III MODEL DAN SIMULASI KENDALI SUHU, KELEMBABAN,

DAN AMONIA PADA BROILER CLOSED HOUSE BERBASIS

ON-OFF, PID, FUZZY LOGIC DAN ANFIS

Abstract

Indonesia was a tropical area having a hot environmental conditions of air temperature and

humidity were high, with a diversity of very low temperatures, except for the equatorial

area of diversity is quite high temperatures and dry. According to the tropical regions

ranged from 23.5 o north latitude and 23.5 ° south latitude. The tropical climate is a

climate type is characterized by high temperatures and humidity throughout the year than

other regions at high latitudes. The annual average temperature was lowest 18oC. High

humidity causes the inhibition of the release mechanism/body heat tarnsfer or reduction of

heat loads can cause heat stress. Heat stress was what causes the decline in productivity.

Broilers were warm-blooded animals with homeothermis or her body temperature 40.6oC

and 41.7oC. High body temperature which makes the broiler has a limited ability to adjust

to ambient temperature. Therefore, the broiler would feel very depressed when the ambient

temperature was higher than his ideal temperature was 19-27oC. The research objectives

were: first, to model the heat transfer (temperature), humidity and ammonia in the broiler closed

house, the second, to simulate of control ON-OFF, PID, Fuzzy Logic and ANFIS parameters

temperature, humidity and ammonia in the broiler closed house. Temperature and humidity data

obtained directly from the sensor and data ammonia SHT75 ammonia sensor TGS 444 was

connected to the RS-232 cable to the microcontroller and the computer. Materials used

include: temperature and humidity sensor SHT75 and ammonia sensor TGS 444. A set of

computers and peripherals, thermocopel and hybrid recorder, a set of broiler closed house

with the insulation system, exhaust fan (fan), cooling pad (cooling unit), heater (heating

unit). The method used to make mathematical models to the heat transfer (temperature),

humidity and ammonia to create a mathematical model of a function of temperature,

humidity and ammonia, with the equation difrensial then transformed with laplace

equation with the transfer function. Transfer function as a substitute for realtime

allegations later included in the transfer function process control simulation. Simulation of

control in a brolier closed house in this study with 3 scenarios closed time during starter,

grower and finisher. Future studies using a broiler house closed. 300C to 26

0C setpoin the

starter, grower setpoin was 24-25 0C, setpoin 22-23

0C was a finisher. Controlling

temperature and humidity in broiler closed houses on using the method of self-tuning (self

tuning) control. Testing was done by testing the response variable input, set point tracking

test. Response testing performed on the machine control was modeled in the form of

transfer function with the input's of the constant in Matlab simulink. Testing the first set

point tracking was done by changing the temperature of 300C input value, 29

0C, 28

0C,

270C, 26

0C, 25

0C, 24

0C, 23

0C, 22

0C for control ON-OFF, PID, Fuzzy Logic and ANFIS.

Then in the second set point tracking will change the value of the input humidity was 70%,

60%, 50% for the control of the ON-OFF, PID, Fuzzy Logic and ANFIS. Continue

tracking the third set point humidity will change the input value of 20 ppm, 15 ppm, 10

ppm, 5 ppm, 2.5 ppm and 1 ppm for control ON-OFF, PID, Fuzzy Logic and ANFIS.

Performance response of control ON-OFF, PID, Fuzzy Logic and ANFIS according to the

transient control parameters.

Keyword: Model, simulation control ON-OFF, PID, Fuzzy Logic, ANFIS, on Broiler

Closed House.

58

Abstrak

Indonesia yang merupakan daerah tropis mempunyai kondisi lingkungan suhu udaranya

panas dan kelembaban yang tinggi, dengan keragaman suhu udara yang sangat rendah,

kecuali didaerah ekuator keragaman suhu cukup tinggi dan kering. Menurut wilayahnya

daerah tropis berkisar antara 23,5o

lintang utara dan 23,5o

lintang selatan. Iklim tropis

merupakan sebuah tipe iklim yang dicirikan oleh suhu dan kelembaban yang tinggi

sepanjang tahun melebihi daerah-daerah lain pada lintang tinggi. Suhu rata-rata tahunan

terendahnya yaitu 18oC. Tingginya kelembaban udara menyebabkan terhambatnya

mekanisme pelepasan/ pembuangan panas tubuh atau penurunan beban panas yang dapat

menimbulkan heat stress. Heat stress inilah yang menyebabkan penurunan produktivitas.

Ayam adalah hewan homeothermis atau berdarah panas dengan temperatur tubuhnya

40.6oC dan 41.7

oC

. Temperatur tubuh yang tinggi ini membuat ayam memiliki

kemampuan terbatas dalam menyesuaikan diri dengan temperatur lingkungan. Oleh karena

itu ayam akan merasa sangat tertekan jika suhu lingkungan lebih tinggi dari temperatur

ideal baginya yaitu 19-27oC. Tujuan Penelitian adalah: pertama, untuk memodelkan

pindah panas (suhu), kelembaban dan amonia pada broiler house, kedua, untuk

mensimulasikan kendali ON-OFF, PID, Fuzzy Logic dan ANFIS suhu, kelembaban dan

amonia pada broiler house. Data suhu dan kelembaban diperoleh secara lansung dari

sensor SHT75 dan data amonia sensor amonia TGS 444 dihubungkan dengan kabel RS-

232 ke mikrokontroler dan komputer. Peralatan yang digunakan meliputi : sensor suhu dan

kelembaban SHT75 dan sensor amonia TGS 444. Satu set komputer dan peripheral,

thermokopel dan hybrid recorder, satu set kandang ayam dengan sistem isolasinya,

exhaust fan (kipas angin), cooling pad (unit pendingin), heater (unit pemanas). Metode

digunakan membuat model matematik pindah panas (suhu), kelembaban dan amonia untuk

membuat model matematik fungsi suhu, kelembaban dan amonia, dengan persamaan

difrensial kemudian ditransformasikan dengan persamaan laplace dengan fungsi alih.

Fungsi alih sebagai sebagai pengganti dugaan realtime kemudian fungsi alih dimasukan

dalam proses simulasi kendali. Simulasi kendali pada kandang ayam dalam penelitian ini

broiler closed house dengan 3 skenario waktu pada masa starter, grower dan finisher.

Penelitian selanjutnya menggunakan beberapa broiler closed house. Untuk setpoin 260C-

300C adalah starter, setpoin 24-25

0C adalah grower, setpoin 22-23

0C adalah finisher.

Pengendali suhu dan kelembaban pada broiler closed house pada ayam broiler

menggunakan metode swa-tala (self tuning) kendali. Pengujian dilakukan dengan uji

respon variabel input, uji tracking set point. Pengujian respon dilakukan pada mesin

kendali yang dimodelkan dalam bentuk fungsi alih dengan input-an dari konstanta pada

simulink Matlab. Pengujian tracking set point pertama pada suhu dilakukan dengan

merubah nilai masukan sebesar 300C, 29

0C, 28

0C, 27

0C,26

0C,25

0C,24

0C,23

0C,22

0C untuk

kendali ON-OFF, PID, Fuzzy Logic dan ANFIS. Kemudian pada tracking set point kedua

akan merubah nilai masukan kelembaban sebesar 70%, 60%, 50% untuk kendali ON-OFF,

PID, Fuzzy Logic dan ANFIS. Dilanjutkan tracking set point ketiga akan merubah nilai

masukan kelembaban sebesar 20 ppm, 15 ppm, 10 ppm, 5 ppm, 2,5 ppm dan 1 ppm untuk

kendali ON-OFF, PID, Fuzzy Logic dan ANFIS. Kinerja respon kendali ON-OFF, PID,

Fuzzy Logic dan ANFIS sesuai parameter kendali transien.

Keyword: Model, simulasi kendali ON-OFF, PID, Fuzzy Logic, ANFIS, Broiler Closed

House.

59

Pendahuluan

Indonesia yang merupakan daerah tropis mempunyai kondisi lingkungan

suhu udaranya panas dan kelembaban yang tinggi, dengan keragaman suhu udara

yang sangat rendah, kecuali didaerah ekuator keragaman suhu cukup tinggi dan

kering. Menurut wilayahnya daerah tropis berkisar antara 23,5o

lintang utara dan

23,5o

lintang selatan. Iklim tropis merupakan sebuah tipe iklim yang dicirikan oleh

suhu dan kelembaban yang tinggi sepanjang tahun melebihi daerah-daerah lain

pada lintang tinggi. Suhu harianya dapat melebih 35oC atau yang secara umum

suhu lingkungan bisa berfluktuasi antara 29oC hingga 36

oC dan kelembabannya 70-

80% (Hery 2009). Menurut (Rao et al. 2002) pemeliharaan unggas di negara-

negara tropis, suhu lingkungan merupakan stressor utama dengan kisaran suhu

yang luas dari 35oC- 43°C untuk waktu yang lama. Suhu rata-rata tahunan

terendahnya yaitu 18oC (Handoko 1995). Tingginya kelembaban udara

menyebabkan terhambatnya mekanisme pelepasan/ pembuangan panas tubuh atau

penurunan beban panas yang dapat menimbulkan heat stress. Heat stress inilah

yang menyebabkan penurunan produktivitas.

Ayam adalah hewan homeothermis atau berdarah panas dengan temperatur

tubuhnya 40.6oC dan 41.7

oC. Temperatur tubuh yang tinggi ini membuat ayam

memiliki kemampuan terbatas dalam menyesuaikan diri dengan temperatur

lingkungan. Oleh karena itu ayam akan merasa sangat tertekan jika suhu

lingkungan lebih tinggi dari temperatur ideal baginya yaitu 19-27oC (Hamidi 2006;

Alimuddin et al. 2011).

Ternak unggas dalam hal ini ayam broiler bernafas dengan menghirup

oksigen dan mengeluarkan gas karbondioksida serta air. Dalam hal ini apabila

terlalu rendah kadar oksigen didalam kandang kondisi ini berhubungan dengan

temperatur dan kelembaban kandang, maka akan perdampak pada produksi dan

kesehatan ayam. Kotoran ayam mengandung gas beracun yaitu amonia (NH3),

hydrogen sulfida (H2S), karbondioksida (CO2) dan methane. Diantara gas bercun

tersebut yang paling banyak menimbulkan masalah bagi kesehatan dan

produktivitas ternak serta pemukiman adalah amonia.

60

Tabel 3. 1 Batas aman dan kematian akibat gas yang merugikan di broiler closed

house

Jenis Gas Batas Kematian

(%)

Batas Aman

% ppm

Amonia > 0.05 < 0.0025 < 25

Hidrogen Sulfida >0.05 < 0.004 <40

Carbon Dioksida > 30 < 1 <10 000

Methana >5 < 5 <50 000

Sumber: (North dan Bell 1990)

Konsentrasi NH3 dalam kandang dipengaruhi oleh pakan yang dikonsumsi,

tata laksana perkandangan, penanganan kotoran ternak, jumlah kotoran dalam

kandang, serta temperatur dan kelembaban yang tinggi. Konsentrasi NH3

meningkat sejalan dengan meningkatnya kelembaban, pH, dan temperatur kandang,

serta populasi mikroorganisme (Rohaeni 2005). Sedangkan menurut (Liu 2007)

konsentrasi amonia dipengaruhi oleh temperatur udara dan litter, laju ventilasi,

kecepatan aliran udara, pH dari litter, kadar nitrogen pada litter, kadar air pada

litter, kondisi daerah yang dibangun kandang, desain kandang, dan manajeman

perkandangan. Desain kandang berventilasi alami unggas sulit diterapkan karena

dipengaruhi dari lingkungan luar sehingga diperlukan ventilasi mekanik (Lacy dan

Czarmick 2000).

Daging merupakan komoditas peternakan sumber protein hewani dan yang

banyak dikonsumsi sekarang ini adalah daging broiler. Sejauh ini konsumsi

masyarakat terhadap broiler semakin tinggi, sehingga peternak broiler harus

berusaha menyediakan kebutuhan daging untuk masyarakat. Standar yang di

tetapkan oleh FAO, kebutuhan protein hewani adalah 6 g/kapita/hari dan yang

sudah terpenuhi sebesar 4,19 g/kapita/hari (Agustina 2010).

Bobot badan kumulatif ayam broiler berumur 5 minggu adalah 1.915 g/ekor

atau rataan pertambahan bobot badan 370 g/ekor/minggu (NRC 1994). Rata-rata

pertambahan bobot badan hasil penelitian ini sebesar 1864 g/ekor/minggu (Piliang

& Djojosoebagjo 2006). Selanjutnya disebutkan bahwa konsumsi kumulatif broiler

berumur 6 minggu adalah 3.471 g/ekor atau rata-rata konsumsinya adalah 578,5

g/ekor/minggu. Rata-rata konsumsi pakan hasil penelitian 570 g/ekor/minggu.

Konversi pakan hasil penelitian berkisar antara 1,95 – 2,01 dan konversi pakan

yang baik berkisar antara 1,75–2,00. Semakin rendah angka konversi pakan berarti

kualitas pakan semakin baik (Amrullah 2003).

61

Ayam broiler merupakan salah satu jenis ternak yang mempunyai

kemampuan yang tinggi dalam mengonversikan ransum yang dikonsumsinya

menjadi daging. Produktivitas broiler dipengaruhi oleh faktor genetik dan

lingkungan. Lingkungan memberikan pengaruh terbesar (70%) dalam menentukan

performan ternak, sedangkan faktor genetik 30%. Suhu lingkungan di Indonesia

tinggi merupakan salah satu masalah dalam pencapaian performans broiler yang

optimal. Pada suhu yang tinggi, broiler akan mengalami stres, yang akan

mempengaruhi penurunan konsumsi ransum sehingga terjadi penurunan bobot

tubuh. Broiler mengalami stres karena panas proses metabolisme setelah

mengonsumsi ransum dan panas tambahan karena suhu lingkungan yang tinggi

sehingga broiler akan banyak mengonsumsi air minum. Meminimalkan gangguan

selama cuaca panas dapat dilakukan dengan cara mengubah spesifikasi ransum dan

praktek pemberian ransum. Unggas banyak dihadapkan pada stres yang berasal

dari berbagai sumber antara lain praktek manajemen, nutrisi, dan kondisi

lingkungan. Kebiasaan peternak broiler yang pada umumnya lebih banyak

memberikan ransum pada siang hari, sangat tidak mendukung untuk pencapaian

performans broiler yang optimal (Amrullah 2003; Alimuddin et al. 2011).

Dengan kondisi lingkungan tropik diperlukan teknologi peternakan berupa

sistem kendali untuk mengoptimalkan manajemen lingkungan broiler closed house

memberikan hasil budidaya peternakan yang memiliki karakteristik ekonomis

dengan ciri yang khas antara lain pertumbuhannya cepat, sebagai penghasil daging

dengan konversi makanan rendah dan siap dipotong pada usia yang relatif muda

(Priyatno 2000).

Sistem kendali pada awalnya adalah konvensional dimana informasi

numerik yang merupakan pasangan data masukan dan keluaran plant diperoleh dari

sensor. Sedang informasi linguistik biasanya diperoleh dari operator yang paham

dengan pengendalian plant dimaksud (Ogata 2002). Dalam perkembangannya,

sistem kendali mengarah kepada sistem kendali berbasis komputer digital karena

lebih luwes (mudah dimodifikasi), pemrosesan data yang sederhana, dan ekonomis

(Paraskevopoulos 1996). Berkembangnya sistem kendali digital membuat banyak

peneliti yang memfokuskan penelitiannya pada metode atau algoritma yang

digunakan sebagai pengendali. Diawali dari pengendalian dengan metode PID,

yaitu dengan cara menyetel beberapa parameter sehingga dihasilkan hasil

62

pengendalian yang optimal. Ketidakmampuannya untuk beradaptasi pada beberapa

perubahan seperti performansi komponen dengan pertambahan waktu atau

perubahan parameter dan kondisi sekelilingnya maka dibutuhkan sistem kendali

yang bisa beradaptasi pada perubahan-perubahan tersebut.

