MEMBERSHIP FUNCTION PADA FUZZY LOGIC CONTROLL

MENGGUNAKAN MATLAB
(Ordo 5 x 5)

Setiama Fajar Rifai (1303121038)

Program Studi DIII Teknik Elektro Industri, Departemen Teknik Elektro
Politeknik Elektronika Negeri Surabaya
setiamafajar@gmail.com

Abstrak tersebut dapat diartikan sebagai suhu antara panas

dan dingin, seperti hangat sedangdan sejuk. Pada
Pada zaman yang telah maju seperti saat ini, fuzzy terdapat membership fuction (fungsi
hampir semua proses atau kegiatan manusia keanggotaan)
dibantu dengan proses pengontrolan. Banyak yaitu suatu
jenis kontrol yang telah ada, salah satunya kurva yang
adalah fuzzy logic control. Fuzzy ini memiliki menunjukkan
perbedaan dengan kontrol jenis lain, yaitu pemetaan titik
kontroler fuzzy bekerja pada nilai samar titik input data
(diantara). Pada fuzzy, terdapat elemen penting, ke dalam derajat
yaitu membership function (fungsi keanggotaan). keanggotaannya
Dengan menggunakan simulasi Matlab, yang memiliki
dilakukan pengamatan pada membership function interval antara 0 sampai 1, jika pada contoh yaitu
dengan ordo 5x5. Pengamatan dilakukan untuk dari panas sampai dingin. Fungsi keanggotaan
mengetahui pengaruh dari variasi perubahan rule (membership function) yang sering digunakan
base dari membership function tersebut. Secara terdiri dari beberapa jenis, yaitu :
umum yang terpengaruh ialah Maksimum over a. Fungsi segitiga
shoot, time rise, time steady, dan setling time. Merupakan fungsi garis linier dengan 2 batas,
Jadi. yaitu a dan b, dan nilai antara a < m <b.

Keyword : fuzzy logic contol, membership

fuction, ordo 5x5.
(1)

Pendahuluan

Fuzzy Logic pertama kali diperkenalkan oleh b. Fungsi Trapesium

Prof. Lotfi Zadeh dari Universitas California di Sama seperti dengan segitiga, namun memiliki
Berkeley pada 1965. Fuzzy logic dipresentasikan puncak lebih dari satu.
bukan sebagai suatu metodologi control, tetapi
sebagai suatu cara pemrosesan data dengan
memperkenalkan penggunaan partial set
membership dibanding crisp set membership atau (2)
non-membership. Secara umum fuzzy dapat
dikatakan sebagai nilai samar (diantara) atau
pengaturan yang dilakukan tidak memiliki nilai
yang pasti. Contoh sederhana dari nilai yang
c. Fungsi gauss
samar yaitu suhu udara, ada suhu dingin, sejuk
Jika segitiga merupakan fungsi garis lurus/linier,
hangat, dan panas. Dan setiap suorang memiliki
namun fungsi gauss ini ialah fungsi lengkung.
standar yang berbeda-beda dari dari suhu tersebut.
Jika dilihat warna dari suhu panas dan dingi
berbeda-beda. Dan jika dilihat diantara panas dan
dingin terdapat warna-warna lain. Warna-warna
Seperti terlihat pada gambar di bawah ini. Setelah semua input dan output diberi nama,
maka sekarang yang dilakukan adalah
memasukkan rule basenya. Seperti pada gambar
di bawah ini.
(3)

