satu proses pemurnian tersebut adalah dengan cara sulfitasi. Dalam proses ini, penetralan air kapur yang berlebihan pada pemurnian nira dilakukan deng
|
|
- Hartono Muljana
- 7 tahun lalu
- Tontonan:
Transkripsi
1 SIMULASI SISTEM PENGONTROL PH NIRA PADA PROSES PEMBUATAN GULA MENGGUNAKAN METODE ANFIS Novan Wahyudi Fakultas Teknologi Industri Jurusan Teknik Informatika Abstrak Proses pemurnian nira rupakan salah satu tahapan yang penting dalam pembuatan gula. Proses ini bertujuan untuk nghilangkan sebanyak mungkin zat bukan gula dari nira ntah. Bejana sulfitasi sebagai objek atur (plant) digunakan sebagai tempat untuk lakukan proses pemurnian, yaitu dengan ncampurkan nira dengan gas SO 2. Pengontrolan ph pada bejana sulfitasi sangat penting, karena ph ini akan berpengaruh pada kualitas gula yang dihasilkan. Dalam proses ini, ph yang diinginkan adalah sebesar 7,2. Kontrol logika fuzzy, dalam hal ini Adaptive Neuro-Fuzzy Inference System (ANFIS), rupakan alternatif yang dapat digunakan untuk ngendalikan ph pada bejana sulfitasi. Perancangan pengontrol ANFIS bertujuan untuk minimasi error dari ph luaran sistem dan ningkatkan mampuan sistem dalam respon gangguan yang diberikan, sehingga ph yang dihasilkan sesuai dengan setting point yaitu 7,2. Dari hasil simulasi dan pengujian sistem, pengontrol ANFIS berhasil ngurangi tingkat salahan (error) dibandingkan sebelum nggunakan pengontrol ANFIS dan mampu ningkatkan handalan sistem dalam ngatasi gangguan yang terjadi pada sistem. Kata Kunci : Adaptive Neuro-Fuzzy Inference System (ANFIS), Pengontrolan ph. I. PENDAHULUAN Seiring dengan permbangan teknologi pengontrol sistem atau yang disebut dengan controller, beradaannya pun semakin diperlukan. Salah satu tode pengontrol yang dapat digunakan untuk nunjang rja sistem adalah pengontrol dengan tode Adaptive Neuro-Fuzzy Inference System atau yang lebih dinal dengan ANFIS. ANFIS adalah pengontrol logika fuzzy yang rupakan salah satu bagian dari sistem pengaturan cerdas. Proses pemurnian rupakan suatu proses yang dilakukan untuk murnikan nira ntah yang dihasilkan oleh proses penggilingan tebu. Dalam proses pemurnian ini, sebanyak mungkin zat bukan gula diluarkan dari nira ntah. Salah
2 satu proses pemurnian tersebut adalah dengan cara sulfitasi. Dalam proses ini, penetralan air kapur yang berlebihan pada pemurnian nira dilakukan dengan jalan mberikan gas SO2. Besarnya ph yang diinginkan dalam proses ini adalah 7,2 [Literatur PT. PG. Krebet Baru II Malang]. Bejana Sulfitasi digunakan sebagai tempat untuk ncampur nira dengan gas SO2. Pengontrolan ph pada Bejana Sulfitasi sangat penting, karena ph ini akan berpengaruh terhadap kualitas gula putih yang dihasilkan. Kontrol logika fuzzy, dalam hal ini ANFIS, rupakan alternatif yang digunakan untuk ngendalikan ph pada Bejana Sulfitasi ini. Tugas akhir ini akan mbahas tentang pengontrolan ph pada Bejana Sulfitasi dengan nggunakan ANFIS (Adaptive Neuro Fuzzy Inference System). Perubahan aliran nira ngakibatkan terjadinya perubahan pada parater plant. Plant adalah objek yang akan dikontrol, dalam hal ini Bejana Sulfitasi. Mekanis adaptasi dari pengontrol ANFIS ini diharapkan mampu untuk ngatasi perubahan parater plant sehingga ph nira yang diinginkan sesuai dengan setting point yaitu 7,2. II. PENGONTROLAN PH NIRA Tujuan dari sistem pengendalian ini adalah untuk mpertahankan ph luaran nira sesuai dengan harga set point sebesar 7,2. Pengendalian ph dilakukan dengan cara ngatur besarnya laju gas SO 2 yang ngalir dalam Bejana Sulfitasi. ph luaran rupakan hasil dari pencampuran antara gas SO 2 dengan nira dan diukur oleh sensor ph. Sinyal luaran tersebut akan dibandingkan dengan set point oleh pengontrol. Laju aliran nira rupakan fungsi dari bukaan katub ndali. Fungsi alih dari tiap-tiap proses diperoleh dari perhitungan setimbangan massa dan komponen. Set point dari sistem berupa ph dengan nilai 7,2. Sinyal luaran dari sistem nantinya akan diumpanbalikkan dan dibandingkan dengan set point sehingga nghasilkan error (E) dan delta error (de). Error rupakan selisih antara sinyal luaran dengan set point dan delta error rupakan selisih antara error sekarang dengan error sebelumnya. Error dan delta error ini rupakan data bagi ANFIS dalam pembelajarannya untuk nghasilkan sinyal kontrol sesuai dengan target yang diinginkan. Blok umum diagram sistem pengendalian ph pada Bejana Sulfitasi adalah sebagai berikut: ph SP Sensor ph + I (ma) P (psi) KONTROLER Valve X (inch) + I/P Tranduser Proses ANFIS Gas SO Aliran _ 2 Sensor ph P (psi) Load Proses Aliran + V S (m 3 / ) Proses Sulfitasi ph output
3 Gambar 1 Blok aliran proses sistem. Dari gambar 1 di atas, masingmasing komponen system miliki model penurunan matematis yang rupakan parater yang mpengaruhi system. I/P tranduser digunakan untuk ngubah arus njadi sinyal pneumatik 3-15 psi. Tipe aktuator control valve gas SO 2 adalah diafragma. Aktuator ini digerakkan dengan nggunakan sinyal pneumatik. Control valve berfungsi untuk ngubah variabel yang dindalikan njadi sinyal luaran aktuator yaitu gerakan kanik dari valve yang akan ngatur laju aliran fluida dan sekaligus rupakan elen yang berfungsi untuk manipulasi variabel proses. Perencanaan pengontrol ini nggunakan ANFIS (Adaptive Neuro Fuzzy Inference System). ANFIS ini rupakan penggabungan kanis fuzzy inference system yang digambarkan dalam jaringan syaraf. Sistem inference fuzzy yang digunakan adalah model Takagi-Sugeno-Kang. ANFIS yang dirancang miliki dua variabel masukan yaitu error dan delta error, serta satu variabel luaran yaitu besarnya arus yang masuk I/P tranduser. Tahap-tahap yang dilakukan dalam perancangan ANFIS ini liputi tahap pengambilan data training, pembentukan fuzzy inference system, pembelajaran FIS, defuzzifikasi FIS dan pengujian FIS. Data yang digunakan sebagai data training