Rancang Bangun Sistem Ventilasi Vertikal Solar Adaptive pada Prototype Gedung Bertingkat Berbasis Mikrokontroler
Vol. 2, No. 8, Agustus 2018, hlm. 2832-2839 http://j-ptiik.ub.ac.id
Rancang Bangun Sistem Ventilasi Vertikal Solar Adaptive pada Prototype
Gedung Bertingkat Berbasis Mikrokontroler
1 2 3 Yanuar Enfika Rafani , Tibyani , Rizal MaulanaProgram Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya 1 2 3 Email: yanuarenfika@gmail.com, tibyani@ub.ac.id, rizal_lana@ub.ac.id
Abstrak
Cahaya matahari dengan intensitas yang berlebih dapat menimbulkan masalah yaitu kenaikan suhu yang mengakibatkan ketidak nyamanan di dalam bangunan. Maka dari itu dibutuhkan penahan sinar matahari agar dapat mereduksi atau mengurangi panas dan masuknya cahaya matahari ke dalam bangunan. Dengan menggunkan mikrontroler arduino mega 2560 dan tambahan sensor LDR serta DHT11 maka ventilasi vertikal sebagai shading device dapat membuka atau menutup tiga arah, mengikuti arah matahari tinggi rendahnya matahari dan suhu pada ruangan. Mikrokontroller Arduino Mega 2560 ditanamkan logika fuzzy sugeno sebagai pemberi keputusan output berdasarkan perhitungan fuzzy. Hasil proses pengujian menunjukkan berbagai kondisi ventilasi bergerak menutup cahaya yang masuk berdasarkan hasil masukan dari sensor LDR dan sensor DHT11, pada pengujian fuzzy juga didapatkan hasil yang akurat. Hal ini menunjukkan sistem berjalan dengan baik dalam menentukan gerak ventilasi berdasarkan sudut datangnya cahaya.
Kata kunci: ventilasi vertikal, shading device, DHT11, LDR, Fuzzy Sugeno
Abstract
Sunlight intensity of excess can causes problems apply temperature increase which resulted in
inconvenience in the building. Therefore it takes a beam of sunlight in order to reduce or mitigate the
heat and light from the Sun's entry into the building. By either using the arduino mega 2560
microcontroller and additional sensors LDR and DHT11 then vent can open or close a three-way, follow
the direction of the Sun is high in the low sun and inside room temperature. Arduino Mega 2560
microcontroller implanted fuzzy sugeno logic as the output decision maker based on fuzzy calculation.
The test results indicate various conditions the vent move the incoming light close based on the input
from the sensors and sensors DHT11, LDR on fuzzy testing also obtained accurate results. This indicates
the system is running properly in determining the motion of ventilation based from light angle.Keywords: vertical vent, shading device, DHT11, LDR, Fuzzy Sugeno
mengakibatkan ketidak nyamanan di dalam 1.
PENDAHULUAN bangunan. Maka dari itu dibutuhkan penahan
sinar matahari agar dapat mereduksi atau Sinar matahari merupakan elemen dalam mengurangi panas dan masuknya cahaya kehidupan manusia yang memberikan matahari ke dalam bangunan yang disebut pencahayaan dan memiliki efek positif bagi
shading device. Karena penggunaan shading
kesehatan manusia. Tetapi, dalam dunia
device yang menjadi elemen penting pada
arsitektur cahaya matahari dengan intensitas bangunan maka diperlukan sebuah shading yang berlebih dapat mengganggu kenyamanan
device yang optimal agar dapat berfungsi secara dan menyebabkan silau (Karen Kensek, 2011).
efektif. Pada sun shading konvensional hanya Di wilayah beriklim tropis seperti Indonesia terdapat dua jenis yaitu tipe vertikal dan tipe intensitas matahari berlangsung sedang sampai horizontal yang masing masing memiliki tinggi, akan mengakibatkan besarnya panas yang kekurangan, dan berbentuk permanen yang tidak diterima bangunan dan selanjutnya berdampak bisa bergerak mengikuti cahaya matahari pada suhu di dalam bangunan. Masalah yang menjadikan fungsi dari sun shading tersebut ditimbulkan yaitu kenaikan suhu yang kurang efektif.
