2086-9479 PERANCANGAN SIMULASI KENDALI VALVE DENGAN
advertisement
Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN : 2086-9479 PERANCANGAN SIMULASI KENDALI VALVE DENGAN ALGORITMA LOGIKA FUZZY MENGGUNAKAN BAHASA VISUAL BASIC Triyanto Pangaribowo Program Studi Teknik Elektro, Fakultas Teknik Universitas Mercu Buana Jakarta Email : [email protected] Abstrak - Algoritma Logika Fuzzy dari masukan serta menampilkan akan lebih mudah dipahami baik setiap keluaran aturan Logika Fuzzy. proses maupun aplikasinya dengan Pemodelan simulasi kendali valve cara melakukan simulasi. Dalam menggunakan metode Logika Fuzzy, pembelajaran yang terdiri dari tahapan-tahapan algoritma Logika Fuzzy akan lebih lengkap jika belajar perancangan dengan melakukan simulasi bukan perancangan sistem kendali Logika hanya pembelajaran secara teori. Fuzzy, perancangan antarmuka dan Dengan pengujian perangkat lunak. Kendali simulasi diharapkan yang akan pengembangan dibangun mendorong aplikasi algoritma katup pada dipengaruhi sistem,meliputi program oleh simulasi 2(dua) buah Logika Fuzzy di bidang teknik masukan yaitu level air dan suhu. elektro yang lebih luas. Pengujian juga dilakukan terhadap Dalam penelitian ini digambarkan rule-rule dari Logika Fuzzy yang dalam sudah bentuk algoritma simulasi Logika Fuzzy aplikasi untuk dibuat untuk mengetahui apakah sistem sudah dapat bekerja kendali katup(Valve) menggunakan dengan baik dan benar. visual Kata Kunci : Logika Fuzzy, Kendali basic, yang memudahkan dalam memahami dan mengerti alur Valve,Simulasi, Level Air, Level algoritma Logika Fuzzy. Jadi tujuan Suhu dari penelitian ini adalah membuat model simulasi kendali katup dengan algoritma Logika Fuzzy menggunakan bahasa visual basic dengan tampilan yang lengkap mulai PENDAHULUAN Logika Fuzzy dikenalkan pada tahun 1965 oleh Profesor Lotfi Zadeh dari Universitas Kalifornia,Berkley. Vol.6 No.2 Mei 2015 pertama Logika Fuzzy 123 Jurnal Teknologi Elektro, Universitas Mercu Buana sejak tahun 1985 terjadi ISSN : 2086-9479 mahasiswa dalam perkembangan yang sangat pesat aplikasi terutama dalam penyelesaian yang kendali. Secara prakteknya di dunia berhubungan dengan dalam bidang industry, instrumentasi kendali tidak teknik semudah yang diceritakan dibuku- kendali terutama masalah Logika memahami Fuzzy non-linear dan masalah perhitungan buku. yang kompleks. kendali dengan Logika Fuzzy ini Logika Fuzzy menjadi salah Kebutuhan bidang menuntut pemahaman adanya satu mata kuliah teknik elektro yang dengan diajarkan di hampir semua perguruan memodelkan kendali industri namun tinggi. dalam skala yang lebih kecil dan Dalam memahami dan simulasi pembelajaran yang mengaplikasikan Algoritma Logika sederhana Fuzzy lebih mendalam dalam bidang pembelajaran mahasiswa. teknik elektro perlu adanya simulasi yang memudahkan mempelajari Banyak algoritma mahasiswa memahami untuk kendali sebagai kompetensi di ditemukan di industri adalah control hanya valve (katup). Hampir semua industri tanpa minyak saja proses gas menggunakan Fuzzy oleh suatu obyek sebagai aktuatornya. Biasanya yang salah satu Teknik mengharuskan mahasiswanya dan control valve yang dikendalikan baik jurusan