Bab ini membahas tentang kesimpulan dari perancangan dan saran-saran yang mungkin untuk pengembangan lebih lanjut.
BAB II DASAR TEORI 2.1 Panel surya
Panel surya merupakan pembangkit listrik yang mampu mengkonversi sinar matahari menjadi arus listrik. Energi matahari sesungguhnya merupakan sumber energi yang paling menjanjikan mengingat sifatnya yang berkelanjutan (sustainable) serta jumlahnya yang sangat besar. Matahari merupakan sumber energi yang diharapkan dapat mengatasi permasalahan kebutuhan energi masa depan setelah berbagai sumber energi konvensional berkurang jumlahnya serta tidak ramah terhadap lingkungan.
Pada panel surya dibutuhkan material yang dapat menangkap matahari, dan energi tersebut digunakan untuk memberikan energi keelektron agar dapat berpindah melewati band gapnya ke pita konduksi, dan kemudian dapat berpindah ke rangkaian luar. Melaui proses tersebutlah arus listrik dapat mengalir dari sel surya. Umumnya devais dari sel surya ini menggunakan prinsip PN junction.
Energi yang dikeluarkan oleh sinar matahari sebenarnya hanya diterima oleh permukaan bumi sebesar 69% dari total energi yang dipancarkan matahari. Suplai energi surya dari sinar matahari yang diterima oleh permukaan bumi sangat luar biasa besarnya yaitu mencapai 0,5 miliar energi matahari atau kira-kira 1,3 x 1017 Watt [5].
Melihat energi yang dikeluarkan dari pancaran matahari yang begitu besar, pemanfaatan energi matahari menjadi salah satu daya tarik tersendiri untuk dilakukan. Salah satu pemanfaatan energi matahari adalah penggunaan sel surya yang berfungsi mengubah energi matahari menjadi energi listrik. Dalam proses
konversi energi pada sel surya dipengaruhi banyak faktor yang dapat mengurangi optimalisasi pada proses konversi energi. Diantaranya adalah faktor orientasi terhadap matahari yang selalu berubah-ubah dapat mengurangi optimalisasi sel surya dalam proses konversi energi matahari menjadi energi listrik. Sel surya akan menghasilkan daya maksimal ketika posisinya saling tegak lurus dengan cahaya matahari [5].
Pada penelitian ini digunakan sel surya dengan spesifikasi 13V 1,5W.
Adapun gambaran fisik sel surya dapat dilihat pada Gambar 2.1 [6].
Gambar 2. 1 Sel surya 13V 1,5W
2.2 Sensor tegangan
Spesifikasi sensor tegangan yang digunakan pada penelitian ini adalah sebagai berikut :
1. Tegangan Input 0 – 25 Volt.
2. Tegangan Output 0 – 5 Volt.
3. Ketelitian pengukuran 0.00489 Volt.
4. Perbandingan antara tegangan input dan output adalah 1:5.
Bentuk fisik sensor tegangan yang digunakan dapat dilihat pada Gambar 2.2.
Gambar 2. 2 Sensor tegangan
Sensor ini menggunakan sistem pembagi tegangan dimana nilai R1=7500 ohm dan R2=30000 ohm. Dengan rumus, Vout = Vin x 7500
7500+3000 maka nilai Vout menjadi 1:5 dari nilai Vin[7].
2.3 Sensor LDR (Light Dependent Resistor)
Sensor yang sering digunakan dalam berbagai rangkaian elektronik salah satunya adalah sensor cahaya (LDR). Sensor cahaya adalah alat yang digunakan dalam bidang elektronika yang berfungsi untuk mengubah besaran cahaya menjadi besaran listrik. Sensor cahaya LDR merupakan suatu jenis resistor yang peka terhadap cahaya. Nilai resistansi LDR akan berubah-ubah sesuai dengan intensitas cahaya yang diterima. Jika LDR tidak terkena cahaya maka nilai tahanan akan menjadi besar (sekitar 10MΩ) dan jika terkena cahaya nilai tahanan akan menjadi kecil (sekitar 1kΩ).
