Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111

Ukuran: px
Mulai penontonan dengan halaman:

Download "Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111"

Transkripsi

1 PERANCANGAN SISTEM KENDALI LINTASAN KAPAL BERBASIS LOGIKA FUZZY : STUDI KASUS KEPULAUAN RIAU (Illa Rizianiza, Dr.Ir. Aulia Siti Aisjah, MT, Dr.Ir.A.A Masroeri, M.Eng) Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya Abstrak Tujuan dari Tugas Akhir ini adalah merancang kendali untuk pemenuhan lintasan kapal berbasis logika fuzzy. FPB 57 merupakan kapal cepat yang digunakan untuk patroli dan pengejaran. Selama proses patroli menggunakan autopilot, dimana lintasan kapal telah ditentukan sebelumnya. Salah satu wilayah perairan Indonesia yang perlu ditingkatkan pertahanan keamanan maritim adalah Kepulauan Riau, karena 95% wilayahnya adalah lautan dan merupakan jalur padat pelayaran. Untuk itu perlu dirancang sistem kendali dengan tujuan pemenuhan lintasan untuk meningkatkan maneuver kapal dalam berpatroli. Perancangan kendali lintasan ini berbasis logika fuzzy menggunakan metode mamdani dengan 3 masukan yaitu error yaw, yawrate, error lintasan dan 1keluaran yaitu sinyal command rudder. Simulasi dilakukan terhadap kendali fuzzy yang telah dirancang dengan dipengaruhi gangguan gelombang sesuai kondisi lautan di Kepulauan Riau. Berdasarkan hasil simulasi, kendali yang telah dirancang mampu memenuhi lintasan sesuai yang diinginkan, tetapi masih terdapat error lintasan rata-rata sebesar 17,1m dan 5,76m. Sistem pengendalian yang telah dirancang dapat pula digunakan untuk simulasi dengan berbagai koordinat lintasan, tidak hanya di Kepualaun Riau. Kata Kunci: Kepulauan Riau; Kendali logika fuzzy; mamdani; pemenuhan lintasan; gelombang 1. PENDAHULUAN 1.1 Latar Belakang Sebagai negara kepulauan yang sebagian besar wilayahnya adalah lautan, Indonesia membutuhkan sistem pertahanan keamanan yang kuat untuk menjaga keutuhan wilayah perairan. Salah satu cara yang telah dilakukan adalah pembuatan kapal cepat FPB. Kapal tersebut digunakan untuk berpatroli di daerah yang dianggap rawan dalam hal keamanan perairan Indonesia contohnya Kepulauan Riau. Kepulauan Riau merupakan jalur padat pelayaran dan gerbang wisata mancanegara kedua setelah Pulau Bali yang letaknya berbatasan dengan negara lain. Kapal cepat FPB (Fast Patrol Boat ) adalah salah satu jenis kapal cepat yang kebanyakan dibuat untuk kepentingan militer. Saat ini dengan adanya kemajuan teknologi maka perlu dilakukan pengembangan sistem navigasi kapal. Pengembangan banyak dilakukan dalam upaya menciptakan sebuah sistem kendali otomatis yang dapat mengurangi resiko kecelakaan sebuah kapal. Salah satunya adalah membuat sistem kendali kapal di Kepulauan Riau tepatnya di Selat Riau yaitu selat yang memisahkan. Pada penelitian tugas akhir ini akan dikembangkan suatu sistem kendali lintasan berbasis kepakaran dengan menggunakan logika fuzzy. 1. Permasalahan Permasalahan dalam penyusunan tugas akhir ini adalah bagaimana merancang sistem kendali lintasan pada kapal cepat yang berbasis logika fuzzy sehingga mampu memenuhi pencapaian target pemenuhan lintasan (track keeping). 1.4 Tujuan Penelitian Tujuan penelitian dalam tugas akhir ini adalah untuk merancang sebuah sistem kendali lintasan pada kapal cepat yang berbasis logika fuzzy sehingga mampu memenuhi pencapaian target pemenuhan lintasan (track keeping)..1.3 Batasan Masalah Adapun yang menjadi batasan masalah dalam tugas akhir ini adalah: 1. Kapal yang digunakan sebagai studi kasus adalah kapal cepat FPB 57. Lintasan yang digunakan sebagai studi kasus adalah lintasan pada Selat Riau yang memisahkan Pulau Batam dan Pulau Bintan di Kepulauan Riau. Lintasan ini diasumsikan sudah berdasarkan jalur pelayaran Dinas Perhubungan Kepulauan Riau 3. Metode dasar perancangan sistem pengendalian berdasarkan logika fuzzy 4. Variabel yang dikendalikan adalah sudut yaw 5. Perancangan sistem pengendalian dilakukan secara simulasi dengan sofware bantu matlab versi R008a. 1.5 Metodologi Penelitian Dalam perancangan ini, langkah yang dilakukan untuk mencapai tujuan penelitian adalah sebagai berikut : 1. Studi literatur. Pengambilan data 3. Pemodelan dinamika kapal 4. Pemodelan gangguan kapal 5. Penentuan lintasan kapal 6. Perancangan kendali 7. Pengujian dan analisa 8. Kesimpulan 9. Penyusunan dan penulisan laporan. TEORI PENUNJANG.1 Fungsi alih dari dinamika kapal. Bentuk umum persamaan manuvering kapal dinyatakan dalam bentuk : M & + D (.1) ν υ = τ L τ v = [ u, v, r] merupakan vektor kecepatan. dengan M dan D merupakan matrik inersia dan redaman yang diperoleh dari linierisasi persamaan gaya dan 1

2 momen pada arah surge, sway dan yaw. Persamaan kecepatan dan sistem kemudi kapal akan sesuai berdasarkan beberapa asumsi, yaitu: 1. Distribusi massa homogen dan bidang xz simetris (I xy = I yz = 0). Mode heave, roll dan pitch dapat diabaikan (ω = p = q = ω& = p& = q& = 0 ) Kemudian gunakan asumsi diatas ke dalam persamaan : Surge : m( u& νr x G r ) =X (.3) Sway:m(ν& +ur+ x G r& )=Y (.4) Yaw : I z r& + mx G (ν& + ur) =N (.5).Fungsi alih dari kapal Model Plant dari dinamika manuvering kapal didapatkan dari pendekatan yang dilakukan oleh Nomoto (1957) sebagai bentuk matematis orde 1 dan. Di bawah ini adalah fungsi alih dari model Nomoto : ψ K R ( 1+ T3s) ( s) = (.6) δ s 1+ T s 1+ T s ( )( ) R 1 Parameter parameter dari fungsi alih diatas diperoleh dari det M ( ) ( N ) T1 T = (.7) det T n m + n m11 n1m det( N) n T = (.8) n b1 n11b det( N) 1 K R = (.9) m b1 m11b det( N) 1 K R T3 = (.10) Y (.11) δ b = Nδ Dimana elemen m ij, n ij dan b i ( i = 1, dan j = 1,) didapatkan dari matriks berikut: m Yv& mxg Yr& M = (.1) mxg N v& I z N r& Yυ mu0 Yr N(u o )= (.13) Nυ mxgu0 N r Parameter dalam penentuan gain kendali yang diturunkan Nomoto berdasarkan linierisasi dari model Davidson dan Schiff (1946), dimana bentuk persamaan gain kendali Nomoto adalah : K n b n11b det( N) 1 1 = (.14) dengan det (N) = Yv ( Nr mxgu ) Nv( mu0 Yr ) (.15) dt(m)= ( m Y )( I N ) ( mx N )( mx Y ) (.16) v& z r& G v& m G r& n 11 = Yv, n 1 = N v (.17) ( I N ) Y ( mx Y ) b b 1 z r& δ G r& N δ = (.18) det M ( m Yv& ) Nδ ( mxg N v& ) Yδ = (.19) det M Pada matriks M dan N diatas mengandung parameter hidrodinamika kapal, dimana m = massa kapal, Y & = turunan gaya arah sway terhadap v&, Y r & = turunan gaya yaw terhadap r&, N r & = turunan momen yaw terhadap r&, Y = turunan gaya arah sway terhadap v, v Y r = turunan gaya arah yaw terhadap r, v N v = turunan momen sway terhadap v, N v & = turunan momen sway terhadap v&, N r = turunan momen yaw terhadap r, x = pusat massa. Pada pendekatan teori slender G body strip turunan koefirien hidrodinamika dapat dinyatakan sebagai fungsi dari rasio panjang terhadap lebar dari kapal, dengan dikalikan sebuah konstanta tertentu. Smitt (1970), Norrbin (1971) dan Inoue (1981) mengembangkan suatu rumusan secara empiris dari beberapa persamaan turunan koefisien hidrodinamika yang dikemukakan oleh Clarke (198). Untuk memperoleh besaran gaya dikalikan dengan ½ ρu L dan momen dikalikan dengan ½ ρu L 3. Dimana ρ = rapat massa air laut (1014 kg/m 3 ), L = panjang kapal, U = kecepatan servis kapal, B = lebar kapal, T = kedalaman kapal, C B = koefisien blok.[1].3 Model Dinamika Gangguan Lingkungan Di Kepulauan Riau gangguan yang paling berpengaruh terhadap maneuver kapal adalah gelombang yang dibangkitkan oleh angin. Model pendekatan gelombang linier yang biasa dilakukan oleh perancang sistem kendali pada kapal, mempunyai bentuk yang lebih sederhana dan mudah diaplikasikan. Model gelombang dapat dijelaskan sebagai berikut : y(s) = h(s)w(s) (.0) dengan w(s) zero-mean Gaussian white noise process. Untuk menyesuaikan dengan fungsi yang diinginkan, maka digunakan fungsi alih orde dua dari gelombang, seperti pada persamaan.0. Aplikasi pertama kali dilakukan oleh Balchen dkk (1976), dan kemudian Saelid dkk (1983) mengusulkan model yang lebih mendekati bentuk spektrum PM, dimana model ini dinyatakan sebagai h( s) = s (.1) Dengan gain konstanta dari fungsi alih persamaan (.1) adalah : K (.) = ξω 0 ω σ ω Kωs + ξω s + ω 0 0 Modal frekwensi untuk spectrum Pierson-Moscowitz adalah:

3 g ω 0 = 0.88 (.3) v dimana σ menyatakan intensitas gelombang, ζ adalah ω koefisien redaman, v adalah kecepatan angin sedangkan ω 0 adalah frekuensi modal gelombang. Berdasarkan standar perairan internasional untuk perairan di Indonesia didapatkan nilai masing-masing σ = 10, ζ = 0.1, g = 9.8 m/s, ω 0 = 1..[1].5 Model Dinamika Rudder Sebuah aktuator yang bekerja berdasarkan perintah dari sinyal kendali, dan aksi dari aktuator akan menyebabkan terjadinya gerak sesuai dengan perintah yang diinginkan. Dalam uraian tentang gerakan manuvering kapal di atas, bahwa aktuator yang selama ini digunakan dan terpasang adalah rudder, yang mempunyai kemampuan dalam menjaga arah sesuai dengan perintah. Salah satu yang banyak terpasang dikapal adalah tipe Van Amorengen, yang mempunyai spesifikasi kemampuan kerja antara sampai dengan 35 0, dan laju kerja rudder 1/3 7 0 /detik.[1].6 Kendali Logika Fuzzy (KLF) pada Kendali Tracking Kapal Faktor-faktor yang harus diperhatikan dalam merancang kendali logika fuzzy adalah sebagai masukan/keluaran dan semesta pembicaraan, seperti rentang nilai yang diambil, faktor skala dari variabel masukan keluaran, fungsi keanggotaan yang akan di gunakan untuk menentukan nilai fuzzy dari variabel masukan\keluaran, aturan fuzzy yang akan digunakan. Fuzzifikasi Proses mengubah himpunan crisp (bukan fuzzy) menjadi himpunan fuzzy. Basis Pengetahuan Berisi basis data dan basis aturan yang mendefinisikan himpunan fuzzy atas daerah-daerah masukan dan keluaran yang disusun dalam perangkat aturan kendali. Fuzzy Inference System Ada beberapa cara dimana nilai masukan hasil observasi dapat digunakan untuk mengidentifikasi aturan mana yang seharusnya digunakan untuk mendapatkan aksi kendali fuzzy yang tepat yaitu mekanisme inferensi fuzzy MAX MIN. Defuzzifikasi Defuzzifikasi adalah langkah terakhir dalam suatu sistem kendali logika fuzzy dimana tujuannya adalah mengkonversi setiap hasil dari inference engine yang diekpresikan dalam bentuk fuzzy set ke satu bilangan real.[].7 Perhitungan Heading Kapal Sistem autopilot dapat dinyatakan dalam dua sistem pengendali automatik yaitu course keeping dan track keeping (Fossen, 1994). Kedua pengendali tersebut sangat berperan pada saat mnghindari adanya tumbukan dengan kapal atau benda lain. Kendali autopilot klasik meliputi pengendalian pada course angel φ. Untuk perhitungan sudut heading antara dua titik yaitu didekati dengan rumus y( t) y(0) Ψd = arctan x( t) x(0) ω (.4) Persamaan diatas memerlukan sign test untuk memastikan bahwa φ d proper quadrant. Sudut heading hanya dapat diubah pada tiap-tiap point. Oleh karena itu overshoot harus diamati ketika terjadi perubahan titik point. Pada rancangan penelitian ini, penentuan lintasan dilakukan dengan mengkonversi satuan derajat menjadi jarak. Pada studi kasus Kepulauan Riau digunakan koordinat geografis, dimanasumbu yang digunakan adalah garis bujur (BB dan BT), yang berpotongan dengan garis lintang (LU dan LS) atau koordinat yang penyebutannya menggunakan garis lintang dan bujur. Koordinatnya menggunakan derajat, menit dan detik. Sedangkan untuk konversi derajat ke jarak dapat dinyatakan sebagai berikut: 1 o = 111,3 km = m 1 o = 60 menit 1 o = 3600 detik [3] 3. METODOLOGI PENELITIAN Gambar 3.1 merupakan flowchart penelitian tugas akhir yang menjelaskan tentang tahapantahapan yang dilakukan untuk merancang sistem pengendalian penemenuhan lintasan, untuk penjelasannya sebagai berikut : h( s) = s Gambar 3.1 Flowchart penelitian Model matematis kapal FPB 57: ψ δ s s s 86.96s ( s) = 3 R + Model matematis gangguan gelombang:.11s s

4 Penentuan lintasan kapal di Kepulauan Riau: Tabel 3.1 Koordinat lintasan target pelayaran di Kepulauan Riau masukan dan keluaran sesungguhnya beserta semesta pembicaraan (universe of discourse), yaitu rentang kerja dari masukan dan keluaran. Gambar 3.4 merepresentasikan tentang fungsi keanggotaan segitiga simetri yang digunakan dalam perancangan fungsi keanggotaan error yaw (e) sebagai masukan fuzzy. Variabel masukan error yaw (e) dibagi dalam 7 fungsi keanggotaan yaitu NB, NM, NS, ZE, PS, PM, PB dengan rentang kerja (range) yang digunakan untuk fungsi keanggotaan adalah -35 sampai 35. N adalah negatif, ZE adalah zero, P adalah positif, B adalah big. Pemilihan nilai range error yaw -35 sampai 35 adalah berdasarkan kondisi nyata rudder yang hanya dapat berbelok sebesar sampai Diagram blok sistem kendali lintasan Gambar 3.4 Fungsi keanggotaan untuk variabel masukan error yaw (e) Gambar 3.5 merepresentasikan tentang fungsi keanggotaan segitiga simetri yang digunakan dalam perancangan fungsi keanggotaan yaw rate (r) sebagai masukan fuzzy. Variabel masukan yaw rate (r) dibagi dalam 7 fungsi keanggotaan yaitu NB, NM, NS, ZE, PS, PM, PB dengan rentang kerja (range) yang digunakan untuk fungsi keanggotaan adalah -7 sampai 7. N adalah negatif, ZE adalah zero, P adalah positif, B adalah big. Penentuan range dari masukan yaw rate (r) ini berdasarkan laju kerja rudder van amorengen yaitu sebesar 7 0 /detik. Gambar 3. Blok diagram KLF Perancangan kontroler logika fuzzy a. Fuzzifikasi Gambar 3.5 Fungsi keanggotaan untuk variabel masukan yaw rate (r) Gambar 3.6 merepresentasikan tentang fungsi keanggotaan segitiga simetri yang digunakan dalam perancangan fungsi keanggotaan error lintasan (d) sebagai masukan fuzzy. Varibel masukan error lintasan (d) yang dibagi dalam 3 fungsi keanggotaan yaitu ZE, NE, FA dengan rentang kerja 00 sampai 460. ZE adalah zero, NE adalah near (dekat) dan FA adalah far (jauh). Gambar 3.3 Perancangan kendali logika fuzzy Gambar 3.3 merupakan tampilan fuzzy pada matlab. Berdasarkan gambar 3.5 terdapat 3 masukan yaitu yaw (e), yaw rate (r), dan error lintasan (d) dan keluarannya berupa sinyal aksi rudder (δc). Perancangan KLF diawali dengan proses fuzzifikasi, pada proses ini terdapat hal yang harus diperhatikan yaitu nilai Gambar 3.6 Fungsi keanggotaan untuk variabel masukan error lintasan (d) 4

5 Tabel 3. Basis aturan kendali logika fuzzy aksi s e d/r NB NM NS ZE PS PM PB NB ZE NB NB NB NB NM NS ZE NE NB NB NB NB NM NS ZE FA NB NB NB NB NM NS ZE NM ZE NB NB NB NM NS ZE PS NE NB NB NB NM NS ZE PS FA NB NB NB NM NS ZE PS NS ZE NB NB NM NS ZE PS PM NE NB NB NM NS ZE PS PM FA NB NB NM NS ZE PS PM ZE ZE NB NM NS ZE PS PM PB NE NB NM NS ZE PS PM PB FA NB NM NS ZE PS PM PB PS ZE NM NS ZE PS PM PB PB NE NM NS ZE PS PM PB PB FA NM NS ZE PS PM PB PB PM ZE NS ZE PS PM PB PB PB NE NS ZE PS PM PB PB PB FA NS ZE PS PM PB PB PB PB ZE ZE PS PM PB PB PB PB NE ZE PS PM PB PB PB PB FA ZE PS PM PB PB PB PB Gambar 3.7 merepresentasikan tentang fungsi keanggotaan segitiga simetri yang digunakan dalam perancangan fungsi keanggotaan sinyal aksi rudder (s) sebagai keluaran fuzzy. Varibel keluaran sinyal aksi rudder (s) dibagi dalam 7 fungsi keanggotaan yaitu NB, NM, NS, ZE, PS, PM, PB dengan rentang kerja (range) yang digunakan untuk fungsi keanggotaan adalah -35 sampai 35. N adalah negatif, ZE adalah zero, P adalah positif, B adalah big. Pemilihan nilai range sinyal aksi rudder (s) -35 sampai 35 adalah berdasarkan kondisi nyata rudder yang hanya dapat berbelok sebesar sampai variabel proses (yaw/sudut kapal) menyimpang dari nilai yang diinginkan, maka keluaran sinyal kontrol tergantung pada tanda nilai error yaw, yaw rate, error lintasan dan besarnya keluaran sinyal kendali logika fuzzy akan berubah sesuai dengan besarnya nilai error, yaw rate dan error lintasan yang dihasilkan. Gambar 3.8 merupakan basis aturan kendali logika fuzzy pada FIS editor matlab, dimana basis aturan terdiri dari 147 aturan dengan 5 fungsi keanggotaan aksi kendali (s). Gambar 3.8 Basis aturan kendali logika fuzzy pada fis editor c. Inferensi fuzzy Proses inferensi fuzzy adalah proses pengambilan keputusan untuk mendapatkan sinyal kendali logika fuzzy berdasarkan rancangan rule base. Nilai masukan (error yaw,yaw rate dan error lintasan) yang teramati diolah untuk diidentifikasi aturan mana yang digunakan. Pada Tugas Akhir ini, teknik pengambilan keputusan yang digunakan adalah metode mamdani. Proses pengambilan keputusan mamdani dapat dilukiskan seperti pada gambar 3.9. Berdasarkan gambar 3.9 jika masukan fuzzy error yaw (e) = 0, yaw rate (r) = 0, dan error lintasan (d) = 0, maka keluaran fuzzy yaitu aksi kendali rudder sebesar -4.8e-016. Nilai keluaran fuzzy ini mengacu pada basis aturan yang telah dirancang. Gambar 3.7 Fungsi keanggotaan untuk variabel keluaran aksi kontrol rudder (s) b. Rule Base Dalam perancangan kendali lintasan ini, setelah dilakukan fuzzifikasi untuk setiap masukan dan keluaran, maka langkah berikutnya yaitu membuat aturan (rule base). Rule base ini terdiri dari kumpulan aturan kendali lintasan yang berbasis logika fuzzy untuk menyatakan aksi pengendali agar mencapai tujuan yang diharapkan. Penyusunan rule base ini berdasarkan pada pendekatan sistem manuvering kapal. Prinsip prinsip dasar dalam perancangan basis aturan kendali logika fuzzy dapat digeneralisasikan menjadi yaitu pertama jika variabel proses (yaw/sudut kapal) telah mencapai nilai yang diinginkan dan error yaw, yaw rate, error lintasan bernilai nol, maka keluaran sinyal kendali logika fuzzy dipertahankan agar konstan. Dan yang kedua adalah jika Gambar 3.9 Inferensi fuzzy mamdani Gambar 3.10 Tampilan tiga dimensi inferensi mamdani dengan masukan error yaw dan yawrate Gambar 3.10 merupakan tampilan tiga dimensi inferensi mamdani dengan masukan error yaw (e) dan yaw rate (r). Berdasarkan gambar 3.10 dapat dijelaskan bahwa jika masukan fuzzy r bernilai negatif dan masukan fuzzy e bernilai negatif maka 5