Metode yang mendapat perhatian luas dalam dasawarsa terakhir adalah

metode berbasis kecerdasan buatan (artificial intelligence) yaitu neuro fuzzy. Neuro

fuzzy merupakan perpaduan jaringan neural artificial dan sistem logika fuzzy

(Kosko 1992), (Kartalopoulos1996). Pada sistem kendali berbasis neuro fuzzy,

informasi numerik dimanfaatkan oleh jaringan neural artifisial guna mendapatkan

kinerja sistem kendali yang bersifat adaptif (Brown dan Harris 1994). Jaringan ini

meniru kerja jaringan neural biologis manusia. Jaringan neural dikarakteristikkan

oleh arsitektur, algoritma pembelajaran, dan fungsi aktivasinya. Sedang informasi

linguistic diolah menggunakan sistem logika fuzzy (Visioli dan Finzi 1998). Pada

sistem logika fuzzy, informasi linguistik diimplementasikan dalam suatu himpunan

basis aturan jika-maka. Basis aturan ini mengakomodasi semua informasi yang

tidak presisi tentang hubungan masukan dan keluaran plant. Sistem neuro fuzzy

terus mengalami perkembangan dan penyempurnaan algoritma. Salah satu

perkembangannya adalah dengan diperkenalkannya metode ANFIS (Adaptive

Neuro Fuzzy Inference System) oleh (Jang 1993). ANFIS) adalah sistem inferensi

logika fuzzy yang diimplementasikan pada suatu jaringan adaptif. Sistem ini

memiliki kemampuan untuk memperbaiki parameter-parameter basis aturan logika

fuzzynya yaitu parameter premis dan parameter konsekuensi. Metode ANFIS

(Adaptive Neuro Fuzzy Inference System) selanjutnya mengalami berbagai

penyempurnaan diantaranya oleh (Wang dan Lee 2002) dengan penerapan pada

sistem pemrosesan sinyal untuk keperluan medis. Penerapan metode ANFIS

(Adaptive Neuro Fuzzy Inference System) untuk sistem kendali agar bersifat cerdas,

yaitu mampu beradaptasi sesuai dengan perubahan target pengendalian dan juga

kondisi mesin kendali.

Dalam sistem kendali dikenal adanya model sistem dinamik dalam

persamaan difrensial untuk memodelkan mesin kendali, selanjutnya

ditransformasikan dalam bentuk persamaan Laplace. Fungsi alih sistem

didefinisikan sebagai perbandingan transformasi Laplace keluaran terhadap

transformasi Laplace masukan. Fungsi alih sistem juga merupakan model

63

matematika yang menghubungkan variabel masukan dengan variabel keluaran.

(Ogata Katsuhiko 1994, 2002; Robert dan Kent 1997; Bolton 1995, 2006;

Benyamin 1998; Roro 2001). Fungsi alih sebagai bagian dari parameter kendali

untuk menghasilkan output kendali (ON OFF, PID, Fuzzy logic dan ANFIS).

Sistem Kendali

Sistem merupakan bagian dari terjadinya proses, sedang sesuatu yang

bukan sistem atau membatasi sistem disebut lingkungan. Komponen utama dalam

sistem adalah masukan, keluaran dan proses. Menurut Gopal (2003), Masukan

(input) adalah aliran energi dan atau material yang menyebabkan proses bereaksi

atau berespon. Masukan ini dapat berupa manipulated input yaitu masukan yang

berasal dari dalam atau dari luar lingkungan yang tidak diharapkan dan

pengaruhnya tidak dapat dihindari. Keluaran (output) adalah variabel respon yang

diharapkan berperilaku sebagaimana yang diharapkan. Proses sistem diperoleh

dari fungsi transfer, fungsi transfer merupakan perbandingan antara transformasi

Laplace keluaran terhadap transformasi Laplace masukan dengan anggapan kondisi

awal adalah nol (t = 0).

Di dalam sistem kontrol terdapat tiga model sistem yaitu, sistem kontrol

terbuka (Open Loop Control System), sistem kontrol tertutup (Close Loop Control

System) dan sistem kontrol umpan balik (Feedback Control System). Sistem kontrol

terbuka adalah sistem yang menggunakan alat untuk mengontrol proses tanpa

menggunakan umpan balik, sehingga keluaran tidak berpengaruh terhadap sinyal

yang masuk kedalam proses. Sistem kontrol tertutup adalah sistem yang

menggunakan pengukuran dari keluaran dan membandingkan dengan keluaran

yang diinginkan. Sistem kontrol umpan balik adalah sistem yang mempertahankan

hubungan yang ditentukan antara keluaran dan beberapa masukan acuan, dengan

membandingkan antara keduanya dan menggunakan antara keduanya dan

menggunakan perbedaannya sebagai alat kendali (Kuo 1995)

Sistem selalu dipengaruhi gangguan (disturbance) yang berasal dari luar

atau dari dalam sistem, gangguan merupakan sinyal yang cenderung mempunyai

pengaruh yang merugikan pada harga keluaran sistem. Sistem kontrol tertutup

dapat mengurangi pengaruh gangguan. Akibat dari adanya gangguan tersebut

menyebabkan adanya sinyal kesalahan (error signal), yaitu perbedaan antara

64

variabel masukan dengan keluaran (Dorf 1989). Untuk itu diperlukan pengontrol

yang menerima informasi tentang nilai yang diinginkan dari keluaran dan

menggunakan informasi sebagai kontrol untuk variabel termanipulasi sebagai

akibat dari efek gangguan dan mengendalikan sistem dengan memanipulasi sinyal

error, sehingga output sistem sama dengan input yang diberikan.

Suatu konfigurasi sistem kendali/pengaturan dapat digambarkan seperti Gambar

3.1

control signal

Isyarat kendali

Feedback signal

Isyarat umpan-balik

PENGENDALI

(CONTROLLER)

KENDALIAN

(PLANT)

SISTEM KENDALI

Reference

input signal,

command, set-point

Isyarat masukan

acuan, perintah

set-point

output signal

luaran. isyarat

luaran, hasil,

produk

Gambar 3.1 Konfigurasi dasar sistem kendali (adopsi dari Bolton 2006)

Sistem kendali dapat di-identifikasi atau ditengarai terdiri dari minimal 2

(dua) bagian utama, yaitu: (1) bagian (atau sub-sistem) pengendalian atau yang

dikendalikan (Plant), yang bisa merupakan peralatan, perangkat, atau proses yang

menghasilkan luaran (output, hasil, produk, isyarat luaran, output signal) karena

dikendalikan oleh bagian pengendali. (2) bagian (atau sub-sistem) pengendali

(controller), yang juga bisa merupakan peralatan, perangkat, atau proses yang

menghasilkan isyarat kendali (control signal) untuk mengendalikan kendalian.

Jadi secara konseptual, konfigurasi dari sistem kendali dapat digambarkan

seperti pada Gambar 3.1. Selain isyarat luaran (output signal) dan isyarat kendali

(control signal) suatu sistem kendali sering dilengkapi (walau pun tidak harus

demikian) dengan isyarat umpan-balik (feedback signal) yang dalam operasinya

dibandingkan dengan suatu isyarat masukan acuan (reference input signal) atau

perintah (command) atau set-point, agar pengendali dapat menghasilkan isyarat

kendali yang mengendalikan kendalian sampai menghasilkan luaran yang

diharapkan. Sistem kendali demikian biasa dikategorikan sebagai sistem kendali

(dengan) umpan-balik (feedback control systems). Tidak semua sistem kendali

65

merupakan sistem kendali dengan umpan-balik, banyak juga sistem kendali yang

beroperasi tanpa umpan-balik.

Sistem Kendali ON-OFF

Model kendali ON-OFF merupakan sebuah yang diaktivasi oleh sinyal error

dan hanya menyupali sinyal pengoreksi ON-OFF. (Bolton W, 2006). Pada sistem

kontrol ON-OFF, elemen pembangkit hanya memiliki dua posisi tertentu yaitu ON

dan OFF. Kontrol ON-OFF memiliki karakteristik sinyal keluaran dari kendali u(t)

tetap pada salah satu nilai maksimum atau minimum tergatung apakan sinyal

kesalahan positif atau negatif. (Nalwan 2003) Diagram blok kendali ON-OFF yang

memiliki masukan e(t) dan keluaran u(t), ditunjukkan pada Gambar 3.2.

Gambar 3. 2 Diagram kendali ON-OFF (Nalwan 2003)

Aksi kontrol ON-OFF ditunjukkan pada persamaan

…………………………………………………………..(3.1)

Persamaan (3.1) memiliki nilai U1 dan U2 yang konstan. Nilai minimum U2

dapat sebasar nol atau - U1. Pada sistem kendali ikal tertutup (close loop), sinyal

e(t) merupakan sinyal kesalahan aktuasi (error) sebesar selisih antara sinyal input

dengan sinyal umpan balik.

Gambar 3. 3 (a) Diagram blok kontroler ON-OFF; (b) Diagram blok kontroler

ON-OFF dengan jurang diferensial

(Adopsi Bolton 2006 dan Nalwan 2003)

Gambar 3. 3.(a) dan (b) menunjukkan diagram blok kendali dua posisi.

Daerah dengan sinyal pembangkit kesalahan yang digerakkan sebelum terjadi

switching disebut jurang diferensial. Jurang diferensial ditunjukkan pada Gambar

66

3.3(b). Suatu jurang diferensial menyebabkan keluaran kendali u(t) tetap pada nilai

awal sampai sinyal pembangkit kesalahan telah bergerak mendekati nilai nol.

Dalam beberapa kasus jurang diferensial terjadi sebagai akibat adanya penghalang

yang tidak dikehendaki dan gerakan yang hilang, sering juga hal ini dimaksudkan

untuk mencegah operasi yang berulang-ulang dan mekanisme ON-OFF.

Pengendalian ON-OFF hanya bekerja pada dua posisi, yaitu posisi ON dan

posisi OFF. Kalau final kontrol element berupa control valve , kerja valve hanya

terbuka penuh atau tertutup penuh. Pada sistem pengendalian ON-OFF control

valve tidak akan pernah bekerja didaerah antara 0 sampai 100%. Karena kerjanya

yang ON-OFF, maka hasilnya pengendali ON-OFF akan menyebabkan proses

variabel yang bergelombang, tidak pernah konstan. Perubahan proses variabel akan

seirama dengan perubahan posisi final control element. Besar kecinya fluktuasi

proses variabel ditentukan oleh titik kendali ON dan titik OFF. Contoh

pengendalaian ON-OFF yang paling mudah ditemukan pengendalian suhu pada

seterika listrik atau pompa air listrik otomatis. Kedua alat ini bekerja secara ON-

OFF dengan memanfaatkan adjustable dead band yang ada pada temperature

switch dan pressure switch (Nalwan 2003).

Kerja pengendalian ON-OFF banyak dipakai di sistem pengendalian yang

sederhana karena harganya yang relatif murah. Namun , tidak semua proses dapat

dikendalikan secara ON-OFF karena banyak operasi proses yang tidak dapat

mentolerir fluktuasi proses variabel. Jadi, syarat utama untuk memakai pengendali

ON-OFF bukan untuk menghemat biaya unit pengendali melainkan karena proses

memang tidak dapat mentolerir fluktuasi proses variabel pada batas-batas kerja

pengendalian ON-OFF (Bolton 2006).

Sistem Kendali PID

Kendali PID adalah kendali berumpanbalik yang paling populer di dunia

industri. Selama lebih dari 50 tahun, kendali PID terbukti dapat memberikan

kinerja kendali yang baik meski mempunyai algoritma sederhana yang mudah

dipahami [Willis, 1999]. Hal krusial dalam desain kendali PID ialah tuning atau

pemberian parameter P, I, dan D agar didapatkan respon sistem yang kita inginkan.

Pada tahun 1942, Ziegler-Nichols mengembangkan metode kurva reaksi

(open loop tuning) di mana kita bisa mendapatkan parameter P, I, D dari respon

67

open loop sistem (tidak perlu mengetahui model plant). Selain itu mereka juga

mengembangkan metode osilasi (close loop tuning) yang bisa menangani plant

yang mengandung integrator (tidak stabil). Setelah itu pada tahun 1967

dikembangkan metode tuning yang bertujuan meminimasi nilai integral kesalahan

yang disebut minimum error integral tuning (Smith dan Corripio 1997).

Kemudian muncul metode tuning yang berdasar model plant, karena

identifikasi plant bukan lagi hal yang sulit untuk dilakukan. Metode pertama ialah

direct synthesis yang memerlukan model plant sebenarnya dan model plant yang

diinginkan untuk mendapatkan parameter kendali P, I, D. Metode berikutnya yang

hampir sama ialah internal model control yang dikembangkan oleh Garcia dan

Morrari pada tahun 1982 (Ray dan Oguinnake 1994).

Kp adalah konstanta proporsional, Ki menyatakan konstanta integral dan

Kd menyatakan konstanta derivatif. Kendali Proporsional akan memberikan efek

mempercepat respon, tetapi tidak menghapus kesalahan keadaan tunak.Kendali

integral kendali akan memberikan efek menghapus kesalahan keadaan tunak, tetapi

berakibat memburuknya respon transient. Kendali Derivatif akan memberikan efek

meningkatnya stabilitas sistem, serta mengurangi overshoot. Pengendali

proporsional (P), integral (I) dan diferensial (D) masing-masing memiliki fungsi

untuk mempercepat reaksi sistem, menghilangkan offset dan memberikan energi

ekstra di saat-saat awal terjadi perubahan load (Gunterus 1994).

Gambar 3. 4 Diagram kotak pengendali PID (Gunterus 1994)

Persamaan untuk pengendali proporsional plus integral plus

diferensial didefinisikan dengan persamaan berikut.

..................................................................(3.2)

Karakteristik pengendali PID sangat dipengaruhi oleh kontribusi besar dari

ketiga parameter P, I dan D. Penyetelan konstanta Kp, Ti, dan Td akan

68

mengakibatkan penonjolan sifat dari masing-masing elemen. Satu atau dua dari

ketiga konstanta tersebut dapat disetel lebih menonjol dibanding yang lain.

Konstanta yang menonjol itulah akan memberikan kontribusi pengaruh pada respon

sistem secara keseluruhan.

Menurut (Gopal 2003, 2009) mengemukakan beberapa model kendali yaitu

kendali proporsional, kendali integral dan kendali derivatif.

Gambar 3. 5 Diagram blok dari kendali Proporsional – Integral – Derivatif

(Gopal 2003)

Pada kombinasi aksi kendali proporsional – integral - derivatif ini

didefinisikan oleh persamaan

0

tp

p p d

i

K de tu t K e t e t dt K T

T dt……………………………..(3.3)

Bila dinyatakan dalam fungsi alih menjadi

11 i

p d p d

i

U s KK T s K K s

E s T s s…………………………..(3.4)

Sistem Kendali Fuzzy Logik.

Teori Fuzzy dicetuskan oleh (L.A. Zadeh 1976) berdasarkan konsep

ketidakpastian manusia dalam menilai suatu obyek secara kualitatif. Dewasa ini

penggunaan yang paling banyak dari teori fuzzy adalah dalam bidang kendali.

