You are on page 1of 18

MAKALAH

SISTEM FUZZY PADA VACUM CLEANER

OLEH :

REYNOL CHANDRA SIREGAR 2211161073


FAUZY SYAEFUL MARUF 2211161077
IMAM PAHRU RAMDANI 2211161080

PROGRAM STUDI TEKNIK ELEKTRO


FAKULTAS TEKNIK
UNIVERSITAS JENDERAL ACHMAD YANI
CIMAHI
2019
BAB I PENDAHULUAN

1.1. Latar Belakang


Logika Fuzzy merupakan suatu logika yang memiliki nilai kekaburan atau
kesamaran (fuzzyness) antara benar atau salah. Dalam logika klasik dinyatakan bahwa
segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau
tidak), sedangkan 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". Logika ini berhubungan dengan
himpunan fuzzy dan teori kemungkinan. Logika fuzzy ini diperkenalkan oleh Dr. Lotfi
Zadeh dari Universitas California, Berkeley pada 1965.
Logika fuzzy dapat digunakan dalam bidang teori kontrol, teori keputusan, dan
beberapa bagian dalam managemen sains. Selain itu, kelebihan dari logika fuzzy adalah
kemampuan dalam proses penalaran secara bahasa (linguistic reasoning), sehingga
dalam perancangannya tidak memerlukan persamaan matematik dari objek yang
dikendalikan. Adapun salah satu contoh aplikasi logika fuzzy dalam kehidupan sehari-
hari adalah 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 2 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).

Himpunan fuzzy didasarkan pada gagasan untuk memperluas jangkauan fungsi


karakterisik sedemikian hingga fungsi tersebut akan mencakup bilangan riil pada
interval [0,1]. Dalam tugas akhir ini dibahas mengenai kardinalitas, keterbatasan dan
kekonvekan himpunan fuzzy. Pada himpunan fuzzy, sebuah objek dapat berada pada
sebuah himpunan secara parsial. Derajat keanggotaan dalam himpunan fuzzy diukur
dengan fungsi yang merupakan generalisasi dari fungsi karakteristik yang disebut
fungsi keanggotaan atau fungsi kompatibilitas.

1.2. Rumusan Masalah


1. Bagaimana mengetahui deskripsi sitem?
2. Bagaimana alur dari diagram blok?
3. Bagaimana penggambaran arsitektur secara umum?
4. Bagaimana mendeskripsikan formulasi keanggotaan?
5. Bagaimana gambar himpunan fuzzy?
6. Bagaimana aturan-aturan atau rule dengan menggunakan IF THEN?
7. Bagaimana contoh bentuk system dengan memberikan nilai pada masukan?
8. Bagaimana cara menghitung derajat keanggotaan pada setiap variable?
9.Bagaimana cara menghitung nilai tegas menggunakan rata-rata pembobotan?
10. Bagaimana simulasi Bahasa C nya?

1.3. Tujuan
1. Untuk mengetahui deskripsi sitem
2. Untuk mengetahui alur dari diagram blok
3. Untuk mengetahui gambaran arsitektur secara umum
4. Untuk mengetahui deskripsi formulasi keanggotaan
5. Untuk mengetahui gambar himpunan fuzzy?
6. Untuk mengetahui aturan-aturan atau rule dengan menggunakan IF THEN
7. Untuk mengetahui bentuk system dengan memberikan nilai pada masukan
8. Untuk mengetahui nilai derajat keanggotaan pada setiap variable
9. Untuk mengetahui nilai tegas menggunakan rata-rata pembobotan
10. Untuk mengetahui simulasi Bahasa C
BAB II TEORI PENUNJANG

2.1 Logika Fuzzy


Logika Fuzzy adalah peningkatan dari logika Boolean yang berhadapan dengan
konsep kebenaran sebagian. Saat logika klasik menyatakan bahwa segala hal dapat
diekspresikan dalam istilah biner (0 atau 1, hitam atau putih, ya atau tidak), logika
fuzzy menggantikan kebenaran boolean dengan tingkat kebenaran.

