I.

PENDAHULUAN  Fisika nonlinier, seperti halnya mekanika kuantum dan relativitas, membawa sekumpulan ide-ide mendasar

dan hasil-hasil yang mengejutkan. Akan tetapi, tidak seperti mekanika kuantum dan relativitas, bidang fisika nonlinear ini mencakup sistem pada seluruh ukuran dan benda-benda untuk semua kecepatan. Oleh karena itu, fisika nonlinier memiliki aplikasi yang sangat luas dalam kehidupan manusia sehari-hari. Secara sederhana sebuah sistem bersifat nonlinier jika keluaran dari sistem tidak sebanding dengan masukannya. Nonlinieritas dalam sistem fisika bertanggung jawab atas kemunculan gejala chaos, yang secara harfiah dapat diartikan sebagai “kekacauan”. Chaos berlainan dengan random, karena keadaan ini masih memiliki sifat deterministik. Secara matematika, gejala ini pertama kali diprediksi oleh matematikawan besar abad 19, Henri Poincare, disekitar tahun 1880-an ketika mencoba memecahkan permasalahan stabilitas dari suatu sistem dinamis, seperti gerak tiga benda langit di bawah pengaruh gaya gravitasi. Secara lebih visual, gejala chaos pertama kali dipelajari secara tidak sengaja oleh Edward N. Lorenz, seorang pakar sains atmosfir dari MIT, di tahun 1963. Kala itu ia tengah mencoba memodelkan aliran konveksi udara tiga dimensi di atmosfir. Lorenz menurunkan model ideal persamaan nonlinier yang terkopel tiga dan berusaha memecahkannya secara numerik menggunakan pertolongan komputer. Alih-alih memperoleh pemecahan yang berkelakuan baik, ia malah menemukan perilaku aneh yang semula ia anggap sebagai kesalahan numerik. Hasil yang diperoleh menunjukkan bahwa lintasan pemecahan dalam ruang tiga dimensi tersebut memiliki ciri lintasan yang tidak teratur (strange attractor), dan tidak pernah menempuh lintasan yang sama. Jika titik awal perhitungan dirubah sedikit saja, maka akan muncul pola orbit dengan kelakuan serupa tetapi memiliki pola lintasan yang lain sama sekali. Hingga kini, gejala chaos juga dapat dijumpai dimana-mana, mulai dari sistem fisika seperti sirkuit listrik, turbulensi gerak benda dalam fluida, fenomena superkonduktor, gerak bandul, sistem jaringan syaraf, atau pada perubahan cuaca. Pemodelan mengenai perilaku sistem sosial, fluktuasi harga saham, dan pola hubungan antara mangsa dan pemangsa di dalam suatu ekosistem pun memprediksikan kemungkinan munculnya chaos. Dua buah kajian penting dari teori chaos adalah aplikasinya dalam sistem keamanan komunikasi dan teknologi robotik. Landasan komunikasi berbasis chaos adalah teori sinkronisasi antara dua sistem chaos yang dapat terjadi pada parameter tertentu. Pecora dan Carrol, telah mendemonstrasikan bahwa sistem chaos dapat disinkronisasi, penelitian ini menjadi awal penelitian lebih lanjut dalam mempelajari teori sinkronisasi dua sistem chaos yang identik serta beberapa aplikasinya yang dapat digunakan sebagai metode baru dalam sistem keamanan komunikasi . Sedangkan salah satu aplikasi sinyal chaos dalam teknologi robotic yaitu sinyal chaos dapat digunakan dalam mengkontrol arah gerak dari robot. Mobile robot dengan kontrol sinyal chaos ini dikembangkan dalam berbagai teknologi robot terapan seperti robot penjinak bom, robot pencari, robot vaccum-cleaner, robot pencukur rumput, bahkan dapat digunakan pada robot peluncur gerak roket tempur yang arah geraknya tak dapat diprediksi. Kelebihan robot bernavigasi chaos ini adalah karena robot ini merupakan robot autonomous analog, sehingga tak perlu diprogram atau tak perlu menggunakan mikrokontroler sebagai kendali geraknya. Fokus kajian dalam tulisan ini adalah mempelajari fenomena chaos yang terjadi pada sirkuit nonlinier menggunakan model Lorenz. Dalam tulisan ini, telah digunakan sistem sirkuit elektronik yang sederhana dalam pengembangan skema sistem keamanan komunikasi bebasis chaos dengan dua sirkuit yang terkopling serta penggunaan sirkuit chaos dalam mengkontrol navigasi gerak sebuah mobile robot.

