Welcome

Tampilkan postingan dengan label Logika Fuzzy. Tampilkan semua postingan
Tampilkan postingan dengan label Logika Fuzzy. Tampilkan semua postingan

Senin, 08 November 2010

Kinerja Rice Cooker

Setrika listrik atau rice cooker adalah contoh sistem pengaturan loop tertutup temperatur dengan bimetal (Gambar 2.3). Kondisi awal bimetal pada kondisi masih dingin akan menutup sehingga kontak tertutup sehingga arus listrik mengalir ke elemen pemanas. Sampai temperatur setting dicapai, maka bimetal akan terputus dan arus listrik terputus pula. Bila temperatur kembali dingin bimetal terhubung kembali dan kembali pemanas akan bekerja lagi, kejadian berulang-ulang kondisi ON dan OFF secara otomatis. .2 Komponen Sistem Pengendalian

Dalam sistem pengendalian ada dua kelompok komponen listrik yang dipakai, yaitu komponen kontrol dan komponen daya. Yang termasuk komponen kontrol di antaranya: sakelar ON, sakelar OFF, timer, relay overload, dan relay. Komponen daya di antaranya kontaktor, kabel daya, sekering atau circuit breaker. Berikut ini akan dijelaskan konstruksi beberapa komponen kontrol dan komponen daya yang banyak digunakan dalam system pengendalian. Tabel di bawah menunjukkan ada empat tipe kontak yang umum dipakai pada sistem pengendalian, yaitu Normally Open (NO), Normally Close (NC), dan Satu Induk Dua Cabang (Gambar 2.4).

Kontak Normally Open (NO),saat koil dalam kondisi tidak energized kontak dalam posisi terbuka
open, OFF) dan saat koil diberikan arus listrik dan 1 maka kontak dalam posisi menutup ON.
Kontak Normally Close (NC), kebalikan dari kontak NO saat koil dalam kondisi tidak energized
kontak dalam posisi tertutup (close, ON) dan saat koil diberikan arus listrik dan energized maka
kontak dalam posisi membuka OFF.
Kontak Single pole double trough, memiliki satu kontak utama dan dua kontak cabang, saat koil
tidak energized kontak utama terhubung dengan cabang atas, dan saat koil energized justru
kontak utama terhubung dengan kontak cabang bawah.
Kontak bantu, Dikenal dua jenis ujung kontak, jenis pertama kontak dengan dua kontak hubungi
jumpai pada kontak relay (Gambar 2.5). Jenis kedua adalah kontak dengan empat kontak hubung, ada bagian yang diam dan ada kontak yang bergerak ke bawah jenis kedua ini terpasang pada kontaktor.

Komponen relay ini bekerja secara elektromagnetis, ketika koil K terminal A1 dan A2 diberikan arus listrik angker akan menjadi magnet dan menarik lidah kontak yang ditahan oleh pegas, kontak utama 1 terhubung dengan kontak cabang 4 (Gambar 2.6). Ketika arus listrik putus (unenergized), elektromagnetiknya hilang dan kontak akan kembali posisi awal karena ditarik oleh tekanan pegas, kontak utama 1 terhubung kembali dengan kontak cabang 2. Relay menggunakan tegangan DC 12 V, 24 V, 48 V, dan AC 220 VKontaktor merupakan sakelar daya yang bekerja dengan prinsip elektromagnetik (Gambar 2.7). Sebuah koil dengan inti berbentuk huruf E yang diam, jika koil dialirkan arus listrik akan menjadi magnet dan menarik inti magnet yang bergerak dan menarik sekaligus kontak dalam posisi ON. Batang inti yang bergerak menarik paling sedikit 3 kontak utamadan beberapa kontak bantu bisa kontak NC atau NO. Kerusakan yang terjadi pada kontaktor,karena belitan koil terbakar atau kontak tipnya saling lengket atau ujung-ujung kontaknya terbakar. Susunan kontak dalam Kontaktor Gambar 2.8 secara skematik terdiri atas belitan koil dengan notasi A2-A1. Terminal ke sisi sumber pasokan listrik 1/L1, 3/L2, 5/L3, terminal ke sisi beban motor atau beban listrik lainnya adalah 2/T1, 4/T2 dan 6/T3. Dengan dua kontak bantu NO Normally Open 13-14 dan 43-44, dan dua kontak bantu NC Normally Close 21-22 dan 31-32. Kontak utama harus digunakan dengan sistem daya saja, dan kontak bantu difungsikan untuk kebutuhan rangkaian kontrol tidak boleh dipertukarkan. Kontak bantu sebuah kontaktor bisa dilepaskan atau ditambahkan secara modular.

