( ) Dosen Pembimbing Dr. Melania Suweni Muntini, M.T

Transkripsi

1 Farid Takhfifur Rahman ( ) Dosen Pembimbing Dr. Melania Suweni Muntini, M.T

2 Latar belakang Lingkungan Udara Kelembaban & Temperatur Metode Logika Fuzzy Kualitas & Kuantitas

3 Tujuan Merancang dan mengembangankan sistem pengontrolan kelembaban dan temperatur ruang dengan menggunakan kontrol logika fuzzy.

4 Rumusan masalah Bagaimana melihat keakurasian alat ukur kelembaban yang dibuat. Bagaimana sistem logika fuzzy dapat mengontrol kelembaban dalam suatu ruang.

5 Batasan Masalah Pengujian dilakukan pada miniature rumah kaca yang dibuat dengan ukuran 1m x 1m x 1m. Perancangan pengendali menggunakan Mikrokontroler AVR ATMEGA16 Sensor yang digunakan untuk kelembaban dan temperatur ruang adalah SHT11. Pengendalian kelembaban dan temperatur ruang digunakan kontrol fuzzy. Aktuator yang digunakan sebagai penyemprot kabut air adalah valveelektrik yang dihubungkan ke selang air yang pada ujungnya diberi nozzlespray. Aktuator penyembur hawa panas digunakan pemanas (solder) dan kipas. Hasil pengukuran kelembaban dan temperatur ruang ditampilkan pada LCD. Bahasa pemrograman yang digunakan adalah bahasa C. Sistem dari pemodelan matematis tidak dibahas.

6 Kelembaban Kelembaban adalah suatu tingkat keadaan lingkungan udara basah yang disebabkan oleh adanya partikel air dalam udara. Kelembaban Kelembaban Absolut Kelembaban Relatif

7 Sensor Sensor adalah peralatan yang digunakan untuk merubah suatu besaran fisis menjadi besaran listrik sehingga dapat dianalisa dengan rangkaian listrik. Sensor SHT11 Sensor SHT11 adalah sebuah singel chip multisensor untuk sensor kelembaban dan temperatur ruang yang telah terkalibrasi sempurna sehingga bentuk keluaran sudah dalam bentuk digital. Gambar 2.2 Sensor SHT11

8 LogikaFuzzy Diperkenalkan oleh Prof. Lotfi Zadeh (University of California). Logika fuzzy digunakan untuk menyatakan hukum operasional dari suatu sistem dengan ungkapan bahasa, bukan dengan persamaan matematis. Sistem ini diciptakan karena logika boole tidak mempunyai ketelitian seperti logika fuzzy. (a) (b) Gambar 2.8 Perbedaan (a) Logika Boole dan (b) Logika Fuzzy

9 Pada sistem fuzzy terdapat tiga proses yaitu : 1. Fuzzyfikasi 2. Inferensi 3. Defuzzyfikasi Variabel numerik Fuzzyfikasi Variabel linguistik Inferensi Variabel linguistik Defuzzyfikasi Variabel numerik Gambar 3.6 Skema Proses Sistim Fuzzy

10 Metodologi Blok Diagram Sistem

11 FUZZYFIKASI Variabel masukan fuzzy dilakukan fuzzyfikasi sebagai berikut: (derajat keanggotaan) 1 Kurang Mendekati Sama A B C D % RH dari Set Point Kondisi kurang, mempunyai persamaan Kondisi mendekati, mempunyai persamaan Tabel 3.1 Persepsi masukan temperatur A = 4 x 3 B = x dan C = x Kondisi sama, mempunyai persamaan D = x 25 3 Pengubahan variabel numerik ke variabel linguistik pada masukan temperatur mengokuti Tabel 3.1: Nilai Temperatur ºC Persepsi Set Point Dingin Sedang 28 4 Panas

12 Inferensi Kelembaban Temperatur Panas Sedang Dingin Kurang Sangat Lembab Lembab Lembab Mendekati Lembab Lembab Lembab Sama Lembab Kering Kering Defuzzyfikasi (derajat keanggotaan) 1 Kering Lembab Sangat Lembab E F G H % penambahan jumlah partikel air Kondisi kering, mempunyai persamaan E = 4 Y Kondisi lembab, mempunyai persamaan dan F = + 4Y G = 8 Y Kondisi sangat lembab, mempunyai persamaan H = 6 + Y

13 Tabel 3.3 Aksi kontrol Proses Defuzzyfikasi Masukan Keluaran Defuzzyfikasi Defuzzyfikasi (%penambahan jumlah partikel air) Kering Lembab Sangat Lembab <= Kontrol tidak bekerja Pengering udara membuka Pengering udara membuka 1% - % Satu nozzel membuka Satu nozzel membuka Satu nozzel membuka 31% - 6% Satu nozzel membuka Dua nozzel membuka Dua nozzel membuka 61% - 1% Dua nozzel membuka Tiga nozzel membuka Tiga nozzel membuka

