PENERAPAN LOGIKA FUZZY PADA PENGENDALI PID UNTUK PERANCANGAN PENGATURAN KECEPATAN MOTOR INDUKSI SEBAGAI PENGGERAK CONVEYOR

Transkripsi

1 PENERAPAN LOGIKA FUZZY PADA PENGENDALI PID UNTUK PERANCANGAN PENGATURAN KECEPATAN MOTOR INDUKSI SEBAGAI PENGGERAK CONVEYOR Firmansyah Politeknik Swadharma ABSTRAK Conveyor banyak digunakan di industri untuk dapat memobilisasi barang dalam jumlah banyak dan kontinyu dari satu tempat ke tempat lain. Motor digunakan sebagai penggerak conveyor. Jenis motor yang banyak digunakan sebagai penggerak conveyor ini adalah Motor Induksi. Salah satu kelemahan dari motor induksi adalah tidak mampu mempertahankan kecepatannya dengan konstan bila terjadi perubahan beban. Kecepatan Motor Induksi dipengaruhi oleh tegangan yang masuk ke inverter. Jika beban meningkat maka kecepatan Motor Induksi akan turun dikarenakan tegangan yang masuk ke inverter turun. Untuk mendapatkan kecepatan konstan serta memperbaiki kinerja motor induksi terhadap perubahan beban, maka dibutuhkan suatu pengontrol atau pengendali. Pengendali ini harus mampu mempertahankan nilai tegangan konstan yang masuk ke inverter. Pengendali kecepatan Motor Induksi yang banyak digunakan di industri adalah Pengendali PID. Tujuan penelitian ini adalah menerapkan sistem Logika Fuzzy pada Pengendali PID untuk mengatur kecepatan motor conveyor dengan menggunakan Metode Mamdani melalui simulasi menggunakan Fuzzy Logic Toolbox GUI pada MATLAB. Dengan adanya pengendali tersebut diharapkan tegangan masuk ke inverter konstan yang mengakibatkan kecepatan motor induksi juga konstan walaupun mendapat perubahan beban. Berdasarkan hasil penelitian, tegangan yang dihasilkan konstan walaupun beban berubah. Kata Kunci: Motor Induksi, Conveyor, Pengendali PID, Logika Fuzzy 1. LATAR BELAKANG Conveyor atau ban berjalan adalah suatu sistem mekanik yang mempunyai fungsi memindahkan barang dari satu tempat ke tempat yang lain. Conveyor banyak digunakan di industri untuk dapat memobilisasi barang dalam jumlah banyak dan kontinyu dari satu tempat ke tempat lain. Motor digunakan sebagai penggerak conveyor. Jenis motor yang banyak digunakan sebagai penggerak conveyor ini adalah Motor Induksi. Motor Induksi sangat banyak digunakan dalam kehidupan sehari-hari baik di industri atau di rumah tangga karena perancangannya yang sederhana, murah dan mudah didapat dan dapat langsung disambungkan ke sumber daya AC. Motor induksi yang umum dipakai adalah motor induksi 3 phase dan motor induksi 1 phase. Motor induksi 3 phase dioperasikan pada sistem tenaga 3 phase dan banyak digunakan di dalam berbagai bidang industri, sedangkan motor induksi 1 phase dioperasikan pada sistem tenaga 1 phase yang banyak digunakan terutama pada penggunaan untuk peralatan rumah tangga seperti kipas angin, lemari es, pompa air, mesin cuci dan sebagainya karena motor induksi 1 phase mempunyai daya keluaran yang rendah. Kerja motor induksi berdasarkan prinsip interaksi elektromagnet. Apabila sumber tegangan tiga phase dipasang pada kumparan medan (stator), akan timbul medan putar dengan kecepatan sinkron sebesar Ns = 120f/p rpm (Parekh, 2003), dimana f adalah frekuensi dalam Hertz dan p jumlah kutub magnit yang digunakan. 17

2 Jadi kecepatan putaran motor induksi sangat tergantung pada frekuensi sumber yang digunakan serta jumlah kutub magnit dari kumparan motor. Salah satu kelemahan dari motor induksi adalah tidak mampu mempertahankan kecepatannya dengan konstan bila terjadi perubahan beban. Apabila terjadi perubahan beban maka kecepatan motor induksi akan menurun. Untuk mendapatkan kecepatan konstan serta memperbaiki kinerja motor induksi terhadap perubahan beban, maka dibutuhkan suatu pengontrol (Ratna Ika Putri, 2007). Jenis pengontrol atau pengendali elektronika yaitu pengontrol analog dan pengontrol digital. Perbedaan kedua pengendali ini adalah dalam hal pemrosesan datanya. Seiring perkembangan teknologi digital, maka saat ini pengendali digital lebih banyak digunakan. Pengendali digital yang saat ini banyak digunakan adalah pengendali berbasis PLC dan Mikrokontroller. Metode pengontrolan yang banyak digunakan untuk mengendalikan kecepatan Motor Induksi yaitu Metode Pengontrolan PID yang merupakan kombinasi Metode Pengontrolan