II. MODEL MATEMATIKA SIRKUIT CHAOS

Model matematika Lorenz ini kemudian menjadi acuan untuk mendesain sirkuit Lorenz berbasis opamp yang mana nilai dari setiap komponen dari sirkuit Lorenz tersebut berhubungan dengan nilai parameter persamaan Lorenz. b. dan c adalah parameter konstan bernilai positif. y adalah perbedaan temperature horizontal aliran konveksi dan z perbedaan temperature horizontal aliran konveksi terhadap titik equilibrium. solusi numerik yang diperoleh dapat berupa diagram fasa dan diagram time series. Sedangkan untuk menentukan parameter yang dapat menghasilkan chaos dapat dianalisis melalui perhitungan numerik Lyapunov eksponennya. Persamaan Lorenz dapat ditulis sebagai: dengan a. Lorenz (1963) ketika membuat model matematika dari konveksi tiga dimensi di atmosfer. dapat diamati lintasan dari sistem Lorenz tersebut yang kemudian dapat diklasifikasikan jenis geraknya. III. x adalah laju aliran konveksi. . Diagram fasa dan time series dari dari sistem Lorenz dapat diamati pada Gambar 1. Dengan menganalisis diagram fasa dan time series dari sistem. Sistem Lorenz pertama kali diperkenalkan oleh Edward N. SIMULASI NUMERIK SIRKUIT CHAOS Metode Runge Kutta orde empat meruapakan salah satu metode numerik untuk mencari solusi dari persamaan diferensial sistem Lorenz (1).Sistem Lorenz adalah sistem autonomous yang sederhana dengan tiga persamaan diferensial biasa terkopel yang bersifat nonlinier.

Ketika nilai parameter c divariasikan maka bentuk dariattractor nya akan berubah yang pada awalnya merupakan attractor chaos menjadiattractor yang bertipe limit cycle yang bersifat periodik dan tidak menunjukan gejala chaos seperti terlihat pada Gambar 1(b) dan 1(c). dan b= 4: (a) Chaos attractor. . (b) Limit cycle periodik. (c) Spiral stabil. Gambar 1(a) memperlihatkan kepada kita butterfly effect dari sistem Lorenz yang bertipe double attractor dengan tiga nilai titik kritis yang mana attractor berputar melintasi titik kritis tersebut.Gambar 1. Simulasi numerik menggunakan MATLAB pada parameter tetap a = 5.

4 akan menghasilkan attractorchaos sebagaimana ditunjukkan pada Gambar 1(a).Untuk mengamati kesensitifan sistem terhadap perubahan parameter dan kondisi awal dapat dilakukan dengan mengamati diagram Lyapunov eksponen dari sistem tersebut. sedangkan untuk c > 3. untuk c = 3. . Terlihat nilai Lyapunov eksponen berubah terhadap parameter c. SIMULASI EKSPERIMEN MULTISIM Dengan menggunakan komponen Op-Amp. sedangkan negatif bermakna sistem tersebut periodik. Gambar 2. Sedangkan diagram fase dan diagram time series nya dapat dilihat pada Gambar 3(b) dan(c). sistem Lorenz (1) yang dapat menghasilkan fenomena chaos dapat dibuat sirkuit analognya. Grafik Lyapunov Eksponen Sistem Lorenz Gambar 2.4 nilai Lyapunov eksponen merupakan transisi dari positif ke negatif sehingga untuk kondisi ini attractor yang terbentuk adalah limit cycle periodik sebagaimana ditunjukkan pada Gambar 1(b). Nilai Lyapunov eksponen bervariasi terhadap perubahan parameter.4 akan bernilai positif sehingga untuk semua parameter c < 3. tersebut menunjukan bahwa nilai lyapunov eksponen maksimum untuk c < 3. Dalam makalah ini telah dibuat sirkuit yang analog dengan sistem Lorenz (1) sebagaimana yang diperlihatkan pada Gambar 3(a)..4 maka attractor yang terbentuk adalah stabil asimtotik karena semua Lyapunov eksponen bernilai negatif sebagaimana ditunjukkan pada Gambar 1(c). Pada Gambar 2. Nilai Lyapunov positif bermakna chaos. IV.

