PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI TRANSFER DAYA PADA SISTEM SENSOR GAS METANA

Transkripsi

1 Jurnal Neutrino Vol., No. April PENERAPAN AGORITMA GENETIK UNTUK OPTIMAI TRANFER DAYA PADA ITEM ENOR GA METANA. Muthmainnah 1), Melania uweni Muntini ). Abstra: Pada penguuran perubahan gejala fisis digunaan sensor yang dirangai dengan pengondisi sinyal dan omponen eletroni lain. Pemilihan pengondisi sinyal sangat penting arena menentuan efetifitas transfer daya antara sensor dan pengondisi sinyal. Transfer daya optimum aan terjadi pada saat nilai resistansi sensor (R ) sama dengan resistansi beban (R ). Pada maalah penelitian ini disajian hasil optimasi transfer daya yang bertujuan untu mengoptimuman daya yang ditransfer dari sensor gas metana e pengondisi sinyal. Metode optimasi yang digunaan adalah algoritma geneti dengan tegangan sensor (V ) dan resistansi beban (R ) sebagai romosom. Pemilihan probabilitas crossover 0,8 dan probabilitas mutasi 0,. Pada penelitian ini jumlah populasi yang digunaan adalah 1000 dan 00 generasi. Hasil optimasi ditentuan dengan fungsi fitness yang menggambaran daya masimum dengan nilai optimum tegangan sensor (V ) 4,74 Volt dan resistansi beban (R ) 450,6556 Ohm. Kondisi tersebut dicapai pada generasi e 46 dan daya yang ditransfer adalah 0,1981 Watt. Kata Kunci : Algoritma geneti, Generasi, Optimasi, Pengondisi sinyal, Transfer daya. PENDAHUUAN ensor merupaan suatu peralatan yang berfungsi untu mendetesi gejalagejala atau sinyal-sinyal yang berasal dari perubahan suatu energi seperti energi listri, energi fisia, energi imia, energi biologi, energi meani dan sebagainya. ensor yang sering ditemui dipasaran ebanyaan belum dapat langsung digunaan, sehingga harus dirangai dengan omponen-omponen eletroni lain. Komponen-omponen yang dimasud adalah pengondisi sinyal, miroontroler dan display sebagai tampilan hasil sensing. Pada sistem sensor pemilihan pengondisi sinyal sangat penting arena menentuan efetifitas transfer daya yang terjadi antara sensor dan pengondisi sinyal. Transfer daya optimum aan terjadi pada saat resistansi sensor (R ) sama dengan resistansi beban (R ). Pemilihan nilai resistansi beban (R ) harus dilauan secara cermat arena disamping dayanya harus masimum, tegangan yang eluar dari pengondisi sinyal juga harus dapat dibaca oleh miroontroler. Upaya untu mengoptimalan transfer daya perlu dilauan dengan batasan resistansi beban (R ) yang terdapat pada sistem sensor. Penelitian optimasi transfer daya pada sensor gas telah dilauan oleh Muwahidah Hasanah (009). Metode yang digunaan adalah metode pendeatan linear. 1, Jurusan Fisia Pascasarjana FMIPA Institut Tenologi epuluh Nopember (IT) urabaya 108

