KLASIFIKASI KECEPATAN MOTOR ARUS SEARAH (DC) MENGGUNAKAN FUZZY LOGIC

Transkripsi

1 KLASIFIKASI KECEPATAN MOTOR ARUS SEARAH (DC) MENGGUNAKAN FUZZY LOGIC Syamsurjal & Abdul Mus Mapplotteng Jurusan Penddkan Teknk Elektro FT UNM ABSTRAK Tujuan peneltan n untuk mengetahu cara menghtung arus dan tegangan keluaran berdasarkan klasfkas kecepatan motor arus searah (DC) dengan fuzzy logc. Peneltan n merupakan peneltan ekspermen dengan terlebh dahulu menentukan spesfkas motor yang akan danalss. Pengumpulan data dlakukan dengan observas dalam bentuk ekspermen. Untuk mendefnskan keanggotaan hmpunan samar dgunakan defns secara fungsonal dengan menggunakan fungs segtga, dlanjutkan dengan strateg fuzzfkas dan defuzzfkas dengan metode center of maxmum (COM). Berdasarkan hasl peneltan dapat dsmpulkan, bahwa kecepatan motor arus searah dapat dkelompokkan dalam tga bagan lngustk yakn: lambat, sedang dan cepat. Penggunaan logka samar n tdak memerlukan persamaan matemats yang kompleks, melankan hanya dengan mendefnskan varabel masukan dan keluaran serta menetapkan hmpunan samar untuk tap varabel serta aturan-aturan yang dperlukan. Logka samar pada pengaturan kecepatan motor DC dgunakan untuk mengetahu hubungan antara varable masukan dan keluaran, dalam hal n varable masukan adalah putaran, sedangkan varable keluaran adalah arus dan tegangan. Tahap-tahap yang dlalu untuk memperoleh gambaran tentang pengaturan kecepatan motor DC adalah tahap fuzzfkas, tahap nferens, dan tahap defuzzfkas. Dalam strateg pengamblan keputusan dperoleh aturan-aturan bahwa putaran berbandng lurus dengan arus dan tegangan. Kata Kunc: kecepatan motor DC, fuzzy logc, fuzzfks, defuzzfks, nferens. A. PENDAHULUAN Alasan utama memlh mesn DC dalam ndustr modern adalah karena kecepatan kerja motor-motor DC mudah datur dalam suatu rentang kecepatan yang lebar, serta banyak metode lan yang dapat dgunakan. D sampng tu, motor lstrk arus searah (DC) yang memlk karakterstk putaran dan tors yang bak, sangat cocok dgunakan pada ndustr yang membutuhkan pengaturan yang halus. Pengaturan yang dlakukan berupa pengaturan arus mula, pengaturan putaran, pengaturan tegangan, pengaturan frekuens, serta pengaturan poss. Pengaturan n dlakukan karena dalam proses ndustr serng dbutuhkan besaranbesaran yang memerlukan konds atau persyaratan yang khusus sepert keteltan yang tngg, harga yang konstan untuk selang waktu tertentu, harga yang bervaras dalam suatu rangkuman tertentu, perbandngan yang tetap antara dua besaran atau varabel atau suatu besaran sebaga fungs dar besaran lannya (Sahat Pakpahan, 1994). Klasfkas kecepatan motor dc menggunakan fuzzy logc 65

