Implementasi Pengkondisian Kipas dan Lampu Otomatis Menggunakan Logika Fuzzy

  

Vol. 2, No. 11, November 2018, hlm. 5301-5309 http://j-ptiik.ub.ac.id

Implementasi Pengkondisian Kipas dan Lampu Otomatis Menggunakan

₁ Logika Fuzzy _{2 3} Randy Maulana , Mochammad Hannats Hanafi Ichsan , Gembong Edhi Setyawan

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2 3} Email: randy.m95@gmail.com, hanas.hanafi@ub.ac.id, gembong@ub.ac.id

  

Abstrak

  Kebutuhan energi listrik di Indonesia semakin meningkat bersamaan dengan pertumbuhan ekonomi dan industri nasional serta pertumbuhan penduduk setiap tahunnya. Peningkatan ini terjadi karena peralatan- peralatan elektronik seperti pendingin ruangan dibiarkan menyala meskipun tidak ada orang pada ruangan, contoh yang sama pada TV dan yang dibiarkan menyala terus pada sebuah ruangan. Kebiasaan umum seperti ini disebabkan karena prinsip dari peralatan-peralatan elektronik ini menggunakan prinsip on-off. Untuk mengatasi masalah-masalah tersebut pada penelitian ini akan mengimplementasikan suatu sistem pengkondisian kipas dan lampu dengan menggunakan logika Fuzzy. Sistem akan menggunakan beberapa perangkat keras seperti mikrokontroller Arduino Mega dengan sensor input dari LDR sebagai sensor cahaya, DHT11 sebagai sensor suhu, dan dua sensor ultrasonik sebagai sensor gerak dan jarak, dan hasil output akan menggunakan DC motor sebagai kipas, dan LED sebagai lampu. Logika Fuzzy pada sistem akan menggunakan bantuan Embedded Fuzzy Logic Library (eFLL) digunakan untuk memudahkan implementasi proses fuzzifikasi yaitu menentukan fungsi keanggotaan input dan output, proses inferensi pembentukan aturan Fuzzy dan proses defuzzifikasi pengkonversian nilai input menjadi nilai tegas. Tingkat akurasi dan keberhasilan logika Fuzzy pada sistem akan diuji dengan membandingkan nilai output sistem pada alat dengan nilai output sistem pada MATLAB. Rata-rata akurasi yang didapat untuk output kipas mencapai 98,77% dan output lampu mencapai 92,54%.

   logika Fuzzy, otomatis, kipas, lampu, ruangan Kata kunci:

Abstract

Electrical energy needs in Indonesia is increasing along with economic growth and national industry

and population growth every year. This increase occurs because electronic appliances such as air

conditioners are left on, even though no one is in the room, the same example on the TV and left lit

continuously in a room. This common practice is due to the principle of electronic devices using the on-

off principle. To overcome these problems in this study will implement a system of fan and lamp

conditioning using Fuzzy logic. The system will use some hardware such as Arduino Mega

microcontroller with LDR input sensor as light sensor, DHT11 as temperature sensor, and two

ultrasonic sensors as motion and distance sensors, and output will use DC motor as fan, and LED as

lamp. Fuzzy logic on the system will use the help of Embedded Fuzzy Logic Library (eFLL), the library

is used to facilitate the implementation of fuzzification process that determines the membership function

of input and output, the inference process is the formation of Fuzzy rules and defuzzification process

that is convert the input value into firm value. The level of accuracy and success of Fuzzy logic on the

system will be tested by comparing the value of system output on the tool with the system output value

in MATLAB. The average accuracy obtained for fan output reached 98.77% and the lamp output

reached 92.54%.

  Keywords: Fuzzy logic, automatic, fan, lamp, room

  serta pertumbuhan penduduk. Kebutuhan energi 1.

