perancangan geometri dan bahan penyerap untuk ruang anti gema elektromagnetik menggunakan algoritma...

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





(Polyethylen)




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





(Styrofoam)




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.

perancangan geometri dan bahan penyerap untuk ruang anti gema elektromagnetik menggunakan algoritma...

Documents