2 Untuk memudahkan klasfkas kecepatan motor arus searah dgunakan konsep logka samar yang lebh dkenal dengan sebutan logka fuzzy. Logka fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang nput ke dalam suatu ruang output. Salah satu aplkasnya adalah pada tahun 1990 pertama kal dbuat mesn cuc dengan logka fuzzy d Jepang. Sstem fuzzy dgunakan untuk menentukan putaran yang tepat secara otomats berdasarkan jens dan banyaknya kotoran serta jumlah yang akan dcuc (Kusumadew, 2003). Berdasarkan uraan d atas, dapat dlakukan pengelompokan terhadap kecepatan motor DC yang dkehendak dengan menggunakan konsep logka samar atau logka fuzzy. Pengelompokan kecepatan motor dlakukan agar lebh mudah menggambarkan perbedaan sfat kecepatan motor lstrk sepert cepat, sedang, ataupun lambat. Ada beberapa alasan untuk menggunakan logka fuzzy, antara lan: konsep logka fuzzy mudah dmengert, logka fuzzy sangat fleksbel, memlk tolerans terhadap data-data yang tdak tepat, mampu memodelkan fungs-fungs nonlnear yang sangat kompleks, ddasarkan pada bahasa alam, serta dapat bekerjasama dengan teknk-teknk kendal secara konvensonal. Tahap-tahap yang dlalu untuk memperoleh gambaran tentang pengaturan kecepatan motor DC adalah tahap fuzzfkas, tahap nferens, dan tahap defuzzfkas. Pada tahap fuzzfkas, untuk setap hmpunan bagan dtentukan fungs dstrbusnya untuk menentukan derajat keanggotaannya. Dalam hal n, dgunakan dstrbus trapesum untuk fungs keanggotaan pertama dan terakhr dar varabel masukan dan dstrbus segtga untuk fungs keanggotaan lannya. Setap varabel masukan dcar harga lngustk beserta derajat keanggotaannya. Dalam hal n tegangan DC hasl konvers putaran rotor menjad varabel masukan Fuzzy Logc Controller (FLC). Untuk varabel keluaran yang merupakan tegangan masukan motor DC, fungs keanggotaannya dplh bentuk dstrbus segtga dan trapesum. Pada tahap nferens, strateg pengamblan kesmpulan merupakan realsas proses penalaran operator, yang umum melbatkan unsur pengalaman. Dar hasl penalaran operator dbuat kombnas aturan kendal yang memungknkan pengaturan sstem menjad optmal. Defuzzfkas ddefnskan sebaga proses pemetaan dar hmpunan fuzzy hasl nferens ke dalam aks kendal non fuzzy. Pada tahap defuzzfkas, keluaran dar tahap nferens umumnya terdr dar beberapa besaran lngustk, masng-masng dengan derajat keanggotaan tertentu. Untuk bsa dgunakan sebaga masukan bag sstem maka besaran lngustk n harus dkonverskan menjad besaran numerk. Klasfkas kecepatan motor dc menggunakan fuzzy logc 66

3 Berdasarkan uraan d atas, yang menjad nt permasalahan adalah: Bagamana menghtung arus dan tegangan keluaran berdasarkan klasfkas kecepatan motor DC dengan fuzzy logc? B. TINJAUAN PUSTAKA 1. Motor Arus Searah (DC) Motor dc adalah peralatan yang berfungs mengubah daya lstrk menjad daya mekank. Konstruks motor dc terdr atas stator, rotor, dan bagan lan yang merupakan rangkaan lstrk. Prnsp kerjanya berdasarkan pada penghantar yang dalr arus lstrk dan dtempatkan pada suatu medan magnet. Penghantar tersebut akan mengalam gaya yang menmbulkan torka untuk menghaslkan rotas mekank, sehngga motor akan berputar. Berdasarkan rangkaan penguat magnetnya, motor dc dbedakan atas: a. Motor dc penguat terpsah, yatu bla arus penguat magnet dperoleh dar sumber dc d luar motor. b. Motor dc penguat sendr, yatu bla arus penguat magnet berasal dar motor tu sendr. Selanjutnya, motor dc penguat sendr dbedakan atas motor deret atau ser, motor shunt, motor kompon yang terdr atas kompon pendek dan kompon panjang (Zuhal, 1995 dan Sumanto, 1991). Kecepatan putaran motor dc (n) djelaskan melalu persamaan: VTM I A RA n =... (Zuhal, 2002) Kφ V TM merupakan tegangan termnal, I A arus jangkar motor, R A adalah hambatan jangkar motor, K adalah konstanta motor, dan φ merupakan fluks magnet yang terbentuk pada motor. 2. Konsep Dasar Logka Samar a. Hmpunan Samar Manusa mengenal objek dengan memberkan klasfkas sepert besar, kecl, tngg, rendah, dan sebaganya. Batas antara unsur kebenaran dan kebenaran lannya tdak tegas dan serng mengandung unsur ketdakpastan. Msalnya, dengan mengatakan langt cerah, bukan berart tdak ada sedktpun awan d langt. Dapat pula dkatakan bahwa langt cerah pada saat langt tertutup awan 50%. Adalah wajar bla dkatakan bahwa langt cerah pada saat awan menutup langt sektar 10% atau 20%. Masalah yang muncul adalah bagamana menentukan batas pemsah, kapan dkatakan langt cerah atau tdak cerah. Dmana batas pemsah Klasfkas kecepatan motor dc menggunakan fuzzy logc 67

