Desain dan Analisa Pengendali Berdasarkan Tipe Plant Menggunakan Pengendali Fuzzy.
i
ABSTRAK
Semakin berkembangnya peralatan teknik maka dibutuhkan sebuah pengendali. Model-model ini semakin rumit, sehingga sulit untuk menggunakan pengontrol konvensional untuk memproses model-model tersebut. Pengendali fuzzy dapat digunakan untuk mengatasi hal tersebut, terutama untuk sistem dengan model matematika yang sulit diperoleh. Namun pada kenyataannya dalam kendali fuzzy logic, bagian yang tersulit adalah menentukan aturan-aturan dan metode yang dapat diterapkan guna memandu perancangan sistem logika fuzzy pada setiap tipe sistem dari sebuah model plant.
Hal-hal yang harus dilakukan pada perancangan pengendali fuzzy adalah menentukan metoda penalaran yang akan digunakan ( Mamdani / Sugeno ), kemudian menentukan variabel input dan output pengendali, menentukan himpunan fuzzy dan fungsi keanggotaan tiap variabel, kemudian dilanjutkan dengan penentuan aturan fuzzy. Pengendali fuzzy yang telah dirancang, direalisasikan dengan menggunakan model yang dibangun dengan simulink. Data pengamatan akan ditampilkan dalam bentuk tabel dan plot respon. Hasil percobaan menunjukkan bahwa pengendali fuzzy mampu menghasilkan respon dengan persen lewatan maksimum ( overshoot ) yang sangat kecil ( • 0 ) dan waktu puncak antara 103.9-192.5 detik; pengendali fuzzy dengan metoda penalaran sugeno secara umum menghasilkan respon yang lebih baik dibandingkan metoda penalaran mamdani, baik diterapkan pada plant tipe 0, tipe 1, maupun tipe 2; perubahan parameter input dan output, perubahan jumlah dan bentuk fungsi keanggotaan, perubahan jumlah aturan, dan perubahan jenis input mempengaruhi waktu respon.
(2)
ii
ABSTRACT
Progressively expanding equipments of technique hence required a controller. This models progressively more complicated, so that difficult to use conventional controller to process the models. Fuzzy controller can be used as the solution, especially for the system with mathematics model which is difficult to be obtained. But practically in conducting logic fuzzy, part of difficult is to determine method and order able to be applied to utilize to guide fuzzy logic system scheme in each system type from a plant model.
Things which must be done at fuzzy controller scheme is to determine brain method to be used ( Mamdani / Sugeno ), then we determine input variable and controller output, determining fuzzy gathering and membership function every variable, then we continued with determination of fuzzy order. Fuzzy controller which have been designed, to be realized by using woke up model with simulink. Experiment result will be shown in graphic and tables. Experiment result indicate that fuzzy controller can yield respond with maximum gratuity ( overshoot ) which very small ( • 0 ) and time culminate between 103.9-192.5 second; fuzzy controller with brain method of sugeno in general yield better respond which compared to brain method of mamdani, goodness applied by at type plant 0, type 1, and also type 2; friction of input and output parameter, change sum and form of membership function, change sum of order, and change input type influence respon time.