Dengan teknik ini pengetahuan tentang model matematika yang presisi tidak lagi

diperlukan. Menurut (Yan Jun, Ryan Michael, Power James 1994), pendekatan

metode fuzzy dapat membantu dalam menjelaskan ketidakpastian batas antara satu

criteria dengan criteria lainnya, yang disebabkan oleh adanya penilaian manusia

terhadap sesuatu secara kumulatif. Suatu himpunan fuzzy adalah suatu fungsi

keanggotaan µ yang mmerlukan anggota-anggota himpunan tersebut dalam selang

[0,1]. Bila x adalah anggota himpunan fuzzy maka µ(x) adalah tingkat kecocokan

atau kesesuaian dengan konsep yang dipresentasikan oleh himpunan fuzzy. Nilai µ

-

C s +1

(s)

E s 1

1p d

i

K T sT s

69

(x) adalah 0 bila x sama sekali tidak cocok dan niainya adalah 1 apabila x memiliki

kecocokan total.

Suatu himpunan fuzzy A dapat ditulis sebagai fungsi berikut:

µA(x) : x > [0,1]

Hubungan yang berlaku pada himpunan fuzzy adalah:

Irisan : µA B(X) = min

Gabungan : µA B(X) = max

Komplemen : µAc(X) = 1- µA(x)

Himpunan Bagian : A µA(x) µB(x)

Dimana operator jika dan hanya jika

Pengelompokan keanggotaan digambarkan dalam sebuah fungsi

keanggotaan (membership function) (Li-Xin 1997). Dalam aplikasi pengendalian,

himpunan fuzzy disusun untuk menggambarkan simpangan, misalnya Negatif,

Negatif Besar, Positif, Positif Kecil atau Nol. Nilai-nilai ini yang akan diinferensi

menggunakan pernyataan If…Then… sehingga akan dihasilkan aksi pengendalian

yang perlu dilakukan berdasarkan kondisi parameter terukur yang akan

dikendalikan.

Metode fuzzy adalah salah satu perkembangan dari teori himpunan fuzzy

dan logika fuzzy dengan berbasiskan aturan yang menerapkan pemetaan nonlinier

antara masukan dan keluarannya. (Dadone Parlo, 2001). Untuk merancang sistem

pengendalian otomatis bagi proses-proses tersebut, yang mampu menterjemahkan

pengetahuan dan aturan-aturan fuzzy maka diperlukan teori logika fuzzy, sebagai

salah satu alternatif. Menurut (Yan 1994) menentukan variabel masukan kendali

fuzzy akan diseleksi sebagai kesalahan (error, E) dan perubahan kesalahan (delta

error, dE). Sinyal E didapatkan dari pengurangan keluaran sistem terhadap

setpoint, sedangkan sinyal dE didapatkan dari pengurangan sinyal error saat ini

dengan sinyal error sebelumnya. Kedua sinyal tersebut diolah oleh pengendali

fuzzy. Keluaran merupakan variasi perintah yang disusun sebagai berikut:

Jika keluaran sama dengan nilai yang diinginkan dan perubahan kesalahan

sama dengan nol, maka keluaran yang sebelumnya dipertahankan.

Jika keluaran tidak sesuai dengan yang diinginkan maka aksi kendali

tergantung pada nilai error dan perubahan error.

70

Kontrol Logika

FuzzyPlant

Set Point

+ _

Outputs

E

dE

Gambar 3. 6 Struktur kendali logika fuzzy untuk pengendalian sistem.

Sumber : (Yan 1994)

Kendali logika fuzzy yang digunakan untuk pengendalian sistem terdiri dari

empat bagian dasar yaitu fuzzifikasi, basis pengetahuan, fuzzy inference engine

dan defuzzifikasi. Struktur dasar kendali logika fuzzy tersebut dapat dilihat pada

gambar berikut :

Gambar 3. 7 Struktur dasar kontrol logika fuzzy. Sumber: (Yan 1994)

Gambar 3. 8 Operasi kendali logika fuzzy. Sumber: (Reznik 1997)

Basis Pengetahuan

( Basis data dan Basis Aturan )

Fuzzifikasi Defuzzifikasi

Fuzzy Inference Engine

Plant

ndisi (X)

Aksi Kontrol (U)

71

Adapun kendali fuzzy pada dasarnya adalah teori himpunan, yang

mewadahi kriteria penilaian pada suatu obyek yang dilakukan secara kualitatif.

Konsep ini mengklasifikasikan suatu obyek seperti umum dilakukan oleh manusia,

misalnya ukuran sebuah benda adalah besar, sedang dan kecil. Oleh karena itu,

tidak semua orang akan memberikan penilaian yang sama pada keadaan suatu

obyek sehingga tingkat kecocokannya bisa berbeda-beda.Penilaian seorang ahli

tentu akan berbeda dengan orang biasa. Dengan landasan pembentukan logika

seperti ini maka banyak dipakai sebagai prosedur pengambilan keputusan dalam

bidang keceradasan buatan (Artificial Intelligence) (Turban 1995).

Sistem pengaturan dengan menggunakan kendali logika fuzzy berbeda

dengan menggunakan pengaturan konvensional. Sistem pengaturan konvensional

menggunakan asumsi bahwa sistem adalah linear dan merupakan proses yang

stationer dimana dalam pemodelan plant dinyatakan kondisi linier. Dengan asumsi

tersebut maka hasil yang dihasilkan tidak optimum. Untuk mendapatkan hasil yang

baik maka dikembangkan suatu kendali yang dapat memperbaiki kekurangan dari

kendali konvensional tersebut. Metode yang dikembangkan tersebut dikenal

dengan metode Fuzzy Logic Controller (FLC) (Yan 1994)

Tingkat kecocokan terhadap suatu kriteria dikelompokkan dalam suatu

fungsi keanggotaan (membersip function), µ. Besaran kuantitatif yang

menggambarkan kondisi suatu obyek biasanya dikonversikan ke dalam kriteria

kualitatif dalam suatu proses yang disebut fuzzifikasi (fuzzification). Prosedur yang

biasa dipergunakan adalah dengan memetakannya dalam bentuk kurva segitiga

seperti terlihat pada Gambar 3.9 berikut:

Gambar 3. 9 Fungsi keanggotaan segitiga Sumber: (Yan, 1994)

Fungsi keanggotaan segitiga teridiri dari sumbu horizontal, sumbu vertikal

dan label. Sumbu horizontal menunjukkan nilai error (E), beda error (dE), dan atau

nilai kualitatif dari keluaran (U). Sedangkan sumbu vertikal menunjukkan derajat

1

0

N ZO P

72

keanggotaan dari nilai error (E), beda error (dE) yang nilainya berselang 0–1.

Fungsi keanggotaan segitiga dan derajat keanggotaan dapat dilihat pada Gambar

3.9.

Selanjutnya dibuat matriks keputusan sebagai aturan control yang sesuai

dengan kombinasi error dan dan beda error. Matriks keputusan tersebut akan

menentukan nilai keluaran (U) tergantung nilai error dan beda error. Matriks

keputusan akan mempunyai nilai error dan beda error. Matriks keputusan akan

mempunyai nilai yang berbeda untuk setiap sistem yang berbeda. Salah satu bentuk

matriks keputusan untuk sustu sistem kendali dapat dilihat pada Tabel 3. 2.

Tabel 3. 2 Matriks keputusan

E/dE NB NS NK ZO PK PS PB

NB NB NB NB NB NS NK ZO

NS NB NB NB NS NK ZO PK

NK NB NB NS NK ZO PK PS

ZO NB NS NK ZO PK PS PB

PK NS NK ZO PK PS PB PB

PS NK ZO PK PS PB PB PB

PB ZO PK PS PB PB PB PB

Sumber (Li-Xin 1997)

Matriks keputusan dan kombinasi nilai error dan beda error berpengaruh

pada nilai kualitatif keluaran akan diproses lagi sehingga menjadi keluaran

kuntitatif yang diperoleh dengan proses defuzzyfikasi.

Proses defuzzyfikasi merupakan proses penerjemahan kembali keluaran (U)

ke dalam bentuk nilai kuantitatif untuk mendapatkan keluaran numerik (Un),

pemetaan dari ruang aksi kontrol fuzzy yang ditentukan, meliputi himpunan

semesta keluaran (output universe of discourse) ke ruang aksi control crips (non

fuzzy). Strategi ini ditujukan untuk menghasilkan suatu aksi kontrol non fuzzy

yang paling tepat dalam merepresentasikan kemungkinan distribusi aksi control

fuzzy yang telah dihitung. Metode defuzzyfikasi dilakukan dengan memberikan

pembobotan pada setiap keluaran (Yan 1994).

Sumbu vertikal merupakan nilai derajat kecocokan µ yang berkisar antara 0

dan 1. Sumbu horizontal memperlihatkan nilai kuantitatif untuk setiap kriteria

kualitatif yang berkisar anatara -1 dan 1 untuk E dan dE, dan -1.25 dan 1.25 untuk

U. Pengambilan keputusan dilakukan dengan mempertimbangkan dua situasi yaitu

antara E dan dE dengan membandingkan keadaan level air yang diinginkan.

73

Kombinasi kedua situasi ini menentukan nilai kualitatif U seperti dalam matrik

keputusan pada Tabel 3. 2. Nilai kualitatif U kemudian diterjemahkan menjadi nilai

kuantitatif dalam proses defuzifikasi dengan merujuk pada Gambar 33. Derajat

keanggotaan µ untuk Ei dan dEi dihitung dengan persamaan 17 dan

pembobotannya wij dihitung dengan persamaan 18. Uji diperoleh dengan merujuk

pada Tabel 3. 2 untuk nilai kualitatifnya dan Gambar 3.9 untuk kuantitatifnya. Nilai

keluaran (U) diperoleh berdasarkan pada persamaan di bawah ini.

Tabel 3. 3 Contoh Matrik Keputusan

dE

E P ZO N

P P P ZO

ZO P ZO N

N ZO N N

Sumber ( Li-Xin 1997)

…………………………………………………………………….(3.5)

Dimana, merupakan nilai kualitatif Eij atau dEij, =1 dan =0.

Wij= µ(Ei) x µ(dEj) …….......................………………………………………..(3.6)

………………............…………………………………………...(3.7)

Sistem Kendali ANFIS

Sistem kendali pada awalnya adalah konvensional dimana informasi

numerik yang merupakan pasangan data masukan dan keluaran plant diperoleh dari

sensor. Sedang informasi linguistik biasanya diperoleh dari operator yang paham

dengan pengendalian plant dimaksud (Ogata 2002). Dalam perkembangannya,

sistem kendali mengarah kepada sistem kendali berbasis komputer digital karena

lebih luwes (mudah dimodifikasi), pemrosesan data yang sederhana, dan ekonomis

(Paraskevopoulos 1996). Berkembangnya sistem kendali digital membuat banyak

peneliti yang memfokuskan penelitiannya pada metode atau algoritma yang

digunakan sebagai pengendali. Diawali dari pengendalian dengan metode PID,

yaitu dengan cara menyetel beberapa parameter sehingga dihasilkan hasil

pengendalian yang optimal. Ketidakmampuannya untuk beradaptasi pada beberapa

perubahan seperti performansi komponen dengan pertambahan waktu atau

perubahan parameter dan kondisi sekelilingnya maka dibutuhkan sistem kendali

yang bisa beradaptasi pada perubahan-perubahan tersebut. Metode yang mendapat

74

perhatian luas dalam dasawarsa terakhir adalah metode berbasis kecerdasan buatan

(artificial intelligence) yaitu neuro fuzzy. Neuro fuzzy merupakan perpaduan

jaringan neural artificial dan sistem logika fuzzy (Kosko 1992), (Kartalopoulos

1996).

Pada sistem kendali berbasis neuro fuzzy, informasi numerik dimanfaatkan

oleh jaringan syaraf tiruan guna mendapatkan kinerja sistem kendali yang bersifat

adaptif (Brown dan Harris 1994). Jaringan ini meniru kerja jaringan neural biologis

manusia. Jaringan neural dikarakteristikkan oleh arsitektur, algoritma

pembelajaran, dan fungsi aktivasinya. Sedang informasi linguistic diolah

menggunakan sistem logika fuzzy (Visioli dan Finzi, 1998). Pada sistem logika

fuzzy, informasi linguistik diimplementasikan dalam suatu himpunan basis aturan

jika-maka. Basis aturan ini mengakomodasi semua informasi yang tidak presisi

tentang hubungan masukan dan keluaran plant. Sistem neuro fuzzy terus mengalami

perkembangan dan penyempurnaan algoritma. Salah satu perkembangannya adalah

dengan diperkenalkannya metode ANFIS (Adaptive Neuro Fuzzy Inference System)

oleh (Jang 1993). ANFIS (Adaptive Neuro Fuzzy Inference System) adalah sistem

inferensi logika fuzzy yang diimplementasikan pada suatu jaringan adaptif. Sistem

ini memiliki kemampuan untuk memperbaiki parameter-parameter basis aturan

logika fuzzynya yaitu parameter premis dan parameter konsekuensi .

Metode ANFIS (Adaptive Neuro Fuzzy Inference System) selanjutnya

mengalami berbagai penyempurnaan diantaranya oleh Wang dan Lee (2002)

dengan penerapan pada sistem pemrosesan sinyal untuk keperluan medis.

Penerapan metode ANFIS (Adaptive Neuro Fuzzy Inference System) untuk sistem

kendali agar bersifat cerdas, yaitu mampu beradaptasi sesuai dengan perubahan

target pengendalian dan juga kondisi plant.

ANFIS merupakan jaringan adaptif yang secara fungsional ekivalen dengan

sistem inferensi fuzzy. ANFIS dapat diterapkan secara luas dalam pemodelan,

pengambilan keputusan, pemrosesan sinyal dan kendali. Salah satu metode kendali

yang dapat digunakan untuk menunjang kerja sistem adalah metode kendali

Adaptive Neuro-Fuzzy Inference System atau yang lebih dikenal dengan ANFIS.

(Widodo 2005). ANFIS adalah kendali logika fuzzy yang merupakan salah satu

bagian dari sistem pengaturan cerdas. Arsitektur jaringan adaftif yang digunakan

harus jaringan adaptif umpan maju, bila tidak ingin menggunakan model yang

75

dioperasikan secara kompleks. ANFIS dapat memperbaharui parameter-

parameternya menurut aturan belajar backpropagation.

Keterbatasan area kerja ini akan menyebabkan keterlambatan respon dari

sistem kendali jika pengendali hanya berbasis pada sistem kontrol ON-OFF, PID,

Fuzzy Logic biasa, dan salah satu teknik yang bisa dikembangkan untuk mengatasi

kelemahan sistem tersebut adalah dengan menggunakan kendali model prediksi

(model predictive control). Kendali model prediksi merupakan jenis sistem kendali

yang didesain berdasarkan model suatu proses. Model tersebut digunakan untuk

menghitung sejumlah nilai prediksi keluaran proses. Berdasarkan sejumlah nilai

prediksi tersebut, sinyal kendali yang akan diberikan ke proses dihitung dengan

melakukan minimalisasi suatu fungsi kriteria, sehingga selisih antara nilai prediksi

keluaran proses dengan sejumlah masukan referensi yang bersesuaian adalah

minimal (Sanchez 1996).