4 dkatakan sesuatu tu besar atau kecl, tngg atau rendah, dan sebaganya. Untuk membatas kontradks n, perlu dberkan perubahan transs secara bertahap pada derajat jumlah keadaan cerah menjad tdak cerah. Pada tahun 1965 dperkenalkan suatu teor, yatu pendekatan hmpunan samar (fuzzy sets theory) oleh salah seorang tokoh dar Inda, yatu Prof. Lotf A. Zadeh (Rachmanar dk., 2005). Teor tersebut merupakan perluasan teor hmpunan konvensonal (klask), yatu hmpunan yang membag sekelompok ndvdu ke dalam dua kategor: anggota atau bukan anggota blangan rl antara 0 dan 1. Menurutnya, defns hmpunan samar (fuzzy sets theory) adalah sebuah kumpulan samar (A) dalam sebuah ruangan ttk-ttk X = (x) yang merupakan sebuah kelas kejadan (class of events) dengan sebuah derajat keanggotaan kontnyu (grade of membershp) dan dtanda dengan sebuah fungs keanggotaan µ A (x) yang dhubungkan dengan setap ttk dalam X oleh sebuah blangan rl dalam nterval [0,1] dengan nla µ A (x) pada x yang menyatakan derajat keanggotaan x dalam A. b. Logka Samar Pada Buku Manual Program Aplkas Matlab R14 (2005) djelaskan bahwa logka samar merupakan pengembangan dar logka mult-nla (multvalue). Tujuannya menyedakan dasar untuk pertmbangan pendekatan (approxmate reasonng) dengan dall-dall yang tdak past dengan menggunakan teor hmpunan samar sebaga alat prnspl. Pengetahuan yang termasuk dalam pemkran samar dekspreskan sebaga aturan dalam bentuk Jka x adalah A, maka y adalah B, dmana x dan y adalah varabel samar, serta A dan B adalah nla samar. Kalmat pada bagan anteseden atau konsekuen dar aturan-aturan dapat dhubungkan dengan AND dan OR. Implementas pengetahuan dengan menggunakan logka samar memuat aturan-aturan samar yang dekspreskan dalam bentuk yang memungknkan aturan-aturan tu dapat dengan mudah dprogram. Contoh sstem pengamblan keputusan dalam logka samar dapat dproses sebaga berkut: Pengetahuan : Jka ar sangat panas, maka tambahkan ar dngn yang banyak. Fakta : Ar cukup panas Kesmpulan : Tambahkan sedkt ar dngn. Kekuatan logka samar berasal dar kemampuannya untuk mengkombnaskan operasoperas kombnatoral yang sangat banyak dengan kalmat-kalmat lngustk yang sederhana dan tdak past. Logka samar mengekspreskan hubungan dengan mengelompokkan nla-nla yang sangat banyak ke dalam hmpunan samar yang dgambarkan oleh kata-kata sfat sepert Klasfkas kecepatan motor dc menggunakan fuzzy logc 68

5 kecl, agak lambat, hangat, panas, dan berusa parobaya. Tap kata sfat n mencakup suatu range nla dan dsaner atau programmer memutuskan dalam batas mana suatu kata sfat termasuk. Pendekatan logka samar melalu pengendal-pengendal logka samar dapat memberkan pengontrolan yang lebh halus dbandngkan pengendal-pengendal konvensonal. Juga mampu memecahkan masalah-masalah yang tdak dapat dpecahkan dengan teknk-teknk konvensonal. Pengendal fuzzy secara umum merupakan pengendal kalang tertutup. Struktur dasar pengendal logka fuzzy terdr atas unt fuzzfkas, mekansme penentuan keputusan dan bass aturan (nference system), dan unt defuzzfkas. Ada dua cara untuk mendefnskan keanggotaan hmpunan fuzzy, yatu secara numerk dan fungsonal. Defns secara numers menyatakan derajat fungs keanggotaan suatu hmpunan fuzzy sebaga vektor blangan yang dmensnya tergantung pada level dskretsas (cacah elemen dskret d dalam semesta). Defns fungsonal menyatakan fungs keanggotaan suatu hmpunan fuzzy dalam ekspres analts yang memungknkan derajat keanggotaan setap elemen dapat dhtung d dalam semesta wacana yang ddefnskan (Thomas, 2005). Defns fungsonal menotaskan fungs keanggotaan dalam bentuk sepert fungs n, fungs segtga dan fungs trapesum. Kedua defns n dgunakan untuk menentukan tngkat keanggotaan hmpunan samar dalam pengendal logka samar. 1) Fungs Segtga Kurva segtga pada dasarnya merupakan gabungan antara 2 gars (lnear) sepert terlhat pada Gambar 1. µ 1,0 0,5 a b c u Gambar 1. Fungs keanggotaan Segtga Fungs segtga memlk parameter a, b, c (Kusumadew, 2002). Fungs segtga ddefnskan sebaga berkut: Klasfkas kecepatan motor dc menggunakan fuzzy logc 69