   PENDAHULUAN listrik tersebut dibagi menjadi beberapa sektor

  diantaranya sektor industri, sektor rumah tangga, Kebutuhan energi listrik di Indonesia sektor transportasi, dan sektor komersial. Sektor semakin meningkat bersamaan dengan rumah tangga menjadi salah satu sektor yang pertumbuhan ekonomi dan industri nasional

  Fakultas Ilmu Komputer Universitas Brawijaya

5301 paling mendominasi akan kebutuhan energi listrik pada tahun 2013, karena dengan adanya perkembangan teknologi peralatan rumah tangga, seperti TV, setrika, dan kulkas yang saat ini menjadi kebutuhan utama. Di kota-kota besar kebutuhan akan penggunan pendingin ruangan semakin meningkat. Akibatnya kebutuhan listrik pada sektor rumah tangga diperkirakan akan meningkat tajam. Pemanfaatan listrik per rumah tangga pada tahun 2013 adalah sebesar 3,057 kWh/RT dan diperkirakan meningkat menjadi 24,448 kWh/RT di tahun 2050 (Badan Pengkajian dan Penerapan Teknologi, 2015). Peningkatan ini terjadi karena peralatan- peralatan elektronik seperti pendingin ruangan dibiarkan menyala meskipun tidak ada orang pada ruangan, contoh yang sama pada TV dan yang dibiarkan menyala terus pada sebuah ruangan. Kebiasaan umum seperti ini disebabkan karena prinsip dari peralatan- peralatan elektronik ini menggunakan prinsip

  on-off . Kondisi ini dapat mengakibatkan

  penggunaan energi listrik yang tidak efisien dan berkurangnya masa pakai pada peralatan- peralatan elektronik tersebut (Tarigan, et al., 2015). Dengan adanya penggunaan energi listrik yang seperti ini maka diperlukan suatu sistem kendali atau pengkondisian peralatan-peralatan elektronik yang akan mengatasi masalah tersebut.

  Penelitian-penelitian sebelumnya yang telah dilakukan oleh Tarigan (2013) telah membuat pengendalian alat pendingin ruangan secara otomatis yang dapat membantu dalam penghematan listrik. Penelitian tersebut menggunakan mikrokontroler ATMega 8535 dan dua jenis sensor input yaitu LM35 sebagai sensor suhu dan PIR (Passive Infrared) sebagai sensor gerak. Sistem menggunakan metode fuzzy

  logic untuk melakukan pengambilan keputusan

  yang selanjutnya akan diproses oleh mikrokontroler. Namun hasil pada penelitian tersebut masih dalam bentuk simulasi pendingin ruangan yang dapat mendeteksi gerakan manusia dan suhu dalam sebuah ruangan.

  Penelitian berikutnya dari Mulia (2017) telah dibuat sebuah sistem pengkondisian nyala AC dan Lampu secara otomatis dengan menggunakan logika Fuzzy Sugeno. Adapun beberapa sensor input yang digunakan diantaranya adalah LDR sebagai sensor cahaya, DHT11 sebagai sensor suhu dan kelembaban, PIR sebagai sensor gerak, dan Mikrokontroler Arduino Uno untuk menjalakan logika fuzzy. Namun dari sisi output AC dan Lampu masih menggunakan angka yang ditampilkan pada

  LCD.

  Berdasarkan latar belakang yang telah disampaikan, pada penelitian ini penulis akan melakukan pengkondisian kipas dan lampu dengan menggunakan logika Fuzzy. Alasannya, logika fuzzy merupakan komponen dari soft computing dan telah banyak diaplikasikan di berbagai bidang kehidupan. Salah satu aplikasi terpentingnya adalah untuk membantu manusia dalam melakukan pengambilan keputusan, karena banyaknya kondisi yang menuntut adanya keputusan yang tidak hanya bisa dijawab dengan ‘Ya’ atau ‘Tidak’ (Kusumadewi & Purnomo, 2013). Logika Fuzzy menjadi sangat populer dalam bidang kontrol, karena pada umumnya proses dari kontrol logika Fuzzy sangat sederhana untuk merealisasikan atau mewujudkan strategi kontrol manusia, dimana kontrol konvensional sangat bergantung pada model matematis yang sesuai (Oltean & Ivanciu, 2017). Alasan lain mengapa digunakannya logika fuzzy untuk pengkondisian kipas dan lampu pada penelitian ini yaitu logika fuzzy sangat fleksibel, memiliki toleransi terhadap data-data yang tidak tepat, mampu memodelkan fungsi-fungsi nonlinear yang kompleks, dan dalam pengaplikasiannya daya guna dan pengendaliannya dianggap lebih baik daripada teknik kendali lain, mudah diperbaiki, usaha dan dana yang dibutuhkan lebih kecil (Saelan, 2009).