Pengendali fuzzy adaptif Neuro-dengan sejumlah kecil bobot dapat

dirancang dengan menggunakan arsitektur ANFIS. Struktur ANFIS bisa mengatasi

masalah parameter penalaan yang berlebihan dan perlu untuk pemodelan proses

dengan model jaringan terpisah seperti ANN, fuzzy atau ANFIS. Pembelajaran

terbalik adalah salah satu metode perancangan pengendalian ANFIS. Ini

melibatkan dua fase: pembelajaran (learning) dan fase pegujian (testing). Dalam

belajar tahap set training diperoleh dengan menghasilkan masukan secara acak, dan

mengamati output yang sesuai dihasilkan oleh plant.

Dalam fase pengujian, identifikasi ANFIS akan disalin ke pengendali

ANFIS untuk menghasilkan output diinginkan. Fase pengujian dan fase

pembelajaran terbalik masing-masing ditunjukkan pada Gambar 3.10 dan 3.11.

Metode ini tampaknya mudah dan hanya satu tugas pembelajaran yang dibutuhkan

untuk mencari invers dari plant. Ini mengasumsikan keberadaan plant terbalik,

yang tidak berlaku secara umum. Meminimalkan kesalahan (error) jaringan tidak

menjamin minimalisasi kesalahan sistem secara keseluruhan. Namun, pembelajaran

terbalik adalah sebuah pendekatan tidak langsung yang mencoba untuk

meminimalkan jaringan output kesalahan bukan kesalahan sistem secara

keseluruhan (didefinisikan sebagai perbedaan antara lintasan diinginkan dan

aktual).

76

Pada metode ini pembelajaran (diilustrasikan pada Gambar 3.10) dapat

digunakan sebagai alternatif yang mencoba untuk meminimalkan kesalahan sistem

langsung oleh kesalahan sinyal terbalik melalui blok plant. Untuk sinyal kesalahan

terbalik melalui plant, sebuah model yang mewakili perilaku plant yang

dibutuhkan. Dengan kata lain, Jacobian plant, ∂y/∂u diperlukan. Hal ini dapat

diperkirakan secara online dari perubahan plant input dan output. Perilaku yang

diinginkan dari sistem secara keseluruhan juga dapat secara implisit ditentukan

oleh model (biasanya linier) pengendalian yang mampu mencapai tujuan

memuaskan.

Gambar 3. 10 Model pembelajaran identifikasi ANFIS

(Wang dan Lee 2002)

Gambar 3. 11 Proses pengujian pada kendali ANFIS

Sumber: (Jang et al.1997)

Gambar 3. 12 Struktur pembelajaran pada Kendali ANFIS

Sumber: (Jang et al.1997)

ANFIS adalah penggabungan mekanisme sistem inferensi fuzzy yang

digambarkan dalam arsitektur jaringan syaraf. Sistem inferensi fuzzy yang

digunakan adalah sistem inferensi fuzzy model Tagaki-Sugeno-Kang (TSK) orde

satu dengan pertimbangan kesederhanaan dan kemudahan komputasi. Salah satu

bentuk struktur yang sudah sangat dikenal adalah seperti terlihat pada gambar di

77

bawah ini. Dalam struktur ini, sistem inferensi fuzzy yang diterapkan adalah

inferensi fuzzy model Takagi-Sugeno-Kang.

Adaptive Neuro-Fuzzy Inference System (ANFIS) merupakan jaringan

adaptif yang berbasis pada sistem kesimpulan fuzzy (fuzzy inference system).

Dengan penggunaan suatu prosedur hybrid learning, ANFIS dapat membangun

suatu mapping input-output yang keduanya berdasarkan pada pengetahuan manusia

(pada bentuk aturan fuzzy if-then) dengan fungsi keanggotaan yang tepat. Sistem

kesimpulan fuzzy yang memanfaatkan aturan fuzzy if-then dapat memodelkan

aspek pengetahuan manusia yang kualitatif dan memberi reasoning processes tanpa

memanfaatkan analisa kuantitatif yang tepat (Jang et al. 1997).

ANFIS dapat bertindak sebagai suatu dasar untuk membangun satu

kumpulan aturan fuzzy if-then dengan fungsi keanggotaan yang tepat, yang

berfungsi untuk menghasilkan pasangan input-output yang tepat. Meetode ANFIS

terbagi menjadi 3 proses yaitu: proses Inisialisasi awal, proses pembelajaran

(learning), dan proses peramalan. Penentuan periode input dan periode training

dilakukan saat inisialisasi awal dimana tiap-tiap periode input memiliki pola atau

pattern yang berbeda. Data yang digunakan untuk proses pembelajaran (traning)

terdiri dari data input, parameter ANFIS, dan data test yang berada pada periode

traning ANFIS.

Training dengan ANFIS menggunakan adalah algoritma belajar hibrida,

dimana dilakukan penggabungan metode Least-squares estimator (LSE) pada alur

maju dan error backpropagation (EBP) pada alur mundur. Pada algoritma belajar

ini nilai parameter premis akan tetap saat alur maju, namun sebaliknya parameter

konsekuen akan terupdate saat alur maju (Jang et al. 1997). Pembelajaran ANFIS

adalah pengubahan parameter fungsi keanggotaan masukan dan keluaran dengan

menggunakan algoritma perambatan balik atau algoritma hybrid. Algoritma hybrid

adalah gabungan antara algoritma backpropagation dan RLSE (Recursive Least

Squares Estimator) yang digunakan untuk memperbaharui parameter premis.

Tujuan Penelitian ini adalah: pertama, untuk memodelkan pindah panas

(suhu), kelembaban dan amonia pada broiler closed house, kedua, untuk

mensimulasikan respon kendali ON-OFF, PID, Fuzzy Logic dan ANFIS suhu,

kelembaban dan amonia pada broiler closed house bagian dari supervisori kendali

78

Penelitian terdahulu yang terkait dengan model dan kendali lingkungan

suhu dan kelembaban di kandang tertutup diantaranya: Ernst (1998) membahas

suhu kandang sebesar 33-350C menggunakan kendali ON-OFF dengan pengukuran

psychrometric. (Weaver 2001) membahas menggunakan kendali ON-OFF pada

kandang ayam dengan suhu 210C dan kelembaban 60% pada musim panas dan

dingin. (Ibrahim 2002) membahas penggunakan kendali ON-OFF yang terjadi dua

musim yaitu musim panas dan musim dingin, musim panas suhu dalam broiler

house 260C dan kelembaban 70%, musim dingin suhu dalam broiler house 34

0C,

kelembaban 70%, dan amonia < 25ppm.

Bahan dan Metode

Bahan yang Digunakan

Lokasi penelitian ini dilaksanakan antara lain di laboratorium Teknik

Bioproses Universitas Tsukuba, Jepang, Laboratorium Kontrol dan Instrumentasi

FATETA IPB dan University of Farm Closed House Cikabayan IPB mulai bulan

Januari 2009 sampai April 2011. Bahan yang digunakan terdiri dari ayam broiler

sebanyak 20.000 ekor, kandang ayam dengan sistem closed house yang ada di

lahan penelitian Cikabayan IPB dengan ukuran panjang x lebar x tinggi adalah 120

m x lebar 12 m x tinggi 2.5 m., pakan ayam, air minum, menggunakan software

matlab versi 7 untuk simulasi kendali suhu, kelembaban dan amonia.

Peralatan yang digunakan meliputi : sensor suhu dan kelembaban SHT75

dan sensor amonia TGS 444. Satu set komputer dan peripheral, thermokopel dan

hybrid recorder, satu set kandang ayam dengan sistem isolasinya, exhaust fan

(Kipas angin) sebanyak 8 buah, cooling pad (unit pendingin) sebanyak 2 buah,

heater (unit pemanas) sebanyak 2 buah, temtron sebanyak 2 buah, tempat air

minum, tempat pakan ayam.

Tahapan penelitian adalah sebagai berikut: a) Melakukan pengukuran

dengan sensor suhu kelembaban dan amonia pada broiler closed house, b)

Memodelkan suhu kelembaban dan amonia pada broiler closed house untuk ayam

broiler, c) Mensimulasikan dengan respon optimal dengan satu modus kendali ON-

OFF, PID, Fuzzy Logic, ANFIS pada broiler closed house untuk ayam broiler.

79

Gambar 3. 13 Perancangan sistem kendali pada Broiler Closed House

Metode Yang Digunakan

Pemodelan Matematika Kendali Suhu Kelembaban dan Amonia dalam

Broiler Closed House

Suhu (T), kelembaban relative (RH) dan amonia (NH3) di dalam kandang

ayam dipengaruhi oleh kondisi lingkungan di dalam juga sedikit pengaruh dari luar

seperti atap, dinding, lantai dan penyekat kandang ayam. Pendekatan model suhu

dan kelembaban disusun dengan mempertimbangkan penempatan sensor-sensor

lingkungan di dalam kandang dan mempertimbangkan faktor yang paling

berpengaruh terhadap perubahan suhu dan kelembaban relatif disekitar penempatan

sensor tersebut.

Gambar 3.14 menggambarkan bahwa broiler closed house mendapatkan

energi iradiasi matahari yang jatuh melalui atap transparan dan melepas panasnya

bersama aliran udara menuju udara di dalam broiler closed house, dinding dan atap.

Dinding, atap, lantai secara konveksi melepas panas ke udara. Bersamaan dengan

iradiasi yang jatuh kea tap, juga terjadi kehilangan panas lewat penetrasi

lingkungan. Dari lingkungan ke udara dalam kandang ayam atau sebaliknya, terjadi

pindah panas dan massa melalui dinding secara konduksi dan konveksi atau aliran.

Asumsi yang digunakan dalm konsep pemodelan suhu dan kelembaban ini

adalah: 1) suhu lantai dan udara dalam kandang ayam seragam, 2) kelembaban

udara dalam kandang ayam seragam, 3) suhu dan kelembaban udara lingkungan

seragam, dan 4) kondisi lingkungan disekitar kandang ayam berikut faktor-faktor

fisika, kimia yang mempengaruhi sebagai hasil interaksi antara linkungan dengan

ayam broiler, 5) Sistem fluida keadaan steady yaitu selang waktu tetap, 6) konveksi

paksa (force convection).

Broiler House

Algoritma Kendali ON-

OFF,PID,Fuzzy Logic,

ANFIS

Algorithm

Heater, Fan,

Cooler

Suhu, Kelembaban,

amonia

80

Gambar 3. 14 Skema konsep pemodelan suhu kelembaban dan amonia dalam

Broiler Closed House

Sehubungan dengan itu, untuk menduga suhu dan kelembaban relative

dalam kandang ayam disusun dalam model matematika. Persamaan dalam bentuk

model matematika untuk menghitung perubahan suhu dalam ruangan kandang

ayam berdasarkan hukum keseimbangan energi sebagai berikut :

Suhu Ruangan (Troom)

……………………………………………………………………..…………..(3.8)

Suhu Lantai (Tfloor)

…………………………………………..(3.9)

Suhu Atap (Troof)

(3.10)

Suhu Dinding (Twall)

(3.11)

Metode ini digunakan untuk mengukur parameter suhu kandang dan

mengambil data sekunder dalam peneltian sebelumnya dan BMG, terdiri dari suhu

ruangan, suhu dinding, suhu lantai, suhu atap, suhu ayam, suhu evavoration

cooling, suhu kipas angin. Pengujian model dilakukan dengan mensimulasi model

perpindahan panas untuk menduga perubahan suhu dan kelembaban dalam broiler

81

closed house yaitu suhu ruangan, suhu lantai, suhu dinidng, suhu atap dan

kelembaban terhadap waktu. Simulasi pindah panas dan massa dijabarkan dalam

bentuk suhu serta kelembaban dalam kandang dilakukan dengan memecahkan

persamaan atur (governing equation) dengan metode Euler’s Finite Difference.

Penyusunan model berdasarkan persamaan perhitungan pindah panas baik

secara konveksi lantai, dinding, atap, konduksi pada atap dan radiasi pada atap.

Selanjutnya melakukan pemodelan matematika terhadap plant untuk mencari

fungsih alih sebagai pengganti pendugaan real-time. Pemodelan berarti

menyatakan sistem dalam dunia nyata (real world) menjadi bentuk persamaan

matematika. Modeling juga dapat diartikan sebagai usaha menirukan kelakuan

proses (real world system) didalam usaha untuk memahaminya. Hal tersebut

dilakukan dengan menyusun hubungan-hubungan fisik dari sistem sesungguhnya

dengan menggunakan hukum-hukum ilmu alam. Dengan pemodelan dapat

perlakuan banyak mengenai suatu sistem tanpa harus menghadirkan sistem

tersebut. Dengan penyusunan model maka sifat (karakteristik) sistem akan lebih

mudah dianalisis/dipelajari. Selain itu modeling merupakan usaha yang tidak

membutuhkan biaya banyak dan resiko yang kecil.

Model matematika dari sistem pemanas ruangan kandang ayam diturunkan

ulang pada bagian ini (Gopal 2003). Prinsip kerja pemanas ruangan dikembangkan

berdasarkan Hukum Termodinamika I dan II. Perpindahan panas pada kasus

pemanasan ruangan adalah memindahkan energi dalam bentuk panas dari suatu

titik yang bersuhu tinggi ke titik yang bersuhu lebih rendah (Djojodihardjo 1985).

Untuk menghangatkan ruangan dibutuhkan suatu fluida (berupa air, udara atau uap)

yang dipanaskan di dalam heater dengan udara ruangan, fluida akan mengalir

kembali lagi ke heater untuk dipanaskan kembali.

Merujuk pada Gambar 3.14, panas yang digunakan untuk menghangatkan

ruangan berasal dari panas laten kondensasi fluida, yaitu suatu panas yang

digunakan oleh tiap satuan fluida untuk mengubah wujudnya. Dalam kasus ini,

kalor yang digunakan fluida adalah kalor uap dan kalor embun. Jika suhu ruangan

sebesar , uap dari fluida akan mengalir dari evavorative cooling masuk ke

dalam ruangan kandang dengan kecepatan aliran mengalirkan panas dalam

ruangan (memanaskan udara dalam ruangan). Perbedaan suhu yang ada

mengakibatkan terjadinya perpindahan panas ayam broiler yang bersuhu ,

82

dinding ruangan yang bersuhu , lantai ruangan yang bersuhu , atap

ruangan yang bersuhu dan udara luar ruangan (disturbance) yang bersuhu

.

Broiler closed house terdapat ayam bisa mengeluarkan panas dan

menyerap panas. Berdasarkan hukum kekekalan energi dalam sistem tertutup, tidak

ada energi yang tersimpan dalam sistem, mengakibatkan panas yang masuk sistem

sama dengan panas yang meninggalkan sistem. Besarnya panas yam broiler adalah:

…………………….....(3.12)

……………...………..(3.13)

adalah besarnya panas yang tersimpan selama t, akibat perpindahan

panas antara ayam dengan udara dalam ruangan.

adalah luas permukaan (permukaan antara ayam dalam udara ruangan)

Persamaan kesetimbangan panas untuk ayam

…………………………………………………...….(3.14)

dengan adalah koefisien panas laten dari kondensasi.

Pendekatan yang digunakan untuk memodelkan pemanasan ruangan adalah

menurunkan besarnya panas yang yang tersimpan terhadap waktu dan mengacu

pada hukum dasar perpindahan panas fourier. Dari persamaan (28) diperoleh.