6 T (u; a, b, c) = 0 untuk u a = (u - a) / ( b - a) untuk a u b (1) = (c - u) / ( c - b) untuk b u c = 0 untuk u c 2) Fungs Trapesum Menurut Kusumadew (2002), Fungs Trapesum dapat memlk dua bentuk sepert Gambar 2(a) dan 2(b). Fungs trapesum sepert Gambar 2(a) ddefnskan sebaga berkut: T (u; a, b, c) = 1 untuk 0 u a = (b - u) / (b - a) untuk a u b (2) Untuk gambar 2(b) ddefnskan sebaga berkut: T (u; a, b, c) = (u - a) / (b - a) untuk 0 u a = 1 untuk a u b (3) µ µ (a) Gambar 2. Fungs Trapesum (b) a. Strateg Fuzzfkas Fuzzfkas merupakan proses untuk memetakan hasl pengamatan masukan-masukan ke hmpunan-hmpunan samar dalam hmpunan semesta dar berbaga varabel masukan. Dalam proses kontrol, data hasl observas basanya tepat dan fuzzfkas dbutuhkan untuk memetakan hasl observas dar range masukan-masukan tepat ke nla-nla samar yang bersesuaan untuk varabel-varabel masukan sstem. Dalam metode n, jka data dmasukkan adalah nla tunggal samar, maka selanjutnya tdak perlu mencar derajat penyesuaan antara data masukan dengan hmpunan-hmpunan samar untuk varabel sstem yang telah dkarakterstkkan dengan fungs-fungs keanggotaan sesua bentuknya masng-masng. Tetap jka data masukan sebenarnya bukan merupakan nla samar tunggal, strateg fuzzfkas n Klasfkas kecepatan motor dc menggunakan fuzzy logc 70

7 dterapkan untuk mencar bagan-bagan lngustk hasl pemetaan data masukan. Kemudan dlanjutkan mencar derajat penyesuaan dar data-data masukan dengan hmpunan-hmpunan samar sesua dengan bentuk-bentuk fungs keanggotaannya. Derajat penyesuaan n yang akan menunjukkan derajat keanggotaan dar sebuah bagan lngustk pada sebuah varabel lngustk masukan. Proses fuzzfkas adalah proses perubahan masukan varabel fuzzy menjad varabel fuzzy yang dsajkan dalam bentuk hmpunan-hmpunan fuzzy dengan suatu fungs keanggotaannya masng-masng. Oleh karena tu, langkah pertama yang harus dlakukan adalah mendesan hmpunan-hmpunan fuzzy yang dsajkan dalam bentuk fungs keanggotaan. Fuzzfkas adalah proses pemetaan dar varabel masukan ke dalam hmpunan fuzzy dalam suatu semesta wacana. Persamaan: X = fuzfer (X o ) X o merupakan vektor masukan hmpunan tegas, x adalah vektor hmpunan fuzzy hasl proses fuzzfkas, dan fuzfer adalah operator fuzzfkas. Fuzzfkas merupakan suatu proses untuk mengubah suatu peubah masukan dar bentuk tegas (crsp) menjad peubah fuzzy (varable lngustk) yang basanya dsajkan dalam bentuk hmpunan-hmpunan fuzzy dengan fungs keanggotaannya masng-masng. Unt fuzzfkas melakukan proses fuzzfkas dar data masukan tegas (crsp) dengan cara sebaga berkut: 1) Pemetaan nla tegas varabel masukan ke semesta wacana yang sesua. 2) Konvers dar data yang terpetakan tersebut ke stlah lngustk yang sesua dengan hmpunan fuzzy yang telah ddefnsskan untuk varabel tersebut. Evaluas aturan merupakan proses pengamblan keputusan yang berdasarkan aturanaturan yang dtetapkan pada bass aturan untuk menghubungkan antar peubah-peubah fuzzy masukan dan peubah fuzzy keluaran. Aturan-aturan n berbentuk jka maka (IF THEN). b. Teknk Teknk Pertmbangan Ada berbaga cara dmana nla-nla masukan hasl observas dapat dgunakan untuk mengdentfkas aturan yang mana yang seharusnya dgunakan untuk menympulkan tndakan kontrol fuzzy yang tepat. Metode pengamblan keputusan fuzzy yang dgunakan yatu metode Compostonal Rule of Inference (CRI), yatu: 1) Metode nferens fuzzy MAX MIN 2) Metode nferens MAX DOT Klasfkas kecepatan motor dc menggunakan fuzzy logc 71

