebuah himpunan Fuzzy dilakukan untuk mengetahui performansi Embedded yang mencakup berbagai nilai output, defuzzifikasi Fuzzy pada mikrokontroler PIC18F4550. mengembalikan sebuah nilai, sehingga bermula dari sebuah himpunan Fuzzy menjadi nilai tegas. Beberapa metode defuzzifikasi yang digunakan dalam praktek, termasuk centroid, maximum, mean of maxima, hight, dan modified height defuzzifier. Metode defuzzifikasi yang paling populer adalah centroid, yang menghitung dan mengembalikan pusat gravitasi dari hasil agregasi himpunan Fuzzy. Sistem Inferensi Fuzzy berproses dengan cara melokalisasi daerah ruang sepanjang permukaan fungsi bukan mengisolasi titik pada permukaan. Untuk masukan yang diberikan, lebih dari satu aturan dapat berproses mendapatkan derajat keanggotaan. Dalam Sistem Inferensi Fuzzy, beberapa daerah digabungkan dalam ruang output untuk
Gambar 3. Diagram skema Sistem Inferensi Fuzzy (Sumber :
menghasilkan wilayah gabungan. Skema umum dari
Kulkarni D. A, 2001) Sistem Inferensi Fuzzy ditunjukkan pada
Bermacam macam tipe fungsi keanggotaan dapat digunakan, meliputi fungsi-fungsi segitiga, trapezium,
generalized bell shaped , kurva Gaussian, kurva
polynomial, dan sigmoid. Persamaan (1) menunjukkan fungsi-fungsi keanggotaan segitiga, kurva segitiga
, x a
bergantung pada tiga parameter a, b, dan c. Persamaan
x a
(2) menunjukkan fungsi-fungsi keanggotaan trapezoid,
, a x b
kurva trapezioda bergantung pada empat parameter a, b,
b a ( ; , , ) (1)
c, dan d. Pada pada metode ini, defuzzifier menentukan f x a b c
c x
pusat gravitasi atau centroid pada dan
y B i
, b x c c b
menggunakan nilainya sebagai keluaran sistem logika
Fuzzy . Untuk himpunan Fuzzy yang telah teragregasi , x c
dengan nilai diskrit, centroid diberikan oleh Persamaan (3). Dimana S merupakan bagian bahu dari ( ) y
B
, x a [3]. x a
Implementasi inferensi Fuzzy pada
, a x b
mikrokontroler telah banyak dilakukan untuk
b a
mendukung Embedded System, seperti yang telah (2)
f x a b c d ( ; , , , ) 1 , b x c
dilakukan dan dipublikasi oleh banyak peneliti sebelumnya. Berikut ini beberapa resume beberapa hasil
d x , c x d
penelitian tentang implementasi inferensi Fuzzy pada
d c
Embedded System : , d x
Implementasi inferensi Fuzzy pada kontrol logika Fuzzy
untuk perancangan sistem otomasi penerangan rumah telah berhasil dengan tingkat keberhasilan penghematan daya listrik sebesar 23,9% dan terdapat perbedaan antara keluaran system kendali dan referensi input sebesar 4,1%. Implementasi kontrol logika Fuzzy tersebut
JUST TI, Volume 9 Nomor 1, Januari 2017: 22-27
n y ( ) y
i B i
i
1 (3) y n
( ) y B i
i
1
2. PERANCANGAN
Gambar 4. Desain diagram blok Sistem
Metode penelitian yang digunakan adalah Gambar 5. Flowchart metode penelitian metode evaluasi, yaitu membandingkan inferensi Fuzzy pada PIC18F4550 dan divalidasi dengan Matlab. Obyek penelitian berupa: Simulasi sistem inferensi Fuzzy menggunakan ISIS. Jenis data yang diamati pada system inferensi adalah sinyal masukan kontinyu yang dibangkitkan dengan manipulator sinyal sebagai variabel input, dan variabel output hasil defuzzifikasi. Variabel input dan output pada sistem inferensi diasumsikan sebagai berikut: pada bagian input minimal terdapat dua variabel dengan nama dan , sedangkan
1
2
pada output terdapat sebuah variabel . Ketiga variabel tersebut memiliki nilai minimum 0 dan nilai maksimum
100. Kisaran nilai tersebut ditentukan karena sistem inferensi ini tidak diimplementasikan untuk mengendalikan plant, tetapi lebih fokus pada performansi Embedded-Fuzzy yang ditanamkan pada
PIC18F4550 , maka satuan tiap variabel dalam unit.
