perancangan geometri dan bahan penyerap untuk ruang anti gema elektromagnetik menggunakan algoritma...
Post on 24-Sep-2015
12 Views
Preview:
DESCRIPTION
TRANSCRIPT
-
1
PERANCANGAN GEOMETRI DAN BAHAN PENYERAP
UNTUK RUANG ANTI GEMA ELEKTROMAGNETIK MENGGUNAKAN ALGORITMA GENETIK
Mulya Erik Hidayatulloh1, Suprayogi 2, Bambang Sumajudin3
1, 2, 3 Fakultas Elektro Dan Komunikasi Institut Teknologi Telkom, Bandung
Ruang anti gema merupakan ruang yang digunakan untuk pengukuran, terutama untuk antena gelombang mikro. Dengan adanya ruang anti gema, pengukuran antena akan menjadi lebih akurat karena tidak ada
gelombang elektromagnetik yang dipantulkan. Ruang anti gema elektromagnetik memberikan ketepatan
pengukuran dan lingkungan elektromagnetika yang terkontrol, serta mencegah interferensi elektromagnetik dari
dalam dan ke luar ruangan. Gelombang elektromagnetik yang dipancarkan antena akan diserap dan
didisipasikan oleh bahan penyerap yang ada di setiap dinding ruang anti gema.
Tugas Akhir ini bertujuan menentukan bahan yang tepat dengan mempertimbangkan berat bahan dan
ketersediaan bahan tersebut untuk digunakan sebagai bahan penyerap, mengoptimasi sudut piramida yang
dirancang dengan menggunakan algoritma genetik.
Dengan menggunakan kombinasi parameter dalam algoritma genetika seperti: representasi kromosom
biner, ukuran populasi 100, probabilitas pindah silang 0,9, probabilitas mutasi 0,125, dan jumlah generasi 200,
didapatkan hasil sebagai berikut : Untuk bahan teflon, yang memiliki nilai permitivitas relatif = 2.1,
permeabilitas relatif = 1.58, dan konduktivitas = 0, diperoleh nilai fitness terbaik yaitu 4.1441, sudut piramida sebesar 111.094o untuk frekuensi 2000 MHz 11000 MHz, koefisien refleksi polarisasi TE = 0.141254 dan koefisien refleksi polarisasi TM = 0.00005178. Untuk bahan polyethylen, yang memiliki nilai permitivitas
relatif = 2.25, permeabilitas relatif = 1.7, dan konduktivitas = 0, diperoleh nilai fitness terbaik yaitu 4.1796,
sudut piramida sebesar 113.438o untuk frekuensi 2000 MHz 11000 MHz, koefisien refleksi polarisasi TE = 0.138256 dan koefisien refleksi polarisasi TM = 0.00100374. Untuk bahan styrofoam, yang memiliki nilai
permitivitas relatif = 1.5, permeabilitas relatif = 1.1, dan konduktivitas = 0, diperoleh nilai fitness terbaik yaitu
3.9394, sudut piramida sebesar 92.343o untuk frekuensi 2000 MHz 11000 MHz, koefisien refleksi polarisasi TE = 0.15373 dan koefisien refleksi polarisasi TM = 0.000119417.
Kata Kunci : Ruang Anti Gema, Algoritma Genetika, Sudut Piramida.
Design Geometry and Absorber Material for Anechoic Chamber
Using Genetic Algorithm
Anechoic chamber is the space used for measurement, especially for microwave antennas. With the
anechoic chamber, antenna measurement will become more accurate because there is no electromagnetic waves
are reflected. Anechoic chamber provides the measurement accuracy and a controlled electromagnetic
environment, and prevent electromagnetic interference from inside and outside the room. Electromagnetic
waves emitted by the antenna will be absorbed and dissipated by the absorbent material that is on every wall of
anechoic chamber.
The Purposes of this thesis are determine the right material with considering material weight and
availability of such materials for use as absorber material, optimizing the angle of the pyramid using genetic
algorithm. By using a combination of genetic algorithm parameters such as: binary chromosome representation,
population size 100, crossover probability 0.9, mutation probability 0.125, and the number of generation 200,
obtained the following results: for teflon material, which has a value of relative permittivity = 2.1, relative
permeability = 1.58, and conductivity = 0, obtained the best fitness value is 4.1441, the angle of the pyramid of
111.094o for the frequency 2000 MHz - 11,000 MHz, TE polarization reflection coefficient = 0.141254 and TM
polarization reflection coefficient = 0.00005178. For polyethylen material, which has a value of relative
permittivity = 2.25, relative permeability = 1.7, and conductivity = 0, obtained the best fitness value is 4.1796,
the angle of the pyramid of 113.438o for the frequency 2000 MHz - 11,000 MHz, TE polarization reflection
coefficient = 0.138256 and TM polarization reflection coefficient = 0.00100374. For styrofoam material, which
has a value of relative permittivity = 1.5, relative permeability = 1.1, and conductivity = 0, obtained the best
fitness value is 3.9394, the angle of the pyramid of 92.343o for the frequency 2000 MHz - 11,000 MHz, TE polarization reflection coefficient = 0.15373 and TM polarization reflection coefficient = 0.000119417.
