penerapan logika fuzzy pada pengendali pid format jurnal swateknologi-1
DESCRIPTION
Jurnal yang berisi tentang aplikasi dari AI untuk pengaturan mootor listrikTRANSCRIPT
JURNAL SWATEKNOLOGI VOL 2 NO 10
17
PENERAPAN LOGIKA FUZZY PADA PENGENDALI PID
UNTUK PERANCANGAN PENGATURAN
KECEPATAN MOTOR INDUKSI
SEBAGAI PENGGERAK CONVEYOR
Firmansyah
Politeknik Swadharma
ABSTRAK
Conveyor banyak digunakan di industri untuk dapat memobilisasi barang dalam jumlah banyak
dan kontinyu dari satu tempat ke tempat lain. Motor digunakan sebagai penggerak conveyor. Jenis
motor yang banyak digunakan sebagai penggerak conveyor ini adalah Motor Induksi. Salah satu
kelemahan dari motor induksi adalah tidak mampu mempertahankan kecepatannya dengan konstan
bila terjadi perubahan beban. Kecepatan Motor Induksi dipengaruhi oleh tegangan yang masuk ke
inverter. Jika beban meningkat maka kecepatan Motor Induksi akan turun dikarenakan tegangan yang
masuk ke inverter turun. Untuk mendapatkan kecepatan konstan serta memperbaiki kinerja motor
induksi terhadap perubahan beban, maka dibutuhkan suatu pengontrol atau pengendali.
Pengendali ini harus mampu mempertahankan nilai tegangan konstan yang masuk ke inverter.
Pengendali kecepatan Motor Induksi yang banyak digunakan di industri adalah Pengendali PID.
Tujuan penelitian ini adalah menerapkan sistem Logika Fuzzy pada Pengendali PID untuk
mengatur kecepatan motor conveyor dengan menggunakan Metode Mamdani melalui simulasi
menggunakan Fuzzy Logic Toolbox GUI pada MATLAB. Dengan adanya pengendali tersebut
diharapkan tegangan masuk ke inverter konstan yang mengakibatkan kecepatan motor induksi juga
konstan walaupun mendapat perubahan beban. Berdasarkan hasil penelitian, tegangan yang
dihasilkan konstan walaupun beban berubah.
Kata Kunci: Motor Induksi, Conveyor, Pengendali PID, Logika Fuzzy
1. LATAR BELAKANG
Conveyor atau ban berjalan adalah suatu sistem
mekanik yang mempunyai fungsi memindahkan barang
dari satu tempat ke tempat yang lain. Conveyor banyak
digunakan di industri untuk dapat memobilisasi barang
dalam jumlah banyak dan kontinyu dari satu tempat ke
tempat lain. Motor digunakan sebagai penggerak
conveyor. Jenis motor yang banyak digunakan sebagai
penggerak conveyor ini adalah Motor Induksi.
Motor Induksi sangat banyak digunakan dalam
kehidupan sehari-hari baik di industri atau di rumah
tangga karena perancangannya yang sederhana, murah
dan mudah didapat dan dapat langsung disambungkan ke
sumber daya AC. Motor induksi yang umum dipakai
adalah motor induksi 3 phase dan motor induksi 1 phase.
Motor induksi 3 phase dioperasikan pada sistem tenaga 3
phase dan banyak digunakan di dalam berbagai bidang
industri, sedangkan motor induksi 1 phase dioperasikan
pada sistem tenaga 1 phase yang banyak digunakan
terutama pada penggunaan untuk peralatan rumah tangga
seperti kipas angin, lemari es, pompa air, mesin cuci dan
sebagainya karena motor induksi 1 phase mempunyai
daya keluaran yang rendah.
Kerja motor induksi berdasarkan prinsip interaksi
elektromagnet. Apabila sumber tegangan tiga phase
dipasang pada kumparan medan (stator), akan timbul
medan putar dengan kecepatan sinkron sebesar Ns =
120f/p rpm (Parekh, 2003), dimana f adalah frekuensi
dalam Hertz dan p jumlah kutub magnit yang digunakan.
JURNAL SWATEKNOLOGI VOL 2 NO 10
18
Jadi kecepatan putaran motor induksi sangat tergantung
pada frekuensi sumber yang digunakan serta jumlah
kutub magnit dari kumparan motor.
Salah satu kelemahan dari motor induksi adalah
tidak mampu mempertahankan kecepatannya dengan
konstan bila terjadi perubahan beban. Apabila terjadi
perubahan beban maka kecepatan motor induksi akan
menurun. Untuk mendapatkan kecepatan konstan serta
memperbaiki kinerja motor induksi terhadap perubahan
beban, maka dibutuhkan suatu pengontrol (Ratna Ika
Putri, 2007). Jenis pengontrol atau pengendali
elektronika yaitu pengontrol analog dan pengontrol
digital. Perbedaan kedua pengendali ini adalah dalam hal
pemrosesan datanya. Seiring perkembangan teknologi
digital, maka saat ini pengendali digital lebih banyak
digunakan. Pengendali digital yang saat ini banyak
digunakan adalah pengendali berbasis PLC dan
Mikrokontroller.
Metode pengontrolan yang banyak digunakan
untuk mengendalikan kecepatan Motor Induksi yaitu
Metode Pengontrolan PID yang merupakan kombinasi
Metode Pengontrolan Proportional (P), Integral (I) dan
Derivative (D). Pengontrolan PID merupakan salah satu
metode pengontrolan untuk menghasilkan ouput yang
konstan (Denny Septa Ferdiansyah dkk, 2010). Pada
awalnya pengontrol ini merupakan pengendali analog
yang direalisasikan dalam bentuk rangkaian analog.