  Penelitian ini akan mengimplementasikan sistem pengkondisian kipas dan lampu dengan menggunakan beberapa perangkat keras seperti mikrokontroller Arduino Mega dengan sensor input dari LDR sebagai sensor cahaya, DHT11 sebagai sensor suhu, dan dua sensor ultrasonik sebagai sensor gerak dan jarak, dan hasil output akan menggunakan DC motor sebagai kipas, dan LED sebagai lampu. Sehingga akan didapatkan hasil output yang dapat menyesuaikan keadaan suhu dan cahaya yang sesungguhnya pada sebuah ruangan.

  2. PERANCANGAN DAN

  IMPLEMENTASI

  2.1 Perancangan Sistem

  Perangkat yang dirancang merupakan sistem yang dapat mengkondisikan kecepatan kipas dan kecerahan lampu berdasarkan input suhu dari sensor DHT11, intensitas cahaya dari sensor LDR dan jarak atau pergerakan dari sensor Ultrasonik. Input dari suhu, cahaya dan pergerakan akan diolah menggunakan mikrokontroller Arduino Mega. Dalam mikrokontroller akan ditanam sebuah logika

  fuzzy yang menggunakan metode Mamdani

  2.3 Fuzzifikasi

  Gambar 3 Kurva fungsi keanggotaan input gerak

  kurva trapesium karena range data yang diambil cukup banyak dan batasan pengambilan nilai input gerak mencapai 300cm. Berikut Gambar 3 akan menunjukkan kurva dari fungsi keanggotaan input gerak.

  input gerak dibentuk menggunakan representasi

  tidak ada orang jika sensor tidak mendeteksi apapun dalam jangkauannya atau bernilai 0, dan pasif jika sensor mendeteksi seseorang dalam jarak 0-200cm, dan aktif jika sensor mendeteksi seseorang dalam jarak 200-300cm. Nilai data domain didapatkan melalui survey yang sudah dilakukan oleh peneliti. Fungsi keanggotaan

  domain range atau batasan nilai, diasumsikan

  Pada input gerak digunakan 3 fungsi keanggotaan yaitu tidak ada, pasif dan aktif. Digunakannya 3 fungsi keanggotaan sebagai pengembangan dari penelitian sebelumnya yang dilakukan oleh Mulia (2017) yang hanya menggunakan 2 fungsi keanggotaan pada pergerakan seseorang. Masing-masing memiliki

  2.3.1 Perancangan fungsi keanggotaan input gerak

  Pada tahap ini akan dilakukan perancangan fungsi keanggotaan input, ada 4 fungsi yang digunakan diantaranya yaitu gerak, jarak, suhu dan cahaya. Kemudian setelah dibuat perancangannya fungsi keanggotaan input akan diimplementasikan pada Arduino dengan menggunakan fungsi dari library eFLL.

  Gambar 2 Perancangan alat prototipe sistem

  dengan bantuan library eFLL, selanjutnya kode program akan memproses input untuk mengkondisikan output berupa kecepatan kipas dan kecerahan lampu. _{OUTPUT PROSES INPUT Sensor DHT11}

  Mega dengan menggunakan logika fuzzy selanjutnya akan ditentukan keluaran output kipas dan lampu berdasarkan nilai hasil prosesnya. Berikut Gambar 2 akan menunjukkan prototipe yang akan dibuat. ^{DHT11 LDR DC Motor LED Ultrasonik 1 Ultrasonik 2 Arduino Mega}

  input nantinya akan di proses pada Arduino

  Berikut perancangan alat prototipe yang akan dibuat dimana alat akan diletakkan pada sebuah kotak, DC motor akan digunakan sebagai kipas dan kemudian sensor dua sensor ultrasonik akan diletakkan di bagian bawah kipas sebagai deteksi gerak dan jarak. Sensor DHT11 dan sensor LDR akan diletakan pada kotak yang akan mendeteksi suhu dan cahaya yang masuk, sebuah LED juga diletakkan pada kotak yang akan digunakan sebagai lampu. Semua deteksi

  3. Output, merupakan hasil dari proses dengan menggunakan media LED sebagai Lampu dan DC sebagai Kipas.

  2. Proses, merupakan pengolahan data masukan atau input yang nantinya diproses menjadi output . Proses pada sistem akan menggunakan logika Fuzzy yang akan dijalankan pada Arduino Mega.

