penerapan logika fuzzy pada pengendali pid format jurnal swateknologi-1

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.


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),


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


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


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


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


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


(ChangeError is NS) then tegangan is PB


(ChangeError is Z) then tegangan is PB


(ChangeError is PS) then tegangan is PB


(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


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 PB = 0,8

c) Input 3 (Change Error) sebesar 300 rpm

Derajat keanggotaan himpunan fuzzy Z = 0,4


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:


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


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

http://www.mathworks.com/help/pdf_doc/fuzzy/

penerapan logika fuzzy pada pengendali pid format jurnal swateknologi-1

Documents