Namun saat ini algoritma Pengendali PID telah dapat
direalisasikan dalam bentuk persamaan digital. Jika
diimplementasikan hanya berupa program yang dapat
ditanamkan dalam mikrokontroller (embedded system).
Dari hasil penelitian yang dilakukan Madhavi,
yang menerapkan metode pengontrolan PID untuk
mengendalikan motor induksi telah mampu
menghasilkan output kecepatan motor yang relatif
konstan.
Kekurangan dari pengendali PID ini adalah masih
terdapat proses tuning. Proses tuning dilakukan untuk
mendapatkan konstanta proportional (Kp), integral (Ki)
dan derivative (Kd) yang sesuai sehingga mendapatkan
output kecepatan sesuai yang diinginkan. Proses tuning
dilakukan dengan cara manual dengan metode trial and
error yang hasilnya belum tentu tepat.
Untuk menggantikan proses tuning di atas, maka
diperlukan metode pendekatan . Pada penelitian ini
metode pendekatan yang digunakan adalah Metode
Logika Fuzzy.
Beberapa penelitian pengaturan kecepatan motor
induksi telah dilakukan antara lain Madhavi L
Mhaisgawali (2007), Induction Motor Speed Control
Using PID Controller, Tianur dkk (2011), Kontrol
Kecepatan Motor Induksi Menggunakan Metode PID-
Fuzzy, Sugeng (2012), Penerapan Fuzzy Inference
System Untuk Mengendalikan Kecepatan Motor
Conveyor.
Pada penelitian ini akan dirancang suatu sistem
yang menerapkan Logika Fuzzy untuk mengendalikan
kecepatan motor induksi 3 phase berbasis Pengendali
PID sehingga kecepatan motor conveyor dapat konstan
walaupun beban yang diangkut oleh conveyor berubah.
Perbedaan utama penelitian yang akan dilakukan dengan
penelitian-penelitian sebelumnya adalah pendekatan
sistem kontrolnya menggunakan Logika Fuzzy metode
Mamdani untuk mengendalikan kecepatan motor
conveyor berbasis Pengendali PID untuk menghasilkan
output kecepatan motor conveyor yang konstan. Simulasi
penelitian ini menggunakan Fuzzy Logic Toolbox
Graphical User Interface (GUI) pada software
MATLAB.
2. LANDASAN TEORI
A. Pengantar Logika Fuzzy
Logika fuzzy merupakan sebuah logika yang
memiliki nilai kekaburan atau kesamaran (fuzzyness)
antara benar dan salah. Dalam teori logika fuzzy sebuah
nilai bisa bernilai benar dan salah secara bersamaan
namun berapa besar kebenaran dan kesalahan suatu nilai
tergantung kepada bobot/derajat keanggotaan yang
dimilikinya. Himpunan fuzzy mempunyai derajat
keanggotaan bernilai kontinyu yaitu antara 0 sampai
dengan 1, sedangkan himpunan crisp hanya mempunyai
2 nilai yaitu “0” dan “1”. Satu perbedaan dari himpunan
crisp dan fuzzy adalah bahwa himpunan crisp selalu
memiliki fungsi keanggotaan yang unik, sedangkan
setiap himpunan fuzzy memiliki nilai keanggotaan yang
terbatas dari fungsi keanggotaan yang mewakilinya. Hal
itu memungkinkan fuzzy dapat diatur secara maksimum
dalam situasi yang diberikan (Robandi, 2006:50).
Logika fuzzy merupakan cabang dari sistem
kecerdasan buatan (Artificial Intelegent) yang
mengevaluasi kemampuan manusia dalam bentuk
algoritma yang kemudian dijalankan oleh mesin.
Algoritma ini digunakan dalam berbagai aplikasi
pemrosesan data yang tidak dapat dipresentasikan dalam
bentuk biner. Logika fuzzy menginterpretasikan statemen
yang samar menjadi sebuah pengertian yang logis.
Sekitar tahun 1965, Profesor Lotfi A. Zadeh
adalah guru besar pada University of California yang
merupakan pencetus sekaligus yang memasarkan ide
tentang cara mekanisme pengolahan atau manajemen
ketidak pastian yang kemudian dikenal dengan logika
fuzzy. Teknik fuzzy dapat diimplementasikan dalam
bidang kontrol, pengenalan pola, pemrosesan citra,
analisis kuantitatif pada penelitian di bidang sosial,
penarikan kesimpulan seperti pada Expert System (ES),
JURNAL SWATEKNOLOGI VOL 2 NO 10
19
perencanaan, prediksi, teknik pembuatan software, dan
lain-lain (Robandi, 2006: 58).
B. Blok Diagram sistem Logika Fuzzy
Secara umum suatu sistem Logika Fuzzy terdiri
dari tiga komponen utama yaitu Fuzzification, Inference
dan Defuzzification(Suyanto, 2008:27).
Gambar 1
Sistem Logika Fuzzy
Fuzzification merupakan proses pemetaan nilai-
nilai input (crisp input) yang berasal dari sistem yang
dikontrol kedalam himpunan fuzzy menurut fungsi
keanggotaanya(membership function). Untuk mengubah
crisp input menjadi fuzzy input, terlebih dahulu harus
menentukan fungsi keanggotaan (membership function)
untuk crisp input, kemudian proses fuzzification akan
mengambil crisp input dan membandingkan dengan
fungsi keanggotaan (membership function) yang telah
ada untuk menghasilkan harga fuzzy input.