Elektro Salah satu aplikasi teknik tersebut. Logika pengendalian media instrumentasi kendali yang sering mengetahui aplikasinya. Algoritma sebagai dalam yang logikanya mampu memahami algoritma alur tersebut. motor dikendalikan maupun adalah pneumatic ketinggian, tekanan, aliran dan suhu dan salah satu metode kendalinya adalah dengan menjaga level Berdasarkan pemaparan Pemahaman algoritma Logika Fuzzy diatas maka penulis tertarik untuk ini tidak bisa didapatkan sepenuhnya membuat dari katup(valve) teori-teori Fuzzy, tentang dengan algoritma Logika Fuzzy yang dipengaruhi oleh yang 2 (dua) variabel masukan yaitu suhu lengkap akan jauh lebih membantu dan ketinggian (level) air sebagai dengan Vol.6 No.2 Mei 2015 dengan kendali cara simulasi pemahaman kendali simulasi tampilan 124 Jurnal Teknologi Elektro, Universitas Mercu Buana gambaran proses kendali yang ada di dunia industri menggunakan Logika ISSN : 2086-9479 7. Logika Fuzzy didasarkan pada bahasa alami. Fuzzy metode Tsukamoto HimpunanFuzzy KAJIAN PUSTAKA Himpunan fuzzy merupakan Logika Fuzzy suatu group yang mewakili suatu Logika Fuzzy adalah suatu kondisi atau keadaan tertentu dalam cara yang tepat untuk memetakan suatu variabel fuzzy. Pada himpunan suatu ruang input ke dalam suatu fuzzy nilai keanggotaan terletak pada ruang output. Alasan digunakannya rentang 0 sampai 1. Apabila x Logika Fuzzy adalah : memiliki nilai keanggotaan fuzzy 1. Konsep Logika mudah µA[ x] = 0 berarti x tidak menjadi matematis anggota himpunan A, demikian pula yang mendasari penalaran fuzzy apabila x memiliki nilai keanggotaan sangat fuzzy µA[ x] = 1 berarti x menjadi dimengerti. Fuzzy Konsep sederhana dan mudah dimengerti anggota penuh pada himpunan A. 2. Logika Fuzzy sangat fleksibel Kemiripan antara keanggotaan fuzzy 3. Logika Fuzzy memiliki toleransi dengan terhadap data-data yang tidak tepat probabilitas menimbulkan terkadang kerancuan, karena memiliki nilai pada interval [0,1], 4. Logika Fuzzy memodelkan mampu fungsi-fungsi namun interpretasi nilainya sangat berbeda. Keanggotaan fuzzy nonlinear yang sangat kompleks. memberikan suatu ukuran terhadap 5. Logika Fuzzy dapat membangun pendapat atau keputusan, sedangkan dan mengaplikasikan pengalaman- probabilitas pengalaman para pakar secara proporsi terhadap keseringan suatu langsung hasil bernilai benar dalam jangka tanpa harus melalui proses pelatihan. panjang[3]. 6. Logika Fuzzy dapat bekerjasama dengan teknik-teknik secara konvensional. kendali mengindikasikan Himpunan fuzzy memiliki 2 atribut, yaitu: a. Linguistik, yaitu penamaan suatu group yang mewakili suatu keadaan atau kondisi tertentu Vol.6 No.2 Mei 2015 125 Jurnal Teknologi Elektro, Universitas Mercu Buana dengan menggunakan bahasa alami,seperti : Muda, Parobaya, Tua. b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti : 25, 40,60. ISSN : 2086-9479 Fungsi Keanggotaan segitiga ππ; ππ < ππ ππππππππ ππ > ππ β§ (ππ − ππ) ; ππ ≤ ππ ≤ ππ ππ(ππ) = ππ − ππ β¨ (ππ − ππ) ; ππ < π₯π₯ ≤ ππ β© ππ − ππ Operator Dasar Zadeh Untuk Fungsi Keanggotaan Operasi Himpunan Fuzzy Fungsi keanggotaan adalah suatu Nilai keanggotaan sebagai hasil dari kurva yang menunjukkan pemetaan operasi 