BLOG KULIAH TEKNIK ELEKTRO: UAS Fuzzy

Referensi : Bagus Fatkhurrozi, Hery Teguh Setiawan. (2024) "Implementasi Logika Fuzzy pada Sistem Kendali Suhu dan Kelembaban Udara untuk Ruangan Pengering Biji Kopi Berbasis Mikrokontroller". Journal of Telecommunication, Electronics, And Control Engineering (JTECE). Vol. 06, No. 01, PP. 50 - 59, Jan 2024.

[KEMBALI KE MENU SEBELUMNYA]

DAFTAR ISI

1. Judul

2. Abstrak

3. Pendahuluan

4. Metode Penelitian

5. Hasil dan Pembahasan

Implementasi Logika Fuzzy pada Sistem Kendali Suhu dan Kelembaban Udara untuk Ruangan Pengering Biji Kopi Berbasis Mikrokontroller

1. Judul [Kembali]

Judul artikel yang akan dibahas yaitu Implementasi Logika Fuzzy pada Sistem Kendali Suhu dan Kelembaban Udara untuk Ruangan Pengering Biji Kopi Berbasis Mikrokontroller.

2. Abstrak [Kembali]

Proses pengeringan biji kopi yang optimal memerlukan suhu stabil antara 24 - 37°C dan kelembaban di bawah 11%, namun pengaturan manual sering kali tidak konsisten. Penelitian ini mengembangkan sistem pengendalian suhu dan kelembaban berbasis logika fuzzy menggunakan mikrokontroler, dengan 10 rule yang dihasilkan dari fungsi keanggotaan. Pengujian menunjukkan sistem ini efektif mengontrol suhu dan kelembaban ruang pengering kopi, dengan hasil simulasi menggunakan MATLAB dan implementasi pada mikrokontroler yang menghasilkan rata-rata deviasi keluaran suhu 0,035°C dan rata-rata deviasi keluaran kipas 0,012.

3. Pendahuluan [Kembali]

Kopi adalah minuman populer dengan proses pengolahan biji yang salah satu tahap pentingnya adalah pengeringan, untuk mencapai kadar air ideal 11-12,5%. Proses ini memerlukan ruang dengan suhu dan kelembaban yang dapat dikontrol, baik secara manual maupun otomatis menggunakan mikrokontroler. Penelitian sebelumnya menggunakan metode on-off dan notifikasi tanpa algoritma canggih, menghasilkan kestabilan yang kurang optimal. Pada penelitian ini, diterapkan logika fuzzy pada mikrokontroler untuk mengendalikan suhu dan kelembaban ruang pengering kopi dengan sensor SHT11, yang memiliki akurasi kelembaban ±3,0% RH dan suhu 0,4°C, lebih unggul dibanding sensor LM35 atau DHT22, terutama untuk pengukuran kelembaban di bawah 11%.

4. Medote Penelitian [Kembali]

Perancangan Sistem

Sistem kendali suhu dan kelembaban ruang pengering biji kopi dirancang menggunakan logika fuzzy berbasis mikrokontroler Arduino Due, yang dipilih karena kecepatan akses datanya. Input sistem berupa data suhu dan kelembaban dari sensor SHT11, yang memiliki akurasi tinggi dan mengirimkan data digital ke mikrokontroler. Data tersebut diolah menggunakan metode fuzzy Mamdani melalui proses fuzzifikasi, inferensi dengan aturan yang telah ditetapkan, dan defuzzifikasi untuk menghasilkan keputusan kendali. Sistem ini mengatur pemanas udara (heater) untuk pengeringan, blower untuk menyebarkan udara panas, serta exhaust fan untuk mengeluarkan udara lembab dari ruangan. Informasi suhu dan kelembaban ditampilkan pada LCD untuk memantau proses pengeringan. Perancangan sistem dapat dilihat seperti gambar dibawah.

Gambar Perancangan sistem kendali suhu dan kelembaban ruangan pengering biji kopi

Algoritma fuzzy akan dirancang seperti gambar dibawah :

Fuzzyfikasi

Fuzzyfikasi adalah proses mengubah input logika crips (tegas) ke dalam himpunan fuzzy. Fuzzyfikasi memberikan nilai input dalam range 0 dan 1.