6 nilai keluaran fuzzy yang berupa aksi kendali rudder bernilai negatif. Jika nilai masukan fuzzy semakin meningkat maka nilai keluaran juga meningkat. Nilai keluaran akan bernilai 0 jika nilai masukan r maksimal dan nilai masukan e minimal, begitu juga sebaliknya. Gambar 3.11 Tampilan tiga dimensi inferensi mamdani dengan masukan yaw rate dan error lintasan Gambar 3.11 merupakan tampilan tiga dimensi inferensi mamdani dengan masukan yaw rate (r) dan error lintasan (d). Berdasarkan gambar 3.11 dapat dijelaskan bahwa jika masukan fuzzy r bernilai negatif dan masukan fuzzy d bernilai kecil maka nilai keluaran fuzzy yang berupa aksi kendali rudder bernilai negatif. Jika nilai masukan fuzzy d dan r ssemakin meningkat maka nilai keluaran juga meningkat. Peningkatan nilai keluaran fuzzy terjadi secara linier. Gambar 3.14 Model simulink tracking kapal FPB 57 dengan gangguan (skenario 1) Gambar 3.15 Model simulink tracking kapal FPB 57 dengan gangguan (skenario ) Gambar 3.1 Tampilan tiga dimensi inferensi mamdani dengan masukan error yaw dan error lintasan Gambar 3.1 merupakan tampilan tiga dimensi inferensi mamdani dengan masukan error yaw (e) dan error lintasan (d). Berdasarkan gambar 3.1 dapat dijelaskan bahwa jika masukan fuzzy e bernilai negatif dan masukan fuzzy d bernilai kecil maka nilai keluaran fuzzy yang berupa aksi kendali rudder bernilai negatif. Jika nilai masukan fuzzy d dan e semakin meningkat maka nilai keluaran juga meningkat. Peningkatan nilai keluaran fuzzy terjadi secara linier. Pengujian dan analisa Gambar 3.13 Model simulink plant kapal tanpa kendali (sistem open loop) 4. ANALISA DATA dan PEMBAHASAN 4.1 Analisa Kendali Logika Fuzzy Pada Kendali Lintasan Kapal FPB57 Pada perancangan kendali logika fuzzy untuk kendali lintasan kapal FPB 57 digunakan fuzzy mamdani, karena fuzzy mamdani merupakan fuzzy yang bekerja pada masukan berupa numerik dan keluaran numerik. Proses kerja fuzzy mamdani diawali pada fuzzifikasi yang merupakan proses pemetaan dari masukan hasil observasi ke himpunan fuzzy dalam semesta pembicaraan yang bervariasi. Dalam proses kendali data hasil observasi biasanya dalam bentuk crisp dan fuzzifikasi dibutuhkan untuk mengubah range observasi masukan ke nilai fuzzy yang sesuai untuk variabel masukan sistem. Digunakan fungsikeanggotaan segitiga sebagai variabel masukan karena bentuk segitiga fuzzy set memerlukan jumlah paling sedikit penyimpanan dan membangkitkan sebuah fuzzifikasi yang lebih halus sepanjang range masukan yang diberikan daripada bentuk trapesium maupun gaussian. Selanjutnya membuat aturan sistem kendali lintasan kapal FPB 57, telah digunakan logika Fuzzy dengan menggunakan 147 aturan. Aturan ini didasarkan pada masukan kendali. Pada fuzzy ini digunakan 3 masukan yaitu berupa error yaw (e), yaw rate (r) dan error lintasan (d). Untuk error yaw (e) fungsi keanggotaannya dibagi menjadi 7 yaitu NB, NM, NS, ZE, PS, PM, PB dengan range -35 sampai 35 yang didasarkan pada kinerja aktuator yang berupa 6

7 rudder, dimana rudder hanya bisa melakukan belok dengan sudut antara -35 sampai 35. Untuk yaw rate (r) fungsi keanggotaannya dibagi menjadi 7 seperti pada fungsi keanggotaan error yaw. Sedangkan range masukan error yaw berkisar antara -7 sampai 7, hal ini didasarkan pada range kinerja kecepatan rudder. Sedangkan untuk masukan berupa error lintasan (d) dibagi menjadi 3 fungsi keanggotaan yaitu ZE, DE, JA dengan range antara 0 sampai 460, range ini didasarkan pada nilai selisih koordinat setpoint dengan koordinat aktual kapal. Mekanisme inferensi sistem ini menggunakan metode max-min. Tahap terakhir yaitu defuzzifikasi, yang menggunakan metode Center of Area. Hasil defuzzifikasi dengan metoda ini diambil dari nilai dalam suatu range dimana luasan daerah dari membership function C dibagi menjadi dua luasan yang sama besar. Pada metode ini nilai crisp keluarannya diperoleh berdasarkan titik berat dari kurva hasil proses pengambilan keputusan. Selanjutnya untuk memvalidasi kendali logika fuzzy yang telah dibuat yaitu dilakukan simulasi dengan menerapkan kendali logika fuzzy pada sistem pengendalian lintasan pada simulink. Tolok ukur keberhasilan perancangan kendali logika fuzzy berdasarkan kemampuannya memenuhi tracking dari set point. Kendali logika fuzzy ini dirancang untuk sistem kendali lintsan kapal FPB 57 dengan menggunakan 147 aturan. Aturan ini didasarkan pada fungsi keanggotaan setiap masukan dan keluaran. Pada simulink ini pada bab3 terdapat sebuah gain untuk setiap masukan. Hali ini dilakukan karena dengan adanya gain maka dperoleh suatu performansi sistem yang sesuai dengan performansi yang diharapkan. Penentuan nilai gain ini didasarkan pada pengujian saat open loop, untuk mengetahui trend dari setiap masukan kendali logika fuzzy. 4. Pengujian Kapal FPB-57 Secara Open Loop Uji open loop digunakan untuk mengetahui respon dari kapal FPB 57 jika diberi masukan dengan nilai tertentu. Pada uji open loop,sistem kendali fuzzy diberi masukan beberapa koordinat lintasan yang dikonversikan menjadi nilai sudut heading sebelum masuk ke rudder. Pada hasil uji open loop dapat diketahui apakah lintasan aktual sesuai dengan lintasan masukan (lintasan target). Lintasan target yang disimulasikan pada uji open loop ini seperti yang sudah dituliskan pada Tabel 3.1. Jika tidak sesuai dengan lintasan target, maka dapat disimpulkan bahwa kapal FPB 57 tidak terkendali jika tidak diberi suatu kendali. Gambar 4.1 merupakan grafik respon hasil simulasi uji open loop dengan masukan koordinat lintasan target seperti pada tabel 3.1. Pada saat simulasi uji open loop ini, pada simulink tidak diberi kendali seperti pada Gambar Pada Gambar 4.1 dapat diamati bahwa respon kapal aktual tidak mampu mengikuti koordinat lintasan target. Lintasan aktual pada uji open loop ini tidak beraturan dengan kata lain tidak sesuai dengan koordinat target. Hal ini dikarenakan pada uji open loop tidak ada kendali. 4.3 Pengujian Kapal FPB-57 Secara Close Loop Pengujian Tracking Pada Kapal FPB 57 Dengan Lintasan Kepulauan Riau dan Ketinggian Gelombang Sebesar 0,87m (Skenario 1) Pengujian tracking pada kapal FPB 57 ini dilakukan tanpa gangguan dengan tujuan untuk mengetahui apakah kendali logika fuzzy yang telah dirancang mampu mengikuti tracking lintasan yang diharapkan (lintasan target) atau tidak. Lintasan target ini adalah koordinat lintang dan bujur pada Selat Riau yang sudah ditentukan yang selanjutnya dikonversikan menjadi jarak (m), sehingga diperoleh titik koordinat xy lintasan yang tertulis di bab 3. Koordinat lintasan xy target ini menjadi masukan kendali logika fuzzy. Tetapi sebelum menjadi masukan kendali logika fuzzy, koordinat target dikonversikan menjadi sudut heading dengan perhitungan seperti pada rumus.53. Sudut heading yang dihasilkan masih dalam bentuk radian, untuk itu harus dikonversikan menjadi derajat (karena parameter pada masukan kendali logika fuzzy yaitu error yaw (error sudut heading) dan yaw rate dalam satuan derajat), untuk itu diperlukan suatu konverter satuan dari radian menjadi derajat dengan cara mengalikan sudut heading dengan gain 57,3. Pada simulink tracking kapal FPB 57, koordinat aktual diperoleh dengan cara mengalikan kecepatan kapal (diasumsikan konstan) dengan cosinus sudut heading untuk koordinat x dan sinus sudut heading untuk koordinat y. Pada pengujian tracking dengan gangguan gelombang ini dihasilkan respon sistem yang baik, dalam artian kendali logika fuzzy yang sudah dirancang mampu memenuhi lintasan target, dimana kendali logika fuzzy yang sudah dirancang terdiri dari tiga masukan yaitu error yaw (e), yaw rate (r) dan error lintasan (d) dn satu keluaran berupa sinyal command rudder. Masukan error yaw (e) dan yawrate (r) masing-masing terdiri dari 7 fungsi keanggotaan, masukan error lintasan (d) dibagi dalam 3 fungsi keanggotaan dan keluaran sinyal command rudder dibagi dalam 7 fungsi keanggotaan, dimana dalam fuzzifikasi baik masukan maupun keluaran masing-masing menggunakan bentuk segitiga dengan range yang berbeda-beda seperti yang sudah dijelaskan pada bab 3. Gambar 4.3 merupakan plot lintasan target dan aktual pada simulink Gambar 3.16 dan Gambar 4.1 Grafik respon kapal FPB 57 open loop 7

8 N W S E Gambar 4. Grafik lintasan target dan aktual pada tracking kapal FPB 57 skenario 1 Gambar 4. memperlihatkan lintasan target dan lintasan aktual kapal FPB 57. Terlihat bahwa lintasan target dan lintasan aktual berimpit pada awal perjalanan, tetapi pada tengah-tengah lintasan, lintasan aktual dan lintasan target mulai terdapat penyimpangan. Lintasan aktual pada pengujian skenario 1 (tanpa kompensator) zigzag, jadi titik permuan antara koordinat target dan aktual lebih banyak dan besarnya error lintasan lebih kecil. Besarnya error lintasan terdapat pada tabel 4.1 yang menunjukkan bahwa besarnya error lintasan untuk setiap koordinat berbeda. Nilai error lintasan terkecil dan terbesar pada pengujian tanpa diberi gangguan sebesar 0,5m dan 54,4 m. Nilai error lintasan terkecil dan terbesar pada pengujian dengan diberi gangguan adalah 1,3m dan 61,71m. Tabel 4.1. Koordinat lintasan target dan lintasan aktual hasil pada pengujian tracking kapal FPB 57 (skenario 1) Gambar 4.3 Grafik error lintasan terhadap titik koordinat Berdasarkan Gambar 4.3 terlihat bahwa nilai error lintasan terbesar pada pengujian tanpa gelombang terdapat pada koordinat ke 19 sebesar 61m, error lintasan terkecil terdapat pada koordinat ke 14 sebesar 0,5m. Pada pengujian tracking dengan gelombang nilai error lintasan terbesar terdapat pada koordinat ke 11 sebesar 55,m dan nilai error terkecil terdapat pada koordinat ke sebesar 1,3m. Selisih error lintasan pada saat tanpa diberi gangguan dan pada saat diberi gangguan adalah ratarata 8,64m Pengujian Tracking Pada Kapal FPB 57 Dengan Lintasan Kepulauan Riau dan Ketinggian Gelombang Sebesar 0,87m (Skenario ) Pada pengujian tracking KLF ini digunakan untuk mengetahui apakah sistem kendali yang sudah dirancang ini mampu mengikuti masukan. Masukan dalam sistem ini berupa koordinat lintasan yang dikonversikan menjadi sudut heading kapal dengan menggunakan rumus.53. Koordinat lintasan ini sesuai dengan kondisi Kepulauan Riau, tepatnya lintasan pada Selat Riau yang mengapit antara Pulau Batam dan Pulau Bintan. Pada simulink tracking KLF ini digunakan 3 masukan, salah satunya yaitu error yaw. Error yaw ini merupakan selisih antara sudut heading setpoint (dari masukan yang berupa lintasan yang dikonversikan menjadi sudut heading pada simulink). Masukan yang kedua yaitu berupa yaw rate. Yaw rate merupakan kecepatan sudut heading. Pada simulink dituliskan dengan diferensiator dari keluaran sistem yang berupa sudut heading. Masukan yang ketiga adalah error lintasan. Error lintasan merupakan selisih antara jarak antara koordinat setpoint dengan koordinat aktual kapal. Pada simulink koordinat aktual kapal diperoleh dari konversi sudut heading aktual menjadi koordinat aktual kapal, sehingga dapat diketahui jarak koordinat aktual kapal dengan koordinat setpoint. Pengkonversian sudut heading aktual menjadi lintasan koordinat aktual, kecepatan kapal FPB 57 diasumsikan konstan yaitu 30 knot (kecepatan maksimal kapal FPB knot=15,433m/s). Untuk mengkonversi sudut heading aktual menjadi koordinat aktual kapal digunakan rumus x = v cosψ. t dan y = vsinψ. t, sedangkan untuk menghitung error lintasan menggunakan 8

