PELEMBUT DAN PEWANGI PAKAIAN OTOMATIS MENGGUNAKAN TUNING

PERANCANGAN PLANT MESIN MIXER PELEMBUT DAN PEWANGI PAKAIAN OTOMATIS MENGGUNAKAN TUNING PARAMETER PID DENGAN FUZZY LOGIC UNTUK PENGATURAN LEVEL CAIRAN BERBASIS ATMEGA16 Selamat Marylin Manroe Sinaga*), Budi Setiyono, and Sumardi Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro, Jln. Prof. Sudharto, Tembalang, Semarang, Indonesia *)

Email: [email protected]

Abstrak Pelembut dan pewangi pakaian sangat dibutuhkan oleh masyarakat Indonesia. Beragam wangi dari berbagai jenis parfum telah tersedia di pasaran. Namun, kesenjangan antara pelaku industri pelembut dan pewangi pakaian masih terjadi, disaat industri modern telah memanfaatkan alat canggih dalam proses produksinya, industri rumah tangga masih memanfaatkan cara manual mulai dari pembuatan, takaran hingga pengadukan, sehingga tidak mampu menyangi produksi dari industri modern. Pada penelitian ini, dibuat prototype alat mixer pelembut dan pewangi pakaian otomatis untuk skala home industry. Otomatisasi sistem pada alat ini mencakup proses penakaran bahan utama, dan pengadukan bahan dengan dua variasi kualitas. Metode kontrol yang digunakam dalam pengendalian level takaran bahan adalah tuning parameter PID dengan fuzzy logic. Settling point takaran yang digunakan pada proses penakaran kualitas 1 (satu) adalah 1500 ml pada masing-masing tangki takaran dan untuk kualitas 2(dua) settling point pada tangki takaran 1 (satu) adalah 1100 ml dan pada tangki takaran 2(dua) adalah 1800 ml. Hasil pengujian diperoleh bahwa pengendalian level takaran bahan menggunakan teknik tuning parameter PID dengan fuzzy logic pada alat mixer pelembut dan pewangi pakaian otomatis menghasilkan respon sistem dengan rise time dan settling time yang kecil serta tidak terdapat nilai vershoot dengan batas toleransi yakni 3%. Kata kunci: Mixer, kontrol fuzzy logic, PID

Abstract Softener and fragrance clothes is needed by Indonesian people. Various kind and fragrance of perfume are available on the market. However, discrepancy amongst softener and fragrance clothes industries is still exist. Modern industries are capable of using sophisticated machine for production process while home industries are still using manual process, started from producing, measuring, until packaging. Therefore, home industries cannot compete with the modern one. At this research, a prototype of mixer system for plant of softener and fragrance clothing is made for household industrial scale . Automation systems in this final project include of the main ingredient dosing and mixing ingredients with two variation quality . PID parameter tuning with fuzzy logic is applied in the controlling of dose level. Settling point temperature that is desired in the process of ingredient dosing in quality one is 1500 ml in each tank and for quality two settling point needed 1100 ml and 1800 ml in each tank. The test results obtained that the level control dosing material using PID parameter tuning with fuzzy logic techniques in the mixer and farpuming clothes softener outomatically geneate the system's response that have small rise time and settling time and the maximum overshoot value is still within the tolerance limit of 3% . Keywords : Mixer, fuzzy logic control, PID 1.

Pendahuluan

Teknologi Industri semakin berkembang pesat, pelaku industri fokus menghasilkan produk dengan kualitas bagus dan produksi yang cepat[1]. Visi pembangunan industri sebagaimana diatur didalam Perpres No. 28 tahun

2008 tentang Kebijakan Industri Nasional (KIN) adalah menjadikan Indonesia sebagai negara industri tangguh di dunia pada 2025. Salah satu dari jenis produk industri kebutuhan rumah tangga yang mengalami persaingan cukup tinggi yaitu