Proportional (P), Integral (I) dan Derivative (D). Pengontrolan PID merupakan salah satu metode pengontrolan untuk menghasilkan ouput yang konstan (Denny Septa Ferdiansyah dkk, 2010). Pada awalnya pengontrol ini merupakan pengendali analog yang direalisasikan dalam bentuk rangkaian analog. Namun saat ini algoritma Pengendali PID telah dapat direalisasikan dalam bentuk persamaan digital. Jika diimplementasikan hanya berupa program yang dapat ditanamkan dalam mikrokontroller (embedded system). Dari hasil penelitian yang dilakukan Madhavi, yang menerapkan metode pengontrolan PID untuk mengendalikan motor induksi telah mampu menghasilkan output kecepatan motor yang relatif konstan. Kekurangan dari pengendali PID ini adalah masih terdapat proses tuning. Proses tuning dilakukan untuk mendapatkan konstanta proportional (Kp), integral (Ki) dan derivative (Kd) yang sesuai sehingga mendapatkan output kecepatan sesuai yang diinginkan. Proses tuning dilakukan dengan cara manual dengan metode trial and error yang hasilnya belum tentu tepat. Untuk menggantikan proses tuning di atas, maka diperlukan metode pendekatan. Pada penelitian ini metode pendekatan yang digunakan adalah Metode Logika Fuzzy. Beberapa penelitian pengaturan kecepatan motor induksi telah dilakukan antara lain Madhavi L Mhaisgawali (2007), Induction Motor Speed Control Using PID Controller, Tianur dkk (2011), Kontrol Kecepatan Motor Induksi Menggunakan Metode PID- Fuzzy, Sugeng (2012), Penerapan Fuzzy Inference System Untuk Mengendalikan Kecepatan Motor Conveyor. Pada penelitian ini akan dirancang suatu sistem yang menerapkan Logika Fuzzy untuk mengendalikan kecepatan motor induksi 3 phase berbasis Pengendali PID sehingga kecepatan motor conveyor dapat konstan walaupun beban yang diangkut oleh conveyor berubah. Perbedaan utama penelitian yang akan dilakukan dengan penelitian-penelitian sebelumnya adalah pendekatan sistem kontrolnya menggunakan Logika Fuzzy metode Mamdani untuk mengendalikan kecepatan motor conveyor berbasis Pengendali PID untuk menghasilkan output kecepatan motor conveyor yang konstan. Simulasi penelitian ini menggunakan Fuzzy Logic Toolbox Graphical User Interface (GUI) pada software MATLAB. 2. LANDASAN TEORI A. Pengantar Logika Fuzzy Logika fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot/derajat keanggotaan yang dimilikinya. Himpunan fuzzy mempunyai derajat keanggotaan bernilai kontinyu yaitu antara 0 sampai dengan 1, sedangkan himpunan crisp hanya mempunyai 2 nilai yaitu 0 dan 1. Satu perbedaan dari himpunan crisp dan fuzzy adalah bahwa himpunan crisp selalu memiliki fungsi keanggotaan yang unik, sedangkan setiap himpunan fuzzy memiliki nilai keanggotaan yang terbatas dari fungsi keanggotaan yang mewakilinya. Hal itu memungkinkan fuzzy dapat diatur secara maksimum dalam situasi yang diberikan (Robandi, 2006:50). Logika fuzzy merupakan cabang dari sistem kecerdasan buatan (Artificial Intelegent) yang mengevaluasi kemampuan manusia dalam bentuk algoritma yang kemudian dijalankan oleh mesin. Algoritma ini digunakan dalam berbagai aplikasi pemrosesan data yang tidak dapat dipresentasikan dalam bentuk biner. Logika fuzzy menginterpretasikan statemen yang samar menjadi sebuah pengertian yang logis. Sekitar tahun 1965, Profesor Lotfi A. Zadeh adalah guru besar pada University of California yang merupakan pencetus sekaligus yang memasarkan ide tentang cara mekanisme pengolahan atau manajemen ketidak pastian yang kemudian dikenal dengan logika fuzzy. Teknik fuzzy dapat diimplementasikan dalam bidang kontrol, pengenalan pola, pemrosesan citra, analisis kuantitatif pada penelitian di bidang sosial, penarikan kesimpulan seperti pada Expert System (ES), 18