………………………………………………..…(3.15)

…………………………………………(3.16)

Jika hambatan panas konvektif untuk permukaan antara ayam broiler –

udara ruangan dinyatakan dengan

……………………………………………….................(3.17)

sehingga persamaan (28) menjadi

…………………………………………………(3.18)

Fluida yang digunakan untuk menghangatkan ruangan mengalir dari ayam

broiler mengakibatkan terjadinya perpindahan panas. Misalnya panas yang

83

tersimpan dalam udara ruangan . Perpindahan panas inilah digunakan

dalam ruangan kandang tertutup. Misalnya panas yang tersimpan dalam udara

ruangan merupakan selisih antara panas ayam broiler dan panas

dinding , panas atap dan panas lantai maka adalah

………...(3.19)

…(3.20)

Dengan mair adalah massa udara ruangan, cair adalah kapasitas panas jenis

udara ruangan, adalah koefisien film dari permukaan antara udara ruangan-

dinding, dan adalah luasan permukaan antara udara ruangan dan dinding

kandang. Sebaran panas di dalam udara ruangan adalah

……………………………...…...(3.21)

……….(3.22

)

Persamaan (36) merupakan persamaan kesetimbangan panas untuk yang

menyumbangkan panas (ayam broiler, kipas angin, lampu,evavorari cooling)

………………..(3.23

)

...(3.24)

…………..(3.25)

……………………………………….. (3.26)

.(3.27)

84

Jika kapasitas panas udara ruangan dinyatakan C1= m3c3 dan hambatan

panas konveksi dinding + konveksi atap + konveksi tanah serta udara dalam

ruangan

……………………………………………………..……(3.28)

Persamaan kesetimbangan panas untuk udara ruangan adalah :

…………..……….(3.29)

Suhu udara ruangan dipengaruhi oleh udara luar ruangan (disturbance) yang

mengakibatkan adanya panas yang tersimpan di dalam dinding. Besarnya

merupakan selisih antara panas udara ruangan Qroom(t) dengan udara lingkungan

Qambient yaitu

…………………………………………………...………(3.30)

…………………………………..…(3.31)

………………………………...(3.32)

………………………………....(3.33)

………….(3.34)

Jika kapasitas panas dinding dinyatakan C2= mwall cwall dan hambatan panas

konveksi dinding-disturbance dinyatakan dengan

………………………………………………………….(3.35)

Persamaan kesetimbangan panas untuk dinding adalah

……………….(3.36)

Jika kapasitas panas lantai dinyatakan C3= mwall cwall dan hambatan panas

konveksi lantai-disturbance dinyatakan dengan

………………………………………………………….(3.37)

Persamaan kesetimbangan panas untuk lantai adalah

85

……………(3.38)

Jika kapasitas panas atap dinyatakan C2= mroof croof dan hambatan panas

konveksi dinding-disturbance dinyatakan dengan

…………………………………………………………….(3.39)

Persamaan kesetimbangan panas untuk atap adalah

………………(3.40)

Oleh karena aliran fluida di dalam ayam broiler selalu dalam keadaan

steady flow, maka kesetimbangan di dalam ayam broiler dapat diabaikan, sehingga

dari persamaan (43), (49), (51) dan (53) diperoleh sistem persamaan diferensial.

Dinamika sistem orde satu dapat dinyatakan dalam bentuk persamaan diferensial

………………………………… (3.41)

……………….(3.42)

…………. (3.43)

...…………...(3.44)

Persamaan (55) merupakan persamaan model suhu dengan pemanas

ruangan dengan Qflow (t) merupakan variabel input terkontrol,

merupakan variabel input tak terkontrol dan merupakan variabel output.

Fungsi Alih dari Persamaan Pemanas Ruangan

Pada subbab ini disajikan pembahasan untuk mencari fungsi transfer (fungsi

alih) dari persamaan suhu dengan pemanas ruangan pada system kontrol tertutup

dengan kondisi awal nol.

Gambar 3. 15 Sistem kendali loop tertutup

86

(3.45)

(3.46)

Dari persamaan (3.46) dan , diperoleh:

(3.47)

Substitusi persamaan (3.45) dan (3.47) disederhanakan menjadi:

……….. (3.48)

Fungsi transfer sistem kendali tertutup, kondisi awal sistem dianggap nol

(t=0) mengakibatkan sama dengan 0.

Persamaan (3.48)

……………………………(3.49)

dengan

…………………. …..(3.50)

………...………………………..………(3.51)

………………………………......................... (3.52)

Dari pers (3.49) diperoleh fungsi transfer G(s) untuk sistem pemanas ruang

…………………………(3.53)

87

Selanjutnya dicari transformasi laplace dari keluaran yaitu:

dari invers Laplace dari tersebut adalah

.

Dalam hal ini maka fungsi alih untuk suhu kandang ayam tertutup sebagai

berikut:

……………………….. (3.54)

Untuk mengetahui kinerja sistem, kemudian dibuat grafik dari keluaran

, disetelah mengetahui grafik dari sistem, diberikan aksi control pada

sistem tersebut dengan menggunakan model kendali ON-OFF, PID, Fuzzy Logic,

dan ANFIS.

Asumsi , Kondisi Awal dan Kondisi batas Dalam Perhitungan Simulasi Aliran

Udara:

Asumsi Kandang Ayam

a. Udara tidak termampatkan (incompressible), ρ konstan

b. Bilangan Prantilasi udara konstan (panas jenis, konduktivitas dan viskositas

udara konstan)

c. Udara bergerak dalam keadaan steady

d. Udara lingkungan dianggap konstan selama simulasi yaitu pada nilai 300C

e. Aliran udara dianggap laminier, didasarkan oleh bilangan Re= 1698.

Aliran laminar jika Re<2000 (Holman 1997).

Model Matematika Kendali Kelembaban dalam Broiler Closed House

Pemodelan kelembaban dalam ruangan kandang ayam tertutup asumsi

terdapat pada gambar 3.14 sebagaimana juga di bahas dalam pemodelan suhu,

maka persamaan kelembaban sebagai berikut:

…………… (3.55)

………..(3.56)

……………….(3.57)

……………….(3.58)

di mana:

88

mr = Laju aliran massa dalam ruang broiler closed house

mumk= Laju aliran massa udara masuk dan keluar broiler closed house

Shum = Pelembab = Qevaporation Cooling

ρ = Angkasa kepadatan ( 1.2 g m/3),

Cp = Panas jenis udara ( 1006 J ( kg K)/1),

Persamaan keseimbangan energi (energy balance) maka model kelembaban dalam

ruangan tertutup, dinyatakan dalam persamaan :

Total dan fungsi- fungsi psikometrik adalah sebagai berikut:

1. Koefisien pindah panas total

……………………………………………………………...(3.59)

2. Kelembaban mutlak

……………………………………………………………...(3.60)

3. Tekanan uap pada suhu T

………………………………………...……………...……(3.61)

4. Kelembaban relative (RH)

…………………………………………………...……………....(3.62)

5. Tekanan uap jenuh pada suhu jenuh T

Ps= RxExp(A+BT+CT2+DT

3+ET

4)/(FT-GT

2)……………………….…....(6.63)

Dimana konstanta-konstanta adalah sebagai berikut :

R= 22105649,25

A = -27405,526

B = 97 ,5413

C = 0,146244

D = 0,000126

E = 0,0000000485

F = 4,34903

G= 0,00394

Patm= 101325Pa

89

Perubahan RH dalam ruangan dihitung berdasarkan asumsi bahwa udara

ruangan berasal dari udara luar yang dipanaskan oleh bangunan kandang ayam.

Udara tersebut tidak mengalami penambahan uap air karena air penguapan dari

ayam brolier diasumsikan semuanya tersedot keluar. Tekanan uap jenuh (Ps)

dihitung berdasarkan suhu mutlak lingkungan (Ta) dengan persamaan berikut :

Ps = 22105649.25 exp (A1/B1) ……………………………………….…….(3.64)

Ps = 22105649.25 exp (27405.526 + 97.5413 T - 0.14244 T2 - 1.2558E-4 T

3 -

0.45852E-7 T4)/(4.34903 T - 0.003938 T

2) …………………...........................(3.65)

A1 = -27405.526 + 97.5413 T - 0.14244 T2 - 1.2558E-4 T

3 -0.45852E-7 T

4 (3.66)

B1 = 4.34903 T - 0.003938 T2 ………..……………………………………...(3.67)

Nilai Psr1 untuk udara pengering di dalam ruang ERK dihitung berdasarkan

suhu mutlak ruang ERK (Tr1) dengan persamaan (74)-(76) diatas, sedangkan nilai

Pv dicari dengan persamaan berikut :

Pv = RHa x Ps…………………………………………………….…(3.68)

dimana RHa adalah nilai kelembaban lingkungan. Karena tidak ada penambahan

uap air (nilai H tetap) maka Pvr! sama dengan Pv lingkungan, sehingga RH udara

pengering didapatkan :

RHr1 = Pv/Psr1 (3.69)

Model Matematika Kendali Kelembaban dalam Ruangan Kandang Ayam

(3.70)

(3.71)

(3.72)

(3.73)

(3.74)

Apabila ruangan lembab tersimpan dalam ruangan merupakan selisih

antara panas broiler dan panas dinding maka adalah:

90

(3.75)

(3.76)

Karena aliran fluida dalam keadaan steady

(3.77)

(3.78)

Maka persamaan model RH pada broiler closed house merupakan variabel

input terkendali, merupakan variabel input tak terkendali dan

merupakan variabel output.

(3.79)

(3.80)

(3.81)

Fungsi transfer kelembaban kendali tertutup, kondisi awal sistem dianggap

nol (t=0) mengakibatkan Hr ambient atau kelembaban lingkungan = 0

(3.82)

Dengan

(3.83)

(3.84)

(3.85)

(3.86)

Dari pers (4.11) diperoleh fungsi transfer G(s) untuk sistem pemanas ruang

91

(3.87)

Selanjutnya dicari transformasi laplace dari keluaran yaitu

dari invers Laplace dari tersebut

adalah .

Untuk mengetahui kinerja sistem, kemudian dibuat grafik dari keluaran

, disetelah mengetahui grafik dari sistem, diberikan aksi kendali pada

sistem tersebut dengan menggunakan model kendali ON-OFF, PID, Fuzzy Logic,

ANFIS.

Fungsi Alih Untuk Kelembaban (RH)

(3.88)

(3.89)

Model Matematika Kendali Amonia dalam Ruangan Kandang Ayam

Fungsi NH3 = fungsi (NH3m,V,Tlantai, NHsource,A)

General mass transfer flux equation J = Km (Cg, 0 - Cg, ∞ ) (3.90)

Mass balance equation J = (Q/A) Cg, ∞ (3.91)

Subtitusi kedua persamaan diatas J = ((Q/A)-1 + Km-1)-1 Cg, 0 (3.92)

(3.93)

(3.94)

– (3.95)

– (3.96)

Fungsi Alih NH3 = NH3 room (amonia ruangan)/ Qc (broiler +

kecepatan udara) atau fungsi Alih NH3 = NH3 room (amonia ruangan)/Q flow

(3.97)

Dari fungsi alih suhu, kelembaban dan amonia di atas di masukan ke dalam

kendali lingkungan broiler closed house. Acuan optimal di peroleh dari parameter

lingkungan optimal yang didasarkan pada hasil maksimal produk yang dipanen

92

baik secara kualitas, kuantitas maupun selera tergnatung kondisi produk yang

diinginkan. Kondisi optimal tidak selalu berarti lingkungan diharapkan

meningkatkan pertumbuhan ayam. Terkadang cekaman (stress) lingkungan dapat

menghambat pertumbuan tetapi kualitas, seperti perlakuan evavorting cooling

terhadap ayam broiler yang dapat meningkatkan kondisi nayaman, hal ini termasuk

kondisi optimal yang dikaitkan dengan peningkatan kualitas. Parameter optimal

kendali dihubungkan dengan bias (error) yang minimum dan performansi kendali

yang stabil yang terdiri dari kendali ON-OFF, PID, FUZZY, ANFIS.

Gambar 3. 16 Struktural sistem parameter optimal kendali lingkungan Broiler

Closed House dengan simulasi Matlab

Kendali suhu, kelembaban dan amonia ON/OFF merupakan kendali suhu,

kelembaban dana amonia dengan keluaran sinyal hidup (ON) jika suhu turun di

bawah titik pengaturan dan mati (OFF) apabila suhu, kelembaban dan amonia telah

mencapai titik pengaturan atau respon optimal pada broiler closed house.

Gambar 3. 17 . Grafik kendali ON-OFF Broiler Closed House

Algortima Kendali PID m(t) adalah keluaran PID, e(t) adalah error, Kp

adalah konstanta proporsional, KI adalah konstanta integral, KD adalah konstanta

diferensial, ST adlah sampling time (detik), TD adalah waktu diferensial (detik), Rf

adalah gradien besaran fisik, Lf adalah seperempat periode.Parameter kendali

adalah suhu, kelembaban dan amonia pada broiler closed house.

ACUAN KONTROL ON-OFF

PID, FUZZY, DAN

ANFIS

LINGKUNGAN BROILER

CLOSED HOUSE

+

-

e

PARAMETER OPTIMAL KONTROL

93

Gambar 3. 18. Penerapan kendali PID lingkungan Broiler Closed House

Pemecahan persamaan integral dan diferensial mengikuti pendekatan Euler.

Adapun pemecahan persamaan persamaan integral pada gambar pendektan euler,

besaran luasan daerah di bawah kurva didekati dengan menghitung besarnya

dengan menghitung besarnya luasan daerah empat persegi, dengan m(t) adalah

integral dari e(t).

Gambar 3. 19 Pendekatan numerik euler untuk pemecahan Integral.

Pemecahan persamaan diferensial dengan mengansumsikan gradient e(t)

pada t=(k+1)T sama dengan gradient garis lurus yang menghubungkan e(k)T

dengan e[(k+1)].

Gambar 3. 20 Pendekatan numerik euler untuk pemecahan Diferensial

94

Algortima Sistem Fuzzy Logic pada Broiler Closed House

a. Error dan dError Suhu (T)/Amonia (NH3)

Error_T/NH3/=data_T/RH/ –Set_point T/NH3/

dError-T/NH3=Error_T/RH/(1)-Error_T/NH3/

Jun Yan menentukan variabel masukan kendali fuzzy akan diseleksi sebagai

kesalahan (error, E) dan perubahan kesalahan (delta error, dE). Sinyal E

didapatkan dari pengurangan keluaran sistem terhadap setpoint, sedangkan

sinyal dE didapatkan dari pengurangan sinyal error saat ini dengan sinyal error

sebelumnya. Kedua sinyal tersebut diolah oleh pengendali fuzzy. Keluaran

merupakan variasi perintah yang disusun sebagai berikut:

Jika keluaran sama dengan nilai yang diinginkan dan perubahan kesalahan

sama dengan nol, maka keluaran yang sebelumnya dipertahankan.

Jika keluaran tidak sesuai dengan yang diinginkan maka aksi kendali

tergantung pada nilai error dan perubahan error.

b. Fuzzifikasi Suhu Kelembaban dan Amonia (Penentuan derajat keanggotaan)

Proses ini dilakukan dengan memetakan input suhu dan amonia pada selang

nilai yang dapat terjadi secara ril (dapat mengacu kedata penelitian sebelumnya

tentang selang nilai suhu, kelembaban dan amonia udara). Pada rancangan ini

universe of discourse nilai suhu yang digunakan adalah 25-300C

dan nilai

kelembaban sebesar 15-90%. Sedangkan selang nilai derajat keanggotaan

(degree of membership) secara umum ditetapkan 0 -1. Keterangan (label) yang

digunakan adalah negatif besar (NBE), negarif sedang (NSE), Negatif kecil

(NKE), Zero (ZE), positif kecil (PKE), positif sedang (PSE) dan positif besar

(PBE) yang menggambarkan kondisi suhu dan kelembaban dari kriteria rendah

ke kriteria tinggi secara proporsional. Sedangkan bangun yang digunakan untuk

mempresentasikan batas scope/domain adalah bentuk segitiga dan trapezium.