(3)
v
DAFTAR ISI
Halaman LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK ………..……… iABSTRACT ………..……..…... ii
KATA PENGANTAR ………..………. iii
DAFTAR ISI ………....…….. v
DAFTAR GAMBAR ………... viii
DAFTAR PERSAMAAN ………... ix
DAFTAR TABEL ……….………..……... xi
BAB I PENDAHULUAN 1.1 LATAR BELAKANG .………. 1
1.2 IDENTIFIKASI MASALAH ...……… 2
1.3 PERUMUSAN MASALAH ...……….. 2
1.4 TUJUAN ……….. 2
1.5 PEMBATASAN MASALAH ...………... 3
1.6 SPESIFIKASI ALAT ……… 3
1.7 SISTEMATIKA PEMBAHASAN…...………. 4
BAB II TEORI PENUNJANG 2.1 PENGENDALI ( CONTROLLER )...…………..……...……... 5
2.1.1 PENGONTROL RESPON…...……….….…………... 6
2.1.1.1 PENGONTROL ON/OFF……… 6
2.1.1.2 PENGONTROL PROPORSIONAL (P)……... 6
2.1.1.3 PENGONTROL INTEGRAL (I) DAN DERIVATIF (D)………... 7
2.1.1.4 PENGONTROL PROPORSIONAL INTEGRAL (PI)……….. 7
(4)
vi
2.1.1.5 PENGONTROL PROPORSIONAL DERIVATIF (PD)……… 8
2.1.1.6 PENGONTROL PROPORSIONAL INTREGRAL DERIVATIF (PID)…………... 8
2.1.1.7 KONTROL FUZZY LOGIC ……… 9
2.2 RESPON TRANSIEN……….. 10
2.3 TIPE SISTEM………... 11
2.3.1 KESALAHAN KEADAAN TUNAK ……… 12
2.4 LOGIKA FUZZY……….. 14
2.4.1 ALASAN MENGGUNAKAN LOGIKA FUZZY …… 15
2.4.2 HIMPUNAN FUZZY ……… 15
2.4.3 OPERASI HIMPUNAN FUZZY ………. 17
2.4.4 FUNGSI KEANGGOTAAN FUZZY ……… 18
2.4.4.1 Trimf ………. 18
2.4.4.2 Trapmf ……….. 19
2.4.4.3 Gaussmf ……… 20
2.5 SISTEM INFERENSI FUZZY ( FIS ) ………. .…..….. 20
2.5.1 METODA PENALARAN FUZZY……… 21
2.5.2 FUZZIFIKASI ……….. 22
2.5.3 OPERATOR FUZZY ……… 22
2.5.4 METODA IMPLIKASI ……… 23
2.5.5 AGREGASI OUTPUT ………. 24
2.5.6 METODA DEFUZZIFIKASI ……….. 25
BAB III PERANCANGAN DAN SIMULASI 3.1 DIAGRAM ALIR ( FLOWCHART ) DESAIN DAN ANALISA PENGENDALI BERDASARKAN TIPE PLANT.. 27
3.2 MODEL PLANT………... 28
3.3 PERANCANGAN PENGENDALI FUZZY………. 30
3.3.1 HIMPUNAN FUZZY ………. 31
(5)
vii
BAB IV PERCOBAAN DAN ANALISA 4.1 MENGUBAH PARAMETER INPUT...………... 36
4.1.1 MAMDANI………. 37
4.1.2 SUGENO……… 46
4.2 MENGUBAH PARAMETER OUTPUT……… 50
4.2.1 MAMDANI……… 51
4.2 PERUBAHAN JUMLAH DAN BENTUK FUNGSI KEANGGOTAAN ……….. 56
4.2.1 MAMDANI……… 56
4.2.2 SUGENO ……….. 68
4.4 MENGUBAH JUMLAH ATURAN ………..………… 82
4.2.1 MAMDANI……… 82
4.2.2 SUGENO ……….. 86
4.5 MENGUBAH SINYAL MASUKAN ………..………… 90
4.2.1 MAMDANI……… 90
4.2.2 SUGENO ……….. 102
BAB V KESIMPULAN DAN SARAN 5.1 KESIMPULAN ...….. 113
5.2 SARAN ...… 116
DAFTAR PUSTAKA ... xv
LAMPIRAN
A Fungsi Keanggotaan ……... A1 B Plot Respon ………...B1
(6)
xi
DAFTAR TABEL
Tabel 3.1 Parameter yang digunakan………...…….. 29 Tabel 4.1 Data pengamatan mengubah parameter input dengan metoda penalaran
Mamdani ( 1 rule )untuk sistem tipe 0 ………..…... 37 Tabel 4.2 Data pengamatan mengubah parameter input dengan metoda penalaran
Mamdani ( 1 rule )untuk sistem tipe 1 ………..……….... 37 Tabel 4.3 Data pengamatan mengubah parameter input dengan metoda penalaran
Mamdani ( 1 rule )untuk sistem tipe 2 ………..…... 38 Tabel 4.4 Data pengamatan mengubah parameter input dengan metoda penalaran
Mamdani ( 2 rule )untuk sistem tipe 0 ………...….. 42 Tabel 4.5 Data pengamatan mengubah parameter input dengan metoda penalaran
Mamdani ( 2 rule )untuk sistem tipe 1 ………..…….. 42 Tabel 4.6 Data pengamatan mengubah parameter input dengan metoda penalaran
Mamdani ( 2 rule )untuk sistem tipe ………..……. 43 Tabel 4.7 Data pengamatan pergeseran parameter input dengan metoda penalaran
Sugeno ( 2 rule ) untuk sistem tipe 0 ………...… 46 Tabel 4.8 Data pengamatan mengubah parameter input dengan metoda penalaran
Sugeno ( 2 rule ) untuk sistem tipe 1 ……… 46 Tabel 4.9 Data pengamatan mengubah parameter input dengan metoda penalaran
Sugeno ( 2 rule )untuk sistem tipe 2 ………..…….…. 47 Tabel 4.10 Data pengamatan mengubah parameter output dengan metoda penalaran
Mamdani ( 2 rule )untuk sistem tipe 0 ……….….... 51 Tabel 4.11 Data pengamatan mengubah parameter output dengan metoda penalaran