Fungsi keanggotaan (membersip function) adalah
suatu kurva yang menunjukkan pemetaan titik-titik input
data ke dalam nilai keanggotaannya yang memiliki
interval antara nol sampai satu. Salah satu cara yang
dapat digunakan untuk mendapatkan nilai keanggotaan
adalah dengan melalui pendekatan fungsi. Representasi
dari fungsi keanggotaan ini dapat digambarkan dengan
dua bentuk yaitu linear atau garis lurus dan kurva
diantaranya adalah Kurva Linier naik, Kurva Linier
Turun, Kurva Segitiga dan Kurva Trapesium.
Sistem Inferensi Fuzzy (Fuzzy Inference System)
disebut juga fuzzy inference engine adalah sistem yang
dapat melakukan penalaran(inference) dengan prinsip
serupa seperti manusia melakukan penalaran dengan
nalurinya atau akan memperhitungkan semua aturan yang
ada di dalam basis pengetahuan fuzzy.
Bentuk umum dari aturan fuzzy dapat dituliskan
“IF x is A THEN y is B” yang digunakan untuk
menentukan relasi fuzzy antara input dan output kontrol
(Suyanto, 2008:28). Relasi fuzzy dinyatakan dengan “R”
yang juga disebut implikasi fuzzy. Dalam penerapannya
“x” sebagai antecedent (kejadian) yaitu input yang telah
difuzzifikasi dan “y” sebagai consequent (akibat) yaitu
sebagai aksi kontrol (output) serta A dan B adalah
himpunan fuzzy.
Pada tahap inference diproses hubungan antara
nilai-nilai input (crisp input) dan nilai-nilai output (crisp
output) yang dikehendaki dengan aturan-aturan (rulers).
Aturan ini nantinya yang akan menentukan respon sistem
terhadap berbagai kondisi seting point dan gangguan
yang terjadi pada sistem.
Terdapat beberapa metode aturan fuzzy yang
dapat digunakan antara lain Metode Mamdani dan
Metode Sugeno.
Defuzzification merupakan proses pemetaan
himpunan fuzzy kehimpunan tegas (crips) artinya
kebalikan dari proses fuzzifikasi. Pada tahap ini
dilakukan pemetaan bagi nilai-nilai fuzzy output yang
dihasilkan pada tahap inference ke nilai-nilai output
kuantitatif yang sesuai dengan sistem yang diharapkan.
Proses defuzzifikasi diekspresikan Z* =
defuzzifier (Z) dimana Z = Hasil penalaran fuzzy dan Z*
= Keluaran kontrol Fuzzy Logic.
Ada tiga metode defuzzification pada metode
Mamdani, yaitu Mean of Maximum (MOM), Center of
Area (COA) dan bisektor. Pada metode MOM, solusi
crisp diperoleh dengan cara mengambil nilai rata-rata
domain yang memiliki nilai keanggotaan maksimum.
C. Motor Induksi
Motor induksi merupakan motor yang paling
umum digunakan pada berbagai peralatan industri.
Popularitasnya karena rancangannya yang sederhana,
murah dan mudah didapat, dan dapat langsung
disambungkan ke sumber daya AC (Perekh, 2003).
Motor induksi dapat diklasifikasikan menjadi dua
kelompok utama (Parekh, 2003):
1) Motor Induksi satu phase
Motor ini hanya memiliki satu gulungan stator,
beroperasi dengan pasokan daya satu phase, memiliki
Fuzzification
Input Crisp
Input
Fuzzy
Inference
Output
Fuzzy
Defuzzification
Nilai Crisp
JURNAL SWATEKNOLOGI VOL 2 NO 10
20
sebuah rotor kandang tupai, dan memerlukan sebuah
alat untuk menghidupkan motornya. Sejauh ini motor
ini merupakan jenis motor yang paling umum
digunakan dalam peralatan rumah tangga, seperti fan
angin, mesin cuci dan pengering pakaian, dan untuk
penggunaan hingga 3 sampai 4 Hp.
2) Motor Induksi tiga phase
Medan magnet yang berputar dihasilkan oleh
pasokan tiga phase yang seimbang. Motor tersebut
memiliki kemampuan daya yang tinggi, dapat
memiliki kandang tupai atau gulungan rotor
(walaupun 90% memiliki rotor kandang tupai); dan
penyalaan sendiri. Diperkirakan bahwa sekitar 70%
motor di industri menggunakan jenis ini, sebagai
contoh, pompa, kompresor, belt conveyor, jaringan
listrik , dan grinder.
Motor induksi bekerja sebagai berikut. Listrik
dipasok ke stator yang akan menghasilkan medan
magnet. Medan magnet ini bergerak dengan kecepatan
sinkron disekitar rotor. Arus rotor menghasilkan medan
magnet kedua, yang berusaha untuk melawan medan
magnet stator, yang menyebabkan rotor berputar (Parekh,
2003). Walaupun begitu, didalam prakteknya motor tidak
pernah bekerja pada kecepatan sinkron namun pada
“kecepatan dasar” yang lebih rendah. Terjadinya
perbedaan antara dua kecepatan tersebut disebabkan
adanya “slip/geseran” yang meningkat dengan
meningkatnya beban. Slip hanya terjadi pada motor
induksi
Kerja motor induksi berdasarkan prinsip
interaksi elektromagnet. Apabila sumber tegangan tiga
fasa dipasang pada kumparan medan (stator), akan timbul
medan putar dengan kecepatan:
…….(1)
dengan :
Ns = kecepatan medan putar stator (rpm=rotation per
minute)
f = frekuensi (Hz)
p = jumlah kutub
D. Sistem Kontrol
Definisi Sistem menurut Katsuhiko Ogata adalah
kombinasi dari beberapa komponen yang bekerja
bersama-sama dan melakukan suatu sasaran tertentu.