8 Proses mengnferens atau pengamblan keputusan dkenal dengan pertmbangan pendekatan, karena proses ndustr bersfat alam, maka serng data masukan bersfat tepat. Fuzzfkas memberlakukan data n menjad nla-nla tunggal fuzzy yang kemudan dlanjutkan dengan metode Inferens fuzzy MAX MIN atau MAX DOT. µ A1 µ µ B1 C 1 µ C µ A2 µ µ B2 C 2 Gambar 3. Pertmbangan Fuzzy MAX-MIN dengan masukan-masukan tepat Teknk pengamblan keputusan yang dgunakan adalah metode max-mn yang pengamblan keputusan ddasarkan pada aturan operas menurut Mamdan. Solus hmpunan fuzzy dperoleh dengan cara mengambl nla maksmum aturan, kemudan menggunakannya untuk memodfkas daerah fuzzy dan mengaplkaskannya ke keluaran dengan menggunakan operator OR (unon). Jka semua proposs telah devaluas, keluaran akan bers suatu hmpunan fuzzy yang mereflekskan kontrbus tap-tap proposs. Fungs mplkas yang dgunakan yatu MIN. Keputusan yang dambl berdasarkan aturan ke- dapat dnyatakan dengan α 1 µ c (z), sehngga keanggotaan C adalah ttk yang dberkan oleh: µ c (z) = (α 1 µ c1 (z)) (α 2 µ c2 (z)) (α 1 µ c (z)) atau: µ c (z) = max {mn (α 1, µ c1 (z)), mn (α 2, µ c2 (z)),, mn (α, µ c (z))}. Gambar 3 memperlhatkan proses nferens MAX-MIN untuk nla-nla masukan tetap x o dan y o yang dberlakukan sebaga nla-nla tunggal fuzzy. c. Strateg Defuzzfkas Defuzzfkas merupakan proses pengubahan besaran fuzzy yang dsajkan dalam bentuk hmpunan-hmpunan fuzzy keluaran dengan fungs keanggotaannya untuk mendapatkan kembal bentuk tegasnya. Hal n dperlukan karena plant hanya mengenal nla tegas sebaga besaran sebenarnya untuk regulas prosesnya. Masukan proses defuzzfkas adalah suatu hmpunan fuzzy yang dperoleh dar komposs aturan-aturan fuzzy, sedangkan Klasfkas kecepatan motor dc menggunakan fuzzy logc 72

9 keluaran yang dhaslkan merupakan suatu blangan pada doman hmpunan fuzzy tersebut. Jka dberkan suatu hmpunan fuzzy dalam range tertentu, maka harus dapat dambl suatu nla crsp tertentu sebaga keluaran. Terdapat beberapa metode defuzzfkas yang serng dgunakan yatu: Metode Mean of Maxmum (MOM) Pada metode n, solus nla tepat (crsp) dperoleh dengan cara mengambl nla ratarata doman yang memlk nla keanggotaan maksmum. Pada metode MOM mula-mula dtentukan bagan lngustk yang memlk derajat fungs keanggotaan maksmum dar hmpunan fuzzy varable keluaran hasl proses fuzzfkas dan nferens. Kemudan nla tepat dar varable keluaran dperoleh dengan: W = max (A), dmana max (A) menunjukkan nla A, yang merupakan bagan varable lngustk yang bersangkutan. Metode Center of Maxmum (COM) Pada metode COM, untuk sebuah sstem samar MISO, msalnya jumlah aturan dnotaskan oleh n. Tngg maksmum dar sebuah hmpunan samar yang terdefns untuk aturan ke- kontrol keluaran dnotaskan oleh H. Nla kontrol keluaran tepat maksmum bersesuaan dengan hmpunan semesta pada varabel keluaran yang dnotaskan oleh I 1 dan msalkan fre strength dar tap aturan oleh α 1, maka nla kontrol tepat I yang ddefnskan dengan metode COM dberkan oleh: W n = 1 = n α H = 1 α H I 1 (Kusumadew, 2005) Karena nla tepat I 1 merupakan nla bagan lngustk dar varabel keluaran yang memlk fungs keanggotaan mencapa tngg maksmum H 1 (H 1 sama dengan 1), fungs keanggotaan yang smetrs dbutuhkan untuk bagan konsekuen pada aturan hmpunan samar. Pada metode COM, perubahan kecl pada data masukan tdak akan menyebabkan keluaran non-samar menghaslkan perbedaan yang besar dar sebelumnya. Hal n membuktkan bahwa metode COM adalah kontnyu. Sfat kontnutas sangat pentng untuk pengaturan kalang tertutup. Jka keluaran sstem logka samar secara langsung mengatur varabel dar proses, maka adanya lompatan atau perubahan besar menyebabkan ketdakpastan pada sstem. Klasfkas kecepatan motor dc menggunakan fuzzy logc 73