Fakultas Ilmu Komputer Universitas Brawijaya
2832 Oleh karena itu penulis melakukan penelitian tentang Rancang Bangun Sistem Ventilasi Vertikal Solar Adaptive pada Prototype Gedung Bertingkat Berbasis Mikrokontroler dengan menggunakan sensor LDR dan sensor DHT11. Kelebihan dari penelitian yang dilakukan adalah penggunaaan ventilasi vertikal sebagai sun shading yang ditambahkan penggerak motor sehingga dapat bergerak otomatis secara horizontal atau vertikal sesuai dengan arah cahaya matahari yang dideteksi melalui sensor LDR dan suhu di dalam bangunan dideteksi menggunakan sensor DHT11. Data yang diterima oleh sensor diproses oleh mikrokontroler dengan menggunakan logika fuzzy sugeno sebagai penentu output. Hal tersebut menjadi alasan penelitian ini dengan penggunaan sensor-sensor dan logika fuzzy sugeno sebagai pengambil keputusan agar lebih digunakan output untuk menentukan sudut gerak ventilasi berdasarkan data dari tiga sensor LDR dan sensor DHT.
IMPLEMENTASI
Sistem ini menggunakan empat buah sensor LDR dan satu buah sensor DHT11 sebagai masukkan data yang akan diproses oleh mikrokontroler Arduino Mega 2560. Hasil data input akan diproses dengan metode pengambil keputusan yaitu logika fuzzy. Keluaran dari sistem ini yaitu hasil dari proses logika fuzzy sebagai pengambil keputusan berupa gerak ventilasi mengikuti arah matahari yaitu motor servo yang akan bergerak pada dua sumbu.
Gambar 1. Diagram blok sistem
Pada Gambar 2 menjelaskan diagram rangkaian sistem secara keseluruhan yang digunakan pada penelitian ini berdasarkan blok diagram yang telah dirancang sebelumnya.
Gambar 2. Diagram rangkaian sistem
2.1.2 Perancangan Motor Servo
2. PERANCANGAN DAN
Sistem ini menggunakan dua motor servo sebagai keluaran untuk menggerakkan ventilasi. Kedua motor servo tersebut berfungsi untuk menggerakkan dua sumbu yaitu vertikal dan horizontal, kelebihan dari penggunaan dua servo yaitu pergerakan ventilasi lebih presisi untuk mengikuti arah matahari. Servo pertama adalah servo horizontal bergerak ke arah barat dan setelah menerima masukan sinyal dari sensor LDR 1 dan LDR 2 dan diproses dengan mikrokontroler, sedangkan servo kedua adalah servo vertikal bergerak ke arah utara dan selatan hasil dari masukan sinyal sensor LDR 3.
2.1 Perancangan Sistem
2.1.1 Perancangan Blok Diagram dan Rangkaian Sistem
2.1.3 Perancangan Letak Sensor
Penggunaan empat sensor LDR dan sensor DHT11 berfungsi memberikan nilai dari intesitas cahaya matahari di luar gedung dan suhu di dalam gedung, dimana sensor LDR akan dipasang pada tiga titik sedangkan sensor DHT11 diletakkan pada bagian dalam prototype gedung. Tiga buah sensor LDR akan dipasang berdasarkan arah mata angin yaitu LDR1 akan ditempatkan pada timur dari bangunan, LDR2 berada di barat dan LDR3 pada arah utara.
Gambar 3. Peletakan sensor pada gedung
Peletakan sensor LDR berpengaruh pada nilai dari intensitas cahaya matahari yang diterima oleh sensor. Jika sensor LDR diletakkan secara berdekatan tanpa ada pembatas maka sensor tersebut tidak dapat terfokus untuk
Gambar 4. Diagram alir sistem
melakukan sensing pada arah yang telah ditentukan dan akan membaca nilai intensitas
2.2.2 Perancangan Fuzzy cahaya matahari hampir sama pada setiap sensor.
Fuzzifikasi merupakan proses mengubah nilai data masukan dari nilai pasti ke dalam fuzzy
2.2 Perancangan Perangkat Lunak
input. Grafik himpunan keanggotaan memiliki
2.2.1 Perancangan Alur Kerja Sistem
lima himpunan fuzzy yang merupakan tegangan output (Vout) sensor LDR. Nilai dari tegangan Perancangan alur kerja sistem ini output tersebut akan berubah naik atau turun menjelaskan mengenai cara kerja sistem dari berdasarkan nilai intensitas cahaya yang awal program yang dibuat dimulai hingga program selesai. Diagram alir sistem pada diterima, direpresentasikan menggunakan kurva trapesium dimana himpunan anggota pada gambar 4 menjelaskan sistem dimulai dengan variabel LDR yaitu gelap, redup, sedang, terang melakukan pembacaan pada sensor LDR1, dan sangat terang. Sedangkan pada variabel
LDR2, LDR3 untuk mencari nilai intensitas Suhu memiliki himpunan keanggotaan dingin, cahaya matahari kemudian sensor DHT11 normal dan panas. mendeteksi suhu. Proses selanjutnya yaitu sistem akan melakukan fuzzifikasi yang kemudian dilanjutkan dengan inferensi fuzzy. Pada tahap inferensi fuzzy sistem akan membandingkan nilai hasil sensing sensor LDR dan nilai hasil sensing sensor DHT11 dari tahap fuzzifikasi yang akan menjadi nilai penalaran
fuzzy . Nilai penalaran fuzzy digunakan sebagai
output untuk menggerakan motor servo ke arah cahaya matahari dengan intensitas paling tinggi,
Gambar 5. Fungsi keanggotaan LDR
tetapi diperlukan proses defuzzifikasi karena motor servo hanya dapat membaca nilai yang tegas agar dapat bergerak sesuai dengan perancangan yang telah ditentukan. Gerak motor servo juga dipengaruhi oleh nilai suhu di dalam gedung.