  1. Input, merupakan sebuah data masukan yang akan diproses oleh sistem, input yang digunakan terdiri dari empat sensor yaitu LDR, sensor DHT, dan dua sensor Ultrasonik.

  Berdasarkan Gambar 1 diagram perancangan input, proses dan ouput pada sistem akan dijelaskan sebagai berikut.

  Sensor LDR _{Sensor Ultrasonik 1 Sensor Ultrasonik 2} ^{Arduino Mega Lampu LED} _{Kipas Logika Fuzzy} Gambar 1 Diagram Blok Sistem

2.2 Perancangan Alat Prototipe Sistem

  Berikut Tabel 1 akan menunjukkan domain range input gerak.

  2.3.3 Perancangan fungsi keanggotaan input suhu

  Gambar 6 Kurva fungsi keanggotaan input cahaya

  Pada input cahaya terdapat 5 fungsi keanggotaan yaitu sangat gelap, gelap, remang, terang dan sangat terang. Masing-masing memiliki domain range atau batasan nilai yang mengacu pada penelitian yang telah dilakukan oleh Caldo (2015) mengenai perancangan dan pengembangan logika fuzzy pada sistem pencahayaan menggunakan mikrokontroler Arduino. Berikut Gambar 3.6 akan menunjukkan kurva domain range atau batasan nilai input cahaya.

  2.3.4 Perancangan fungsi keanggotaan input cahaya

  3 Panas [ 25 ≥34 ]

  2 Normal [ 20 30 ]

  1 Dingin [ ≤16 25 ]

  No. Fungsi Keanggotaan Range (ºC)

  Tabel 3 Domain range input suhu

  Berikut Tabel 3 akan menunjukkan domain range input suhu.

  Gambar 5 Kurva fungsi keanggotaan input suhu

  Pada input suhu terdapat 3 fungsi keanggotaan yaitu dingin, normal dan jauh. Masing-masing memiliki domain range atau batasan nilai yang mengacu pada penelitian yang telah dilakukan oleh Mulia (2017) tentang pengkondisian AC dan lampu otomatis rada rebuah ruangan. Berikut Gambar 3.5 akan menunjukkan kurva domain range atau batasan nilai input suhu.

  3 Jauh [ 180 ≥190 ]

  Tabel 1 Domain range input gerak

  2 Sedang [ 60 190 ]

  1 Dekat [ 0 ≤70 ]

  No. Fungsi Keanggotaan Range (cm)

  Tabel 2 Domain range input jarak

  Berikut Tabel 2 akan menunjukkan domain range input jarak.

  Gambar 4 Kurva fungsi keanggotaan input jarak

  Pada input jarak terdapat 3 fungsi keanggotaan yaitu dekat, sedang dan jauh. Masing-masing memiliki domain range atau batasan nilai sesuai dengan data survey yang sudah dilakukan oleh peneliti. Fungsi keanggotaan input jarak dibentuk menggunakan representasi kurva trapesium karena range data yang diambil cukup banyak dan batasan pengambilan nilai input jarak mencapai 300cm. Berikut Gambar 3.4 akan menunjukkan kurva data domain range atau batasan nilai dari input jarak.

  2.3.2 Perancangan fungsi keanggotaan input jarak

  3 Aktif [ 150 ≥200 ]

  2 Pasif [ 0 200 ]

  1 Tidak ada

  No. Fungsi Keanggotaan Range (cm)

  Berikut Tabel 4 akan menunjukkan domain range input cahaya.

  Tabel 4 Domain range input cahaya

  menunjukkan kurva domain range atau batasan No. Fungsi Keanggotaan Range (lux) nilai output kipas.

  1 Sangat Gelap [ 0 ≤175 ]

  2 Gelap [ 100 250 ]

  3 Remang [ 175 362 ]

  4 Terang [ 250 473 ]

  5 Sangat Terang [ 362 ≥700 ]

  2.4 Inferensi

  Proses inferensi merupakan proses

  Gambar 7 Kurva fungsi keanggotaan output kipas

  pembentukan rule dan mencari rule evaluation Berikut Tabel 5 akan menunjukkan domain dan rule aggregation. Pada proses inferensi akan

  range output kipas.

  dilakukan pembentukan rule Fuzzy .