3 perencanaan, prediksi, teknik pembuatan software, dan lain-lain (Robandi, 2006: 58). B. Blok Diagram sistem Logika Fuzzy Secara umum suatu sistem Logika Fuzzy terdiri dari tiga komponen utama yaitu Fuzzification, Inference dan Defuzzification(Suyanto, 2008:27). Input Crisp Fuzzification Input Fuzzy Inference Output Fuzzy Defuzzification Nilai Crisp Gambar 1 Sistem Logika Fuzzy Fuzzification merupakan proses pemetaan nilainilai input (crisp input) yang berasal dari sistem yang dikontrol kedalam himpunan fuzzy menurut fungsi keanggotaanya(membership function). Untuk mengubah crisp input menjadi fuzzy input, terlebih dahulu harus menentukan fungsi keanggotaan (membership function) untuk crisp input, kemudian proses fuzzification akan mengambil crisp input dan membandingkan dengan fungsi keanggotaan (membership function) yang telah ada untuk menghasilkan harga fuzzy input. Fungsi keanggotaan (membersip function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara nol sampai satu. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Representasi dari fungsi keanggotaan ini dapat digambarkan dengan dua bentuk yaitu linear atau garis lurus dan kurva diantaranya adalah Kurva Linier naik, Kurva Linier Turun, Kurva Segitiga dan Kurva Trapesium. Sistem Inferensi Fuzzy (Fuzzy Inference System) disebut juga fuzzy inference engine adalah sistem yang dapat melakukan penalaran(inference) dengan prinsip serupa seperti manusia melakukan penalaran dengan nalurinya atau akan memperhitungkan semua aturan yang ada di dalam basis pengetahuan fuzzy. Bentuk umum dari aturan fuzzy dapat dituliskan IF x is A THEN y is B yang digunakan untuk menentukan relasi fuzzy antara input dan output kontrol (Suyanto, 2008:28). Relasi fuzzy dinyatakan dengan R yang juga disebut implikasi fuzzy. Dalam penerapannya x sebagai antecedent (kejadian) yaitu input yang telah difuzzifikasi dan y sebagai consequent (akibat) yaitu sebagai aksi kontrol (output) serta A dan B adalah himpunan fuzzy. Pada tahap inference diproses hubungan antara nilai-nilai input (crisp input) dan nilai-nilai output (crisp output) yang dikehendaki dengan aturan-aturan (rulers). Aturan ini nantinya yang akan menentukan respon sistem terhadap berbagai kondisi seting point dan gangguan yang terjadi pada sistem. Terdapat beberapa metode aturan fuzzy yang dapat digunakan antara lain Metode Mamdani dan Metode Sugeno. Defuzzification merupakan proses pemetaan himpunan fuzzy kehimpunan tegas (crips) artinya kebalikan dari proses fuzzifikasi. Pada tahap ini dilakukan pemetaan bagi nilai-nilai fuzzy output yang dihasilkan pada tahap inference ke nilai-nilai output kuantitatif yang sesuai dengan sistem yang diharapkan. Proses defuzzifikasi diekspresikan Z* = defuzzifier (Z) dimana Z = Hasil penalaran fuzzy dan Z* = Keluaran kontrol Fuzzy Logic. Ada tiga metode defuzzification pada metode Mamdani, yaitu Mean of Maximum (MOM), Center of Area (COA) dan bisektor. Pada metode MOM, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum. C. Motor Induksi Motor induksi merupakan motor yang paling umum digunakan pada berbagai peralatan industri. Popularitasnya karena rancangannya yang sederhana, murah dan mudah didapat, dan dapat langsung disambungkan ke sumber daya AC (Perekh, 2003). Motor induksi dapat diklasifikasikan menjadi dua kelompok utama (Parekh, 2003): 1) Motor Induksi satu phase Motor ini hanya memiliki satu gulungan stator, beroperasi dengan pasokan daya satu phase, memiliki 19

4 sebuah rotor kandang tupai, dan memerlukan sebuah alat untuk menghidupkan motornya. Sejauh ini motor ini merupakan jenis motor yang paling umum digunakan dalam peralatan rumah tangga, seperti fan angin, mesin cuci dan pengering pakaian, dan untuk penggunaan hingga 3 sampai 4 Hp. 2) Motor Induksi tiga phase Medan magnet yang berputar dihasilkan oleh pasokan tiga phase yang seimbang. Motor tersebut memiliki kemampuan daya yang tinggi, dapat memiliki kandang tupai atau gulungan rotor (walaupun 90% memiliki rotor kandang tupai); dan penyalaan sendiri. Diperkirakan bahwa sekitar 70% motor di industri menggunakan jenis ini, sebagai contoh, pompa, kompresor, belt conveyor, jaringan listrik, dan grinder. Motor induksi bekerja sebagai berikut. Listrik dipasok ke stator yang akan menghasilkan medan magnet. Medan magnet ini bergerak dengan kecepatan sinkron disekitar rotor. Arus rotor menghasilkan medan magnet kedua, yang berusaha untuk melawan medan magnet stator, yang menyebabkan rotor berputar (Parekh, 2003). Walaupun begitu, didalam prakteknya motor tidak pernah bekerja pada kecepatan sinkron namun pada kecepatan dasar yang lebih rendah. Terjadinya perbedaan antara dua kecepatan tersebut disebabkan adanya slip/geseran yang meningkat dengan meningkatnya beban. Slip hanya terjadi pada motor induksi Kerja motor induksi berdasarkan prinsip interaksi elektromagnet. Apabila sumber tegangan tiga fasa dipasang pada kumparan medan (stator), akan timbul medan putar dengan kecepatan:.