Mamdani ( 2 rule )untuk sistem tipe 1 ……….….. 51 Tabel 4.12 Data pengamatan mengubah parameter output dengan metoda penalaran
Mamdani ( 2 rule )untuk sistem tipe 2………. 52 Tabel 4.13 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan dengan
(7)
xii
Tabel 4.14 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaa dengan metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 1 ………. 56 Tabel 4.15 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan dengan
metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 2 …...………….. 57 Tabel 4.16 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trimf
dengan metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 0 …….... 60 Tabel 4.17 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trimf
dengan metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 1 ……... 60 Tabel 4.18 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trimf
dengan metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 2 ………. 61 Tabel 4.19 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trapmf
dengan metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 0 ....……. 64 Tabel 4.20 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trapmf
dengan metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 1……….. 64 Tabel 4.21 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trapmf
dengan metoda penalaran Mamdani ( 2 rule )untuk sistem tipe 2….……. 65 Tabel 4.22 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Gaussmf
dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe 0 …..…….. 68 Tabel 4.23 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Gaussmf
dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe 1 …..…….. 68 Tabel 4.24 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Gaussmf
dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe 2 ……. ...…. 69 Tabel 4.25 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trimf
dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe 0 .……..….. 72 Tabel 4.26 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trimf
dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe 1 ..……..…. 72 Tabel 4.27 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trimf
dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe .…………... 73 Tabel 4.28 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trapmf
dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe 0 ..…….….. 76 Tabel 4.29 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trapmf
(8)
xiii
Tabel 4.30 Data pengamatan perubahan jumlah dan bentuk fungsi keanggotaan Trapmf dengan metoda penalaran Sugeno ( 2 rule )untuk sistem tipe 2 …..…..…. 77 Tabel 4.31 Data pengamatan mengubah jumlah aturan dengan metoda penalaran
Mamdani untuk sistem tipe 0 ……….………...….……. 81 Tabel 4.32 Data pengamatan mengubah jumlah aturan dengan metoda penalaran
Mamdani untuk sistem tipe1………..………...……….….. 81 Tabel 4.33 Data pengamatan mengubah jumlah aturan dengan metoda penalaran
Mamdani untuk sistem tipe 2………...……….………... 82
Tabel 4.34 Data pengamatan mengubah jumlah aturan dengan metoda penalaran Sugeno untuk sistem tipe 0………...……… 82
Tabel 4.35 Data pengamatan mengubah jumlah aturan dengan metoda penalaran Sugeno untuk sistem tipe 1………...……… 85
Tabel 4.36 Data pengamatan mengubah jumlah aturan dengan metoda penalaran Sugeno untuk sistem tipe 2……….….. 85
Tabel 4.37 Data pengamatan jenis masukan step dengan metoda penalaran Mamdani untuk sistem tipe 0………...…… 89
Tabel 4.38 Data pengamatan jenis masukan step dengan metoda penalaran Mamdani untuk sistem tipe 1………...……… 89
Tabel 4.39 Data pengamatan jenis masukan step dengan metoda penalaran Mamdani untuk sistem tipe 2……….. 89
Tabel 4.40 Data pengamatan jenis masukan ramp dengan metoda penalaran Mamdani untuk sistem tipe 0………...…….….. 90