2 himpunan sering dikenal titik-titik input data ke dalam nilai dengan nama fire strength atau α- keanggotaan yang memiliki nilai predikat. Ada 3 operator dasar yang interval antara 0 dan I. Salah satu diciptakan oleh Zadeh, yaitu: cara yang dapat digunakan untuk Operator AND mendapatkan keanggotaan Operator ini berhubungan dengan adalah dengan melalui pendekatan operasi interseksi pada himpunan. α– fungsi[3]. Salah satu representasi predikat sebagai hasil operasi dengan fungsi operator nilai keanggotaan dalam fuzzy AND yang akan dipakai adalah represntasi mengambil segitiga. terkecil dasarnya Kurva segitiga merupakan pada gabungan diperoleh nilai antar dengan keanggotaan elemen pada himpunan-himpunan yang antara 2 garis (linear) seperti terlihat bersangkutan. pada gambar 2.2. µA∩B = min(µA[x], µB[y]) Misalkan nilai keanggotaan 27 tahun derajat keanggotaan 1 pada himpunan MUDA adalah 0,6 (µMUDA[27]=0,6); µ(x) dan nilai keanggotaan Rp 2.000.000,- pada himpunan 0 a b c penghasilan TINGGI adalah 0,8 (µGAJITINGGI[2x106]=0,8); maka Gambar 1. Kurva Segitiga Logika α–predikat untuk usia MUDA dan Fuzzy berpenghasilan TINGGI adalah: Vol.6 No.2 Mei 2015 126 Jurnal Teknologi Elektro, Universitas Mercu Buana MUDA∩GAJITINGGI = min(µMUDA[27], sistem ISSN : 2086-9479 inferensi Mamdani, 6 fuzzy, yaitu : Sugeno dan Tahap sistem µGAJITINGGI[2x10 ) Tsukamoto[3]. = min(0,6; 0,8) inferensi fuzzy yang harus dilalui, = 0,6 yaitu[3] : Operator OR a. Nilai Input Operator ini berhubungan dengan Berupa masukan dalam bentuk nilai operasi union pada himpunan. α– pasti (crisp). predikat sebagai hasil operasi dengan b. Komposisi Fuzzy operator Proses merubah crisp input menjadi OR mengambil terbesar diperoleh nilai dengan keanggotaan antar elemen himpunan-himpunan fuzzy menggunakan fungsi pada keanggotaan, setiap variabel fuzzy yang dimodelkan ke dalam fungsi bersangkutan. keanggotaan yang dipilih. µA∪B = max(µA[x], µB[y]) c. Aturan - aturan (rules) Operator NOT Aturan-aturan yang akan dijadikan Operator ini berhubungan dengan dasar untuk mencari nilai dari crisp operasi komplemen pada himpunan. output yang akan dihasilkan α–predikat d. Dekomposisi Fuzzy dengan dengan sebagai operator hasil NOT mengurangkan operasi diperoleh Merupakan proses merubah kembali nilai data yang dijadikan fuzzy ke dalam keanggotaan elemen pada himpunan bentuk crisp kembali. yang bersangkutan dari 1. e. Nilai output µA’= 1-µA[x] Merupakan hasil akhir yang dapat dipakai untuk pengambilan Sistem Inferensi Fuzzy keputusan Namun terkadang sistem Sistem inferensi fuzzy merupakan fuzzy dapat berjalan tanpa harus proses pengolahan data dalam bentuk melalui komposisi atau dekomposisi crisp input yang melalui beberapa fuzzy. Nilai output dapat diestimasi tahapan dalam sistem fuzzy untuk secara menghasilkan data dalam bentuk keanggotaan crips output. Terdapat tiga metode dengan antesedennya. Vol.6 No.2 Mei 2015 langsung yang dari nilai berhubungan 127 Jurnal Teknologi Elektro, Universitas Mercu Buana membandingkan Sistem Kendali Teknik ISSN : 2086-9479 kontrol didasarkan pada tersebut fungsi dan variabel menggunakan dasar-dasar teori umpan balik dan perbedaan sebagai alat