2 109 Jurnal Neutrino Vol., No. April 010 Metode optimasi ini bererja secara deterministi. alah satu metode optimasi yang sedang diembangan adalah algoritma geneti. Algoritma geneti adalah suatu model reayasa hasil evolusi tiruan yang diilhami oleh perembangan teni pembiaan geneti secara alamiah untu dapat menangani penyelesaian berbagai masalah pelacaan. Algoritma geneti sangat bai diterapan untu masalah optimasi dan dapat digunaan untu mencari pemecahan optimum suatu fungsi multi variabel. KAJIAN TEORI A. ensor Gas ensor gas merupaan tranduser yang mampu mendetesi perubahan ondisi lingungan dan emudian menghasilan sinyal listri yang besarnya proporsional dengan onsentrasi gas. Tipe-tipe sensor gas yang telah diembangan antara lain sensor eletroimia, sensor foto ionisasi dan atalis, sensor zat padat, dan sensor infra merah. Pengembangan sensor gas digunaan untu memonitor atmosfer melalui teanan parsial osigen sebagai parameter utama dan unsur-unsur atmosfer dalam onsentrasi yang relatif ecil pada ondisi udara normal. B. Pengondisi inyal istem ensor Pengondisi sinyal adalah rangaian eletroni yang dapat digunaan untu mendapatan parameter fisi dan emudian diubah menjadi sinyal eluaran yang diperluan (Muwahidah, 009). ecara umum tugas pengondisi sinyal adalah penguatan (amplification), penyaringan (filter), dan linearisasi. Tipe yang spesifi dari pengondisi sinyal tergantung pada tipe dari sumber masuan yang digunaan dan arateristi sinyal eluaran yang dihasilan. Tipe pengondisi sinyal yang sering digunaan adalah inverting dan noninverting. Inverting digunaan untu menguatan tegangan pada masuan serta membali hasil penguatan tersebut, jadi eluaran dari rangaian ini selalu memilii polaritas yang berlawananan dengan sinyal masuannya. Non-inverting digunaan untu menguatan tegangan tanpa membali hasil penguatannya, jadi eluaran dari rangaiannya sefase. C. Algoritma Geneti Algoritma geneti muncul diinspirasi oleh teori-teori dalam ilmu biologi, sehingga banya istilah dan onsep biologi yang digunaan dalam Algoritma geneti. esuai dengan namanya, proses yang terjadi dalam algoritma geneti sama dengan yang terjadi pada evolusi biologi. Menutut DE Goldberg (1989), algoritma geneti adalah suatu algoritma pencarian (searching) yang didasaran pada meanisme selesi alam. Tujuannya untu menentuan strutur-strutur yang disebut dengan individu berualitas tinggi dalam

3 Jurnal Neutrino Vol., No. April suatu domain yang disebut populasi untu mendapatan solusi terbai suatu persoalan. Komponen-omponen dalam algoritma geneti tersebut adalah sebagai beriut: a. Pengodean Terdapat tiga cara yang paling umum digunaan dalam pengodean, yaitu: 1. Binary encoding, untu pengodean binary encoding setiap gen diberi nilai 0 atau 1.. Real number, pada pengodean real number nilai gen berada dalam interval (0,R) dengan R adalah bilangan real positif dan biasanya R=1. 3. Discreet decimal decoding. etiap gen bernilai salah satu bilangan bulat dalam interval (0,9). b. Fungsi Fitness Fungsi fitness bermanfaat untu mengevaluasi andidat solusi sistem yang dimodelan. Pada evolusi alam, individu yang memilii nilai fitness rendah aan mati. c. elesi elesi dilauan untu menentuan individu-individu mana saja yang aan dipilih untu melauan reombinasi dan bagaimana offspring yang terbentu dari individu-individu terpilih tersebut. Dalam algoritma geneti terdapat dua macam selesi, yaitu roda roulette (roulette whell selection) dan ran based fitness. -Roda roulette digunaan untu menentuan individu orang tua yang aan dienai operasi geneti. esuai dengan namanya, metode ini meniruan permainan roulettewheel dengan masing-masing romosom menempati potongan lingaran pada roda roulette secara proporsional sesuai dengan nilai fitness-nya (Triswantoro Putro, 007). -Ran based fitness fitness biasanya digunaan untu menentuan generasi baru setelah proses operasi geneti diterapan dalam individu-individu orang tua sehingga lahirlah individu-individu baru (D.Quagliarella, 1998). Pada metode ini populasi diurutan menurut raning nilai fitness masing-masing individu. d. Pindah silang (crossover) alah satu omponen penting dalam algoritma geneti adalah crossover atau pindah silang. Crossover dilauan untu menuaran informasi antar romosom. e. Mutasi Mutasi adalah omponen dalam algoritma geneti yang bisa memodifiasi satu gen atau lebih dalam romosom yang sama sehingga dapat menyebaban terciptanya individu baru. f. Elitisme Pada penyelesian romosom dilauan dengan random, sehingga tida ada jaminan bahwa suatu individu bernilai fitness tertinggi aan selalu terpilih, mungin saja individu tersebut aan rusa (nilai fitness-nya menurun) arena proses pindah