(1) dengan : Ns = kecepatan medan putar stator (rpm=rotation per minute) f = frekuensi (Hz) p = jumlah kutub D. Sistem Kontrol Definisi Sistem menurut Katsuhiko Ogata adalah kombinasi dari beberapa komponen yang bekerja bersama-sama dan melakukan suatu sasaran tertentu. Menurut Anthony I. Karamanlis, kontrol dapat diartikan dengan mengatur, mengarahkan atau memerintah. Fungsi mengatur, mengarahkan dan memerintah tersebut berkaitan masukan (input) dan keluaran (output). Kontrol berfungsi mengatur masukan (input) untuk memperoleh keluaran (output) yang diinginkan. Dari kedua uraian definisi tersebut dapat disimpulkan bahwa sistem kontrol adalah susunan komponen fisik yang dihubungkan sedemikian rupa untuk mengatur suatu kondisi agar mencapai kondisi yang diharapkan. E. Pengendali PID Setiap kekurangan dan kelebihan dari masingmasing pengontrol P, I dan D dapat saling menutupi dengan menggabungkan ketiganya secara paralel menjadi pengontrol proposional plus integral plus derivative (pengontrol PID). Elemen-elemen pengontrol P, I dan D masing-masing secara keseluruhan bertujuan untuk mempercepat reaksi sebuah sistem, menghilangkan offset dan menghasilkan perubahan awal yang besar(guterus, 1994). Gambar 2 menunjukkan blok diagram pengontrol PID. Gambar 2 Blok diagram pengontrol PID analog Sehingga persamaan untuk kontrol PID adalah: (2) dengan: m(t) = sinyal output pengendali PID Kp = konstanta proportional Ti = waktu integral Td = waktu derivative Ki = konstanta integral (Kp Ti ) Kd = konstanta derivative (Kp.Td ) e(t) = sinyal error = sinyal input sinyal umpan balik 20

5 Keluaran pengontrol PID merupakan jumlahan dari keluaran pengontrol proportional, keluaran pengontrol integral dan keluaran pengontrol derivative. F. Sistem Kontrol Motor Induksi Berbasis Pengendali PID sebagai penggerak Conveyor Pengendalian kecepatan Motor Induksi 3 phase berbasis Pengontrol PID yang telah banyak diimplementasikan untuk menggerakkan conveyor digambarkan dengan Blok Diagram seperti Gambar 3 dibawah ini: Gambar 3 Blok Diagram Sistem kendali kecepatan Motor Induksi 3 phase Berbasis Pengendali PID Prinsip kerja Sistem kendali kecepatan motor induksi 3 phase berbasis pengontrol PID di atas dapat dijelaskan sebagai berikut : Untuk mendapatkan kecepatan putaran Motor Induksi sesuai yang diinginkan maka dilakukan input nilai kecepatan motor (setpoint) melalui Pengendali PID yang ditanam (embedded) pada Mikrokontroller. Selanjutnya inputan nilai tersebut akan diproses oleh Mikrokontroller. Hasil proses dari Mikrokontroller berupa sinyal tegangan searah (DC) akan diumpankan ke Inverter. Fungsi dari inverter ini adalah sebagai alat yang dapat mengubah tegangan DC menjadi tegangan bolakbalik (AC) sehingga dapat digunakan oleh Motor Induksi. Selanjutnya inverter akan mensuplai tegangan yang sesuai ke Motor Induksi maka Motor Induksi akan berputar dan menggerakkan conveyor. Kecepatan putaran motor dibaca oleh Tachogenerator. Output dari Tachogenerator berupa tegangan analog digunakan sebagai sinyal umpan balik (feedback) ke Mikrokontroller. Selanjutnya dilakukan perbandingan antara kecepatan putaran (kecapatan aktual) motor dengan setpoint. Proses ini akan dilakukan terus menerus sampai didapat kecepatan putaran motor yang sesuai. Proses tuning dapat dilakukan dengan cara memutar secara manual potensiometer yang dipasang pada mikrokontroller. Dengan memutar potensiometer ini akan mengubah nilai K p, K i dan K d sehingga akan mempengaruhi sinyal keluaran tegangan yang dihasilkan pengendali ini. Proses tuning juga dapat dilakukan untuk mempertahankan kecepatan putaran motor walaupun beban berubah. Proses tuning terus dilakukan sampai didapat kecepatan putaran Motor Induksi yang sesuai. Proses tuning inilah yang menjadi kelemahan Sistem Pengendali Kecepatan Putaran Motor Induksi berbasis Pengontrol PID, karena proses ini dapat menghabiskan waktu yang cukup lama. G. Kerangka Pemikiran Penelitian ini didasari oleh permasalahan yang ditemukan pada motor induksi yang digunakan sebagai penggerak