Keywords: Anechoic Chamber, Genetic Algorithm, Angle of Pyramid
-
2
1. PENDAHULUAN
1.1 Latar Belakang
Ruang anti gema merupakan ruang yang
digunakan untuk pengukuran, terutama untuk
antena gelombang mikro. Dengan adanya ruang
anti gema, pengukuran antena akan menjadi lebih akurat karena tidak ada gelombang elektromagnetik
yang dipantulkan. Ruang anti gema
elektromagnetik memberikan ketepatan
pengukuran dan lingkungan elektromagnetika yang
terkontrol, serta mencegah interferensi
elektromagnetik dari dalam dan ke luar ruangan.
Gelombang elektromagnetik yang dipancarkan
antena akan diserap dan didisipasikan oleh bahan
penyerap yang ada di setiap dinding ruang anti
gema.
Di dalam ruang anti gema itu sendiri
terdapat dua jenis penyerap yang digunakan, yaitu penyerap menggunakan limas (piramida), dan
penyerap menggunakan prisma segitiga. Penyerap
bentuk limas (piramida) bekerja sangat baik dalam
insiden normal dan bentuk ini bersifat
menghamburkan seperti di permukaan yang kasar.
IT Telkom sendiri belum mempunyai ruang
anti gema elektromagnetik, sehingga beberapa
mahasiswa yang melakukan pengukuran antena
terpaksa melakukan pengukuran di ruangan terbuka
yang tentunya akan banyak pantulan, interferensi,
dsb sehingga pengukuran tidak optimal. Oleh karena itu, dalam Tugas Akhir ini telah
dirancang bahan penyerap untuk ruang anti gema
elektromagnetik dengan bentuk piramida. Dalam
tugas akhir ini dipilih bahan yang mudah didapat
dan ringan, sedangkan penentuan sudut piramida
dilakukan dengan menggunakan algoritma genetik
untuk mendapatkan sudut yang paling optimal
sehingga koefisien refleksinya sangat kecil
(mendekati 0).
2. DASAR TEORI
2.1 RUANG ANTI GEMA
Anechoic chamber atau dalam bahasa Indonesia artinya ruang anti gema adalah ruangan
yang digunakan untuk pengukuran, terutama untuk
antena gelombang mikro. Dengan adanya ruang
anti gema, pengukuran antena akan menjadi lebih
akurat karena tidak ada gelombang elektromagnetik
yang dipantulkan. Ruang anti gema
elektromagnetik memberikan ketepatan
pengukuran dan lingkungan elektromagnetika yang
terkontrol, serta mencegah interferensi
elektromagnetik dari dalam dan ke luar ruangan[5].
Di dalam ruangan anti gema, dinding yang menyelimuti tidaklah seperti kebanyakan ruangan
pada umumnya yang berbentuk datar. Dinding
penyerap yang dimiliki ruangan anti gema bersifat
khusus dan mempunyai bentuk-bentuk tertentu.
Beberapa jebis penyerap yang sering digunakan
dalam ruangan anti gema diantaranya[5]:
Gambar 2.1 Penyerap Bentuk Piramida
2.2 Sifat Bahan
Setiap bahan mempunyai sifat yang dinilai
dari konstanta bahan yang meliputi konduktivitas,
prmitivitas, dan permeabilitas.
2.2.1 Konduktivitas
Konduktivitas adalah kebalikan dari
resistivitas () atau hambatan jenis.
=1
(2.1)
Tetapan perbandingan disebut konduktivitas listrik. Sutau kawat berpenampang (A) sama dialiri
arus (I). Bila medan listrik dalam logam bisa
dianggap sama, maka medan listrik dalam logam
haruslah sama.