9 rumus d = ( xa xd) + ( ya yd). Untuk keluaran dari sistem pengendalian lintasan ini adalah berupa sudut heading untuk sumbu y pada scope dalam satuan radian sedangkan untuk keluaran pada sumbu x adalah waktu dalam satuan sekon. Pada simulink tersebut juga akan ditampilkan grafik lintasan yang diinginkan dan lintasan aktual setelah dikendalikan dengan gangguan berupa gelombang. Gambar 4.5 merupakan plot koordinat lintasan target dan lintasan aktual terhadap x dan y. Lintasan ini pada dasarnya berupa koordinat lintang dan bujur dalam satuan derajat, menit dan sekon. Selanjutnya dikonversikan menjadi jarak dalam satuan meter. Pengkonversian ini menggunakan rumus konversi dalam subbab.7.. Keluaran dari sistem kendali ini berupa sudut heading yang dikonversikan ke koordinat lintasan xy dengan menggunakan rumus.7 dan.8. Untuk nilai koordinat x dan koordinat y digunakan rumus yang berbeda tetapi dalam hal ini kecepatan kapal dianggap konstan yaitu 15,433m/s. Berdasarkan Tabel 4. tentang error lintasan pada pengujian dengan menggunakan skenario, dapat disimpulkan bahwa nilai error lintasan pada saat tanpa diberi gangguan lebih kecil dari pada saat diberi gangguan. Nilai error lintasan terkecil dan terbesar pada pengujian tanpa diberi gangguan sebesar 0,1m dan 68 m. Nilai error lintasan terkecil dan terbesar pada pengujian dengan diberi gangguan adalah 0,1m dan 110m. Gambar 4.5 Grafik error lintasan terhadap titik koordinat W N S E Gambar 4.4 Grafik lintasan target dan aktual pada tracking kapal FPB 57 skenario Gambar 4.4 memperlihatkan lintasan target dan lintasan aktual kapal FPB 57. Terlihat bahwa lintasan target dan lintasan aktual berimpit pada awal perjalanan, tetapi pada tengah-tengah lintasan, lintasan aktual dan lintasan target mulai terdapat penyimpangan. Lintasan aktual baik tanpa gangguan maupun dengan gangguan mampu mengikuti tracking lintasan target, teapi nilai error lintasan besar. Besarnya error lintasan terdapat pada Tabel 4. yang menunjukkan bahwa besarnya error lintasan untuk setiap koordinat berbeda. Tabel 4.. Koordinat lintasan target dan lintasan aktual hasil pada pengujian tracking kapal FPB 57 (skenario ) Berdasarkan Gambar 4.5 tentang grafik error lintasan terhadap koordinat, dapat disimpulkan bahwa perbedaan nilai error lintasan pada saat diberi gangguan dan tidak diberi gangguan nilainya tidak terlalu berbeda jauh, nilainya hanya berbeda rata-rata,45m. Pada hasil pengujian tracking dengan menggunakan skenario 1 dan skenario terdapat perbedaaan, yaitu terdapat pada lintasan aktual. Pada saat pengujian tracking dengan menggunakan skenario 1, lintasan aktual baik tanpa diberi gangguan maupun dengan diberi gangguan memiliki rata-rata nilai error lintasan 17,76m dan 5,1m. Sedangkan pada pengujian tracking dengan menggunakan skenario, rata-rata error lintasan tanpa diberi gangguan dan dengan diberi gangguan adalah masing-masing sebesar 47,01m dan 49,47m Pengujian Tracking Pada Kapal FPB 57 Dengan Lintasan Kepulauan Riau dan Ketinggian Gelombang Sebesar m (Skenario 1) North (N) W N S E Gambar 4.6 Grafik lintasan target dan aktual pada tracking kapal FPB 57 skenario 1dengan ketinggian gelombang m 9

10 Gambar 4.6 menjelaskan tentang lintasan target dan lintasan aktual kapal FPB 57 yang diberi gangguan gelombang dengan ketinggian 0,87m dan m. Berdasarkan Gambar 4.6 terlihat bahwa error lintasan dengan gangguan gelombang 0,87m lebih kecil dibandingkan dengan error lintasan dengan gangguan gelombang m. Pengujian tracking dengan gangguan gelombang 0,87m dan m tidak mengubah tracking lintasan, tetapi hanya terdapat error lintasan yang berubah-ubah. Besarnya nilai error lintasan terdapat pada Tabel 4.4. Tabel 4.3. Error lintasan dengan gangguan gelombang 0,87m dan m (skenario 1) Gambar 4.7 menjelaskan tentang lintasan target dan lintasan aktual kapal FPB 57 yang diberi gangguan gelombang dengan ketinggian 0,87m dan m. Berdasarkan gambar 4.7 terlihat bahwa error lintasan dengan gangguan gelombang 0,87m lebih kecil dibandingkan dengan error lintasan dengan gangguan gelombang m. Pengujian tracking dengan gangguan gelombang 0,87m dan m tidak mengubah tracking lintasan, tetapi hanya terdapat error lintasan yang berubah-ubah. Besarnya nilai error lintasan terdapat pada Tabel 4.4. Tabel 4.4. Error lintasan dengan gangguan gelombang 0,87m dan m (skenario ) Berdasarkan Tabel 4.3 tentang error lintasan pada pengujian dengan menggunakan skenario 1, dapat disimpulkan bahwa nilai error lintasan pada saat tanpa diberi gangguan 0,87m lebih kecil dari pada diberi gangguan m. Rata-rata error lintasan dengan gangguan gelombang 0,87m sebesar 1,76 dan error lintasan dengan gangguan gelombang m sebesar 0,06m Pengujian Tracking Pada Kapal FPB 57 Dengan Lintasan Kepulauan Riau dan Ketinggian Gelombang Sebesar m (Skenario ) Berdasarkan Tabel 4.4 tentang error lintasan pada pengujian dengan menggunakan skenario, dapat disimpulkan bahwa nilai error lintasan pada saat tanpa diberi gangguan 0,87m lebih kecil dari pada diberi gangguan m. Rata-rata error lintasan dengan gangguan gelombang 0,87m sebesar 10,74 dan error lintasan dengan gangguan gelombang m sebesar 15,99m Pengujian Tracking Pada Kapal FPB 57 (skenario 1) Dengan Lintasan Target Lain (Segi Empat) W N S E Gambar 4.7 Grafik lintasan target dan aktual pada tracking kapal FPB 57 skenario 1dengan ketinggian gelombang m Gambar 4.8 Grafik lintasan target dan aktual pada tracking kapal FPB 57 skenario 1 Gambar 4.8 memperlihatkan lintasan target dan lintasan aktual kapal FPB 57. Terlihat bahwa lintasan target dan lintasan aktual berimpit pada awal perjalanan, tetapi pada tengah-tengah lintasan, 10

11 lintasan aktual dan lintasan target mulai terdapat penyimpangan. Lintasan aktual pada pengujian skenario 1 (tanpa kompensator) zigzag, jadi titik permuan antara koordinat target dan aktual lebih banyak dan besarnya error lintasan lebih kecil. Besarnya error lintasan terdapat pada Tabel 4.5 yang menunjukkan bahwa besarnya error lintasan untuk setiap koordinat berbeda. Dari Gambar 4.9 terlihat bahwa error lintasan dengan gangguan gelombang lebih besar dari pada error lintasan tanpa gelombang, untuk lebih detail tentang error lintasan dapat dilihat pada Tabel 4.5. Tabel 4.5. Koordinat lintasan target dan lintasan aktual hasil pada pengujian tracking kapal FPB 57 (skenario 1) Pengujian Tracking Pada Kapal FPB 57 (skenario ) Dengan Lintasan Target Segi Empat Gambar 4.9 Grafik lintasan target dan aktual pada tracking kapal FPB 57 skenario 1 Gambar 4.9 memperlihatkan lintasan target dan lintasan aktual kapal FPB 57. Terlihat bahwa lintasan target dan lintasan aktual berimpit pada awal perjalanan, tetapi pada tengah-tengah lintasan, lintasan aktual dan lintasan target mulai terdapat penyimpangan. Lintasan aktual baik tanpa gangguan maupun dengan gangguan mampu mengikuti tracking lintasan target, tetapi nilai error lintasan besar. Besarnya error lintasan terdapat pada Tabel 4.6 yang menunjukkan bahwa besarnya error lintasan untuk setiap koordinat berbeda. Dari Gambar 4.9 terlihat bahwa error lintasan dengan gangguan gelombang lebih besar dari pada error lintasan tanpa gelombang, untuk lebih detail tentang error lintasan dapat dilihat pada Tabel 4.6. Tabel 4.6. Koordinat lintasan target dan lintasan aktual hasil pada pengujian tracking kapal FPB 57 (skenario ) 5.KESIMPULAN Dari hasil analisa dan pembahasan, dapat diambil kesimpulan: Telah dirancang kendali logika fuzzy mamdani dalam sistem pengendalian lintasan dengan masukan kendali logika fuzzy error yaw, yaw rate dan error lintasan, keluaran fuzzy aksi kendali sebagai bentuk command rudder. Basis aturan yang digunakan sebanyak 147 aturan dengan fungsi keanggotaan masukan error yaw dan yaw rate masing-masing dalam 7 fungsi keanggotaan dan error lintasan dalam 3 fungsi keanggotaan dengan bentuk fungsi keanggotaan segitiga Dari hasil simulasi skenario 1 (tanpa kompensator pada masukan fuzzy), pada simulasi tanpa gangguan terdapat error lintasan dengan range 0,5m - 61,09m dan rata-rata 17,1m, pada simulasi dengan gangguan terdapat error lintasan dengan range 1,3m - 61,7m dan rata-rata 5,76m. Dari hasil simulasi skenario (dengan kompensator pada masukan fuzzy), pada simulasi tanpa gangguan terdapat error lintasan dengan range 0,17m 89,4m dan rata-rata 47m, pada simulasi dengan gangguan terdapat error lintasan dengan range 0,16m 110,6m dan rata-rata 49,5m. Waktu yang dibutuhkan untuk menempuh tujuan (lintasan target) di Kepulauan Riau sebesar 10,6 jam sedangkan untuk lintasan aktual hasil simulasi waktu yang dibutuhkan untuk menempuh tujuan sebesar 10,50 jam Sistem pengendalian yang telah dirancang, dapat digunakan untuk berbagai jenis lintasan, tidak hanya lintasan pada Kepulauan Riau 6. DAFTAR PUSTAKA 1.Fossen, T.I., Guidance And Control Of Ocean Vehicles..Thing dkk, Kendali Logika Fuzzy Dengan Metoda Defuzzifikasi Center Of Area And Mean Of Maxima, Teknik Elektro.Uk Petra 3. Biodata Penulis: Nama : Illa Rizianiza NRP : Alamat: Arif Rahman Hakim 104 Riwayat Pendidikan: -TK Prabhakti -SDN Mojokrapak I -SLTPN I Tembelang -SMAN II Jombang -Teknik Fisika ITS Surabaya 11