Tabel 4.41 Data pengamatan jenis masukan ramp dengan metoda penalaran Mamdani untuk sistem tipe 1………...….….. 90
Tabel 4.42 Data pengamatan jenis masukan ramp dengan metoda penalaran Mamdani untuk sistem tipe 2………...……… 90
Tabel 4.43 Data pengamatan jenis masukan gelombang sinus dengan metoda penalaran Mamdani untuk sistem tipe 0………...…… 96
Tabel 4.44 Data pengamatan jenis masukan gelombang sinus dengan metoda penalaran Mamdani untuk sistem tipe 1………...….….. 96
Tabel 4.45 Data pengamatan jenis masukan gelombang sinus dengan metoda penalaran Mamdani untuk sistem tipe 2………....…. 96
(9)
xiv
Tabel 4.46 Data pengamatan jenis masukan unit step dengan metoda penalaran Sugeno untuk sistem tipe 0………. 101
Tabel 4.47 Data pengamatan jenis masukan unit step dengan metoda penalaran Sugeno untuk sistem tipe 1………..………... 101
Tabel 4.48 Data pengamatan jenis masukan unit step dengan metoda penalaran Sugeno untuk sistem tipe 2……….….... 101
Tabel 4.49 Data pengamatan jenis masukan ramp dengan metoda penalaran Sugeno untuk sistem tipe 0 ……….…….. 102
Tabel 4.50 Data pengamatan jenis masukan ramp dengan metoda penalaran Sugeno untuk sistem tipe 1……….……….………. 102
Tabel 4.51 Data pengamatan jenis masukan ramp dengan metoda penalaran Sugeno untuk sistem tipe 2 ……….………. 102
Tabel 4.52 Data pengamatan jenis masukan gelombang sinus dengan metoda penalaran Sugeno untuk sistem tipe 0………...……… 106
Tabel 4.53 Data pengamatan jenis masukan gelombang sinus dengan metoda penalaran Sugeno untuk sistem tipe 1………...……. 106
Tabel 4.54 Data pengamatan jenis masukan gelombang sinus dengan metoda penalaran Sugeno untuk sistem tipe 2……….………. 106
(10)
viii
DAFTAR GAMBAR
Gambar 2.1 Kurva respon tangga satuan yang menunjukkan td, tr, tp, Mp, dan ts… 11
Gambar 2.2 Fungsi keanggotaan dari himpunan
fuzzy
A……… 16
Gambar 2.3
Union
dari himpunan
fuzzy
A dan B………... 17
Gambar 2.4
Intersection
dari himpunan
fuzzy
A dan B……….. 17
Gambar 2.5
Complement
dari himpunan
fuzzy
A dan B………. 18
Gambar 2.6 Grafik fungsi trimf……….. 19
Gambar 2.7 Grafik fungsi trapmf………... 19
Gambar 2.8 Grafik fungsi gaussmf………. 20
Gambar 2.9 Ilustrasi Sistem Inferensi
Fuzzy
………... 21
Gambar 2.10 Fuzzifikasi input……….. 22
Gambar 2.11 Aplikasi operator OR dengan metoda Max………. 23
Gambar 2.12 Metoda Implikasi ( Min )………. 24
Gambar 2.13 Agregasi output ( Max )………... 25
Gambar 3.1 Diagram alir desain dan analisa pengendali berdasarkan tipe
plant
…… 27
Gambar 3.2 Model
plant
2 buah tangki………... 28
Gambar 3.3 Fungsi keanggotaan ( trimf )
output valve
Mamdani pada percobaan 1.. 32
Gambar 3.4 Fungsi keanggotaan ( gaussmf )
input
h
2pada percobaan 2………….... 32
Gambar 3.5 Fungsi keanggotaan ( gaussmf )
input
h
2pada percobaan 4……… 32
Gambar 3.6 Fungsi keanggotaan ( gaussmf )
input rate
pada percobaan 4…………. 32
Gambar 3.7 Fungsi keanggotaan ( trimf )
output valve
Mamdani pada percobaan 4.. 32
Gambar 3.8 Blok sinyal masukkan yang digunakan………... 33
Gambar 3.9 Rangkaian dalam TANGKI AIR pada
plant
tipe 0……….……... 33
Gambar 3.10 Rangkaian dalam TANGKI AIR pada
plant
tipe 1……….… 34
Gambar 3.11 Rangkaian dalam TANGKI AIR pada
plant
tipe 2……….… 34
(11)
ix
DAFTAR PERSAMAAN
Persamaan 2.1………. 8
Persamaan 2.2………. 10
Persamaan 2.3………. 12
Persamaan 2.4………. 12
Persamaan 2.5………. 12
Persamaan 2.6………. 12
Persamaan 2.7………. 12
Persamaan 2.8………. 12
Persamaan 2.9………. 13
Persamaan 2.10………... 13
Persamaan 2.11………... 13
Persamaan 2.12………... 13
Persamaan 2.13………... 13
Persamaan 2.14………... 13
Persamaan 2.15………... 14
Persamaan 2.16………... 14
Persamaan 2.17………... 14
Persamaan 2.18………... 16
Persamaan 2.19………... 16
Persamaan 2.20………... 17
Persamaan 2.21………... 17
Persamaan 2.22………... 18
Persamaan 2.23………... 19
Persamaan 2.24………... 20
Persamaan 2.25………... 20
Persamaan 2.26………... 22
Persamaan 2.27………... 22
(12)
x
Persamaan 2.29………...