Gambar 6. Fungsi keanggotaan suhu Karena membership memiliki rentang yang
2.3 Implementasi Sistem
berdekatan antara fungsi anggota satu dan Implementasi sistem menjelaskan proses lainnya maka dipilihlah lima fungsi keanggotaan aplikasi dari tahap perancangan sistem. yang berdampak cukup akurat daripada
Implementasi sistem harus sesuai dengan tahap penggunaan kurang dari lima fungsi perancangan yang telah dibuat agar dapat keanggotaan. Representasi kurva pada sistem ini bekerja sesuai dengan tujuan. menggunakan kurva trapesium. Nilai dari hasil pembacaan sensor LDR memiliki rentang dari
2.3.1 Implementasi Perangkat Keras
0V hingga 5V berdasarkan perhitungan nilai Tahap implementasi perangkat keras adalah
ADC intensitas cahaya yang dapat ditangkap proses merakit komponen elektronik sistem sensor dari terendah hingga tertinggi. Pada berdasarkan perancangan yang telah dibuat agar fungsi keanggotaan Suhu dibagi menjadi tiga bekerja sesuai fungsi dan tujuan. Implementasi keanggotaan yaitu dingin, normal dan panas perangkat keras pada sistem ini sendiri terdiri degan rentang suhu antara 20°C-35°C. dari rangkaian mekanik motor servo dan
Metode inferensi fuzzy Sugeno peletakan sesnsor pada prototype gedung merepresentasikan aturan-aturan yang telah bertingkat seperti pada Gambar 7 dan dibuat berdasarkan data pada setiap variabel implementasi pada prototype pada Gambar 8. dalam himpunan fuzzy. Pada sistem ini terdapat variabel LDR dengan lima himpunan terang dan sangat terang dan variabel suhu dengan tiga himpunan keanggotaan dingin, normal, panas. Penentuan aturan dasar “IF”, “AND”, “THEN” berdasarkan pengujian manual dengan memperhitungkan kemungkinan yang dapat terjadi dengan kombinasi kedua variabel. Aturan perhitungan logika fuzzy berdasarkan penentuan aturan yang ditentukan oleh metode
fuzzy Sugeno.
Fungsi keanggotaan defuzzifikasi dengan menggunakan aturan singleton, karena hasil representasinya lebih sederhana yaitu nilai-nilai tunggal. Proses defuzzifikasi adalah proses pemetaan dari himpunan fuzzy ke himpunan tegas yang dilakukan untuk menentukan posisi sudut motor servo. Gerak dari motor servo berdasarkan proses rule evaluation yang kemudian dikonversikan dalam bentuk gerak sudut servo untuk menentukan posisi ventilasi.
Tabel 1. Posisi Ventilasi Berdasarkan Sudut Servo 1 Gambar 7. Rangkaian Motor Servo dan Sensor Tabel 2. Posisi Ventilasi Berdasarkan Sudut Servo 2
Gambar 8. Prototype Gedung Bertingkat
Tahap implementasi perangkat lunak merupakan tahap pembuatan program pada sistem agar bekerja sesuai dengan tujuan dan perancangan dengan menggunakan bahasa pemrograman C pada mikrokontroler arduino. Mulai tahap pembacaan sensor, perhitungan fuzzy dan gerak output.
Pengujian dilakukan untuk mengetahui apakah semua kebutuhan yang diharapkan telah terpenuhi oleh sistem.
Pengujian hasil pembacaan sensor Light
Dependent Resistor dilakukan untuk mengetahui
kemampuan sensor dalam membaca intensitas cahaya dari rentang terendah sampai tertinggi. Keluaran dari sensor LDR telah dikalibarasi dalam bentuk tegangan (V). Pengujian ini dilakukan dengan cara meletakkan sensor LDR pada tiga arah mata angin yaitu sensor LDR1 pada barat gedung, LDR2 pada bagian timur gedung dan LDR3 berada pada utara gedung. Berikut adalah Gambar 7 yang merupakan hasil dari pembacaan sensor LDR.
