DESAIN SISTEM KONTROL OTOMATIS UNTUK MEN (1)

DESAIN SISTEM KONTROL OTOMATIS UNTUK MENGENDALIKAN MOTOR DC BERBASIS FUZZY LOGIC (KARAKTERISASI SUHU DAN JARAK)

Yogie Sanjaya1 _{Muhammad Muslim}2

Mahasiswa pendidikan Fisika Unsri1 _{Dosen pendidikan Fisika Unsri}2

Email : yogie.sanjaya@ymail.com1 _{m_muslim7781@yahoo.co.id}2

ABSTRAK

Sistem kontrol otomatis berbasis Fuzzy Logic telah berhasil dibuat untuk mengendalikan motor DC. Pengendalian kecepatan motor DC ini dilakukan berdasarkan data input berupa suhu dan jarak. Data suhu didapatkan dari pengukuran menggunakan sensor suhu LM35 sedangkan untuk data jarak diperoleh menggunakan sensor ultrasonik HC-SR04. Kedua data tersebut dijadikan sebagai input Fuzzy Logic. Output dari Fuzzy Logic PWM (Pulse Width Modulation) sebagai penentu sumber tegangan masukan motor DC.

Kata kunci: Suhu, Jarak, Motor DC, Fuzzy Logic

Pendahuluan

Teknologi merupakan hal yang tak pernah lepas dari kehidupan manusia. Dari zaman purbakala sudah banyak teknologi yang telah dikembangkan manusia walaupun masih sangat sederhana seperti pisau yang terbuat dari batu. Semakin berkembangnya ilmu pengetahuan turut membawa teknologi mengalami kemajuan. Kemajuan teknologi saat ini membawa kita menuju ke zaman dimana semua aktivitas manusia dilakukan oleh mesin secara otomatis. Buktinya, untuk mencuci

sebuah pakaian pun sekarang dapat dilakukan oleh mesin.

Pengurangan keterlibatan manusia dalam melakukan suatu pekerjaan dan menggantinya dengan sebuah mesin membuat pekerjaan itu dapat terselesaikan dengan efektif, karena mesin memiliki presentase kesalahan yang sangat kecil. Namun untuk membuat mesin yang dapat mengganti posisi manusia dalam melakukan sebuah pekerjaan diperlukan kecerdasan buatan yang ditanamkan pada mesin dalam

mengambil keputusan dalam

Banyak para ilmuwan diseluruh dunia yang berlomba-lomba membuat kecerdasan buatan dengan meniru kecerdasan manusia. Seperti yang dilakukan oleh Thongchai, dkk (2000) yang menggambarkan Fuzzy Logic untuk robot mobil yang menggunakan sonar. Oleh karena itu, untuk mengikuti perkembangan teknologi yang sudah sangat pesat didunia luar penulis bertujuan untuk menggunakan kecerdasan buatan sederhana menggunakan Fuzzy Logic. Fuzzy Logic ini akan ditanamkan pada sebuah mikrokontroler ATmega 8 untuk mengendalikan sebuah motor DC sesuai dengan suhu yang dibaca oleh sensor LM35 dan jaraknya yang diukur dengan sensor ultrasonik HC-SR04.

Metode

Perancangan Alat

Diagram blok pada perancangan pengendali motor DC dapat dilihat pada gambar berikut.

Gambar 1. Diagram blok pengendali motor DC

Dari gambar diatas terdapat 3 bagian penting dalam pengendalian motor DC yakni kontroler, sensor dan plant.

1. Kontroler

Dalam mengendalikan motor DC, Fuzzy Logic yang menjadi kontroler untuk menentukan kecepatan motor DC. Fuzzy Logic berfungsi untuk mengolah data input berupa suhu dan jarak yang terukur sehingga menghasilkan PWM.

2. Sensor

Dalam bagian sensor terdapat sensor LM35 dan HC-SR04 yang mem-berikan feedback (umpan balik) dari kontroler untuk memberikan data input yang baru apabila terjadi perubahan terhadap data input tersebut, sehingga secara otomatis PWM yang dihasilkan oleh kontroler akan berubah nilainya.

3. Plant

Perancangan perangkat lunak pada pengendali motor DC meliputi pengaturan kerja sistem seperti pengukuran suhu dan jarak, penerapan Fuzzy Logic dengan output PWM dan pengiriman PWM ke motor DC. Berikut ini tampilan diagram alir dari program yang akan dibuat.

Gambar 2. Diagram alir program pengendali motor DC

Prinsip Kerja Alat

Dalam mengendalikan motor DC, diperlukan data suhu dan jarak yang didapat dari sensor LM35 dan HC-SR04. Data suhu diambil dari tegangan output LM35 yang merupakan penunjuk suhu yang terbaca karena LM35 akan menghasilkan tegangan yang berbeda pada suhu yang berbeda yang masuk ke

Pin 23 ATmega 8 yang merupakan Pin ADC0. Dengan menggunakan rumus :

adc ×500

1024 tegangan yang masuk dikonversi ke dalam suhu dan ditampilkan pada LCD. Sementara data jarak didapat dengan memanfaatkan pulsa yang dihasilkan sensor ultrasonik HC-SR04 pada Pin ECHO selama gelombang ultrasonik dipancarkan dari pemancar dan pulsa ini akan berhenti dihasilkan saat gelombang yang terpancar dipantulkan kembali dan diterima oleh penerima. Lamanya pulsa yang dihasilkan selama gelombang dipancarkan dan diterima dihitung nilainya dengan kecepatan eksekusi perintah 11,0592 MIPS (kristal yg dipakai 11,0592 MHz) sehingga untuk melakukan 1 kali penghitungan dibutuhkan waktu 0,09042x10−6 _s,

jadi rumus untuk menghitung lamanya pulsa dihasilkan menjadi :

t=0,09042x10−6_{. count .Dengan}

menggunakan rumus s=v ∙ t

v=(331,3+0,606℃−1_∙T

₎

m

s dengan demikian rumus untuk menentukan jarak menjadi : count = hasil penghitungan pulsa

Untuk mengendalikan motor DC digunakan fasilitas PWM pada timer1 yang terdapat pada ATmega 8. Dengan mengubah nilai PWM maka nilai tegangan yang masuk ke motor DC pun berubah. Tegangan ini dikirimkan ke motor DC melalui Pin 15 ATmega 8 yang merupakan Pin OC1A.