Cara kerja dari sensor ini adalah mengubah energi dari foton menjadi elektron, umumnya satu foton dapat membangkitkan satu elektron. Sensor ini mempunyai kegunaan yang sangat luas salah satu yaitu sebagai pendeteksi cahaya pada tirai otomatis. Bentuk fisik dari LDR dapat dilihat pada Gambar 2.3[8].
Gambar 2. 3 Sensor cahaya (LDR)
2.4 Analog to digital converter
Konverter merupakan suatu hal yang penting untuk teknologi kontrol proses sebagai penerjemah informasi analog kebentuk digital maupun sebaliknya.
Sebagian besar pengukuran variabel –variabel dinamik dilakukan oleh piranti yang keluaran sinyal listrik analog. Untuk menghubungkan sinyal ini dengan sebuah komputer atau rangkaian logika digital, perlu dilakukan terlebih dahulu konversi analog ke digital (ADC).
ADC adalah pengubah sinyal analog menjadi sinyal digital. ADC banyak digunakan sebagai pengatur proses industri, komunikasi digital dan rangkaian pengukuran/ pengujian. Umumnya ADC digunakan sebagai perantara antara sensor yang kebanyakan analog dengan sistim komputer seperti sensor cahaya, suhu, arus, tegangan dan sebagainya kemudian diproses dengan menggunakan sistim digital[9].
ADC memiliki 2 karakter prinsip, yaitu kecepatan sampling dan resolusi.
Kecepatan sampling suatu ADC menyatakan seberapa sering sinyal analog dikonversikan ke bentuk sinyal digital pada selang waktu tertentu. Kecepatan sampling biasanya dinyatakan dalam sample per second (SPS). Gambar sampling kecepatan rendah dan tinggi dapat dilihat pada Gambar 2.4 [9].
Gambar 2. 4 ADC dengan kecepatan sampling rendah dan tinggi
Resolusi ADC menentukan ketelitian nilai hasil konversi ADC. Sebagai contoh: ADC 4 bit akan memiliki output 4 bit data digital, ini berarti sinyal input dapat dinyatakan dalam 16 nilai diskrit. ADC 8 bit memiliki 8 bit output data digital, ini berarti sinyal input dapat dinyatakan dalam 256 nilai diskrit. Dari contoh di atas ADC 8 bit akan memberikan ketelitian nilai hasil konversi yang jauh lebih baik daripada ADC 4 bit.
Prinsip kerja ADC adalah merubah sinyal analog ke dalam bentuk besaran yang merupakan rasio perbandingan sinyal input dan tegangan referensi. Sebagai contoh, bila tegangan referensi 3 volt, tegangan input 0,6 volt, rasio input terhadap referensi adalah 20%. Jadi, jika menggunakan ADC 4 bit dengan skala maksimum 16, akan didapatkan sinyal digital sebesar 50% x 16 = 8 (bentuk decimal) atau 1000 (bentuk biner).
Proses konversi tersebut dapat digambarkan sebagai proses 3 langkah yaitu sampling (pencuplikan), quantizing (kuantisasi), dan coding (pengkodean) seperti diilustrasikan pada Gambar 2.5 [9].
Gambar 2. 5 Proses konversi analog to digital
2.5 Modul LCD (Liquid Crystal Display)
Modul LCD 16x2 adalah modul yang sangat dasar dan sangat umum digunakan di berbagai perangkat dan sirkuit. Modul ini lebih sering digunakan dari pada Seven Segment dan LED (light emitting diode) multi segmen lainnya . Alasannya adalah karena modul LCD lebih ekonomis, mudah diprogram, tidak memiliki batasan untuk menampilkan karakter khusus (tidak seperti dalam Seven Segment), bentuk animasi, dan sebagainya.
Sebuah modul LCD 16x2 berarti dapat menampilkan 16 karakter perbaris dan ada 2 kolom. Dalam modul LCD ini setiap karakter ditampilkan dalam matriks 5x7 piksel. LCD ini memiliki dua register, yaitu, Command dan Data.
Register perintah menyimpan instruksi perintah yang diberikan kepada LCD. Perintah yang diberikan kepada LCD untuk melakukan tugas yang telah ditentukan seperti menginisialisasi, membersihkan layar, mengatur posisi kursor, mengontrol tampilan dan lain-lain. Register data menyimpan data yang akan ditampilkan pada LCD. Data berupa nilai ASCII dari karakter yang akan ditampilkan pada LCD.
