PERMODELAN DAN SIMULASI KECEPATAN MOTOR DC BERBASIS FUZZY LOGIC CONTROLLER DENGAN 3 FUNGSI KEANGGOTAAN

Transkripsi

1 PERMODELAN DAN SIMULASI KECEPATAN MOTOR DC BERBASIS FUZZY LOGIC CONTROLLER DENGAN 3 FUNGSI KEANGGOTAAN Bara Agung Perdamaian Jurusan Teknik Elektro. Universitas Dian Nuswantoro Semarang Calon.orang_sukses@yahoo.co.id INTI SARI Motor DC adalah perangkat yang sering kita jumpai pada kehidupan sehari hari, dengan catu daya tegangan searah atau tegangan DC. Motor DC merupakan suatu perangkat elektromagnetis yang mengubah energi listrik menjadi energi mekanik. Energi mekanik dari motor ini seringkali digunakan di peralatan rumah tangga pada penggunaan mixer, bor listrik, kipas angin, dan lain lain. Untuk beberapa keperluan dibutuhkan pengendalian kecepatan motor DC. Ada beberapa cara untuk menggunakan pengendali logika fuzzy. Dalam tugas akhir ini akan disimulasikan aplikasi pengendali logika fuzzy untuk mengatur kecepatan motor DC. Motor DC dimodelkan secara matematis menggunakan Matlab. Pengendali logika fuzzy menggunakan tool box fuzzy inference system di Matlab. Ada 3 jenis tipe fungsi keanggotaan yang digunakan dalam penelitian ini, yaitu trapesium, segitiga, dan gaussian. Masing masing fungsi keanggotaan memiliki 3 parameter(negatif, zero, positif). Hasil simulasi kecepatan motor DC menunjukkan bahwa untuk medapatkan output kecepatan motor DC yang stabil diperlukan waktu diatas 5 second, untuk waktu total simulasi selama 10 second, dan penyimpangan terhadap nilai rata rata kecepatan yang kecil yaitu dari -3,36% sampai 1,8%.. Kata Kunci : Motor DC, Fuzzy, Simulasi. 1. Pendahuluan Motor DC adalah sebuah perangkat motor yang dalam pengoperasiannya menggunakan sumber tenaga arus searah direct current (DC). Motor DC dilengkapi dengan dua buah kutub, dimana bila salah satu kutub kita beri tegangan positif, sementara kutub lainnya kita beri tegangan negatif, maka motor DC dapat berputar searah. Hal lain, motor DC akan berputar dengan arah yang berlawanan dari arah sebelumnya bila kita menukar tegangan positif dan negatif dengan posisi kutub motor DC. Sesuai dengan penjelasan di atas maka motor DC digunakan pada alat alat elektronika yang dapat kita jumpai dalam kehidupan sehari hari. Pada pengaplikasiannya motor DC dapat memberikan keuntungan bagi manusia untuk menjalankan hal hal tertentu. yaitu sekitar 70% dari penggunaan beban total. Bagian- bagian motor DC berupa kumparan medan menerima energi listrik dari catu daya untuk diubah menjadi energi mekanik. Kumparan medan pada motor dc disebut stator (bagian yang tidak berputar) dan kumparan jangkar disebut rotor (bagian yang berputar). Jika terjadi putaran pada kumparan jangkar dalam pada medan magnet, maka akan timbul tegangan (GGL) yang berubahubah arah pada setiap setengah putaran, sehingga merupakan tegangan bolak-balik. Prinsip kerja dari arus searah adalah membalik phasa tegangan dari gelombang yang mempunyai nilai positif dengan menggunakan komutator, dengan demikian arus yang berbalik arah dengan kumparan jangkar yang berputar dalam medan magnet. Bentuk motor paling sederhana memiliki kumparan satu lilitan yang bisa berputar bebas di antara kutub-kutub magnet permanen. 