Dalam pengendalian motor DC digunakan Fuzzy Logic untuk mendapatkan output PWM dari input suhu dan jarak. Input suhu dikategorikan menjadi tiga, normal, hangat, dan panas sedangkat input jarak juga dibagi tiga menjadi dekat, sedang, dan jauh.

Himpunan Fuzzy Suhu

No Label Anggota

Kurva Derajat 1 Range

1 Normal Segitiga 27 22-32 2 Hangat Segitiga 32 27-37 3 Panas Segitiga 37 32-42

Himpunan Fuzzy Jarak

1 Dekat Segitiga 20 0-40 2 Sedang Segitiga 40 20-60 3 Jauh Segitiga 60 40-80

Namun untuk output PWM nilai anggota untuk setiap derajat keanggotaan dalam suatu keanggotaan adalah sama dan tidak memiliki nilai pada keanggotaan yang lain.

Himpunan PWM

N o

Label Anggota Nilai Setiap Derajat Keanggotaan 1 Rendah 5

2 Menengah 115 3 Tinggi 225

Dalam mengimplementasikan Fuzzy Logic digunakan 9 aturan fuzzy dalam proses inferensinya dengan menggunakan model Sugeno. Aturan fuzzy memainkan peran kunci dalam

menunjukkan kontrol yang

terdiri dari dua bagian, sebuah blok pendahuluan (antara IF dan THEN) dan blok konsekuensi (mengikuti THEN) (Hassan, dkk : 2012).

Aturan Fuzzy

Jarak Suhu

Dekat Sedang Jauh

Normal Rendah Rendah Menengah Hangat Rendah Menengah Tinggi

Panas Menengah Tinggi Tinggi

Gambar 3. Pengendali motor DC

Hasil

Data Hasil Pengujian

Nilai PWM yang terukur pada suhu tetap Suhu yang terukur = 35 °C

No. Jarak (cm) PWM

1. 30 121

2. 50 200

3. 70 225

Gambar 4. Nilai PWM pada suhu tetap dan jarak berbeda

Nilai PWM yang terukur pada jarak tetap

Jarak yang terukur = 40 cm

No. Suhu (°C) PWM

1. 30 71

2. 34 159

3. 38 225

Pembahasan

Pengujian dilakukan untuk melihat keakuratan pengukuran jarak dan suhu serta kesesuaian PWM yang dihasilkan menggunakan Fuzzy Logic yang menjadi penentu kecepatan motor DC. Pengujian dilakukan sebanyak 6 kali dimana 3 pengujian dilakukan pada keadaan suhu tetap dan 3 lainnya pada keadaan jarak yang tetap. Dari keenam pengujian diperoleh bahwa PWM yang dihasilkan oleh alat sesuai dengan hasil perhitungan secara teori, dimana dilihat dari perhitungan output berupa PWM dengan menggunakan Fuzzy Logic berdasarkan input yang berupa suhu dan jarak. Dalam proses Fuzzyfikasi untuk input suhu diberikan rentang dari 22-42ºC karena dari hasil pengujian pengukuran suhu, suhu yang terbaca mencapai nilai 40ºC. Namun pada pengukuran jarak, saat menentukan jarak yang lebih dari 80cm ditemukan kegagalan pengukuran sehingga dalam proses Fuzzyfikasi untuk input jarak rentang nilai dibuat 0-80cm. Dari pengujian ini, juga ditemukan ketidakstabilan pengukuran suhu dan jarak yang menyebabkan ketidak-stabilan PWM yang dihasilkan.

Kesimpulan

DAFTAR PUSTAKA

Arifin, Bustanul. 2005. Pengendalian Motor DC Menggunakan Logika Fuzzy. Jurnal Transistor Vol. 5, No. 1 Juli 2005 : 21 – 30.

Baharuddin, dkk. 2011. Sistem Kendali Kecepatan Motor DC Berbasis PWM ( Pulse Width Modulation ), Jurnal yang tidak dipublikasikan, Jurusan Sistem Komputer, STMIK Kendari Sulawesi Tenggara.

Craig, Kevin._. Fuzzy Logic and Fuzzy Control. New York : Rensselaer

Polytechnic Institute.

Hassan, M. F. Abu, dkk. 2012. Fuzzy Logic Based Intelligent Control of RGB Colour Classification System for Undergraduate Artificial Intelligence Laboratory,

Proceedings of the World Congress on Engineering 2012 Vol II,

London , Juli 4 - 6, 2012.

Mehran, Kemyar. 2008. Takagi-Sugeno Fuzzy Modeling for Process Control. Newcastle : Newcastle University.

Prasetyo, Hermawan Putra dan Aulia S. A., _, Perancangan Sistem

Navigasi Pada Kapal (Mcst-1 Ship Autopilot) Untuk Mendukung Sistem Autopilot, Jurnal yang tidak dipublikasikan, Jurusan Teknik Fisika, ITS Surabaya Indonesia.

Serway, Raymond A. and John W. Jewett. 2004. Physics for Scientists and Engineers. Thomson Brooks/Cole.