Bila tetapan =1
kita tulis
1
R maka
persamaan menjadi V = IR untuk logam
berpenampang sama, persamaan matematiknya
ditulis [1]:
=1
RA (2.2)
2.2.2 Permitivitas
Kapasitor adalah piranti yang berguna untuk
menyimpan muatan dan energi. Kapasitor yang
sering digunakan adalah kapasitor dua keping
sejajar yang menggunakan dua keping konduktor sejajar. Apabila keping berjarak d dengan luas
keping A makan rumusnya adalah[1]:
= x A
d (2.3)
Dimana :
C = kapasitansi (Farad) = o x r o = Permitivitas udara (8.854 x 10
-12)
r = Permitivitas relatif bahan d = Jarak antara 2 keping sejajar (m)
A = Luas penampang dielektrika (m2)
A = x l >>d Sehingga, dari nilai kapasitansi pada
persamaan 2.3 diatas dapat diketahui nilai
kapasitansi (r).
2.2.3 Permeabilitas Ada satu jenis induktor yang kita kenal
dengan nama toroida. Jika biasanya induktor
-
3
berbentuk silinder memanjang, maka toroida
berbentuk lingkaran. Biasanya berbentuk lingkaran
seperti kue donat.
Untuk menentukan nilai induktansi (L)
dengan jumlah lilitan (N), luas penampang (A), dan
keliling rata-rata toroida (I) dapat menggunakan persamaan[1]:
L = .4 N2A102
(2.4)
Dimana :
L = Induktansi (H)
N = Jumlah lilitan
= 0 x r
0 = Permeabilitas udara (410-7 H/m)
r = Permeabilitas relatif bahan (m2)
L = Keliling rata-rata dari inti toroida (m)
Dari nilai induktansi dapat diketahui nilai
permeabilitas relatif bahan (r)
2.3 Penyerap Elektromagnetik Piramida
Berikut tabel yang menunjukkan nilai
perbandingan besarnya redaman (koefisien pantul)
pada berbagai nilai frekuensi yang dikemukakan oleh Jasik[4] :
Tabel 2.1 Koefisien Panttul Penyerap
Piramida
Redaman (dB) vs Frekuensi
Tebal
(inch
i)
12
0
20
0
30
0
50
0
100
0
2000
-
4000
4000
-
8000
3 ... ... ... ... ... ... 30
5 ... ... ... ... ... 30 40
8 ... ... ... ... 30 40 45
12 ... ... ... ... 35 40 45
18 ... ... ... 30 40 45 50
24 ... ... 30 35 40 45 50
45 ... 30 35 40 45 50 50
70 30 35 40 45 50 50 50
Sebagai acuan ketebalan dalam pembuatan
bahan penyerap elektromagnetik disesuaikan
dengan persamaan[7]:
2 = 60 dB
8.686 (2.5)
Dimana :
= Konstanta redaman (Np/m) h = Tinggi bahan (m)
Sedangkan dapat diperoleh dari[7]:
= 1
+ ( + ) (2.6)
Dimana: = + j = konstanta fasa (rad/m) = konduktivitas bahan (mho/m) 0 = Permeabilitas udara (410
-7 H/m)
r = Permeabilitas relatif bahan (m2)
o = Permitivitas udara (8.854 x 10-12)
r = Permitivitas relatif bahan
2.4 Algoritma Genetik
Algoritma genetik merupakan
evolusi/perkembangan dunia komputer dalam
bidang kecerdasan buatan (artificial intellegent).
Sebenarnya algoritma genetik ini terinspirasi oleh
teori evolusi Darwin (walaupun pada kenyataannya teori tersebut terbukti keliru).
Algoritma genetik adalah algoritma
pencarian berdasarkan pada mekanisme sistem
natural yakni genetik dan seleksi alam. Dalam
aplikasi algoritma genetik, variabel solusi
dikodekan keadaan struktur string yang
merepresentasikan barisan gen, yang merupakan
karakteristik dari solusi problem.
Berbeda dengan teknik pencarian
konvensional, algoritma genetik berangkat dari
himpunan solusi yang dihasilkan secara acak.
Himpunan ini disebut populasi. Sedangkan setiap invidu dalam populasi disebut kromosom yang
merupakan representasi dari solusi. Kromosom-
kromosom berevolusi dalam suatu proses iterasi
yang berkelanjutan yang disebut generasi. Pada
setiap generasi, kromosom dievaluasi berdasarkan
suatu fungsi evaluasi ( Gen dan Cheng, 1997).
Setelah beberapa generasi maka algoritma genetik
akan konvergen pada kromosom terbaik, yang
diharapkan merupakan solusi optimal (Goldberg,
1989).
3. PERANCANGAN DAN IMPLEMENTASI
SISTEM
Sesuai dengan tujuan di BAB I, maka dalam
Tugas Akhir ini akan dirancang bahan penyerap
untuk ruang anti gema elektromagnetik dengan
sudut tertentu menggunaan Algoritma Genetik.