  Tabel 5 Domain range output kipas

  Pembentukan rule Fuzzy digunakan untuk No. Fungsi Keanggotaan Range (PWM) menyatakan relasi antara variabel input dan

  output . Pada penelitian ini kondisi output yang

  1 Pelan [ 0 ≤160 ] digunakan ada 4 kondisi untuk kecepatan kipas

  2 Sedang [ 150 190 ] yaitu padam, pelan, sedang, cepat, dan ada 5 kondisi kecerahan lampu yaitu padam, sangat

  3 Cepat [ 180 ≥190 ] redup. Jumlah rule didapat dari nilai perkalian jumlah fungsi keanggotaan variabel input. Ada

  2.5.2 fungsi keanggotaan Perancangan

  3 jumlah fungsi keanggotaan pada varibel gerak,

  output lampu

  3 pada variabel jarak, 3 pada variabel suhu, dan 4 pada variabel cahaya. Jadi ada 135 rule yang Pada output lampu terdapat 5 fungsi akan digunakan pada sistem sehingga keanggotaan yaitu padam, sangat redup, redup, membentuk beberapa kombinasi rule fuzzy terang dan sangat terang. Masing-masing memiliki domain range atau batasan nilai yang

  2.5 Defuzzifikasi

  mengacu pada penelitian yang dilakukan oleh Proses selanjutnya yaitu defuzzifikasi, yaitu

  Irianto, Jaya, dan Anggelo (2011) tentang proses akhir yang akan mengkonversi semua aplikasi pengkondisian lampu pada ruangan nilai input crisp menjadi nilai tegas. Proses menggunakan logika fuzzy berbasis defuzzifikasi diawali dengan melakukan mikrokontroller. Berikut Gambar 3.8 akan perancangan fungsi keanggotaan output dan menunjukkan kurva domain range atau batasan selanjutnya defuzzifikasi akan nilai output lampu. diimplementasikan pada Arduino.

  2.5.1 fungsi keanggotaan Perancangan output kipas

  Pada output kipas terdapat 3 fungsi keanggotaan yaitu pelan, sedang, dan cepat. Masing-masing memiliki domain range atau batasan nilai yang mengacu berdasarkan data

  Gambar 8 Kurva fungsi keanggotaan output lampu

  survey yang telah dilakukan oleh penulis pada Berikut Tabel 6 akan menunjukkan domain lampiran C. Fungsi keanggotaan output kipas

  range output lampu.

  dibentuk menggunakan representasi kurva trapesium karena data PWM kecepatan dan Tabel 6 Domain range output lampu kecerahan cukup banyak dengan batasan nilai

  No. Fungsi Keanggotaan Range (PWM) PWM mencapai 250. Berikut Gambar 3.7 akan

  1 Padam [ 0 ≤62 ] gerak dan jarak

  2 Sangat Redup [ 0 125 ]

  Nilai Nilai Nilai Akurasi Akurasi input input

  3 Redup [ 62 187 ]

  alat ukur Sensor Sensor No. Sensor Sensor meteran Gerak Jarak Gerak Jarak

  4 Terang [ 125 250 ]

  (cm) (%) (%) (cm) (cm)

  1

  70

  70 70 100 100

  5 Sangat Terang [ 187 ≥250 ]

  2 101 100 100 99 100 3 111 112 110 99,09 98,18 4 129 128 130 99,23 98,46

  5 145 139 140 96,42 99,28 6 151 150 150 99,34 100

2.6 Implementasi

  Proses selanjutnya adalah implementasi dari

  7 160 159 160 100 99,37

  semua tahap perancangan mulai dari fuzzifikasi,

  8 168 169 170 98,82 99,42 9 183 181 180 98,33 99,45

  inferensi, dan defuzzifikasi ke Arduino Mega

  10 188 189 190 98,95 99,47

  dengan menggunakan library eFLL, pada library

  11 199 199 200 99,5 99,5

  ini digunakan metode Mamdani dimana

  12 209 210 210 99,52 100 13 220 219 220 100 99,54

  implikasinya menggunakan metode MIN dan

  14 230 229 230 100 99,56

  komposisi aturan yang digunakan adalah metode

  15 240 241 240 100 99,58

  MAX. Selanjutnya defuzzifikasi menggunakan

  Rata-rata 99,22 99,45

  metode COA (Center of Area). Pada penelitian ini juga akan diimplementasikan sebuah simulasi MATLAB, simulasi ini bertujuan untuk melakukan pengujian akurasi keberhasilan

  output sistem dengan perhitungan manual pada MATLAB.