Menurut Anthony I. Karamanlis, kontrol dapat diartikan
dengan mengatur, mengarahkan atau memerintah. Fungsi
mengatur, mengarahkan dan memerintah tersebut
berkaitan masukan (input) dan keluaran (output). Kontrol
berfungsi mengatur masukan (input) untuk memperoleh
keluaran (output) yang diinginkan. Dari kedua uraian
definisi tersebut dapat disimpulkan bahwa sistem kontrol
adalah susunan komponen fisik yang dihubungkan
sedemikian rupa untuk mengatur suatu kondisi agar
mencapai kondisi yang diharapkan.
E. Pengendali PID
Setiap kekurangan dan kelebihan dari masing-
masing pengontrol P, I dan D dapat saling menutupi
dengan menggabungkan ketiganya secara paralel menjadi
pengontrol proposional plus integral plus derivative
(pengontrol PID). Elemen-elemen pengontrol P, I dan D
masing-masing secara keseluruhan bertujuan untuk
mempercepat reaksi sebuah sistem, menghilangkan offset
dan menghasilkan perubahan awal yang besar(Guterus,
1994).
Gambar 2 menunjukkan blok diagram
pengontrol PID.
Gambar 2
Blok diagram pengontrol PID analog
Sehingga persamaan untuk kontrol PID adalah:
(2)
dengan:
m(t) = sinyal output pengendali PID
Kp = konstanta proportional
Ti = waktu integral
Td = waktu derivative
Ki = konstanta integral (Kp⁄Ti )
Kd = konstanta derivative (Kp.Td )
e(t) = sinyal error = sinyal input – sinyal umpan balik
JURNAL SWATEKNOLOGI VOL 2 NO 10
21
Keluaran pengontrol PID merupakan jumlahan
dari keluaran pengontrol proportional, keluaran
pengontrol integral dan keluaran pengontrol derivative.
F. Sistem Kontrol Motor Induksi Berbasis
Pengendali PID sebagai penggerak Conveyor
Pengendalian kecepatan Motor Induksi 3 phase
berbasis Pengontrol PID yang telah banyak
diimplementasikan untuk menggerakkan conveyor
digambarkan dengan Blok Diagram seperti Gambar 3
dibawah ini:
Gambar 3
Blok Diagram Sistem kendali kecepatan Motor Induksi 3
phase Berbasis Pengendali PID
Prinsip kerja Sistem kendali kecepatan motor
induksi 3 phase berbasis pengontrol PID di atas dapat
dijelaskan sebagai berikut :
Untuk mendapatkan kecepatan putaran Motor
Induksi sesuai yang diinginkan maka dilakukan input
nilai kecepatan motor (setpoint) melalui Pengendali PID
yang ditanam (embedded) pada Mikrokontroller.
Selanjutnya inputan nilai tersebut akan diproses
oleh Mikrokontroller. Hasil proses dari Mikrokontroller
berupa sinyal tegangan searah (DC) akan diumpankan ke
Inverter. Fungsi dari inverter ini adalah sebagai alat yang
dapat mengubah tegangan DC menjadi tegangan bolak-
balik (AC) sehingga dapat digunakan oleh Motor
Induksi. Selanjutnya inverter akan mensuplai tegangan
yang sesuai ke Motor Induksi maka Motor Induksi akan
berputar dan menggerakkan conveyor. Kecepatan putaran
motor dibaca oleh Tachogenerator. Output dari
Tachogenerator berupa tegangan analog digunakan
sebagai sinyal umpan balik (feedback) ke
Mikrokontroller. Selanjutnya dilakukan perbandingan
antara kecepatan putaran (kecapatan aktual) motor
dengan setpoint. Proses ini akan dilakukan terus menerus
sampai didapat kecepatan putaran motor yang sesuai.
Proses tuning dapat dilakukan dengan cara
memutar secara manual potensiometer yang dipasang
pada mikrokontroller. Dengan memutar potensiometer ini
akan mengubah nilai Kp, Ki dan Kd sehingga akan
mempengaruhi sinyal keluaran tegangan yang dihasilkan
pengendali ini. Proses tuning juga dapat dilakukan untuk
mempertahankan kecepatan putaran motor walaupun
beban berubah. Proses tuning terus dilakukan sampai
didapat kecepatan putaran Motor Induksi yang sesuai.
Proses tuning inilah yang menjadi kelemahan
Sistem Pengendali Kecepatan Putaran Motor Induksi
berbasis Pengontrol PID, karena proses ini dapat
menghabiskan waktu yang cukup lama.
G. Kerangka Pemikiran
Penelitian ini didasari oleh permasalahan yang
ditemukan pada motor induksi yang digunakan sebagai
penggerak conveyor. Perubahan beban yang diangkut
conveyor akan mengakibatkan perubahan kecepatan
putaran motor dan pada akhirnya mengakibatkan
perubahan kecepatan gerak conveyor. Jika beban
bertambah maka kecepatan gerak conveyor semakin
lambat. Penerapan Pengontrol PID telah mampu
mengatasi permasalahan di atas, akan tetapi dilakukan
dengan proses tuning secara manual yang dapat
membutuhkan waktu yang cukup lama.