Langkah pertama dari perancangan tersebut adalah
mencari persamaan (penurunan persamaan) untuk
dijadikan sebagai fungsi fitness di dalam Algoritma
Genetik. Setelah persamaan tersebut di dapat, maka
langkah selanjutnya adalah membuat Algoritma
Genetik dengan Matlab untuk mendapatkan nilai sudut piramida yang paling optimal agar koefisien
refleksi kecil. Langkah terakhir adalah dengan
memverifikasi hasil perancangan dengan
perhitungan manual apakah hasil perancangan
sesuai yang diharapkan atau tidak.
Hasil akhir dari penelitian ini akan diperoleh bahan
penyerap gelombang elektromagnetik berbentuk
piramida dengan nilai karakteristik bahan
(permitivitas, permeabilitas, konduktivitas) dan
sudut tertentu.
-
4
3.1 Diagram Alir Perancangan
3.1.1 Persamaan Koefisien Refleksi
Gelombang elektromagnetik yang jatuh miring dapat dibagi menjadi dua polarisasi.
Polarisasi yang pertama adalah jika medan elektrik
tegak lurus dengan bidang kejadian. Pada kasus ini
disebut polarisasi tegak lurus atau lebih dikenal
dengan transverse electric (TE) polarization. Kasus
kedua adalah jika medan magnetik tegak lurus
dengan bidang kejadian. Pada kasus ini disebut
polarisasi sejajar atau lebih dikenal dengan
transverse magnetic (TM) polarization
3.1.1.1 Koefisien Refleksi Polarisasi TE
Koefisien refleksi untuk polarisasi TE dapat
dirumuskan sebagai berikut :
=2cos i 1cos t
2cos i+ 1cos t (3.1)
dimana :
1 = Impedansi intrinsik daerah 1 (udara = 377 ohm)
2 = Impedansi intrinsik bahan penyerap i = Sudut datang t = Sudut bias
2 =
+ (3.2)
t = asin 1
2 i (3.3)
1 =
(3.4)
2 =
2 1 + 1 +
12
(3.5)
1 = Impedansi intrinsik daerah 1 (udara) 2 = Impedansi intrinsik daerah 2 (bahan penyerap) i = Sudut datang t = Sudut bias 1 = Konstansa fasa daerah 1 2 = Konstanta fasa daerah 2 (bahan penyerap)
3.1.1.2 Koefisien Refleksi Polarisasi TM
Koefisien refleksi untuk polarisasi TM dapat
dirumuskan sebagai berikut :
=2cos t 1cos t
2cos t+ 1cos i
(3.6)
3.1.2 Algoritma Genetik
Gambar 3.2 Diagram alir Algoritma Genetik
-
5
Karakter utama yang harus
dipertimbangkan untuk mengoptimalkan proses
algoritma genetika adalah:
a. Kromosom merepresentasikan sudut piramida b. Kromosom tersusun atas beberapa gen (dalam
hal ini 8 gen) c. Populasi merepresentasikan variasi sudut
piramida
d. Individu merepresentasikan calon sudut piramida
3.1.2.1 Inisialisasi Populasi
Tujuan dari fungsi ini adalah
membangkitkan populasi yang berisi sejumlah
kromosom. Setiap kromosom berisi sejumlah gen. Kode program yang ditulis adalah sebagai berikut :
function Populasi =
InisialisasiPopulasi(UkPop,JumGen)
Populasi = fix(2*rand(UkPop,JumGen));
Perintah rand(UkPop,JumGen)
menghasilkan sebuah matriks dua dimensi
berukuran UkPop x JumGen yang berisi nilai
real dalam interval [0,1). Sedangkan fix digunakan
untuk pembulatan ke bawah. Dengan demikian fix(2*rand(UkPop,JumGen))
menghasilkan sebuah matriks dua dimensi, UkPop
x JumGen , yang bernilai biner (0 dan 1). Dimana
:
UkPop = Ukuran populasi atau jumlah
kromosom dalam populasi
JumGen = Jumlah gen dalam kromosom
3.1.2.2 Dekode Kromosom
Fungsi ini bertujuan untuk mendekodekan
kromosom yang berisi bilangan biner menjadi
individu w yang bernilai real dalam interval yang
yang diinginkan. Kode program yang ditulis adalah
sebagai berikut :
w = 0;
for jj=1:Nbit,
w = w + Kromosom(jj)*2^(-jj);
end
w = Rb + (Ra-Rb)*w;
Kromosom adalah sebuah matriks yang
berukuran 1 x JumGen atau biasa dikenal sebagai
vektor baris. Nbit adalah jumlah bit yang
digunakan untuk mengkodekan satu variabel. Ra
adalah batas atas interval, Rb adalah batas bawah
interval. Keluaran dari kode program ini adalah w,
yaitu sebuah individu yang bernilai real dalam
interval [Ra,Rb].