23
Persamaan 2.30………...
25
Persamaan 2.31………
………...
25
Persamaan 2.32………...
25
Persamaan 2.33………...
26
Persamaan 2.34………...
26
Persamaan 3.1 ………....
28
Persamaan 3.2 ………
.... 28
Persamaan 3.3 ………....
28
Persamaan 3.4 ………....
28
Persamaan 3.5 ………....
29
Persamaan 3.6 ………....
29
Persamaan 3.7 ……….
... 29
(13)
1
BAB I
PENDAHULUAN
Pada bab ini akan dibahas mengenai latar belakang, identifikasi masalah, tujuan, pembatasan masalah, spesifikasi alat dan sistematika pembahasan kerja praktek.
1.1LATAR BELAKANG
Sejak ditemukannya teori fuzzy di Amerika, teori fuzzy telah menjadi sebuah domain penelitian yang besar, meliputi perlengkapan fuzzy, logika, algoritma, dan kontrol. Bahkan pada dasawarsa terakhir ini aplikasi logika fuzzy ini semakin banyak seiring dengan perkembangan teknologi komputasi yang luar biasa pesatnya, mulai dari consummer product seperti kamera, mesin pencuci dan oven mikrowave sampai dengan kendali industri, alat-alat kedokteran, elektronik, robotik, kendali pertanian, system pengambilan keputusan, dan lain-lain.
Ada karakteristik khusus dari sistem fuzzy yang memberikan performa yang lebih baik lagi untuk aplikasi tertentu. Pada umumnya, fuzzy cocok untuk sistem yang tidak jelas atau membutuhkan pertimbangan perkiraan, terutama untuk sistem dengan model matematika yang sulit diperoleh. Logika fuzzy dapat membuat keputusan dengan nilai perkiraan dari informasi yang tidak lengkap.
(14)
2 Namun pada kenyataannya dalam kendali fuzzy logic, bagian yang tersulit adalah menentukan banyak, bentuk, fungsi keanggotaan, dan lain-lain dari membership function dan membuat aturan-aturan dari fungsi keanggotaan
input-output untuk menghasilkan kendali logika fuzzy yang memadai. Ini akan menjadi
suatu kendala tersendiri bila tidak mempunyai aturan-aturan yang dapat diterapkan dalam memandu perancangan (desain) sistem logika fuzzy.
1.2IDENTIFIKASI MASALAH
Masalah dalam Tugas Akhir ini sebagai berikut:
1). Apa saja aturan-aturan dan metode yang dapat diterapkan guna memandu perancangan sistem logika fuzzy pada setiap tipe plant dari sebuah model plant?
2). Apakah dengan metode yang sama jika diterapkan pada tipe plant yang berbeda akan menghasilkan keluaran yang sama?
1.3PERUMUSAN MASALAH
Bagaimana mendesain dan menganalisa pengendali berdasarkan tipe plant dengan menggunakan logika fuzzy (Fuzzy Inference System) ?
1.4 TUJUAN
Melakukan analisa dan desain dari simulasi berdasarkan tipe plant dengan menggunakan logika fuzzy (Fuzzy Inference System)
.
(15)
3 1.5 PEMBATASAN MASALAH
Pada Tugas Akhir ini diambil beberapa pembatasan masalah sebagai berikut: 1). Simulasi model plant
2). Model plant berorde 2
3). Input dan Output plant 1 buah ( SISO ) 4). Menggunakan model yang sudah ada
5). Tipe plant yang digunakan : tipe 0, tipe 1, dan tipe 2 6). 3 jenis input : unit step, ramp, dan gelombang sinus 7). Analisa fuzzy :
θ Pergeseran parameter fungsi keanggotaan input θ Pergeseran parameter fungsi keanggotaan output θ Perubahan jumlah fungsi keanggotaan
θ Perubahan bentuk fungsi keanggotaan ( gaussmf, trimf, dan trapmf ) θ Perubahan jumlah aturan
1.6SPESIFIKASI ALAT
Spesifikasi alat yang digunakan dalam Tugas Akhir ini adalah sebagai berikut:
1). Perangkat keras : komputer dengan prosesor Intel PentiumIV 3 GHz. 2).Perangkat lunak yang digunakan adalah MATLAB 7.0 beserta
toolbox-nya:
∗ Fuzzy Logic Toolbox 2.1.3
(16)
4 1.7. SISTEMATIKA PEMBAHASAN
Sistematika pembahasan laporan Tugas Akhir ini dibagi menjadi 5 bab yang disusun sebagai berikut:
BAB I : PENDAHULUAN
Bab ini membahas tentang latar belakang, identifikasi masalah, tujuan, pembatasan masalah, spesifikasi alat, dan sistematika pembahasan.
