1

BAB I
PENDAHULUAN
1.1 Latar Belakang
Sistem kontrol sekarang telah memegang peranan penting dalam
perkembangan ilmu dan teknologi terutama dalam proses dan hasil industri.
Tetapi tidak jarang dalam praktek di lapangan, sistem pengaturan baik secara
konvensional maupun secara modern masih menggunakan pendekatan matematis
(hard computing) terhadap plantnya.
Proses penalaran merupakan bagian yang sangat penting dalam sistem cerdas.
Adakalanya proses penalaran mengandung data-data atau informasi yang
mengandung ketidaktepatan dan ketidakpastian. Hal ini biasanya terjadi apabila
diterapkan penalaran induktif, dimana munculnya fakta baru dapat mengakibatkan
kesimpulan yang sudah terbentuk bisa berubah nilai kebenarannya, atau bahkan
salah sama sekali. Bentuk penalaran statistik merupakan suatu solusi untuk
menyelesaikan permasalahan tersebut, seperti aplikasi teori probabilitas Bayes,
penggunaan certainty factor, atau penerapan teori Demster Shafer. Namun
sekarang telah dikenal teknik-teknik pendekatan dalam menyalesaikan dalam
penyelesaian masalah yang kemudian dikenal dengan soft computing. Soft
computing adalah suatu model pendekatan untuk melakukan komputasi dengan
meniru akal manusia dan memiliki kemampuan untuk menalar dan belajar pada
lingkungan yang penuh dengan ketidakpastian dan ketidaktepatan. Soft computing
mulai diperkenalkan oleh Lotfi A Zadeh pada tahun 1992. Komponen utama
pembentuk soft computing adalah sistem fuzzy (fuzzy system), jaringan syaraf
(neural network), algoritma evolusioner (evolutionary algorithm), dan penalaran
dengan probabilitas (probabilistic reasoning). Keempat komponen itu bukanlah
untuk merupakan pesaing antara satu dan yang lainnya, melainkan saling
melengkapi.
Adakalanya komponen-komponen utama soft computing saling
dipadupadankan untuk mendapatkan algoritma yang lebih sempurna. Salah
2
satunya adalah ANFIS (Adaptive Neuro Fuzzy Inference System) yaitu jaringan
syaraf digunakan untuk mengimplementasikan Fuzzy Inference System.
Contoh beberapa aplikasi industri yang menggunakan sistem cerdas misalnya
penerapan algoritma genetika untuk produk konsumsi telah mulai dilakukan di
Korea sejak 1994, antara lain untuk pengaturan aliran udara dingin pada lemari es,
pengendali motor pada mesin cuci untuk mencuci wool. Fuzzy Neural network
juga telah diaplikasikan untuk mesin cuci, vacum cleaner, penanak nasi, pencuci
piring, pemanggang roti, kulkas, kipas angin, dan fotokopi. Produk lain yang
menggunakan fuzzy neural network adalah kipas angin elektrik yang
dikembangkan oleh Sanyo, dengan menggunakan tiga sensor infra merah, kipas
angin ini dapat berubah arah secara otomatis tergantung lokasi pengguna. Aplikasi
lainnya adalah proses neuro-fuzzy digunakan untuk melakukan optimasi pada
sistem manufaktur yang dikenal dengan arsitektur MANFIS (Multiple Adaptive
Neuro Fuzzy Inference System), neuro-fuzzy juga digunakan untuk evaluasi
portfolio.
Neuro Fuzzy Inference System merupakan sekumpulan aturan dan suatu
metode inferensi yang dikombinasikan dalam suatu struktur terhubung kemudian
dilakukan pelatihan dan adaptasi, salah satu model yang merupakan bentuk
jaringan adaptif yang berfungsi seperti halnya sistem inferensi fuzzy adalah
Adaptive Neuro Fuzzy Inference System (ANFIS).
Dalam tugas akhir ini dijelaskan mengenai metode yang digunakan
mengembangkan suatu model kontroler Adaptive Neuro Fuzzy Inference System
(ANFIS) untuk mengontrol kecepatan motor DC dengan tujuan untuk
merealisasikan ANFIS kontroler kedalam suatu bentuk perangkat lunak (software)
yang mampu mengendalikan kecepatan motor DC. Mengembangkan neuro-fuzzy
melalui pembelajaran secara self-organization pada data-data yang dilatih untuk
mendapatkan jumlah aturan fuzzy yang optimal dan untuk membangkitkan pusat
fungsi keanggotaan.
Sedangkan untuk mensinkronkan antara kontroler ANFIS yang digunakan
sebagai pengatur kecepatan putar motor DC dengan PC (Personal Computer)
adalah interface MF 624. Dalam penggunaannya, interface MF 624 ini sangat
3
mudah digunakan dan sesuai untuk komputer PCI maupun ISA itulah yang
mempermudah perancang dalam penggunaannya. Interface ini juga dapat sebagai
penghubung antara dua PC. Sistem tersebut dapat diaplikasikan dengan
menggunakan software program Matlab.
1.2 Tujuan
Tujuan dari tugas akhir ini adalah,
1. Merancang pengendali kecepatan putar motor DC dengan menggunakan
kontroler Adaptive Neuro Fuzzy Inference System (ANFIS) menggunakan
program Matlab.
2. Melakukan teknik Pengaturan kecepatan putar motor DC dengan kontroler
Adaptive Neuro Fuzzy Inferece System (ANFIS) menggunakan MF 624
sebagai interface PC (Personal Computer).