2. TINJAUAN PUSTAKA Motor DC merupakan motor listrik yang disuplai dari catu daya tegangan searah atau tegangan DC. Motor DC merupakan suatu perangkat elektromagnetis yang mengubah energi listrik menjadi energi mekanik. Energi mekanik dari motor ini seringkali digunakan di rumah - rumah pada penggunaan mixer, bor listrik, kipas angin, dll. Sedangkan pada industri, motor listrik digunakan untuk menggerakan kompresor, mengangkat material, dll. Motor listrik dalam dunia industri juga disebut kuda kerja, sebab penggunaan beban listriknnya yang cukup besar Catu tegangan dc dari baterai menuju ke lilitan melalui sikat yang menyentuh komutator, dua segmen yang terhubung dengan dua ujung lilitan. Kumparan satu lilitan pada gambar di atas disebut angker dinamo. Angker dinamo adalah sebutan untuk komponen yang berputar di antara medan magnet. Agar proses perubahan energi mekanik dapat berlangsung secara sempurna, maka tegangan sumber harus lebih besar daripada tegangan gerak yang disebabkan reaksi lawan. Dengan memberi arus pada kumparan jangkar yang dilindungi oleh medan maka menimbulkan perputaran pada motor. Sebuah motor menghasilkan keluaran berupa tenaga putar atau torque yang dipengaruhi oleh kecepatan motor tersebut, atau yang disebut juga dengan beban motor. Adapun beberapa kategori beban diantaranya Beban torque konstan adalah beban dimana permintaan keluaran energinya bervariasi dengan kecepatan operasinya namun torquenya tidak

2 bervariasi. Contoh beban dengan torque konstan adalah corveyors, rotary kilns, dan pompa displacement konstan. Beban dengan variabel torque adalah beban dengan torque yang bervariasi dengan kecepatn operasi. Contoh beban dengan variabel torque adalah pompa sentrifugal dan fan (torque bervariasi sebagai kuadrat kecepatan). Peralatan Energi Listrik Motor Listrik. Fuzzy Logic Controller Logika fuzzy atau logika kabur merupakan merupakan cara baru untuk menyelesaikan persoalan dunia nyata yang mengandung banyak ketidakpastian. Logika fuzzy ditemukan oleh Lotfi A. Zadeh. Logika fuzzy memiliki dasar seperti logika klasik, namun lebih umum dan lebih luas penerapannya karena menyediakan cara alami untuk mengatasi masalah ketidakpastian dalam ketiadaan kriteria yang ditetapkan berdasarkan keanggotaan kelas dari variabel acak. Himpunan fuzzy memetakan sebuah nilai yang merupakan anggota dari suatu himpunan yang bernilai atau memiliki derajat antara nol dan satu. Derajat keanggotaan nol, artinya nilai tersebut tidak termasuk dalam himpunan dan derajat keanggotaan satu berarti nilainya secara lengkap merepresentasikan himpunan tersebut. Fungsi keanggotaan digambarkan sebagai kurva yang melewati nilai dari nol sampai satu. Dalam sistem kendali, logika fuzzy telah secara luas diaplikasikan. Langkah-langkah dalam pengendali fuzzy adalah sebagai berikut: 1. Identifikasi variabel (input, keadaan, dan output) dberari plant. 2. Membagi semesta pembicaraan untuk setiap variable kedalam sub himpunan fuzzy dan memberikan label linguistic untuk setiap variabel. 3. Mendefinisikan fungsi keanggotaan (Membership Function) untuk setiap himpunan. 4. Mendefinisikan hubungan fuzzy diantara input atau keadaan sub himpunan fuzzy dan atau mendefinisikan hubungan fuzzy antara input dan output. 5. Memilih faktor skala yang sesuai untuk variabelinput dan output supaya variabel dapat dinormalisasi ke nilai [0 1] atau [-1 1]. 6. Merubah nilai input yang tegas menjadi fuzzy. 7. Menggunakan penalaran fuzzy untuk menyimpulkan kontribusi output untuk setiap aturan (rule). 8. Mencari bobot output fuzzy yang direkomendasikan untuk setiap aturan. 