adalah data error dan delta error serta data output (luaran) fuzzy yang diinginkan. Pengambilan data training terlihat pada gambar 2. Set Point Z -1 - error delta error SCOPE PLANT Output Gambar 2 Pengambilan data training (Sumber : Perancangan) Data yang didapatkan berjumlah 1200 pasangan data yaitu error dan delta error lalui proses penyamplingan yang dilakukan sebanyak 400 epoch untuk masingmasing beban, dan nilai step size sebesar 0,02 dengan nilai awal 0. Pasangan data yang diperoleh terdiri dari 400 pasangan data untuk beban 3,1 psi, 400 lainnya untuk psi dan 400 lainnya untuk beban 4,4 psi. Sinyal error dan delta error yang telah didapat, mudian dilakukan proses fuzzifikasi dengan cara takan sinyal error dan delta error pada suatu mbership function. Membership function yang digunakan pada penelitian ini adalah tipe gaussian mbership. Tipe ini dipilih karena fungsi ini sangat sederhana dan hanya mpunyai 2 parater serta mudah dalam penurunan fungsinya
4 sehingga diharapkan perhitungan fungsi atau penurunan terhadap paraternya relatif lebih cepat. Penentuan komposisi aturan rupakan tahap selanjutnya setelah penentuan range dan label himpunan fuzzy masukan/ luaran. Aturan yang dibuat sebayak 25 aturan dimana semua anggotan dari sinyal error bertemu dengan semua anggotaan sinyal delta error, begitu juga sebaliknya, semua anggotaan sinyal delta error bertemu dengan semua anggotaan sinyal error. Metode penalaran fuzzy yang dipergunakan oleh pengontrol logika neuro fuzzy (ANFIS) adalah tode MAX-DOT karena tipe ini ndukung w i fungsi µ yang digunakan dalam pelatihan ANFIS. i Setelah dilakukan pembentukan FIS, langkah selanjutnya adalah lakukan proses pembelajaran FIS. Metode belajar yang digunakan ANFIS pada tugas akhir ini adalah tode hybrid off-line yang rupakan penggabungan antara tode Least Square Estimation (LSE) dan gradient descent. Metode hybrid dipakai karena relatif lebih cepat ncapai konvergen, sehingga relatif cepat pula dalam ncari parater dengan salahan minimal seperti yang diinginkan. Dalam penggunaannya tode hybrid terdiri dari dua tahap. Tahap pertama adalah ncari consequent parater. Pada tahap ini, tode belajar yang digunakan adalah tode LSE. Tahap dua digunakan untuk ncari premise parater (parater fungsi anggotaan masukan). Pada tahap ini, tode belajar yang digunakan adalah tode gradient descent. Setelah disimulasikan, proses pembelajaran untuk masing-masing tekanan dapat dilihat pada gambar 3, 4, dan 5 berikut ini. Gambar 3 Proses pembelajaran pada tekanan 3,1 psi Pada gambar 3, error pembelajaran pada tekanan 3,1 psi adalah 9,6898e -5 dan ncapai average testing error sebesar 9,7146e - 5.
5 Gambar 5. Proses pembelajaran pada tekanan psi Gambar 4. Proses pembelajaran pada tekanan 4,4 psi Pada gambar 4, untuk tekanan 4,4 psi error pembelajaran sebesar 5,3662e -5 dan average testing error nilanya sama dengan error pembelajaran. Pada gambar 5, untuk tekanan psi, besarnya error pembelajaran sama dengan average testing error yaitu sebesar 7,3973e -6. Epochs Langkah selanjutnya adalah defuzzifikasi yg rupakan proses petaan himpunan fuzzy himpunan crisp. Proses ini rupakan balikan dari proses fuzzifikasi berfungsi untuk ngubah luaran linguistik dalam luaran crisp. Metode yang digunakan pada tugas akhir ini adalah dengan nggunakan tode weight average. Metode ini valid digunakan untuk bentuk fungsi anggotaan yang sitri dengan formulasi: (4.31) z * µ c ( z). z = _ µ ( z) c dengan z * = nilai luaran pengontrol z = nilai tengah luaran tiap fungsi luaran anggotaan fuzzy μ c = derajat anggotaan hasil inferensi fuzzy III. HASIL SIMULASI Pemberian beban berupa naik Epochsdan turunnya tekanan gas SO 2 ngakibatkan terjadinya perubahan pada ph nira. Hal ini disebabkan berkurangnya dan atau bertambahnya
6 jumlah aliran gas SO 2 yang masuk Bejana Sulfitasi yang digunakan untuk nurunkan atau naikkan ph. Pemberian pengontrol neuro fuzzy dalam hal ini ANFIS telah mampu ngurangi error yang terjadi selama proses penambahan dan pengurangan gas SO 2 dengan prosentase kurang dari 2 %. Tabel 1 untuk tekanan gas SO 2 saat sistem nggunakan pengontrol dan tabel 2 serta 3 untuk variasi perubahan tekanan gas SO 2. Parater Waktu turun Variasi Tekanan Gas SO 2 3,1 psi 4,4 psi 0,761 Waktu 3,174 netap, t s Error Steady - 0,611 State, e ss % 0,6295 2,988-0,0278 Tabel 1. Perbandingan pemberian beban dengan pengontrol ANFIS Berdasarkan tabel 1 tampak bahwa dalam kondisi normal yaitu pada tekanan 4,4 psi, nilai error steady state sebesar 0,0278 % dengan waktu turun sebesar 0,6295 dan waktu netap, t s, sebsar 2,988. Pada tekanan 3,1 psi dicapai error steady state sebesar 0,611 % dengan waktu turun sebesar 0,761 dan waktu netap, t s, sebsar 3,174. Sedangkan pada tekanan psi dicapai error steady state sebesar % psi 0, ,413 0,722 % 0,722 % dengan waktu turun sebesar 0,5875 dan waktu netap, t s, sebsar 2,413. Tanggapan sistem terhadap perubahan gangguan terlihat dalam tabel 2. Tabel 2 Respon sistem terhadap variasi Param eter Waktu pemul ihan tekanan Perubahan Tekanan Gas SO 2 (psi) 4,4 3,1 1,2 17 4,4 1,3 58 3,1 4,4 1,3 44 3,1 1,6 67 3,1 2,1 31 4,4 1,2 38 Pada tabel 2 diatas terlihat bahwa pada saat tekanan berubah dari adaan normal, yaitu 4,4 psi, njadi 3,1 psi, sistem mbutuhkan waktu pemulihan sebesar 1,217. Pada saat tekanan berubah dari adaan normal njadi psi, waktu pemulihan yang dibutuhkan sistem sebesar 1,358. Pada saat tekanan berubah dari 3,1 psi njadi 4,4 psi, waktu pemulihan yang dibutuhkan sistem sebesar 1,344. Pada saat tekanan berubah dari 3,1 psi njadi psi, waktu pemulihan yang dibutuhkan sistem sebesar 1,667. Pada saat tekanan berubah dari psi njadi 3,1 psi, waktu pemulihan yang dibutuhkan sistem sebesar 2,131. Pada saat tekanan berubah dari psi njadi 4,4 psi, waktu pemulihan yang dibutuhkan sistem sebesar 1,238.
