Simulasi Pengendali Kiln PT. Semen Tonasa (Tonasa IV) Menggunakan Fuzzy Logic Toolbox Program Matlab St.

Nawal Jaya Abstrac This paper is continuance of previous paper which will make kiln controller simulation of PT. Semen Tonasa (Tonasa IV) used fuzzy logic toolbox Matlab software and compared defuzzification result manually and used fuzzy logic toolbox. Kiln operational data i.e input variables ; backend kiln temperature (BE), burning zone temperature (BZ), and OX prosentase (OX) and output variables ; coal rate (CR) and damper posisition (DP) were input and analyzed by fuzzy logic toolbox via FIS Editor, MF Editor, Rule Editor, Rule Viewer, and Surface Viewer. Defuzzification result used fuzzy logic toolbox was gotten more quickly than manually but it has difference that could been seen in table 1. Keywords : Fuzzy logic toolbox, Matlab, Defuzzification result

I. PENDAHULUAN Pada tulisan terbitan sebelumnya, dijelaskan bagaimana proses pembuatan pengendali logika samar (fuzzy logic controller) secara manual yang mencakup pengambilan data operasional kiln dan analisa data tersebut ke dalam 3 (tiga) tahapan yaitu tahap fuzzifikasi, tahap inferensi, dan tahap defuzzifikasi. Untuk tulisan kali ini akan dijelaskan proses pembuatan pengendali logika samar menggunakan fuzzy logic toolbox program Matlab dan membandingkan hasil defuzzifikasi secara manual dengan hasil defuzzifikasi menggunakan fuzzy logic toolbox (software). Alasan mengunakan program Matlab karena Matlab merupakan bahasa untuk komputasi teknik, dirancang untuk meningkatkan jangkauan dan produktivitas ilmu dan bidang teknik, untuk mempercepat proses penemuan dan pengembangan, untuk memudahkan belajar, dan untuk memperkuat kreativitas penelitian. Matlab juga menyediakan fasilitas-fasilitas yang mudah untuk dipelajari dan digunakan sehingga memungkinkan pembuatan aplikasi yang lebih kompleks dan besar salah satunya yaitu toolbox-toolbox Matlab yang membantu Matlab untuk memecahkan suatu kelompok permasalahan dan pada program Matlab versi 6.0 tersedia fuzzy logic toolbox, yang mana fuzzy logic toolbox

tersebut terdapat beberapa fasilitas yang terhimpun dalam GUI (Graphical User Interface) [1]. Kelebihan lain dari Matlab yaitu visualisasi dan grafis yang lebih baik dan cepat sehingga membuatnya lebih menarik. II. METODE PENELITIAN Hampir mirip dengan pengendali logika samar yang manual, pengendali logika samar menggunakan fuzzy logic toolbox program Matlab menggunakan data yang sama yaitu data operasional kiln (waktu optimal kiln selama 8 jam) dan data hasil wawancara langsung dengan operator kiln. Data tersebut meliputi: Temperatur back end/inlet kiln (oC) disimbolkan BE untuk memperoleh range dari temperatur back end (inlet kiln) kiln yang akan digunakan sebagai variabel masukan dalam logika samar. Range normal temperatur BE berkisar antara 900oC sampai 1000oC. Temperatur burning zone (oC) disimbolkan BZ untuk memperoleh range dari temperatur burning zone kiln yang akan digunakan sebagai variabel masukan dalam logika samar. Range normal temperatur BZ berkisar antara 1430oC sampai 1500oC.

Tetapi proses analisa data tersebut menggunakan software (fuzzy logic toolbox). yang mana memanfaatkan fasilitas yang ada pada fuzzy logic toolbox yaitu : FIS Editor : digunakan untuk menangani variabel masukan dan keluaran sistem berupa penentuan jumlah dan nama variabel. untuk melihat aturan mana yang sedang aktif. untuk mengetahui pengaruh bentuk fungsi keanggotaan terhadap hasil dengan memasukan nilai-nilai tepat variabel masukan. HASIL Berikut ini diberikan tampilan-tampilan hasil dari setiap tahap proses pengendalian kiln dengan menggunakan Fuzzy Logic Toolbox Program Matlab : Gambar 1. Surface Viewer : berfungsi untuk menampilkan keterkaitan antara masukan dan keluaran dalam bentuk tampilan grafik 3 (tiga) dimensi. Rule Viewer : digunakan untuk melihat tampilan dari proses inferensi. III. MF Editor : digunakan untuk mendefenisikan bentuk fungsi keanggotaan tiap variabel termasuk di dalamnya penentuan range variabel masukan dan keluaran. Hasil FIS Editor Dengan Variabel Masukan BE Aktif . Aliran batu bara (ton/jam) disimbolkan CR yang digunakan sebagai bahan bakar pada kiln dengan maksud untuk memperoleh range dari aliran batu bara yang akan digunakan sebagai variabel keluaran dalam logika samar.Prosentase kadar gas oksigen dalam exhaust gas (%) disimbolkan OX yang dibutuhkan untuk pembakaran pada kiln dengan maksud untuk memperoleh range dari prosentase kadar gas oksigen yang akan digunakan sebagai variabel masukan dalam logika samar. Range normal temperatur OX berkisar antara 2. Rule Editor : digunakan untuk menentukan daftar aturan yang sesuai dengan kinerja system.5% sampai 5%. nama serta parameter variabel-variabel linguistik dari masing-masing variabel masukan dan keluaran. Posisi damper exhaust gas (%) disimbolkan DP yang merupakan posisi buka/tutup banyaknya gas oksigen yang dibutuhkan untuk pembakaran kiln dengan maksud untuk memperoleh range dari posisi damper exhaust gas yang akan digunakan sebagai variabel keluaran dalam logika samar.