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". Logika ini berhubungan dengan set fuzzy dan teori
kemungkinan. Logika fuzzy diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas
California, Berkeley pada 1965.

2.2 Arduino UNO

Arduino Uno adalah board mikrokontroler berbasis ATmega328 (datasheet).


Memiliki 14 pin input dari output digital dimana 6 pin input tersebut dapat
digunakan sebagai output PWM dan 6 pin input analog, 16 MHz osilator kristal,
koneksi USB, jack power, ICSP header, dan tombol reset. Untuk mendukung
mikrokontroler agar dapat digunakan, cukup hanya menghubungkan Board Arduino
Uno ke komputer dengan menggunakan kabel USB atau listrik dengan AC yang-ke
adaptor-DC atau baterai untuk menjalankannya.

Uno berbeda dengan semua board sebelumnya dalam hal koneksi USB-to-serial
yaitu menggunakan fitur Atmega8U2 yang diprogram sebagai konverter USB-to-
serial berbeda dengan board sebelumnya yang menggunakan chip FTDI driver USB-
to-serial.
Nama “Uno” berarti satu dalam bahasa Italia, untuk menandai peluncuran Arduino
1.0. Uno dan versi 1.0 akan menjadi versi referensi dari Arduino. Uno adalah yang
terbaru dalam serangkaian board USB Arduino, dan sebagai model referensi untuk
platform Arduino, untuk perbandingan dengan versi sebelumnya, lihat indeks board
Arduino.

2.3 Sensor Infrared


Infra red (IR) detektor atau sensor infra merah adalah komponen elektronika yang dapat
mengidentifikasi cahaya infra merah (infra red, IR). Sensor infra merah atau detektor
infra merah saat ini ada yang dibuat khusus dalam satu modul dan dinamakan sebagai
IR Detector Photomodules. IR Detector Photomodules merupakan sebuah chip
detektor inframerah digital yang di dalamnya terdapat fotodiode dan penguat
(amplifier).
BAB III PEMBAHASAN

3.1 Deskripsi Sistem


Fuzzy logic merupakan sebuah teknologi yang sekarang ini banyak telah
digunakan pada embedded system peralatan rumah tangga agar semakin efektif pada
kegunaannya dan juga semakin irit biaya penggunaanya juga sekarang banyak yang
menggunakan fuzzy logic pada chip nya. Contoh peralatan tersebut adalah vacuum
cleaner atau pembersih ruangan dan penghisap debu ini merupakan salah satu peralatan
rumah tengga yang sangat penting karena debu merupakah masalah yang selalu ada
tiap ruangan di rumah maupun di perkantoran. Penggunaan vacuum cleaner
menggunakan logika fuzzy ini bertujuan unutuk mempermudah dan pekerjaan yang
dilakukan oleh manusia karena vacuum cleaner ini tidak hanya untuk membersihkan
karpet tapi juga untuk membersihkan ruangan dari berbagai macam permukaan baik
yang halus atau yang tidak halus. Penggunaan logika fuzzy ini dilakukan karena dapat
menghemat daya yang dikelaurakan dan juga sangat praktis untuk dilakukan. Pada
logika fuzzy ini memiliki 2 input dan 1 output. Input yang pertama adalah jumalh debu
yang bada pada ruangan atau karpet, input kedua adalah jenis permukaan yang akan
dihisap, dan outputnya adalah besar hisapan. Pada masing-masing variabel baik input
dan output memiliki 5 buah himpunan baik berbentuk segitiga dan trapesium. Dari
masing-masing himpunan tersebut akan memperoleh suatu rules atau aturan aturan
sebanyak 25 aturan untuk mengetahui berapa besar tingkat hisapan pada kipas tersebut.
3.2 Diagram Blok