kontrol . analisis Sebagai sistem linear , dan sistem menjadi lebih menghasilkan konsep-konsep teori kompleks jaringan dan teori komunikasi . Oleh variabel karena itu , teknik kontrol tidak dipertimbangkan terbatas pada disiplin rekayasa tetapi kontrol . Contoh dari sistem kontrol berlaku untuk penerbangan, kimia, loop tertutup adalah orang kemudi mekanik , lingkungan , sipil , dan mobil oleh melihat lokasi auto di teknik listrik . Sebuah sistem kontrol jalan dan membuat penyesuaian yang adalah diperlukan . interkoneksi komponen , keterkaitan terkendali tersebut banyak dalam dapat skema membentuk konfigurasi sistem yang akan memberikan yang diinginkan . respon sistem Dasar untuk analisis sistem adalah dasar yang disediakan oleh sistem linear, yang mengasumsikan hubungan causeeffect untuk komponen sistem. Gambar 2. Sistem Kendali Loop Tertutup Sistem Kendali Loop Tertutup Sebuah sistem kontrol loop tertutup Sistem Kendali Loop Terbuka seperti gambar 2.1, menggunakan Sebuah sistem kontrol loop terbuka ukuran tambahan output aktual untuk menggunakan membandingkan aktual actuator control untuk mendapatkan output yang respon yang diinginkan seperti yang ukuran output ditunjukkan pada Gambar 2.2 Sistem disebut sinyal umpan balik . Sebuah kontrol loop terbuka menggunakan sistem kontrol umpan balik adalah perangkat sistem mengontrol proses secara langsung dengan output respon diinginkan . itu kontrol yang cenderung controller penggerak atau untuk menjaga hubungan satu variabel tanpa sistem sebuah contoh sistem kontrol loop ke sistem Vol.6 No.2 Mei 2015 lain dengan menggunakan perangkat . 128 Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN : 2086-9479 terbuka adalah pemanggang roti kesalahan gun a mengurangi listrik . kesalahan yang terjadi untuk kembali ke kondisi sistem seperti semula (kondisi normal). PERANCANGAN SISTEM Gambar 3. Sistem Kendali Loop Tertutup KENDALI Perancangan Sistem kendali Sistem Kendali Automatik Sistem Diagram blok umum dari sistem ditunjukkan kendali seperti dibawah ini automatik ditunjukkan Detektor pada level air Gambar 2.3. kesalahan membandingkan sinyal kendali yang pada Input dibangun diagram Output Proses akan blok yang diperoleh melalui elemen umpan- Gambar 4 Diagaram blok kendali balik sebagai fungsi dari respons level air keluaran dengan sinyal referensi masukannya Input pada system kendali pada gambar 3.1 meliputi level air dan suhu. Perubahan level air dan suhu akan berpengaruh terhadap output yaitu derajad putaran valve. Pada blok proses terdapat algoritma Logika Fuzzy yang bertindak sebagai pengambil keputusan. Variabel Input Gambar 2.3. Diagram blok umum Himpunan Fuzzy meliputi 2 variabel sistem kendali Loop Tertutup inputan yaitu himpunan Suhu dan Level. Perbedaan antara sinyal referensi Pada masukan dan sinyal keluaran ini himpunan disebut sinyal kesalahan atau sinyal keanggotaan yaitu Rendah, Sedang dan penggerak, yang akan mengaktifkan Tinggi. gambar Suhu 3.2 menunjukkan dengan 3 buah elemen kendali. Selanjutnya elemen kendali ini akan memperkuat sinyal Vol.6 No.2 Mei 2015 129 Jurnal Teknologi Elektro, Universitas Mercu Buana a) Sedangkan untuk kategori keanggotaan Keanggotaan Suhu Rendah ISSN : 2086-9479 Sedang Level sama dengan keanggotaan Suhu Tinggi berikut ini: 1 a) µ(x) Keanggotaan Level Keanggotaan Level memiliki 3 anggota yang lebih jelasnya dapat dilihat pada 0 50 40 60 100 tabel Tabel.3.2. Keanggotaan Level Gambar 3.2. Himpunan Fuzzy untuk Suhu Range nilai untuk masing-masing keanggotaan suhu dijelaskan sebagai berikut : Himpunan Rendah (R) Nilai keanggotaan Level pada tabel 3.2. 