Bentuk fisik kontaktor terbuat dari bahan plastik keras yang kokoh (Gambar 2.9). Pemasangan ke panel bisa dengan menggunakan rel atau disekrupkan. Kontaktor bisa digabungkan dengan beberapa pengaman lain, misalnya dengan pengaman bimetal atau overload relay. Yang harus diperhatikan adalah kemampuan hantar arus kontaktor harus disesuaikan dengan besarnya arus beban, karena berkenaan dengan kemampuan kontaktor secara elektrik.

Pengaman sistem daya untuk beban motor-motor listrik atau beban lampu berdaya besar bisa menggunakan sekering atau Miniatur Circuit Breaker (MCB) Gambar 2.10. MCB adalah komponen pengaman yang kompak, karena di dalamnya terdiri dua pengaman sekaligus. Pertama pengaman beban lebih oleh bimetal, kedua pengaman arus hubung singkat oleh relay arus. Ketika salah satu pengaman berfungsi maka secara otomatis sistem mekanik MCB akan trip dengan sendirinya. Pengaman bimetal bekerja secara thermis, fungsi kuadrat arus dan waktu sehingga ketika terjadi beban lebih reaksi MCB menunggu beberapa saat.

Komponen Motor Control Circuit Breaker1 (MCCB) memiliki tiga fungsi sekaligus, fungsi pertama sebagai switching, fungsi kedua pengamanan motor dan fungsi ketiga sebagai isolasi rangkaian primer dengan beban (Gambar 2.11). Pengaman beban lebih dilakukan oleh bimetal, dan pengamanan hubung singkat dilakukan oleh koil arus hubung singkat yang secara mekanik bekerja mematikan Circuit Breaker. Rating arus yang ada di pasaran 16 A sampai 63 A.

Bentuk fisik Motor Control Circuit Breaker (MCCB) terbuat dari casing plastik keras yang melindungi seluruh perangkat koil arus hubung singkat, bimetal, dan kontak utama (Gambar 2.12). Pengaman beban lebih bimetal dan koil arus hubung singkat terpasang terintegrasi. Memiliki tiga terminal ke sisi pemasok listrik 1L1, 3L2, dan 5L3. Memiliki tiga terminal terhubung ke beban yaitu 2T1, 4T2 dan 6T3. Terminal ini tidak boleh dibalikkan pemakaiannya, karena akan mempengaruhi fungsi alat pengaman.








Sejarah dan Definisi Logika Fuzzy

Sejarah dan definisi Logika Fuzzy
Logika Fuzzy merupakan salah satu sistem cerdas, dimana ciri dari sistem cerdas adalah sebagai berikut:
1. Kemampuan belajar dan penalaran tampak nyata
2. Kemampuan mengolah data/fakta yang tidak jelas/kabur (fuzzy) dengan mudah
3. Kemudahan pengembangannya.
Logika Fuzzy merupakan pengembangan dari teori himpunan fuzzy yang diprakarsai oleh Prof. Lofti A. Zadeh dari University California USA, pada tahun 1965. Menurut Lofti A. Zadeh . Logika Fuzzy adalah ‘Suatu sistem yang digunakan untuk menangani konsep kebenaran parsial yaitu kebenaran yang berada diantara sepenuhnya benar dan sepenuhnya salah’ (Yan, Jun. 1994;14).
Logika Fuzzy berbeda dengan logika digital biasa, dimana logika digital biasanya hanya mengenal dua keadaan yaitu 'Ya'-'Tidak' atau `ON'-'OFF' atau High'-`Low' atau `1'-`0'. Misalnya pada rice cooker, produk tersebut hanya berbekal sistem kendali 'ON'¬'OFF, ia akan berada pada posisi `ON' bila keadaan tertentu terpenuhi, dan akan `OFF' bila keadaan lain terpenuhi. Sedangkan ciri-ciri kecerdasan seperti kemampuan belajar (learning) dan penalaran (reasoning) tidak dipunyai oleh rice cooker.

