Fuzzy

Referensi :

Sandy, Yunita Ari. dkk. (2022). Sistem Kendali Suhu dan Pengganti Air Otomatis pada Akuarium Menggunakan Fuzzy Logic Controller Berbasis Internet of Things. Jurnal Teknik Elektro. Volume 11 Nomor 01 Tahun 2022. Halaman 163-173.

DAFTAR ISI

1. Judul

2. Abstrak

3. Pendahuluan

4. Metodologi Penelitian

5. Hasil dan Pembahasan

6. Kesimpulan

7. Daftar Pustaka

9. Video

10. Link Download

Sistem Kendali Suhu dan Pengganti Air Otomatis pada Akuarium 

Menggunakan Fuzzy Logic Controller Berbasis Internet of Things

Abstrak

Banyak faktor yang mempengaruhi kualitas air seperti suhu dan tingkat kekeruhan. Kualitas air akuarium yang kurang baik dapat mengganggu pertumbuhan ikan hingga menyebabkan kematian. Untuk menghindari kondisi tersebut, maka diperlukan sebuah sistem yang dapat mengendalikan suhu dan mengganti air secara otomatis agar suhu dan kekeruhan air dalam akuarium tetap terjaga. Dalam penelitian ini menggunakan metode fuzzy logic controller dengan menggunakan dua parameter yaitu suhu dan tingkat kekeruhan air. Output dari penelitian ini adalah suhu akuarium yang terkendali dengan adanya heater dan pompa yang berfungsi untuk mengganti air pada akuarium apabila suhu air panas dan air terdeteksi keruh, serta dapat dipantau secara online pada smartphone maupun offline melalui LCD pada akuarium.

Pendahuluan

Pada penelitian ini akan membahas mengenai sistem kerja dari akuarium dalam menjaga suhu dan melakukan pergantian air secara otomatis dengan fuzzy logic controller, hasil perbandingan akuarium menggunakan kontrol fuzzy dan tanpa kontrol fuzzy, serta pemantauan akuarium secara langsung maupun jarak jauh. Tujuan dari penelitian ini adalah merancang akuarium yang memiliki sistem kerja dengan respon cepat dan tepat dalam menjaga suhu dan kekeruhan air menggunakan fuzzy logic controller serta dapat dipantau secara langsung maupun jarak jauh, kemudian dari rancangan tersebut dilakukan pengujian untuk mengetahui hasil perbandingan dari penerapan akuarium menggunakan kontrol fuzzy dan tanpa kontrol fuzzy.

Metode Penelitian

a. Pendekatan penelitian

Metode penelitian yang diterapkan pada penelitian ini adalah metode kuantitatif di mana melibatkan data berupa angka untuk menganalisis.

b. Rancangan Penelitian

c. Desain Sistem

Gambar 3 menunjukkan diagram close loop sebuah sistem kendali suhu air dan pengganti air secara otomatis pada akuarium. Menggunakan sensor sebagai inputan yaitu sensor kekeruhan untuk mendeteksi tingkat kekeruhan air dan sensor suhu digunakan untuk mengetahui suhu air akuarium. Kemudian nilai input akan diolah pada Arduino menggunakan fuzzy logic controller untuk menentukan aksi dari pompa dan heater yang dihasilkan agar suhu dan kekeruhan air tetap terjaga.

d. Kendali Fuzzy

Akuarium diprogram berdasarkan logika fuzzy di mana suhu dan kekeruhan menjadi masukannya sedangkan yang menjadi keluarannya adalah heater, pompa dan kategori air berdasarkan perhitungan pada sensor kekeruhan.

VARIABEL INPUT :

Input 1

Input 2

Variabel Output :

Output 1

Output 2

Output 3

Rule Base

Fuzzy  akan bekerja  sesuai  dengan rules atau  aturan  yang dibuat.  Terdapat  sembilan rulesyang  diterapkan  pada penelitian ini, yaitu:

1. Jika Suhu adalah Dingin dan Kekeruhan adalah Jernih maka Heater adalah Menyala,  Pompa adalah Mati, Kondisi Air adalah Bersih.

2. Jika Suhu adalah Dingin dan Kekeruhan adalah Cukup maka Heater adalah Menyala,  Pompa  adalah  Mati, Kondisi Air adalah Cukup. 

3. Jika Suhu adalah Dingin dan Kekeruhan adalahKeruh maka Heater adalah Menyala, Pompa adalah Menyala, Kondisi Air adalah Keruh.