Untuk menggantikan proses tuning yang masih
dilakukan secara manual maka dilakukan pendekatan
Fuzzy Inference System Metode Mamdani. Penerapan
Fuzzy Inference System ini disimulasikan menggunakan
Fuzzy Logic Toolbox GUI pada Software Mathlab.
Kerangka pemikiran dalam penelitian ini dapat
dilihat pada Gambar 3 berikut ini:
3. METODE PENELITIAN
A. Analisa Kebutuhan
Dalam penelitian ini pelaksanaannya hanya
merupakan simulasi dari penerapan Fuzzy Inference
Gambar 3. Kerangka Pemikiran
JURNAL SWATEKNOLOGI VOL 2 NO 10
22
System metode Mamdani untuk mengendalikan
kecepatan Motor Conveyor dengan menggunakan Fuzzy
Inference System Toolbox Graphical User Interface
(GUI) pada software MATLAB. Oleh karena itu
kebutuhan yang sangat mendasar dalam penelitian ini
adalah Perancangan sistem kendali dan sebuah Komputer
atau Laptop yang berisi software MATLAB.
Sehubungan dengan hal tersebut, dalam penelitian
ini menggunakan peralatan sebuah Laptop (hardware)
dengan spesifikasi Intel(R) Atom (TM) CPU N570@
1.66 GHz, RAM 1 GHz dan software MATLAB R2007a
dengan Operating System Microsoft Windows XP
professional Version 2002 Srvice Pack 2.
B. Metode Pengumpulan Data
Pada penelitian ini, data-data penelitian diperoleh
dari data sekunder. Data sekunder pada penelitian ini
diperoleh secara tidak langsung bersumber dari hasil
penelitian yang dilakukan oleh Sugeng dengan cara
mengamati dan mencatat hasil laboratorium
pengendalian kecepatan motor Induksi 3 phase tanpa
beban secara manual yang dilaksanakan di Balai Latihan
Kerja Industri Dinas Tenaga Kerja dan Transmigrasi
Provinsi Banten yang berlokasi di BSD Tangerang
Selatan. Dalam pelaksanaan laboratorium dengan
menggunakan tegangan set point untuk mengontrol
inverter sesuai Tabel 1 dan Tabel 2.
Tabel 1
Motor Tanpa Beban
Tegangan
Kontrol DC
Frekwensi Tegangan
Inverter
Kecepatan
Motor
0V 6,25 Hz 184 rpm
2,5V 25 Hz 750 rpm
5V 50 Hz 1500 rpm
Tabel 2
Motor Dengan Beban
Beban Tegangan DC
Tachogenerator
Kecepatan
Motor
0 Nm 1,72 V 1500 rpm
0,5 Nm 1,68 V 1400 rpm
1 Nm 1,61 V 1230 rpm
2 Nm 1,28 V 1200 rpm
C. Metode Analisis Data
Berdasarkan data sekunder Tabel 1 bahwa
pengaturan kecepatan Motor Induksi 3 phase ditentukan
oleh frekwensi tegangan masukan (input), semakin besar
frekwensi tegangan masukan (input), maka kecepatan
motor semakin tinggi, selanjutnya saat beban motor
bertambah maka kecepatannya akan turun (Tabel 2). Jika
motor ingin dioperasikan pada kecepatan konstan saat
bebannya berubah maka diperlukan suatu pengendali
untuk mempertahankan frekwensi tegangan masukan
(input) yaitu dengan mempertahankan tegangan kontrol
DC sebesar 5V melalui pengolahan data tegangan umpan
balik dari motor conveyor dengan algoritma tertentu pada
sistem kendali berbasis Logika Fuzzy.
D. Model yang diusulkan
Dalam Penelitian ini akan mengembangkan sistem
pengendalian kecepatan Motor Induksi 3 phase untuk
menjalankan conveyor menggunakan Fuzzy Inference
System metode Mamdani dan akan menggunakan Fuzzy
Inference System Toolbox Graphical User Interface
(GUI) dari MATLAB sebagai sarana untuk
mengembangkan Software.
Alur proses dari sistem yang dikembangkan sesuai
Gambar 4:
Gambar 4. Alur Proses yang dikembangkan
E. Perancangan Penelitian
Untuk merancang pengendali dalam penelitian ini,
maka diterapkan Logika Fuzzy pada sistem pengendalian
kecepatan motor induksi 3 phase untuk menjalankan
conveyor dengan menggunakan metode Mamdani.
Kecepatan set point adalah kecepatan motor yang
diinginkan. Sistem kendali dirancang memiliki 3 buah
masukan yaitu masukan yang berupa Error (E)
merupakan selisih antara kecepatan set point dengan
kecepatan aktual, Sum Error (SE) merupakan
penjumlahan error saat ini dengan error sebelumnya dan
Change Error (CE) merupakan selisih error saat ini
dengan error sebelumnya dan memiliki satu keluaran
tegangan (V). Kecepatan yang terbaca oleh sensor
merupakan kecepatan aktual yang dihasilkan yang
berfungsi sebagai feedback sesuai gambar 5 dibawah ini:
Kecapatan
Set Point
+- Pengendali
PID+Fuzzy
E
CEInverter
Sensor
Tegangan
SE
KecepatanMotor
Induksi Conveyor
Beban
Kecapatan
Aktual
JURNAL SWATEKNOLOGI VOL 2 NO 10
23
Gambar 5. Blok Diagram Sistem Pengendalian
Kecepatan Motor Conveyor Menggunakan Pengendali
PID dan Fuzzy
1) Perancangan Membership Function Input dan
Output
Gambar 6. Grafik Membership Function Input 1
Grafik membership function Input 1 (Error) sama
dengan untuk kedua input lainnya yaitu Sum Error dan
Change Error seperti gambar 6 di atas.