Kipas

3.3 Gambar arsitektur secara umum


3.4 Deskripsi Formulasi Keanggotaan

Sangat Sedikit[x]= 0 ; x ≥ 0 & x ≥ 10

(25-x)/(25-10) ; 10 ≤ x ≤ 25

Sedikit[x] = (x-15)/(30-15) ; 15 ≤ x ≤ 30

1;0

(45-x)/(45-30) ; 30 ≤ x ≤ 45

Sedang[x] = (x-35)/(50-35) ; 35 ≤ x ≤ 50

1;0

(65-x)/(65-50) ; 50 ≤ x ≤ 65

Banyak[x] = (x-55)/(70-55) ; 55 ≤ x ≤ 70

1;0

(85-x)/(85-70) ; 70 ≤ x ≤ 85
Sangat Banyak[x]= (x-75)/(90-75) ; 75 ≤ x ≤ 90

Tidak Halus[x]= 0 ; x ≥ 0 & x ≥ 10

(25-x)/(25-10) ; 0 ≤ x ≤ 25

Kurang Halus[x] = (x-15)/(30-15) ; 15 ≤ x ≤ 30

1;0

(45-x)/(45-30) ; 30 ≤ x ≤ 45

Sedang[x] = (x-35)/(50-35) ; 35 ≤ x ≤ 50

1;0

(65-x)/(65-50) ; 50 ≤ x ≤ 65

Halus[x] = (x-55)/(70-55) ; 55 ≤ x ≤ 70

1;0
(85-x)/(85-70) ; 70 ≤ x ≤ 70

Sangat Halus[x]= (x-75)/(90-75) ; 75 ≤ x ≤ 90

Input 1
Sangat Sedikit Sedang Banyak Sangat
Input 2 Sedikit Banyak
Tidak Halus TK TK KK K SK
Kurang Halus TK KK S K SK
Sedang TK KK S K SK
Halus TK KK S K SK
Sangat Halus KK KK S SK SK
3.5 Gambar himpunan fuzzy
3.6 Aturan IF THEN dengan implikasi AND

1. IF Jumlah debu sangat sedikit AND permukaan kasar THEN besar hisapan lambat.

2. IF Jumlah debu sangat sedikit AND permukaan agak kasar THEN besar hisapan
lambat.

3. IF Jumlah debu sangat sedikit AND permukaan sedang THEN besar hisapan lambat.

4. IF Jumlah debu sangat sedikit AND permukaan halus THEN besar hisapan lambat.

5. IF Jumlah debu sangat sedikit AND permukaan sangat halus THEN besar hisapan
agak lambat.

6. IF Jumlah debu sedikit AND permukaan kasar THEN besar hisapan agak lambat.

7. IF Jumlah debu sedikit AND permukaan agak kasar THEN besar hisapan agak
lambat.

8. IF Jumlah debu sedikit AND permukaan sedang THEN besar hisapan agak lambat.
9. IF Jumlah debu sedikit AND permukaan halus THEN besar hisapan agak lambat.

10. IF Jumlah debu sedikit AND permukaan sangat halus THEN besar hisapan agak
lambat

11. IF Jumlah debu sedang AND permukaan kasar THEN besar hisapan agak lambat.

12. IF Jumlah debu sedang AND permukaan agak kasarTHEN besar hisapan sedang.

13. IF Jumlah debu sedang AND permukaan sedang THEN besar hisapan sedang.

14. IF Jumlah debu sedang AND permukaan halus THEN besar hisapan sedang.

15. IF Jumlah debu sedang AND permukaan sangat halus THEN besar hisapan sedang.

16. IF Jumlah debu banyak AND permukaan kasar THEN besar hisapan kencang.

17. IF Jumlah debu banyak AND permukaan agak kasar THEN besar hisapan kencang.

18. IF Jumlah debu banyak AND permukaan sedang THEN besar hisapan kencang.

19. IF Jumlah debu banyak AND permukaan halus THEN besar hisapan kencang.

20. IF Jumlah debu banyak AND permukaan sangat halus THEN besar hisapan sangat
kencang.

21. IF Jumlah debu sangat banyak AND permukaan kasar THEN besar hisapan sangat
kencang.

22. IF Jumlah debu sangat banyak AND permukaan agak kasar THEN besar hisapan
sangat kencang.

23. IF Jumlah debu sangat banyak AND permukaan sedang THEN besar hisapan sangat
kencang.

24. IF Jumlah debu sangat banyak AND permukaan halus THEN besar hisapan sangat
kencang.
25. IF Jumlah debu sangat banyak AND permukaan sangat halus THEN besar hisapan
sangat kencang.