Bangu trapezium terjadi batas bawah dan batas atas domain sedangkan bangun

segitiga terjadi diantara kedua bangun trapezium tersebut.

Nilai analog (crisp input) yang digunakan untuk mencari derajat keanggotaan

adalah NBE=-0.75, NSE=-0.05, NKE=-0,25, ZE=0, PKE=0,25, PSE = 0,5 dan

PBE = 0,75. Scope domain dalam konsep ini adalah bangun yang dibatasi oleh

masing-masing crisp input yakni bangun trapezium pada nilai <=-0,75 atau

bangun segitiga pada nilai 0 – 0,25.

95

c. Defuzzy (Penegasan). Proses penegasan dilakukan untuk memperoleh nilai

analog dari konsep penerapan aturan if then (fuzzy rules) terhadap penentuan

derajat keanggotaan dari error suhu/NH3 dan dError suhu/NH3. Penerapan

aturan if then (fuzzy rules) tidak terpisah sebagai sebuah tahapan melainkan

digunakan baik pada proses penentuan derajat keanggotaan, penegasan

,maupun penyesuaian nilai keluaran fuzzy pada input peralatan analog.

Penegasan menggunakan metode pembobotan center of Gravity yakni dengan

menggunakan persamaan.

Gambar 3. 21 Penerapan kendali Logika Fuzzy lingkungan Broiler Closed House

Pengendalian sistem suhu kelembaban amonia sering dianggap sebagai

patokan untuk proses kendali nonlinier karena perilaku yang sangat nonlinear yang

ditunjukkan oleh suhu kelembaban amonia dinamika. Dalam studi ini, bertujuan

untuk menggunakan ANFIS sebagai pengontrol dalam suhu kelembaban amonia

mengontrol sistem. Untuk tujuan ini, kendali ANFIS dirancang dan digunakan

dalam cara adaptif dalam skema kendali suhu kelembaban amonia. Gambar 3.21

mengilustrasikan adaptif mengendalikan skema untuk sistem suhu kelembaban

amonia yang diteliti. Model suhu kelembaban amonia yang dikembangkan

digunakan sebagai nyata plant dalam skema ini. Masukan ke pengontrol di setiap

pengambilan sampel instan adalah tanaman dan controller output, suhu kelembaban

amonia (k-1) dan F2 (k-1), masing-masing disebelumnya pengambilan sampel

instan. Output pengontrol adalah input pabrik baru, F2 (k).

96

Gambar 3. 22 Penerapan kendali ANFIS lingkungan Broiler Closed House

Struktur ANFIS merupakan mekanisme penalaran fuzzy Sugeno atau

arsitektur jaringan syaraf feed-forward. Struktur ANFIS terdiri dari lima lapisan

yang tiap-tiap lapisan mempunyai fungsi-fungsi tertentu. Simpul kotak yang ada

pada Gambar 3.22 menyatakan simpul adaptif, yang yang parameternya dapat

berubah dengan pembelajaran, sedangkan lingkaran menyatakan simpul non

adaptif yang nilainya tetap.

Gambar 3. 23. Struktur ANFIS

Sumber: (Jang 2003)

Menurut (Jang 2003) Struktur ANFIS diatas dengan bentuk umum dua

aturan fuzzy if-then seperti yang ditunjukkan dengan persamaan sebagai berikut:

Lapisan 1. Semua simpul pada lapisan ini adalah simpul adaptif (parameter dapat

berubah) denganfungsi simpul:

O x l i A = μ untuk I = 1, 2 atau …………………………………………….(3.98)

Ol,i =μ Bi−2 ( y) untuk I = 3, 4 ……………………………………….……..(3.99)

dengan x dan y adalah masukan pada simpul i, Ai (atau Bi-2) yang merupakan

variable linguistic (seperti ‘besar’ atau ‘kecil’). Dengan kata lain O1,i adalah fungsi

97

keanggotaan masing-masing dari sebuah set fuzzy (A dan B) dengan derajat

keanggotaan yang ditentukan oleh input x dan y. Simpul O1,i berfungsi untuk

menyatakan derajat keanggotaan tiap masukan terhadap himpunan fuzzy A dan B.

Bentuk fungsi keanggotaan pada layer atau lapisan pertama dapat berbentuk

misalnya fungsi keanggotaan gauss, yang dapat ditunjukkan dalam bentuk :

………………………………………….(3.100)

dimana {ai ,bi} adalah parameter yang dapat diubah-ubah (parameter adaptif).

Selama harga dari parameter ini berubah-ubah, fungsi keanggotaan bell akan

bervariasi bergantung pada parameter yang berubah, sehingga fungsi keanggotaan

untuk set fuzzy (A dan B) akan bervariasi. Parameter-parameter pada lapisan ini

disebut sebagai parameter premis.

Lapisan 2. Semua simpul pada lapisan ini adalah non adaptif (parameter tetap).

Fungsi simpul ini adalah

mengalikan setiap sinyal masukan yang datang.

…………..………………………(3.101)

ini menunjukkan banyaknya aturan yang dibentuk. Fungsi perkalian yang

digunakan adalah interpretasi kata hubung AND dengan menggunakan operator

tnorm.

Lapisan 3. Setiap simpul pada lapisan ini adalah simpul nonadaptif yang

menampilkan fungsi normalisasi kekuatan pengaruh (normalized firing strength)

yaitu rasio keluaran simpul ke-i pada lapisan sebelumnya terhadap seluruh keluaran

lapisan sebelumnya, dengan bentuk fungsi simpul:

………………….…………………….(3.102)

Apabila dibentuk lebih dari dua aturan, fungsi dapat diperluas dengan membagi wi

dengan jumlah total w untuk semua aturan.

Lapisan 4. Setiap simpul pada lapisan ini adalah simpul adaptif dengan fungsi

simpul:

…………...………………………..(3.103)

98

dengan i w adalah derajat perngaktifan ternormalisasi dari lapisan 3 dan parameter

{pi , qi ri}menyatakan parameter yang adaptif Parameter lapisan ini dinamakan

parameter konsekuen.

Lapisan 5. Pada lapisan ini hanya ada satu simpul tetap yang fungsinya untuk

menjumlahkan semua masukan. Fungsi simpul:

…………………………..………………….(3.104)

Hasil dan Pembahasan

Menurut Ogata (1996), Kuo Bunyamin C (1989) dan W. Bolton (2004) untuk

mengetahui parameter kualitas respon transient yang dijadikan standar dama sistem

kendali antara lain: 1) Time Constan ( ): Ukuran waktu yang menyatakan

kecepatan respon, yang di ukur mulai t = 0 s/d respon mencapai 63,2% (e-1

x 100%)

dari respon steady state. 2) Rise Time (TR): Ukuran waktu yang menyatakan

keberadaan suatu respon, yang di ukur mulai respon 5% sampai 95% dari respon

steady state (dapat pula 10% sampai 90%). TR = Ln 19 (5% sampai 95%), atau TR

= Ln 9 (10% sampai 90%). 3) Settling Time (Ts): Ukuran waktu yang menyatakan

respon telah masuk ± 5% atau ± 2% atau ± 0,5% dari respon steady state. Ts (± 5%)

= 3 ; Ts (± 2%) = 4 atau Ts (± 0,5%) = 5 . 4) Delay Time (Td): Ukuran waktu

yang menyatakan faktor keterlambatan respon output terhadap input, pengukuran

dilakukan mulai t = 0 sampai respon mencapai 50% dari respon steady state. TD =

Ln2.

Gambar 3. 24 Respon kinerja sistem kendali

Sumber: (Ogata 1996), (Kuo 1989), (Bolton 2004)

99

Parameter di atas digunakan untuk mengetahui respon kendali pada broiler

closed house untuk ayam broiler skenario starter, grower, finisher dengan

menggunakan modus kendali ON-OFF, PID, Fuzzy Logic dan ANFIS.

Gambar 3. 25 Simulink tool matlab kendali ON-OFF

Gambar 3. 26 Simulink tool Matlab kendali PID

Gambar 3. 27 Simulink tool Matlab kendali Logika Fuzzy

100

Gambar 3. 28 Simulink tool Matlab kendali ANFIS

Simulasi Kendali pada Broiler Closed House Bagian dari Supervisori Kendali

Sistem kendali broiler closed house dipengaruhi oleh konveksi, konduksi,

dan iradiasi dengan menggunakan modus kendali yang dapat menyesuaikan dengan

kondisi iklim dan lingkungan yang ada. Untuk satu variabel menggunakan modus

kendali ON-OFF, PID, Fuzzy Logik, ANFIS dengan salah satu parameter kendali

suhu, kelembaban dan amonia pada broiler closed house yang merupakan bagian

dari sistem supervisori kendali. Suhu kelembaban dan amonia dikendalikan pada

waktu pagi, siang dan sore menggunakan ON-OFF, PID,Fuzzy Logik dan ANFIS

dari starter, grower dan finisher.

Simulasi kendali pada kandang ayam dalam penelitian ini masih

menggunakan satu kandang ayam dengan 3 skenario waktu pada masa starter,

grower dan finisher. Penelitian selanjutnya menggunakan beberapa broiler closed

house. Untuk setpoin 29-300C adalah starter, set poin 29

0C adalah grower, set

poin 280C adalah finisher. Pengendali suhu dan kelembaban pada broiler closed

house pada ayam broiler menggunakan metode swa-tala (self tuning) kendali PID.

Pengujian dilakukan dengan uji respon variable input, uji tracking set point.

Pengujian respon dilakukan pada mesin kendali yang dimodelkan dalam bentuk

fungsi alih dengan input-an dari konstanta pada simulink Matlab. Pengujian

tracking set point pertama pada suhu dilakukan dengan merubah nilai masukan

sebesar 300C, 29

0C, 28

0C, 27

0C,26

0C,25

0C,24

0C dan nilai masukan kelembaban

sebesar 70%, 60%, 50% untuk kendali PD dan PID serta nilai masukan ammonia <

10 ppm untuk kendali ON OFF, PID, Fuzzy Logic dan ANFIS.

101

Sistem Kendali ON-OFF, PID, Fuzzy Logik ANFIS Suhu pada Broiler Closed

House Periode Starter, Grower, dan Finisher

Pada kendali ON-OFF seting kendali sesuai setpoin antara 24-300C dengan

heater menyala bila suhu lebih rendah dengan setpoint dan apabila suhu sama atau

mendekati setpoin maka heater mati disimulasikan dengan fungsi alih suhu

sehingga menghasilkan output kendali dengan error. Respon kendali ON-OFF

starter, grower dan finisher periode starter di bawah 3.29 sampai 3.31.

Gambar 3. 29 Grafik respon kendali ON-OFF suhu setpoint 30 Starter umur (1-18 hari)

Gambar 3.30 Grafik respon kendali ON-OFF suhu setpoint 25 Grower umur (19-30 hari)

102

Gambar 3. 31 Grafik respon kendali ON-OFF suhu setpoint 23

0C Finisher (31-46 hari)

Berdasarkan grafik respon kendali ON-OFF maka respon transien adalah

sebagai berikut:

Tabel 3. 4 Respon Kendali ON OFF pada broiler closed house untuk ayam broiler

Periode Setpoint

Waktu

Tunda

(Td)

(detik)

Waktu

Penetap

(Ts)

(detik)

Waktu

Naik (Tr)

(detik)

Persen

Lonjakan

(Os) (%)

Error steady

state (Ess) (%)

Starter 30 0.936 8.7439 0.0978 78.725 0.0311

Starter 29 0.092 8.8055 0.0948 78.408 0.0661

Starter 28 0.0939 8.999 0.097 77.993 0.067

Starter 27 0.0941 8.9078 -0.233 77.488 0.0514

Starter 26 0.0943 8.8003 0.0979 77.565 0.0200

Grower 25 0.0945 8.7406 0.096 78.398 0.0918

Grower 24 0.0946 9.9762 0.0927 79.242 0.0525

Finisher 23 0.0945 9.966 0.0954 78.245 0.0454

Kendali PID Suhu pada Broiler Closed House untuk Ayam Broiler Periode

Starter, Grower dan Finisher

Pengontrol Proporsional menurunkan daya rata-rata yang sedang diberikan

pada pemanas ketika suhu mencapai titik penyetelan. Proses ini akan melambatkan

pemanasan, sehingga tidak akan melampaui titik penyetelan tetapi akan mencapai

titik penyetelan dan mempertahankan suhu agar tetap konstan. Pengontrol

proporsional mengijinkan kendali variabel proses yang lebih ketat karena

keluarannya dapat mengambil harga berapapun antara sepenuhnya ON dan

sepenuhnya OFF, tergantung pada magnitude dari sinyal error.

Fungsi dari laju (derivatif) memperpendek waktu yang diambil suhu

pemanas untuk menstabilkan mendekati titik penyetelan. Fungsi integral (reset)

103

membatasi setiap penggantian kerugian dari titik penyetelan suhu. Pengontrol PID

mempunyai kemampuan mencocokkan aksi kendalinya pada konstanta waktu

proses tertentu untuk menghadapi perubahan proses setiap waktu. Kendali PID

mengubah besarnya sinyal keluaran pada cara yang ditentukan secara matematis

yang mempertimbangkan besarnya error dan laju perubahan sinyal.

Adapun metode yang digunakan untuk mencari konstanta PID adalah

Ziegler-nichols dengan menggunakan fasilitas sisotool matlab.