conveyor. Perubahan beban yang diangkut conveyor akan mengakibatkan perubahan kecepatan putaran motor dan pada akhirnya mengakibatkan perubahan kecepatan gerak conveyor. Jika beban bertambah maka kecepatan gerak conveyor semakin lambat. Penerapan Pengontrol PID telah mampu mengatasi permasalahan di atas, akan tetapi dilakukan dengan proses tuning secara manual yang dapat membutuhkan waktu yang cukup lama. Untuk menggantikan proses tuning yang masih dilakukan secara manual maka dilakukan pendekatan Fuzzy Inference System Metode Mamdani. Penerapan Fuzzy Inference System ini disimulasikan menggunakan Fuzzy Logic Toolbox GUI pada Software Mathlab. Kerangka pemikiran dalam penelitian ini dapat dilihat pada Gambar 3 berikut ini: Gambar 3. Kerangka Pemikiran 3. METODE PENELITIAN A. Analisa Kebutuhan Dalam penelitian ini pelaksanaannya hanya merupakan simulasi dari penerapan Fuzzy Inference 21

6 System metode Mamdani untuk mengendalikan kecepatan Motor Conveyor dengan menggunakan Fuzzy Inference System Toolbox Graphical User Interface (GUI) pada software MATLAB. Oleh karena itu kebutuhan yang sangat mendasar dalam penelitian ini adalah Perancangan sistem kendali dan sebuah Komputer atau Laptop yang berisi software MATLAB. Sehubungan dengan hal tersebut, dalam penelitian ini menggunakan peralatan sebuah Laptop (hardware) dengan spesifikasi Intel(R) Atom (TM) CPU 1.66 GHz, RAM 1 GHz dan software MATLAB R2007a dengan Operating System Microsoft Windows XP professional Version 2002 Srvice Pack 2. B. Metode Pengumpulan Data Pada penelitian ini, data-data penelitian diperoleh dari data sekunder. Data sekunder pada penelitian ini diperoleh secara tidak langsung bersumber dari hasil penelitian yang dilakukan oleh Sugeng dengan cara mengamati dan mencatat hasil laboratorium pengendalian kecepatan motor Induksi 3 phase tanpa beban secara manual yang dilaksanakan di Balai Latihan Kerja Industri Dinas Tenaga Kerja dan Transmigrasi Provinsi Banten yang berlokasi di BSD Tangerang Selatan. Dalam pelaksanaan laboratorium dengan menggunakan tegangan set point untuk mengontrol inverter sesuai Tabel 1 dan Tabel 2. Tabel 1 Motor Tanpa Beban Tegangan Kontrol DC Frekwensi Tegangan Inverter Kecepatan Motor 0V 6,25 Hz 184 rpm 2,5V 25 Hz 750 rpm 5V 50 Hz 1500 rpm Tabel 2 Motor Dengan Beban Beban Tegangan DC Tachogenerator Kecepatan Motor 0 Nm 1,72 V 1500 rpm 0,5 Nm 1,68 V 1400 rpm 1 Nm 1,61 V 1230 rpm 2 Nm 1,28 V 1200 rpm C. Metode Analisis Data Berdasarkan data sekunder Tabel 1 bahwa pengaturan kecepatan Motor Induksi 3 phase ditentukan oleh frekwensi tegangan masukan (input), semakin besar frekwensi tegangan masukan (input), maka kecepatan motor semakin tinggi, selanjutnya saat beban motor bertambah maka kecepatannya akan turun (Tabel 2). Jika motor ingin dioperasikan pada kecepatan konstan saat bebannya berubah maka diperlukan suatu pengendali untuk mempertahankan frekwensi tegangan masukan (input) yaitu dengan mempertahankan tegangan kontrol DC sebesar 5V melalui pengolahan data tegangan umpan balik dari motor conveyor dengan algoritma tertentu pada sistem kendali berbasis Logika Fuzzy. D. Model yang diusulkan Dalam Penelitian ini akan mengembangkan sistem pengendalian kecepatan Motor Induksi 3 phase untuk menjalankan conveyor menggunakan Fuzzy Inference System metode Mamdani dan akan menggunakan Fuzzy Inference System Toolbox Graphical User Interface (GUI) dari MATLAB sebagai sarana untuk mengembangkan Software. Alur proses dari sistem yang dikembangkan sesuai Gambar 4: Gambar 4. Alur Proses yang dikembangkan E. Perancangan Penelitian Untuk merancang pengendali dalam penelitian ini, maka diterapkan Logika Fuzzy pada sistem pengendalian kecepatan motor induksi 3 phase untuk menjalankan conveyor dengan menggunakan metode Mamdani. Kecepatan set point adalah kecepatan motor yang diinginkan. Sistem kendali dirancang memiliki 3 buah masukan yaitu masukan yang berupa Error (E) merupakan selisih antara kecepatan set point dengan kecepatan aktual, Sum Error (SE) merupakan penjumlahan error saat ini dengan error sebelumnya dan Change Error (CE) merupakan selisih error saat ini dengan error sebelumnya dan memiliki satu keluaran tegangan (V). Kecepatan yang terbaca oleh sensor merupakan kecepatan aktual yang dihasilkan yang berfungsi sebagai feedback sesuai gambar 5 dibawah ini: Kecapatan Set Point E + - CE Pengendali PID+Fuzzy SE Kecapatan Aktual Tegangan Sensor Inverter Kecepatan Motor Induksi Beban Conveyor 22