4. Jika Suhu adalah Normal dan Kekeruhan adalah Jernih maka Heater adalah Mati, Pompa adalah Mati, Kondisi Air adalah Bersih.

5. Jika Suhu adalah Normal dan Kekeruhan adalah Cukup maka Heater adalah Mati, Pompa adalah Mati, Kondisi Air adalah Cukup.

6. Jika Suhu adalah Normal dan Kekeruhan adalah Keruh maka Heater adalah  Mati,  Pompa  adalah  Menyala, Kondisi Air adalah Keruh.

7. Jika  Suhu  adalah  Panas  dan  Kekeruhan  adalah Jernih maka Heater adalah  Mati,  Pompa  adalah  Menyala, Kondisi Air adalah Bersih.

8. Jika  Suhu adalah Panas dan Kekeruhan adalah Cukup maka Heater adalah  Mati,  Pompa  adalah  Menyala, Kondisi Air adalah Cukup.

9. Jika  Suhu  adalah  Panas  dan  Kekeruhan  adalah  Keruh maka Heater adalah  Mati,  Pompa  adalah  Menyala, Kondisi Air adalah Keruh.

Hasil dan Pembahasan

Perbandingan Grafik Kekeruhan Hasil Pengujian Akuarium Menggunakan Kontrol Fuzzy dan Tanpa Kontrol Fuzzy 

Dari grafik tersebut juga dapat diketahui bahwa pompa pada akuarium menggunakan kontrol merespon lebih cepat sehingga sebelum mencapai setpoint keruh pompa sudah melakukan pergantian air, jadi hasil akhir tingkat kekeruhan dapat lebih jauh dari setpoint. Sedangkan pada akuarium tanpa kontrol, hasil akhir tingkat kekeruhan masih kalah rendah dari akuarium dengan kontrol, hal ini dikarenakan pompa baru aktif saat tingkat kekeruhan telah mencapai atau melebihi setpoint keruh.

Prosedur Percobaan :

LANGKAH 1 : Susun konsep sistem kontrol dengan logika fuzzy

LANGKAH 2 : Setelah konsep sistem kontrol dibentuk, maka kita dapat membuat pemrogramannya. Ketik “fuzzy” pada command window untuk membuka jendela Fuzzy Inference System (FIS) editor, sehingga muncul tampilan seperti gambar di bawah ini:

LANGKAH 3 : Pilih edit >> add variable >> input untuk menambah variable input

sehingga akan muncul tampilan seperti pada gambar di bawah ini:

LANGKAH 4 : Ubahlah nama input1 menjadi suhu, input2 menjadi kekeruhan, output1 menjadi heater, output2 menjadi pompa, output3 menjadi kondisi air.

LANGKAH 5 : Pilih edit >> membership function untuk membuat fungsi keanggotaan setiap variabel.

LANGKAH 6 :  Pada variabel suhu, ubahlah range menjadi [0 50],

nama mf1 menjadi dingin, type trimf, Params [0 12.5 25]
nama mf2 menjadi normal, type trimf, Params [24 26.5 29]
nama mf3 menjadi panas, type trimf, Params  [28 39 50] 

LANGKAH 7 : Pada variable kekeruhan, ubahlah range menjadi [0 1024]

nama mf1 menjadi jernih, type trimf, Params  [0 225 450]
nama mf2 menjadi cukup, type trimf, Params  [400 525 650]
nama mf3 menjadi keruh, type trimf, Params   [600 812 1024]

sehingga tampilan variabel kekeruhan akan tampak seperti pada gambar di bawah ini:

LANGKAH 8 : Pada variabel heater, ubahlah range menjadi [0 50],

nama mf1 menjadi menyala, type trimf, Params  [0 12.5 25]
nama mf2 menjadi mati, type trimf, Params   [24 37 50]

sehingga tampilan variabel heater akan tampak seperti pada gambar di bawah ini:

 

LANGKAH 9 : Pada variabel pompa, ubahlah range menjadi [0 50],

nama mf1 menjadi menyala, type trimf, Params  [0 14.5 29]
nama mf2 menjadi mati, type trimf, Params   [28 39 50]

sehingga tampilan variabel pompa akan tampak seperti pada gambar di bawah ini:

LANGKAH 9 : Pada variable kondisi_air, ubahlah range menjadi [0 1024]

nama mf1 menjadi bersih, type trimf, Params  [0 225 450]
nama mf2 menjadi cukup, type trimf, Params  [400 525 650]
nama mf3 menjadi keruh, type trimf, Params   [600 812 1024]

sehingga tampilan variabel kondisi_air akan tampak seperti pada gambar di bawah ini:

 

LANGKAH 10 : Pilih edit >> rules untuk membuka jendela rule editor

buatlah aturan pada rule editor sesuai dengan konsep sistem kontrol yang sebelumnya telah dibuat. Misalnya if (suhu is dingin) and (kekeruhan is jernih) then (heater motor is menyala) (pompa is kondisi_air is besih), dan seterusnya sampai dengan 9 rules.