10 Metode Center of Gravty / Center of Area (COG /COA) Metode COG / COA menghaslkan pusat gravtas dar dstrbus yang mungkn dar tndakan kontrol. Contoh dapat dambl pada sebuah sstem fuzzy MISO. Msalnya jumlah aturan dnotaskan n; msalkan momen (sektar akss nol sepanjang hmpunan semesta) fungs keanggotaan sebuah hmpunan fuzzy yang terdefns untuk aturan ke-i. Kontrol keluaran dnotaskan oleh M I dan daerahnya dnotaskan oleh A I, maka nla kontrol tepat W yang d defuzzfkas dengan metode COG / COA dberkan oleh: W n = 1 = n = 1 α M α A (Kusumadew, 2005) Perbandngan ketga metode Defuzzfkas Tabel 1 memperlhatkan perbandngan ketga metode defuzzfkas d atas: Tabel 1. Perbandngan metode defuzzfkas COG /COA COM MOM Karakterstk Berkomprom terbak Berkomprom Solus palng masuk akal lngustk terbak Kontnutas Ya Ya Ya Efsens Sangat Rendah Tngg Tngg perhtungan Contoh aplkas Kontrol, decson support, analss data Kontrol, decson support, analss data Pengenalan pola, decson support, analss data Sumber: Rachmanar dkk., 2005 Hal yang sangat pentng dalam proses defuzzfkas adalah kontnutas. Adapun pengertan kontnutas dalam hal n adalah: Msalkan sebuah sstem logka fuzzy memlk jumlah aturan yang lengkap (untuk tap kombnas varabel masukan, memlk satu aturan sendr) dan fungs-fungs keanggotaan masukan yang tumpah tndh. Dalam hal n suatu metode defuzzfkas dapat dkatakan kontnyu apabla perubahan yang sangat kecl pada varabel masukan tdak menghaslkan perubahan yang besar pada varabel keluaran. Salah satu cara untuk menggambarkan fungs keanggotaan fuzzy logc, dgunakan sebuah hardware yang dkenal dengan nama DT-51 Petrafuz. DT-51 Petrafuz merupakan sebuah hardware yang d dalamnya bers kernel fuzzy dengan bahasa Assembly MCS-51. Jumlah maksmal crsp masukan adalah 5 dan jumlah maksmal crsp keluaran adalah 3. Jumlah Klasfkas kecepatan motor dc menggunakan fuzzy logc 74

11 maksmal membershp functon masukan dan keluaran adalah 8. Untuk membershp functon masukan dgunakan 4 pont karena bentuknya adalah segtga dan 1 pont per keluaran-nya. C. METODE PENELITIAN Peneltan n merupakan peneltan ekspermen untuk mengambl data-data berupa kecepatan motor, arus dan tegangan. Peneltan n dlaksanakan d Laboratorum Teknk Elektro Fakultas Teknk Unverstas Neger Makassar. Dalam peneltan n terlebh dahulu dtentukan spesfkas motor yang akan danalss, kemudan dlakukan analss dengan metode fuzzfkas, defuzzfkas, dan dserta analss hasl uj coba. Varabel peneltan n adalah tegangan, arus, dan kecepatan putaran rotor. Varabel tersebut dperoleh dengan mengubah atau mengatur beban, sehngga perubahan beban akan berpengaruh terhadap putaran rotor. Data-data pengukuran yang terkumpul, dolah dengan terlebh dahulu mendefnskan keanggotaan hmpunan samar secara fungsonal, yatu menggunakan fungs segtga. Untuk strateg fuzzfkas, prosesnya dapat dekspreskan sebaga: X = fuzzfer (x o ), Untuk strateg defuzzfkas dapat dnotaskan sebaga berkut: y o = defuzzfer (y), Metode defuzzfkas yang dgunakan adalah metode center of maxmum (COM). Nla kontrol tepat I yang ddefnskan dengan metode COM dberkan oleh: W = n = 1 α H n = 1 I 1 α H D. HASIL PENELITIAN 1. Data Hasl Pengukuran Setelah melakukan pengukuran terhadap kecepatan motor arus searah, maka ddapatkan hasl-hasl sebaga berkut: Klasfkas kecepatan motor dc menggunakan fuzzy logc 75

12 a. Untuk tegangan konstan, Vm = 24 Volt Tabel 2. Pengukuran kecepatan motor DC Tahap N (rpm) Im (ma) Tahap N (rpm) Im (ma) b. Untuk arus konstan, Ia = 300 ma Tabel 3. Pengukuran kecepatan motor DC Tahap N (rpm) V (Volt) Tahap N (rpm) V (Volt) Data-Data Hasl Pengolahan Dengan Fuzzy Logc Berdasarkan data-data yang dperoleh dengan menggunakan fuzzy logc kta dapat mengklasfkaskan kecepatan motor sebaga berkut: a. Klasfkas kecepatan motor DC dengan tegangan tetap Pada klasfkas kecepatan motor DC dengan tegangan tetap varabel masukan adalah putaran rotor dan varabel keluaran adalah arus. Hasl klasfkas varabel masukan dan varabel keluaran masng-masng dapat dlhat pada Tabel 4 dan 5, sedangkan hasl fuzzfkas, nferens, dan defuzzfkas pengaturan kecepatan motor pada Tabel 6. Tabel 4. Bagan Lngustk dan data fungs keanggotaan varabel masukan No Bagan Lngustk Rendah Sedang Tngg 1 Lambat , Sedang 1482, ,5 3 Cepat , Klasfkas kecepatan motor dc menggunakan fuzzy logc 76