Bentuk fisik dari LCD (Liquid Crystal Display) 16 x 2 dapat dilihat pada Gambar 2.6[10].
Gambar 2. 6 LCD (Liquid Crystal Display) 16 x 2
2.6 Mikrikontroler arduino nano
Arduino nano adalah salah satu papan pengembangan mikrokontroler yang berukuran kecil, lengkap dan mendukung penggunaan breadboard. Arduino nano diciptakan dengan basis mikrokontroler ATmega328 (untuk arduino nano versi 3.x) atau ATmega 168 (untuk arduino versi 2.x). Masing-masing dari 14 pin digital pada arduino nano dapat digunakan sebagai input atau output, dengan menggunakan fungsi pinMode(), digitalWrite(), dan digitalRead(). Semua pin beroperasi pada tegangan 5 volt. Setiap pin dapat memberikan atau menerima arus maksimum 40 mA dan memiliki resistor pull-up internal (yang terputus secara default) sebesar 20-50 KOhm.
Selain itu beberapa pin memiliki fungsi khusus, yaitu:
1. Serial: 0 (RX) dan 1 (TX). Digunakan untuk menerima (RX) dan mengirimkan (TX) TTL data serial. Pin ini terhubung ke pin yang sesuai dari chip FTDI USBto-TTL Serial.
2. External Interrupt (Interupsi Eksternal): Pin 2 dan pin 3 ini dapat dikonfigurasi untuk memicu sebuah interupsi pada nilai yang rendah, meningkat atau menurun, atau perubahan nilai.
3. PWM: Pin 3, 5, 6, 9, 10, dan 11. Menyediakan output PWM 8-bit dengan fungsi analogWrite(). Jika pada jenis papan berukuran lebih besar (misal:
Arduino Uno), pin PWM ini diberi simbol tilde atau “~” sedangkan pada Arduino nano diberi tanda titik atau strip.
4. SPI: Pin 10 (SS), 11 (MOSI), 12 (MISO), 13 (SCK). Pin ini mendukung komunikasi SPI. Sebenarnya komunikasi SPI ini tersedia pada hardware, tapi untuk saat belum didukung dalam bahasa arduino.
5. LED: Pin 13. Tersedia secara built-in pada papan arduino nano. LED terhubung ke pin digital 13. Ketika pin diset bernilai HIGH, maka LED menyala, dan ketika pin diset bernilai LOW, maka LED padam.
Bentuk fisik Arduino Nano dapat dilihat pada Gambar 2.7[11].
Gambar 2. 7 Arduino nano
Arduino nano memiliki 8 pin sebagai input analog, diberi label A0 sampai dengan A7, yang masing-masing menyediakan resolusi 10 bit (yaitu 1024 nilai yang berbeda). Secara default pin ini dapat diukur/diatur dari mulai ground sampai dengan 5 Volt. Pin analog 6 dan 7 tidak dapat digunakan sebagai pin digital. Selain itu juga, beberapa pin memiliki fungsi yang dikhususkan, yaitu I2C:
Pin A4 (SDA) dan pin A5 (SCL)[11].
2.7 Motor servo
Motor servo adalah sebuah motor DC yang dilengkapi rangkaian kendali dengan sistem closed feedback yang terintegrasu dalam motor tersebut. Pada motor servo posisi putaran sumbu (axis) dari motor akan diinformasikan kembali ke rangkaian control yang ada di dalam motor servo.
Motor servo mampu bekerja dua arah (CW dan CCW) dimana arah dan sudut pergerakan rotornya dapat dikendalikan dengan memberikan variasi lebar pulsa (duty cycle) sinyal PWM pada bagian pin kontrolnya. Bentuk fisik motor servo dapat dilihat pada Gambar 2.8 [12].