Gambar 7. Grafik Membership Function Output
Grafik membership function Output (Tegangan)
digambarkan seperti gambar 7 di atas.
2) Basis Aturan (Rule Base)
Aturan-aturan (rules) yang dibuat untuk mencapai
tujuan pengendalian sebanyak 125 rules yang merupakan
kombinasi keadaan dari ketiga input dan dapat dijabarkan
diantaranya sebagai berikut:
1. If (Error is NB) and (SumError is NB) and
(ChangeError is NB) then tegangan is PB
2. If (Error is NB) and (SumError is NB) and
(ChangeError is NS) then tegangan is PB
3. If (Error is NB) and (SumError is NB) and
(ChangeError is Z) then tegangan is PB
4. If (Error is NB) and (SumError is NB) and
(ChangeError is PS) then tegangan is PB
5. If (Error is NB) and (SumError is NB) and
(ChangeError is PB) then tegangan is PB
…………………………………………………….……………
125……………………………………………………………..
Dan seterusnya sampai 125 rules yang didapat dari
kombinasi keadaan ketiga inputnya. Jika diperhatikan
dari 125 rules yang telah dibuat, seluruhnya
menghasilkan output dengan keadaan Positive Big (PB).
Sehingga rules di atas dapat disederhanakan menjadi :
If (Error is any) and (SumError is any) and
(ChangeError is any) then tegangan is PB
3) Sistem Inferensi (Inference Mechanism)
Pada penelitian ini metode inferensi yang
digunakan adalah Mamdani. Pada metode ini fungsi
implikasi yang digunakan adalah min yaitu dalam
mengimplikasikan sebuah aturan mengambil nilai
minimumnya.
4) Defuzzyfication
Input dari proses defuzification adalah suatu
himpunan fuzzy yang diperoleh dari komposisi aturan-
aturan fuzzy, sedangkan output yang dihasilkan
merupakan suatu bilangan pada domain himpunan fuzzy
tersebut. Sehingga jika diberikan suatu himpunan fuzzy
dalam range tertentu, maka harus dapat diambil suatu
nilai crips tertentu sebagai output.
Metode defuzification yang digunakan pada
penelitian ini menggunakan metode centroid, dimana
pada metode ini nilai crisp diperoleh dengan cara
mengambil titik pusat (z*) daerah fuzzy.
F. Teknik Analisis
Untuk lebih jelasnya maka dalam penelitian ini
dibuat contoh suatu kasus untuk menganalisa cara kerja
sistem Kendali Logika Fuzzy dengan setpoint kecepatan
motor conveyor ditetapkan sebesar 1500 rpm. Pada
kondisi tanpa beban, set point kecepatan sebesar 1500
rpm akan menghasilkan tegangan 5 volt. Conveyor akan
diberikan beban sehingga keluaran tegangan dari
pengendali akan berubah. Perubahan tegangan ini akan
menyebabkan kecepatan aktual motor tidak sama dengan
kecepatan set point (menimbulkan error). Pengujian
dilakukan sebagai berikut:
Jika conveyor diberi beban maka kecepatan aktual
motor akan berubah. Anggap pemberian bebannya
menyebabkan kecepatan aktual motor turun menjadi 900
rpm, maka Nilai Error = Kecepatan setpoint – Kecepatan
aktual = 600 rpm. Nilai Sum Error sebesar 900 rpm dan
nilai Change Error sebesar 300 rpm.
1) Proses Fuzzyfication
Input 1 (error) sebesar 600 rpm jika dilihat pada
Grafik Membership Function Gambar 3.3. maka masuk
kedalam himpunan fuzzy Positive Small (PS) dan
-1500 -1000 -500 0 500 1000 1500
Derajat
Keanggotaan
0,5
1
Error (rpm)
µ(X)NB NS Z PS PB
Derajat
Keanggotaan
Y-7.5 -5 -2.5 0 2.5 5 7.5
0,5
1
Tegangan (volt)
µ(Y)NB NS Z PS PB
JURNAL SWATEKNOLOGI VOL 2 NO 10
24
himpunan fuzzy Positive Big (PB). Input 2 (Sum Error)
sebesar 900 rpm masuk kedalam himpunan fuzzy Positive
Small (PS) dan himpunan fuzzy Positive Big (PB) dan
Input 3 (Change Error) sebesar 300 rpm masuk kedalam
himpunan fuzzy Zero (Z) dan himpunan fuzzy Positive
Small (PS). Selanjutnya derajat keanggotaannya
ditentukan menggunakan persamaan fungsi segitiga
didapat:
a) Input 1 (Error) sebesar 600 rpm
Derajat keanggotaan himpunan fuzzy PS = 0,8
Derajat keanggotaan himpunan fuzzy PB = 0,2
b) Input 2 (Sum Error) sebesar 900 rpm
Derajat keanggotaan himpunan fuzzy PS = 0,2
Derajat keanggotaan himpunan fuzzy PB = 0,8
c) Input 3 (Change Error) sebesar 300 rpm
Derajat keanggotaan himpunan fuzzy Z = 0,4
Derajat keanggotaan himpunan fuzzy PS = 0,6
2) Sistem Inferensi (Inference Mechanism)
a) Implikasi
Input 1 (Error) sebesar 600 rpm, Input 2 (Sum
Error) sebesar 900 rpm dan Input 3 (Change
Error) sebesar 300 rpm dipengaruhi oleh 8 aturan
fuzzy. Dari setiap aturan tersebut dicari derajat
keanggotaan variabel outputnya. Karena operator
yang digunakan adalah AND, maka diambil nilai
minimumnya didapat µPB = 0,2, µPB = 0,2, µPB
= 0,4, µPB= 0,6, µPB = 0,4, µPB = 0,2, µPB =
0,2, µPB = 0,2.