3.7 Bentuk system dengan memberikan nilai pada masukan

Pada sebuah kantor terdapat ruangan meeting yang jarang digunakan sehingga terdapat
banyak debu yang menempel sehingga dibutuhkan vacuum cleaner untuk
membersihkan. Jika jumlah debu 43 dan permukaan 77 hitung besar hisapan pada
vacuum tersebut?

input 1 Sedikit Sedang


input 2
Halus Agak lambat Sedang
Sangat halus Agak lambat Sedang

3.8 Menghitung derajat keanggotaan pada setiap variable

Hsedikit[43] = 45 - 43/45 - 30 = 0.13

Hsedang[43] = 43 - 35/50 - 35 = 0.53

Hhalus[77] = 85 - 77/85 - 70 = 0.53

Hsangathalus[77] = 77 - 75/90 - 75 = 0.13

3.9 Menghitung nilai tegas menggunakan rata-rata pembobotan

Hagaklambat[z] = Hsedikit[43]⁀Hhalus[77] = min(0.13 ; 0.53) = 0.13


Hagaklambat[z] = Hsedikit[43]⁀Hsangathalus[77] = min(0.13 ; 0.13) = 0.13
Hsedang[z] = Hsedang[43]⁀Hhalus[77] = min(0.53 ; 0.53) = 0.53
Hsedang[z] = Hsedang[43]⁀Hsangathalus[77] = min(0.53 ; 0.13) = 0.13

1. Hagaklambat[z] = 0.13
0.13 = z - 15/ 30 – 15 0.13 = 45 – z/45 – 30
1.95 = z – 15 1.95 = 45 - z
z = 16.95 z = 43.05

2. Hagaklambat[z] = 0.13
0.13 = z - 15/ 30 – 15 0.13 = 45 – z/45 – 30
1.95 = z – 15 1.95 = 45 - z
z = 16.95 z = 43.05

3. Hsedang[z] = 0.53
0.53 = z - 35/ 50 – 35 0.53 = 65 – z/65 – 50
7.95 = z – 35 7.95 = 65 - z
z = 42.95 z = 57.05

4. Hsedang[z] = 0.13
0.13 = z - 35/50 – 35 0.13 = 65 – z/65 – 50
1.95 = z – 35 1.95 = 65 - z
z = 36.95 z = 63.05

Z = (0.13)(16.95) + (0.13)(43.05) + (0.13)(16.95) + (0.13)(43.05) + (0.53)(42.95) +


(0.53)(57.05) + (0.13)(36.95) + (0.13)(63.05)
0.13 + 0.13 + 0.13 + 0.13 + 0.53 + 0.53 + 0.13 + 0.13
Z = 2.20 + 5.59 + 2.20 + 5.59 + 22.76 + 30.23 + 4.80 + 8.19
1.84
Z = 81.56
1.84
Z = 44.32
BAB IV PENUTUP

5.1 Kesimpulan

Logika merupakan ilmu yang sangat penting untuk dipelajari, karena merupakan ilmu
dasar bagi ilmu-ilmu yang lain. Hal ini dapat dilihat dari beberapa contoh yang
dipaparkan di atas. Selain itu, logika juga merupakan ilmu untuk berpikir secara
sistematis, sehingga mudah dipahami dan dapat dirunut kebenarannya.

Logika juga sangat banyak digunakan pada dunia pemrograman, karena hampir setiap
bahasa pemrograman menggunakan logika dalam pemecahan permasalahan dan setiap
decision-nya. Oleh karena itu, sangat penting kiranya untuk mempelajari logika.