Gambar 6. Sekema simulasi Embedded-Fuzzy PIC18F4550
Simulasi Embedded-Fuzzy yang tampak pada mengacu pada diagram blok yang ditunjukan
Pembuatan kontroler logika Fuzzy melalui tiga pad Pada simulasi, pengamatan performansi langkah utama: fuzzifikasi, Inferensi Fuzzy dan ditampilka melalui virtual terminal yang tampak seperti defuzifikasi. pada Ujicoba dan analisa kerja sistem dengan cara melakukan validasi menggunakan Matlab
2.1 dan
seper Metode penelitian Fuzzifikasi sinyal masusukan dan : Besaran
1
2 berproses seperti yang ditunjukkan pad
siyal masukan dan dibagi menjadi tiga bagian
1
2
dengan menggunakan fungsi keanggotaan segitiga dan trapezoid dengan label: Low, Medium dan High dengan semesta pembicaraan antara 0 hingga 100 seperti tampak pad Kisaran nilai semesta pembicaraan disamakan dengan sinyal manipulator seperti pada rangkanian yaitu potensio RV1 dan RV2 masing-masing nilainya 0% hingga 100%. Supriadi, IMPLEMENTASI EMBEDDED FUZZY MENGGUNAKAN MIKROKONTROLER PIC18F4550
3. PENGUJIAN & PEMBAHASAN Pengujian performansi Embedded-Fuzzy yang telah dibuat diperlihatkan pada Sampel pengujian diambil dari nilai variable masukan yang mewakili tiap-tiap Rule atau aturan IF-THEN. Matrik basis aturan padmenghasilkan 9 aturan IF-
THEN . Nilai variabel masukan pada PIC18F4550 dapat
diubah dengan cara menaikkan dan menurunkan nilai potensio RV1 dan RV2 padSebagai contoh
Gambar 7. Fungsi keanggotaan
R3, RV1 sebagai manipulator sinyal nilainya
RULE
1
dinaikkan sebesar 18% kemudian RV2 sebagai manipulator sinyal nilainya dinaikkan sebesar 87%,
2
maka keluaran inferesi Fuzzy nilainya 47.41750. Nilai masukan sinyal dan keluaran inferensi Fuzzy ini pada
PIC18F4550 ditampilkan menuju virtual terminal
seperti pada yaitu “IF x1 is 17.99999 AND
IF x2 is 86.99999 THEN defuzzify=47.4175
” demikian seterusnya untuk aturan IF-THEN yang lainya. Keluaran inferensi tersebut dikomparasi dengan matlab dan hasilnya mendekati, hanya selisih 0.00002 pada saat nilai-nilai variabel masukan pada simulasi diusahan
Gambar 8. Fungsi keanggotaan
sama seperti keluaran R5. Sementara nilai keluaran untuk Rule yang lain selisihnya agak besar, hal ini Fuzzifikasi siyal keluaran
: defuzzifikasi disebabkan karena pengaturan potensio pada nilai yang merubah fungsi keanggotaan kedalam nilai tegas. persis sulit dilakukan. Selisih keluaran sebesar 0.00002
Besaran nilai sinyal keluaran dibagi kedalam tiga label secara komputasi masih dapat diperkecil dan akan
Low , Medium dan High dengan semesta pembicaraan 0
menambah waktu eksekusi. Tidak seperti tampilan Rule hingga 100 seperti yang ditunjukkan pad pada matlab, seperti
Rule 1 hingga Rule 9 masing-masing menampilkan hasil
implikasinya. Hasil implikasi Matlab ditampikan secara grafis, sedangkan pada PIC18F4550 ditampilkan dalam bentuk teks. Tampilan tiga dimensi hubungan masukan dan keluaran Embedded-Fuzzy PIC18F4550 tampak padmewakili dua Rule, diantaranya Rule 3 dan Rule 4 pada Pada saat keluran inferensi nilainya 47.4175 seperti pada maka Rule yang menghasilkan implikasi sebenarnya antara lain: R2, R3, R5 dan R6. Masing-masing Rule menghasilkan nilai
Gambar 9.Fungsi keanggotaan
implikasi: R2=7.499999e-2, R3=5.625e-1, R5=7.499999e-2 dan R6=1.999999e-1.
Sistem Inferensi Fuzzy dan Defuzzifikasi
Inferensi Fuzzy adalah bagian terpenting pada
Tabel 2. Sampel pegujian yang mewakili performa setiap Rule
kontroler logika Fuzzy. Basis aturan IF-THEN ditunjukkan pad
Tabel 1. Matrik basis aturan 2 Low Medium High x x 1 Low High High Medium
Medium High Medium Low High Medium Low
High JUST TI, Volume 9 Nomor 1, Januari 2017: 22-27
Gambar 10. Tampilan hasil Embedded-Fuzzy dengan output =47.4175 dan =69.76964
Gambar 11. Hasil inferensi matlab dengan output =47.7
Gambar 12. Hasil inferensi matlab dengan
=69.4
Gambar 13. Tampilan tiga dimensi masukan dan keluaran infesensi Fuzzy 4.
KESIMPULAN
Dari hasil penelitian didapatkan kesimpulan sebagai berikut:
- Fuzzifikasi variabel-variabel masukan menggunakan fungsi keanggotaan segitiga dan trapezoid.
- Telah berhasil dibuat implementasi Embedded
Fuzzy 9 aturan IF-THEN menggunakan mikrokontroler PIC18F4550.
- Proses defuzzifikasi menggunakan metode centroid .
REFERENSI
[4] Microchip, 2009. PIC18F2455/2550/4455/4550 Data
Sheet 28/40/44-Pin, High-Performance, Enhanced Flash,
[1] Hartoyo, A., 2012. Development of Automation System ,
USB Microcontrollers with nanoWatt Technology for Room Lighting Based on Fuzzy logic Controller .
Microchip Technology Inc. U.S.A.
International Journal of Information and Electronics
[5] Varaprasad N. L.,2013. Microcontroller Based DC Motor Engineering , Vol. 2, No. 6.
Control With Fuzzy Maximum Power Point Tracking of
[2] Isizoh A., N., 2012. Temperature Control System Using
PV System. International Journal of Current Engineering Fuzzy Logic Technique (IJARAI) International Journal of and Technology ISSN 2277 - 4106, Vol.3, No.4.
, Vol.1,No.3.
Advanced Research in Artificial Intelligence