7 Untuk perubahan laju aliran nira sebesar 10% dapat dilihat dalam tabel 3. Tabel 3 Respon sistem terhadap perubahan aliran nira Parater Error rata-rata Perubahan Aliran Nira +10% -10% - 0,622 % 0,477 % Dari tabel 3 terlihat bahwa tika laju aliran nira bertambah sebesar 10%, nilai error rata-rata sebesar -0,622%. Sedangkan pada saat laju aliran nira berkurang sebesar 10%, nilai error rata-rata sebesar 0,477%. Error rata-rata rupakan nilai error yang terjadi tika laju aliran naik dan turun. IV. KESIMPULAN Dari hasil simulasi dan pengujian yang telah dilakukan dengan nggunakan pengontrol neuro fuzzy dalam hal ini ANFIS untuk pengendalian ph nira pada Bejana Sulfitasi dapat diambil beberapa simpulan. Pada tekanan gas normal (4,4 psi), sistem di pabrik akan ncapai adaan mantap dengan waktu 5,5 dan miliki e ss sebesar 3 %. Setelah diberikan pengontrol ANFIS, sistem miliki e ss sebesar -0,0278 % dengan waktu netap 2,988. Pada tekanan yang berbeda, pengontrol ANFIS mampu ngurangi error steady state yang terjadi kurang dari 2%. Pada saat tekanan 3,1 psi, waktu turun sebesar 0,761, waktu netap sebesar 3,174, dan error steady state sebesar -0,611%. Sedangkan pada saat tekanan berubah psi, waktu turun sebesar 0,5875, waktu netap 2,413 dan error steady state sebesar 0,722%. Perubahan tekanan yang berbeda akan ngakibatkan ph nira bertambah dan berkurang, dikarenakan terjadi perubahan laju gas SO 2 yang masuk Bejana Sulfitasi. Pada saat terjadi perubahan tekanan dari tekanan normal (4,4 psi) 3,1 psi, sistem mbutuhkan waktu pemulihan sebesar 1,217 dengan error steady state sebesar -0,611%. Sedangkan pada saat tekanan berubah njadi psi, sistem mbutuhkan waktu pemulihan sebesar 1,358 dengan error steady state sebesar 0,722%. Pada perubahan laju aliran nira sebesar ± 10 % dari laju aliran normal sebesar 152,375 ton/jam, pemakaian pengontrol ANFIS mampu ngurangi error yang terjadi. Ketika laju aliran nira bertambah sebesar 10%, error rata-rata sebesar -0,622%. Sedangkan pada saat laju aliran nira berkurang sebesar 10%, error rata-rata sebesar 0,477%. REFERENSI [1]A,Moerdokusumo,1993, Pengawasan Kualitas dan
8 Teknologi Pembuatan Gula di Indonesia, ITB, Bandung. [2] Aprilyanti, I, 2004, Simulasi Perancangan Fuzzy Kontroler Sistem Pengendalian Temperatur Nira Pada Juice Heater di PG. Krebet Baru II. [3] Considine, Douglas M, 1985, Process Instrunt and controls Handbook, Mc Graw Hill, New York. [4]Coulson,JM And J,F,Richardson,1987, Chemical Engineering,An Introduction to Chemical Engineering Design volu 6,Pergamon Press,Singapore. [5] Gilbert F, Front,1990,Chemical Reactor Analysis and design 2 nd edition,john Wiley and Sons Inc,Kanada. [6] Gunterus, Frans, 1994, Falsafah Dasar: Sistem Pengendalian Proses, PT. Elex Media Komputindo,Jakarta.
PH CONTROL SYSTEM SIMULATION ON NIRA SUGAR MANUFACTURING PROCESS ON USING ANFIS (ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM) METHOD
PH CONTROL SYSTEM SIMULATION ON NIRA SUGAR MANUFACTURING PROCESS ON USING ANFIS (ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM) METHOD Novan Wahyudi, Dr. Dewi Agushinta R., Skom., Undergraduate Program, Faculty
Lebih terperinciPERANCANGAN KONTROLER KASKADE FUZZY UNTUK PENGATURAN TEKANAN PADA PRESSURE CONTROL TRAINER
TUGAS AKHIR TE 091399 PERANCANGAN KONTROLER KASKADE FUZZY UNTUK PENGATURAN TEKANAN PADA PRESSURE CONTROL TRAINER 38-714 Nur Muhlis NRP 2208 100 662 JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut
Lebih terperinciBAB III METODELOGI PENELITIAN. media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS)
BAB III METODELOGI PENELITIAN 3.1 Studi Literatur Untuk memehami cara rancang bangun pengontrol suhu dan kelembaban media cacing dengan metode adaptive neuro fuzzy inference system (ANFIS) dibutuhkan studi
Lebih terperinciTabel 1. Parameter yang digunakan pada proses Heat Exchanger [1]
1 feedback, terutama dalam kecepatan tanggapan menuju keadaan stabilnya. Hal ini disebabkan pengendalian dengan feedforward membutuhkan beban komputasi yang relatif lebih kecil dibanding pengendalian dengan
Lebih terperinciHerry gunawan wibisono Pembimbing : Ir. Syamsul Arifin, MT
PERANCANGAN SISTEM PENGENDALIAN DAYA REAKTOR NUKLIR MENGGUNAKAN LOGIKA FUZZY DI PUSAT TEKNOLOGI NUKLIR BAHAN DAN RADIOMETRI BADAN TENAGA NUKLIR NASIONAL (PTNBR BATAN) BANDUNG Herry gunawan wibisono 2406
Lebih terperinciSISTEM KENDALI DIGITAL
SISTEM KENDALI DIGITAL Sistem kendali dapat dikatakan sebagai hubungan antara komponen yang membentuk sebuah konfigurasi sistem, yang akan menghasilkan tanggapan sistem yang diharapkan. Jadi harus ada
Lebih terperinciMODEL KONTROL PREDIKSI BERBASIS ANFIS PADA HEAT EXCHANGER
MODEL KONTROL PREDIKSI BERBASIS ANFIS PADA HEAT EXCHANGER Ruslim Jurusan Teknik Elektro, Fakultas Teknik, Universitas Borneo Tarakan ruslim_s@yahoo.co.id ABSTRAKS Model dinamik dari sistem Heat Exchanger
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Bab ini membahas tentang teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk prediksi Beban Daya
Lebih terperinciAdaptive Fuzzy Untuk Menala Parameter PID pada Sistem Pengaturan Berjaringan. Nastiti Puspitosari L/O/G/O NETWORKED CONTROL SYSTEM (NCS)
L/O/G/O NETWORKED CONTROL SYSTEM (NCS) Adaptive Fuzzy Untuk Menala Parameter PID pada Sistem Pengaturan Berjaringan Nastiti Puspitosari 2208100039 BIDANG STUDI TEKNIK SISTEM PENGATURAN - ITS TOPIK PEMBAHASAN
Lebih terperinci3.5.1 Komponen jaringan syaraf Adaptif Neuro Fuzzy Inference System (ANFIS) Simulink MATLAB Mikrokontroler...