Gambar 9. Pengujian sensor LDR
Dari hasil pengujian pembacaan sensor didapatkan nilai sensor LDR terendah dengan nilai 0.89 pada pukul 07:00 dan tertinggi dengan nilai 3.11 pada pukul 13.00. Hasil pembacaan sensor terendah didapatkan karena intensitas matahari sangat rendah atau redup pada pagi hari dan hasil pembacaan sensor tertinggi didapatkan pada siang hari karena matahari tepat berada diatas dengan nilai intensitas yang lebih tinggi dibandingkan dengan pagi hari.
3.2 Pengujian Akuisisi Data Sensor DHT11
Pengujian pada sensor DHT11 memiliki tujuan untuk mengetahui error dari sensor. Nilai suhu yang dibaca oleh sensor kemudian dibandingkan dengan hasil deteksi termometer ruangan. Berikut adalah Gambar 8 yang merupakan hasil dari pembacaan sensor DHT11 yang dibandingkan dengan hasil dari pembacaan termometer setelah melalui prosedur.
3. PENGUJIAN DAN ANALISIS
3.1 Pengujian Akuisisi Data Sensor LDR
Gambar 10. Pengujian sensor DHT11
Berdasarkan grafik yang ditampilkan pada Gambar 8 diketahui hasil pembacaan suhu oleh sensor DHT11 dengan termometer memiliki perbedaan namun tidak terlau jauh. Hal ini diketahui dari nilai rata-rata sistem eror adalah 2.15%. Pembacaan dari sensor DHT11 dan termometer didapatkan hasil yang kurang stabil.
Tabel 3. Perbandingan fuzzy LDR1, LDR2 dan suhu
3.3 Pengujian Perubahan Sudut Servo
Pengujian perubahan sudut servo memiliki tujuan untuk membuktikan bahwa sistem telah bekerja sesuai dengan perancangan perhitungan logika Fuzzy dan mengikuti aturan dasar yang telah dibuat. Sistem akan dikatakan bekerja dengan benar jika gerak dari servo mengikuti intensitas cahaya matahari dan suhu di dalam gedung.
Pengujian ini dalam jangka waktu 10 jam yang dilaksakanan pada pukul 07.00 sampai 17.00 dengan mengambil 21 sampel data pada setiap 30 menit pengambilan data. Hasil pembacaan sensor LDR 1 dan LDR 2 timur barat
Tabel 4. Perbandingan fuzzy LDR3 dan suhu
pada Servo 1 dan LDR 3 untuk utara pada Servo 2 direpesentasikan dalam grafik Gambar 9 dan Gambar 10. Gerak pada servo telah sesuai dengan rule yang dibuat pada perancangan.
Berdasarkan hasil pengujian Fuzzy dengan menggunakan 15 sampel data dapat disimpulkan
Gambar 11. Perubahan Sudut Servo1
bahwa sistem ini bekerja sesuai dengan tujuan dan perancangan yang sebelumnya telah dibuat. Hal ini dapat dibuktikan dengan cara membandingkan nilai dari hasil perhitungan oleh sistem dengan nilai dari hasil perhitungan manual dan hasilnya sama. Hasil dari pengujian ini berdasarkan pengujian secara langsung dan
real time bergantung pada cuaca saat melakukan
pengujian. Oleh sebab itu hasil pengujian tidak menunjukan seluruh gerak ventilasi yang telah dirancang.
Gambar 12. Perubahan Sudut Servo2 4.
KESIMPULAN
Berdasarkan hasil tahap perancangan,
3.4 Pengujian Fuzzy
implementasi, pengujian dan analisis sistem Pada pengujian fuzzy ini memiliki tujuan yang telah dilakukan sebelumnya , maka dapat untuk membuktikan bahwa sistem dikatakan diambil beberapa kesimpulan sebagai berikut: bekerja dengan benar apabila hasil nilai dari 1.