9. Mengaplikasikan defuzzyfikasi untuk menghasilkan keluaran (output) yang tegas (crisp). Berikut ini adalah contoh aplikasi pengendali logika fuzzy ( fuzzy logic controller).pengendali logika fuzzy digunakan untuk otomasi mesin industri. Sebagai contoh, aplikasi logika fuzzy untuk mengendalikan proses tekanan. Pengendali dibentuk melalui sejumlah aturan fuzzy ( fuzzy rules) seperti; IF error tekanan adalah Positive Big atau Positive Medium dan laju perubahan eror tekanan adalah Negative Small THEN perubahan input panas adalah Negative Medium. Contoh ini diilustrasikan dalam 4 langkah berikut. Langkah 1. Menentukan nilai input fuzzy dan variabel output. Misalkan variable error ( e) didefinisikan dengan 8 variabel linguistic, diberi nama A1, A2,, A8, dibagi sebagai ruang error {-e m +e m ] dan laju error (é atau de/dt) yang didefinisikan oleh 7 variabel yang diberi nama B1, B2,, B7, dibagi atas ruang laju error dari [-é m + é m ]. Jika di normalisasi rentang ini memiliki interval yang sama [-a +a] oleh: (2.1) (2.2) Untuk error, delapan variabel fuzzy Ai,(i=1,2,,8) dengan variabel PB (Positive Big), PM (Positive Medium), PS (Positive Short), P0 (Positive Zerro), N0 (Negative Zerro), NS (Negat ive Short), NM (Negative Medium), NB (. Negative Big). Untuk laju eror é, tujuh variable fuzzy, Bj, (j=1,2,3,,7) dengan variabel linguistic PB, PM, PS, 0, NS, NM, NB. Fungsi keanggotaan untuk jumlah ini berada pada rentang [-a a], dimana a =6(a=6). Variabel output fuzzy, kuantitas kontrol (z), akan menggunakan tujuh variabel fuzzy pada semesta yang di normalisasi, z={-7, -6, -5,, +7}. Variabel kontrol akan dideskripsikan oleh kuantitas kontrol linguistic fuzzy Ck, (k= 1,2,, 7) yang merupakan bagian dari kontrol semesta. Langkah 2.Ringkasan dari aturan aturan kendali. Berdasarkan pengalaman oleh operator manusia, aturan kontrol dibentuk sebagai berikut : If e adalah A1 dan é adalah B1,Then z adalah C11 If e adalah A1 dan é adalah B2,Then z adalah C12 If e adalah A1 dan é adalah Bj,Then z adalah C1j Setiap aturan diterjemahkan kedalam relasi fuzzy R. Jika diketahui sin() =, dimana diukur dalam radians. Relasi ini digunakan untuk linearisasi persamaan state space dan diperoleh:

3 Jika dalam derajat dan dalam derajat / sekon, dengan memilih dan, linearisasi dan persamaan state space waktu diskret dapat di sajikan dalam bentuk matriks. Untuk permasalahan ini diasumsikan semesta pembicaraan untuk dua variabel menjadi dan, dps= degree per second. Langkah 1.Pertama-tama dikonstruksikan 3 fungsi keanggotaan untuk pada semestanya, yaitu, untuk nilai positive (P), Zero (Z), dan Negative (N). Simulasi dilakukan 4 siklus menggunakan persamaan matriks untuk step diskrit. Setiap siklus simulasi akan menghasilkan fungsi keanggotaan untuk dua variabel input. Tabel Fuzzy Associative Memory (FAM) akan menghasilkan sebuah fungsi keanggotaan untuk kegiatan pengendalian,. Fungsi keanggotaan akan di-defuzz menggunakan metode centroid dan kemudian digunakan persamaan diferensial rekursif untuk mendapatkan nilai dan. Setiap siklus simulasi setelah akan dimulai dengan nilai dan sebelumnya sebagai kondisi input untuk siklus selanjutnya dari persamaan deferensial rekursif. \ P Z N P PB P Z Z P Z N N Z N NB Gambar memperlihatkan kondisi awal untuk dan, berturut-turut dari table FAM if ( if ( Selanjutkan dikonstruksikan tiga fungsi keanggotaan untuk, yaitu, dengan nilai Positive (P), Zero (Z), dan Negative (N). if ( if ( Langkah 3. Untuk membagi ruang kontrol (output), dikonstruksikan lima fungsi keanggotaan untuk, dimana (Catatan, gambar memiliki 7 bagian namun hanya digunakan 5). Langkah 4. Dengan menggunakan aturan yang disajikan pada Tabel, akan dilakukan simulasi untuk persoalan kendali. Dalam simulasi akan digunakan metode grafis untuk operasi fuzzy. Simulasi dimulai dengan kondisi awal tegas sebagai berikut : dan Gambar memperlihatkan Bentuk final dengan kontrol defuzzifikasi.