TRANSIENT, VOL.4, NO. 4, DESEMBER 2015, ISSN: 2302-9927, 992

produk pewangi dan pelembut pakaian. Berdasarkan ICSA (Indeks Customer Satisfaction Award) industri pewangi dan pelembut pakaian berada di posisi ketiga memperoleh nilai QSS (Quality Satisfaction Score) sebesar 4,050, VSS (Value Satisfaction Score) sebesar 3,930, untuk perolehan PBS (Perceived Best Score) sebesar 4,077, ES (Expectation Score) sebesar 3,654 dan terakhir untuk perolehan TSS (Total Satisfaction Score) sebesar 3,910[2]. Kesenjangan antara pelaku industri masih terjadi, disaat industri modern telah memanfaatkan alat-alat canggih dalam proses produksinya, industri rumah tangga masih memanfaatkan cara manual mulai dari pembuatan, takaran hingga pengepakan, sehingga tidak mampu menyaingi produksi dari industri modern. Ditambah lagi, alat produksi otomatis berharga mahal dipasaaran, sehingga sulit untuk industri rumah tangga yang sebagian bermodal kecil. Berdasarkan alasan di atas, maka dalam penelitian ini akan dilakukan perancangan alat mixer pelembut dan pewangi pakaian otomatis untuk skala home industry. Otomatisasi sistem pada alat ini mencakup proses penakaran bahan utama, pencampuran bahan, pengadukan bahan, sistem pewaktuan (timer) pada masing- masing tahapan proses. Diharapkan, dengan diterapkannya sistem otomatisasi ini, maka dapat meningkatakan produktivitas kerja pada proses pembuatan pelembut dan pewangi pakaian. Selanjutnya, dengan diaplikasikannya metode kontrol yang tepat saat proses penakaran, yang merupakan proses terpenting dalam pembuatan pelembut dan pewangi pakaian, maka kestabilan level cairan dapat tercapai dengan baik sesuai dengan setpoint yang diinginkan. Keakurasian pengukuran level cairan merupakan aspek terpenting dalam beberapa proses aplikasi, seperti industry minyak, indsutri kimia dan indsutri meteorogical. Beberapa cara digunakan untuk megukur ketinggian level seperti menggunakan mekanik, elektrik, elektronika, elektromagnetik dan metode ultrasonik. Beberapa metode ini mencapai tujuan tertentu dalam perkembangan pengukuran level cairan. Metode ultrasonic adalah metode yang banyak digunakan dalam pendeteksian level cairan karena mempunyai kinerja yang tinggi[3]. Dalam penilitian ini digunakan sensor ultrasonic HCSR-04 sebagai pendeteksi level cairan. Pada penelitian ini akan dibuat implementasi menggunakan Tuning Parameter PID dengan fuzzy Logic pada pengaturan level cairan pada tangki takaran plant alat mixer pelembut dan pewangi pakaian otomatis. Mikrokontroler ATmega16 digunakan sebagai perangkat keras pengendali utama. Masukan dari kendali fuzzy ini adalah error dan perubahan nilai error atau biasa disebut dengan delta error sistem. Keluaran dari kendali fuzzy yang dihasilkan akan digunakan sebagai nilai parameter Kp, Ki, dan Kd. Pada Kendali PID ini diharapkan dapat menghasilkan respon sistem yang ideal dengan rise time

dan settling time yang kecil serta nilai maksimum overshoot yang masih dalam batas toleransi.

2.

Metode

Kendali PID merupakan gabungan dari tiga macam pengendali, yaitu kendali proporsional (Proportional Controller), kendali integral ( Integral Controller), dan kendali turunan (Derivative Controller). Tujuan dari penggabungan ketiga macam pengendali tersebut adalah untuk memperbaiki kinerja sistem dimana masing-masing kendali akan saling melengkapi dan menutupi dengan kelemahan dan kelebihan masing-masing.

Gambar 1. Struktur kendali PID ideal[6]

Dalam waktu kontinyu, sinyal keluaran pengendali PID dapat dirumuskan pada persamaan 1[6]. ( )

( )

∫ ( ) ( )

( )

(1)

Dimana, u(t) = sinyal keluaran pengendali PID Kp = konstanta proporsional Ti = waktu integral Td = waktu turunan Ki = konstanta integral Kd = konstanta turunan e(t) = sinyal kesalahan (e(t) = referensi – keluaran plant) Terdapat beberapa fungsi keanggotaan yang sering digunakan dalam aplikasi logika fuzzy yaitu fungsi keanggotaan segitiga dan fungsi keanggotaan trapezium.

Gambar 2. Fungsi keanggotaan segitiga[7]


Fungsi keanggotaan segitiga mempunyai persamaan matematis yang ditunjukkan pada persamaan 2 [7]. ( ) {

(

)

( (

) )

(

)

(2)

Gambar 5. Struktur dasar pengendali fuzzy[9]

Gambar 3. Fungsi keanggotaan trapesium[6]

Fungsi keanggotaan trapesium mempunyai persamaan matematis yang ditunjukkan pada persamaan 3[7].

(

) {

(

)

( (

) )

(

)

Mekanisme kendali logika ditunjukkan pada Gambar 4.