b) Komposisi Antar Aturan
Dari fungsi implikasi tiap aturan, digunakan
metode Max untuk melakukan komposisi antar
semua aturan yaitu µPB = 0,2, µPB = 0,2, µPB =
0,4, µPB= 0,6, µPB = 0,4, µPB = 0,2, µPB = 0,2,
µPB = 0,2, sehingga daerah hasil komposisi, yaitu
daerah dimana hasil output berada dapat dilihat
pada grafik gambar 8:
Gambar 8 Grafik Komposisi Antar Aturan
3) Defuzzyfication
Perhitungan Defuzzyfication untuk menghitung
nilai z yaitu nilai himpunan fuzzy pada derajat
keanggotaan puncak (µ=1) sebagai berikut:
Z*=
= 5
Dari hasil pengujian di atas, dapat dianalisa bahwa
penerapan Logika Fuzzy pada pengendali PID dengan
setpoint putaran motor 1500 rpm akan menghasilkan
tegangan yang tetap sebesar 5 volt meskipun pada motor
conveyor diberi beban. Tegangan sebesar 5 volt yang
dihasilkan oleh pengendali ini akan menjadi tegangan
input inverter. Jika inverter mendapatkan tegangan
sebesar ini maka akan menggerakan motor dengan
kecepatan 1500 rpm. Dengan demikian berarti kecepatan
motor tersebut walaupun diberi beban akan tetap konstan.
4. HASIL PENELITIAN
A. Hasil
Pembuatan pengujian (simulasi) mengacu pada
hasil perancangan sistem yang dibuat dengan
menggunakan perangkat lunak MATLAB R2007a.
MATLAB atau Matrix Laboratory, dipilih sebagai
lingkungan percobaan karena kemampuannya
mensimulasikan berbagai perhitungan matematis.
Dibangun oleh Math Works Inc, MATLAB menyediakan
berbagai perangkat pendukung untuk melakukan
percobaan pengendalian antara lain Fuzzy Logic Toolbox.
Fungsi-fungsi yang terdapat Fuzzy Logic Toolbox dapat
digunakan untuk membangun sistem pengendali
kecepatan Motor Conveyor berbasis Fuzzy Inference
System metode Mamdani yang digunakan dalam
penelitian ini.
Hal-hal yang menjadi perhatian utama dalam
membuat rancangan simulasi dan mengaplikasikan
sistem Kendali Logika Fuzzy dalam pengontrolan suatu
sistem adalah pembuatan bentuk Membership function
pada setiap variabel input dan output serta pembuatan
rule base.
1) Pembuatan Variabel Input dan Output
Pada perancangan sistem pengendalian motor
conveyor yang dibuat dalam penelitian ini memiliki 3
buah masukan yaitu masukan yang berupa Error (E),
Sum Error (SE) dan Change Error (CE) dan memiliki
satu output (V) yaitu tegangan keluaran pengendali
dengan metode inferensi menggunakan metode
Mamdani. Hasil rancangan sistem inferensi fuzzy pada
Fuzzy Inference System (FIS) editor pada gambar 9
dibawah ini:
JURNAL SWATEKNOLOGI VOL 2 NO 10
25
Gambar 9 Perancangan Fuzzy Inference System
Hasil rancangan Membership function untuk
Variabel Input 1 (Error) seperti gambar 10 dibawah ini:
Gambar 10 Perancangan Membership Function Error
Perancangan Membership Function untuk Sum
Error dan Change Error sama dengan Membership
Function Error.
Hasil rancangan Membership function untuk
Variabel output (tegangan) seperti gambar 11 dibawah
ini:
Gambar 11 Perancangan Membership Function Tegangan
2) Pembuatan Aturan-Aturan (Rule Base)
Hasil rancangan Rule Base pada MATLAB
Graphical User Interface (GUI) seperti gambar 12 di
bawah ini:
Gambar 12 Perancangan Rule Base
3) Pengujian Hasil Rancangan
Dalam penelitian ini untuk masing-masing motor
conveyor dilakukan 3 kali uji coba untuk menguji hasil
rancangan yaitu:
Uji coba pertama untuk motor conveyor 1500 rpm
dengan input error sebesar 600 rpm, sum error sebesar
900 rpm dan change error sebesar 300 rpm. Hasil uji
coba untuk menguji dari penelitian dapat dilihat pada
gambar Rule Viewer dibawah ini:
Gambar 13 Hasil Uji Coba Pertama
Rangkuman hasil hasil uji coba penelitian ini
diringkas kedalam tabel sebagai berikut:
Tabel 3
Hasil uji coba untuk motor conveyor 1500 rpm
No Error
(rpm)
Sum Error
(rpm)
Change Error
(rpm)
Tegangan
(volt)
1 600 900 300 5
2 300 1200 -300 5
3 100 1300 -200 5
4) Pembahasan
Dari uji coba yang dilakukan, untuk menguji hasil
dalam penelitian ini setelah melalui proses pada
MATLAB yang diawali dengan Fuzzification Input
JURNAL SWATEKNOLOGI VOL 2 NO 10
26
Error, Sum Error dan Change Error kemudian
melakukan inference yang terdiri dari fungsi implikasi
dengan metode min dan komposisi antar aturan dengan
metode max yang diakhiri dengan proses defuzification
metode centroid menghasilkan gambar-gambar Rule
Viewer yang menunjukan bahwa pada uji coba pertama
untuk motor conveyor 1500 rpm dengan input Error
sebesar 600 rpm, Sum Error sebesar 900 rpm dan
Change Error sebesar 300 rpm memberikan dampak
output tegangan pengendali tidak berubah yaitu sebesar 5
volt. Pada uji coba kedua untuk motor conveyor 1500
rpm dengan input Error sebesar 300 rpm, Sum Error
sebesar 1200 rpm dan Change Error sebesar -300 rpm
memberikan dampak output tegangan pengendali tidak
berubah yaitu sebesar 5 volt dan pada uji coba ketiga
untuk motor conveyor 1500 rpm dengan input Error
sebesar 100 rpm, Sum Error sebesar 1300 rpm dan
Change Error sebesar -200 rpm juga memberikan
dampak output tegangan pengendali tidak berubah yaitu
sebesar 5 volt.