40 − π₯π₯ ππ(π₯π₯) = οΏ½40 − 0 ; 0 < π₯π₯ < 40 tersebut Himpunan Sedang (S) (T) , Sedang (S), Rendah (R), Lebih keanggotaan 0; π₯π₯ > 40 0; π₯π₯ < 40 β§ π₯π₯ − 40 βͺ 50 − 40 ; 40 ≤ π₯π₯ ≤ 50 ππ(π₯π₯) = 60 − π₯π₯ β¨ ; 50 < π₯π₯ ≤ 60 βͺ60 − 50 β© 0; π₯π₯ > 60 Himpunan Tinggi (T) π₯π₯ − 60 ππ(π₯π₯) = οΏ½100 − 60 ; 60 < π₯π₯ < 100 0; π₯π₯ > 40 Tabel keanggotaan suhu ditunjukkan dapat dijelaskan segitiga Logika dalam Fuzzy dengan himpunan keanggotaan Tinggi jelasnya digambarkan pada gambar 3.2. sebagai berikut : Rendah Sedang Tinggi 1 µ(x 0 40 50 100 60 sebagai berikut: Tabel 3.1. Keanggotaan Suhu Gambar 3.2. Himpunan Fuzzy untuk Level Himpunan Rendah (R) 40 − π₯π₯ ππ(π₯π₯) = οΏ½40 − 0 ; 0 < π₯π₯ < 40 0; π₯π₯ > 40 Vol.6 No.2 Mei 2015 130 Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN : 2086-9479 Himpunan Sedang (S) Rule-2 : Jika Suhu Rendah Dan Level 0; π₯π₯ < 40 β§ π₯π₯ − 40 βͺ ; 40 ≤ π₯π₯ ≤ 50 − 40 ππ(π₯π₯) = 50 β¨ 60 − π₯π₯ ; 50 < π₯π₯ ≤ 60 βͺ60 − 50 β© 0; π₯π₯ > 60 Rendah Maka Valve buka Sedang Rule-3 : Jika Suhu Rendah Dan Level Sedang Maka Valve buka Kecil Rule-.4 : Jika Suhu Sedang Dan Level Tinggi Maka Valve buka Kecil Himpunan Tinggi (T) Rule-5 : Jika Suhu Sedang Dan Level π₯π₯ − 60 ππ(π₯π₯) = οΏ½100 − 60 ; 60 < π₯π₯ < 100 0; π₯π₯ > 40 Rendah Maka Valve buka Sedang Rule-6 : Jika Suhu Sedang Dan Level Sedang Maka Valve buka Sedang Variabel Keluaran Logika Fuzzy Keluaran himpunan Logika Fuzzy adalah control valve. Control valve memiliki 3 (tiga) himpunan yaitu Kecil , Sedang dan Besar. Rule-7 : Jika Suhu Tinggi Dan Level Tinggi Maka Valve buka Kecil Rule-8 : Jika Suhu Tinggi Dan Level Rendah Maka Valve buka Besar Rule-9 : Jika Suhu Tinggi Dan Level Kecil Sedang Besar 1 Sedang Maka Valve buka Sedang Perancangan Antarmuka Antarmuka µ(x dengan 0 menggunakan Ms. Access dengan bahasa Visual Basic 40 30 sistem kendali dibangun 50 90 Gambar 3.3. Control Valve Aturan Logika Fuzzy Langkah selanjutnya yaitu membuat rule atau aturan Logika Fuzzy untuk kendali valve. Aturan menghubungkan Logika Fuzzy masukkan dengan keluaran. Dalam perancangan simulasi ini dibuat 9 aturan untuk proses pengendalian. Aturan tersebut sebagai berikut : Rule-1 : Jika Suhu Rendah Dan Level Tinggi Maka Valve buka Kecil Gambar 3.4. Interface Simulasi Kendali Interface perangkat lunak seperti pada gambar 3.4 memiliki 2 inputan yaitu variabel suhu dan level. Ketika sensor Vol.6 No.2 Mei 2015 131 Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN : 2086-9479 suhu dan level mendeteksi besaran fisis sampai dengan aturan sembilan (R_9) maka Logika Fuzzy akan memberikan hanya aturan ke-5 yang mengalami keluaran ke valve sehingga valve akan perubahan yaitu sebesar 25. Aturan ke-5 terbuka dengan besaran sesuai dengan : Jika Suhu Sedang Dan Level Rendah rule(aturan) yang telah dirancang. Maka Valve buka Sedang μ(x) HASIL PENGUJIAN SISTEM KENDALI LOGIKA FUZZY Pengujian yang pengujian dilakukan derajad meliputi keanggotaan, pengujian keluaran masing-masing rule dan pengujian keseluruhan keluaran serta secara 40 50 Gambar 4.1 Keanggotaan untuk Suhu sedang 450C pengujian implementasi aplikasi sistem kendali Secara perhitungan derajad keanggotaan valve menyeluruh. suhu sedang sebesar 450C sebagai Hasil Pengujian Keluaran Rule Logika Fuzzy Pengujian keluaran aturan (rule) Logika Fuzzy dilakukan untuk dapat mengetahui apakah keluaran sesuai dengan desain aturan yang dirancang. berikut: π₯π₯ − 40 45 − 40 = = 0,5 50 − 40 50 − 40 0 Untuk suhu sedang 45 C diperoleh derajad keanggotaan 0,5. Untuk mencari dearajad keanggotaan untuk level rendah 12 meter dijelaskan sebagai berikut : Tabel 4.1 Hasil Pengujian Keluaran Aturan Logika Fuzzy Gambar 4.2 Keanggotaan untuk Level Rendah 12 meter 40 − π₯π₯ 40 − 12 = = 0,7 40 − 0 40 − 0 k level rendah 12 meter diperoleh Untu derajad keanggotaan 0,7 Pada masukan level 12 meter dan suhu 45 0C keluaran dari aturan satu ( R_1) Vol.6 No.2 Mei 2015 Sehingga keluaran aturan ke-5 rata-rata adalah : 132 Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN : 2086-9479 Berdasarkan hasil perbandingan perhitungan manual dengan program diperoleh hasil yang sama yaitu untuk level 12 meter dan suhu 45 0C keluaran aturan ke-1 adalah 45 Hasil Pengujian Sistem Kendali Valve Gambar 4.3 Keanggotaan untuk Dengan Algoritma Logika Fuzzy Setelah Valve sedang Secara perhitungan untuk keluaran rata – rata putaran valve sesuai dengan gambar 4.1 adalah sebagai berikut dilakukan pengujian setiap aturan pada Logika Fuzzy selanjutnya adalah pengujian sistem kendali putaran valve. Pengujian yang dilakukan adalah pengujian dengan masukan level dan π₯π₯1 − 30 = 0,5 40 − 30 suhu seperti pada pengujian setiap Maka nilai x1 = 35 aturan Logika Fuzzy. Hasil keluaran ππππ − ππππ = ππ, ππ ππππππππ ππππ = ππππ ππππ − ππππ harus sesuai dengan rule-rule yang Maka rata-rata keluaran untuk aturan ke-5 adalah 35+55 2 = 45 sudah dibuat berdasarkan aturan Logika Fuzzy. Setiap bagian dari rule-rule Logika Fuzzy ini akan diuji Perhitungan secara manual sama dengan kebenarannya, apakah program aplikasi hasil pengujian program yang dirancang. yang sudah dibuat dapat berjalan dengan Pengujian baik atau tidak. program lebih jelasnya ditampilkan pada gambar 4.4 dibawah. Tabel 4.2. Hasil Pengujian Sistem Masukan No 2 3 4 5 6 7 8 Keluaran Putaran Valve Level Suhu 12 0 45 C 45 22 0 45 C 44,50 23 0 45 C 44,25 24 0 45 C 44 26 0 45 C 43,50 30 0 45 C 42,50 41 0 41 45 C (derajad) Gambar 4.4. Hasil Pengujian Level 12 meter dan Suhu 45 0C Vol.6 No.2 Mei 2015 133 Jurnal Teknologi Elektro, Universitas Mercu Buana Berdasarkan hasil pengujian sistem seperti ditunjukkan pada tabel 4.2 pada masukan suhu stabil yaitu 450C maka dapat dilihat semakin tinggi level air maka bukaan valve semakin kecil hai ini sudah sesuai dengan aturan yang dirancang. ISSN : 2086-9479 (0 ∗ 30) + (0 ∗ 40) + (0 ∗ 30) + (0 ∗ 30) + (0,5 ∗ 45) + (0 ∗ 40) + (0 ∗ 30) +(0 ∗ 50) + (0 ∗ 30) = (0 + 0 + 0 + 0 + 0,5 + 0 + 0 + 0 + 0) = 45 Berdasarkan hasil perhitungan secara manual dengan hasil program diperoleh output bukaan valve yang sama yaitu sebesar 45 KESIMPULAN Berdasar hasil pengujian perancangan terhadap dan sistem kendali valve dengan algoritma Logika Fuzzy maka diperoleh kesimpulan sebagai berikut. 