 

LANGKAH 11 : Pilih view >> rules, untuk melihat hasil rules yang telah kita buat

 

kita dapat menggeser-geser nilai suhu (input1) dan kekeruhan (input2) sehingga menghasilkan nilai keluaran pada heater (output1), pompa (output2), dan kondisi_air (output3)

LANGKAH 12: Pilih view >> surface, untuk melihat grafik 3D antara suhu, kekeruhan, dan output.

Kesimpulan

Berdasarkan penelitian yang telah dilakukan dapat disimpulkan bahwa akuarium yang telah dirancang dengan fuzzy logic controller bekerja dengan baik memiliki respon cepat dan tepat dalam menjaga suhu dan kekeruhan air, yang dibuktikan dengan heater dan pompa yang aktif sebelum mencapai nilai setpoint yang ditentukan sehingga suhu dan kekeruhan air di dalam akuarium tetap terjaga dalam kondisi stabil.

Saran

Menambahkan membership function agar pompa dapat menyala lebih awal.

Realisasi saran

Waktu yang didapat dari percobaan tanpa kontrol fuzzy adalah pompa hidup pada saat kekeruhan memiliki nilai 670 NTU, sedangkan seharusnya pompa menyala pada dimana nilai kekeruhan mencapai ambang batas yaitu 650 NTU. Sedangkan dengan menggunakan kontrol fuzzy, pompa hidup saat detik ke-8 dengan nilai kekeruhan 640 NTU sebelum nilai kekeruhan mencapai ambang batas 650 NTU. 

Karena nilai error dari sistem menggunakan fuzzy lebih kecil, maka terbukti menggunakan fuzzy lebih akurat dibanding tanpa kontrol fuzzy.

Pada percobaan, pompa akan menyala mulai dari nilai kekeruhan 342, dimana hal ini lebih cepat dibanding sebelumnya.

Hal ini menunjukkan bahwa sistem fuzzy dengan 7 membership function akan lebih menjaga air tetap jernih karena menyala dapat menyala sebelum mencapai ambang batas.

Penambahan membership :

LANGKAH 1 :  Pada variabel suhu, ubahlah range menjadi [0 50],

lalu ubah nama, type, dan parameternya sesuai kebutuhan

sehingga tampilan suhu akan tampak seperti pada gambar di bawah ini:

LANGKAH 2 : Pada variable kekeruhan, ubahlah range menjadi [0 1024]

lalu ubah nama, type, dan parameternya sesuai kebutuhan

sehingga tampilan variabel kekeruhan akan tampak seperti pada gambar di bawah ini:

LANGKAH 3 : Pada variabel heater, ubahlah range menjadi [0 50],

lalu ubah nama, type, dan parameternya sesuai kebutuhan

sehingga tampilan variabel heater akan tampak seperti pada gambar di bawah ini:

LANGKAH 4 : Pada variabel pompa, ubahlah range menjadi [0 600],

lalu ubah nama, type, dan parameternya sesuai kebutuhan

sehingga tampilan variabel pompa akan tampak seperti pada gambar di bawah ini:

LANGKAH 5 : Pada variable kondisi_air, ubahlah range menjadi [0 1024]

lalu ubah nama, type, dan parameternya sesuai kebutuhan

sehingga tampilan variabel kondisi_air akan tampak seperti pada gambar di bawah ini:

LANGKAH 6 : Pilih edit >> rules untuk membuka jendela rule editor

buatlah aturan pada rule editor sesuai dengan konsep sistem kontrol yang sebelumnya telah dibuat. Misalnya if (suhu is dingin) and (kekeruhan is jernih) then (heater motor is menyala) (pompa is kondisi_air is besih), dan seterusnya sampai dengan 55 rules.

 

LANGKAH 7 : Pilih view >> rules, untuk melihat hasil rules yang telah kita buat

LANGKAH 8 : Pilih view >> surface, untuk melihat grafik 3D antara suhu, kekeruhan, dan output.