BAB II : LANDASAN TEORI
Dalam bab ini akan dibahas secara singkat mengenai pengendali, logika fuzzy, teori dasar yang menunjang metoda kendali FIS dan dijelaskan juga mengenai pengendali Fuzzy.
BAB III : PERANCANGAN DAN SIMULASI
Dalam bab ini akan diuraikan mengenai perancangan dan simulasi yang telah dilakukan yaitu mengenai perancangan dan simulasi pengendali berdasarkan metoda logika fuzzy (FIS) untuk masing-masing tipe plant yang digunakan.
BAB IV : PERCOBAAN DAN ANALISA
Bab ini berisi percobaan, dan analisa dari setiap simulasi yang telah dibuat pada bab III.
BAB V : KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan-kesimpulan serta saran-saran untuk pengembangan lebih lanjut.
(17)
113
BAB V
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan-kesimpulan serta saran-saran untuk pengembangan
lebih lanjut.
5.1 KESIMPULAN
Pengendali fuzzy mampu merubah respon
plant
yang tadinya berosilasi menjadi
tidak berosilasi (
plant
tipe1 dan tipe 2 ). Perubahan parameter
input
dapat digunakan
untuk memperkecil waktu penetapan respon dengan cara memperbesar luas irisan
antara himpunan
fuzzy
,
tetapi jika luas irisan antara himpunan
fuzzy
terlalu besar
( > 25% ) maka waktu penetapan respon akan diperbesar. Perubahan parameter
output
dapat digunakan untuk memperbesar waktu penetapan respon dengan cara
memperbesar luas irisan antara himpunan
fuzzy.
Pada metoda penalaran Mamdani :
Plant
tipe 0 dan 1 sebaiknya menggunakan bentuk fungsi keanggotaan
input
Gaussmf
sedangkan
Plant
tipe 2 sebaiknya menggunakan bentuk fungsi keanggotaan Trimf
dan Trapmf. Untuk bentuk fungsi keanggotaan
input
dengan metoda penalaran
Sugeno, sebaiknya mengunakan bentuk fungsi keanggotaan Gaussmf.
Semakin besar tipe sistem yang digunakan menyebabkan semakin kecil waktu
tunda yang dihasilkan oleh respon. Perubahan jumlah fungsi keanggotaan tidak
berpengaruh terhadap kecepatan dan hanya memberi pengaruh sedikit terhadap waktu
tunda dari respon yang dihasilkan. Pengendali
fuzzy
menggunakan metoda penalaran
Sugeno sangat baik diterapkan baik pada
plant
tipe 0, tipe 1, maupun tipe 2, karena
selalu menghasikan respon yang tidak berosilasi dengan persen lewatan maksimum
(
overshoot
) yang sangat kecil (
• 0 ). Sedangkan pengendali
fuzzy
menggunakan
metoda penalaran Mamdani masih memungkinkan terjadi sistem yang berosilasi,
seperti pada
plant
tipe 0 dengan aturan
fuzzy
lebih dari satu akan menghasilkan
(18)
114
respon yang berosilasi. Perubahan jumlah aturan
fuzzy
yang digunakan ( jika
jumlahnya lebih dari satu ) hanya sedikit sekali bahkan tidak memberikan pengaruh
terhadap respon yang dihasilkan.
Metoda penalaran Mamdani sebaiknya menggunakan masukan ramp jika ingin
Ts yang kecil dan menggunakan masukan gelombang sinus jika ingin Td yang kecil.
Metoda penalaran Sugeno sebaiknya menggunakan masukan ramp jika ingin Ts yang
kecil dan untuk
plant
tipe 1 sebaiknya menggunakan masukan gelombang sinus
sedangkan untuk
plant
tipe 2 sebaiknya menggunakan masukan ramp jika ingin Td
yang kecil.
5.2 SARAN
Sebagai pengembangan lebih lanjut, desain dan analisa pengendali
menggunakan logika
fuzzy
(
Fuzzy Logic Controller
) dapat dikembangkan menjadi
berdasarkan banyak orde sistem.