Pada proses fuzzy, fase pertama yaitu mengubah

nilai yang pasti ke nilai fuzzy yang disebut
fuzzyfication. Dan saat telah diproses oleh fuzzy,
untuk mengubah ke nilai crisp, disebut
defuzzyfication. Sehingga terdapat nilai yang
dapat di presentasikan. Fuzzy logic pada dasarnya
merupakan logika bernilai banyak (multivalued
logic) yang dapat mendefinisikan nilai diantara Gambar 3. Input rule base
keadaan konvensional seperti ya atau tidak, benar Pada proses penginputan, dapat diatur fariasi dari
atau salah, hitam atau putih, dan sebagainya. output yang diinginkan. Perbedaan variasi
Penalaran fuzzy menyediakan cara untuk komposisi output ini akan berpengaruh pada
memahami kinerja dari system dengan cara gelombang outputnya, yaitu pada nilai maksimum
menilai input dan output system dari hasil overshoot, time rise, time steady, dan setling time.
pengamatan. Sehingga, agar mendapatkan output yang baik
dan sesuai yang di inginkan, maka harus dicari
Pengujian dan Pengukuran komposisi dari output tersebut.
Pada simulasi menggunakan matlab ini, Pada simulasi kali ini, dilakukan pengambilan
digunakan dua buah input dan satu output. Dua data dengan variasi output negatifnya. Dilakukan
input tersebut yaitu input utama dan erorr dua kali pengambilan data simulasi dengan
sebelumnya. Kedua data tersebut yang akan perbandingan 100% N2, dan %2% N2.
dioalh di fuzzy. Sehingga didapatkan keluaan. Tabel 1. Rule base output 100% N2
N2 N1 Z P1 P2
N2 N2 N2 N2 N2 N2
N1 N2 N2 N2 N2 N2
Z N2 N2 N2 N2 N2
P1 N2 N2 N2 N2 N2
P2 N2 N2 N2 N2 N2
Didapatkan hasil gelombang output seperti
Gambar 1. Input dan output gambar di bawah ini
Input 1 sebagai error (e) dan input 2 sebagai delta
error (de). Karena yang diamati adalah
membership function ordo 5x5, maka Input dan
output masing-masing mempunyai 5 member
function, yaitu N2, N1, Z, P1, dan P2.

Gambar 4. Gelombang output N2 100%

Jika dilihat, gelombang output dibawah garis (0).
Pada gelombang, terdapat maksimum over
shootnya dengan nilai parameter di bawah ini

Gambar 2. Member fungtion

 Tabel 2. Hasil Output N2 100%
Time Rise 1,62
Time Steady 6,3
% MOV 14,63 %
Setling poin 0,205
Sedangkan saat komposisi output diubah, Gambar 6. Tranfer Function
didapatkan output gelombangnya juga ikut Tranfer function tersebut adalah yang digunakan
berubah, data kedua digunakan output 52% N2 dalam simulasi yang dilakukan kali ini.
dan 48% N1, seperti tabel di bawah ini. Kesimpulan
Tabel 3. Rule base output 52% N2 dan 48% N1 Setelah dilakukan simulasi dengan dua buah data
N2 N1 Z P1 P2 yang berbeda, maka dapat disimpulkan bahwa :
1. Gelombang output dipengaruhi oleh
N2 N2 N2 N2 N2 N2
komposisi komponen-komponen rulebase.
N1 N2 N2 N2 N2 N2
2. Semakin sedikit komponen N2, nilai setling
Z N2 N2 N2 N1 N1
time semakin naik.
P1 N1 N1 N1 N1 N1
3. Perubahan komposisi komponen N2 tidak
P2 N1 N1 N1 N1 N1 berpengaruh pada perubahan time rise dan
Didapatkan hasil gelombang output seperti time steady.
gambar di bawah ini 4. Untuk mendapatkan hasil yang lebih baik,
dilakukan perubahan rule base yang tepat,
juga dapat dilakukan perubahan ordo dari
membership function

Daftar Pustaka
[1]. http://www.dutaxp.com/2014/01/pengertian-
logika-fuzzy-fuzzy-logic.html
[2]. Kusumadewi, Sri, Analisis dan Desain
Sistem Fuzzy menggunakan Toolbox
Gambar 5. Gelombang output Matlab, Yogyakarta: Geaha Ilmu, 2002.
52% N2 dan 48% N1 [3]. http://www.dma.fi.upm.es/java/fuzzy/fuzzyi
Dari gambar gelombang output didapatkan data nf/funpert_en.htm
parameter-parameter di bawah ini.
Tabel 4. Hasil output 52% N2 dan 48% N1
Time Rise 1,62
Time Steady 6,3
% MOV 17,2 %
Setling point 0,122
Dari kedua data tersebut, terlihat jelas pengaruh
dari komposisi penyusun outputnya. Saat output
di beri N2 secara keseluruhan, gelombang output
berada di bawah nilai 0 (domain negatif), dan saat
komposisi output diberi unsur N1, gelombang
output mengalami perubahan pada MOV dan
setling poinnya. Setling poin dari gelombang
kedua setengah dari setling poin gelombang
pertama. Itu disebabkan, komposisi dari N2
setengah (50%). Sehingga setling poin akan
semakin naik jika N2 semakin dikurangi/sedikit.
Namun perubahan N2 ini kurang mempengaruhi
perubahan dari setling time dan time rise, terbukti
perubahan dari kedua waktu tersebut tidak terlalu
terlihat.