4 3.PERANCANGAN MODEL SIMULASI Perencanaan Sistem Sebuah penggerak yang biasa digunakan pada sistem kontrol adalah motor DC. Motor DC secara langsung menghasilkan gerakan, dan menggabungkan roda roda atau teromol dengan kabel, dapat menghasilkan gerak transalasi. Skema dari jangkar magnet dan diagram bebas dari rotor ditunjukkan pada gambar berikut ini : terhadap kecepatan Motor DC. Yang menjadi permasalahan adalah bagaimana menghubungkan antara fuzzy logic controller dan Motor DC dalam sebuah simulasi, maka dari itu digunakan software MatLab R2010a. Software MatLab dipilih karena mudah dalam memanipulasi struktur matriks dan perhitungan berbagai operasi matriks yang meliputi penjumlahan, pengurangan, perkalian, invers, dan fungsi matriks lainnya. MatLab juga menyediakan fasilitas untuk memplot struktur gambar. Berikut ini akan dijelaskan secara rinci bagaimana proses pembuatan simulink Motor DC, subsistem, dan pengontrol (fuzzy logic controller). Motor DC mengubah tenaga listrik menjadi energi mekanik. oleh karena itu, motor ini membutuhkan suplai berupa tegangan listrik agar bisa bekerja. Bagian- bagian dari motor DC itu sendiri ada dua yaitu stator dan rotor. -stator adalah bagian yang tidak berputar. di bagian inilah, kumparan medan terjadi. -rotor adalah bagian yang berputar dan sering disebut sebagai kumparan jangkar. Persamaan Matematis - Torka motor T berbanding lurus dengan arus armatur i dan konstanta Kt - Medan magnet (emf) berhubungan dengan kecepatan putar Membangun Model - Memodelkan integral dari percepatan rotasi dan perubahan arus armature - Sisipkan model integrator dlm simulink sesuai persamaan matematika Untuk contoh ini, kita akan mengasumsikan bahwa input dari sistem adalah dari sumber tegangan (V), disalurkan kepada jangkar magnet motor, sementara outputnya adalah kecepatan putaran tuas motor d(theta)/dt. Lengan dan rotor kita asumsikan kaku.kita asumsikan pula lebih jauh, model gesekan yang melekat, dan torsi gesekan proporsional terhadap kecepatan konstan tuas. Membangun Model Aplikasi Hukum Newton dan Kirchoff dalam sistem motor - Percepatan sudut = 1/J * dua term(1 pos, 1 neg) - Turunan arus = 1/L * tiga term(1 pos, 2 neg) Parameter untuk contoh ini adalah : (J) moment inersia 0.01 kg.m 2 (b) konstanta pergesakan motor 0.1 N.m.s (Ke) konstanta tekanan electromotive 0.01V/rad/sec (Kt) konstanta torsi motor 0.01N.m/Amp (R) resistansi 1 Ohm (L) induktansi 0.5 H Dalam perencanaan sistem ini akan dibahas tentang kebutuhan-kebutuhan yang harus dipenuhi agar alat ini dapat bekerja sesuai dengan apa yang direncanakan, Pembuatan Simulink Motor DC Simulink Motor DC adalah simulasi pembuatan rangkaian Motor DC. Adapun proses pembuatannya adalah yang pertama membuka aplikasi MatLab R2010a Setelah proses pembuatan rangkaian di atas selesai maka langkah selanjutnya menarik jalur - jalur penghubung setiap simulink sehingga terbentuk gambar seperti di tunjukan pada gambar yang selanjutnya akan dijadikan model subsystem(plant model).