Gambar 1 menunjukkan input kelembaban dengan semesta pembicaraan 0 - 100 yang dibagi menjadi keadaan basah, normal dan kering. (kering (0–47%), normal (43–63%), dan basah (59–100%))

Gambar 1 Input Kelembaban

Gambar 2 menunjukkan input suhu dengan semesta pembicaraan 0 - 100'C, meskipun batas atas yang efektif sekitar 50'C. yang dibagi menjadi keadaan dingin, normal dan panas. (dingin (0–15°C), normal (15–37°C), dan panas (24–50°C)).

Gambar 2 Input Suhu

Gambar 3 dan 4 menunjukkan output sistem pemanas dan kipas. dikarenakan heater dan blower dikontrol menggunakan modulasi lebar pulsa (PWM), maka semesta pembicaraan antara 0 - 255. Dimana pemanas dibagi menjadi normal, hangat dan panas. Sedangkan kipas dibagi menjadi lambat, normal dan cepat.

Gambar 3 Output Pemanas

Gambar 4 Output Kipas

Fuzzy Inference System

Proses pemetaan input ke output berdasarkan logika fuzzy menggunakan metode Mamdani.

Input suhu dan kelembaban diterjemahkan ke dalam himpunan fuzzy.
Kombinasi input diolah berdasarkan aturan (rule base) untuk menentukan output pemanas dan kipas.

Rule Base

Rule base digunakan untuk menganalisis input suhu dan kelembaban ruangan, menghasilkan output kondisi pemanas (heater) dan kipas (blower) dalam bentuk fuzzy. Input dan output ini dianalisis menggunakan aturan logika fuzzy IF-THEN. Berikut adalah 10 rule yang digunakan:

IF kelembaban kering AND suhu dingin, THEN kipas lambat, heater hangat.
IF kelembaban kering AND suhu normal, THEN kipas normal, heater normal.
IF kelembaban kering AND suhu panas, THEN kipas cepat.
IF kelembaban normal AND suhu dingin, THEN kipas lambat, heater hangat.
IF kelembaban normal AND suhu normal, THEN kipas normal, heater normal.
IF kelembaban normal AND suhu panas, THEN kipas cepat, heater normal.
IF kelembaban basah AND suhu dingin, THEN kipas cepat, heater panas.
IF kelembaban basah AND suhu normal, THEN kipas normal, heater panas.
IF kelembaban basah AND suhu panas, THEN kipas cepat, heater hangat.
IF kelembaban basah AND suhu panas, THEN kipas cepat.

Secara grafik rule base yang akan dihasilkan adalah seperti gambar :

Gambar diatas merupakan hasil dari simulasi matlab. Dimana Ketika kelembaban 60% dan suhu 50°C, berdasarkan aturan, output PWM pemanas adalah 53.1 (heater normal), dan PWM kipas adalah 191 (kipas cepat). Kondisi ini membantu menurunkan kelembaban ruangan hingga kembali normal.

Defuzzifikasi

Defuzzifikasi adalah proses mengubah output fuzzy menjadi nilai tegas (crisp value) untuk mengontrol perangkat keras.

Output berupa nilai PWM (Pulse Width Modulation) dalam rentang 0–255.
Contoh: Suhu 50°C dan kelembaban 60% menghasilkan PWM pemanas 53.1 (normal) dan kipas 191 (cepat).

Sistem Logika Fuzzy Mikrokontroller

Algoritma fuzzy diimplementasikan pada mikrokontroller dengan menggunakan library eFLL v1.0.10 yang kompatibel dengan fuzzy mamdani dengan bahasa pemrograman C melalui aplikasi Arduino IDE. Langkah nya :

Mendefenisikan fungsi keanggotaan input dan output yang terdiri dari suhu, kelembaban, heater dan blower

Mendefenisikan fungsi keanggotaan secara matematis, kemudian persamaan tersebut diimplementasikan ke dalam sebuah fungsi

Implementasikan dalam kode C yang dilakukan pada tiap kode berdasarkan persamaan matematis sebelumnya

Selanjutnya untuk menyalakan kipas dan heater digunakan intruksi analogwrite seperti berikut :

Nilai heater dan kipas merupakan nilai PWM yang dihitung berdasarkan rule base yang telah dibutat sebelumnya melalui proses implikasi dan defuzzyfikasi.