(3)

fuzzy

kalang

tertutup

Perancangan plant terdiri dari beberapa komponen utama diantaranya adalah sebagai berikut : 1. Mikrokontroler ATmega16 yang berfungsi sebagai pusat pengendalian pada sistem pengaturan level cairan ini dapat diprogram dengan menggunakan bahasa C embedded. 2. Push Button berfungsi sebagai tombol untuk menjalankan proses pengendalian. 3. LCD (Lyquid Crystal Display) digunakan sebagai media tampilan (display) selama proses pengendalian berlangsung 4. Sensor jarak HC-SR04 difungsikan sebagai sensor level yang digunakan untuk mendeteksi ketinggian cairan pada tangki takaran. 5. Motor servo sebagai aktuator yang digunakan untu membuka dan menutup ball valve. 6. Relay berguna sebagai kendali on-off pada motor listrik yang difungsikan sebagai pengaduk. 7. Catu daya berfungsi sebagai suplai sistem secara keseluruhan. Adapun alokasi penggunaan port pada mikrokontroller atmega 16 dapat dilihat pada gambar berikut

Gambar 4. Sistem loop tertutup dengan pengendali fuzzy

Pada gambar 4. terdapat dua masukan berbentuk crisp (tegas), yaitu masukan error dan perubahan error yang diperoleh dari nilai referensi, keluaran plant, dan error sebelumnya. Dua masukan tersebut akan diolah oleh pengendali logika fuzzy. Nilai keluaran yang dihasilkan pengendali logika fuzzy berupa crisp. Struktur dasar sebuah pengendali logika fuzzy ditunjukkan pada Gambar 5., yang meliputi empat bagian utama yaitu fuzzifikasi, basis pengetahuan (knowledge base), logika pengambilan keputusan (inference engine), dan defuzzifikasi.

Gambar 6. Skematik Perancangan Hardware

Pada penelitian ini sistem kendali utama yang digunakan adalah kendali fuzzy tuning PID. Nilai membership function dari kontroller fuzzy diperoleh dari data sensor HC-SR04. Membership function inilah yang nantinya akan menjadi parameter penentuan konstanta pada kontroller PID. Diagram blok Kontroller fuzzy logic - PID dapat dilihat seperti Gambar 7. dibawah ini.


Gambar 7. Diagram blok sistem pengendalian level cairan pada plant mesin mixer pelembut dan pewangi otomatis

Kontroller fuzzy mendapat masukan dari data sensor HCSR04 berupa jarak. Masukan yang digunakan sebagai membership function digambarkan dalam gambar himpunan keanggotaan sebagai berikut :

Berikut aturan yang digunakan dalam perancangan model fuzzy ini : 1. Jika Error adalah Kecil dan Delta Error adalah Kecil maka Kp = 100, Ki=0, Kd=20. 2. Jika Error adalah Sedang dan Delta Error adalah Sedang maka Kp= 100, Ki=0, Kd=0. 3. Jika Error adalah Besar dan Delta Error adalah Besar maka Kp = 100, Ki=10, Kd=20. 4. Jika Error adalah Kecil dan Delta Error adalah Sedang maka Kp = 100, Ki=0, Kd=20. 5. Jika Error adalah Kecil dan Delta Error adalah Besar maka Kp = 100, Ki=0, Kd=20. 6. Jika Error adalah Sedang dan Delta Error adalah Kecil maka Kp = 100, Ki=0, Kd=0. 7. Jika Error adalah Sedang dan Delta Error adalah Besar maka Kp= 100, Ki=0, Kd=0. 8. Jika Error adalah Besar dan Delta Error adalah Kecil maka Kp = 100, Ki=10, Kd=20. 9. Jika Error adalah Besar dan Delta Error adalah Sedang maka Kp= 100, Ki=10, Kd=20. Hasil Rule base (basis pengetahuan) diperoleh dengan menerapkan metode try and error. Dari percobaan try and error tersebut maka diperoleh bentuk yang sederhana 9 aturan fuzzy dapat dilihat pada tabel 1. Tabel 1. Basis aturan fuzzy tuning Kp, Ki, dan Kd

Gambar 8. Himpunan keanggotaan masukan error

Gambar 9. Himpunan keanggotaan masukan Δ error

Gambar 10. perancangan keanggotaan himpunan keluaran fuzzy

Basis aturan dibuat sesuai dengan keluaran yang diinginkan sebagai masukan parameter PID. Basis aturan dibagi menjadi 3 yaitu basis aturan untuk nilai Kp, basis aturan untuk nilai Ki dan basis aturan untuk nilai Kd.