5 Untuk menjalankan Simulasi pemodelan dari motor DC dengan fuzzy logic controller di atas harus menginputkan nilai dari J, R, K, b, dan L pada command window. Nilai yang akan diinputkan sesuai dengan parameter sebelumnya. Kemudian kita harus merangkai model fuzzy logic controller dan menghubungkannya dengan blok motor DC seperti gambar berikut: Step Add Fuzzy Logic Controller Voltage Motor DC Speed Scope Pada proses selanjutnya kita akan membangun model Output Simout membership function(mf) dan Waktu fuzzy logic controller(flc). Ubah nama input 1 menjadi error, dan input 2 menjadi derror. Masuk kepada membership function dengan cara meng_klik dua kali pada blok error, derror, dan output. Pada blok error, dan derror ubah nama grafik mf1 menjadi neg, mf2 menjadi zero, mf3 menjadi pos. Rubah pula range dr [0 1] menjadi [-1 1]. Rubah juga type untuk tiga simulasi yang berbeda yaitu dari trimf, trapmf, dan gauss2mf. Setelah proses diatas selesai untuk masing-masing simulasinya, maka langkah berikutnya adalah meng-edit rules dengan aturan sebagai berikut: o If (error is pos) and (derorr is pos) then (output is pos) o If (error is pos) and (derorr is zero) then (output is pos) o If (error is pos) and (derorr is neg) then (output is zero) o If (error is zero) and (derorr is pos) then (output is pos) o If (error is zero) and (derorr is zero) then (output is zero) o If (error is zero) and (derorr is neg) then (output is neg) o If (error is neg) and (derorr is pos) then (output is zero) o If (error is neg) and (derorr is neg) then (output is neg) o If (error is neg) and (derorr is neg) then (output is neg) Input dan Simulasi Menggunakan Membership Function Jenis Trapesium, Triangle, dan Gauss2 Export to file untuk menyimpan data pada media penyimpanan. Export to workspace utk menginput data pada workspace agar dapat dipanggil pada saat run simulasi. Kembali pada blok Simulink, kemudian klik dua kali pada blok FLC, kemudian isi FIS sama dengan nama yang sudah kita export to work space. Pada tahap ini langkah-langkah yang akan kita lakukan adalah : Ketik fuzzy pada command window untuk menampilkan FIS editor. Tambahkan variabel input. Simulasi pada Model FLC Motor DC Langkah langkah dalam tahap simulasi adalah sebagai beikut:

6 Pastikan langkah langkah input sebelumnya sudah kita lakukan dengan benar. Klik dua kali pada blok Scope agar muncul jendela diagram grafik, kemudian lakukan simulasi dengan meng-klik run Bila tidak ada kendala, amati jendela diagram, untuk menampilkan hasil grafik yg lebih tepat klik tanda teleskop( autoscale ). Untuk menghasilkan Grafik yang lebih akurat, ketik plot(t,mf) pada command window. Untuk mengedit grafik, klik Show Plot Tools and Dock Figure. Masukan variable waktu(s) untuk sumbu x, dan variable kecepatan(rad/s) untuk sumbu y. Melakukan pengamatan dan pencatatan data output dari grafik yang diperoleh dengan bantuan data cursor. cenderung mengalami peningkatan, sehingga dapat kita lihat grafik membentuk kurva Rising Time tetapi belum menunjukkan adanya kestabilan kecepatan. Untuk waktu diatas 5s, kecepatan motor DC mulai menunjukkan kestabilan hingga waktu maksimal yang ditunjukkan grafik, yaitu 10s. Pada kondisi ini, kurva grafik membentuk suatu