3.1.2.3 Evaluasi Fitness
Fungsi ini bertujuan untuk menghitung nilai
fitness dari suatu individu w. Fungsi ini sangat
bergantung pada masalah yang akan diselesaikan.
Kode program yang ditulis adalah sebagai berikut :
function fitness =
EvaluasiIndividu1(x,y,z,w,f,BilKecil)
beta1=2*pi*f/(3*10^8);
beta2=(2*pi*f*sqrt(x*y)/(3*sqrt(2)*10^8))*(
sqrt(1+sqrt(1+(z/(f*10^(-9)*x/18))^2)));
eta1=120*pi;
eta2=sqrt((j*f*8*pi*pi*10^(-
7)*y)/(z+(j*f*10^(-9)*x)/18));
tetat=asin(beta1*sin(w*pi/180)/beta2)*180/p
i;
gamma=(eta2*cos(tetat*pi/180)-
eta1*cos(w*pi/180))/(eta2*cos(tetat*pi/180)
+eta1*cos(w*pi/180));
b=abs(gamma);
fitness = 1/ (b + BilKecil);
Karena tujuannya adalan minimisasi, maka
nilai fitness yang digunakan adalah fitness =
1/ (b + BilKecil). Dimana b adalah fungsi
yang diminimisasi, dan BilKecil adalah sebuah
bilangan yang dianggap kecil dan menghindari
pembagian dengan 0.
3.1.2.4 Linier Fitness Ranking Untuk menghindari kecenderungan
konvergen pada optimum lokal, maka digunakan
penskalaan nilai fitness sehingga diperoleh nilai
fitness baru yang lebih baik, yaitu yang memiliki
variansi tinggi.
3.1.2.5 Seleksi Orang Tua
Metode yang dipakai pada proses seleksi
orang tua di Tugas Akhir ini adalah Roulette Wheel yang masing masing kromosom menempati potongan lingkaran pada roda roulette. Semakin
besar nilai fitness yang dimiliki maka semakin
besar pula peluang untuk menjadi orang tua.
Roulette wheel menyeleksi populasi baru
dengan distribusi probabilitas yang berdasarkan
nilai fitness, dimana setiap individu mendapatkan
luas bagian sesuai dengan prosentase nilai
fitnessnya. Seleksi dilakukan berdasarkan fitness
cost yang telah diurutkan dari hasil Linear Fitness
Ranking.
3.1.2.6 Pindah Silang
Proses pindah silang (crossover) ini
menukar gen - gen yang tepilih antar dua orang tua
untuk menghasilkan individu baru yang diharapkan
mempunyai nilai fitness yang lebih baik.
Pindah silang pada tugas akhir ini
dilakukan dengan cara yang paling sederhana yaitu
pindah silang satu titik potong (one point crossover). Probabilitas pindah silang yang
diobservasi pada tugas akhir ini adalah 0,8 dan 0,9.
Salah satu dari empat probabilitas hasil observasi
tersebut digunakan seterusnya dalam simulasi.
3.1.2.7 Mutasi
Mutasi bisa terjadi secara random pada
setiap gen dalam kromosom. Proses mutasi dilakukan secara random dengan probabilitas
mutasi yang dapat diatur. Nilai probabilitas mutasi
-
6
diatur 1/n, dengan n adalah jumlah gen dalam
kromosom.
3.1.2.8 Pergantian Populasi
Dalam tugas akhir ini menggunakan skema
pergantian populasi yang disebut generational
replacement, yang berarti semua individu dari
suatu generasi digantikan sekaligus oleh individu
baru hasil pindah silang dan mutasi.
3.1.2.9 Faktor Penghenti
Dalam membatasi lamanya proses pencarian nilai fitness yang optimum digunakan jumlah
generasi maksimal dimana pencarian nilai optimal
akan berhenti pada generasi yang telah ditentukan
yaitu pada generasi ke-200.
3.2 Spesifikasi Perangkat 3.2.1 Perangkat Keras
Perangkat keras yang digunakan adalah
notebook. Notebook yang digunakan Acer Aspire
4736G dengan spesifikasi sebagai berikut.