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111 PERANCANGAN KENDALI CERDAS BERBASIS LOGIKA FUZZY UNTUK PENINGKATAN PERFORMANSI MANUVERING KAPAL (Maratul Hamidah, Dr.Ir. Aulia Siti Aisjah, MT, Dr. Ir. A.A. Masroeri M.Eng ) Jurusan Teknik Fisika Fakultas

Lebih terperinci

SEMINAR TUGAS AKHIR PERANCANGAN SISTEM KONTROL BERBASIS LOGIKA FUZZY UNTUK MENGHINDARI BENDA ASING DI PERAIRAN TANJUNG PERAK

SEMINAR TUGAS AKHIR PERANCANGAN SISTEM KONTROL BERBASIS LOGIKA FUZZY UNTUK MENGHINDARI BENDA ASING DI PERAIRAN TANJUNG PERAK SEMINAR TUGAS AKHIR PERANCANGAN SISTEM KONTROL BERBASIS LOGIKA FUZZY UNTUK MENGHINDARI BENDA ASING DI PERAIRAN TANJUNG PERAK Oleh: Anita Faruchi 2407 100 048 Dosen Pembimbing: Dr. Ir. Aulia Siti Aisyah,

Lebih terperinci

Perancangan Sistem Kontrol Trajectory pada Kondisi Gangguan Arus Laut Non Uniform di Ketapang-Gilimanuk

Perancangan Sistem Kontrol Trajectory pada Kondisi Gangguan Arus Laut Non Uniform di Ketapang-Gilimanuk JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2301-9271 A-201 Perancangan Sistem Kontrol Trajectory pada Kondisi Gangguan Arus Laut Non Uniform di - Anindita Adikaputri Vinaya, Aulia Siti Aisjah,A.A

Lebih terperinci

PERANCANGAN SISTEM KONTROL BERBASIS LOGIKA FUZZY PADA KAPAL NIAGA UNTUK MENGHINDARI BENDA ASING DI PERAIRAN TANJUNG PERAK

PERANCANGAN SISTEM KONTROL BERBASIS LOGIKA FUZZY PADA KAPAL NIAGA UNTUK MENGHINDARI BENDA ASING DI PERAIRAN TANJUNG PERAK PERANCANGAN SISTEM KONTROL BERBASIS LOGIKA FUZZY PADA KAPAL NIAGA UNTUK MENGHINDARI BENDA ASING DI PERAIRAN TANJUNG PERAK (Anita Faruchi, Dr. Ir. Aulia Siti Aisyah, MT., Dr. Ir. A. A. Masroeri, M.Eng.)

Lebih terperinci

Perancangan Sistem Kendali Manuver Kapal Berbasis Logika Fuzzy untuk Mengatasi Faktor Gangguan Gelombang, Angin, dan Arus Laut

Perancangan Sistem Kendali Manuver Kapal Berbasis Logika Fuzzy untuk Mengatasi Faktor Gangguan Gelombang, Angin, dan Arus Laut Perancangan Sistem Kendali Manuver Kapal Berbasis Logika Fuzzy untuk Mengatasi Faktor Gangguan Gelombang, Angin, dan Arus Laut Abstrak Kapal tangki banyak digunakan untuk pelayaran lintas negara untuk

Lebih terperinci

PERANCANGAN SISTEM KENDALI MANUVER UNTUK MENGHINDARI TABRAKAN PADA KAPAL TANGKI BERBASIS LOGIKA FUZZY

PERANCANGAN SISTEM KENDALI MANUVER UNTUK MENGHINDARI TABRAKAN PADA KAPAL TANGKI BERBASIS LOGIKA FUZZY PERANCANGAN SISTEM KENDALI MANUVER UNTUK MENGHINDARI TABRAKAN PADA KAPAL TANGKI BERBASIS LOGIKA FUZZY (Ruri Anitasari, Dr. Ir. Aulia Siti Aisyah, MT., Dr. Ir. A. A. Masroeri, M.Eng.) Jurusan Teknik Fisika

Lebih terperinci

Perancangan Sistem Kontrol Sandar Kapal Otomatis Berbasis Logika Fuzzy di Pelabuhan Tanjung Perak Surabaya

Perancangan Sistem Kontrol Sandar Kapal Otomatis Berbasis Logika Fuzzy di Pelabuhan Tanjung Perak Surabaya JURNAL TEKNIK POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3539 (2301-9271 Print) E-57 Perancangan Sistem Kontrol Sandar Kapal Otomatis Berbasis Logika Fuzzy di Pelabuhan Tanjung Perak Surabaya Randika Gunawan,

Lebih terperinci

R = matriks pembobot pada fungsi kriteria. dalam perancangan kontrol LQR

R = matriks pembobot pada fungsi kriteria. dalam perancangan kontrol LQR DAFTAR NOTASI η = vektor orientasi arah x = posisi surge (m) y = posisi sway (m) z = posisi heave (m) φ = sudut roll (rad) θ = sudut pitch (rad) ψ = sudut yaw (rad) ψ = sudut yaw frekuensi rendah (rad)

Lebih terperinci

BAB V PENUTUP 5.1 Kesimpulan

BAB V PENUTUP 5.1 Kesimpulan BAB V PENUTUP 5.1 Kesimpulan Berdasarkan penelitian yang telah dilakukan, diperoleh kesimpulan sebagai berikut : 1. Telah dihasilkan suatu perancangan sistem pemenuhan lintasan berbasis logika Fuzzy pada

Lebih terperinci

UJI MANUVER KAPAL MELALUI AUTOPILOT FUZZY STUDI KASUS DI LABORATORIUM HIDRODINAMIKA INDONESIA (Bima Herlambang P., Aulia Siti Aisyah, A. A.

UJI MANUVER KAPAL MELALUI AUTOPILOT FUZZY STUDI KASUS DI LABORATORIUM HIDRODINAMIKA INDONESIA (Bima Herlambang P., Aulia Siti Aisyah, A. A. UJI MANUVER KAPAL MELALUI AUTOPILOT FUZZY STUDI KASUS DI LABORATORIUM HIDRODINAMIKA INDONESIA (Bima Herlambang P., Aulia Siti Aisyah, A. A. Masroeri) Jurusan Teknik Fisika Fakultas Teknologi Industri Institut

Lebih terperinci

PERANCANGAN SISTEM KONTROL SANDAR KAPAL OTOMATIS BERBASIS LOGIKA FUZZY DI PELABUHAN TANJUNG PERAK SURABAYA

PERANCANGAN SISTEM KONTROL SANDAR KAPAL OTOMATIS BERBASIS LOGIKA FUZZY DI PELABUHAN TANJUNG PERAK SURABAYA PERANCANGAN SISTEM KONTROL SANDAR KAPAL OTOMATIS BERBASIS LOGIKA FUZZY DI PELABUHAN TANJUNG PERAK SURABAYA Oleh : Randika Gunawan 2409100070 Dosen Pembimbing: Dr. Ir. Aulia Siti Aisjah, MT NIP. 196601161989032001

Lebih terperinci

PERANCANGAN SISTEM PENGENDALIAN DAN MONITORING UNTUK MENGHINDARI TABRAKAN ANTAR KAPAL DI ALUR PELAYARAN TANJUNG PERAK SURABAYA

PERANCANGAN SISTEM PENGENDALIAN DAN MONITORING UNTUK MENGHINDARI TABRAKAN ANTAR KAPAL DI ALUR PELAYARAN TANJUNG PERAK SURABAYA PERANCANGAN SISTEM PENGENDALIAN DAN MONITORING UNTUK MENGHINDARI TABRAKAN ANTAR KAPAL DI ALUR PELAYARAN TANJUNG PERAK SURABAYA (Devina Puspita Sari, Dr. Ir. Aulia Siti Aisyah, MT., Dr. Ir. A. A. Masroeri,

Lebih terperinci

Perancangan Sistem Kontrol Sandar Kapal Otomatis Berbasis Logika Fuzzy di Pelabuhan Tanjung Perak Surabaya

Perancangan Sistem Kontrol Sandar Kapal Otomatis Berbasis Logika Fuzzy di Pelabuhan Tanjung Perak Surabaya JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 Perancangan Sistem Kontrol Sandar Kapal Otomatis Berbasis Logika Fuzzy di Pelabuhan Tanjung Perak Surabaya Randika Gunawan, Aulia Siti Aisjah, A.A. Masroeri

Lebih terperinci

PERANCANGAN SISTEM GUIDANCE UNTUK MEMBANGUN AUTOPILOT KAPAL PKR KRI KELAS SIGMA

PERANCANGAN SISTEM GUIDANCE UNTUK MEMBANGUN AUTOPILOT KAPAL PKR KRI KELAS SIGMA JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-1 1 PERANCANGAN SISTEM GUIDANCE UNTUK MEMBANGUN AUTOPILOT KAPAL PKR KRI KELAS SIGMA Robbi Handito, Dr. Ir. Aulia Siti Aisjah, MT, dan Dr. Ir. Agoes A. Masroeri,

Lebih terperinci

PENGEMBANGAN SISTEM MONITORING DAN PENGENDALIAN UNTUK SIMULASI AUTOPILOT PADA KAPAL DI PELABUHAN TANJUNG PERAK

PENGEMBANGAN SISTEM MONITORING DAN PENGENDALIAN UNTUK SIMULASI AUTOPILOT PADA KAPAL DI PELABUHAN TANJUNG PERAK PENGEMBANGAN SISTEM MONITORING DAN PENGENDALIAN UNTUK SIMULASI AUTOPILOT PADA KAPAL DI PELABUHAN TANJUNG PERAK (Arief Rakhmad Fajri 1), Dr. Ir. Aulia Siti Aisyah, MT. 1), Dr. Ir. A. A. Masroeri, M.Eng.