kondisi yang disebut steady state. Pengukuran Ouput Simulasi Menggunakan Membership Function Jenis Triangle(Segitiga) Dalam tahap ini didapatkan output seperti pada gambar berikut: 4.ANALISIS DAN HASIL Pada analisa sistem yang akan diuji adalah output dari motor DC, yaitu kecepatan putaran(rad/s) terhadap jenis membership function berbanding dengan waktu(s). Ada 3 jenis membership function yang digunakan, yaitu trapesium,triangle(segitiga), dan gauss2. Pada tahap awal, masing masing output akan digambarkan secara independen atau berdiri sendiri. Dengan demikian diharapkan dapat diperoleh hasil yang tidak terpengaruh oleh kondisi dari input jenis membership function yang berbeda- beda. Selanjutnya, ketiga hasil output akan digambarkan secara bersamaan. Kondisi ini dilakukan adalah dengan tujuan dapat menghasilkan rata rata dari output yang didapat. Dengan demikian, penulis dapat menghitung nilai penyimpangan dari masing masing output berbanding dengan nilai rata rata output. Pengukuran Ouput Simulasi Menggunakan Membership Function Jenis Trapesium Dalam tahap ini didapatkan output seperti pada gambar berikut: Dari Gambar dapat dilihat bahwa untuk waktu 0s 1s motor DC menghasilkan kecepatan yang cenderung mengalami peningkatan, sehingga dapat kita lihat grafik membentuk kurva Rising Time tetapi belum menunjukkan adanya kestabilan kecepatan. Untuk waktu diatas 5s, kecepatan motor DC mulai menunjukkan kestabilan hingga waktu maksimal yang ditunjukkan grafik, yaitu 10s. Pada kondisi ini, kurva grafik membentuk suatu kondisi yang disebut steady state. Pengukuran Ouput Simulasi Menggunakan Membership Function Jenis Gauss2 Dalam tahap ini didapatkan output seperti pada gambar berikut: Dari gambar dapat dilihat bahwa untuk waktu 0s 1s motor DC menghasilkan kecepatan yang

7 Gambar Grafik Output dengan Membership Function Jenis Gauss2 Dari gambar dapat dilihat bahwa untuk waktu 0s 1s motor DC menghasilkan kecepatan yang cenderung mengalami peningkatan, sehingga dapat kita lihat grafik membentuk kurva Rising Time tetapi belum menunjukkan adanya kestabilan kecepatan. Untuk waktu diatas 5s, kecepatan motor DC mulai menunjukkan kestabilan hingga waktu maksimal yang ditunjukkan grafik, yaitu 10s. Pada kondisi ini, kurva grafik membentuk suatu kondisi yang disebut steady state. rata rata pengukuran dapat dihitung dengan menggunakan rumus rata rata. Rata rata nilai di atas akan dibuat sebuah grafik trendline dengan bantuan Microsoft Excel sehingga akan terlihat seperti grafik pada gambar berikut: Dari hasil pengujian secara keseluruhan didapatkan data seperti pada tabel dibawah ini: No Wa-ktu (s) Kecepatan Putaran Motor DC (rad/s) Terhadap Jenis Membership Function(MF) MF MF MF MF Trapesium Triangle Ga-uss2 Rata-Rata Grafik membership function rata rata tersebut dimaksudkan untuk memberi rata- rata dari 3 jenis membership function dalam permodelan dan simulasi kecepatan motor DC berbasis Fuzzy Logic Controller dengan 3 fungsi keanggotaan yang telah ditentukan sesuai kondisi masing masing input dari Fuzzy Logic Controller, dengan kondisi beban tetap dan waktu yang sama (0s sampai 10s). Tabel Perbandingan Kecepatan Terhadap Jenis Membership Function Kecepatan Putaran Motor DC(rad/s) Terhadap