(19)
xv
DAFTAR PUSTAKA
1. http :// FUZZY LOGIC - AN INTRODUCTION by Steven D. Kaehler 2. Jang, J.S.R., Gulley, N., Fuzzy Logic Toolbox for Use with MATLAB, The MathWorks Inc., Natick, 1995.
3. Kusumadewi, Sri, Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab, Graha Ilmu, Yogyakarta, 2002.
4. Ogata, Katsuhiko, MODERN CONTROL ENGINEERING, 3th Edition, Prentice-Hall, Upper Saddle River, New Jersey,1997.
5. Petruzella, Frank D., ELEKTRONIK INDUSTRI, Andi, Yogyakarta, 2001. 6. Reznik, Leonid, Fuzzy Controllers, Newnes, Melbourne, Australia, 1997 7. Ross, Timothy J., FUZZY LOGIC WITH ENGINEERING
APPLICATIONS, McGraw-Hill, Singapura, 1995.
8. Li, X.W., A Course in Fuzzy Systems and Control, Prentice Hall, Inc., New Jersey, 1997.
(1)
Namun pada kenyataannya dalam kendali fuzzy logic, bagian yang tersulit adalah menentukan banyak, bentuk, fungsi keanggotaan, dan lain-lain dari membership function dan membuat aturan-aturan dari fungsi keanggotaan input-output untuk menghasilkan kendali logika fuzzy yang memadai. Ini akan menjadi suatu kendala tersendiri bila tidak mempunyai aturan-aturan yang dapat diterapkan dalam memandu perancangan (desain) sistem logika fuzzy.
1.2IDENTIFIKASI MASALAH
Masalah dalam Tugas Akhir ini sebagai berikut:
1). Apa saja aturan-aturan dan metode yang dapat diterapkan guna memandu perancangan sistem logika fuzzy pada setiap tipe plant dari sebuah model plant?
2). Apakah dengan metode yang sama jika diterapkan pada tipe plant yang berbeda akan menghasilkan keluaran yang sama?
1.3PERUMUSAN MASALAH
Bagaimana mendesain dan menganalisa pengendali berdasarkan tipe plant dengan menggunakan logika fuzzy(Fuzzy Inference System) ?
1.4 TUJUAN
Melakukan analisa dan desain dari simulasi berdasarkan tipe plant dengan menggunakan logika fuzzy (Fuzzy Inference System)
.
(2)
1.5 PEMBATASAN MASALAH
Pada Tugas Akhir ini diambil beberapa pembatasan masalah sebagai berikut: 1). Simulasi model plant
2). Model plant berorde 2
3). Input dan Output plant 1 buah ( SISO ) 4). Menggunakan model yang sudah ada
5). Tipe plant yang digunakan : tipe 0, tipe 1, dan tipe 2 6). 3 jenis input : unit step, ramp, dan gelombang sinus 7). Analisa fuzzy :
θ Pergeseran parameter fungsi keanggotaan input
θ Pergeseran parameter fungsi keanggotaan output
θ Perubahan jumlah fungsi keanggotaan
θ Perubahan bentuk fungsi keanggotaan ( gaussmf, trimf, dan trapmf ) θ Perubahan jumlah aturan
1.6SPESIFIKASI ALAT
Spesifikasi alat yang digunakan dalam Tugas Akhir ini adalah sebagai berikut:
1). Perangkat keras : komputer dengan prosesor Intel PentiumIV 3 GHz. 2).Perangkat lunak yang digunakan adalah MATLAB 7.0 beserta toolbox
-nya:
(3)
1.7. SISTEMATIKA PEMBAHASAN
Sistematika pembahasan laporan Tugas Akhir ini dibagi menjadi 5 bab yang disusun sebagai berikut:
BAB I : PENDAHULUAN
Bab ini membahas tentang latar belakang, identifikasi masalah, tujuan, pembatasan masalah, spesifikasi alat, dan sistematika pembahasan.
BAB II : LANDASAN TEORI
Dalam bab ini akan dibahas secara singkat mengenai pengendali, logika fuzzy, teori dasar yang menunjang metoda kendali FIS dan dijelaskan juga mengenai pengendali Fuzzy.
BAB III : PERANCANGAN DAN SIMULASI
Dalam bab ini akan diuraikan mengenai perancangan dan simulasi yang telah dilakukan yaitu mengenai perancangan dan simulasi pengendali berdasarkan metoda logika fuzzy (FIS) untuk masing-masing tipe plant yang digunakan.