Error

Kecil

Sedang

Besar

Kecil

Kp=100, Ki=0, Kd=20

Kp=100, Ki=0, Kd=0

Kp=100, Ki=10, Kd=20

Sedang

Kp=100, Ki=0, Kd=20

Kp=100, Ki=0, Kd=0

Kp=100, Ki=10, Kd=20

Besar

Kp=100, Ki=0, Kd=20

Kp=100, Ki=0, Kd=0

Kp=100, Ki=10, Kd=20

ΔError

Pemrograman mikrokontroler ATmega16 dapat dilakukan dengan bahasa C. Perancangan software pada penelitian ini juga menggunakan bahasa C dengan kompiler Code Vision AVR versi 2.04.4a Flowchart sistem dapat dilihat pada gambar 11. Secara umum perancangan perangkat lunak pada mikrokontroler ATmega16 ini terdiri atas : 1. Perancangan Program Utama 2. Program Inisialisasi I/O dan Variabel 3. Program Pengambilan Data ADC (sensor jarak HCSR04) 4. Program Tampilan LCD 16x2 5. Program Pengendali tuning parameter PID dengan fuzzy logic


Dari Tabel 2. terlihat perbedaan hasil antara level sebenarnya dengan level hasil pembacaan sensor jarak HC-SR04. Rata-rata kesalahan (error) yang didapatkan untuk sensor HC-SR04 pada tangki 1 adalah 0,1225 cm dan rata-rata error pada tangki 2 adalah 0.25 cm.

Mulai

Inisialisasi I/O Register dan LCD

Pilih Kualitas 1

TIDAK

Kualitas 2

YA Kualitas 1

SV 1 ON SV 2 ON

SV 1 ON SV 2 ON

Algoritma Kontroller PID Fuzzy Tangki takaran 1 dan 2 = Setpoint 1

Algoritma Kontroller PID Fuzzy Tangki takaran 1= setpoint 2 Tangki takaran 2= setpoint 3

Menampilkan Jarak dan PWM

SV 1 Dan SV 2 OFF SV 3 dan SV 4 ON

Menampilkan Jarak dan PWM

Pada pengujian ini dilakukan pengujian terhadap sistem secara keseluruhan. Hal ini dilakukan untuk menganalisa, apakah sistem sudah bekerja dengan baik atau belum. Dalam pengujian ini dilakukan dengan menganalisa respon hasil pengontrolan dengan gain PID yang diberikan terhadap plant. Dari hasil analisa ini, akan menghasilkan tuning parameter gain PID yang terbaik untuk sistem yang telah dirancang.

SV 1 Dan SV 2 OFF SV 3 dan SV 4 ON

Mixing selama 2 menit

SV 3 OFF SV 4 OFF SV 5 ON Selesai

Gambar 11. Diagram alir plant mixer pelembut dan pewangi pakaian otomatis

3.

Hasil dan Analisis

Pengujian sensor ini dilakukan dengan membandingkan pembacaan jarak sensor HCSR-04 dengan pembacaan dengan mistar. Pengujian HC-SR04 dilakukan dengan mengkonversikan jarak ke level dengan listing program berikut: tinggi[i] = (jarak[i]>23) ? 0 : (23 - jarak[i]);

Tabel 2. Hasil Pengujian sensor HCSR-04

No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

Level Terdeteksi HCSR-04 Tangki Tangki Takaran I Takaran (cm) II (cm) 0 0 0 1 1 1 2 2,1 2,2 3 2,9 3,2 4 4,2 4,2 5 4,9 5,2 6 6 6 7 7 7,1 8 7,8 8,2 9 8,7 9,3 10 10 10,3 11 10,8 11,5 12 11,7 12,3 13 13 13,5 14 13,6 14,4 15 15,1 15,6 ƩError Error Rata-Rata

Level Uji (cm)

Error Tangki Takaran I (cm) 0 0 0,1 0,1 0,2 0,1 0 0 0,2 0,3 0 0,2 0,3 0 0,4 0,1 1,96 0,1225

Tangki Takaran II (cm) 0 0 0,2 0,2 0,2 0,2 0 0,1 0,2 0,3 0,3 0,5 0,3 0,5 0,4 0,6 4 0,25

Gambar 12. Respon sistem dengan Nilai Kp = 100

Pada pengujian sistem ini, digunakan kontoller dengan nilai Kp = 100 atau yang memberikan sinyal co merupakan error yang terjadi antara pv dengan set point. Hal ini dilakukan dengan cara memberikan parameter gain Kp = 100 terhadap sistem. Sehingga perbaikan sistem masih dilakukan dari error yang terjadi pada saat pengujian berlangsung. Pengujian dilakukan dengan memberikan set point sebesar 10 cm. Respon sistem dapat dilihat pada Gambar 12. Pada pengujian sistem ini, digunakan kontoller dengan nilai Kp = 100, dan Kd = 20 atau yang memberikan sinyal co merupakan error yang terjadi antara pv dengan set point. Hal ini dilakukan dengan cara memberikan parameter gain Kp = 100, dan menambahkan nilai Kd = 20 terhadap sistem. Respon sistem dapat dilihat pada Gambar 13.

Gambar 13.