1. Perancangan rule-rule Logika Fuzzy mempengaruhi hasil akhir atau keluaran dari sistem kendali yang dirancang. Pada Aturan yang dirancang semakin tinggi level air maka semakin Gambar 4.5. Hasil Pengujian Putaran kecil bukaan valve. Hal ini terlihat pada hasil pengujian dari Valve level 12 meter dengan bukaan Pada gambar 4.5 masukan suhu sebesar 45 0C dan Level 12 m diperoleh output bukaan valve sebesar 45 dengan perhitungan sebagai berikut : Keluaran πππ’π’π‘π‘πππ’π’π‘π‘ (π§π§1 πΌπΌ1 ) + (π§π§2 πΌπΌ2 ) + (π§π§3 πΌπΌ3 ) + (π§π§4 πΌπΌ4 ) + (π§π§5 πΌπΌ5 ) + (π§π§6 πΌπΌ6 ) + (π§π§7 πΌπΌ7 ) + (π§π§8 πΌπΌ8 ) + (π§π§9 πΌπΌ9 ) = πΌπΌ1 +πΌπΌ2 + πΌπΌ3 + πΌπΌ4 + πΌπΌ5 + πΌπΌ6 + πΌπΌ7 + πΌπΌ8 + πΌπΌ9 Vol.6 No.2 Mei 2015 valve 45 sampai dengan level tinggi yaitu 41 meter bukaan valve turun menjadi 41 derajad 2. Hasil pengujian Logika Fuzzy aturan pada menunjukkan pada masukan level 12 sampai dengan 30 m dan masukan suhu tetap yaitu 450C , hanya aturan ke lima yang mengalami perubahan keluaran yaitu dari 45 turun sampai dengan 42,5 134 Jurnal Teknologi Elektro, Universitas Mercu Buana ISSN : 2086-9479 derajad.. Hal ini disebabkan Microsoft Press, A Division of oleh πΌπΌπππππππππππππππ‘π‘ππππ = 0 Microsoft Corporation, Microsoft Way, Logika Fuzzy pada level 41 Washington 98052-6399 sampai dengan 50 hanya aturan Richard C. Dorf and Robert H. Bishop, yang Modern Control Systems, Prentice Hall, 3. Hasil pengujian keluaran Aturan ke-6 yang perubahan mengalami dikarenakan nilai πΌπΌπππππππππππππππ‘π‘ππππ = 0 untuk aturan selain aturan ke-6 One Redmond, 2001. Disha, Mr. Pawan Kumar Pandey. Rajeev Chugh (2012),” Simulation of Water Level Control in a Tank Using Fuzzy Logic”, IOSR Journal of DAFTAR PUSTAKA Kusumadewi,Sri dan Electrical and Electronics Purnomo,Hari.(2010),Aplikasi Engineering Logika Fuzzy untuk Pendukung 2278-1676 Volume 2, Issue 3 (Sep- Keputusan,GrahaI lmu,Yogyakarta. Oct. 2012), PP 09-12 Kusumadewi, Sri. 2006. Neuro – Namrata Fuzzy:Integrasi Sistem Fuzzy dan Monica Subashini(2013) ,“Design Jaringan and Implementation of a Water Syaraf Tiruan. (IOSRJEEE) Dey,Ria ISSN: Mandal, M GrahaIlmu,Yogyakarta. Level Controller using Fuzzy Logic, Kusumadewi,Sri. (2003), Artificial International Journal of Engineering Intelligence Science and Technology (IJEST), (Teknik Aplikasinya), Graha dan Ilmu, Vol 5 No 3 Jun-Jul 2013 Yogyakarta. Abdelelah Kusumadewi, S, 2004. Penentuan Hussam Tingkat Penyakit “Design Fuzzy Logic Controller for Fuzzy Liquid Level Control, International Inference Sistem, seminar nasional Journal of Emerging Science and II: the application of technology Engineering (IJESE) ISSN: 2319– toward a better life 6378, Michael Hovorson,2010,”Step By September 2013 Menggunakan Risiko Tsukamoto Kidher Hamad Mahmood, Taha Volume-1, (2013), Issue-11, Step”, Microsoft Visual Basic 2010, Vol.6 No.2 Mei 2015 135