Alasan Digunakannya Logika Fuzzy :
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami

Aplikasi
Beberapa aplikasi logika fuzzy, antara lain:
1. Pada tahun 1990 pertama kali dibuat mesin cuci dengan logika fuzzy di Jepang (Matsushita Electric Industrial Company). Sistem fuzzy digunakan untuk menentukan putaran yang tepat secara otomatis berdasarkan jenis dan banyaknya kotoran serta jumlah yang akan dicuci. Input yang digunakan adalah: seberapa kotor, jenis kotoran, dan banyaknya yang dicuci. Mesin ini menggunakan sensor optik , mengeluarkan cahaya ke air dan mengukur bagaimana cahaya tersebut sampai ke ujung lainnya. Makin kotor, maka sinar yang sampai makin redup. Disamping itu, sistem juga dapat menentukan jenis kotoran (daki atau minyak).
2. Transmisi otomatis pada mobil. Mobil Nissan telah menggunakan sistem fuzzy pada transmisi otomatis, dan mampu menghemat bensin 12 – 17%.
3. Kereta bawah tanah Sendai mengontrol pemberhentian otomatis pada area tertentu.
4. Ilmu kedokteran dan biologi, seperti sistem diagnosis yang didasarkan pada logika fuzzy, penelitian kanker, manipulasi peralatan prostetik yang didasarkan pada logika fuzzy, dll.
5. Manajemen dan pengambilan keputusan, seperti manajemen basisdata yang didasarkan pada logika fuzzy, tata letak pabrik yang didasarkan pada logika fuzzy, sistem pembuat keputusan di militer yang didasarkan pada logika fuzzy, pembuatan games yang didasarkan pada logika fuzzy, dll.
6. Ekonomi, seperti pemodelan fuzzy pada sistem pemasaran yang kompleks, dll.
7. Klasifikasi dan pencocokan pola.
8. Psikologi, seperti logika fuzzy untuk menganalisis kelakuan masyarakat, pencegahan dan investigasi kriminal, dll.
9. Ilmu-ilmu sosial, terutam untuk pemodelan informasi yang tidak pasti.
10. Ilmu lingkungan, seperti kendali kualitas air, prediksi cuaca, dll.
11. Teknik, seperti perancangan jaringan komputer, prediksi adanya gempa bumi,dll.
12. Riset operasi, seperti penjadwalan dan pemodelan, pengalokasian, dll.
13. Peningkatan kepercayaan, seperti kegagalan diagnosis, inspeksi dan monitoring produksi.

Penerapan Logika Fuzzy
Contoh aplikasi logika fuzzy antara lain:
• Penerapan logika fuzzy dalam pengaturan kipas angin atau AC. Dimana dalam masalah ini digunakan thermometer untuk menentukan suhu ruangan, dan variabel fuzzy yang dimodelkan adalah suhu ruangan dan putaran mesin. Dengan himpunan fuzzy untuk variabel suhu ruangan adalah dingin, sedang, dan panas. Sedang untuk variable putaran mesin, himpunan fuzzy yang dipakai adalah lambat, sedang dan cepat.
• Penerapan logika fuzzy dalam otomatisasi persneling pada mobil otomatis. Pada masalah ini variable fuzzy yang dimodelkan adalah putaran mesin dan posisi gear kendaraan. Dengan himpunan fuzzy untuk variabel putaran mesin adalah rendah, sedang, dan tinggi. Dan untuk variabel posisi gear adalah kecil, sedang, dan besar.
• Penerapan logika fuzzy dalam penentuan diafragma pada kamera foto manual. Variabel yang digunakan adalah intensitas cahaya dan ukuran diafragma. Dengan himpunan fuzzy untuk variabel intensitas cahaya adalah gelap, sedang, dan terang. Dan untuk variabel ukuran diafragma adalah buka penuh, buka setengah, dan buka sedikit. Dan masih banyak lagi aplikasi lainnya