Respon sistem dengan Nilai Kp = 100 dan Kd = 20

Dari Gambar 13. dapat dilihat bahwa sistem yang dihasilkkan dengan menambahkan nilai Kd = 20 dapat dikatakan masih buruk. Karena dari respon sistem


tersebut nilai aktual / pv masih terdapat error dari set point yang diberikan. Dengan demikian, dibutuhkan penalaan gain PID untuk memperbaiki respon sistem dari Gambar 13.

Gambar 14. Respon sistem dengan Nilai Kp = 100, Ki = 10, dan Kd = 20

Pada pengujian sistem ini, digunakan kontoller dengan nilai Kp = 100, Ki = 10, dan Kd = 20 atau yang memberikan sinyal co merupakan error yang terjadi antara pv dengan set point. Dari hasil sebelumnya, maka dilakukan pengujian dengan parameter gain Kp = 100, Ki = 10, dan Kd = 20 terhadap sistem. Pengujian dilakukan dengan memberikan set point sebesar 10 cm. Respon sistem dapat dilihat pada Gambar 14. Dari Gambar 14. dapat dilihat bahwa sistem yang dihasilkkan dengan menambahkan parameter gain nilai Kp = 100, Ki = 10, dan Kd = 20 dapat dikatakan sudah mendekati set point. Karena respon dari sistem tersebut sudah mendekati set point. Dengan demikian, maka dihasilkan table hasil pengujian pengaruh nilai Kp, Ki, dan Kd sebagai berikut. Tabel 3. Respon Sistem dengan parameter gain PID No. 1 2 3

Kp 100 100 100

Ki 0 0 10

Kd 0 20 20

Berdasarkan hasil respon yang telah ditampilkan dalam Gambar 12. – Gambar 14. Diperoleh kesimpulan hasil terbaik ada pada gain PID dengan parameter Kp = 100, Ki = 10, dan Kd = 20. Respon yang diperoleh adalah sistem respon overshoot kecil dan tanpa error steady state serta jarak sesuai dengan set point sehingga sistem dapat berjalan lebih stabil. Pengujian perangkat lunak pada penelitian ini adalah pengujian pengendali terhadap kerja sistem pengendalian level cairan pada alat mixer pelembut dan pewangi pakaian otomatis. Pengujian ini dilakukan dengan tujuan untuk mengetahui respon keluaran pengendalian dalam proses pengendalian level cairan pada plant. Pengujian ini terdiri dari lima percobaan pada setiap tangki takaran. Pengujian yang dilakukan akan menghasilkan grafik respon yang nantinya akan digunakan untuk menganalisa kestablian sistem. Parameter kestabilan sistem tersebut dapat dilihat dari besarnya dead time, Ts (settling time) ,

Tr (Rise Time) dan overshoot yang dihasilkan. Dari hasil pengujian yang dilakukkan berulang-ulang, diharapkan adanya respon sistem terbaik, yaitu respon yang memeiliki Tr dan Ts yang terkecil serta tidak adanya overshoot yang masih dalam batas toleransi yaitu ±3%. Pengujian sistem pegendalian level cairan ini menggunakan referensi tetap dengan gangguan. Pengujian referensi tetap terhadap gangguan adalah pengujian yang menggunakan set point tetap yaitu 10 cm dengan gangguan berupa gelombang air/ riak. Jarak awal cairan yang terbaca pada tangki takaran 1 kualitas 1 adalah 1,3 cm. Respon sistem yang diharapkan adalah sistem dapat menuju set point 10 cm dan dapat stabil pada jarak tersebut dalam waktu yang relatif cepat serta tidak adanya overshoot.

Gambar 15. Respon sistem metode Fuzzy Tuning-PID pada tangki takaran 1 kualitas 1 dengan referensi tetap terhadap gangguan

Gambar 15. menunjukan respon sistem pengendalian level cairan tangki takaran dengan metode kontrol fuzzy tuning-PID. Sumbu x menunjukan besaran waktu dalam satuan detik, sedangkan sumbu y menunjukkan jarak dalam satuan centimeter (cm). Respon ini merupakan respon sistem dengan jarak awal sebesar 1,3 cm dan set point tetap sebesar 10 cm. Sistem ini diuji dengan lama pengujian 30 detik. Pengujian dengan referensi tetap terhadap gangguan menggunakan kendali fuzzy tuning-PID ini dapat menghasilkan sinyal kontrol yang baik sehingga dapat menghasilkan respon yang baik. Respon sistem pada pengujian dengan referensi tetap menghasilkan Tr (waktu naik) sebesar 6,48 detik, waktu tempuh Ts sebesar 14,76 detik. Dengan demikian dapat disimpulkan bahwa kontrol fuzzy tuning-PID dapat merespon gangguan yang diberikan dengan sangat baik. Pada respon sistem ini terdapat dead time 0,72 detik dan tidak terdapat overshoot. Pada pengujian ini sama halnya seperti pada pengujian sistem yang pertama yaitu referensi tetap terhadap gangguan menggunakan set point tetap yaitu 10 cm dengan gangguan juga berupa gelombang air/ riak. Jarak awal cairan yang terbaca pada tangki takaran 2 kualitas 1 adalah 0,78 cm. Sistem ini diuji dengan lama pengujian 30 detik.