Video Percobaan Matlab Perbaikan

Daftar Pustaka

1. B. S. Siregar, A. N. Jati, and D. Darlis, “Analisis Logika Fuzzy Sebagai Metode Kendali Pada Mesin Pencampuran Zat Cair,” e-Proceeding of Engineering, vol. 2, no.1, pp. 625-630, 2015.
2. D. L. Rahakbauw, F. J. Rianekuay, and Y. A. Lesnussa, “Penerapan Metode Fuzzy Mamdani untuk Memprediksi Jumlah Produksi Karet (Studi Kasus: Data Persediaan Dan Permintaan Produksi Karet pada PTP Nusantara XIV (Persero) Kebun Awaya, Teluk Elpaputih, Maluku - Indonesia),” Jurnal Ilmiah Matematika dan Terapan, vol. 16, no. 1, pp. 119-127, 2019.
3. R. N. Aini, “Optimasi Konsentrasi Pengemulsi Terhadap Tingkat Pengembangan dan Daya Terima Roti Tawar Berbahan Dasar Tepung Singkong,” Disertasi Doktor, Universitas Muhammadiyah Surakarta, 2015.
4. A. F. Saragih, P. Pangaribuan, and A. S. Wibowo, “Sistem Kendali Mixer Otomatis di Industri Makanan,” e-Proceeding of Engineering, vol. 4, no. 3, pp. 3106-3113, 2017.
5. A. F. Saragih, P. Pangaribuan, and A. S. Wibowo, “Sistem Kendali Mixer Otomatis di Industri Makanan,” e-Proceeding of Engineering, vol. 4, no. 3, pp. 3106-3113, 2017.
6. F. Suryatini, M. Maimunah, and F. I. Fauzandi, “Implementasi Sistem Kontrol Irigasi Tetes Menggunakan Konsep IoT Berbasis Logika Fuzzy Takagi-Sugeno,” JTERA (Jurnal Teknologi Rekayasa), vol. 4, no. 1, pp. 115-124, 2019.
7. S. Romadhan, B. Setiyono, and S. Sumardi, “Menggunakan Kontrol Fuzzy Untuk Pengaturan Suhu Cairan Berbasis Atmega16,” Transient, vol. 3, no. 4, pp. 90-95, 2014.
8. M. Abrori and A. H. Prihamayu, “Aplikasi Logika Fuzzy Metode Mamdani dalam Pengambilan Keputusan Penentuan Jumlah Produksi,” Kaunia vol. XI, no. 2, pp. 91-99, 2015.
9. I. S. Doraya, “Pengaruh Emulsifier Terhadap Stabilitas Emulsi Salad Dressing dari Minyak Kedelai dan Air Jeruk Lemon,” Tugas Akhir Diploma Fakultas Teknik, Universitas Diponegoro, Semarang, 2012.
10. I. W. R. Ardana and I. P. Sutawinaya, “Pemodelan Sistem Kontroler Logika Fuzzy Pada Pengaturan Kecepatan Motor Induksi Menggunakan Perangkat Lunak Matlab/Simulink,” Jurnal Matrix, vol. 7, no. 1, pp. 1-6, 2017.
11. J. Nasir and J. Suprianto, “Analisis Fuzzy Logic Menentukan Pemilihan Motor Honda Dengan Metode   Mamdani,”   Penelitian    Bidang Komputer Sains dan Pendidikan Informatika, vol. 3, no. 2, pp.177-186, 2017.
12. B. Fechera, J. Kustija, and S. Elvyanti, “Optimasi Penggunaan Membership Function Logika Fuzzy pada Kasus Identifikasi Kualitas Minyak Transformator,” Electrans, vol. 11, no. 2, pp. 27-35, 2012.
13. A. Adriansyah and O. Hidyatama, “Rancang Bangun Prototipe Elevator Menggunakan Microcontroller Arduino Atmega 328p”, Jurnal Teknologi Elektro, vol. 4, no.3, pp. 100-112, 2013.
14. F. Isdaryani, “Desain Pengendali pH pada Continous Stirred Tank Reactor (CSTR) menggunakan Kontrol Fuzzy,” in Prosiding Industrial Research Workshop and National Seminar, Bandung, 2019, p. 115-120.

Video Percobaan Jurnal

Link Download

Download Video  disini

Download Codingan Matlab disini

Download HTML disini

Download Jurnal  disini