Lebih terperinci

STUDI NUMERIK SISTEM KENDALI OTOMATIS OLAH GERAK KAPAL BERBASIS LOGIKA FUZZY UNTUK MENGHINDARI BENTURAN (COLLISION AVOIDANCE)

STUDI NUMERIK SISTEM KENDALI OTOMATIS OLAH GERAK KAPAL BERBASIS LOGIKA FUZZY UNTUK MENGHINDARI BENTURAN (COLLISION AVOIDANCE) STUDI NUMERIK SISTEM KENDALI OTOMATIS OLAH GERAK KAPAL BERBASIS LOGIKA FUZZY UNTUK MENGHINDARI BENTURAN (COLLISION AVOIDANCE) Ahmad Syafiul M 1, Anita Faruchi 2, Wibowo H Nugroho 1,3 1. Dynamic Analysis

Lebih terperinci

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111 PERANCANGAN KENDALI OTOMATIS HALUAN DAN KECEPATAN KAPAL PADA JALUR PELAYARAN KARANG JAMUANG TANJUNG PERAK BERBASIS LOGIKA FUZZY UNTUK PENINGKATAN EFFISIENSI TRANSPORTASI LAUT (Moh Aries Efendi, Dr.Ir.Hj.Aulia

Lebih terperinci

PERANCANGAN SISTEM KONTROL LOGIKA FUZZY PADA MANUVER NONLINIER KAPAL PERANG KELAS SIGMA (EXTENDED)

PERANCANGAN SISTEM KONTROL LOGIKA FUZZY PADA MANUVER NONLINIER KAPAL PERANG KELAS SIGMA (EXTENDED) JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) G-144 PERANCANGAN SISTEM KONTROL LOGIKA FUZZY PADA MANUVER NONLINIER KAPAL PERANG KELAS SIGMA (EXTENDED) Dandy Haris Firdianda,

Lebih terperinci

PERANCANGAN SISTEM KENDALI STABILITAS ROLLING PADA KAPAL PERANG KAWAL RUDAL KELAS SIGMA KRI DIPONEGORO DENGAN MENGGUNAKAN LOGIKA FUZZY

PERANCANGAN SISTEM KENDALI STABILITAS ROLLING PADA KAPAL PERANG KAWAL RUDAL KELAS SIGMA KRI DIPONEGORO DENGAN MENGGUNAKAN LOGIKA FUZZY 1 PERANCANGAN SISTEM KENDALI STABILITAS ROLLING PADA KAPAL PERANG KAWAL RUDAL KELAS SIGMA KRI DIPONEGORO DENGAN MENGGUNAKAN LOGIKA FUZZY Vibrio Yulian Dontiawan 1), Aulia Siti Aisyah 1), Agoes A. Masroeri

Lebih terperinci

PERANCANGAN KONTROLER KASKADE FUZZY UNTUK PENGATURAN TEKANAN PADA PRESSURE CONTROL TRAINER

PERANCANGAN 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 terperinci

Herry gunawan wibisono Pembimbing : Ir. Syamsul Arifin, MT

Herry 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 terperinci

LAMPIRAN A PEMODELAN DINAMIKA KAPAL

LAMPIRAN A PEMODELAN DINAMIKA KAPAL LAMPIRAN A PEMODELAN DINAMIKA KAPAL Dinamika kapal dimodelkan berdasar dari spesifikasi kapal. Kapal yang digunakan adalah kapal PKR KRI Diponegoro Kelas SIGMA. Berikut spesifikasi umum dari kapal PKR

Lebih terperinci

Perancangan Sistem Stabilisasi Rudder Roll pada Kapal Perang Kelas SIGMA dengan Kontrol Logika Fuzzy

Perancangan Sistem Stabilisasi Rudder Roll pada Kapal Perang Kelas SIGMA dengan Kontrol Logika Fuzzy JURNAL TEKNIK POMITS Vol., No., (03) ISSN: 337-3539 (30-97 Print) A-6 Perancangan Sistem Stabilisasi Rudder Roll pada Kapal Perang Kelas SIGMA dengan Kontrol Logika Fuzzy Alfany Hardiyanty ), Aulia S.A

Lebih terperinci

INCREASING INDONESIA SEA ENDURANCE BY DESIGNING FAST PATROL BOAT MANEUVERING CONTROL, SERIE 1 : NON ADAPTIF FUZZY

INCREASING INDONESIA SEA ENDURANCE BY DESIGNING FAST PATROL BOAT MANEUVERING CONTROL, SERIE 1 : NON ADAPTIF FUZZY INCREASING INDONESIA SEA ENDURANCE BY DESIGNING FAST PATROL BOAT MANEUVERING CONTROL, SERIE 1 : NON ADAPTIF FUZZY Aulia Siti Aisjah, Syamsul Arifin Engineering Physics Department Faculty Of Industrial

Lebih terperinci

Kata kunci : Kontrol Logika Fuzzy, Kapal, Sistem Pengendalian, dan halangan kapal.

Kata kunci : Kontrol Logika Fuzzy, Kapal, Sistem Pengendalian, dan halangan kapal. PENGEMBANGAN SISTEM MCST -MONITORING AND CONTROL IN SEA TRANSPORTATION PADA KONDISI KEPADATAN LALU LINTAS PELAYARAN DI ALUR BARAT TANJUNG PERAK (Ocky Noor Hillali, Dr. Ir. Aulia Siti Aisyah, MT., Dr. Ir.

Lebih terperinci

Analisa Kestabilan Sistem dalam Penelitian ini di lakukan dengan dua Metode Yaitu:

Analisa Kestabilan Sistem dalam Penelitian ini di lakukan dengan dua Metode Yaitu: Analisa Kestabilan Sistem dalam Penelitian ini di lakukan dengan dua Metode Yaitu: o Analisa Stabilitas Routh Hurwith 1. Suatu metode menentukan kestabilan sistem dengan melihat pole-pole loop tertutup

Lebih terperinci

EKO TRI WASISTO Dosen Pembimbing 1 Dosen Pembimbing 2

EKO TRI WASISTO Dosen Pembimbing 1 Dosen Pembimbing 2 RANCANG BANGUN SISTEM KONTROL ATTITUDE PADA UAV (UNMANNED AERIAL VEHICLE) QUADROTOR DF- UAV01 DENGAN MENGGUNAKAN SENSOR ACCELEROMETER 3-AXIS DENGAN METODE FUZZY LOGIC EKO TRI WASISTO 2407.100.065 Dosen

Lebih terperinci

APLIKASI METODE STATE FEEDBACK LINEARIZATION PADA SISTEM KENDALI GERAK KAPAL

APLIKASI METODE STATE FEEDBACK LINEARIZATION PADA SISTEM KENDALI GERAK KAPAL APLIKASI METODE STATE FEEDBACK LINEARIZATION PADA SISTEM KENDALI GERAK KAPAL Dosen Pembimbing: DR. Erna Apriliani M.Si DWI ARIYANI K 1209100044 JURUSAN MATEMATIKA ITS FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN

Lebih terperinci

OCKY NOOR HILLALI

OCKY NOOR HILLALI OCKY NOOR HILLALI 2407100045 Dosen Pembimbing I: Dr. Ir. AULIA SITI AISJAH, MT Dosen Pembimbing II: Dr. Ir. AGOES A. MASROERI, M. Eng JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI

Lebih terperinci

PERANCANGAN SISTEM KONTROL LAMPU LALU LINTAS OTOMATIS BERBASIS LOGIKA FUZZY MENGGUNAKAN SENSOR KAMERA

PERANCANGAN SISTEM KONTROL LAMPU LALU LINTAS OTOMATIS BERBASIS LOGIKA FUZZY MENGGUNAKAN SENSOR KAMERA Seminar Tugas Akhir PERANCANGAN SISTEM KONTROL LAMPU LALU LINTAS OTOMATIS BERBASIS LOGIKA FUZZY MENGGUNAKAN SENSOR KAMERA Oleh : Andri Kuncoro NRP. 2406100042 Dosen Pembimbing : Ir. Moch. Ilyas Hs. NIP.194909191979031002

Lebih terperinci

JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER

JURUSAN TEKNIK FISIKA FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH NOPEMBER Rancang Bangun Kontrol Logika Fuzzy-PID Pada Plant Pengendalian ph (Studi Kasus : Asam Lemah dan Basa Kuat) Oleh : Fista Rachma Danianta 24 08 100 068 Dosen Pembimbing Hendra Cordova ST, MT. JURUSAN TEKNIK

Lebih terperinci

BAB IV SIMULASI STABILISASI INVERTED PENDULUM DENGAN MENGGUNAKAN PENGONTROL FUZZY

BAB IV SIMULASI STABILISASI INVERTED PENDULUM DENGAN MENGGUNAKAN PENGONTROL FUZZY BAB IV SIMULASI STABILISASI INVERTED PENDULUM DENGAN MENGGUNAKAN PENGONTROL FUZZY Pada bab ini, pertama-tama akan dijelaskan mengenai pemodelan stabilisasi sistem inverted pendulum menggunakan perangkat

Lebih terperinci

BAB II LANDASAN TEORI

BAB 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 terperinci

BAB III PERANCANGAN DAN PEMBUATAN SISTEM. Gambar 3. 1 Diagram Blok Sistem Kecepatan Motor DC

BAB III PERANCANGAN DAN PEMBUATAN SISTEM. Gambar 3. 1 Diagram Blok Sistem Kecepatan Motor DC BAB III PERANCANGAN DAN PEMBUATAN SISTEM Bab ini menjelaskan tentang perancangan dan pembuatan sistem kontrol, baik secara software dan hardware yang akan digunakan untuk mendukung keseluruhan sistem yang

Lebih terperinci

Institut Teknologi Sepuluh Nopember Surabaya

Institut Teknologi Sepuluh Nopember Surabaya Aplikasi Sistem Inferensi Fuzzy Metode Sugeno dalam Memperkirakan Produksi Air Mineral dalam Kemasan Oleh Suwandi NRP 1209201724 Dosen Pembimbing 1. Prof. Dr M. Isa Irawan, MT 2. Dr Imam Mukhlash, MT Institut

Lebih terperinci

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111 PERANCANGAN SISEM KENDALI OPIMAL MULIVARIABEL LINEAR QUADRAIC GAUSSIAN (LQG) PADA KAPAL FPB 38 UNUK MENINGKAKAN PERFORMANSI MANUVERING (Dinayati Rodliyah, Aulia Siti Aisyah, A. A. Masroeri) Jurusan eknik

Lebih terperinci

BAB 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 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 terperinci

BAB III PERANCANGAN Sistem Kontrol Robot. Gambar 3.1. Blok Diagram Sistem

BAB 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 terperinci

ANALISA SISTEM KENDALI FUZZY PADA CONTINUOUSLY VARIABLE TRANSMISSION (CVT) DENGAN DUA PENGGERAK PUSH BELT UNTUK MENINGKATKAN KINERJA CVT

ANALISA SISTEM KENDALI FUZZY PADA CONTINUOUSLY VARIABLE TRANSMISSION (CVT) DENGAN DUA PENGGERAK PUSH BELT UNTUK MENINGKATKAN KINERJA CVT ANALISA SISTEM KENDALI FUZZY PADA CONTINUOUSLY VARIABLE TRANSMISSION (CVT) DENGAN DUA PENGGERAK PUSH BELT UNTUK MENINGKATKAN KINERJA CVT Oleh : Agung Prasetya Adhayatmaka NRP 2108100521 Dosen Pembimbing