DAFTAR ISI HALAMAN PERSETUJUAN TESIS... i PERNYATAAN... ii KATA PENGANTAR... iii DAFTAR ISI... v DAFTAR TABEL... viii DAFTAR GAMBAR... ix INSTISARI... xii ABSTRACT... xiii BAB I PENDAHULUAN... 1 1.1 Latar
Lebih terperinciIMPLEMENTASI ADAPTIVE SWITCHING FUZZY LOGIC CONTROLER SEBAGAI PENGENDALI LEVEL AIR PADA TIGA BEJANA BERINTERAKSI
IMPLEMENTASI ADAPTIVE SWITCHING FUZZY LOGIC CONTROLER SEBAGAI PENGENDALI LEVEL AIR PADA TIGA BEJANA BERINTERAKSI Satryo Budi Utomo ), Rusdhianto ), Katjuk Astrowulan ) ) Fakultas Teknik,Jurusan Teknik
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (212) 1-6 1 Perancangan Sistem Pengendalian Tekanan dan Laju Aliran pada Pipa Bahan Bakar untuk Kebutuhan Awal Pembakaran Gas Turbin di Pembangkit Listrik Tenaga Gas
Lebih terperinciPENGENDALIAN PROSES EVAPORASI PADA PABRIK UREA MENGGUNAKAN KENDALI JARINGAN SARAF TIRUAN
PENGENDALIAN PROSES EVAPORASI PADA PABRIK UREA MENGGUNAKAN KENDALI JARINGAN SARAF TIRUAN Nazrul Effendy 1), Masrul Solichin 2), Teuku Lukman Nur Hakim 3), Faisal Budiman 4) Jurusan Teknik Fisika, Fakultas
Lebih terperinciBAB VI PENGUJIAN SISTEM. Beberapa skenario pengujian akan dilakukan untuk memperlihatkan
BAB VI PENGUJIAN SISTEM 6.1 Tahap Persiapan Pengujian Beberapa skenario pengujian akan dilakukan untuk memperlihatkan performansi sistem kontrol yang dirancang. Namun perlu dipersiapkan terlebih dahulu
Lebih terperinciMAKALAH SEMINAR TUGAS AKHIR PENGENDALIAN TINGGI MUKA CAIRAN PADA PLANT NONLINEAR MENGGUNAKAN METODE KONTROL FUZZY
MAKALAH SEMINAR TUGAS AKHIR PENGENDALIAN TINGGI MUKA CAIRAN PADA PLANT NONLINEAR MENGGUNAKAN METODE KONTROL FUZZY Doni Salami 1, Iwan Setiawan 2, Wahyudi 2 Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciPERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS)
PERAMALAN BEBAN LISTRIK JANGKA PENDEK DI BALI MENGGUNAKAN PENDEKATAN ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) L K Widyapratiwi 1, I P A Mertasana 2, I G D Arjana 2 1 Mahasiswa Teknik Elektro, Fakultas
Lebih terperinciIMPEMENTASI KONTROL PID DAN FUZZY LOGIC UNTUK SISTEM KONTROL KECEPATAN MOTOR DC SEBAGAI APLIKASI PRAKTIKUM KONTROL DIGITAL
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.3 December 2016 Page 4135 IMPEMENTASI KONTROL PID DAN FUZZY LOGIC UNTUK SISTEM KONTROL KECEPATAN MOTOR DC SEBAGAI APLIKASI PRAKTIKUM KONTROL DIGITAL
Lebih terperinciAPLIKASI FIS MODEL SUGENO PADA PENGENDALIAN VALVE UNTUK MANGATUR TINGGI LEVEL AIR. Wahyudi, Iwan Setiawan, dan Martina Nainggolan *)
APLIKASI FIS MODEL SUGENO PADA PENGENDALIAN VALVE UNTUK MANGATUR TINGGI LEVEL AIR Wahyudi, Iwan Setiawan, dan Martina Nainggolan *) Abstract Fuzzy control is one of the controller alternative using expert
Lebih terperinciPenerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas
Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas Zulfikar Sembiring Jurusan Teknik Informatika, Fakultas Teknik, Universitas Medan Area zoelsembiring@gmail.com Abstrak Logika Fuzzy telah banyak
Lebih terperinciPERANCANGAN SISTEM PENGENDALIAN PEMBAKARAN PADA DUCTBURNER WASTE HEAT BOILER (WHB) BERBASIS LOGIC SOLVER
PERANCANGAN SISTEM PENGENDALIAN PEMBAKARAN PADA DUCTBURNER WASTE HEAT BOILER (WHB) BERBASIS LOGIC SOLVER Oleh : AMRI AKBAR WICAKSONO (2406 100 002) Pembimbing: IBU RONNY DWI NORIYATI & BAPAK TOTOK SOEHARTANTO
Lebih terperinciPERANCANGAN SISTEM KENDALI PADA MICROHIDRO DENGAN FUZZY LOGIC CONTROLLER
PERANCANGAN SISTEM KENDALI PADA MICROHIDRO DENGAN FUZZY LOGIC CONTROLLER Nazrul Effendy 1), Ridwan Herdiawan ), Fikri Nur Muhammad 3) I Nym Kusuma Wardana 4) 1,,3,4) Jurusan Teknik Fisik Fakultas Teknik,
Lebih terperinciIMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG
IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG Nazrul Effendy, M. Heikal Hasan dan Febry Wikatmono Jurusan Teknik Fisika, Fakultas Teknik, Universitas Gadjah Mada Jln. Grafika
Lebih terperinciPERANCANGAN SISTEM KONTROL ph PADA SEMIBATCH REACTOR DENGAN MENGGUNAKANFUZZY LOGIC CONTROL UNTUK STUDI KASUS PENETRALAN CH3COOH DAN NaOH
PERANCANGAN SISTEM KONTROL ph PADA SEMIBATCH REACTOR DENGAN MENGGUNAKANFUZZY LOGIC CONTROL UNTUK STUDI KASUS PENETRALAN CH3COOH DAN NaOH Roza Hamidyantoro, Hendra Cordova, Ronny Dwi Noriyati Jurusan Teknik
Lebih terperinciPERANCANGAN SISTEM PENGENDALIAN TEMPERATURE PADA REBOILER METANOL RECOVERY MENGGUNAKAN FUZZY GAIN SCHEDULING-PID DI PT. ETERINDO NUSA GRAHA GRESIK
PERANCANGAN SISTEM PENGENDALIAN TEMPERATURE PADA REBOILER METANOL RECOVERY MENGGUNAKAN FUZZY GAIN SCHEDULING-PID DI PT. ETERINDO NUSA GRAHA GRESIK (Agus Handrian F, Syamsul Arifin, Roekmono) Jurusan Teknik
Lebih terperinciPRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM
ISSN 1412 3762 http://jurnal.upi.edu/electrans ELECTRANS, VOL.11, NO.2, SEPTEMBER 2012, 18-26 PRAKIRAAN BEBAN PUNCAK JANGKA PANJANG PADA SISTEM KELISTRIKAN INDONESIA MENGGUNAKAN ALGORITMA ADAPTIVE NEURO-FUZZY
Lebih terperinciBAB I PENDAHULUAN. manusia akan teknologi tepat guna. Teknologi tepat guna yang mampu memenuhi
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang semakin pesat dipicu oleh kebutuhan manusia akan teknologi tepat guna. Teknologi tepat guna yang mampu memenuhi perintah user dalam hal
Lebih terperinciPerancangan Graphical User Interface untuk Pengendalian Suhu pada Stirred Tank Heater Berbasis Microsoft Visual Basic 6.0
JURNAL ILMIAH ELITE ELEKTRO, VOL. 3, NO. 2, SEPTEMBER 2012: 89-95 89 Perancangan Graphical User Interface untuk Pengendalian Suhu pada Stirred Tank Heater Berbasis Microsoft Visual Basic 6.0 Muhammad Rozali
Lebih terperinciBAB I PENDAHULUAN. kendali dengan campur tangan manusia dalam jumlah yang sangat kecil.