Pengujian dengan referensi tetap terhadap gangguan menggunakan kendali fuzzy tuning-PID ini dapat menghasilkan sinyal kontrol yang baik sehingga dapat menghasilkan respon yang baik. Berbeda dengan tangki takaran 1, respon sistem pada pengujian dengan referensi tetap menghasilkan Tr (waktu naik) sebesar 8,64 detik dan Ts sebesar 10,8 detik. Lebih cepat dari tangki takaran 1 dikarenakan terdapat gangguan yang berbeda pada tangki takaran 1 dan 2, Pada respon sistem ini terdapat dead time 0,72 detik dan tidak terdapat overshoot. Pada pengujian ini set point tetap yaitu 7 cm dengan gangguan juga berupa gelombang air/ riak pada tangki takaran 1 kualitas 2. Jarak awal cairan yang terbaca pada tangki takaran 1 kualitas 2 adalah 0,88 cm. Sistem ini diuji dengan lama pengujian 30 detik.

Pengujian dengan referensi tetap terhadap gangguan menggunakan kendali fuzzy tuning-PID ini dapat menghasilkan sinyal kontrol yang baik sehingga dapat menghasilkan respon yang baik. Berbeda dengan tangki takaran 1, respon sistem pada pengujian dengan referensi tetap menghasilkan Tr (waktu naik) sebesar 9,62 detik dan Ts sebesar 12,58 detik. Lebih cepat dari tangki takaran 1 dikarenakan terdapat gangguan yang berbeda pada tangki takaran 1 dan 2, pada respon sistem ini terdapat dead time sebesar 0,37 detik dan tidak terdapat overshoot. Setelah melakukan proses pengadukan, bahan-bahan yang sudah tercampur dengan baik akan dialirkan ke dalam tangki hasil. Pengisian ke dalam tangki hasil dilakukan oleh ball valve 5 setelah mixer mengaduk bahan setelah 2 menit maka valve 5 akan otomatis membuka untuk mengalirkan bahan ke tangki hasil. Pada saat pengujian dilakukan lima kali percobaan dan didapatkan hasil sebagai berikut. a.

Hasil Pengujian pada tangki takaran kualitas 1

Tabel 4. Hasil pengujian pada tangki takaran 1 Gambar 17. Respon sistem metode Fuzzy Tuning-PID pada tangki takaran 1 kualitas 2 dengan referensi tetap terhadap gangguan

Pengujian tangki takaran 1 kualitas 2 dengan referensi tetap terhadap gangguan menggunakan kendali fuzzy tuning-PID ini dapat menghasilkan sinyal kontrol yang baik sehingga dapat menghasilkan respon yang baik. Respon sistem pada pengujian dengan referensi tetap menghasilkan Tr (waktu naik) sebesar 7,77 detik, waktu tempuh Ts sebesar 11,84 detik. Pada respon sistem ini terdapat dead time 1,48 detik. Dengan demikian dapat disimpulkan bahwa kontrol fuzzy tuning-PID dapat merespon gangguan yang diberikan dengan sangat baik. Pada pengujian set point tetap yaitu 12 cm dengan gangguan juga berupa gelombang air/ riak pada tangki takaran 2 kualitas 2. Jarak awal cairan yang terbaca pada tangki takaran 2 kualitas 2 adalah 0,85 cm. Sistem ini diuji dengan lama pengujian 30 detik.

Pengujian Ke-1 Ke-2 Ke-3 Ke-4 Ke-5

Set Point (cm) 10 10 10 10 10 Ʃ Rata-Rata

Hasil Pengujian (cm) 10,25 10,1 10,2 10,1 10,2 50,85 10,17

Error (cm) 0,25 0,1 0,2 0,1 0,2 0,85 0,17

Tabel 4. menunjukan perbandingan volume tangki takaran dengan set point pada tangki takaran 1 kualitas 1. Set point pada tangki takaran 1 yaitu cm sedangkan hasil pengujian tangki takaran 1 rata-ratanya yaitu 10,17 cm. Maka, didapat error rata-rata sebesar 0,17 cm dari hasil yang diinginkan, dengan demikian hasil pengujian melebihi set point. Hal ini disebabkan adanya error saat penakaran, dimana error tersebut terjadi karena sensor HC-SR04 mendeteksi adanya riak air pada saat pengujian.