Lebih terperinci

Pemodelan Gerak Belok Steady State dan Transient pada Kendaraan Empat Roda

Pemodelan Gerak Belok Steady State dan Transient pada Kendaraan Empat Roda E97 Pemodelan Gerak Belok Steady State dan Transient pada Kendaraan Empat Roda Yansen Prayitno dan Unggul Wasiwitono Jurusan Teknik Mesin, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember

Lebih terperinci

Stabilisasi Robot Pendulum Terbalik Beroda Dua Menggunakan Kontrol Fuzzy Hybrid

Stabilisasi Robot Pendulum Terbalik Beroda Dua Menggunakan Kontrol Fuzzy Hybrid Stabilisasi Robot Pendulum Terbalik Beroda Dua Menggunakan Kontrol Fuzzy Hybrid Made Rahmawaty, Trihastuti Agustinah Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember (ITS)

Lebih terperinci

Proceeding Tugas Akhir-Januari

Proceeding Tugas Akhir-Januari Proceeding Tugas Akhir-Januari 214 1 Swing-up dan Stabilisasi pada Sistem Pendulum Kereta menggunakan Metode Fuzzy dan Linear Quadratic Regulator Renditia Rachman, Trihastuti Agustinah Jurusan Teknik Elektro,

Lebih terperinci

IMPLEMENTASI LOGIKA FUZZY UNTUK MENGENDALIKAN PH DAN LEVEL AIR KOLAM RENANG

IMPLEMENTASI 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 terperinci

Penerapan Logika Fuzzy Pada Sistem Parkir Truk

Penerapan Logika Fuzzy Pada Sistem Parkir Truk Penerapan Logika Fuzzy Pada Sistem Parkir Truk Kuswara Setiawan Program Studi Sistem Informasi Universitas Pelita Harapan Surabaya, Indonesia Abstrak Suatu sistem dinamis dalam kehidupan sehari-hari seringkali

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: ( Print) B-58

JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: ( Print) B-58 JURNAL TEKNIK POMITS Vol. 3, No. 1, (214) ISSN: 2337-3539 (231-9271 Print) B-58 Swing-up dan Stabilisasi pada Sistem Pendulum Kereta menggunakan Metode Fuzzy dan Linear Quadratic Regulator Renditia Rachman,

Lebih terperinci

Desain Kendali pada Sistem Steam Drum Boiler dengan Memperhitungkan Control Valve

Desain 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 terperinci

Adaptive Fuzzy Untuk Menala Parameter PID pada Sistem Pengaturan Berjaringan. Nastiti Puspitosari L/O/G/O NETWORKED CONTROL SYSTEM (NCS)

Adaptive 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 terperinci

Penerapan Metode Fuzzy Mamdani Pada Rem Otomatis Mobil Cerdas

Penerapan 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 terperinci

Implementasi Sistem Navigasi Behavior Based Robotic dan Kontroler Fuzzy pada Manuver Robot Cerdas Pemadam Api

Implementasi Sistem Navigasi Behavior Based Robotic dan Kontroler Fuzzy pada Manuver Robot Cerdas Pemadam Api Implementasi Sistem Navigasi Behavior Based Robotic dan Kontroler Fuzzy pada Manuver Robot Cerdas Pemadam Api Rully Muhammad Iqbal NRP 2210105011 Dosen Pembimbing: Rudy Dikairono, ST., MT Dr. Tri Arief

Lebih terperinci

Ir.Muchammad Ilyas Hs DONY PRASETYA ( ) DOSEN PEMBIMBING :

Ir.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 terperinci

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111

Jurusan Teknik Fisika Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Kampus ITS, Keputih Sukolilo, Surabaya 60111 PERANCANGAN SISTEM PENGENDALIAN PADA KAPAL BERBASIS DATA AIS (AUTOMATIC IDENTIFICATION SYSTEM) UNTUK MENGHINDARI TABRAKAN (Saiko, Dr.Ir. Aulia Siti Aisjah, MT, Dr.Ir.A.A,Masroeri,M.Eng) Jurusan Teknik

Lebih terperinci

Lima metode defuzzifikasi ini dibandingkan dengan mengimplementasikan pada pengaturan kecepatan motor DC.

Lima metode defuzzifikasi ini dibandingkan dengan mengimplementasikan pada pengaturan kecepatan motor DC. Sutikno, Indra Waspada PERBANDINGAN METODE DEFUZZIFIKASI SISTEM KENDALI LOGIKA FUZZY MODEL MAMDANI PADA MOTOR DC Sutikno, Indra Waspada Program Studi Teknik Informatika Universitas Diponegoro tik@undip.ac.id,

Lebih terperinci

TUGAS AKHIR - TE

TUGAS AKHIR - TE TUGAS AKHIR - TE 091399 PERANCANGAN DAN IMPLEMENTASI KONTROLER PID UNTUK PENGATURAN ARAH DAN PENGATURAN HEADING PADA FIXED-WING UAV (UNMANNED AERIAL VEHICLE) Hery Setyo Widodo NRP. 2208100176 Laboratorium

Lebih terperinci

Analisis Pengaruh Pemilihan Fuzzy Membership Function Terhadap Output Sebuah Sistem Fuzzy Logic

Analisis 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 terperinci

Rancang Bangun Prototipe Sistem Kontrol Penjejak Lintasan Pada Kapal Tanpa Awak Menggunakan Fuzzy Logic

Rancang Bangun Prototipe Sistem Kontrol Penjejak Lintasan Pada Kapal Tanpa Awak Menggunakan Fuzzy Logic 1 Rancang Bangun Prototipe Sistem Kontrol Penjejak Lintasan Pada Kapal Tanpa Awak Menggunakan Fuzzy Logic Mohamad Ridwan, Suwito (1), Tasripan (2), Aulia Siti Aisjah (3) Jurusan Teknik Elektro, Fakultas

Lebih terperinci

Perancangan Sistem Pengendalian Suhu Kumbung Jamur dengan Logika Fuzzy

Perancangan 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 terperinci

Abdul Halim Dosen Pembimbing Dr. Trihastuti Agustinah, ST., MT

Abdul Halim Dosen Pembimbing Dr. Trihastuti Agustinah, ST., MT Abdul Halim 22 05 053 Dosen Pembimbing Dr. Trihastuti Agustinah, ST., T JURUSAN TEKNIK ELEKTRO Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 203 PENDAHULUAN PERANCANGAN HASIL

Lebih terperinci

DESAIN SISTEM KENDALI TEMPERATUR UAP SUPERHEATER DENGAN METODE FUZZY SLIDING MODE CONTROL

DESAIN 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 terperinci

STUDY SIMULASI AUTOPILOT KAPAL DENGAN LAB VIEW

STUDY SIMULASI AUTOPILOT KAPAL DENGAN LAB VIEW + PRO S ID IN G 20 1 1 HASIL PENELITIAN FAKULTAS TEKNIK STUDY SIMULASI AUTOPILOT KAPAL DENGAN LAB VIEW Jurusan Perkapalan Fakultas Teknik Universitas Hasanuddin Jl. Perintis Kemerdekaan Km. 10 Tamalanrea

Lebih terperinci

DESAIN DAN IMPLEMENTASI KONTROLER FUZZY-SUPERVISED PID BERBASIS PLC PADA SISTEM KONTROL LEVEL CAIRAN COUPLED-TANK

DESAIN DAN IMPLEMENTASI KONTROLER FUZZY-SUPERVISED PID BERBASIS PLC PADA SISTEM KONTROL LEVEL CAIRAN COUPLED-TANK TUGAS AKHIR TE091399 Teknik Sistem Pengaturan Jurusan Teknik Elektro Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya 2013 DESAIN DAN IMPLEMENTASI KONTROLER FUZZY-SUPERVISED PID

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

BAB III METODA PENELITIAN

BAB III METODA PENELITIAN BAB III METODA PENELITIAN 3.1 TahapanPenelitian berikut ini: Secara umum tahapan penelitian digambarkan seperti pada Gambar 3.1 diagram alir Gambar 3.1 Diagram alir penelitian Agar dapat mencapai tujuan

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dalam mendisain sebuah sistem kontrol untuk sebuah plant yang parameterparameternya tidak berubah, metode pendekatan standar dengan sebuah pengontrol yang parameter-parameternya

Lebih terperinci

Jurusan Teknik Fisika Fakultas Teknologi Industri 2

Jurusan Teknik Fisika Fakultas Teknologi Industri 2 PERANCANGAN SISTEM PENGENDALIAN PADA KAPAL BERBASIS DATA AIS (AUTOMATIC IDENTIFICATION SYSTEM) UNTUK MENGHINDARI TABRAKAN DI PERAIRAN TANJUNG PERAK SURABAYA AULIA Siti Aisjah 1, A.A,MASROERI 2, SYAMSUL

Lebih terperinci

Komparasi Sistem Kontrol Satelit (ADCS) dengan Metode Kontrol PID dan Sliding-PID NUR IMROATUL UST ( )

Komparasi Sistem Kontrol Satelit (ADCS) dengan Metode Kontrol PID dan Sliding-PID NUR IMROATUL UST ( ) Komparasi Sistem Kontrol Satelit (ADCS) dengan Metode Kontrol PID dan Sliding-PID NUR IMROATUL UST (218 1 165) Latar Belakang Indonesia memiliki bentangan wilayah yang luas. Satelit tersusun atas beberapa

Lebih terperinci

Desain dan Implementasi Automatic Flare Maneuver pada Proses Landing Pesawat Terbang Menggunakan Kontroler PID

Desain dan Implementasi Automatic Flare Maneuver pada Proses Landing Pesawat Terbang Menggunakan Kontroler PID Desain dan Implementasi Automatic Flare Maneuver pada Proses Landing Pesawat Terbang Menggunakan Kontroler PID Mokhamad Khozin-2207100092 Bidang Studi Teknik Sistem Pengaturan, Jurusan Teknik Elektro,

Lebih terperinci

BAB III DINAMIKA PROSES

BAB 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 terperinci

DAFTAR 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... 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 terperinci

DESAIN KONTROL INVERTED PENDULUM DENGAN METODE KONTROL ROBUST FUZZY

DESAIN KONTROL INVERTED PENDULUM DENGAN METODE KONTROL ROBUST FUZZY DESAIN KONTROL INVERTED PENDULUM DENGAN METODE KONTROL ROBUST FUZZY Reza Dwi Imami *), Aris Triwiyatno, and Sumardi Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Prof. Sudharto, SH, Kampus

Lebih terperinci

2.4. Sistem Kendali Logika Fuzzy 11

2.4. 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 terperinci

LEVEL DAN SISTEM PROTEKSI PADA PERTAMINA (PERSERO) RU IV CILACAP

LEVEL DAN SISTEM PROTEKSI PADA PERTAMINA (PERSERO) RU IV CILACAP PERANCANGAN SISTEM PENGENDALIAN LEVEL DAN SISTEM PROTEKSI PADA KNOCK OUT DRUM 260V106 DI PT PERTAMINA (PERSERO) RU IV CILACAP Oleh : Fitri Noer Laili (2406100034) Pembimbing : Hendra Cordova, ST, MT PENDAHULUAN

Lebih terperinci

Fuzzy Logic. Untuk merepresentasikan masalah yang mengandung ketidakpastian ke dalam suatu bahasa formal yang dipahami komputer digunakan fuzzy logic.