Gambar 2. 8 Motor servo
Motor servo disusun dari sebuah motor DC, gearbox, variable resistor (VR) atau potensiometer dan rangkaian control. Potensiometer berfungsi untuk menentukan batas maksimum putaran sumbu (axis) motor servo. Sedangkan sudut dari sumbu motor servo diatur berdasarkan lebar pulsa yang pada pin control motor servo. Gambar konstruksi motor servo dapat dilihat pada Gambar 2.9[12].
Gambar 2. 9 Konstruksi motor servo.
2.8 Artifical neural network (jaringan saraf tiruan)
Artificial neural network adalah suatu sistem pemrosesan informasi yang mempunyai karakteristik menyerupai jaringan syaraf biologi. Jaringan syaraf tiruan tercipta sebagai generalisasi model matematis dari pemahaman manusia (human cognition) yang didasarkan pada asumsi [13] :
1. Pemrosesan informasi terjadi pada elemen sederhana yang disebut neuron, unit, sel atau node.
2. Isyarat mengalir di antara sel syaraf/neuron melalui suatu sambungan penghubung.
3. Setiap sambungan penghubung memiliki bobot yang bersesuaian. Bobot ini akan digunakan untuk menggandakan isyarat yang dikirim melaluinya.
4. Setiap sel syaraf/neuron akan menerapkan fungsi aktivasi terhadap isyarat hasil penjumlahan berbobot yang masuk kepadanya untuk menentukan isyarat keluarannya.
Karakteristik jaringan syaraf tiruan ditentukan oleh [13] :
1. Pola hubungan antar neuron (disebut dengan arsitektur jaringan).
2. Metode untuk menentukan bobot penghubung (disebut metode training / learning / algoritma).
3. Fungsi aktivasi, yaitu fungsi yang digunakan untuk menentukan keluaran suatu neuron.
Jaringan syaraf tiruan , seperti manusia, belajar dari suatu contoh karena mempunyai karakteristik yang adaptif, yaitu dapat belajar dari data-data sebelumnya dan mengenal pola data yang selalu berubah. Selain itu, jaringan saraf tiruan merupakan sistem yang tak terprogram, artinya semua keluaran atau kesimpulan yang ditarik oleh jaringan didasarkan pada pengalamannya selama mengikuti proses pembelajaran/pelatihan.
Kelemahan jaringan saraf tiruan yang terdiri dari layar tunggal membuat perkembangan Jaringan Saraf Tiruan menjadi terhenti pada sekitar tahun 1970 an.
Penemuan backpropagation yang terdiri dari beberapa layar membuka kembali cakarawala. Terlebih setelah berhasil ditemukannya berbagai aplikasi yang dapat diselesaikan dengan Backpropagation, membuat Jaringan Saraf Tiruan semakin diminati orang.
Jaringan saraf tiruan dengan layar tunggal memiliki keterbatasan dalam pengenalan pola. Kelemahan ini bisa ditanggulangi dengan menambahkan satu/beberapa layar tersembunyi diantara layar masukan dan keluaran. Meskipun
penggunaan lebih dari satu layar tersembunyi memiliki kelebihan manfaat untuk beberapa kasus, tapi pelatihannya memerlukan waktu yang lama. Maka umumnya orang mulai mencoba dengan sebuah layar tersembunyi lebih dahulu.
Seperti halnya model jaringan saraf tiruan lain, Backpropagation melatih jaringan untuk mendapatkan keseimbangan antara kemampuan jaringan untuk mengenali pola yang digunakan selama pelatihan serta kemampuan jaringan untuk memberikan respon yang benar terhadap pola masukan yang serupa (tapi tidak sama) dengan pola yang dipakai selama pelatihan.
Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih layar tersembunyi. Gambar 2.10 adalah arsitektur backpropagation dengan n buah masukan (ditambah sebuah bias), sebuah layar tersembunyi yang terdiri dari p unit (ditambah sebuah bias), serta m buah unit keluaran.
Gambar 2. 10 Arsiterktur backpropagation
Vji merupakan bobot garis dari unit masukan xi ke unit layar tersembunyi zj
(vjo merupakan bobot garis yang menghubungkan bias di unit masukan ke unit layar tersembunyi zj). Wkj merupakan bobot dari unit layar tersembunyi zj ke unit keluaran yj (wko merupakan bobot dari bias di layar tersembunyi ke unit keluaran zk)[13].