3. HASIL PENGUJIAN

  Pada penelitian pengujian dilakukan dengan mencari tingkat akurasi dari sensor Ultrasonik gerak dan jarak, DHT11, dan LDR. Nilai input sensor nantinya akan dibandingkan dengan nilai

  Gambar 9 Grafik perbandingan input sensor Ultrasonik input yang diambil dengan alat ukur. Selanjutnya dengan alat ukur

  akan dilakukan pengujian kesesuaian output sistem dengan rule fuzzy atau aturan yang telah Dari hasil pengujian yang telah dilakukan dibuat. Kemudian data dari pengujian pada Tabel 7 didapatkan rata-rata akurasi untuk kesesuaian output sistem akan dibandingkan gerak sebesar 99,22% dan jarak sebesar 99,45% dengan nilai output dari MATLAB yang telah dari 15 kali pengujian. Dan dapat dilihat pada dibuat mengacu. Semua pengujian akan Gambar 9 grafik menunjukkan nilai jangkauan dilakukan sebanyak 15 kali. yang tidak jauh berbeda satu sama lain. Dapat disimpulkan bahwa akurasi pembacaan sensor

3.1 Pengujian Sensor Ultrasonik Gerak dan

  sangat baik dalam mendeteksi adanya

  Jarak

  keberadaan dan pergerakan seseorang dalam jangkauannya. Pengujian sensor Ultrasonik dilakukan untuk mengetahui akurasi dari sensor dalam mendeteksi gerak dan jarak. Ada 2 sensor

  3.2 Pengujian Sensor DHT11

  ulltrasonik yang akan diuji, salah satunya Pengujian sensor DHT11 bertujuan untuk digunakan untuk mendeteksi gerak dan yang mengetahui akurasi dari sensor dalam lainnya untuk mengukur jarak. Nilai input dari mendeteksi suhu pada ruangan. Nilai sensor kedua sensor berupa centimeter (cm) yang akan akan dibandingkan dengan nilai alat ukur suhu. dibandingkan dengan meteran (cm). Perubahan

  Alat ukur yang digunakan adalah HTC-2 Digital nilai input dilakukan dengan mendeteksi orang Hygrometer Thermometer Clock. Perubahan pada jangkauan sensor. Berikut Tabel 7 akan nilai input suhu dilakukan dengan menggunakan menunjukan hasil pengujian perbandingan air panas dan air dingin. Berikut Tabel 8 akan kedua sensor dengan alat ukur dan Gambar 9 menunjukkan hasil perhitungan akurasi dan akan menunjukkan grafik perbandingannya. Gambar 10 akan menunjukkan grafik perbandingan nilai sensor dengan alat ukur.

  Tabel 7 Hasil pengujian akurasi sensor ultrasonik

  Tabel 8 Hasil pengujian akurasi sensor DHT11 No. Nilai input Sensor (ºC)

  50

  1

  41 29 58,62

  2

  43 30 56,67

  3

  64 49 69,38

  4

  60

  40

  5

  Tabel 9 Hasil pengujian akurasi sensor LDR No. Nilai input Sensor (lux)

  62 47 68,08

  6

  87 76 85,52 7 124 108 85,18 8 116

  89

  69.66 9 123 97 73,19 10 175 146 80,13

  11 186 167 88,62 12 156 133 82,71 13 156 136 85,29 14 148 120 76,67 15 132 112 82,14 Rata-rata 74,12

  Gambar 11 Grafik perbandingan input sensor LDR dengan alat ukur

  Dari Tabel 9 pengujian sensor LDR didapatkan rata-rata akurasi 74,12% dari 15 kali pengujian. Pada gambar 11 grafik memperlihatkan banyak perbedaan hasil pembacaan input sensor dengan alat ukur dikarenakan tingkat akurasi sensor yang rendah dan ketidak-seimbangan pemberian input cahaya yang dihasilkan oleh lampu senter pada sensor dan alat ukur saat pengujian.