Rabu, 03 November 2010

Pengertian Logika Fuzzy

Fuzzy secara bahasa diartikan sebagai kabur atau samar-samar. Suatu nilai dapat bernilai besar atau salah secara bersamaan. Dalam fuzzy dikenal derajat keanggotaan yang memiliki rentang nilai 0 (nol) hingga 1(satu). Berbeda dengan himpunan tegas yang memiliki nilai 1 atau 0 (ya atau tidak). 
Logika Fuzzy merupakan  seuatu logika yang memiliki nilai kekaburan atau kesamaran (fuzzyness) antara benar atau salah. Dalam teori logika fuzzy suatu nilai bias bernilai benar atau salah secara bersama. Namun berapa besar keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan yang dimilikinya. Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda  dengan logika digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan sangat cepat. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai itu salah. Tidak seperti logika klasik (scrisp)/ tegas, suatu nilai hanya mempunyai 2 kemungkinan yaitu merupakan suatu anggota himpunan atau tidak. Derajat keanggotaan 0 (nol) artinya nilai bukan merupakan anggota himpunan dan 1 (satu) berarti nilai tersebut adalah anggota himpunan.   
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang output, mempunyai nilai kontinyu. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian salah pada waktu yang sama (Kusumadewi. 2004)
Logika Fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan" dan "sangat" (Zadeh 1965).
Kelebihan dari teori logika fuzzy  adalah kemampuan dalam proses penalaran secara bahasa (linguistic reasoning). Sehingga dalam perancangannya tidak memerlukan persamaan matematik dari objek yang akan dikendalikan. 

Fuzzy Clustering
Fuzzy clustering adalah salah satu teknik untuk menentukan cluster optimal dalam suatu ruang vektor yang didasarkan pada bentuk normal euclidian untuk jarak antar vektor. Fuzzy clustering sangat berguna bagi pemodelan fuzzy terutama dalam mengindentifikasi aturan-aturan fuzzy. Metode clustering merupakan pengelompokan data beserta parameternya dalam kelompok – kelompok sesuai kecenderungan sifat dari masing-masing data tersebut (kesamaan sifat). 
Ada beberapa algoritma clustering data, salah satu diantaranya adalah Fuzzy C-Means. Fuzzy C-Means adalah suatu teknik peng-cluster-an yang mana keberadaannya tiap-tiap titik data dalam suatu cluster ditentukan oleh derajat keanggotaan. Teknik ini pertama kali diperkenalkan oleh Jim Bezdek pada tahun 1981.
Konsep dari Fuzzy C-Means pertama kali adalah menentukan pusat cluster, yang akan menandai lokasi rata-rata untuk tiap-tiap cluster. Pada kondisi awal, pusat cluster ini masih belum akurat. Tiap-tiap titik data memiliki derajat keanggotaan untuk tiap-tiap cluster. Dengan cara memperbaiki pusat cluster dan derajat keanggotaan tiap-tiap titik data secara berulang, maka akan dapat dilihat bahwa pusat cluster akan bergerak menuju lokasi yang tepat. Perulangan ini didasarkan pada minimasi fungsi obyektif yang menggambarkan jarak dari titik data yang diberikan kepusat cluster yang terbobot oleh derajat  keanggotaan titik data tersebut.
Output dari Fuzzy C-Means merupakan deretan pusat cluster dan beberapa derajat keanggotaan untuk tiap-tiap titik data. Informasi ini dapat digunakan untuk membangun suatu fuzzy inference system.