Hasil Rule Editor Gambar 4.Gambar 2. Hasil Rule Viewer . Hasil Membership Function Editor Dengan Variabel Masukan BE & Himpunan Samar COLD Aktif Gambar 3.

atau dibuka melalui lunch pad dan pilih folder toolbox “fuzzy logic”. Hasil Surface Viewer Dengan Variabel Masukan BE dan BZ serta Variabel Keluaran CR Tabel 1.9 IV.06 46.3 46 45 46.1 45.5% 45. Perbandingan Defuzzifikasi Manual Dengan Defuzzifikasi Toolbox “fuzzy logic” Program Matlab Variabel Defuzzifikasi Manual Defuzzifikasi Toolbox “fuzzy logic” Masukan CR (ton/jam) DP (%) CR (ton/jam) DP (%) o BE = 945 C BZ = 1440oC OX = 3% BE = 940oC BZ = 1435oC OX = 4. Pada Command Window ketika kata “Fuzzy” lalu enter.8 43. Pada FIS Editor inilah akan ditentukan variabel-variabel sistem yaitu variabel masukan dan variabel keluaran.5 69. Kemudian akan terlihat tampilan FIS editor seperti pada gambar 6. Berikut ini adalah cara-cara praktisnya : 1.3 64. BZ.Gambar 5.87 46.2 58.5% BE = 930oC BZ = 1455oC OX = 3. 2. Variabel masukan yaitu BE. dan OX sedangkan variabel keluaran yaitu CR dan DP . PEMBAHASAN Pembuatan simulasi pengendali logika samar dengan fuzzy logic toolbox sehingga menghasilkan tampilan seperti pada pembahasan melalui tahap-tahap sebagai berikut : 1. Penentuan Variabel-Variabel Sistem Ada berbagai cara untuk bekerja dengan toolbox “Fuzzy logic” pada Matlab.5 65.

Gambar 6. Tampilan Membership Function Editor . langkah selanjutnya yaitu tahap fuzzifikasi. Tahap Fuzzifikasi Setelah penentuan variabel-variabel sistem. Gambar 7.Sementara untuk box disebelah kiri box current variable digunakan untuk menentukan metode yang akan digunakan pada proses pengendalian selanjutnya. Tahap fuzzifikasi meliputi penentuan range variabel-variabel sistem dengan meng-klik menu “view” pada FIS editor lalu pilih dan klik “Edit Membership Function” maka muncullah gambar 7. Tampilan FIS Editor Keterangan : .Masing-masing dari masukan dan keluaran tersebut diberi nama variable dengan cara mengklik masukan atau keluaran yang akan diberi nama lalu mengisi kotak nama pada box Current Variable . pilih dan klik “New Mamdani” .Untuk masukan dan keluaran yang lebih dari satu dapat ditambahkan dengan mengklik menu “Edit” lalu pilih klik “Add Input” dan “Add output” .Pilih type FIS Mamdani dengan cara klik menu file. 2.

klik dan isi kotak putih name manjadi COLD pilih type tramps kemudian klik dan isi kotak putih params dengan : [700 700 900 950] . Gambar 8.Untuk menampilkan bentuk fungsi keanggotaan pada menu “Edit” pilih dan klik “Add MFs” dan sebuah jendela kecil akan muncul seperti pada gambar 8.Pada FIS variable klik BE dan pada box sebelah kiri (Current Variable) klik dan isi kotak putih range variabel masukan BE [700 1200] lalu klik kotak putih display range . maka selanjutnya dilakukan penentuan aturan yang menunjukan kinerja dan sistem kiln. Tampilan Rule Editor . Kemudian akan terlihat tiga buah kurva trapesium pada Membership Function Plots dengan range 700 sampai 1200 untuk variable masukan BE .Untuk variable masukan dan keluaran yang lain prosesnya sama dengan di atas. kecuali name-nya diganti dengan HOT demikian pula params-nya diisi dengan [950 1000 1200 1200]. dan akan muncul tampilan seperti gambar 9 Gambar 9. Ini dilakukan dengan meng-klik menu “view” pada Membership Function Editor lalu pilih dan klik “Edit rule”.Keterangan : . diberi name NORMAL dan bentuknya diubah menjadi trimf (diubah menjadi type) dan params-nya diisi dengan [900 950 1000] sementara bentuk kurva bagian kanan tetap.Klik satu kali pada salah satu kurva paling kiri dan pada Box Current Membership Function.Pilih “Trapmf” pada “MF Type” dan 3 pada “Number Of MFs” lalu klik ok. Tampilan Add MFs Keterangan : . . Tahap Inferensi Setelah proses penentuan fungsi keanggotaan dari keseluruhan variabel.Selanjutnya kurva bagian tengah. 3.