  3.4 Pengujian Kesesuaian Output

  Pengujian Pengujian kesesuaian output dilakukan untuk mengetahui kesesuaian output alat prototipe sistem dengan rule fuzzy atau aturan yang telah dibuat. Pengujian dilakukan dengan meletakkan alat prototipe sistem pada ruangan yang nantinya akan mendeteksi suhu ruangan dan cahaya yang masuk pada ruangan. Untuk pergerakan akan dilakukan secara pasif atau dalam keadaan duduk diam dalam jangkauan sensor dari alat prototipe sistem dan

  Nilai input alat ukur (lux) Akurasi (%)

Gambar 4.3 akan menunjukkan grafik perbandingan nilai sensor dengan alat ukur.

  Nilai input alat ukur (ºC) Akurasi (%)

  8 24 25,3 94,86

  1 26 27,2 95,58

  2 26 27,2 95,58

  3 26 27,2 95,58

  4

  27 27 100

  5

  27 27 100

  6 27 26,9 99,62

  7 27 26,9 99,62

  9 24 25,3 94,86

  Pengujian sensor LDR bertujuan untuk mengetahui akurasi dari sensor dalam mendeteksi cahaya yang masuk pada ruangan. Alat ukur yang digunakan sebagai pembanding adalah Digital Lux Light Flux Meter. Perubahan nilai input dilakukan dengan memberi cahaya dari lampu senter. Berikut Tabel 9 akan menunjukkan hasil perhitungan akurasi dan

  10

  23

  25

  92

  11 28 32,2 86,95

  12 28 32,2 86,95

  13 28 33,1 84,59

  14 29 33,1 87,61

  15 29 33,1 87,61 Rata-rata 93,43 Gambar 10 Grafik perbandingan input sensor DHT11 dengan alat ukur

  Hasil pengujian sensor DHT11 pada Tabel 8 didapatkan rata-rata akurasi 93,43% dari 15 kali pengujian. Dapat dikatakan bahwa tingkat akurasi sensor cukup baik dalam mendeteksi suhu di sekitarnya. Namun, dapat dilihat pada Gambar 10 pada grafik perbedaan terlihat pada pengujian ke-8 hingga ke-15 saat suhu tinggi akurasi sensor menjadi menurun dari 99,62% pada pengujian ke-7 hingga 84,59% pada pengujian ke-13. Dapat dikatakan bahwa tingkat akurasi sensor DHT11 menjadi menurun ketika suhu tinggi.

3.3 Pengujian Sensor LDR

  pengujian dilakukan selama 24 jam dengan pengambilan nilai bedasarkan jam/pukul tertentu. Berikut Tabel 10 akan menunjukkan hasil pengujian kesesuaian output kipas dan lampu dari alat prototipe.

  Tabel 10 Hasil pengujian kesesuaian output sistem

  Berikut Gambar 12 dan Gambar 13 akan menunjukkan grafik perbandingan nilai output sistem dengan nilai output matlab.

  Dari pengujian yang telah dilakukan pada Tabel 10 bahwa semua output yang dihasilkan dari 15 kali pengujian semuanya sesuai dengan rule fuzzy atau aturan yang dibuat. Ini menunjukkan bahwa sistem dapat berjalan dengan sangat baik dalam mendeteksi input dan menghasilkan output yang sesuai dengan rule fuzzy atau aturan yang telah dibuat.

  Gambar 12 Grafik perbandingan output kipas sistem dengan MATLAB

3.5 Logika Fuzzy dengan Pengujian MATLAB

  Pengujian logika fuzzy dilakukan dengan membandingkan nilai output sistem yang telah di dapat dari kesesuaian output dengan output yang di dapat dari MATLAB dan selanjutnya akan dilakukan perhitungan akurasinya. Pada pengujian hasil output sistem dan MATLAB menggunakan tipe data floating point Berikut Tabel 11 akan menunjukkan hasil pengujian akurasinya.