7 Gambar 5. Blok Diagram Sistem Pengendalian Kecepatan Motor Conveyor Menggunakan Pengendali PID dan Fuzzy 1) Perancangan Membership Function Input dan Output µ(x) 1 Derajat Keanggotaan 0,5 Gambar 6. Grafik Membership Function Input 1 Grafik membership function Input 1 (Error) sama dengan untuk kedua input lainnya yaitu Sum Error dan Change Error seperti gambar 6 di atas. µ(y) 1 Derajat Keanggotaan 0,5 NB NS Z PS PB Error (rpm) NB NS Z PS PB Tegangan (volt) Gambar 7. Grafik Membership Function Output Grafik membership function Output (Tegangan) digambarkan seperti gambar 7 di atas. 2) Basis Aturan (Rule Base) Aturan-aturan (rules) yang dibuat untuk mencapai tujuan pengendalian sebanyak 125 rules yang merupakan kombinasi keadaan dari ketiga input dan dapat dijabarkan diantaranya sebagai berikut: 1. If (Error is NB) and (SumError is NB) and (ChangeError is NB) then tegangan is PB 2. If (Error is NB) and (SumError is NB) and (ChangeError is NS) then tegangan is PB 3. If (Error is NB) and (SumError is NB) and (ChangeError is Z) then tegangan is PB 4. If (Error is NB) and (SumError is NB) and (ChangeError is PS) then tegangan is PB 5. If (Error is NB) and (SumError is NB) and (ChangeError is PB) then tegangan is PB Y Dan seterusnya sampai 125 rules yang didapat dari kombinasi keadaan ketiga inputnya. Jika diperhatikan dari 125 rules yang telah dibuat, seluruhnya menghasilkan output dengan keadaan Positive Big (PB). Sehingga rules di atas dapat disederhanakan menjadi : If (Error is any) and (SumError is any) and (ChangeError is any) then tegangan is PB 3) Sistem Inferensi (Inference Mechanism) Pada penelitian ini metode inferensi yang digunakan adalah Mamdani. Pada metode ini fungsi implikasi yang digunakan adalah min yaitu dalam mengimplikasikan sebuah aturan mengambil nilai minimumnya. 4) Defuzzyfication Input dari proses defuzification adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturanaturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crips tertentu sebagai output. Metode defuzification yang digunakan pada penelitian ini menggunakan metode centroid, dimana pada metode ini nilai crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy. F. Teknik Analisis Untuk lebih jelasnya maka dalam penelitian ini dibuat contoh suatu kasus untuk menganalisa cara kerja sistem Kendali Logika Fuzzy dengan setpoint kecepatan motor conveyor ditetapkan sebesar 1500 rpm. Pada kondisi tanpa beban, set point kecepatan sebesar 1500 rpm akan menghasilkan tegangan 5 volt. Conveyor akan diberikan beban sehingga keluaran tegangan dari pengendali akan berubah. Perubahan tegangan ini akan menyebabkan kecepatan aktual motor tidak sama dengan kecepatan set point (menimbulkan error). Pengujian dilakukan sebagai berikut: Jika conveyor diberi beban maka kecepatan aktual motor akan berubah. Anggap pemberian bebannya menyebabkan kecepatan aktual motor turun menjadi 900 rpm, maka Nilai Error = Kecepatan setpoint Kecepatan aktual = 600 rpm. Nilai Sum Error sebesar 900 rpm dan nilai Change Error sebesar 300 rpm. 1) Proses Fuzzyfication Input 1 (error) sebesar 600 rpm jika dilihat pada Grafik Membership Function Gambar 3.3. maka masuk kedalam himpunan fuzzy Positive Small (PS) dan 23

8 himpunan fuzzy Positive Big (PB). Input 2 (Sum Error) sebesar 900 rpm masuk kedalam himpunan fuzzy Positive Small (PS) dan himpunan fuzzy Positive Big (PB) dan Input 3 (Change Error) sebesar 300 rpm masuk kedalam himpunan fuzzy Zero (Z) dan himpunan fuzzy Positive Small (PS). Selanjutnya derajat keanggotaannya ditentukan menggunakan persamaan fungsi segitiga didapat: a) Input 1 (Error) sebesar 600 rpm Derajat keanggotaan himpunan fuzzy PS = 0,8 Derajat keanggotaan himpunan fuzzy PB = 0,2 b) Input 2 (Sum Error) sebesar 900 rpm Derajat keanggotaan himpunan fuzzy PS = 0,2 Derajat keanggotaan himpunan fuzzy PB = 0,8 c) Input 3 (Change Error) sebesar 300 rpm Derajat keanggotaan himpunan fuzzy Z = 0,4 Derajat keanggotaan himpunan fuzzy PS = 0,6 2) Sistem Inferensi (Inference