BAB I PENDAHULUAN A. Latar Belakang Perkembangan teknologi pada saat ini mulai bergeser kepada otomatisasi sistem kendali dengan campur tangan manusia dalam jumlah yang sangat kecil. Banyaknya penemuan
Lebih terperinciDAFTAR ISI. Halaman Judul... i. Lembar Pengesahan Pembimbing... ii. Lembar Pernyataan Keaslian...iii. Lembar Pengesahan Pengujian...
xi DAFTAR ISI Halaman Judul... i Lembar Pengesahan Pembimbing... ii Lembar Pernyataan Keaslian...iii Lembar Pengesahan Pengujian... iv Halaman Persembahan... v Halaman Motto... vi Kata Pengantar... vii
Lebih terperinciJOBSHEET SISTEM CERDAS REASONING 2. Fuzzifikasi
JOBSHEET SISTEM CERDAS REASONING 2 Fuzzifikasi S1 PENDIDIKAN TEKNIK ELEKTRO JURUSAN TEKNIK ELEKTRO FAKULTAS TEKNIK UNIVERSITAS NEGERI MALANG 2016 PRAKTIKUM SISTEM CERDAS - REASONING JOBSHEET 2 - FUZZIFIKASI
Lebih terperinciBAB III DINAMIKA PROSES
BAB III DINAMIKA PROSES Tujuan Pembelajaran Umum: Setelah membaca bab ini diharapkan mahasiswa dapat memahami Dinamika Proses dalam Sistem Kendali. Tujuan Pembelajaran Khusus: Setelah mengikuti kuiah ini
Lebih terperinciIr.Muchammad Ilyas Hs DONY PRASETYA ( ) DOSEN PEMBIMBING :
Perancangan Sistem Pengendalian Rasio Aliran Udara dan Bahan Bakar Pada Boiler Di Unit Utilitas PT. Trans Pacific Petrochemical Indotama (TPPI) Tuban Dengan Menggunakan Sistem Pengendali PID -Fuzzy OLEH
Lebih terperinciTujuan Pengendalian 1. Keamanan (safety) 2. Batasan Operasional (Operability) 3. Ekonomi Pengendalian keamanan (safety) reaktor eksotermis isu-isu lin
Bab01 Pendahuluan Kompetensi 1. mampu menjelaskan pentingnya sistem dalam industri kimia a) menjelaskan syarat beroperasinya suatu pabrik b) menjelaskan mengapa pabrik tidak dapat berjalan steady c) menjelaskan
Lebih terperinciPenerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih
Penerapan Adaptive Neuro Fuzzy Inference System Dalam Memprediksi Volume Pemakaian Air Bersih Niska Ramadani Dosen Universitas Dehasen Bengkulu niskaramadani@gmail.com ABSTRAK Pertumbuhan penduduk harus
Lebih terperinciANALISIS & DESAIN SISTEM FUZZY. Menggunakan TOOLBOX MATLAB
ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB ANALISIS & DESAIN SISTEM FUZZY Menggunakan TOOLBOX MATLAB Sri Kusumadewi Analisis & Desain Sistem Fuzzy Menggunakan Toolbox Matlab Oleh: Sri Kusumadewi
Lebih terperinciDISAIN DAN IMPLEMENTASI PENGENDALI FUZZY BERBASIS DIAGRAM LADDER PLC MITSUBISHI Q02HCPU PADA SISTEM MOTOR INDUKSI
DISAIN DAN IMPLEMENTASI PENGENDALI FUZZY BERBASIS DIAGRAM LADDER PLC MITSUBISHI Q02HCPU PADA SISTEM MOTOR INDUKSI Syarif Jamaluddin a, Ir. Aries Subiantoro, M.Sc. b a,b) Departemen Elektro Fakultas Teknik,
Lebih terperinciDAFTAR ISI. HALAMAN JUDUL... i. LEMBAR PENGESAHAN PEMBIMBING... ii. LEMBAR PENGESAHAN DOSEN PENGUJI... iii. HALAMAN PERSEMBAHAN...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PENGESAHAN DOSEN PENGUJI... iii HALAMAN PERSEMBAHAN... iv HALAMAN MOTTO... v KATA PENGANTAR... vii ABSTAKSI... ix DAFTAR ISI... x
Lebih terperinciIDENTIFIKASI DAN DESAIN CONTROLLER PADA TRAINER FEEDBACK PRESSURE PROCESS RIG Satryo Budi Utomo, Universitas Jember
IDENTIFIKASI DAN DESAIN CONTROLLER PADA TRAINER FEEDBACK PRESSURE PROCESS RIG 38 714 Abstrac Satryo Budi Utomo, Universitas Jember Satryo.budiutomo@yahoo.com Pressure Process Control of Trainer studying
Lebih terperinci2.4. Sistem Kendali Logika Fuzzy 11
DAFTAR ISI HALAMANJUDUL i LEMBAR PENGESAHAN PEMBIMBING ii LEMBAR PENGESAHAN DOSEN PENGUJI iii HALAMAN PERSEMBAHAN iv HALAMAN MOTTO v KATAPENGANTAR vi ABSTRAKSI x DAFTAR ISI xi DAFTAR TABEL DAFTAR GAMBAR
Lebih terperinciPengaturan Kecepatan Motor DC Menggunakan Kendali Hybrid PID-Fuzzy
ABSTRAK Pengaturan Kecepatan Motor DC Menggunakan Kendali Hybrid PID-Fuzzy Felix Pasila, Thiang, Oscar Finaldi Jurusan Teknik Elektro Universitas Kristen Petra Jl. Siwalankerto 121-131 Surabaya - Indonesia
Lebih terperinciDesain Kendali pada Sistem Steam Drum Boiler dengan Memperhitungkan Control Valve
Desain Kendali pada Sistem Steam Drum Boiler dengan Memperhitungkan Control Valve ROFIKA NUR AINI 1206 100 017 JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH
Lebih terperinciPerancangan dan Simulasi MRAC PID Control untuk Proses Pengendalian Temperatur pada Continuous Stirred Tank Reactor (CSTR)
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) A-128 Perancangan dan Simulasi MRAC PID Control untuk Proses Pengendalian Temperatur pada Continuous Stirred Tank Reactor (CSTR)
Lebih terperinciDAFTAR ISI.. LEMBAR PENGESAHAN SURAT PERNYATAAN ABSTRAK.. ABSTRACT... DAFTAR TABEL.. DAFTAR PERSAMAAN..