5. Hasil dan Pembahasan [Kembali]

Penelitian ini pengujian dilakukan pada algoritma logika fuzzy yang dirancang menggunakan FIS Editor Matlab, dan diperoleh hasil simulasi seperti pada Gambar dan terdapat 10 buah rule yang akan diterapkan pada pengendalian suhu dan kelembaban ruangan pengering kopi.

Ketika suhu ruangan melebihi nilai setting, pengontrol logika fuzzy menurunkan suhu pemanas agar lebih dingin hingga suhu setting yang diinginkan. Sebaliknya, jika suhu ruangan di bawah suhu setting, pengontrol menaikkan suhu pemanas untuk menghangatkan ruangan hingga mencapai suhu yang diinginkan.

Grafik Hasil Pengujian Suhu

Pada Gambar grafik hasil pengujian suhu, sumbu-x menunjukkan pengujian ke-n, dan sumbu-y menunjukkan magnitudo suhu yang terbaca. Ketika suhu ruangan kurang dari suhu setting (220°C), logika fuzzy meningkatkan suhu heater, terlihat pada grafik coklat. Sebaliknya, jika suhu terlalu tinggi, logika fuzzy menurunkan suhu heater secara perlahan.

Untuk kelembapan, logika fuzzy mengatur kecepatan kipas. Jika kelembapan terlalu tinggi, kipas menyala pada kecepatan tinggi sehingga mengurangi kelembaban. Dan ketika kembali ke mode normal maka logika fuzzy kontroler akan mengatur kipas kembali ke moder normal.

Grafik Hasil Pengukuran Kelembaban

Grafik hasil pengukuran kelembaban menunjukkan bahwa logika fuzzy mengatur kelembaban sesuai rentang 30-80%. Sumbu-x menunjukkan percobaan ke-n, sedangkan sumbu-y menampilkan nilai setting kelembapan (garis biru) dan setting blower (garis coklat). Ketika kelembapan normal (45%-60%), fuzzy menghasilkan output <1, menandakan kipas beroperasi dalam mode normal. Namun, jika kelembapan melebihi 60%, output fuzzy >1, sehingga kipas diatur ke mode lambat.

Diperoleh hasil perbandingan antara simulasi matlab dengan hasil mikrokontroller

T merupakan suhu ruang pengering dan H merupakan kelembaban relatif. Berdasarkan data pada tabel diperoleh nilai simpangan rata-rata hasil pengukuran yang relatif kecil. Hal tersebut menunjukkan tingkat repeatability dan reproductivity yang baik untuk sebuah instrumen pengukuran.

6. Kesimpulan [Kembali]

Sistem kendali logika fuzzy berbasis mikrokontroler berhasil mengontrol suhu dan kelembaban ruang pengering kopi dengan implementasi 10 rule fuzzy yang mengintegrasikan fungsi keanggotaan suhu, kelembaban, kipas, dan pemanas. Hasil pengujian menunjukkan kesesuaian antara simulasi MATLAB dan implementasi mikrokontroler, serta kemampuan sistem untuk mempertahankan suhu dan kelembaban sesuai set awal. Nilai standar deviasi pengukuran suhu (0.035) dan pengaturan kipas (0.01225) berada di bawah ambang batas rata-rata (0.04 dan 0.13), sehingga kinerja sistem dapat dikategorikan baik.

7. Daftar Pustaka [Kembali]

[1] H. Poerwanty, “PENGARUH SUHU DAN LAMA FERMENTASI KOPI TERHADAP KADAR KAFEIN,” AGP, vol. 10, no. 2, pp. 124–130, Sep. 2021, doi: 10.51978/agro.v10i2.293.

[2] R. Priamudi, “ALAT UJI KADAR AIR PADA BIJI KOPI BERBASIS MIKROKONTROLLER ARDUINO UNO R3,” Jurnal Portal Data, vol. 2, no. 2, Mar. 2022, [Online]. Available: http://portaldata.org/index.php/portaldata/article/view/76

[3] F. H. Purwanto, E. Utami, and E. Pramono, “Design of server room temperature and humidity control system using fuzzy logic based on microcontroller,” in 2018 International Conference on Information and Communications Technology (ICOIACT), Yogyakarta: IEEE, Mar. 2018, pp. 390–395. doi: 10.1109/ICOIACT.2018.8350770.