Ventilasi vertikal solar adaptive ini perhitungan pada sistem sama dengan nilai bergerak berdasarkan arah intensitas cahaya perhitungan secara manual. Berikut adalah hasil matahari dan suhu di dalam gedung dengan pengujian perhitungan fuzzy pada Tabel 2 dan menggunakan metode Fuzzy Sugeno dari
Tabel 3 merupakan hasil perhitungan sistem input intensitas cahaya hasil pembacaan yang dapat dilihat pada serial monitor di Arduino sensor LDR dan suhu dari hasil pembacaan
IDE. sensor DHT11. Penggunaan tiga buah sensor LDR diletakan pada timur, barat dan utara prototype gedung. Sedangkan untuk peletakan sensor DHT11 berada di dalam prototye gedung bertingkat. Nilai output hasil dari perhitungan Fuzzy merupakan perubahan sudut ventilasi vertikal yang digerakan oleh dua buah motor servo, dimana motor servo 1 bergerak secara horizontal dan motor servo 2 bergerak vertikal.
DAFTAR PUSTAKA
control systems for sustainable design: a methodology for testing, simulating and comparing kinetic facade systems.
Syahriana Syam, S. B. (2013). PENGARUH BUKAAN TERHADAP PENCAHAYAAN ALAMI.
Tracking Cahaya Matahari dengan Sensor Cahaya Untuk Optimalisasi Panel Surya Menggunakan Logika Fuzzy. Minor Thesis.
Retrieved 2016 Suwardi, T. (2016). Perancangan Sistem
N.Othman. (2013). Performance Analysis of Dual-axis Solar. Nagy, Z. (2016). The Adaptive Solar Facade: From concept. Rafiuddin Syam, P. (2013). Dasar Dasar Teknik Sensor. Makasar. Saelan, A. (2009). LOGIKA FUZZY. Sudiro, S. A. (2010, April 17). gunadarma.ac.id.
Positioning Dual-Axis Solar Tracking System with Precision Elevation.
Livinti Petru, G. M. (2015). PWM Control of a DC Motor Used to Drive a Conveyor Belt. M.H.M. Sidek, N. A. (2017). Automated
2. Implementasi metode Fuzzy Sugeno pada sistem ventilasi vertikal solar adaptive ini meliputi fuzzifikasi, inferensi Fuzzy, dan defuzzifikasi. Pada sistem ini memiliki dua aturan dasar Fuzzy yaitu yang pertama untuk menentukan gerak servo horizontal ke arah timur dan barat dengan rentang sudut dari 0
˚ sampai 180˚ dan yang kedua aturan fuzzy untuk servo vertikal ke arah utara dan selatan dengan rentang sudut dari
solar tracking system for paraboloidal dish solar collector . Zolkapli, M. (2013). High-Efficiency Dual-Axis
Hill, S. H. (n.d.). What do Prototypes Prototype? J, P. (2015). Design of one axis three position
Harjunowibowo, D. (2010). MODEL PANEL SURYA CERDAS DENGAN SENSOR PELACAK CAHAYA MATAHARI OTOMATIS BERBASIS MIKROKONTROLER.
Frearson, A. (2014). dezeen. Retrieved from https://www.dezeen.com/2014/03/19/penu mbra-kinestic-louvres-tyler-short-movie/
Fathabadi, H. (2016). Comparative study between two novel sensorless and sensor based dualaxis. Solar Energy, 67-76. Frearson, A. (2014). dezeen. Retrieved 2017, from https://www.dezeen.com/2014/03/19/penu mbra-kinestic-louvres-tyler-short-movie/
3. Pengujian metode fuzzy dilakukan dengan cara membandingkan perhitungan pada sistem dengan perhitungan secara manual. Hasil dari perhitungan tersebut sama, baik dari perhitungan secara manual maupun perhitungan dari sistem. Sistem dapat menentukan berbagai kondisi keluaran yaitu gerak servo dengan input berupa variabel LDR dan suhu yang berbeda-beda. Hal ini menunjukkan hasil dari pengujian metode fuzzy pada sistem sesuai dengan perancangan. Persentase keberhasilan pada pengujian sebesar 100% yang membuktikan bahwa sistem dapat bekerja dengan baik dalam menentukan berbagai kondisi.
˚ sampai 90˚. Pada proses fuzzifikasi memiliki 2 variabel yaitu variabel LDR dan suhu. Variabel LDR memiliki 5 himpunan keanggotaan yaitu gelap, redup, sedang, terang dan sangat terang. Sedangkan variabel suhu memiliki 3 himpunan keanggotaan yaitu dingin, normal dan panas. Proses inferensi fuzzy merupakan penggabungan aturan berdasarkan himpunan dari setiap variabel LDR dan suhu. Terdapat 75 aturan untuk keluaran servo1 dan 15 aturan untuk keluaran servo2. Proses terakhir adalah defuzzifikasi dengan menggunakan medote MIN-MAX yang selanjutnya pada setiap variabel kondisi keluaran akan dicari nilai terbesarnya (MAX).
Karen Kensek, R. H. (2011). Environment
Solar Tracking Developement using Arduino.