14 ANALISA DATA DAN PEMBAHASAN Pengujian Alat Ukur Proses Sistem Kontrol Fuzzy Hasil Uji Kestabilan Kontrol Pembahasan

15 Pengujian Alat Ukur RH (%) Hygrometer Analog Pembacaan Alat Data Pengukuran Gambar 4.1 Grafik Pembacaan RH Suhu (ºC) Termometer Pembacaan Alat Data Pengukuran Gambar 4.2 Grafik Pembacaan Temperatur

16 ProsesSistem SistemKontrol KontrolFuzzy 1,96 Pada suatu kondisi tertentu diambil nilai dari sensor kelembaban relatif adalah dengan temperatur 32ºC (panas). Maka dilakukan proses sebagai berikut: (derajat keanggotaan) Kurang Mendekati Sama A B C D (derajat keanggotaan) Kering Lembab Sangat Lembab 1 E F G H % RH dari Set Point Maka dalam masukan fuzzy termasuk bagian mendekati dengan persamaan B : B = x 1 58,9744 B = 1 B =,96 Jadi masukan fuzzy dari kelembaban 58,9744 sebesar,96 dan merupakan bagian mendekati. Sehingga seuai aturan inferensi fuzzy jika RH mendekati dan suhu panas dari set point maka ruangan harus lembab % penambahan jumlah partikel air Karena lembab maka menggunakan persamaan G : G = 8 Y G = 8.,96 G = 6,8 Jadi jumlah penambahan partikel air sebanyak 6,8 %

17 Grafik Respon Kestabilan antara Kelembaban Relatif terhadap Waktu RH (%) RH (%) Grafik Respon Kelembaban Relatif dengan Set Point:8% pada Temperatur: Panas Grafik Respon Kelembaban Relatif dengan Set Point:8% pada Temperatur: Sedang RH (%) RH (%) Grafik Respon Kelembaban Relatif dengan Set Point:88% pada Temperatur: Panas Grafik Respon Kelembaban Relatif dengan Set Point:88% pada Temperatur: Sedang RH (%) Grafik Respon Kelembaban Relatif dengan Set Point:8% pada Temperatur: Dingin RH (%) Grafik Respon Kelembaban Relatif dengan Set Point:88% pada Temperatur: Dingin

18 Grafik hubungan antara prosentase jumlah penambahan partikel air terhadap waktu penambahan partikel air (%) Grafik Kelembaban 8% dengan Temperatur: Panas penambahan partikel air (%) Grafik Kelembaban 88% dengan Temperatur: Panas abahan partikel air (%) Pena Grafik Kelembaban 8% dengan Temperatur: Sedang penam mbahan partikel air (%) Grafik Kelembaban 8% dengan Temperatur: Sedang penambahan (%) Grafik Kelembaban 8% dengan Temperatur: Dingin penambhan partikel air (%) Grafik Kelembaban 8% dengan Temperatur: Dingin

19 Pembahasan Proses kendali fuzzy dilakukan oleh sistem Mikrokontroler AVR ATMEGA16 yang dilengkapi dengan interface digital dan analog. Sebuah sensor kelembaban dan temperatur ruang SHT11 beserta aktuator penyembur partikel air dan pemanas digunakan disini. Pengujian respon sistem dilakukan terhadap variasi set point, variasi kelembaban dan variasi temperatur. Waktu kecepatan respon kestabilan dapat diketahui dengan cara menghitung data yang dimulai dari data pertama hingga data mencapai set point. Untuk mengetahui performansi kestabilan sistem terhadap set point dapat dilakukan dengan mencari nilai keseksamaan data yang dimulai dari pencapaian set point hingga data terakhir.

20 Percobaan Deviasi Standard Keseksamaan I dengan SP: 8% Pada Temperatur: Panas, % II dengan SP: 8% Pada Temperatur: Sedang, % III dengan SP: 8% Pada Temperatur: Dingin, % IV dengan SP: 88% Pada Temperatur: Panas, % V dengan SP: 88% Pada Temperatur: Sedang, % VI dengan SP: 88% Pada Temperatur: Dingin, %

21 KESIMPULAN Secara umum respon pengontrolan kelembaban dan temperatur ruang dengan menggunakan kontrol logika fuzzy telah memenuhi syarat sebuah pengendali. SARAN Untuk pengembangan dan penelitian selanjutnya diharapakan dapat dibuat sistem kontrol otomatis yang lebih kompleks lagi dengan pemilihan instrument pengendali lainnya yang dapat bermanfaat bagi pemenuhan kebutuhan industri dan untuk kepentingan umat manusia.