Tabel 5. Hasil pengujian pada tangki takaran 2 Pengujian Ke-1 Ke-2 Ke-3 Ke-4 Ke-5



Error (cm) 0,1 0,1 0,1 0,1 0,09 0,49 0,098

Tabel 5. menunjukan perbandingan volume tangki takaran dengan set point pada tangki takaran 2 pada kualitas 1. Set point pada tangki takaran 2 yaitu 10 cm sedangkan hasil pengujian tangki takaran rata-rata yaitu 10,098. Maka, didapat error rata-rata sebesar 0,098 cm dari hasil yang diinginkan, dengan demikian hasil pengujian melebihi set point. Hal ini disebabkan adanya error saat penakaran, error tersebut terjadi karena sensor HC-SR04 mendeteksi adanya riak air pada saat pengujian. b.

Dari keseluruhan dapat dilihat bahwa hasil volume yang didapat mendekati nilai set point yang diinginkan meskipun terdapat error rata-rata sebesar 0,08 cm dikarenakan sensor jarak HC-SR04 mendeteksi adanya gelombang riak pada saat pengujian dengan jarak yang diinginkan tidak sesuai tetapi masih dalam batas toleransi ±1%, sehingga dapat disimpulkan metode kontrol fuzzy tuning-PID mempunyai peranan penting dalam proses penakaran. c.

Hasil Pengujian pada tangki takaran kualitas 1

Tabel 8. Hasil pengujian hasil akhir cairan pelembut dan pewangi kualitas 1 Pengujian

Set Point (ml)

Hasil Pengujian (ml)

Error

Ke-1 Ke-2 Ke-3 Ke-4 Ke-5

3000 3000 3000 3000 3000

3240 3170 3210 3170 3180 15970 3194

240 170 210 170 180 970 194

Hasil Pengujian Pada Tangki Takaran Kualitas 2

Ʃ Rata-Rata

Tabel 6. Hasil pengujian pada tangki takaran 1 Pengujian Ke-1 Ke-2 Ke-3 Ke-4 Ke-5



Error (cm) 0,04 0,04 0,04 0,04 0,04 0,2 0,04

Tabel 6. menunjukan perbandingan volume tangki takaran dengan set point pada tangki takaran 1 pada kualitas 2. Set point pada tangki takaran 1 yaitu 7 cm sedangkan hasil pengujian tangki takaran rata-rata yaitu 6,96 cm. Maka, didapat error rata-rata sebesar 0,04 cm dari hasil yang diinginkan, dengan demikian hasil pengujian melebihi set point. Hal ini disebabkan adanya error saat penakaran, error tersebut terjadi karena sensor HC-SR04 menedeteksi riak air. Tabel 7. Hasil pengujian tangki takaran 2 Pengujian

Set Point (ml)

Ke-1 Ke-2 Ke-3 Ke-4 Ke-5

12 12 12 12 12 Ʃ Rata-Rata

Hasil Pengujian (ml) 12,1 12 12 12 12,1 60,2 12,04

Error (cm) 0,1 0 0 0 0,1 0,2 0,04

Set point pada tangki takaran 2 yaitu 12 cm sedangkan hasil pengujian tangki takaran rata-rata yaitu 12,04. Maka, didapat error rata-rata sebesar 0,04 cm dari hasil yang diinginkan, dengan demikian hasil pengujian melebihi set point.

Hasil pengujian didapatkan hasil takaran rata-rata yaitu 3194 ml. Set point pada tangki hasil yaitu 3000 ml, dan didapat error rata-rata sebesar 194 ml dari hasil yang diinginkan, dengan demikian hasil pengujian melebihi set point. Perbedaan hasil antara set point dengan hasil pengujian dikarenakan masih ada hasil dari proses pengisian pada tangki takaran. Begitu juga pada pengisian tangki hasil masih terdapat error dengan toleransi yaitu ±7% dikarenakan masih tertinggal sisa pelembut dan pewangi pakaian di dalam tangki pengaduk. d.

Pengujian Hasil Akhir Cairan Pelembut dan Pewangi Kualitas 2

Tabel 9. Hasil pengujian hasil akhir cairan pelembut dan pewangi kualitas 2 Pengujian Ke-1 Ke-2 Ke-3 Ke-4 Ke-5

Set Point (ml) 2900 2900 2900 2900 2900 Ʃ Rata-Rata

Hasil Pengujian (ml) 2970 2910 2910 2910 2970 14670 2934

Error 70 10 10 10 70 170 34

Hasil pengujian didapatkan hasil takaran rata-rata yaitu 2934 ml. Set point pada tangki hasil yaitu 2900 ml, dan didapat error rata-rata sebesar 34 ml dari hasil yang diinginkan, dengan demikian hasil pengujian sedikit berbeda dengan set point. Perbedaan hasil antara set point dengan hasil pengujian dikarenakan masih ada hasil dari proses pengisian pada tangki takaran. Begitu pula pada pengisian tangki hasil masih terdapat error dengan toleransi yaitu ±2% dikarenakan masih tertinggal sisa pelembut dan pewangi pakaian di dalam tangki pengaduk.