13 y 1 Lambat Sedang Cepat x Gambar 4. Fungs keanggotaan varabel putaran dengan tegangan konstan Tabel 5. Bagan Lngustk dan data fungs keanggotaan varabel keluaran No Bagan Lngustk Rendah (ma) Sedang (ma) Tngg (ma) 1 Lambat 10 63,75 117,5 2 Sedang 63,75 117,5 171,25 3 Cepat 117,5 171, y Rendah Sedang Tngg 10 63,5 117,5 171, x Gambar 5. Fungs keanggotaan varabel arus dengan tegangan tetap Tabel 6. Hasl fuzzfkas, nferens dan defuzzfkas pengaturan kecepatan motor Fuzzfkas Inferens Defuzzfkas 1482,5 rpm - Keanggotaan max: Lambat - Keanggotaan mn: rpm - Keanggotaan max: Sedang - Keanggotaan mn: Lambat 2400 rpm - Keanggotaan max: Sedang - Keanggotaan mn: Lambat Aturan yang memenuh: Jka putaran lambat maka arus rendah α 1 = 1 Aturan yang memenuh: - Jka putaran sedang maka arus sedang - Jka putaran lambat maka arus rendah, α 1 = dan α 2 = Aturan yang memenuh: - Jka putaran sedang maka arus sedang - Jka putaran lambat maka arus rendah, α 1 = 0.2 dan α 2 = 0.8 Arus keluaran: I = 63,75 ma Arus keluaran; I = 95,208 ma Arus keluaran: I = 106,55 ma Klasfkas kecepatan motor dc menggunakan fuzzy logc 77

14 3400 rpm - Keanggotaan max: Cepat - Keanggotaan mn: Sedang 4000 rpm - Keanggotaan max: Cepat - Keanggotaan mn: Sedang 4427,5 rpm - Keanggotaan max: Cepat - Keanggotaan mn: - Aturan yang memenuh: - Jka putaran cepat maka arus tngg - Jka putaran sedang maka arus sedang, α 1 = 0.2 dan α 2 = 0.8 Aturan yang memenuh: - Jka putaran cepat maka arus tngg - Jka putaran sedang maka arus sedang, α 1 = 0.7 dan α 2 = 0.3 Aturan yang memenuh: Jka putaran cepat maka arus tngg α 1 = 1 Arus keluaran: I = 133,625 ma Arus keluaran: I = 155,663 ma Arus keluaran: I = 171,25 ma b. Klasfkas kecepatan motor DC dengan arus tetap Pada klasfkas kecepatan motor dengan arus tetap varabel masukan putaran rotor, sedangkan varabel keluaran yatu tegangan. Hasl klasfkas varabel masukan dan varabel keluaran masng-masng dapat dlhat pada Tabel 7 dan 8, sedangkan hasl fuzzfkas, nferens, dan defuzzfkas pengaturan kecepatan motor pada Tabel 9. Tabel 7. Bagan Lngustk dan data fungs keanggotaan varabel masukan No Bagan Lngustk Rendah Sedang Tngg 1 Lambat , ,5 2 Sedang 1688, ,5 3926,25 3 Cepat 2807,5 3926, y 1 Lambat Sedang Cepat x Gambar 6. Fungs keanggotaan varabel putaran dengan arus konstan Klasfkas kecepatan motor dc menggunakan fuzzy logc 78

15 Tabel 8. Bagan Lngustk dan data fungs keanggotaan varabel keluaran No Bagan Lngustk Rendah (Volt) Sedang (Volt) Tngg (Volt) 1 Lambat 6 10, Sedang 10, ,5 3 Cepat 15 19,5 24 y Rendah Sedang Tngg x Gambar 7. Fungs keanggotaan Varabel tegangan dengan arus konstan Tabel 9. Hasl Fuzzfkas, nferens dan defuzzfkas pengaturan kecepatan motor Fuzzfkas Inferens Defuzzfkas 1688,75 rpm - Keanggotaan max: Lambat - Keanggotaan mn: rpm - Keanggotaan max: Sedang - Keanggotaan mn: Lambat 2500 rpm - Keanggotaan max: Sedang - Keanggotaan mn: Lambat 3000 rpm - Keanggotaan max: Cepat - Keanggotaan mn: Sedang 3500 rpm - Keanggotaan max: Cepat - Keanggotaan mn: Sedang 3926,25 rpm - Keanggotaan max: Cepat - Keanggotaan mn: - Aturan yang memenuh: Jka putaran lambat maka tegangan rendah. α 1 = 1 Aturan yang memenuh: - Jka putaran sedang maka tegangan sedang - Jka putaran lambat maka tegangan lambat, α 1 = 0.72 dan α 2 = 0.28 Aturan yang memenuh: - Jka putaran sedang maka tegangan sedang - Jka putaran lambat maka tegangan lambat, α 1 = dan α 2 = Aturan yang memenuh: - Jka putaran cepat maka tegangan tngg - Jka putaran sedang maka tegangan sedang, α 1 = 0.83 dan α 2 = 0.17 Aturan yang memenuh: - Jka putaran cepat maka tegangan tngg - Jka putaran sedang maka tegangan sedang, α 1 = 0.38 dan α 2 = 0.62 Aturan yang memenuh: Jka putaran cepat maka tegangan tngg α 1 = 1 Tegangan keluaran: V = 10,5 V Tegangan keluaran: V = 11,76 V Tegangan keluaran: V = 13,763 V Tegangan keluaran: V = 15,765 V Tegangan keluaran: V = 17,79 A Tegangan keluaran: V = 19,5 V Klasfkas kecepatan motor dc menggunakan fuzzy logc 79