ABSTRAK Perkembangan teknologi yang semakin pesat, membuat semakin sedikitnya suatu industri yang memakai operator dalam menjalankan suatu proses produksi. Pada saat ini, kontrol otomatis lebih banyak
Lebih terperinciBAB III PERANCANGAN Sistem Kontrol Robot. Gambar 3.1. Blok Diagram Sistem
BAB III PERANCANGAN Pada bab ini akan dijelaskan mengenai perancangan sistem yang meliputi sistem kontrol logika fuzzy, perancangan perangkat keras robot, dan perancangan perangkat lunak dalam pengimplementasian
Lebih terperinciPERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan) Komang Wahyudi Suardika 1, G.K. Gandhiadi 2, Luh Putu Ida Harini 3 1 Program
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Sistem kendali PID paling banyak digunakan dalam pengendalian di industri. Keberhasilan pengendali PID tergantung ketepatan dalam menentukan konstanta (penguatan) PID
Lebih terperinciRegresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno
Regresi Linier Berganda untuk Penentuan Nilai Konstanta pada Fungsi Konsekuen di Logika Fuzzy Takagi-Sugeno Zaenal Abidin (23515015) Program Studi Magister Informatika Sekolah Teknik Elektro dan Informatika
Lebih terperinciPeningkatan Akurasi Dalam Prakiraan Beban Listrik Jangka Pendek Menggunakan Data Temperatur
Peningkatan Akurasi Dalam Prakiraan Beban Listrik Jangka Pendek Menggunakan Data Temperatur Imaad Al-Mutawakkil*, Dian Yayan Sukma** Jurusan Teknik Elektro Fakultas Teknik Universitas Riau Kampus Binawidya
Lebih terperinciBAB II DASAR TEORI. Gambar 2.1 Sensor Ultrasonik HCSR04. Gambar 2.2 Cara Kerja Sensor Ultrasonik.
BAB II DASAR TEORI Pada bab ini akan dibahas beberapa teori pendukung yang digunakan sebagai acuan dalam merealisasikan sistem. Teori-teori yang digunakan dalam pembuatan skripsi ini terdiri dari sensor
Lebih terperinciDESAIN SISTEM KONTROL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) STUDI KASUS: PENGONTROLAN KETINGGIAN AIR DAN TEMPERATUR UAP STEAM DRUM BOILER
DESAIN SISTEM KONTROL ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) STUDI KASUS: PENGONTROLAN KETINGGIAN AIR DAN TEMPERATUR UAP STEAM DRUM BOILER Fatimah Avtur Alifia *), Aris Triwiyatno, and Wahyudi Laboratorium
Lebih terperinciDESAIN SISTEM KENDALI TEMPERATUR UAP SUPERHEATER DENGAN METODE FUZZY SLIDING MODE CONTROL
J. Math. and Its Appl. ISSN: 1829-605X Vol. 13, No. 1, Mei 2016, 37-48 DESAIN SISTEM KENDALI TEMPERATUR UAP SUPERHEATER DENGAN METODE FUZZY SLIDING MODE CONTROL Mardlijah 1, Mardiana Septiani 2,Titik Mudjiati
Lebih terperinciPengaturan Kecepatan Motor 3 Fasa pada Mesin Sentrifugal Menggunakan Metode PID Fuzzy
B-14 Pengaturan Kecepatan Motor 3 Fasa pada Mesin Sentrifugal Menggunakan Metode PID Fuzzy Trio Yus Peristiaferi, Rusdhianto Effendie AK, dan Josaphat Pramudijanto Teknik Elektro, Fakultas Teknologi Industri,
Lebih terperinciPENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Seminar Nasional Sistem Informasi Indonesia, 2-4 Desember 2013 PENGARUH IPK DAN MOTIVASI DALAM MEMPREDIKSI KETEPATAN WAKTU KELULUSAN MAHASISWA DENGAN MENGGUNAKAN SISTEM PAKAR BERBASIS ADAPTIVE NEURO FUZZY
Lebih terperinciOleh : Rahman NRP : Jurusan Teknik Fisika Institut Teknologi Sepuluh Nopember Surabaya
Oleh : Rahman NRP : 2406 100 081 Pembimbing I: Imam Abadi ST, MT. NIP. 19761006 199903 1002 Pembimbing II: Ir. M.Ilyas H. S. NIP. 19490919 197903 1002 Jurusan Teknik Fisika Institut Teknologi Sepuluh Nopember
Lebih terperinciPENERAPAN FUZZY LOGIC CONTROLLER UNTUK MEMPERTAHANKAN KESETABILAN SISTEM AKIBAT PERUBAHAN DEADTIME PADA SISTEM KONTROL PROSES DENGAN DEADTIME
PENERAPAN FUZZY LOGIC CONTROLLER UNTUK MEMPERTAHANKAN KESETABILAN SISTEM AKIBAT PERUBAHAN DEADTIME PADA SISTEM KONTROL PROSES DENGAN DEADTIME Mukhtar Hanafi Program Studi Teknik Informatika Fakultas Teknik
Lebih terperinciPerancangan Sistem Pengendalian Level Pada Steam drum dengan Menggunakan Kontroller PID di PT Indonesia Power Ubp Sub Unit Perak-Grati
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1 Perancangan Sistem Pengendalian Level Pada Steam drum dengan Menggunakan Kontroller PID di PT Indonesia Power Ubp Sub Unit Perak-Grati Rian Apriansyah,
Lebih terperinciBAB 3 PERANCANGAN PENGENDALI SISTEM JACKETED STIRRED TANK HEATER
BAB 3 PERANCANAN PENENDALI SISEM JACKEED SIRRED ANK HEAER Prinsip kerja sistem kendali pada jacketed stirred tank heater ditunjukkan pada gambar 3.. ambar 3. Blok Diagram Sistem Kendali Pada Jacketed Stirred
Lebih terperinciIDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
IDENTIFIKASI KERUSAKAN MESIN BERPUTAR BERDASARKAN SINYAL SUARA DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Seminar Tugas Akhir O L E H : M I F T A H U D D I N P E M B I M B I N G : I R. Y E R R
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas
BAB II LANDASAN TEORI Pada bab ini berisi tentang teori mengenai permasalahan yang akan dibahas dalam pembuatan tugas akhir ini. Secara garis besar teori penjelasan akan dimulai dari definisi logika fuzzy,
Lebih terperinciPEREDAMAN OSILASI GETARAN PADA SUATU SISTEM DENGAN PEMODELAN PEGAS-DAMPER MENGGUNAKAN KENDALI LOGIKA FUZZY
PEREDAMAN OSILASI GETARAN PADA SUATU SISTEM DENGAN PEMODELAN PEGAS-DAMPER MENGGUNAKAN KENDALI LOGIKA FUZZY Nazrul Effendy, Singgih I Kurniawan, Intan Putri K dan Nor Agny Susetyo Utami Jurusan Teknik Fisika,
Lebih terperinciStrategi Pengendalian
Strategi Pengendalian Strategi apa yang dapat kita gunakan dalam pengendalian proses? Feedback (berumpan-balik) Feedforward (berumpan-maju) 1 Feedback control untuk kecepatan 1. Mengukur kecepatan aktual
Lebih terperinci5/12/2014. Plant PLANT
Matakuliah : Teknik Kendali Tahun : 2014 Versi : Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : menjelaskan gambaran umum dan aplikasi sistem pengaturan di industri menunjukkan kegunaan dasar-dasar
Lebih terperinciPERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
ISSN : 1978-6603 PERKIRAAN BEBAN LISTRIK JANGKA PENDEK DENGAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Sarjon Defit Fakultas Ilmu Komputer Universitas Putra Indonesia YPTK Padang, Sumatera Barat Telp.