2.9 Fuzzy logic
Profesor Lotfi A. Zadeh adalah guru besar pada University of California yang merupakan pencetus sekaligus yang memasarkan ide tentang cara mekanisme pengolahan atau manajemen ketidakpastian yang kemudian dikenal dengan logika fuzzy. Dalam penyajiannya vaiabel-variabel yang akan digunakan harus cukup menggambarkan ke-fuzzy-an tetapi di lain pihak persamaan-persamaan yang dihasilkan dari variable-variabel itu haruslah cukup sederhana sehingga komputasinya menjadi cukup mudah. Karena itu Profesor Lotfi A Zadeh kemudian memperoleh ide untuk menyajikannya dengan menentukan “derajat keanggotaan” (membership function) dari masing-masing variabelnya[14].
Fuzzy logic adalah cabang dari matematika dengan bantuan computer memodelkan dunia nyata seperti yang dilakukan manusia. Fuzzy logic meformulasikan masalah memnjadi lebih mudah, mempunyai pesisi yan tinggi, dan solusi yang akurat. Fuzzy logic menggunakn dasar pendekatan hukum-hukum untuk mengontrol system dengan bantuan model matematika.
Fungsi keanggotaan (membership function), adalah suatu kurva yang menunjukkan pemetaan titik input data kedalam nilai keanggotaanya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1.
Konsep dasar logika fuzzy dapat dilihat pada Gambar 2.11[15].
Gambar 2. 11 Konsep dasar logika fuzzy
1. Derajat Keanggotaan (membership function) adalah : derajat dimana nilai crisp dengan fungsi keanggotaan ( dari 0 sampai 1 ), juga mengacu sebagai tingkat keanggotaan, nilai kebenaran, atau masukan fuzzy.
2. Label adalah nama deskriptif yang digunakan untuk mengidentifikasikan sebuah fungsi keanggotaan.
3. Fungsi Keanggotaan adalah mendefinisikan fuzzy set dengan memetakkan masukan crisp dari domainnya ke derajat keanggotaan.
4. Masukan Crisp adalah masukan yang tegas dan tertentu.
5. Lingkup/Domain adalah lebar fungsi keanggotaan. Jangkauan konsep, biasanya bilangan, tempat dimana fungsi keanggotaan dipetakkan.
6. Daerah Batasan Crisp adalah jangkauan seluruh nilai yang dapat diaplikasikan pada variabel sistem.
Teori himpunan fuzzy merupakan kerangka matematis yang digunakan untuk mempesentasikan ketidakpastian, ketidakjelasan, kekurangan informasi dan kebenaran parsial.[16].
Dalam kamus Oxford, istilah fuzzy didefinisikan sebagai blurred (kabur atau remang-remang), indistinct (tidak jelas), imprecisely defined (didefenisikan secara tidak presisi), confused (membingungkan), vague (tidak jelas).
Kendali fuzzy logic memberikan alternatif lain dalam sistem kendali. Dalam kendali fuzzy logic tidak diperlukan model matematika dari sistem karena kendali fuzzy logic bekerja berdasarkan rule-rule yang diekstrak sesuai dengan pemikiran dan pengetahuan manusia baik sebagai operator atau ahli[17].
Proses fuzzy inference dalam kendali fuzzy logic terdiri atas 3 bagian yaitu fuzzifikasi, evaluasi rule dan defuzzifikasi. Fuzzifikasi mengubah nilai crisp input menjadi nilai fuzzy input. Proses evaluasi rule mengolah fuzzy input sehingga menghasilkan fuzzy output. Defuzzifikasi mengubah fuzzy output menjadi nilai crisp output. Gambar 2.12 menunjukkan tahapan – tahapan fuzzy logic[4].
1. Fuzzifikasi
Fuzzifikasi yaitu suatu proses untuk mengubah suatu masukkan dari bentuk tegas (crisp) menjadi fuzzy (variabel linguistik) yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi kenggotaannya masing-masing.
2. Evaluasi aturan (inference engine)
Evaluasi rule merupakan proses pengambilan keputusan (inference) yang berdasarkan rule-rule yang ditetapkan pada basis rule untuk menghubungkan antar peubah-peubah fuzzy masukan dan peubah fuzzy keluaran. Rule-rule ini berbentuk jika …maka (IF ... THEN).