(3.105)

Jika direpresentasikan dalam transformasi laplace, bentuk kendali ini

menjadi :

(3.106)

Respon kendali PID suhu pada broiler closed house dengan simulasi periode

starter, grower dan finisher ditunjukkan pada gambar di bawah ini adalah:

Simulasi kendali PID (P=20,I=10,D=1) pada Broiler Closed House Periode

Starter Umur (1-18 Hari)

Gambar 3. 32 Respon kendali PID suhu setpoin 30

0C Starter umur (1-18 hari)

104

Gambar 3. 33 Respon kendali PID suhu setpoin 24

0C Grower umur (19-30 hari)

Gambar 3. 34 Respon kendali PID suhu setpoin 22

0C Finisher umur (31-46 hari)

Respon Kendali PID Kelembaban pada Broiler Closed House dengan Nilai

P=20, I=10 dan D=1

Tabel 3. 5 Respon kendali PID suhu pada Broiler Closed House untuk ayam broiler Periode

Setpoint

Waktu

Tunda

(Td)

Waktu

Penetap

(Ts)

Waktu

Naik

(Tr)

Persen

Lonjakan

(Os)

Error steady

state

(Ess)

Starter 30 0,078125 6,484375 0,234375 2,7777 0,0781

Starter 29 0,15625 6,171875 0,3125 4,4643 0,0488

Starter 28 0,078125 6,171875 0,46875 4,4643 0,0488

Starter 27 0,078125 4,609375 0,15625 1,3889 0,0833

Starter 26 0,078125 6,171875 0,46875 4,4643 0,0469

Grower 25 0,078125 4,1875 0,15625 1,4881 0,0232

Grower 24 0,046875 4,78125 0,0625 1,4368 0,0215

Finisher 23 0,04355 4,231 0.0567 1,4221 0,0212

Finisher 22 0,04265 4,1567 0.0555 1,4201 0,0211

105

Simulasi Kendali Fuzzy Logic Suhu pada Broiler Closed House Periode

Starter, Grower dan Finisher

Pada simulasi kendali Fuzzy Logic pada broiler closed house ayam broiler

menggunakan tool matlab library blok diagram dengan masukan setpoin antara

240C - 30

0C yang dengan menggunakan model fungsi alih pada suhu broiler closed

house yang pengendalian aktuatornya heater dipasangkan gangguan (suhu

lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari

suhu ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler

closed house. Pada grafik di bawah ini respon kendali Fuzzy Logic suhu pada

broiler closed house dengan simulasi periode starter, grower dan finisher (Gambar

3.35 sampai 3.37)

Gambar 3. 35 Grafik kendali Logika Fuzzy pada suhu ruangan setpoin 30

0C

periode Starter, umur (1-18 hari)

Gambar 3. 36 Output kendali Logika Fuzzy pada suhu ruangan setpoin 25

0C

Grower, umur (19-30 hari)

106

Gambar 3. 37 Grafik kendali Logika Fuzzy untuk suhu setpoin 23

0C periode

Finisher, umur (31-64 hari)

Pembahasan hasil grafik kendali fuzzy logik pada broiler closed house di

atas menunjukan respon transien dengan perlakuan pola tiga skenario starter (masa

pembibitan) umur (0-18hari) dengan setpoin antara 29-300C, grower (masa

pertumbuhan) umur (19-30 hari) dengan setpoint 26,27,280,C dan finisher (masa

panen) setpoint 30-38 0,

C adalah sebagai berikut:

Tabel 3.6 Respon kendali Logika Fuzzy suhu pada Broiler Closed House

Periode Setpoint

ppm

Waktu

Tunda

(Td)

Waktu

Penetap

(Ts)

Waktu

Naik

(Tr)

Persen

Lonjakan

(Os)

Error steady

state

(Ess)

Starter 30 1.2169 30.1551 1.2951 48.120% 0.171%

Starter 29 1.187 17.9698 1.2837 33.764% 0.753%

Starter 28 1.1762 14.4425 1.2312 49.219% 0.460%

Starter 27 1.153 18.6913 4.996 42.917% 0.311%

Starter 26 1.1456 27.033 1.1939 44.854% 0.840%

Grower 25 1.101 36.1324 1.1682 46.066% 0.376%

Grower 24 1.1042 33.35 1.1455 49.583% 0.250%

Finisher 23 1.1451 32.45 1.1432 48.567 0.0765

Simulasi Kendali ANFIS Suhu pada Broiler Closed House periode Starter,

Grower dan Finisher

Pada simulasi kendali ANFIS pada broiler closed house ayam broiler

menggunakan tool matlab library blok diagram dengan masukan setpoin antara

240C - 30

0C yang dengan menggunakan model fungsi alih pada suhu broiler closed

house yang pengendalian aktuatornya heater dipasangkan gangguan (suhu

lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari

107

suhu ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler

closed house. Data input sebanyak 101 sebagai masukan dan tindakan satu set

input-output. Data digunakan sebagai data pelatihan membangun pengontrol fuzzy.

Ini melibatkan dua fase: pembelajaran (learning) dan fase pegujian (testing).Dalam

belajar tahap training set diperoleh dengan menghasilkan masukan secara acak dan

mengamati output yang sesuai dihasilkan oleh plant. Terbukti dengan

menggunakan ANFIS lebih cepat sinyal respon transien dari Fuzzy Logic. Pada

grafik di bawah ini respon kendali ANFIS suhu pada broiler closed house dengan

simulasi periode starter, grower dan finisher gambar 3.38, 3.39 dan 3.40

Gambar 3. 38 Grafik kendali ANFIS untuk suhu setpoin 30

0C periode Starter,

umur (1-18 hari)

Gambar 3. 39 Grafik respon kendali ANFIS suhu setpoint 24

0C periode Grower,

umur (19-30 hari)

108

Gambar 3.40 Grafik respon kendali ANFIS suhu setpoint 22

0C periode Finisher,

umur (31-46 hari)

Pembahasan hasil grafik kendali ANFIS pada broiler closed house di atas

menunjukan respon transien di awali dengan komputasi dari nol sampai 250,

C

dikondisikan sesuai batas amban suhu lingkungan broiler closed house sehingga

setelah 250,

C baru dimulai terjadi respon transient nilai setpoint 300,C,

290C,28

0C,27

0,C,26

0C,25

0C,24

0,C, 23

0C,22

0C dengan perlakuan pola tiga skenario

starter umur (1-18 hari) dengan setpoin antara 29-300C, grower umur (19-30 hari)

dengan setpoint 26,27,280,

C dan finisher setpoint 31-46 0,

C adalah sebagai berikut:

Tabel 3. 7 Respon kendali ANFIS suhu pada Broiler Closed House

Periode

Setpoint

ppm

Waktu

Tunda

(Td) detik

Waktu

Penetap

(Ts) detik

Waktu

Naik (Tr)

detik

Persen

Lonjakan

(Os) %

Error steady

state (Ess)

%

Starter 30 1.2026 41.6405 1.1535 29.380 0.867

Starter 29 1.1809 41.6108 1.1258 33.841 0.852

Starter 28 1.159 35.2891 1.0996 38.621 0.842

Starter 27 1.137 41.6542 1.0744 43.755 0.822

Starter 26 1.1142 35.558 1.0496 49.284 0.825

Grower 25 1.0796 41.688 1.0256 55.256 0.842

Grower 24 1.0678 35.205 1.0014 61.725 0.817

Finisher 23 1.0567 36.102 1.0023 54.525 0.867

Finisher 22 1.0534 35.332 1.0034 45.234 0.821

Sistem Kendali ON-OFF Kelembaban pada Broiler closed house Periode

Starter Grower dan Finisher

Pada kendali ON-OFF seting kendali sesuai setpoin antara 50-70 % dengan

heater menyala bila kelembaban lebih rendah dengan setpoint dan apabila suhu

sama atau mendekati setpoin maka heater mati disimulasikan dengan fungsi alih

kelembaban sehingga mengahasilkan output kendali dengan error yang minimal.

109

Pada grafik respon kendali kelembaban ON-OFF periode starter, grower dan

finisher terdapat pada Gambar 3.41, 3.42 dan 3.43.

Gambar 3. 41 Grafik kendali ON OFF kelembaban setpoint 50 % periode Starter

umur (1-18 hari)

Gambar 3. 42 Grafik Kendali ON-OFF kelembaban setpoint 60 % periode Grower

umur (19-30 hari)

Gambar 3. 43 Grafik kendali ON-OFF kelembaban setpoint 70 % periode Finisher

umur (31-46 hari)

110

Tabel 3. 8 Respon kendali ON-OFF kelembaban pada Broiler Closed House

Sistem Kendali PID Kelembaban pada Brolier House Periode Starter Grower

dan Finisher

Kendali Proporsional menurunkan daya rata-rata yang sedang diberikan

pada pemanas ketika kelembaban mencapai titik penyetelan. Proses ini akan

melambatkan pemanasan, sehingga tidak akan melampaui titik penyetelan tetapi

akan mencapai titik penyetelan dan mempertahankan kelembaban agar tetap

konstan. Pengontrol proporsional mengijinkan kendali variabel proses yang lebih

ketat karena keluarannya dapat mengambil harga berapapun antara sepenuhnya ON

dan sepenuhnya OFF, tergantung pada magnitude dari sinyal error.

Fungsi dari laju (derivatif) memperpendek waktu yang diambil kelembaban

pendingin untuk menstabilkan mendekati titik penyetelan. Fungsi integral (reset)

membatasi setiap penggantian kerugian dari titik penyetelan kelembaban.

Pengontrol PID mempunyai kemampuan mencocokkan aksi kendalinya pada

konstanta waktu proses tertentu untuk menghadapi perubahan proses setiap waktu.

Kendali PID mengubah besarnya sinyal keluaran pada cara yang ditentukan secara

matematis yang mempertimbangkan besarnya error dan laju perubahan sinyal.

Adapun metode yang digunakan untuk mencari konstanta PID adalah

Ziegler-nichols dengan menggunakan fasilitas sisotool matlab sesuai persamaan

(3.88) dan jika direpresentasikan dalam transformasi laplace, bentuk kendali ini

menjadi (3.89). Pada grafik respon kendali kelembaban PID periode starter,

grower dan finisher terdapat pada Gambar berikut.

Periode Setpoint

(%)

Waktu

Tunda

(Td)

detik

Waktu

Penetap

(Ts) detik

Waktu

Naik

(Tr) detik

Persen

Lonjakan

(Os)%

Error

steady

state

(Ess)%

Starter 50 0.0187 8.27 3.0546 2.475 0,001

Grower 60 0.019 7.288 3.03 2.467 0,001

Finisher 70 0.0191 6.574 3.0391 2.460 0,001

111

Sistem Kendali PID Kelembaban pada Broiler Closed House Periode Starter,

Grower, dan Finisher (P=0.0022619548, I=0.00075148, D=0.0010016672)

Gambar 3. 44 Grafik respon kendali PID kelembaban setpoin 50 % periode Starter

umur (1-18 hari)

Gambar 3. 45 Grafik respon kendali PID kelembaban setpoin 60 % periode Grower

umur (19-30 hari)

Gambar 3. 46 Grafik respon kendali PID kelembaban setpoin 70 % periode

Finisher umur (31-46 hari)

112

Tabel 3. 9 Respon transien kendali PID kelembaban pada broiler closed house

Kendali Fuzzy logic Kelembaban pada Broiler closed house Periode Starter

Grower Finisher

Simulasi kendali Fuzzy Logic pada broiler closed house ayam broiler

menggunakan tool matlab library blok diagram dengan masukan setpoin antara 50–

70 % yang dengan menggunakan model fungsi alih pada suhu broiler closed house

yang pengendalian aktuatornya heater dipasangkan gangguan (suhu lingkungan)

dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari suhu

ruangan hasilnya ada output fuzzy logic dan output sistem rungan broiler closed

house. Pada grafik respon kendali kelembaban Fuzzy Logic periode starter, grower

dan finisher terdapat pada Gambar 3.47, 3.48 dan 3.49.

Gambar 3. 47 Grafik respon kendali Fuzzy Logic kelembaban setpoint 50% periode Starter

umur (1-18 hari)

Periode

Setpoint

(%)

Waktu

Tunda

(Td)

detik

Waktu

Penetap

(Ts) detik

Waktu

Naik

(Tr) detik

Persen

Lonjakan

(Os)%

Error

steady

state

(Ess)%

Starter 50 0.33333 1.166667 0.7 6.153846 0,05 Grower 60 0.366667 11,0333 0.7 8.974359 0,05 Finisher 70 0,434783 10.21739 0,869565 9,090909 0,05

113

Gambar 3. 48 Grafik respon kendali Fuzzy Logic kelembaban setpoint 60%

Grower umur (19-30 hari)

Gambar 3.49. Grafik Respon Kendali Fuzzy Logic Kelembaban Setpoint 70

Finisher Umur (31-46 Hari)

Tabel 3. 10 Respon transien kendali Fuzzy Logic pada kelembaban

Periode Setpoint

(%)

Waktu

Tunda (Td)

detik

Waktu

Penetap (Ts)

detik

Waktu

Naik (Tr)

detik

Persen

Lonjakan

(Os) %

Error

steady state

(Ess) %

Starter 50 2.9138 52.63 -31.291 31.389 0.930

Grower 60 3.2848 51.962 -31.7444 34.458 0.873

Finisher 70 3.7543 84.334 -32.1342 35.929 0.754

Simulasi Kendali ANFIS pada Broiler Closed House Periode Starter Grower

dan Finisher

Simulasi kendali ANFIS pada broiler closed house menggunakan tool

matlab library blok diagram dengan masukan setpoin antara 20% - 70% yang

dengan menggunakan model fungsi alih pada kelembaban broiler closed house

yang pengendalian aktuatornya cooling fad dipasangkan gangguan (kelembaban

114

lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-) dari

kelembaban ruangan hasilnya ada output fuzzy logic dan output sistem rungan

broiler closed house. Data input sebanyak 101 sebagai masukan dan tindakan satu

set input-output. Data digunakan sebagai data pelatihan membangun pengontrol

fuzzy. Ini melibatkan dua fase: pembelajaran (learning) dan fase pegujian (testing).

Dalam belajar tahap training set diperoleh dengan menghasilkan masukan secara

acak dan mengamati output yang sesuai dihasilkan oleh plant. Terbukti dengan

menggunakan ANFIS lebih cepat sinyal respon transien dari Fuzzy Logic. Pada

grafik respon kendali kelembaban ANFIS periode starter, grower dan finisher

terdapat pada Gambar 3.50, 3.51 dan 3.52.

Gambar 3. 50 Grafik respon kendali ANFIS kelembaban setpoint 50% periode

Starter umur (1-18 hari)

Gambar 3. 51 Grafik respon kendali ANFIS kelembaban setpoint 60% periode

Grower umur (19-30 hari)

115

Gambar 3. 52 Grafik respon kendali ANFIS kelembaban setpoint 70% periode

Finisher umur (31-46 hari)

Tabel 3. 11 Respon transien kendali ANFIS pada kelembaban

Periode

Setpoint

(%)

Waktu

Tunda (Td)

detik

Waktu

Penetap

(Ts)detik

Waktu

Naik (Tr)

detik

Persen

Lonjakan

(Os) (%)

Error steady

state (Ess)

%

Starter 50 2.8007 82.5066 -31.2474 33.258 0.431

Grower 60 3.1609 82.73 -32.6856 37.000 0.392

Finisher 70 3.6067 82.665 -32.0597 38.664 0.321

Simulasi Sistem Kendali ON-OFF Amonia Pada Broiler Closed House Periode

Starter, Grower, dan Finisher

Pada kendali ON-OFF seting kendali sesuai setpoin antara 1-25 ppm

dengan heater menyala bila amonia lebih rendah dengan setpoint dan apabila

amonia sama atau mendekati setpoin maka heater mati disimulasikan dengan

fungsi alih amonia sehingga mengahasilkan output kendali dengan error yang

minimal. Pada grafik respon kendali ON-OFF amonia periode starter, grower dan

finisher terdapat pada Gambar 3.53 dan 3.54

Gambar 3.53 Grafik kendali ON-OFF amonia setpoint 5 ppm periode starter dan

grower umur (1-18 hari)

116

Gambar 3. 54 Grafik kendali ON-OFF amonia setpoint 10 ppm periode grower

umur (19-30 hari) dan periode finisher umur (31-46 hari)

Tabel 3.12 Respon transien kendali ON-OFF amonia

Periode Setpoint

ppm

Waktu

Tunda

(Td) detik

Waktu

Penetap

(Ts) detik

Waktu

Naik (Tr)

detik

Persen

Lonjakan

(Os) %

Error steady

state

(Ess) %

Finisher 25 6.572 0.9456 1.7113 0.880 0.999

Finisher 20 6.7535 0.2665 2.1289 0.900 0.013

Grower 15 7.05 0.3708 2.4847 0.945 0.967

Grower 10 7.64 0.1471 3.13843 1.027 0.134

Starter 5 4.7566 2.9511 4.2615 1.278 0.464

Starter 2.5 1.0254 2.4511 7.5745 1.784 0.760

Starter 1 0.0172 0.2678 0.3157 3.290 0.070

Simulasi PID Amonia pada Broiler Closed House Periode Starter Grower dan

Finisher

Pengontrol Proporsional menurunkan daya rata-rata yang sedang diberikan

pada kipas angin (fan) ketika amonia mencapai titik penyetelan. Proses ini akan

melambatkan kipas angin, sehingga tidak akan melampaui titik penyetelan tetapi

akan mencapai titik penyetelan dan mempertahankan kelembaban agar tetap

konstan. Pengontrol proporsional mengijinkan kendali variabel proses yang lebih

ketat karena keluarannya dapat mengambil harga berapapun antara sepenuhnya ON

dan sepenuhnya OFF, tergantung pada magnitude dari sinyal error. Fungsi dari

laju (derivatif) memperpendek waktu yang diambil amonia kipas angin untuk

menstabilkan mendekati titik penyetelan. Fungsi integral (reset) membatasi setiap

penggantian kerugian dari titik penyetelan kelembaban.