BAB IV : PERCOBAAN DAN ANALISA
Bab ini berisi percobaan, dan analisa dari setiap simulasi yang telah dibuat pada bab III.
BAB V : KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan-kesimpulan serta saran-saran untuk pengembangan lebih lanjut.
(4)
BAB V
KESIMPULAN DAN SARAN
Bab ini berisi kesimpulan-kesimpulan serta saran-saran untuk pengembangan
lebih lanjut.
5.1 KESIMPULAN
Pengendali fuzzy mampu merubah respon
plant
yang tadinya berosilasi menjadi
tidak berosilasi (
plant
tipe1 dan tipe 2 ). Perubahan parameter
input
dapat digunakan
untuk memperkecil waktu penetapan respon dengan cara memperbesar luas irisan
antara himpunan
fuzzy
,
tetapi jika luas irisan antara himpunan
fuzzy
terlalu besar
( > 25% ) maka waktu penetapan respon akan diperbesar. Perubahan parameter
output
dapat digunakan untuk memperbesar waktu penetapan respon dengan cara
memperbesar luas irisan antara himpunan
fuzzy.
Pada metoda penalaran Mamdani :
Plant
tipe 0 dan 1 sebaiknya menggunakan bentuk fungsi keanggotaan
input
Gaussmf
sedangkan
Plant
tipe 2 sebaiknya menggunakan bentuk fungsi keanggotaan Trimf
dan Trapmf. Untuk bentuk fungsi keanggotaan
input
dengan metoda penalaran
Sugeno, sebaiknya mengunakan bentuk fungsi keanggotaan Gaussmf.
Semakin besar tipe sistem yang digunakan menyebabkan semakin kecil waktu
tunda yang dihasilkan oleh respon. Perubahan jumlah fungsi keanggotaan tidak
berpengaruh terhadap kecepatan dan hanya memberi pengaruh sedikit terhadap waktu
tunda dari respon yang dihasilkan. Pengendali
fuzzy
menggunakan metoda penalaran
Sugeno sangat baik diterapkan baik pada
plant
tipe 0, tipe 1, maupun tipe 2, karena
selalu menghasikan respon yang tidak berosilasi dengan persen lewatan maksimum
(5)
respon yang berosilasi. Perubahan jumlah aturan
fuzzy
yang digunakan ( jika
jumlahnya lebih dari satu ) hanya sedikit sekali bahkan tidak memberikan pengaruh
terhadap respon yang dihasilkan.
Metoda penalaran Mamdani sebaiknya menggunakan masukan ramp jika ingin
Ts yang kecil dan menggunakan masukan gelombang sinus jika ingin Td yang kecil.
Metoda penalaran Sugeno sebaiknya menggunakan masukan ramp jika ingin Ts yang
kecil dan untuk
plant
tipe 1 sebaiknya menggunakan masukan gelombang sinus
sedangkan untuk
plant
tipe 2 sebaiknya menggunakan masukan ramp jika ingin Td
yang kecil.
5.2 SARAN
Sebagai pengembangan lebih lanjut, desain dan analisa pengendali
menggunakan logika
fuzzy
(
Fuzzy Logic Controller
) dapat dikembangkan menjadi
berdasarkan banyak orde sistem.
(6)
DAFTAR PUSTAKA
1. http :// FUZZY LOGIC - AN INTRODUCTION by Steven D. Kaehler 2. Jang, J.S.R., Gulley, N., Fuzzy Logic Toolbox for Use with MATLAB, The MathWorks Inc., Natick, 1995.
3. Kusumadewi, Sri, Analisis & Desain Sistem Fuzzy Menggunakan Toolbox
Matlab, Graha Ilmu, Yogyakarta, 2002.
4. Ogata, Katsuhiko, MODERN CONTROL ENGINEERING, 3th Edition, Prentice-Hall, Upper Saddle River, New Jersey,1997.
5. Petruzella, Frank D., ELEKTRONIK INDUSTRI, Andi, Yogyakarta, 2001. 6. Reznik, Leonid, Fuzzy Controllers, Newnes, Melbourne, Australia, 1997 7. Ross, Timothy J., FUZZY LOGIC WITH ENGINEERING
APPLICATIONS, McGraw-Hill, Singapura, 1995.
8. Li, X.W., A Course in Fuzzy Systems and Control, Prentice Hall, Inc., New Jersey, 1997.