Lebih terperinciImplementasi Metode Fuzzy Logic Controller Pada Kontrol Posisi Lengan Robot 1 DOF
Implementasi Metode Fuzzy Logic Controller Pada Kontrol Posisi Lengan Robot 1 DOF ndik Yulianto 1), gus Salim 2), Erwin Sukma Bukardi 3) Prodi Teknik Elektro, Fakultas Teknologi Industri, Universitas Internasional
Lebih terperinciPerancangan Dan Implementasi Sistem Pengaturan Kecepatan Motor Bldc Menggunakan Kontroler Pi Berbasiskan Neural-Fuzzy Hibrida Adaptif
F68 Perancangan Dan Implementasi Sistem Pengaturan Kecepatan Motor Bldc Menggunakan Kontroler Pi Berbasiskan Neural-Fuzzy Hibrida Adaptif Agung Setyadi Wicaksono, Rushdianto Effendie A. K., dan Eka Iskandar
Lebih terperinciRancang Bangun Sistem Pengendalian Level pada Knock Out Gas Drum Menggunakan Pengendali PID di Plant LNG
Rancang Bangun Sistem Pengendalian Level pada Knock Out Gas Drum Menggunakan Pengendali PID di Plant LNG Paisal Tajun Aripin 1, Erna Kusuma Wati 1, V. Vekky R. Repi 1, Hari Hadi Santoso 1,2 1 Program Studi
Lebih terperinciImplementasi Fuzzy Logic Controller untuk Pengendalian Level Air
ELEKTRAN, VOL. 2, NO. 1, JUNI 2012 20 Implementasi Fuzzy Logic Controller untuk Pengendalian Level Air Cucun Wida Jurusan Teknik Elektro, Politeknik Negeri Bandung Jl. Gegerkalong Hilir, Ds. Ciwaruga,
Lebih terperinciBAB II TINJAUAN PUSTAKA. Penelitian sebelumnya berjudul Feedforward Feedback Kontrol Sebagai
BAB II TINJAUAN PUSTAKA 2.1 Studi Pustaka Penelitian sebelumnya berjudul Feedforward Feedback Kontrol Sebagai Pengontrol Suhu Menggunakan Proportional Integral berbasis Mikrokontroler ATMEGA 8535 [3].
Lebih terperinciTUGAS AKHIR RESUME PID. Oleh: Nanda Perdana Putra MN / 2010 Teknik Elektro Industri Teknik Elektro. Fakultas Teknik. Universitas Negeri Padang
TUGAS AKHIR RESUME PID Oleh: Nanda Perdana Putra MN 55538 / 2010 Teknik Elektro Industri Teknik Elektro Fakultas Teknik Universitas Negeri Padang PROPORSIONAL INTEGRAL DIFERENSIAL (PID) Pendahuluan Sistem
Lebih terperinciMakalah Seminar Tugas Akhir
Makalah Seminar Tugas Akhir APLIKASI KENDALI MENGGUNAKAN SKEMA GAIN SCHEDULING UNTUK PENGENDALIAN SUHU CAIRAN PADA PLANT ELECTRIC WATER HEATER Ahmad Shafi Mukhaitir [1], Iwan Setiawan, S.T., M.T. [2],
Lebih terperinciBAB 2 LANDASAN TEORI
5 BAB 2 LANDASAN TEORI 2.1 Logika Fuzzy Logika fuzzy adalah cabang dari sistem kecerdasan buatan (Artificial Inteligent) yang mengemulasi kemampuan manusia dalam berfikir ke dalam bentuk algoritma yang
Lebih terperinciISTILAH ISTILAH DALAM SISTEM PENGENDALIAN
ISTILAH ISTILAH DALAM SISTEM PENGENDALIAN PENGANTAR Sistem pengendalian khususnya pengendalian otomatis memegang peranan yang sangat penting dalam perkembangan ilmu dan teknologi. Dalam bahasan ini, akan
Lebih terperinciPerancangan Sistem Kendali Cascade pada Deaerator Berbasis Adaptive Neuro Fuzzy Inference System (ANFIS)
Perancangan Sistem Kendali Cascade pada Deaerator Berbasis Adaptive Neuro Fuzzy Inference System (ANFIS) Rayjansof Chairi 1, Fitria Hidayanti 1, Idris Kusuma 1,2 1 Program Studi Fisika Teknik, Fakultas
Lebih terperinciKontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe 1 Untuk Sistem Pendulum Kereta
Kontrol Fuzzy Takagi-Sugeno Berbasis Sistem Servo Tipe Untuk Sistem Pendulum Kereta Helvin Indrawati, Trihastuti Agustinah Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember
Lebih terperinciPENGGUNAAN FUZZY INFERENCE SYSTEM MODEL SUGENO PADA PENGENDALIAN SUHU RUANGAN
P P P P PENGGUNAAN FUZZY INFERENCE SYSTEM MODEL SUGENO PADA PENGENDALIAN SUHU RUANGAN Wahyu Herman Susila 1, Wahyudi 2, Iwan Setiawan 2 Abstrak - Teknik kendali dengan menggunakan Fuzzy telah banyak diaplikasikan.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Semakin bertambah tahun, semua peralatan konvensional semakin tergantikan dengan adanya peralatan elektronik. Di setiap sisi kehidupan pada saat ini menggunakan peralatan
Lebih terperinciFuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.
Fuzzy Systems Fuzzy Logic Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic. Masalah: Pemberian beasiswa Misalkan
Lebih terperinciVIII Sistem Kendali Proses 7.1
VIII Sistem Kendali Proses 7.1 Pengantar ke Proses 1. Tentang apakah pengendalian proses itu? - Mengenai mengoperasikan sebuah proses sedemikian rupa hingga karakteristik proses yang penting dapat dijaga
Lebih terperinciImplementasi Fuzzy Logic Untuk Mengatur Banyak Air Pada Tanaman Mawar Berdasarkan Suhu Dan Kelembaban
Implementasi Fuzzy Logic Untuk Mengatur Banyak Air Pada Tanaman Mawar Berdasarkan Suhu Dan Kelembaban Lingga Dwi Putra 1, Joke Pratilastiarso 2, Endro Wahjono 3 1. Mahasiswa Jurusan Teknik Elektro Industri
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Logika Fuzzy Logika fuzzy merupakan suatu metode pengambilan keputusan berbasis aturan yang digunakan untuk memecahkan keabu-abuan masalah pada sistem yang sulit dimodelkan
Lebih terperinciAnalisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic
Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic Luh Kesuma Wardhani, Elin Haerani Jurusan Teknik Informatika Fakultas Sains dan Teknologi UIN SUSKA Riau
Lebih terperinciDAFTAR ISI. KATA PENGANTAR i. DAFTAR ISI. iv. DAFTAR GAMBAR. viii. DAFTAR TABEL. x. DAFTAR LAMPIRAN.. xi. 1.1 Latar Belakang dan Rumusan Masalah..