Fuzzy 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 terperinci

Kontroler Fuzzy-PI untuk Plant Coupled-Tank

Kontroler Fuzzy-PI untuk Plant Coupled-Tank Kontroler Fuzzy-PI untuk Plant Coupled-Tank Mochamad Nur Qomarudin 1 Surabaya, 4 Mei 2013 Abstrak Saya awali dokumen ini dengan Nama Alloh, Tuhan Semesta Alam, Sang Maha Pengasih dan Maha Penyayang. Sebagian

Lebih terperinci

PERANCANGAN OPTIMAL TRACKING CONTROL KAPAL LNG DENGAN BEBAN MUATAN PENUH KELUAR DARI PELABUHAN ARUN

PERANCANGAN OPTIMAL TRACKING CONTROL KAPAL LNG DENGAN BEBAN MUATAN PENUH KELUAR DARI PELABUHAN ARUN HALAMAN JUDUL TUGAS AKHIR TF 141581 PERANCANGAN OPTIMAL TRACKING CONTROL KAPAL LNG DENGAN BEBAN MUATAN PENUH KELUAR DARI PELABUHAN ARUN FARIDA AMBARWATI NRP. 2413 100 064 Dosen Pembimbing : Prof. Dr. Ir.

Lebih terperinci

Perancangan Kontroler Fuzzy untuk Tracking Control Robot Soccer

Perancangan Kontroler Fuzzy untuk Tracking Control Robot Soccer 1 Perancangan Kontroler Fuzzy untuk Tracking Control Robot Soccer Gunawan Wibisono 2208 100 517 Control Engineering Laboratory Electrical Engineering Department Industrial Engineering Faculty Institut

Lebih terperinci

Simulasi Control System Design dengan Scilab dan Scicos

Simulasi Control System Design dengan Scilab dan Scicos Simulasi Control System Design dengan Scilab dan Scicos 1. TUJUAN PERCOBAAN Praktikan dapat menguasai pemodelan sistem, analisa sistem dan desain kontrol sistem dengan software simulasi Scilab dan Scicos.

Lebih terperinci

PERANCANGAN SISTEM KENDALI KESTABILAN ROLLING KAPAL PERANG KELAS SIGMA SAAT BERMANUVER MENGGUNAKAN FUZZY GAIN SCHEDULING - PID

PERANCANGAN SISTEM KENDALI KESTABILAN ROLLING KAPAL PERANG KELAS SIGMA SAAT BERMANUVER MENGGUNAKAN FUZZY GAIN SCHEDULING - PID ISSN : 3-385 Seminar Nasional Teknologi Informasi dan Multimedia 15 STMIK AMIKOM Yogyakarta, 6-8 Februari 15 PERANCANGAN SISTEM KENDALI KESTABILAN ROLLING KAPAL PERANG KELAS SIGMA SAAT BERMANUVER MENGGUNAKAN

Lebih terperinci

PENERAPAN 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 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 terperinci

Dosen Pembimbing : Hendro Nurhadi, Dipl. Ing. Ph.D. Oleh : Bagus AR

Dosen Pembimbing : Hendro Nurhadi, Dipl. Ing. Ph.D. Oleh : Bagus AR Dosen Pembimbing : Hendro Nurhadi, Dipl. Ing. Ph.D. Oleh : Bagus AR 2105100166 PENDAHULUAN LATAR BELAKANG Control system : keluaran (output) dari sistem sesuai dengan referensi yang diinginkan Non linear

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM

BAB III ANALISIS DAN PERANCANGAN SISTEM BAB III ANALISIS DAN PERANCANGAN SISTEM 3. 1. Spesifikasi Sistem Pada tugas akhir ini, penulis membuat sebuah prototype dari kendaraan skuter seimbang. Skuter seimbang tersebut memiliki spesifikasi sebagai

Lebih terperinci

PERANCANGAN 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 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 terperinci

BAB 4 SIMULASI MODEL MATEMATIS CSTR BIODIESEL

BAB 4 SIMULASI MODEL MATEMATIS CSTR BIODIESEL BAB 4 SIMULASI MODEL MATEMATIS CSTR BIODIESEL Pada Bab ini akan dilakukan simulasi model matematis yang didapat di dari Bab sebelumnya. Simulasi akan dilakukan pada model CSTR yang lengkap dan model CSTR

Lebih terperinci

3.5.1 Komponen jaringan syaraf Adaptif Neuro Fuzzy Inference System (ANFIS) Simulink MATLAB Mikrokontroler...

3.5.1 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 terperinci

Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy

Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy Simulasi Pengaturan Lalu Lintas Menggunakan Logika Fuzzy Raka Yusuf 1, Andi Andriansyah 2, Febi Pratiwi 3 Jurusan Teknik Informatika, Fakultas Ilmu Komputer, Universitas Mercu Buana 1,3 Jurusan Teknik

Lebih terperinci

DAFTAR 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. 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 terperinci

PENGGUNAAN FUZZY INFERENCE SYSTEM MODEL SUGENO PADA PENGENDALIAN SUHU RUANGAN

PENGGUNAAN 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 terperinci

BAB II: TINJAUAN PUSTAKA

BAB II: TINJAUAN PUSTAKA BAB II: TINJAUAN PUSTAKA Bab ini akan memberikan penjelasan awal mengenai konsep logika fuzzy beserta pengenalan sistem inferensi fuzzy secara umum. 2.1 LOGIKA FUZZY Konsep mengenai logika fuzzy diawali

Lebih terperinci

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN

LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN LOGIKA FUZZY PADA PROSES PELET PAKAN IKAN Agung Saputra 1), Wisnu Broto 2), Ainil Syafitri 3) Prodi Elektro Fakultas Teknik Univ. Pancasila, Srengseng Sawah Jagakarsa, Jakarta, 12640 Email: 1) agungsap2002@yahoo.com

Lebih terperinci

BAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan

BAB IV PEMBAHASAN. Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan BAB IV PEMBAHASAN Pada penelitian ini akan dibandingkan antara aplikasi teori graf fuzzy dan teori aljabar max-plus dalam pengaturan lampu lalu lintas di simpang empat Beran Kabupaten Sleman Provinsi Daerah

Lebih terperinci

Estimasi Variabel Dinamik Kapal Menggunakan Metode Kalman Filter

Estimasi Variabel Dinamik Kapal Menggunakan Metode Kalman Filter JURNAL TEKNIK POMITS Vol., No., () ISSN: 79 (-97 Print) E-8 Estimasi Variabel Dinamik Kapal Menggunakan Metode Kalman Filter Nathanael Leon Gozali ), Aulia Siti Aisjah ), dan Erna Apriliani ) ) Jurusan

Lebih terperinci

PERANCANGAN SISTEM KONTROL ph BERBASIS SINTESA REAKSI INVARIAN DENGAN MENGGUNAKAN LOGIKA FUZZY PADA STUDI KASUS TITRASI ASAM HCl DAN BASA NaOH

PERANCANGAN SISTEM KONTROL ph BERBASIS SINTESA REAKSI INVARIAN DENGAN MENGGUNAKAN LOGIKA FUZZY PADA STUDI KASUS TITRASI ASAM HCl DAN BASA NaOH PRESENTASI TUGAS AKHIR TF091381 PERANCANGAN SISTEM KONTROL ph BERBASIS SINTESA REAKSI INVARIAN DENGAN MENGGUNAKAN LOGIKA FUZZY PADA STUDI KASUS TITRASI ASAM HCl DAN BASA NaOH Penyusun Tugas Akhir : Syaifur

Lebih terperinci

DESAIN SISTEM KENDALI GERAK SURGE DAN ROLL PADA SISTEM AUTONOMOUS UNDERWATER VEHICLE DENGAN METODE SLIDING MODE CONTROL (SMC)

DESAIN SISTEM KENDALI GERAK SURGE DAN ROLL PADA SISTEM AUTONOMOUS UNDERWATER VEHICLE DENGAN METODE SLIDING MODE CONTROL (SMC) PROSEDING DESAIN SISTEM KENDALI GERAK SURGE DAN ROLL PADA SISTEM AUTONOMOUS UNDERWATER VEHICLE DENGAN METODE SLIDING MODE CONTROL (SMC) Teguh Herlambang, Hendro Nurhadi Program Studi Sistem Informasi Universitas

Lebih terperinci

JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-6 1

JURNAL 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 terperinci

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya

BAB II LANDASAN TEORI. Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya BAB II LANDASAN TEORI A. Logika Fuzzy Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada di luar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang

Lebih terperinci

SIMULASI DAN ANALISIS RESPON FUZZY LOGIC CONTROLLER PADA SISTEM SUSPENSI. Sunarno 1, Rohmad 2

SIMULASI DAN ANALISIS RESPON FUZZY LOGIC CONTROLLER PADA SISTEM SUSPENSI. Sunarno 1, Rohmad 2 SIMULASI DAN ANALISIS RESPON FUZZY LOGIC CONTROLLER PADA SISTEM SUSPENSI Sunarno 1, Rohmad 2 (1),(2) Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Negeri Semarang, Semarang,

Lebih terperinci

BAB VI PENGUJIAN SISTEM. Beberapa skenario pengujian akan dilakukan untuk memperlihatkan

BAB 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 terperinci

BAB IV PENGUJIAN ALGORITMA TRACKING

BAB IV PENGUJIAN ALGORITMA TRACKING BAB IV PENGUJIAN ALGORITMA TRACKING Pada Bab III sebelumnya telah dijelaskan mengenai pemodelan dalam Simulink yang dibuat untuk menguji algoritma Filter Kalman dalam sistem Radar Tracking dan juga algoritma

Lebih terperinci

RANCANG BANGUN SISTEM KENDALI KECEPATAN KURSI RODA LISTRIK BERBASIS DISTURBANCE OBSERVER

RANCANG BANGUN SISTEM KENDALI KECEPATAN KURSI RODA LISTRIK BERBASIS DISTURBANCE OBSERVER RANCANG BANGUN SISTEM KENDALI KECEPATAN KURSI RODA LISTRIK BERBASIS DISTURBANCE OBSERVER Firdaus NRP 2208 204 009 PROGRAM MAGISTER BIDANG KEAHLIAN TEKNIK ELEKTRONIKA TEKNIK ELEKTRO Fakultas Teknologi Industri

Lebih terperinci

BAB 4 SIMULASI DAN ANALISA

BAB 4 SIMULASI DAN ANALISA BAB 4 SIMULASI DAN ANALISA Untuk menguji hasil rancangan pengendalian motor induksi tiga fasa metode kendali torsi langsung dan duty ratio yang telah dibahas pada bab sebelumnya dilakukan simulasi dengan

Lebih terperinci

DAFTAR ISI. Lembar Persetujun Lembar Pernyataan Orsinilitas Abstrak Abstract Kata Pengantar Daftar Isi

DAFTAR ISI. Lembar Persetujun Lembar Pernyataan Orsinilitas Abstrak Abstract Kata Pengantar Daftar Isi DAFTAR ISI Lembar Persetujun ii Lembar Pernyataan Orsinilitas iii Abstrak iv Abstract v Kata Pengantar vi Daftar Isi vii Daftar Gambar ix Daftar Tabel xii Daftar Simbol xiii Bab I PENDAHULUAN 1 1.1 Latar

Lebih terperinci