1. Intel Core 2 Duo processor T6600. 2. 2GB RAM DDR2. 3. Harddisk 320 GB. 4. Nvidia GeForce G105M 512MBVRAM.
Notebook digunakan sebagai alat
pemprosesan data dengan menggunakan software
MATLAB 7.8.0 R2009a.
3.2.1 Perangkat Lunak
Spesifikasi perangkat lunak yang
digunakan untuk membangun sistem ini adalah:
1. Sistem operasi Microsoft Windows 7 Ultimate 2. Matlab versi 7.8.0 (R2009a)
3.3 Implementasi Sistem 3.3.1 Deskripsi Sistem
Sistem ini bekerja untuk mencari nilai yang
sudut piramida yang paling optimum untuk
digunakan sebagai dinding ruang anti gema. Dalam
Tugas Akhir ini, bahan yang digunakan untuk
membuat piramida tersebut adalah teflon, polyethylen, dan styrofoam.
3.3.2 Pengambilan Data
Pengambilan data dilakukan untuk bahan
teflon, polyethylen, dan styrofoam. Setiap bahan
tersebut memiliki nilai permitivitas relatif,
permeabilitas relatif dan konduktivitas tertentu.
Kemudian nilai-nilai itu digunakan untuk input dari
program. Pengambilan data dilakukan pada frekuensi 2 GHz 11 GHz dengan rentang frekuensi 100 MHz.
4. PENGUJIAN DAN ANALISIS
Bab ini berisi tentang analisis masalah
dengan bantuan implementasi sistem dan juga
sumber-sumber yang ada. Membahas dan
melakukan analisis hasil pengujian sistem tersebut
4.1 Pengujian Sistem
Setelah melakukan perancangan dan
implementasi sistem, maka langkah selanjutnya
adalah melakukan pengujian terhadap sistem
kemudiah menganalisis hasil pengujian. Beberapa
tujuan dari pengujian ini antara lain:
1. Untuk menganalisis hasil kinerja sistem
sehingga diketahui kekurangan dan
kelebihan sistem.
2. Mencari nilai optimum dari sudut
piramida yang akan digunakan sebagai
bahan penyerap.
4.2 Langkah-Langkah Pengujian Sistem Pengujian sistem dilakukan dengan
mengambil tiga buah contoh bahan yang
direkomendasikan untuk digunakan sebagai bahan
penyerap gelombang elektromagnetik yatiu teflon,
polyethylen, dan styrfoam. Bahan-bahan tersebut
masing-masing mempunyai nilai permitivitas
relatif, permeabilitas relatif, dan konduktivitas
tertentu. Langkah-langkah pengujian tersebut
adalah sebagai berikut :
1. Ambil bahan pertama yaitu teflon, kemudian
input nilai permitivitas relatif, permeabilitas
relatif, dan konduktivitas ke program dan
jalankan. Frekuensi awal yang dinputkan adalah
2000 MHz.
2. Naikkan Frekuensi dengan interval 100 MHz. Kemudian jalankan program. Langkah ini
dilakukan sampai frekuensi mencapai 11000
MHz.
3. Melakukan langkah 1 dan langkah 2 untuk bahan
polyethylen dan styrofoam.
4.3 Data Hasil Pengujian Sistem
Data hasil pengujian sistem yang didapat
dari menjalankan program dilampirkan pada
lampiran B.
4.4 Analisis Simulasi Menggunakan
Algoritma Genetik
4.4.1 Analisis Observasi Paket Parameter
Algoritma Genetik
Observasi paket parameter dalam
algoritma genetika dilakukan untuk mencari
parameter terbaik dalam mencapai nilai fitness
yang optimum. Metode ini dilakukan karena tidak
-
7
ada panduan yang pasti tentang parameter yang
terbaik dalam mencapai fitness yang optimum.
Observasi paket parameter dilakukan dengan
mengkombinasikan berbagai kemungkinan
parameter yaitu: jumlah populasi (50,100,200),
jumlah bit (8), probabilitas pindah silang (0,8; 0,9). Fitness yang dihasilkan merupakan rata rata nilai fitness hasil pengujian.
Berikut merupakan hasil observasi paket
parameter Algoritma Genetika:
Tabel 4.1 Hasil Observasi Paket Parameter
Algoritma Genetika
No. Ukur
an
Juml
ah Prob.
Prob
.