Ada 2 proses pada inference Engine:
1. Aggregation: proses penghitungan pada IF 2. Composition: proses penghitungan pada Then 3. Defuzzifikasi
Defuzzifikasi merupakan proses mencari nilai dari variabel fuzzy berdasarkan derajat keanggotaan yang dimilikinya. Proses defuzzifikasi menghasilkan keluaran (output) yang diinginkan dari proses sebelumnya.
Proses defuzzifikasi memiliki keluaran fungsi keanggotaan yang berupa garis vertical (singleton) [18].
BAB III
METODE PENELITIAN 3.1 Umum
Secara umum sistem dirancang untuk dapat mengolah masukan dari 4 buah sensor cahaya dan diolah pada mikrokontroler arduino nano untuk mengetahui posisi matahari. Mikrokontroler menggerakan motor servo mengarahkan panel surya tegak lurus dengan arah datangnya sinar matahari. Sebelum dapat bekerja seperti yang diinginkan, sistem membutuhkan media editor, compiler, dan uploader program. Pada penelitian ini menggunakan arduino IDE sebagai software untuk memprogram mikrokontroler yang digunakan dan menggunakan LCD untuk menampilkan tegangan yang dihasilkan dari panel surya.
Agar perancangan ini dapat berjalan dengan efesien dan terarah, maka perlu dilakukan tahapan – tahapan sebagai berikut:
a. Perancangan sistem
Pada tahap ini pembuatan model sistem tracking panel surya sehingga didapatkan kebutuhan sistem diperoleh baik kebutuhan perangkat lunak maupun perangkat keras.
b. Implementasi rancangan sistem
Pada tahap ini ialah tahap implementasi dari perancangan perangkat keras dan perangkat lunak.
c. Perbandingan hasil
Pada tahap ini dilakukan perbandingan tegangan yang dihasilkan dari sistem tracking dengan neural network dan fuzzy logic.
3.2 Perancangan sistem
Pada perancangan sistem tracking panel surya menggunakan 4 buah sensor cahaya untuk mendeteksi posisi cahaya matahari. Nilai sensor merupakan nilai analog yang akan diubah kedalam bentuk digital dengan proses ADC yang ada pada arduino nano.
Motor servo menggerakan panel surya kearah matahari. Tegangan yang dihasilkan dari panel surya akan dibaca oleh sensor tegangan dengan input 0 – 25 Volt. Arduino hanya dapat membaca nilai tegangan input antara 0 – 5 Volt maka sensor tegangan akan menurunkan tegangan input dari panel surya dengan perbandingan 1:5.
Nilai yg didapatkan arduino dari sensor tegangan akan dikalikan 5 kembali agar dapat membaca nilai keluaran dari panel surya. Nilai tersebut akan ditampilkan kedalam LCD untuk memudahkan membaca nilai tegangan yang dihasilkan. Pada Gambar 3.1 dapat dilihat blok diagram sistem alat Tracking panel surya dibawah ini.
Gambar 3. 1 Diagram blok sistem
3.2.1 Kebutuhan sistem
Pada blok diagram sistem yang ditunjukkan pada Gambar 3.2 dapat dilihat kebutuhan sistem yang akan di buat. Diantaranya sebagai berikut:
a. Sensor cahaya
Sensor cahaya yang dibutuhkan pada penelitian ini sebanyak 4 buah sensor untuk mendeteksi posisi matahari. Sensor diletakan pada 4 sisi yaitu sisi utara, timur, selatan, dan barat. Masing masing sensor diberikan pembatas agar cahaya matahari yang terdeteksi tidak saling mengganggu masing-masing sensor.
b. Sensor tegangan
Sensor tegangan yang digunakan pada penelitian ini menggunakan metode pembagi tegangan dimana nilai R1=7500 ohm dan R2=30000 ohm.