lalu klik button “Add rule” sehingga hasilnya sama seperti pada tampilan di atas.Keterangan : . dan OX = 4. 5. LITTLE pada OX. 4. Sementara dua kolom berikutnya adalah bagian aturan dengan menggunakan “THEN” (merupakan action atau pengambilan keputusan).1 .Untuk menyisipkan aturan pertama dapat dilakukan dengan memilih COLD pada BE. Hasil dapat ditunjukkan dalam bentuk nilai tepat yaitu nilai yang ditunjukan oleh CR = 47 dan DP = 43. demikian seterusnya hingga diperoleh 27 aturan . dalam hal ini dikenal dengan proses defuzzifikasi. dapat diubah dengan memilih aturan yang akan diubah kemudian ganti dengan aturan yang betul dan klik “change rule” . Klik menu “view” pada rule editor kemudian pilih dan klik “view rule”. HIGH pada CR dan LARGE pada DP. Tampilan surface viewer dalam bentuk tiga dimensi dapat dilihat pada gambar 11 berikut ini : . Tampilan Rule Viewer Keterangan : .. Nilai tepat tersebut dapat dimasukan melalui kotak “ input” ataupun dengan men-drag garis merah vertikal. Tahap Defuzzifikasi Kemudian kita beralih pada tampilan aturan yang telah dibuat .Setiap aturan diplot per baris. COLD pada BZ. .Tiga kolom pertama adalah bagian aturan dengan menggunakan “IF” (menyatakan kondisi). . BZ dan OX menunjukan nilai tepat ketiga variabel masukan sebesar BE = 900. BZ = 1550.Aturan pada tiga kolom pertama yang diplot dengan warna kuning menyatakan aturan yang memenuhi sedangkan aturan pada dua kolom berikutnya yang diplot warna biru mengatakan hasil atau pengambilan keputusan. Tahap Pembentukan Grafik 3-D Langkah terakhir dari aplikasi kelima fasilitas pada GUI toolbox “ fuzzy logic” yaitu surface viewer yang dibuat dengan meng-klik menu “view” pada Rule Viewer lalu pilih dan klik “View surface”. Gambar 10. dan akan muncul tampilan seperti gambar 10.Jika terdapat kesalahan pada aturan yang dibuat.Untuk menghapus aturan dilakukan dengan memilih aturan yang akan dihapus kemudian klik “ Delete rule”.Garis merah vertikal pada BE. sementara setiap variable diplot dalam bentuk kolom.5.

1999. [3] J.Gambar 11. Inc. USA. dan OX diinput pada Rule Viewer maka hasil defuzzifikasi juga langsung tampak pada Rule Viewer. Simulasi pengendali logika samar dengan menggunakan fuzzy logic toolbox akan diperoleh hasil defuzzifikasi lebih cepat daripada secara manual. DAFTAR PUSTAKA [1] Hanselma. Perbedaan antara hasil defuzzifikasi manual dan defuzzifikasi menggunakan fuzzy logic toolbox disebabkan oleh metode defuzzifikasi yang digunakan.. Inc. [4] ----------------------. 1995. Fuzzy Logic With Engineering Application. A Course in Fuzzy Systems and Control. and Power. 2002. KESIMPULAN 1. Matlab For Engineering. Ryan. Penerbit Andi and pearson Education Asia Pte. 1996. Bruce. James. Using Fuzzy Logic : Towards Intelligent Systems. Yogyakarta. Prentice-Hall International. Tampilan Surface Viewer V. [2] Hidayat dan Gunawan. Prentice-Hall International.Ross. Timothy. Ujung Pandang : Jurusan Elektro Fakultas Teknik Universitas Hasanuddin. Matlab: Bahasa komputasi Teknis. 1997. McGraw-Hill. Simulasi Pengaturan Dengan Menggunakan Logika Fuzzy. Nilai masukan berupa BE. BZ. [6] Wongso. USA. Jun. USA. Makassar : Jurusan Elektro Fakultas Teknik Universitaas Hasanuddin. [7] Yan. 2000 [5] Wang. USA. Lily. McGraw-Hill. Inc. Simulasi Kontroler Logika Fuzzy. Duane dan Littlefield. Inc. Michael. Li-Xin. . Ltd. 2. 1994. VI.

Sign up to vote on this title
UsefulNot useful