Rata Rata
Obser
vasi
Popul
asi Bit
Crosso
ver
Mut
asi Fitness
1 50 8 0.8 0.05 4.2143
2 50 8 0.8 0.1 4.3412
3 50 8 0.8 0.12
5 4.4539
4 50 8 0.9 0.05 4.1145
5 50 8 0.9 0.1 4.5237
6 50 8 0.9 0.12
5 4.6218
7 100 8 0.8 0.05 3.9657
8 100 8 0.8 0.1 4.1234
9 100 8 0.8 0.12
5 4.5132
10 100 8 0.9 0.05 4.3756
11 100 8 0.9 0.1 4.6643
12 100 8 0.9 0.12
5 5.1521
13 200 8 0.8 0.05 4.1622
14 200 8 0.8 0.1 4.3678
15 200 8 0.8 0.12
5 5.0122
16 200 8 0.9 0.05 4.1278
17 200 8 0.9 0.1 4.4249
18 200 8 0.9 0.12
5 4.5571
Untuk memudahkan pembacaan tabel, data nilai
fitness rata-rata pada hasil observasi disajikan
dalam bentuk grafik berikut:
Gambar 4.1 Grafik Nilai Fitness Rata-rata
Observasi
Berdasarkan hasil observasi diatas, nilai
fitness rata- rata mencapai nilai maksimum, yaitu
5.152 di observasi ke-12 dengan paket parameter
ukuran populasi 100, probabilitas pindah silang 0,9,
dan probabilitas mutasi 0,125. Parameter tersebut
yang digunakan dalam simulasi pencarian sudut piramida.
4.4.2 Faktor Penghenti (Generasi Maksimum)
Dengan menggunakan parameter hasil
observasi di atas, yaitu populasi 100, probabilitas
pindah silang 0,9, dan probabilitas mutasi 0,125,
dilakukan simulasi untuk mendapatkan generasi
maksimum sebagai faktor penghenti. Simulasi ini
dilakukan untuk melihat hubungan antara generasi dan nilai fitness terbaik, generasi yang dijadikan
sample adalah generasi 10, 50, 100 dan 200.
Berikut ini merupakan grafik
perbandingan antara jumlah generasi dan fitness
terbaik yang dihasilkan:
Gambar 4.2 Grafik Perbandingan Generasi dan
Fitness terbaik
Berdasarkan grafik diatas, dapat
disimpulkan bahwa semakin besar jumlah generasi
maka semakin baik nilai fitnessnya, karena semakin
banyak kemungkinan-kemungkinan yang dapat
diolah oleh Algoritma Genetika untuk mencapai
fitness yang paling optimum.
4.4.3 Analisis Hasil Simulasi Pencarian Sudut
Menggunakan Algoritma Genetik Dengan menggunakan parameter hasil
observasi sebelumnya, yaitu ukuran populasi 100,
probabilitas pindah silang 0,9, dan probabilitas
mutasi 0,125 dilakukan simulasi pencarian sudut
optimum piramida dengan faktor penghenti
simulasi adalah jumlah generasi maksimal yaitu
200 generasi.
4.4.3.1 Bahan Teflon
Berikut merupakan hasil simulasi yang
menunjukkan nilai fitness terbaik dalam 200
generasi untuk frekuensi 2000 MHz:
5.152
0
2.000
4.000
6.000
1 3 5 7 9 11131517
Fitness Rata-Rata
Fitness Rata-Rata
3.939
4.023
4.614
5.121
0
2.000
4.000
6.000
10 50 100 200
Perbandingan Generasi dan Fitness Terbaik
Fitness Terbaik
-
8
Gambar 4.3 Hasil Simulasi Nilai Fitness Terbaik
(Teflon)
Berdasarkan grafik hasil simulasi diatas,
diketahui bahwa fitness maksimum dengan 200
generasi adalah 4,1441. Sudut piramida yang
optimum untuk bahan teflon adalah 111,094o. Pada sudut tersebut, koefisien refleksi polarisasi TE
sebesar 0.141254 dan koefisien refleksi polarisasi
TM adalah 0.00005178.
4.4.3.2 Bahan Polyethylen
Berikut merupakan hasil simulasi yang
menunjukkan nilai fitness terbaik dalam 200
generasi untuk frekuensi 2000 MHz:
Gambar 4.4 Hasil Simulasi Nilai Fitness Terbaik
(Polyethylen)
Berdasarkan grafik hasil simulasi diatas,
diketahui bahwa fitness maksimum dengan 200
generasi adalah 4,1796. Sudut piramida yang
optimum untuk bahan teflon adalah 113,438o. Pada
sudut tersebut, koefisien refleksi polarisasi TE
sebesar 0.138256 dan koefisien refleksi polarisasi TM adalah 0.00100374.