[4] A. Sunardi, D. Agus, H. Aditya, and W. Susila, “Online air velocity control, temperature and humidity monitoring system for clean room using Raspberry Pi,” IOP Conf. Ser.: Mater. Sci. Eng., vol. 550, no. 1, p. 012011, Jul. 2019, doi: 10.1088/1757- 899X/550/1/012011.

[5] S. A. U. R. Omer and E. Muhammad, “Design of intelligent air conditioner controller using fuzzy logic,” in 2017 International Conference on Innovations in Electrical Engineering and Computational Technologies (ICIEECT), Karachi, Pakistan: IEEE, Apr. 2017, pp. 1–5. doi: 10.1109/ICIEECT.2017.7916556.

[6] A. Iskandar, “Implementasi IoT Pada Sistem Monitoring dan Kendali Otomatis Suhu Dan Kelembaban Ruangan Sarang Burung Walet Berbasis Mikrokontroler,” Jurnal Cyber Tech, vol. 4, no. 8, 2022.

[7] Y. Yolnasdi, A. Arviansyah, D. Irfan, and A. Ambiyar, “Rancang Bangun Pengontrol Suhu Ruangan Berbasis Mikrokontroler Arduino Uno,” INTECOMS: Journal of Information Technology and Computer Science, vol. 3, no. 2, pp. 218–226, 2020.

[8] N. U. Ahamed, Z. B. Taha, I. B. M. Khairuddin, M. F. Rabbi, S. A. M. M. Rahaman, and K. Sundaraj, “Fuzzy logic controller design for intelligent air-conditioning system,” in 2016 2nd International Conference on Control Science and Systems Engineering (ICCSSE), Singapore: IEEE, Jul. 2016, pp. 232–236. doi: 10.1109/CCSSE.2016.7784388.

[9] J. Shaati Jahlool, “Design and Simulation of Automatic Temperature Control and Alert System Based PIC16F887,” APTIKOM Journal Comput. Sci. Inf. Technol., vol. 2, no. 2, pp. 77–85, Jul. 2017, doi: 10.11591/APTIKOM.J.CSIT.108.

[10]S. Kunjumon, K. Pinto, and J. Saldanha, “Temperature and humidity monitoring and alert management system,” International Journal of Engineering Research and General Science, vol. 4, no. 4, pp. 349–351, 2016.

[11]Y. Karinia, V. Violita, H. Tarigan, N. Y. Sudiar, and Y. Yulkifli, “Soil moisture measurement tools using SHT11 sensors based on the Internet of Things,” INVOTEK: Jurnal Inovasi Vokasional dan Teknologi, vol. 21, no. 3, pp. 165–174, 2021.

[12]L. Yu, Q. Zhang, X. Meng, and Z. Yan, “Design of the granary temperature and humidity measure and control systembased on Zigbee wireless sensor network,” in 2011 International Conference on Electrical and Control Engineering, IEEE, 2011, pp. 1055–1058.

[13]A. P. Hidayat and R. Siskandar, “Karakteristik Fisik Kopi Arabika Berbagai Daerah di Indonesia Pada Tingkat Penyangraian Sama,” Jurnal Sains Indonesia, vol. 3, no. 2, pp. 86–92, 2022.

[14]T. P. Satya, M. R. Al Fauzan, and E. M. D. Admoko, “Sensor ultrasonik HCSR04 berbasis arduino due untuk sistem monitoring ketinggian,” Jurnal Fisika Dan Aplikasinya, vol. 15, no. 2, pp. 36–39, 2019.

[15]I. J. Sasongko and M. Rivai, “Mesin pemanggang biji kopi dengan suhu terkendali menggunakan arduino due,” Jurnal Teknik ITS, vol. 7, no. 2, pp. F239–F244, 2018.

[16]S. Sunanto, R. Firdaus, and M. S. Siregar, “Implementasi Logika Fuzzy Mamdani Pada Kendali Suhu dan Kelembaban Ruang Server,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 2, no. 2, pp. 128–136, 2021.

[17]N. Iksan, L. Hidayati, T. Andrasto, and K. Fathoni, “Sistem Kendali Suhu dan Kelembapan pada Alat Penetas Telur Berbasis Fuzzy Logic Controller,” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 8, no. 2, pp. 245–254, 2022.