Jenis Membership Function(MF) MF MF MF MF Rata Rata Trapesium Triangle Gauss Pengukuran ini dimaksudkan dengan waktu yang sama dan jenis membership function yang berbeda beda. Kecepatan yang dihasilkan menunjukkan hasil yang mendekati sama. Dari pengukuran pada tabel 4.2.1, maka dengan bantuan Microsoft Excel dapat dibuat grafik seperti gambar berikut: Dari data di atas didapatkan hubungan antara waktu dan jenis membership function dengan kecepatan.hasil Dari tabel diatas didapatkan nilai nilai kecepatan yang dihasilkan oleh masing masing jenis membership function memiliki selisih yang sedikit dengan rata rata membership function. Selisih tersebut dapat dihitung dengan rumus penyimpangan, sehingga dapat diketahui berapa persen(%) penyimpangan antara nilai

8 masing masing membership function dengan nilai rata ratanya dalam percobaan di atas Rumus penyimpangan yang digunakan adalah : Waktu (s) {(Nilai rata rata) (Nilai hasil ukur)} Nilai rata rata Tabel Penyimpangan Kecepatan dengan membership function Trapesium (Nilai rata rata) (nilai ukur)) Penyimpangan Nilai rata rata (%) Waktu (s) Tabel Penyimpangan kecepatan dengan membership function Triangle (Nilai rata rata) (nilai ukur)) Penyimpangan Nilai rata rata (%) Waktu (s) Tabel Penyimpangan kecepatan dengan membership function Gauss2 (Nilai rata rata) (nilai ukur)) Penyimpangan Nilai rata rata (%) Hasil perhitungan penyimpangan di atas memperlihatkan bahwa nilai kecepatan antara masing masing membership function dengan nilai rata ratanya memiliki selisih yang tidak terlalu besar. Hal ini juga berarti bahwa keluaran keluaran dari hasil permodelan dan simulasi kecepatan motor DC berbasis Fuzzy Logic Controller dengan 3 fungsi keanggotaan dapat kita gunakan sebagai pertimbangan apabila kita ingin mengontrol sebuah pemodelan. 5.Kesimpuln dan Saran Kesimpulan 1. Diperlukan waktu diatas 5second untuk mendapatkan output kecepatan putaran motor DC yang stabil untuk 3 jenis input membership functionyang berbeda. 2. meskipun menggunakan 3jenis inputmembership function, tetapi didapatkan nilai penyimpangan output kecepatan terhadap output kecepatan rata rata sangat kecil, yaitu dari -3,36% sampai dengan 1,8% selama 10 second. 3. Kecepatan tertinggi didapatkan dengan menggunakan membership function jenis trapesium, yaitu dari 0 rad/s sampai dengan rad/s selama 1second pertama. 4. Kecepatan terendah didapatkan dengan menggunakan membership function jenis gauss2, yaitu dari 0 rad/s sampai dengan rad/s selama 1 second pertama. 5. Dalam memasukkan nilai input FIS, meng export harus dilakukan secara seksama guna menghindari kesalahan yang diakibatkan oleh human eror. Saran Untuk selanjutnya, mungkin dapat ditambahkan jenis membership function, guna perkembanganhasil permodelan berbasis Fuzzy Logic Controller.Dapat pula diberi tambahan waktu simulasi, dan beban yang berubah ubah. Daftar Pustaka [1] Zuhal, Dasar Teknik Tenaga Listrik dan Elektronika Daya. Jakarta: Gramedia, [2] T. J. Ross, Fuzzy logic with engineering applications, 3rd ed. Chichester, U.K: John Wiley, [3] Yong-Hua Song and A. T. Johns, Applications of fuzzy logic in power systems. Part 1: General introduction to fuzzy logic, Power Eng. J., vol. 11, no. 5, pp , Oct