4.4.3.3 Bahan Styrofoam
Berikut merupakan hasil simulasi yang
menunjukkan nilai fitness terbaik dalam 200
generasi untuk frekuensi 2000 MHz:
Gambar 4.5 Hasil Simulasi Nilai Fitness Terbaik
(Styrofoam)
Berdasarkan grafik hasil simulasi diatas,
diketahui bahwa fitness maksimum dengan 200
generasi adalah 3,9394. Sudut piramida yang
optimum untuk bahan teflon adalah 92.343o. Pada sudut tersebut, koefisien refleksi polarisasi TE
sebesar 0.15373 dan koefisien refleksi polarisasi
TM adalah 0.000119417.
5. PENUTUP
5.1 Kesimpulan
Dari pengujian dan analisis yang telah
dilakukan, dapat disimpulkan bahwa : 1. Berdasarkan hasil observasi, parameter yang
digunakan dalam simulasi pencarian sudut
piramida adalah ukuran populasi 100,
probabilitas pindah silang 0,9, dan
probabilitas mutasi 0,125.
2. Untuk bahan teflon, yang memiliki nilai permitivitas relatif = 2.1, permeabilitas relatif
= 1.58, dan konduktivitas = 0, diperoleh nilai
fitness terbaik yaitu 4.1441, sudut piramida
sebesar 111.094o untuk frekuensi 2000 MHz 11000 MHz, koefisien refleksi polarisasi TE =
0.141254 dan koefisien refleksi polarisasi TM = 0.00005178.
3. Untuk bahan polyethylen, yang memiliki nilai permitivitas relatif = 2.25, permeabilitas
relatif = 1.7, dan konduktivitas = 0, diperoleh
nilai fitness terbaik yaitu 4.1796, sudut
piramida sebesar 113.438o untuk frekuensi
2000 MHz 11000 MHz, koefisien refleksi polarisasi TE = 0.138256 dan koefisien refleksi polarisasi TM = 0.00100374.
4. Untuk bahan styrofoam, yang memiliki nilai permitivitas relatif = 1.5, permeabilitas relatif = 1.1, dan konduktivitas = 0, diperoleh nilai
fitness terbaik yaitu 3.9394, sudut piramida
sebesar 92.343o untuk frekuensi 2000 MHz 11000 MHz, koefisien refleksi polarisasi TE =
0.15373 dan koefisien refleksi polarisasi TM = 0.000119417.
5. Dari hasil perhitungan manual, dapat disimpulkan bahwa koefisien refleksi
polarisasi TE dan koefisien refleksi polarisasi
TM sesuai dengan hasil simulasi
menggunakan Algoritma Genetik.
-
9
5.2 Saran
Berikut adalah saran untuk pengembangan
tugas akhir kedepannya :
1. Penelitian selanjutnya, diharapkan mampu mencari tinggi piramida yang digunakan
untuk bahan penyerap gelombang elektromagnetik.
2. Perlu algoritma lain selain Algoritma Genetika sebagai pembanding untuk melihat
performansi dalam pencarian sudut piramida.
DAFTAR PUSTAKA
[1] Bowrick, Chris. 1985. RF Circuit Design.
Howard W. Sams & Co., Indianapolis
[2] Foster, Bob. 2003. Fisika SMU. Jakarta :
Erlangga.
[3] Hemming, Leland H. 2002.
Electromagnetic Anechoic Chamber : A
Fundamental Design and Spesification
Guide. Wiley Interscience. USA.
[4] Jasik. 1961. Antennas Engineering Handbook. Mc-graw-Hill Company. New
York.
[5] Kraus, J.D. 1988. Antennas for
Application, 3rd
edition, Mc-graw-Hill
Company. New York.
[6] Nachwan Mufti A. 2006. Materi dan Slide
Kuliah Antena. IT Telkom. Bandung.
[7] Soetams, Drs. 2006. Diktat Kuliah
Antena. IT Telkom. Bandung.
[8] Gen, M. And Cheng, R. 1997. Genetic
Algorithm and Engineering Design. Ashikaga Institut of Technology Ashikaga,
Japan, A wilet-Interscience publication,
wiley & Sons, Inc.
[9] Goldberg, D.E. 1989. Genetic Algorithm
in Search, Optimization, And Machine Learning. Addition wesley publishing
company, Inc, USA.
[10] Suyanto. 2005. Algotima Genetika dalam
Matlab. Yogyakarta : Andi.
[11] Iskander, Magdy.F. 1992.
Electromagnetic Field & Waves.
University of Utah. A Paramount
Communication Company, Prentice Hall,
Inc.
top related