4.

Kesimpulan

Dari penelitian ini, pembuatan pelembut dan pewangi otomatis berbasis tuning parameter PID dengan fuzzy logic atmega16 dapat diambil beberapa kesimpulan, diantaranya sensor HCSR-04 pada sistem ini berjalan dengan baik dimana error rata-rata sebesar 0,125 cm pada tangki 1 dan 0,25 cm pada tangki 2. Pada penalaan kontroller PID dengan metode trial and error diperoleh gain terbaik dengan gain tersebut adalah Kp=100 Ki=10 dan Kd=20, respon tersebut dapat dilihat pada gambar 14. Hasil pengujian pada proses pengisian takaran dengan lima kali percobaan menggunakan tuning parameter PID dengan fuzzy logic didapat error pada tangki takaran 1 kualitas 1 memiliki error sebesar 0,17 cm, tangki takaran 2 kualitas 1 memiliki error sebesar 0,098 cm, tangki takaran 2 kualitas 1 memiliki error sebesar 0,04 cm, dan tangki takaran 2 kualitas 2 memiliki error sebesar 0,04 cm. Didapat rata-rata error sebesar 0,087 cm dari hasil yang diinginkan, dengan demikian hasil pengujian melebihi set point, hal ini dikarenakan adanya gangguan berupa gelombang air atau riak, menyebabkan level yang diinginkan tidak sesuai tetapi masih dalam batas toleransi ±1%.

[4].

[5].

[6]. [7]. [8].

[9].

[10]. [11].

[12]. [13].

Referensi

[14]. [15].

[1].

[16].

[2]. [3].

---, http://irmadevita.com/2009/usaha-homeindustry-makanan-minuman-dan-obat-obatan/, Mei 2015. ---, http://swa.co.id/event/indonesian-customersatisfaction-award-icsa-2014 , Mei 2015. P. Li, Y. Cai, and J. Li, ”An Accurate Detection for Dynamic Liquid Level Based on MIMO Ultrasonic Transducer Array“, IEEE Transactions On Instrumentation And Measurement, vol. 64, no. 3, hal. 582, Maret. 2015.

[17]. [18].

----------, Motor Servo, http://achyarnur.blogspot.com/2013/07/servo-motorbagian-1-pengenalan-dan.html, Juli 2015. ---, http://www.mataharicourse.com/tag/pelembutpakaian, Juli 2015. Setiawan, Iwan, Kontrol PID Untuk Proses Industri, Elex Media Komputindo, Jakarta, 2008. Sutojo, T, dkk, “Kecerdasan Buatan”, ANDI, Yogyakarta, 2011. Setiawan, Iwan, “Perancangan Sistem Embedded Berbasis Statechart: Studi Kasus Pada Line Follower Mobile Robot”, http://iwan.blog.undip.ac.id. Juni 2009. Gang Feng, “Analysis and Synthesis of Fuzzy Control Systems: A Model-Based Approach”, CRC Press, USA, 2010. Jun Yan, Michael Ryan and James Power, “Using Fuzzy Logic”, Prentice Hall, New York, 1994. Ogata, Katsuhiko, “Teknik Kontrol Automatik Jilid 1”, diterjemahkan oleh Edi Leksono, Erlangga, Jakarta, 1994. ----------, ATmega16 Data Sheet, http://www.atmel.com, Juli 2015. ----------, Sensor Ultrasonic HC-SR04, http://christianto.tjahyadi.com/ belajarmikrokontroler/sensor-ultrasonik-hc-sr04.html, Mei 2015. ----------, Relay, http://www.oddwires.com/, Juli 2015. Wicaksono, Hendry, “Catatan Kuliah Automasi 1”, Teknik Elektro, Universitas Kristen Petra, Surabaya, 2012. ----------, Liquid Crystal Display Module M1632 : User Manual, Seiko Instrument Inc., Japan, 1987. Huaguang Zhang, Derong Liu, “Fuzzy Modelling and Fuzzy Control”, Birkhauser, Boston, USA, 2006 Ogata, Katsuhiko, “Teknik Kontrol Automatik Jilid 2”, diterjemahkan oleh Edi Leksono, Erlangga, Jakarta, 1994.

PELEMBUT DAN PEWANGI PAKAIAN OTOMATIS MENGGUNAKAN TUNING

Recommend Documents