Dengan rumus, Vout = Vin x 7500
7500+3000 maka nilai Vout = Vin x 0.2 atau dalam pebandingan Vout banding Vin adalah 1:5.
c. Analog to digital converter (ADC)
ADC digunakan untuk merubah nilai dari sensor cahaya dalam bentuk analog kedalam bentuk digital. Nilai analog yang didapat dari sensor cahaya dalam rentang 0 – 5 Volt sesuai dengan nilai tegangan referensi dari mikrokontroler. Nilai yang dihasilkan dari proses ADC sebesar 10 bit yaitu dalam rentang 0 – 1023.
d. Arduino nano
Arduino nano digunakan sebagai otak dari sistem yang dirancang. Arduino nano memproses masukan dari sensor cahaya untuk mendapatkan posisi
matahari lalu menggerakan panel surya dengan motor servo kearah tegak lurus dengan matahari.
e. Motor servo
Motor servo digunakan untuk menggerakan panel surya agar tegak lurus kearah matahari.
f. Panel surya
Panel surya digunakan untuk mengubah energi matahari menjadi energi listrik. Panel surya yang digunakan pada penelitian ini yaitu panel surya 12 Volt 1,5 watt.
g. LCD
LCD digunakan untuk memonitor output tegangan yang dihasilkan dari panel surya.
3.2.2 Perancangan perangkat keras
Setelah menentukan komponen yang akan digunakan, maka selanjutnya membuat rangkaian skematik untuk sistem. Rangkaian skematik tracking menggunakan neural network dan fuzzy logic adalah sama.
Rangkaian skematik tracking panel surya dapat dilihat pada Gambar 3.2.
Pada Gambar 3.2 dapat dilihat dapat dilihat sensor cahaya terhubung dengan pin A0-A3 pada Arduino Nano. LCD terhubung dengan pin 5,6,7,8,11, dan 12 pada arduino nano. Motor servo terhubung pada pin 3 dan 4 pada Arduino nano. Sensor tegangan terhubung pada pin A5 pada arduino nano.
Masing-masing komponen mendapatkan catudaya dari arduino nano sebesar 5 Volt. Arduino nano mendapatkan catudaya dari adaptor 5 Volt.
Gambar 3. 2 Skematik rangkaian sistem
3.2.3 Perancangan perangkat lunak
Tahap perancangan perangkat lunak alat tracking panel surya dengan neural network dan fuzzy logic ialah tahap pembuatan alur program atau algoritma alat bekerja. Untuk mengurangi kesalahan pembacaan pada sensor cahaya diberikan nilai toleransi. Untuk mendapatkan nilai tolenransi perlu dilakukan kalibrasi pada sensor terlebih dahulu. Pada penelitian ini memiliki 2 model perancangan yaitu neural network backpropagation dan fuzzy logic.
3.2.3.1 Perancangan perangkat lunak neural network
Pada penelitian ini menggunakan metode neural network backpropagation. Rancangan arsitektur backpropagation disesuaikan dengan model yang akan dikembangkan. Arsitektur jaringan merupakan gambaran hubungan antar lapisan yang digunakan dalam proses
di lapisan input terhubung dengan setiap unit yang ada di lapisan tersembunyi. Setiap unit yang ada di lapisan tersembunyi terhubung dengan setiap unit yang ada di lapisan output. Penelitian menggunakan arsitektur multilayer network yang terdiri dari 3 (tiga) layer yaitu :
Satu input layer (x) yang terdiri dari 4 buah neuron.
Satu hidden layer yang terdiri dari 3 buah neuron.
Satu output layer yang terdiri dari 2 buah neuron.
Masing-masing neuron memiliki nilai bobot yang berbeda-beda sesuai dengan proses trial error yang dilakukan. Fungsi aktifasi sigmoid biner yang memiliki range (0, 1) digunakan pada penelitian ini. Fungsi aktifasi sigmoid dengan nilai f(x) seperti pada Gambar 3.3 [13]:
𝑓(𝑥) = 1
1+𝑒−𝑥 (3.1) dengan turunan :
𝑓′(𝑥) = 𝑓(𝑥)(1 − 𝑓(𝑥)) (3.2)
Gambar 3. 3 Grafik aktifasi sigmoid
Gambar 3. 4 Arsiterktur neural network backpropagation
Gambar 3. 4 Arsiterktur neural network backpropagation