DAFTAR ISI Halaman ABSTRAK ABSTRACT KATA PENGANTAR i DAFTAR ISI. iv DAFTAR GAMBAR. viii DAFTAR TABEL. x DAFTAR LAMPIRAN.. xi BAB I PENDAHULUAN 1.1 Latar Belakang dan Rumusan Masalah.. 1 1.1.1 Latar Belakang
Lebih terperinciPerancangan Sistem Pengendalian Suhu Kumbung Jamur dengan Logika Fuzzy
Perancangan Sistem Pengendalian Suhu Kumbung Jamur dengan Logika Fuzzy Dosen pembimbing : Hendra Cordova, ST, MT Mahendra Ega Higuitta- 24 08 100 054 Ekologi Jamur Tiram Pertumbuhan jamur tiram sangat
Lebih terperinciBAB III PERANCANGAN ALAT
BAB III PERANCANGAN ALAT Pada bab ini akan dijelaskan mengenai perancangan dan realisasi dari perangkat keras, serta perangkat lunak dari alat peraga sistem pengendalian ketinggian air. 3.1. Gambaran Alat
Lebih terperinciISTILAH-ISTILAH DALAM SISTEM PENGATURAN
ISTILAH-ISTILAH DALAM SISTEM PENGATURAN PENGANTAR Sistem pengaturan khususnya pengaturan otomatis memegang peranan yang sangat penting dalam perkembangan ilmu dan teknologi. Dalam bahasan ini, akan diberikan
Lebih terperinciBAB I PENDAHULUAN. menggerakan belt conveyor, pengangkat beban, ataupun sebagai mesin
1 BAB I PENDAHULUAN 1.1. Latar Belakang Motor DC atau motor arus searah yaitu motor yang sering digunakan di dunia industri, biasanya motor DC ini digunakan sebagai penggerak seperti untuk menggerakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Di era modern seperti saat ini, energi listrik menjadi salah satu kebutuhan dasar dalam kehidupan masyarakat. Berbagai peralatan rumah tangga maupun industri saat ini
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Logika Fuzzy Logika Fuzzy pertama kali dikembangkan oleh Lotfi A. Zadeh pada tahun1965. Teori ini banyak diterapkan di berbagai bidang, antara lain representasipikiran manusia
Lebih terperinciMODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
MODEL PENENTUAN GURU BERPRESTASI BERBASIS ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Wanti Rahayu 1 1 Mahasiswa Universitas Indraprasta PGRI Email : 1 wanti.reiku@gmail.com Abstrak- Guru merupakan aspek
Lebih terperinciBab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI
Bab III TEORI DAN PENGONTOR BERBASIS LOGIKA FUZZI III.1 Teori Logika fuzzi III.1.1 Logika fuzzi Secara Umum Logika fuzzi adalah teori yang memetakan ruangan input ke ruang output dengan menggunakan aturan-aturan
Lebih terperinciOleh : Heldi Usman
TUGAS AKHIR ANALISA SISTEM PENGENDALIAN PRESSURE PADA PCV 351 DI DPPU NGURAH RAI-DENPASAR BALI Oleh : Heldi Usman 2407 100 047 Pembimbing: IBU RONNY DWI NORIYATI & BAPAK TOTOK SOEHARTANTO Permasalahan
Lebih terperinciBAB 2 LANDASAN TEORI. hyperspectral, neuro fuzzy dan soft computing, teori himpunan fuzzy meliputi himpunan
BAB 2 LANDASAN TEORI Dalam bab ini diuraikan beberapa landasan teori yang terkait, mencakup konsep hyperspectral, neuro fuzzy dan soft computing, teori himpunan fuzzy meliputi himpunan fuzzy, sistem inferensi
Lebih terperinciJurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya Jalan MT. Haryono 167, Malang 65145, Indonesia
APLIKASI PENGENDALI SUHU RUANGAN DENGAN KONTROLER LOGIKA FUZZY BERBASIS MIKROKONTROLER AVR-ATMEGA 328 Diyan Agung W. 1, Ir. Purwanto MT. 2, Ir.Bambang Siswojo MT. 2 1 Mahasiswa Teknik Elektro Univ. Brawijaya,
Lebih terperinciKontrol Kecepatan Motor DC Berbasis Logika Fuzzy (DC Motor Speed Control Based on Fuzzy Logic)
Terry Intan Nugroho., et al., Kontrol Kecepatan Motor DC Berbasis Logika 1 Kontrol Kecepatan Motor DC Berbasis Logika (DC Motor Speed Control Based on Logic) Terry Intan Nugroho, Bambang Sujanarko, Widyono
Lebih terperinciMODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA
MODUL 8 APLIKASI NEURAL NETWORK DAN FUZZY LOGIC PADA PERKIRAAN CUACA Muhammad Ilham 10211078 Program Studi Fisika, Institut Teknologi Bandung, Indonesia Email: muhammad_ilham@students.itb.ac.id Asisten:
Lebih terperinciDesain dan Purwarupa Fuzzy Logic Control untuk Pengendalian Suhu Ruangan
JTERA - Jurnal Teknologi Rekayasa, Vol. 2, No., Juni 207, Hal. -8 p-issn 2548-737X e-issn 2548-8678 Desain dan Purwarupa Fuzzy Logic Control untuk Pengendalian Suhu Ruangan Faisal Wahab, Arif Sumardiono
Lebih terperinciPengaturan Kecepatan Motor Induksi Tiga Fasa dengan Metode PID Self Tuning Berdasarkan Fuzzy pada Rancangan Mobil Hybrid
Pengaturan Kecepatan Motor Induksi Tiga Fasa dengan Metode PID Self Tuning Berdasarkan Fuzzy pada Rancangan Mobil Hybrid Septian Ekavandy #, Dedid Cahya Happyanto #2 # Jurusan Teknik Elektronika, Politeknik
Lebih terperinciPENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 03, No. (204), hal 39-46. PENGENDALIAN KECEPATAN KENDARAAN RODA EMPAT DENGAN MENGGUNAKAN FUZZY INFERENCE SYSTEM METODE MAMDANI Yoakim Marinus
Lebih terperinciMetode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan dan Pustakawan
Scientific Journal of Informatics Vol., No. 1, Mei 2016 p-issn 2407-7658 http://journal.unnes.ac.id/nju/inde.php/sji e-issn 2460-0040 Metode Fuzzy Inference System untuk Penilaian Kinerja Pegawai Perpustakaan
Lebih terperinciKASUS PENERAPAN LOGIKA FUZZY. Fuzzy tsukamoto, mamdani, sugeno
KASUS PENERAPAN LOGIKA FUZZY Fuzzy tsukamoto, mamdani, sugeno CARA KERJA LOGIKA FUZZY MELIPUTI BEBERAPA TAHAPAN BERIKUT : 1. Fuzzyfikasi 2. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk if..then).
Lebih terperinci