Mechanism) a) Implikasi Input 1 (Error) sebesar 600 rpm, Input 2 (Sum Error) sebesar 900 rpm dan Input 3 (Change Error) sebesar 300 rpm dipengaruhi oleh 8 aturan fuzzy. Dari setiap aturan tersebut dicari derajat keanggotaan variabel outputnya. Karena operator yang digunakan adalah AND, maka diambil nilai minimumnya didapat µpb = 0,2, µpb = 0,2, µpb = 0,4, µpb= 0,6, µpb = 0,4, µpb = 0,2, µpb = 0,2, µpb = 0,2. b) Komposisi Antar Aturan Dari fungsi implikasi tiap aturan, digunakan metode Max untuk melakukan komposisi antar semua aturan yaitu µpb = 0,2, µpb = 0,2, µpb = 0,4, µpb= 0,6, µpb = 0,4, µpb = 0,2, µpb = 0,2, µpb = 0,2, sehingga daerah hasil komposisi, yaitu daerah dimana hasil output berada dapat dilihat pada grafik gambar 8: Gambar 8 Grafik Komposisi Antar Aturan 3) Defuzzyfication Perhitungan Defuzzyfication untuk menghitung nilai z yaitu nilai himpunan fuzzy pada derajat keanggotaan puncak (µ=1) sebagai berikut: Z * = = 5 Dari hasil pengujian di atas, dapat dianalisa bahwa penerapan Logika Fuzzy pada pengendali PID dengan setpoint putaran motor 1500 rpm akan menghasilkan tegangan yang tetap sebesar 5 volt meskipun pada motor conveyor diberi beban. Tegangan sebesar 5 volt yang dihasilkan oleh pengendali ini akan menjadi tegangan input inverter. Jika inverter mendapatkan tegangan sebesar ini maka akan menggerakan motor dengan kecepatan 1500 rpm. Dengan demikian berarti kecepatan motor tersebut walaupun diberi beban akan tetap konstan. 4. HASIL PENELITIAN A. Hasil Pembuatan pengujian (simulasi) mengacu pada hasil perancangan sistem yang dibuat dengan menggunakan perangkat lunak MATLAB R2007a. MATLAB atau Matrix Laboratory, dipilih sebagai lingkungan percobaan karena kemampuannya mensimulasikan berbagai perhitungan matematis. Dibangun oleh Math Works Inc, MATLAB menyediakan berbagai perangkat pendukung untuk melakukan percobaan pengendalian antara lain Fuzzy Logic Toolbox. Fungsi-fungsi yang terdapat Fuzzy Logic Toolbox dapat digunakan untuk membangun sistem pengendali kecepatan Motor Conveyor berbasis Fuzzy Inference System metode Mamdani yang digunakan dalam penelitian ini. Hal-hal yang menjadi perhatian utama dalam membuat rancangan simulasi dan mengaplikasikan sistem Kendali Logika Fuzzy dalam pengontrolan suatu sistem adalah pembuatan bentuk Membership function pada setiap variabel input dan output serta pembuatan rule base. 1) Pembuatan Variabel Input dan Output Pada perancangan sistem pengendalian motor conveyor yang dibuat dalam penelitian ini memiliki 3 buah masukan yaitu masukan yang berupa Error (E), Sum Error (SE) dan Change Error (CE) dan memiliki satu output (V) yaitu tegangan keluaran pengendali dengan metode inferensi menggunakan metode Mamdani. Hasil rancangan sistem inferensi fuzzy pada Fuzzy Inference System (FIS) editor pada gambar 9 dibawah ini: 24

9 Gambar 9 Perancangan Fuzzy Inference System Hasil rancangan Membership function untuk Variabel Input 1 (Error) seperti gambar 10 dibawah ini: Gambar 12 Perancangan Rule Base 3) Pengujian Hasil Rancangan Dalam penelitian ini untuk masing-masing motor conveyor dilakukan 3 kali uji coba untuk menguji hasil rancangan yaitu: Uji coba pertama untuk motor conveyor 1500 rpm dengan input error sebesar 600 rpm, sum error sebesar 900 rpm dan change error sebesar 300 rpm. Hasil uji coba untuk menguji dari penelitian dapat dilihat pada gambar Rule Viewer dibawah ini: Gambar 10 Perancangan Membership Function Error Perancangan Membership Function untuk Sum Error dan Change Error sama dengan Membership Function Error. Hasil rancangan Membership function untuk Variabel output (tegangan) seperti gambar 11 dibawah ini: Gambar 13 Hasil Uji Coba Pertama Rangkuman hasil hasil uji coba penelitian ini diringkas kedalam tabel sebagai berikut: Tabel 3 Hasil uji coba untuk motor conveyor 1500 rpm No Error Sum Error Change Error Tegangan (rpm) (rpm) (rpm) (volt) Gambar 11 Perancangan Membership Function Tegangan 2) Pembuatan Aturan-Aturan (Rule Base) Hasil rancangan Rule Base pada MATLAB Graphical User Interface (GUI) seperti gambar 12 di bawah ini: 4) Pembahasan Dari uji coba yang dilakukan, untuk menguji hasil dalam penelitian ini setelah melalui proses pada MATLAB yang diawali dengan Fuzzification Input 25