[18]A. D. Putri and A. Maulana, “Penerapan Metode Mamdani Fuzzy Logic untuk Menentukan Pembelian Alat Berat dalam Proyek Migas di PT SMOE Indonesia,” Jurnal Desain Dan Analisis Teknologi, vol. 2, no. 2, pp. 138–149, 2023.

[19]N. Jarti, “IMPLEMENTASI LOGIKA FUZZY UNTUK PEMILIHAN SEPEDA MOTOR MEREK HONDA DENGAN METODE MAMDANI,” JR: Jurnal Responsive Teknik Informatika, vol. 2, no. 01, pp. 51–58, 2018.

[20]O. Cordón, “A historical review of evolutionary learning methods for Mamdani-type fuzzy rule-based systems: Designing interpretable genetic fuzzy systems,” International journal of approximate reasoning, vol. 52, no. 6, pp. 894–913, 2011.

[21]L.-C. Duţu, G. Mauris, and P. Bolon, “A fast and accurate rule-base generation method for Mamdani fuzzy systems,” IEEE Transactions on Fuzzy Systems, vol. 26, no. 2, pp. 715–733, 2017.

[22]X. Li, T. Zhao, P. Fan, and J. Zhang, “Rule-based fuzzy control method for static pressure reset using improved Mamdani model in VAV systems,” Journal of Building Engineering, vol. 22, pp. 192–199, 2019.

8. Saran [Kembali]

Pada percobaan yang dilakukan, akurasi sistem kendali suhu dan kelembaban ruang pengering biji kopi telah diuji, namun hasil simulasi menunjukkan adanya deviasi pada pengaturan suhu dan kelembaban dengan rata-rata sebesar 0,03500 untuk suhu dan 0,01225 untuk kelembaban. Meskipun deviasi ini masih dalam kategori baik, diperlukan peningkatan untuk memastikan stabilitas sistem dalam berbagai kondisi pengeringan. Salah satu langkah yang dapat dilakukan adalah dengan menambahkan fitur antarmuka berbasis GUI (Graphical User Interface) untuk mempermudah proses pemantauan dan pengaturan parameter sistem. GUI ini memungkinkan pengguna untuk memvisualisasikan data suhu dan kelembaban secara real-time, memodifikasi parameter pengaturan seperti rule base fuzzy logic, serta melakukan analisis terhadap performa sistem. Dengan adanya GUI, proses identifikasi dan koreksi terhadap kesalahan deteksi dapat dilakukan lebih cepat, sehingga diharapkan dapat meningkatkan stabilitas dan akurasi sistem secara keseluruhan.

9. Realisasi Saran [Kembali]

Dengan implementasi GUI pada sistem fuzzy, data yang diperoleh meliputi input parameter dan output sistem secara real-time. Nilai kelembaban diatur menggunakan slider dengan rentang 0-100%, dan nilai suhu dapat diatur antara 0-50°C. Sebagai contoh, untuk pengujian dengan kelembaban sebesar 60% dan suhu 35°C, sistem fuzzy menghasilkan output PWM kipas sebesar 179,59 dan PWM heater sebesar 93,24. Data ini menunjukkan bahwa kipas bekerja pada kecepatan tinggi untuk menurunkan kelembaban, sedangkan heater berada pada tingkat pemanasan sedang untuk menjaga suhu stabil.

Hasil pengujian lainnya menunjukkan deviasi rata-rata output PWM kipas sebesar 0,012 dan output heater sebesar 0,035 dibandingkan dengan nilai yang diinginkan, yang masih dalam batas toleransi. Dengan fitur GUI, pengguna dapat memvariasikan input untuk menghasilkan dataset yang mencakup seluruh kombinasi kelembaban dan suhu, sehingga dapat digunakan untuk analisis mendalam. GUI juga memungkinkan pengamatan langsung terhadap respons sistem dalam kondisi yang berbeda.

Data ini membuktikan bahwa implementasi GUI tidak hanya meningkatkan kemudahan pengelolaan sistem tetapi juga mendukung validasi dan optimasi sistem fuzzy untuk menghasilkan performa yang lebih andal.

Gambar dibawah merupakan kodingan dan output dari Matlab ketika menggunakan fuzzy GUI dalam pengendalian Kelembaban dan suhu.