sebuah sinyal informasi yang dikirimkan dari sebuah sistem transmitter dapat dihasilkan kembali secara lengkap pada sistem receivermeski dirambatkan dengan modulasi sinyal chaotic. (c) V. (b) Diagram fase XY. . Sirkuit dan simulasi MultiSIM: (a) sirkuit Lorenz.(b) Gambar 3. dan menjadi metode baru dalam aplikasi sistem komunikasi. Dengan metode sinkronisasi sistem chaotic yang identik. Sinkronisasi chaos pada sistem dinamika terkopel merupakan generalisasi dari sinkronisasi sistem linier yang dapat dimanfaatkan dalam sistem komunikasi. Ide dari metode ini adalah menghasilkan ulang seluruh sinyal pada receiver dari sinyal chaotic yang dihasilkan oleh sistem transmitter. sinkronisasi chaotic berpotensi untuk diaplikasikan dalam sistem komunikasi maupun pemrosesan sinyal. SINKRONISASI SIRKUIT CHAOS Sinkronisasi antar sistem chaos telah banyak menarik perhatian ilmuwan. (c) Diagram time series XY. Karena hal itulah.

Sirkuit dan simulasi MultiSIM: (a) sinkronisasi sirkuit Lorenz.Gambar 4. KEAMANAN KOMUNIKASI BERBASIS CHAOS Dengan adanya fakta bahwa sinyal output dapat menghasilkan kembali sinyal input. (e) Diagram fase sistem sinkron VI. hal ini mengindikasikan bahwa pada sistem tersebut memiliki potensi untuk dapat diimplementasikan menjadi salah satu metode dalam sistem keamanan komunikasi berbasis chaos. Dalam sistem keamanan komunikasi. Hal yang sangat perlu diperhatikan dalam sistem komunikasi berbasis chaos adalah kesamaan antara parameter pada transmitter danreceiver. (d) sistem time series setelah sinkronisasi. sinyal informasi dimodulasikan . (c) Diagram fase sistem tak-sinkron. Kehadiran sinyal chaos diantara transmitter dan receiver menunjukkan bahwa sistemchaotic dapat digunakan dalam sistem keamanan komunikasi. (b) time series sebelum sinkronisasi. Desain dari sistem ini sangat bergantung pada adanya kemampuan untuk terjadinya sinkronisasi chaotic antara sistem drive transmitter dan sistem response receiver.

dan sinyal transmisi S(t) = x+ i(t) ditransmisikan menuju receiver. (a) Gambar 5. (c) Sinyal Transmisi Chaotic S(t). Selanjutnya sinyal transmisi akan diterima oleh receiver yang identik dengan transmitter nya. (d) SinyalRetrieved i’(t). (a) sirkuit sistem keamanan komunikasi. Gelombang sinyal kotak dijumlahkan dengan sinyal chaotic x. jika x = xr. . Gambar 5(a) memperlihatkan skema sirkuit sebagai implementasi sirkuit autonomous Lorenz dalam sistem keamanan komunikasi sedangkan.dengan sinyalchaotic yang dihasilkan oleh transmitter. Karena sinyal yang ditansmisikan berupa sinyal chaos maka sistem ini dapat digunakan untuk menjaga keamanan data informasi yang dikirimkan. Gambar 5(a) menunjukkan sistem keamanan komunikasi berbasis sirkuit chaos Lorenz menggunakan MultiSIM. Sistem keamanan komunikasi berbasis sirkuit Lorenz. (b) Sinyal Informasi i(t). Kemudian hasil modulasi chaos inilah yang akan ditransmisikan pada jaringan komunikasi. Gambar 5(b)-5(d) menunjukkan hasil simulasi MultiSIM ® untuk sistem keamanan komunikasi berbasis sirkuit Lorenz. [x+i(t)]-xr = i’(t). dan akhirnya sinyal chaos dipisahkan dari data atau informasi yang dikirimkan menggunakan substractor. Sinyal chaotic xr yang dihasilkan juga oleh receiverdigunakan sebagai substraktor sehingga dihasilkan sinyal retrieved sebagai output darireceiver.