10 Error, Sum Error dan Change Error kemudian melakukan inference yang terdiri dari fungsi implikasi dengan metode min dan komposisi antar aturan dengan metode max yang diakhiri dengan proses defuzification metode centroid menghasilkan gambar-gambar Rule Viewer yang menunjukan bahwa pada uji coba pertama untuk motor conveyor 1500 rpm dengan input Error sebesar 600 rpm, Sum Error sebesar 900 rpm dan Change Error sebesar 300 rpm memberikan dampak output tegangan pengendali tidak berubah yaitu sebesar 5 volt. Pada uji coba kedua untuk motor conveyor 1500 rpm dengan input Error sebesar 300 rpm, Sum Error sebesar 1200 rpm dan Change Error sebesar -300 rpm memberikan dampak output tegangan pengendali tidak berubah yaitu sebesar 5 volt dan pada uji coba ketiga untuk motor conveyor 1500 rpm dengan input Error sebesar 100 rpm, Sum Error sebesar 1300 rpm dan Change Error sebesar -200 rpm juga memberikan dampak output tegangan pengendali tidak berubah yaitu sebesar 5 volt. 5. KESIMPULAN A. Kesimpulan Berdasarkan hasil penelitian yang dilakukan dapat disimpulkan bahwa Penerapan Logika Fuzzy metode Mamdani melalui proses yang diawali dengan Fuzzification Input Error, Sum Error dan Change Error kemudian melakukan Inference yang terdiri dari fungsi implikasi dengan metode min dan komposisi antar aturan dengan metode max yang diakhiri dengan proses Defuzification metode centroid dapat menghasilkan tegangan yang konstan sebesar 5 volt sehingga dapat menggerakkan motor conveyor dengan kecepatan yang konstan sebesar 1500 rpm walaupun mendapat beban berubah-ubah. B. Saran Saran yang dapat dilakukan untuk pengembangan lebih lanjut dari sistem kendali kecepatan motor conveyor antara lain: 1) Dapat dilanjutkan dengan penelitian untuk mendapatkan nilai Konstanta PID yang tepat menggunakan Logika Fuzzy untuk melihat waktu tanggapan kecepatan motor terhadap perubahan beban. 2) Dapat dilakukan penelitian untuk mengimplementasikan sistem kontrol PID dan Fuzzy berbasis peralatan pengontrol yang biasa digunakan yaitu Mikrokontroler atau PLC DAFTAR PUSTAKA Chapman, S.J. (2004). Electric Machinery. McGraw- Hill. Ferdiansyah, D.S. (2010). Pengaturan Kecepatan Motor Induksi 3 Phase dengan Kontrol PID melalui Metode Field Oriented Control. PENS. Gunterus, F. (1994). Falsafah Dasar Sistem Pengendalian Proses. Jakarta : PT Elex Media Komputindo. Johnson, C. (1988). Process Control Instrumentation Technology. New Jersey: Englewood Cliffs. Kusumadewi, S. (2003). Artifical Intellegence (Teknik dan Aplikasi). Graha. Madhavi, L.M. (2007). Induction Motor Speed Control using PID Controller. International Journal of Technology and Engineering Science. Melin, O. C. (2008). Fuzzy Logic : Theory and Application. Berlin: Springer. Nirali, R., & Shah, S. (2011). Fuzzy Decision Based Soft Multi Agent Controller for Speed Control of Three Phase Induction Motor. International Journal on Soft Computing (IJSC) Vol.2 No.3. Ogata, K. (1997). Automatic Control. Prentice Hall. Pakpahan, S. (1988). Kontrol Otomatik: Teori dan Penerapan. Jakarta: Erlangga. Parekh. (2003). AC Induction Motors Fundamentals. AN887 Microchip Technology. Purwanto, E. (2008). Pengembangan Inverter Fuzzy Logic Control untuk pengendalian Motor Induksi. Makara Teknologi Volume 12 No.1. Putri, I. R. (2007). Penerapan Adaftif Fuzzy pada pengaturan kecepatan Motor Induksi tiga Fasa. Jurnal Teknik Gelegar Vol. 18 No.1. Robandi, I. (2006). Desain Sistem Tenaga Modern Optimasi, Logika Fuzzy dan Algoritma Genetika. Yogyakarta: Andi Ofset. Rose, T. J. (2010). Fuzzy Logic with Engineering Application. John Wiley & Sons Ltd. Rusli, M. (1997). Sistem Kontrol Kedua. Malang: Teknik Elektro-Universitas Brawijaya. Sugeng. (2012). Penerapan Fuzzy Inference System Untuk Mengendalikan Kecepatan Motor Conveyor. STMIK Eresha Jakarta. Suyanto. (2008). Soft Computing, Membangun Mesin Ber-IQ Tinggi. Bandung: Informatika. The MathWorks Inc. (2013). Fuzzy Logic Toolbox User Guide. Diakses 4 Maret 2013 dari fuzzy.pdf. Tianur. (2011). Kontrol Kecepatan Motor Induksi Menggunakan Metode PID-Fuzzy, PENS. Widodo, B. (2008). Simulasi Pengendali PID Fuzzy pada Sistem Pengaturan Kecepatan Motor Arus Searah. Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 3 26