Lara Adrosa Marjuita: Tugas Fuzzy OK

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Pendahuluan

2. Kajian Teori

APLIKASI FUZZY LOGIC PADA MESIN CUCI OTOMATIS

DENGAN MENGGUNAKAN MATLAB

Referensi :

--) Maghfira, Fina Khairina dan Shanty Muflihawati. (2017). Aplikasi Fuzzy Logic pada Mesin Cuci Otomatis dengan Menggunakan Matlab. Univeristas Negeri Jakarta. Jakarta.

1. Pendahuluan [Kembali]

Salah satu metode yang dapat digunakan dalam mengontrol mesin cuci otomatis adalah Fuzzy Logic. Dengan menerapkan fuzzy logic pada sebuah sistem kontrol akan dihasilkan proses yang dapat beroperasi secara otomatis dan 5 memiliki efektifitas yang mendekati sama dengan control yang dilakukan oleh manusia secara manual. Dan fuzzy logic juga sangat ampuh untuk membuat sebuah keputusan yang nantinya juga akan ditanamankan pada sistem pengendali ini.

2. Kajian Teori [Kembali]

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output.

Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy yaitu:

1. Variable fuzzy

Variable fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.

Contoh: tingkat kekotoran, jenis noda, umur, temperature, permintaan, dsb.

2. Himpunan Fuzzy

Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Himpunan fuzzy memiliki 2 atribut, yaitu:

1) Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti: Tidak Berminyak, Medium, Berminyak.

2) Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variable seperti: 40, 25, 50, dsb.

3. Semesta Pembicaraan

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Ada kalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. Contoh:

1) Semesta pembicaraan untuk variable mahasiswa: [0 - 50]

2) Semesta pembicaraan untuk variable dosen: [0 - 50]

4. Domain

3. Pembahasan [Kembali]

Input :

Aplikasi mesin cuci otomatis pada fuzzy logic ini terdapat tiga input yaitu;

1) Jenis pakaian

Jenis pakaian dalam input dibatasi menjadi 3 yaitu sutra, wol, dan katun.

2) Jenis kotoran (Tidak Berminyak, Medium, Berminyak)

Jenis kotoran ditentukan oleh kualitas kekotoran. Pakaian berminyak misalnya, membutuhkan waktu lebih lama untuk air menjadi jernih kembali, karena minyak susah dilarutkan di dalam air dibandingkan bentuk kotoran lainnya.

3) Tingkat kekotoran (Sedikit, Medium, Banyak)

Tingkat kekotoran ditentukan oleh transparasi air cucian. Semakin kotor pakaian, semakin tidak transparan air yang dianalisis sensor.

Output :

Ketiga input diatas selanjutnya akan diproses dan memberikan output lamanya waktu cuci. Input didapatkan dari sensor pada mesin cuci.

Gambar 3.4. Skema Fuzzy Kita mempunyai asumsi bahwa kita telah mendapatkan input, tidak memperdulikan darimana input tersebut bisa terjadi. Dan Output yang akan didapatkan adalah Waktu/Lama pencucian (Sangat Sebentar, Sebentar, Medium, Lama, Sangat Lama).

RULES :

Rules yang digunakan dalam program ini didasarkan pada logika dan pengalaman murni dari penggunaan mesin cuci dalam praktik rumah tangga sehari-hari adalah :

Alur sistem yang akan dibangun adalah sebagai berikut;

1. Mengelompokkan jenis pakaian menjadi tiga kelompok, yaitu sutra, wol, dan katun.

2. Mengelompokkan Jenis kotoran pakaian menjadi tiga kelompok, yakni Tidak Berminyak, Medium Berminyak.

a. Kelompok Tidak Berminyak, jika jenis kotoran : keringat dan lumpur.

b. Kelompok Medium, jika jenis kotoran : kecap, saos, dan lainnya.

c. Kelompok Berminyak, jika jenis kotoran : minyak dan cat. 17

3. Mengelompokkan Tingkat kekotoran noda menjadi tiga kelompok, yakni Sedikit, Medium, Banyak. 4. Menghitung estimasi waktu yang diperlukan untuk proses pencucian.

STEP 1 : Masuk kedalam aplikasi MATLAB dan akan muncul command windows dan ketikan pada command fuzzy

maka akan muncul tampilan fuzzy logic toolbox sebagai berikut

STEP 3: Pilih edit>>add variable>>input untuk menambahkan variabel input (dikarenakan pada jurnal inputnya 3 maka lakukan step diatas sebanyak tiga kali).