4 111 Jurnal Neutrino Vol., No. April 010 silang. Untu menjaga agar individu bernilai fitness tersebut tida hilang selama evolusi, maa perlu dibuat satu atau beberapa opinya. Prosedur ini disebut dengan elitisme. PEMBAHAAN A. ensor Gas Metana ensor gas metana yang digunaan adalah TG 611 eluaran Figaro. ensor ini mempunyai sensitivitas dan seletifitas yang sangat bai terhadap gas metana. Material sensor gas terbuat dari bahan semiondutor sehingga perlu dipanasan agar dapat beerja dengan optimal. ensor gas berbahan metal osida mempunyai fungsi erja pada 50 0 C C.Ketia sensor dideatan dengan gas metana, maa gas metana aan meredusi muatan negatif osigen, sehingga resistansi sensor menurun. B. Pengondisi inyal istem ensor Pengondisi sinyal yang digunaan pada sensor gas adalah penguat non inverting. Penguat non inverting adalah penguat sinyal dengan tegangan eluaran yang sefase dengan sinyal masuan. inyal masuan disambungan e ai ta membali (+) dan masuan membali (-) dibumian. Tanda (+) dan (-) pada masuan buan menunjuan orientasi tegangan tetapi untu menunjuan adanya etertinggalan fase. Rangaian penguat non inverting ditunjuan oleh Gambar 3.1. Gambar 1. Rangaian Penguat Non Inverting Tegangan pada masuan membali sama dengan tegangan masuan sumber (V i ), yang juga sama dengan tegangan dari sebuah pembagi tegangan antara V o dan ground pada persamaan R + R1 V out= xv in (1) R 1 Rangaian sensor dan pengondisi sinyal ditunjuan oleh Gambar. Gambar Rangaian ensor dengan Penguat Ta Membali

5 Jurnal Neutrino Vol., No. April Keluaran dari penguat dihubungan e miroontroler sehingga terjadi transfer daya dari sistem sensor e pengondisi sinyal. Optimasi dilauan untu memperoleh transfer daya masimum agar energi yang diterima oleh miroontroler adalah masimum. Transfer daya aan masimum jia tahanan dalam (R ) sama dengan tahanan sensor (R ) dan P merupaan fungsi R, maa untu mencari nilai masimum P adalah P = i () V V ( + R ) = = R R + R P aan optimum jia dp = 0 dr dp dr V = ( R R R 4 R R 4 ) = 0 ehingga : R = R (5) Daya masimumnya yaitu: ( R ) 4V P = (6) C. Algoritma Geneti Optimasi transfer daya dilauan dengan mempertimbangan batasan rangaian pengondisi sinyal sistem sensor yang berupa resistansi beban selama proses sensing berlangsung. Algoritma geneti merupaan salah satu metode optimasi probabilisti heuristi yang dididasaran pada evolusi geneti alami untu menyelesaian berbagai macam masalah optimasi melalui pelacaan. Diagram alir proses optimasi dengan menggunaan algoritma geneti diperlihatan dalam Gambar 3. (3) (4)

6 113 Jurnal Neutrino Vol., No. April 010 Gambar 3. Diagram Alir Algoritma Geneti a. Populasi mula-mula Pada penelitian ini aan dilauan optimasi transfer daya dengan mempertimbangan batasan pada rangaian pengondisi sinyal sistem sensor yang berupa tegangan sensor dan resistansi beban selama proses sensing berlangsung. Batasan-batasan tersebut adalah: R (7) 0 < V < 5 (8) Pada penelitian ini romosom yang dibentu adalah tegangan sensor (V ) dan tahanan dalam (R ). Pengodeaan dilauan dengan bilangan real yang dibangitan secara random berdasaran batasan-batasannya. b. Penentuan fungsi fitness. Fungsi fitness berfungsi untu mengevaluasi setiap individu dalam suatu populasi. Fungsi fitness-nya adalah 1 f = ( D + a) (9) a bernilai 1 yang berfungsi untu menghindari terjadinya pembagian terhadap nol oleh fungsi fitness. Untu standar deviasi yang ecil maa fungsi fitness aan mendeati 1. Main tinggi nilai fitnessnya main besar peluang mendapatan set solusi tersebut untu dipilih menjadi nilai transfer daya optimum. c. Evaluasi Proses selesi dengan menggunaan metode roulette wheel, harus terlebih dahulu mencari probabilitas aumulatif (C i ) dari probabilitas selesinya (P i ). n C i = P i i= 1 (10)