y (t)} kasus di adalah posisi robot di dalam mana sebuah bidang dan θ (t) adalah orientasirobot. Deskripsi pergerakan robot dalam sebuah bidang Pergerakan kontrol mobile robot didefinisikan oleh persamaan berikut: dimana. Gambar 6 menunjukan gerak robot dalam sebuah bidang. y. Kecepatan linier menunjukan sebuah gerakan linier dari titik medium sumbu roda. Sedangkankecepatan arah menyediakan gerak rotasi dari robot pada titik yang sama. . itu. Jadi. Selain berhentidan robot mencapai perbatasan medan. NAVIGASI CHAOTIC MOBILE ROBOT Pergerakan mobile robot dideskripsikan dengan kecepatan linier v(t) [m/s]. robot akan menunggu perintah arah berikutnya untuk bergerak. Gambar 6. dan sudut θ (t) [rad] yang menggambarkan orientasi pergerakan robot. kecepatan sudutrobot akan Selanjutnya persamaan diatas disubstitusikan sehingga persamaanya menjadi:  dengan p(i) = (x. Semua variable menjadi: sinyal chaos p(i) menentukan posisi sudut θ. z).VII. dalam {x (t).

Dalam sistem di atas (X. Dari Gambar 7 terlihat variasi lintasan mobile robot dengan kontrol navigasi dari tegangan yang dihasilkan oleh sirkuit chaos. Dengan teknik inisistem kontrol akan memberikan hasil yang sebanding. Selanjutnya. (c) kontrol navigasi menggunakan tegangan z. KESIMPULAN .628 dengan kondisi awal sistem (X. (b) kontrol navigasi menggunakan tegangan y. Simulasi numerik pergerakan navigasi Mobile Robot dengan menggunakan Sirkuit Lorenz. Gambar 7. menggunakan MATLAB. Pada dasarnya navigasi mobile robot menunjukan prilaku dinamika yang baik jika pada bidang persegi bisa dilewati secara keseluruhan. Pada penelitian ini. Y) adalah koordinat posisi robot di medan dan v adalahkecepatan konstan dari mobile Dibawah ini robot. Simulasi numerik menggunakan MATLAB dari Gambar diatas menunjukan bahwa kontrol navigasai mobile robot dengan menggunakan sirkuit Rossler menyebabkan sebuah pola gerakan robot yang mempunyai sifat chaos. n adalah faktor normalisasisehingga parameter p(i) dari setiap merupakan gambar pergerakan pola dinamika navigasi mobile robotdengan sistem memiliki nilai yang sama. v = 0. (a) kontrol navigasi menggunakan tegangan x. VIII.1]. hasil yang ditunjukan mengunakan sirkuit Lorenz menunjukkan performa yang cukup baik untuk dijadikan navigasi mobile robot sehingga dapat dimanfaatkan untuk berbagai keperluan seperti robot pengontrol arah roket tempur yang arahnya sulit untuk dimonitoring.Y) adalah [1. Dengan n = 12.

. Telah ditunjukkan juga bahwa sinyal chaotic yang dihasilkan oleh sirkuit nonlinier Lorenz dapat disinkronisasi secara sempurna sehingga dapat digunakan dalam sistem keamanan komunikasi. Dalam makalah ini telah dipelajari dan dilakukan simulasi numeric Matlab dan MultiSIM sirkuit Lorenz penghasil sinyal chaos serta dan sinkronisasi chaotic sistem identik dari sirkuit Lorenz serta aplikasinya dalam sistem keamanan komunikasi dan kontrol navigasi sebuahmobile robot. Simulasi sinkronisasi chaotic dua sirkuit Lorenz dan aplikasinya dalam sistem keamanan komunikasi dibuat menggunakan program MultiSIM. Pada makalah ini juga ditunjukkan bahwa sirkuit Lorenz memiliki performa yang cukup baik untuk digunakan dalam kontrol navigasi mobile robot.

Sign up to vote on this title
UsefulNot useful