  Gambar 13 Grafik perbandingan output lampu sistem dengan MATLAB

  Tabel 11 Hasil pengujian akurasi output sistem dengan output MATLAB

  Berdasarkan Tabel 4.4 didapatkan tingkat akurasi dari output kipas mencapai 98,77% dan tingkat akurasi dari output lampu mencapai 92,54%. Dapat dikatakan tingkat akurasi sistem cukup tinggi meskipun kinerja sistem pada

  output kipas lebih tinggi dari output lampu.

  4. KESIMPULAN

  Dalam merancang pengkondisian kipas dan lampu otomatis dengan menggunakan logika

  fuzzy diperlukan 3 tahap, tahap pertama adalah

  fuzzifikasi yaitu menentukan fungsi keanggotaan dari dan output dengan melakukan Oltean, G. & Ivanciu, L.-N., 2017. pemetaan data tegas ke himpunan fuzzy pada Implementation of a Fuzzy Logic-Based tahap ini ada 4 variabel input yang digunakan Embedded System for Temperature Control. s.l., antara lain gerak, jarak, suhu dan cahaya IEEE Xplore Digital Library. kemudian untuk variabel output ada 2 yaitu kipas

  Saelan, A., 2009. Logika Fuzzy, Bandung: dan lampu, tahap kedua inferensi yaitu Institut Teknologi Bandung. pembentukan rule dan mencari rule evaluation

  Susilo, F., 2006. Himpunan dan logika kabur dan rule aggregation pada tahap ini dibuat

  serta aplikasinya. Yogyakarta: Graha Ilmu.

  sebanyak 135 rule atau aturan pada sistem dengan menggunakan fungsi implikasi Min, Tarigan, P., 2013. Sistem Pengendali Pendingin defuzzifikasi yaitu mengkonversi semua nilai

  Ruangan Menggunakan Fuzzy Logic Berbasis crisp menjadi nilai tegas pada tahap ini metode Mikrokontroler ATMega 8535, Medan: yang digunakan pada sistem adalah Centroid.

  Informasi dan Teknologi Ilmiah (INTI). Untuk implementasi logika fuzzy digunakan Tarigan, P., Sinurat, S. & Sinambela, M., 2015.

  Arduino Mega sebagai mikrokontroller sistem,

  Implementation of A Mamdani Fuzzy Logic

  selanjutnya digunakan fungsi-fungsi pada

  Controller for Building Automation Using

  library eFLL untuk mempermudah implementasi

  Electronic Control Based on AT89S51. s.l.,

  logika fuzzy pada Arduino IEEE Xplore Digital Library.

  Tingkat keberhasilan sistem pada penelitian didapatkan dengan mencari nilai akurasi dari perbandingan nilai output sistem dengan output MATLAB. Rata-rata akurasi yang didapatkan dari output kipas yaitu 98,77% dan output lampu yaitu 92,54%, ini menunjukkan bahwa kinerja dan akurasi dari output sistem yang dibuat cukup tinggi. Sedangkan untuk rata-rata akurasi dari tiap input sensor yang didapat yaitu 99,22% untuk gerak, 99,45% untuk jarak, 93,43% untuk suhu, dan 74,12% untuk cahaya.

5. DAFTAR PUSTAKA

  Badan Pengkajian dan Penerapan Teknologi, 2015. Outlook Energi Indonesia (OEI) 2015. Jakarta: Pusat Teknologi Pengembangan Sumberdaya Energi.

  Caldo, R. B., 2015. Design and Development of

  Fuzzy Logic Controlled Dimming Lighting System Using Arduino Microcontroller.

  Philippines, 8th IEEE International Conference Humanoid. Irianto, Jaya, A. & Anggelo, D., 2011.

  Application of Fuzzy Logic to Control Room Illumination Based Microcontroller. Surabaya,

  Politeknik Elektronika Negeri Surabaya. Kusumadewi, S. & Purnomo, H., 2013. Aplikasi

  Logika Fuzzy Untuk Pendukung Keputusan. 2nd penyunt. Yogyakarta: Graha Ilmu.

  Mulia, N. A., 2017. Implementasi Logika Fuzzy

  Untuk Purwarupa Pengkondisian AC dan Lampu Otomatis pada Sebuah Ruangan, s.l.:

  Universitas Brawijaya.