3. Melakukan analisa terhadap performansi sistem yang dikendalikan oleh
kontroler Adaptive Neuro Fuzzy Inference System (ANFIS).
4. Melakukan analisa perbandingan performansi sistem yang dikendalikan
oleh kontroler ANFIS dengan sistem tanpa kontroler maupun dikendalikan
dengan kontroler lainnya seperti Fuzzy dan PID dalam simulasi.
1.3 Rumusan Masalah
Berdasar uraian di atas masalah yang timbul dari tugas akhir ini adalah,
1. Bagaimana mengaplikasikan ANFIS untuk mengatur kecepatan putar
motor DC.
2. Bagaimana pemodelan teknik pengaturan kecepatan putar motor DC
dengan kontroler Adaptive Neuro Fuzzy Inference System (ANFIS)
menggunakan MF 624 sebagai interface PC.
3. Bagaimana merancang kontroler ANFIS yang sesuai untuk sistem agar
memperoleh performansi yang diharapkan.
4. Bagaimana menguji sistem kontrol aplikasi dari ANFIS untuk motor
dalam bidang datar, tanjakan, dan turunan.
5. Bagaimana menganalisa karakteristik dari motor dengan kontroler ANFIS.
4
1.4 Batasan Masalah
Agar tujuan dari tugas akhir ini tidak menyimpang dari tujuan semula,
dibutuhkan suatu batasan-batasan yang jelas guna mengarahkan pembahasan.
Batasan-batasan masalah tersebut adalah sebagai berikut,
1. Membahas bagaimana desain lup tertutup dengan kontroller Adaptive
Neuro Fuzzy Inference System (ANFIS) untuk motor DC berdasarkan
fungsi alih yang diperoleh.
2. Motor DC yang dikendalikan adalah motor DC GM320051-SY4424.
3. Pengujian terhadap pengendalian system dilakukan melalui proses
simulasi, yaitu menggunakan simulink Matlab.
4. Pengujian terhadap pengendalian system juga dilakukan melalui PC pada
motor DC dengan interface MF 624.
1.5 Metodologi
1. Studi Literatur
Yaitu melakukan pengkajian berdasarkan data data yang didapat dari
perpustakaan atau sumber lainnya yang berupa buku, internet, ataupun dari
buku laporan penelitian.
2. Field Research
Yaitu memperoleh data dengan cara langsung dalam analisis dan simulasi
pada perancangan.
3. Perancangan
1. Memodelkan sistem motor DC berbeban.
2. Desain kontroler Adaptive Neuro Fuzzy Inference System (ANFIS)
untuk mengontrol kecepatan putaran motor DC agar putaran stabil
dalam keadaan berbeban.
3. Simulasi tanggapan transien untuk motor DC menggunakan
kontroler Adaptive Neuro Fuzzy Inference System (ANFIS) pada
program Matlab.
5
4. Desain mobil-mobilan dengan penggerak motor DC yang mampu
berjalan dengan kecepatan konstan pada lintasan tanjakan dan
turunan dan berbeban.
5. Pengaplikasian kontroler Adaptive Neuro Fuzzy Inference System
(ANFIS) dalam Real Time Windows Target dengan Matlab
menggunakan interface MF624 untuk mengontrol kecepatan putar
motor DC.
4. Pengujian
Pengujian dilakukan untuk mengetahui suatu performa dari suatu
pemodelan sistem terhadap motor DC dari fungsi alih yang
diperoleh.
Melakukan pengujian sistem di laboratorium.
5. Analisis data
Yaitu dengan jalan membuat analisa secara aktual dan dengan menarik
kesimpulan serta pengujian data yang ada, yang merupakan perbedaan
sistem tanpa kontroler dan dengan kontroler Adaptive Neuro Fuzzy
Inference System (ANFIS).
6. Pengambilan kesimpulan
Yaitu berisikan kesimpulan dan saran atas analisa yang dibuat.
1.6 Sistematika Pembahasan
Sistematika pembahasan pada tugas akhir Pengaturan Kecepatan Putar Motor
DC Menggunakan Sistem Adaptive Neuro Fuzzy Inference System (ANFIS)
untuk Aplikasi I/O Board MF 624 adalah sebagai berikut:
BAB I Pendahuluan
Pada Bab I ini akan menguraikan secara garis besar terhadap permasalahan
yang terdiri dari latar belakang, rumusan masalah, batasan masalah, tujuan,
metodologi pembahsan, sistematika pembahasan.
6
BAB II Dasar Teori
Pada Bab II ini akan menjelaskan teori yang mendasari penyusunan tugas
akhir ini.
BAB III Analisa dan Perancangan
Pada Bab III ini akan membahas tentang perancangan dan pembuatan tiap
blok system perangkat lunak dan keras yang kemudian akan digabungkan
menjadi satu kesatuan, sehingga menghasilkan suatu simulasi secara
keseluruhan.
BAB IV Pengujian Alat
Pada Bab IV ini akan membahas tentang hasil pengujian pada MF 624 sebagai
interface yang telah ter-intergreated dengan program Matlab dengan
menggunakan kontroler Adaptive Neuro Fuzzy Inference System (ANFIS).
Pengujian ini berupa pengaturan kecepatan putar motor DC agar putaran
motor DC tetap stabil.
BAB V Kesimpulan dan Saran
Pada Bab V ini berisikan kesimpulan dari penyusunan tugas akhir dan saran
untuk pengembangan selanjutnya.