5. KESIMPULAN
A. Kesimpulan
Berdasarkan hasil penelitian yang dilakukan dapat
disimpulkan bahwa Penerapan Logika Fuzzy metode
Mamdani melalui proses yang diawali dengan
Fuzzification Input Error, Sum Error dan Change Error
kemudian melakukan Inference yang terdiri dari fungsi
implikasi dengan metode min dan komposisi antar aturan
dengan metode max yang diakhiri dengan proses
Defuzification metode centroid dapat menghasilkan
tegangan yang konstan sebesar 5 volt sehingga dapat
menggerakkan motor conveyor dengan kecepatan yang
konstan sebesar 1500 rpm walaupun mendapat beban
berubah-ubah.
B. Saran
Saran yang dapat dilakukan untuk pengembangan
lebih lanjut dari sistem kendali kecepatan motor
conveyor antara lain:
1) Dapat dilanjutkan dengan penelitian untuk
mendapatkan nilai Konstanta PID yang tepat
menggunakan Logika Fuzzy untuk melihat waktu
tanggapan kecepatan motor terhadap perubahan
beban.
2) Dapat dilakukan penelitian untuk
mengimplementasikan sistem kontrol PID dan
Fuzzy berbasis peralatan pengontrol yang biasa
digunakan yaitu Mikrokontroler atau PLC
DAFTAR PUSTAKA
Chapman, S.J. (2004). Electric Machinery. McGraw-
Hill.
Ferdiansyah, D.S. (2010). Pengaturan Kecepatan Motor
Induksi 3 Phase dengan Kontrol PID melalui
Metode Field Oriented Control. PENS.
Gunterus, F. (1994). Falsafah Dasar Sistem
Pengendalian Proses. Jakarta : PT Elex Media
Komputindo.
Johnson, C. (1988). Process Control Instrumentation
Technology. New Jersey: Englewood Cliffs.
Kusumadewi, S. (2003). Artifical Intellegence (Teknik
dan Aplikasi). Graha.
Madhavi, L.M. (2007). Induction Motor Speed Control
using PID Controller. International Journal of
Technology and Engineering Science.
Melin, O. C. (2008). Fuzzy Logic : Theory and
Application. Berlin: Springer.
Nirali, R., & Shah, S. (2011). Fuzzy Decision Based Soft
Multi Agent Controller for Speed Control of
Three Phase Induction Motor. International
Journal on Soft Computing (IJSC) Vol.2 No.3.
Ogata, K. (1997). Automatic Control. Prentice Hall.
Pakpahan, S. (1988). Kontrol Otomatik: Teori dan
Penerapan. Jakarta: Erlangga.
Parekh. (2003). AC Induction Motors Fundamentals.
AN887 Microchip Technology.
Purwanto, E. (2008). Pengembangan Inverter Fuzzy
Logic Control untuk pengendalian Motor Induksi.
Makara Teknologi Volume 12 No.1.
Putri, I. R. (2007). Penerapan Adaftif Fuzzy pada
pengaturan kecepatan Motor Induksi tiga Fasa.
Jurnal Teknik Gelegar Vol. 18 No.1.
Robandi, I. (2006). Desain Sistem Tenaga Modern
Optimasi, Logika Fuzzy dan Algoritma Genetika.
Yogyakarta: Andi Ofset.
Rose, T. J. (2010). Fuzzy Logic with Engineering
Application. John Wiley & Sons Ltd.
Rusli, M. (1997). Sistem Kontrol Kedua. Malang: Teknik
Elektro-Universitas Brawijaya.
Sugeng. (2012). Penerapan Fuzzy Inference System
Untuk Mengendalikan Kecepatan Motor
Conveyor. STMIK Eresha Jakarta.
Suyanto. (2008). Soft Computing, Membangun Mesin
Ber-IQ Tinggi. Bandung: Informatika.
The MathWorks Inc. (2013). Fuzzy Logic Toolbox User
Guide. Diakses 4 Maret 2013 dari
http://www.mathworks.com/help/pdf_doc/fuzzy/
fuzzy.pdf.
Tianur. (2011). Kontrol Kecepatan Motor Induksi
Menggunakan Metode PID-Fuzzy, PENS.
Widodo, B. (2008). Simulasi Pengendali PID Fuzzy pada
Sistem Pengaturan Kecepatan Motor Arus Searah.
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 3