16 E. SIMPULAN DAN SARAN Penuls dapat memberkan beberapa kesmpulan sehubungan dengan hasl tulsan n, yatu : 1. Kecepatan motor dc dapat dklasfkaskan ke dalam tga bagan lngustk yakn: lambat, sedang dan cepat, sedangkan untuk klasfkas arus dan tegangan dbag dalam tga bagan lngustk yatu: rendah, sedang dan tngg. 2. Pada saat tegangan konstan terlhat bahwa rentang kecepatan antara lambat dan sedang, sedang dan cepat sebesar 1472,5 rpm.daerah fuzzy terletak antara 1482, rpm yang termasuk dalam fungs keanggotaan lambat dan sedang serta berada antara rpm yang termasuk dalam fungs keanggotaan sedang dan cepat. Sedangkan rentang arus antara rendah dan sedang, sedang dan tngg sebesar 53,75 ma. Daerah fuzzy berada antara 63,75 117,5 ma yang termasuk dalam fungs keanggotaan rendah dan sedang serta berada antara 117,5 171,25 ma yang termasuk dalam keanggotaan sedang dan cepat. 3. Pada saat arus konstan terlhat bahwa rentang kecepatan antara lambat dan sedang, sedang dan cepat sebesar 1118,75 rpm. Daerah fuzzy terletak antara 1688, ,5 rpm yang termasuk dalam fungs keanggotaan lambat dan sedang serta berada antara 2807,5 3926,25 rpm yang termasuk dalam fungs keanggotaan sedang dan cepat. Sedangkan rentang tegangan antara rendah dan sedang, sedang dan tngg sebesar 4,5 Volt. Daerah fuzzy berada antara 10,5-15 Volt yang termasuk dalam fungs keanggotaan rendah dan sedang serta berada antara 15 19,5 Volt yang termasuk dalam keanggotaan sedang dan cepat. DAFTAR PUSTAKA Anthony, Achmad Kamus Lengkap Teknk (Inggrs - Indonesa). Surabaya: Gtameda Press. Asta, Dw Fuz adaptf dengan penalaan fungs keanggotaan pada pengendal kecepatan Motor DC Berbass Mkrokontroler AT89C52. Skrps. Tdak dpublkaskan. Yogyakarta: Jurusan Teknk Elektro Fakultas Teknk Unverstas Gadjah Mada. Ftzgerald, A. E Mesn Mesn Lstrk. Jakarta: Erlangga. Kadr, Abdul Mesn Arus Searah. Jakarta: Djambatan. Klr, J. George & Folger, A. Tna Fuzzy Sets, Uncertanty, and Informaton. New Delhy: Tarun Offset Prnters. Klasfkas kecepatan motor dc menggunakan fuzzy logc 80

17 Kusumadew, Sr Analss Desan Sstem Fuzzy Menggunakan Tool Box Matlab. Yogyakarta: Graha Ilmu. Kusumadew, Sr Artfcal Intellgence (Teknk dan Aplkasnya). Yogyakarta: Graha Ilmu. Rachmanar, Ida & Anuddn, Yulant Perancangan Sstem Kendal Logka Samar Berbass Mkrokontroler. Tugas Akhr. Tdak dpublkaskan. Makassar: Jurusan Elektro Fakultas Teknk Unverstas Hasanuddn. Sahat Pakpahan Kontrol Automatk: teor dan penerapan. Jakarta: Erlangga. Sugyono Metode Peneltan Admnstras. Bandung; Alfabeta. Sumanto Mesn Arus Searah. Yogyakarta: And Offset. Wahyud Implementas Fuzzy Logc Controller pada System Pengereman Kereta Ap. Transms, Vol. 10, dakses 9 Me 2006). Wdodo, T.S Sstem Neuro Fuzzy untuk Pengolahan Informas, Pemodelan, dan Kendal. Yogyakarta: Graha Ilmu. Zuhal Dasar teknk tenaga lstrk dan elektronka daya. Jakarta: Grameda. Klasfkas kecepatan motor dc menggunakan fuzzy logc 81