STEP 4: Ubahlah nama input1 menjadi JenisPakaian, input2 menjadi JenisKotoran dan TingkatKotoran, serta output1 menjadi Waktu/LamaPencucian dengan cara mengganti pada bagian berikut :

STEP 5 : Pilih edit >> membership function untuk membuat fungsi keanggotaan setiap variabel sehingga akan muncul tampilan Membership Function Editor seperti pada gambar di bawah ini:

STEP 6 : Pada variabel JenisPakaian ubahlah

Range [0 100]

nama mf1 menjadi Sutra, type trimf, Params [-20 10 50]
nama mf2 menjadi Wol, type trimf, Params [10 50 90]
nama mf3 menjadi Katun, type trimf, Params [50 100 150]

sehingga tampilan pada variabel Jenis Pakaian akan tampak seperti pada gambar di bawah ini:

STEP 7 : Pada variabel JenisKotoran, ubahlah
range menjadi [0 100]

nama mf1 menjadi Tidaknerminyak, type trimft, Params  [-20 10 50]
nama mf2 menjadi RP2, type Medium, Params  [10 50 90]
nama mf3 menjadi RP3, type Berminyak, Params   [50 90 150]

sehingga tampilan variabel JenisPakaian akan tampak seperti pada gambar di bawah ini:

STEP 8 : Pada variabel TingkatKotoran, ubahlah
range menjadi [27 65]

nama mf1 menjadi sedikit, type trimf, Params  [-20 10 50]
nama mf2 menjadi medium, type trimf, Params  [10 50 90]
nama mf3 menjadi banyak, type trimf, Params  [50 90 140]

sehingga tampilan variabel TinhkatKotoran akan tampak seperti pada gambar di bawah ini

STEP 9: Pilih edit>>rules untuk membuka jendela rule editor

STEP 10: Buatlah aturan pada rule editor sesuai dengan rule yang terdapat pada jurnal yang telah diberikan sebanyak 27 rules.

STEP 12: Pilih view>>rules untuk melihat hasil rules yang dibuat

Hasil :

Setelah semua fungsi member didefinisikan (input, output, rules), pada menu awal pilih view atau bisa juga dengan menekan tombol ctrl+5.

Kemudian muncul tampilan sebagai berikut. Isi bagian input dengan nilai yang akan diuji.

Gambar di bawah merupakan hasil pada grafik 3D yang disediakan matlab dengan nilai input yang sama.

4. Penutup [Kembali]

KESIMPULAN

Dengan menggunakan Fuzzy Logic kita bisa memperoleh waktu mencuci untuk jenis pakaian dan kotoran yang berbeda dengan tingkat kekotoran yang berbeda. Metode yang konvensional membutuhkan peran manusia untuk memutuskan berapa waktu mencuci yang harus digunakan untuk baju yang berbeda.

SARAN

Mesin cuci otomatis yang lebih lengkap diusahakan untuk didesain dengan menggunakan teknologi Fuzzy Logic. Proses desainnya meniru intuisi manusia, yang selalu menginginkan kemudahan. Walaupun contoh control yang digunakan hanya waktu mencuci saja, desainnya dapat diperluas tanpa mempengaruhi variable control yang lain seperti level air atau kecepatan pemutaran.

REALISASI SARAN

Untuk saran pada jurnal adalah menambah outputnya berupa kecepatan pemutaran. Selain itu, setiap function itu memiliki setidaknya 7 buah member. Dan untuk membernya sudah ditambahkan pada bagian fuzzy. Output berupa kecepatan pemutaran memiliki range yaitu 400 sampai 1200.

5. Daftar Pustaka [Kembali]

Alhanjouri, Mohammed. (2013). Optimize Wash Time of Washing Machine Using Fuzzy Logic. Bali.

Ciputra, Dimas Tri. (2012). Aplikasi Fuzzy Logic pada Vacuum Cleaner. Bandung.

Hatagar, Sudha. (2015). Three Input – One Output Fuzzy Logic Control of Washing Machine. India.

http://yuchiegustiesa-math.blogspot.co.id/2010/02/kendali-logika-fuzzy-padamesin-cuci.html - diakses pada tanggal 17 Mei 2017 pukul 20.00 WIB.

http://elektro-tehnik.blogspot.co.id/2011/09/cara-kerja-mesin-cuci-top-loadingfull.html - diakses pada tanggal 7 Juni 2017 pukul 15.00 WIB.

Kusumadewi, Sri. (2010). Aplikasi logika fuzzy untuk pendukung keputusan, Graha Ilmu

Lara Adrosa Marjuita

Tugas Fuzzy OK

Tidak ada komentar:

Posting Komentar