7 Jurnal Neutrino Vol., No. April etelah dihitung nilai omulatif probabilitasnya, maa proses selesi menggunaan metode ini dapat dilauan. Prosesnya adalah dengan membangitan bilangan aca R i dalam ruang 0-1. uatu indu aan dipilih sebagi orang tua jia memenuhi persyaratan: C i 1 < Ri < Ci (11) d. Operasi geneti Dalam algoritma geneti ada dua macam operator geneti, yaitu crossover dan mutasi (Zbigniew Michalewicz, 1999). Kedua operator geneti ini bererja pada probabilitas tertentu, yaitu probabilitas crossover (P C ) dan probabilitas mutasi (P M ). ehingga dalam suatu populasi tida semua individu mengalami crossover atau mutasi, tetapi ada juga individu yang dapat mengalami crossover dan mutasi. 1. Crossover Crossover adalah operasi pindah silang antar romosom yang dilauan untu membentu individu baru yang lebih bai. Pada asus ini P C yang dipilih adalah 0,6. Pada pengodean secara aritmati crossover-nya didefinisian sebagai ombinasi linier dari dua romosom. Misalan v 1 t dan v t adalah romosom-romosom yang terselesi yang aan dicrossover-an. Maa hasil crossover-nya adalah sebagai beriut: t+ 1 t t v1 = av + ( 1 a) v1 t+ 1 t t v = av1 + ( 1 a) v Nilai parameter a dapat dipilih suatu onstanta atau suatu variabel yang memilii etergantungan terhadap generasi.. Mutasi Operator mutasi digunaan untu melauan modifiasi satu atau lebih nilai gen dalam romosom yang sama, atau pergeseran gen dalam suatu romosom. Pada permasaahan ini P M yang dipilih adalah 0,. Operator mutasi dapat dilauan dengan t memilih romosom yang dimutasi. Jia s ( v v v,... v ) t ' bermutasi, maa hasil mutasinya adalah s ( v, v,... v,... v ) v ' v = v + δ ( t, uv v ) δ ( t, v lv) δ ( t, y) = y.(1 r t b (1 ) T ) v v (1) (13) = 1,,... m dan v terpilih untu = dimana b=parameter yang menunjuan tingat etergantungan pada iterasi; r= Bilangan aca; t= Generasi; T= Generasi masimum; lv= Batas bawah; uv= Batas atas. e. Penentuan populasi untu generasi beriutnya etelah semua operasi geneti dilauan maa terbentulah individu-individu baru hasil crossover dan mutasi. Individu-individu yang terumpul adalah individuindividu dari populasi awal, individu hasil crossover dan individu hasil mutasi. Padahal 1 m (14)

8 115 Jurnal Neutrino Vol., No. April 010 yang aan dievaluasi adalah individu sejumlah populasi awal, sehingga perlu dilauan selesi untu menentuan individu mana yang aan dievaluasi. elesi yang digunaan adalah selesi raning. elesi raning dilauan dengan memilih individu yang memilii raning 1 sampai dengan raning sejumlah populsi awal. Individu yang memilii raning dibawah jumlah populasi awal tida aan diselesi atau dihapus. D. Implementasi Pengujian dilauan pada jumlah populasi 1000, P C 0,8, P M 0, dan dengan generasi masimal adalah 00 generasi. Fitness yang dicapai adalah 0,9840 dan mulai onvergen pada generasi e 46 dengan parameter V adalah 4,74 Volt dan R adalah 450,6556 Ohm. Pada ondisi ini daya yang ditransfer adalah 0,1981 Watt. Gambar 4. Hasil algoritma geneti menggunaan matlab KEIMPUAN Algoritma geneti yang dijalanan untu melauan optimasi transfer daya memberian simpulan bahwa: 1. Kondisi optimum terjadi pada generasi e 46 dari 00 generasi.. Transfer daya optimum terjadi pada nilai tegangan (V ) 4,74 Volt dan resistansi (R ) adalah 450,6556 Ohm. 3. Daya yang ditransfer pada ondisi optimum adalah 0,1981 Watt. DAFTAR PUTAKA D. Quagliarella,. Pe riaux, C. Poloni, Genetic Algorithm and Evolution trategies in Engineering and Computer cience, British ibrary, England. Fadlisyah, Arnawan, Faisal, 009, Algoritma Geneti, Graha Ilmu, Yogyaarta. Hasanah. Muwahidah, 009, Optimasi istem Penguuran Melalui Modifiasi Pengondisi inyal pada ensor Gas, IT, urabaya.

9 Jurnal Neutrino Vol., No. April Kusumadewi. ri, Purnomo. Hadi, 005. Penyelesaian Masalah Optimasi dengan Teni-Teni Heuristi, Graha Ilmu, Yogyaarta. Michalewicz, Zbigniew, 1997, Genetic Algorithm + Data tuctures = Evolution Program, pringer. uweni Muntini. Melania, 000, Teni Identifiasi istem dan Penentuan Orde Model dengan Algoritma Geneti, ITB, Bandung. uyanto, 005, Algoritma Geneti dalam Matlab, Andi, Yogyaarta. Putro, Triswantoro, 007, Implementasi Algoritma Geneti pada Auisisi Data Penilaian Warna ecara Online, IT, urabaya.