Pengontrol PID mempunyai kemampuan mencocokkan aksi kendalinya

pada konstanta waktu proses tertentu untuk menghadapi perubahan proses setiap

117

waktu. Kendali PID mengubah besarnya sinyal keluaran pada cara yang ditentukan

secara matematis yang mempertimbangkan besarnya error dan laju perubahan

sinyal.

Adapun metode yang digunakan untuk mencari konstanta PID adalah

Ziegler-nichols dengan menggunakan fasilitas sisotool matlab pada persamaan

(107) dan jika direpresentasikan dalam transformasi laplace, bentuk kendali ini

menjadi persamaan (108). Grafik respon kendali amonia periode starter, grower

dan finisher terdapat pada Gambar 3.55 dan 3.56

Gambar 3. 55 Grafik kendali PID amonia setpoint 5 ppm periode Starter umur (1-

18 hari)

Gambar 3. 40 Respon kendali PID amonia setpoint 10 ppm periode Grower umur

(19-30 hari) dan Finisher umur (31- 46 hari)

118

Tabel 3.13 Respon kendali PID amonia pada Broiler Closed House

Periode

Setpoi

nt

(ppm)

Waktu

Tunda

(Td)

Waktu

Penetap

(Ts)

Waktu

Naik (Tr)

Persen

Lonjakan

(Os)

Error steady

state (Ess)

Starter 1 0.0553 13 0.1628 1.430% 0.200%

Starter 2.5 0.0552 11.44 0.1628 1.432% 0.040%

Starter 5 0.0553 17.6 0.1628 1.428% 0.000%

Grower 15 0.0553 13.452 0.1628 1.433% 0.040%

Finisher 20 0.0553 13.8 0.0324 1.430% 0.000%

Finisher 25 0.0537 15.68 0.1628 1.400% 0.020%

Simulasi Kendali FUZZY LOGIC Amonia pada Broiler Cosed House

Pada simulasi kendali Fuzzy Logic pada broiler closed house ayam broiler

menggunakan tool matlab library blok diagram dengan masukan setpoin amonia

antara 1 – 25 ppm yang dengan menggunakan model fungsi alih pada amonia

broiler closed house yang pengendalian aktuatornya heater dipasangkan gangguan

(lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil (-)

dari amonia ruangan hasilnya ada output fuzzy logic dan output sistem rungan

broiler closed house. Pada grafik respon kendali Fuzzy Logic amonia periode

starter, grower, dan finisher Gambar 3.90 dan 3.91 dan 3.92, 3.93.

Simulasi Kendali FUZZY LOGIC pada Broiler Closed House periode starter

grower dan finisher terdapat pada Gambar 3.57 dan 3.58

Gambar 3. 57 Respon kendali FUZZY LOGIC amonia setpoint 5 periode Starter

umur (1-18 hari)

119

Gambar 3. 38 Respon kendali FUZZY LOGIC amonia setpoint 10 ppm periode

Grower umur (19-30 hari) dan Finisher umur (31- 46 hari)

Tabel 3.14 Respon kendali Fuzzy Logik amonia pada Broiler Closed House

Periode Setpoint

(ppm)

Waktu

Tunda (Td)

detik

Waktu

Penetap (Ts)

detik

Waktu

Naik (Tr)

detik

Persen

Lonjakan

(Os) %

Error steady

state

(Ess) %

Finisher 25 1.1081 55.248 1.2052 27.322 0.928

Finisher 20 0.9862 42.6834 0.9466 11.128 0.952

Grower 15 0.8501 23.8111 0.7815 29.188 0.930

Grower 10 0.6905 80.369 0.629 154.050 0.932

Starter 5 0.485 42.689 -0.036 59.352 0.986

Starter 2.5 0.3417 55.212 0.3335 166.680 0.992

Starter 1 0.214 55.229 0.851 474.420 0.940

Simulasi Kendali ANFIS Amonia pada Broiler Closed House Periode Starter,

Grower, dan Finisher

Simulasi kendali ANFIS pada broiler closed house ayam broiler

menggunakan tool matlab library blok diagram dengan masukan setpoin antara 1-

25 ppm yang dengan menggunakan model fungsi alih pada kelembaban broiler

closed house yang pengendalian aktuatornya kipas angin dipasangkan gangguan

(udara lingkungan) dari luar berupa iklim yang bisa lebih besar (+) atau lebih kecil

(-) dari kelembaban ruangan hasilnya ada output fuzzy logic dan output sistem

rungan broiler closed house. Data input sebanyak 101 sebagai masukan dan

tindakan satu set input-output. Data digunakan sebagai data pelatihan membangun

pengontrol fuzzy. Ini melibatkan dua fase: pembelajaran (learning) dan fase

pegujian (testing).Dalam belajar tahap training set diperoleh dengan menghasilkan

masukan secara acak dan mengamati output yang sesuai dihasilkan oleh plant.

Terbukti dengan menggunakan ANFIS lebih cepat sinyal respon transien dari

120

Fuzzy Logic. Pada grafik respon kendali ANFIS amonia periode starter, grower

dan finisher pada Gambar 3.59 dan 3.60.

Simulasi Kendali ANFIS pada Broiler Closed House Periode Starter, Grower,

dan Finisher

Gambar 3. 59 Grafik respon kendali ANFIS amonia setpoint 5ppm periode Starter

umur (1-18 hari)

Gambar 3. 60 Grafik respon kendali ANFIS amonia setpoint 10 ppm periode

grower umur (19-30 hari) dan finisher umur (31- 46 hari)

Tabel 3.15 Respon transien kendali ANFIS pada Broiler Closed House Starter Grower

dan Finisher

Peridoe Setpoint Waktu Tunda

(Td)

Waktu

Penetap

(Ts)

Waktu

Naik

(Tr)

Persen

Lonjakan

(Os)

Error

steady state

(Ess)

Starter 1 0.2773 47.9204 0.1878 2498.000% 0.290%

Starter 2.5 0.3278 47.929 0.2983 939.200% 0.056%

Starter 5 0.4665 41.302 0.4236 419.666% 2.886%

Grower 10 0.664 41.6886 0.6058 159.807% 1.816%

Grower 15 0.8174 22.832 0.753 73.222% 5.333%

Finisher 20 0.9482 41.774 0.9179 29.917% 4.000%

Finisher 25 1.055 47.9422 0.0665 30.480% 3.242%

121

Untuk mengatur pemanas (heater) dan kipas angin saluran keluar (outlet)

menggunakan metode pengontrol ON OFF, PID, Fuzzy Logik dan ANFIS untuk

menaikkan suhu pada ruangan broiler closed house sesuai yang diinginkan dengan

kelembaban turun. Masa Starter membutuhkan pemanas. Untuk memanaskan

ruangan membutuhkan daya heater 60 watt yang digunakan untuk menaikkan suhu

ruangan kandang ayam menjadi 2oC untuk mencapai suhu yang optimal 30

oC masa

starter dengan suhu awal 28 o

C dengan kelembaban awal 60 %. Dengan dibantu

aliran udara kipas saluran keluar (outlet) membuat udara panas merata di seluruh

ruangan dengan daya 1 kipas angin 1.800 watt dengan arus 2.8 ampere. Daya

pemanas (heater) antara 3000 -300000 watt bila dirata-ratakan 297.000 watt

diaktifkan pada masa starter. Pada masa grower dan finisher yang suhu yang

optimal pada kandang ayam dibawah 32 o

C dengan kelembaban awal 60 % maka

diaktifkan kipas angin sebanyak 3 dari 8 kipas angin secara bergantian sehingga

daya pemanas 5.400 watt.

Hasil penelitian adalah bagian dari supervisori kendali broiler closed house

secara terpisah yaitu performansi kendali (kriteria optimal) setiap kendali sebagai

bagian dari modus kendali, dengan parameter suhu, kelembaban dan amonia,

pengetahuan, broiler knowledge, climatc & environmental knowledge & control

knowledge dengan peralatan sensor heater,fan, humidifiyer dan evavorating

cooling.

Simpulan

Respon kendali ON-OFF, PID, Fuzzy Logic dan ANFIS menghasilkan

waktu naik, persen lonjakan, waktu penetap, error steady state, waktu tunda sesuai

parameter respon PID. Hasil pengujian baik pada model suhu dan kelembaban

yang dikehendaki dalam masa pemeliharaan di tiga skenario starter, grower dan

finisher dapat diperoleh dengan baik tanpa gangguan isolasi yang berarti. Daya

pemanas kandang ayam masa starter rata-rata 297.000 watt dan masa grower,

finisher membutuhkan 5.400 watt.

Saran

Dalam simulasi kendali ON-OFF, PID, Fuzzy Logic dan ANFIS

dikembangkan agar bisa pengendalian secara terpadu modus kendali, parameter

122

dan kriteria optimal dengan integrasi kendali yang terdiri dari : dua modus kendali,

tiga modus kendali, empat modus kendali untuk penelitian berikutnya.

Daftar Pustaka

Agustina L, Hatta M dan Purwanti S. 2010. Penggunaan Ramuan Herbal untuk

Meningkatkan Produktivitas dan Kualitas Broiler, Prosiding Seminar

Nasional Teknologi Peternakan dan Veteriner, Puslitbang Peternakan,

Kementerian Pertanian, Jakarta

Alimuddin dan Kudang BS, Subrata IDM, Sumiati. 2010. Critical Information

Design for House Broilers Used by Artificial Neural Network Proceeding

Konferensi Internasional AFITA, 4-7 oktober 2010, Bogor.

Alimuddin Seminar KB, Subrata IDM, Nakao Nomura, Sumiati. 2011. A

Supervisory Control system for Temperature and Humidity in a Closed

House Model for Broilers, International Journal of Electrical and Computer

Sciences IJECS-IJENS Vol:11 No.06 ISSN: 2077-1231.

Alimuddin, Seminar KB, Subrata IDM, Nomura N, Sumiati. 2012. ANFIS Control

Of Environmental Parameter Temperature On Closed House System Model

For Broilers, akan terbit Jjurnal TELKOMNIKA Indonesia Journal

Electrical and Computer Engineering, Vol. 1 no 10.Maret 2012, ISSN:

1693-6930 accredited by DGHE (DIKTI), Decree No:

51/Dikti/Kep/2010,Yogyakarta, Indonesia

Amon M. 1997. A Farm Scale Study on the Use of Clinoptilolite Zeolite and De

Odorase for reducing oudour and ammonia emissions from Broiler

HouseBroiler closed houses, Bioresource Technology, UK, page 229-237.

Amrullah IK. 2003. Nutrisi Ayam Broiler. Ed Ke-1. Bogor: Lembaga Satu Gunung

Budi.

Bolton W.1995. Mechatronics Electronic Control Systems in Mechanical

Engineering,Longman, England

Bolton W. 2006. Sistem Instrumentasi dan Sistem Kendali, Erlangga, Indonesia

Daskalov PI, Arvanitis KG , Pasgianos GD

, and Sigrimis NA, 2005, Non-linear

Adaptive Temperature and Humidity Control in Animal Buildings, Journal

Biosystems Engineering Volume 93, Issue 1, January 2006, Pages 1-24

Ditjen Peternakan Kementerian Pertanian, 2009,Jakarta

Djojodihardjo H. 1985. Dasar-dasar Termodinamika , Teknik Gramedia. Jakarta.

Ernst RA. 1998. Housing for Improved Performance in Hot Climates, Extension

Poultry Specialist, Departemen of Avia Sciences, University of California,

Davis, California.

[FAO] Food Agriculture Organisation. 2008,

Gopal M. 2003. Control System Principles and Design, Second Edition. McGraw-

Hill, Singapore

Lin F and Wonham WM.1988. Decentralized supervisory control of discrete-event

systems, Information Sciences, 44(3), pp. 199-224.

Hamidi B. 2006. Broiler yang Terpuaskan, Riset dan Pengembangan Feed

Technology, PT. CPJF Jakarta, Buletin CP. April 2006 No 76/Tahun VII.

Handoko. 1995. Dasar Klimatologi Dasar Edisi ke 2. Jakarta. PT Dunia Pustaka

Jaya.

Holman PJ. 1997. Heat Transfer, Eight Edition,McGraw-hill,North American

123

Hubbar Paul. 2000. Hierarchical Supervisory Control System, A Thesis Submitted

to the Faculty of graduate studies and research in partial fulfilment of the

requirements for the degree of doctor philosophy, Department of Electrical

and Computer Engineering McGill University, Montreal, Canada

Hery. 2009. Pentingnya Aspirin dan Vitamin C . http://broilerkita.blogspot.com

Ibrahim AM. 2003. Environmental Control for Poultry Building in Riyadh Area of

Saudi Arabia, J. King Sand University, Vol.16, Agri Sci,(1), Riyadh,pp.87-

102.

Jang J. 2003.Neural and Neurofuzzy Control. Tech. report no 99-H 99 (nefcon),

Jennis BH. 1978. The Thermal Enviroment Condition and Control, Harper & Row,

Publish, New York.

Kuo B C. 1995. Teknik Kontrol Automatik, PT Prenhallindo, Jakarta

Kuo B C. 1989. Teknik Kendali Automatik, Prenhallindo, Jakarta. Mutai E.B.K, Otieno P.O, Gitau A.N, Mbuge D.O. and Mutuli D.A. 2011. Simulation of

the Microclimate in Poultry Structures in Kenya, Research Journal of Applied

Sciences, Engineering and Technology 3(7): 579-588, 2011, ISSN: 2040-7467 [NRC] National Research Council. 1994. Nutrient Requirement of Poultry.

Washington: National Academy Pr.

Ogata K. 2002. Modern Control Engineering, Fourth Editional,Perason Education

International, USA

Ogata K.1994.Teknik Kendali Automatik I . Penerbit Erlangga.Paulus AN. 2003.

Panduan praktis Teknik Antarmuka dan Pemograman Mikrokontroller

AT89C51, Elek Media Komputindo, Jakarta

[PCPI] P T C h a ro en Phokphand In d o n es i a . 1 9 94 . C ar a P eme l ih ar aa n

A ya m P ed ag i ng . Jakarta.

Priyatno MA. 2000. Mendirikan Usaha Pemotongan Ayam. Cetakan ke-3.

Penebar Swadaya. Jakarta.

Piliang WG, Djojosoebagio AS. 2006. Fisiologi Nutrisi. Volume ke-1. Bogor:

Pusat Antar Universitas Ilmu Hayati, Institut Pertanian Bogor.

Rao R and Nagalakshmi D. 2002. Feeding to Minimise Heat Stress. Poultry

International Vol 41:7. http://siauwlielie.tripod.com/art_009_07.htm [3

Maret 2009].

Roni F. 2000. Kunci Sukses Beternak Ayam Broiler di Daerah Tropis. Agromedia.

Jakarta

Rosulindo RR. 2001, Desain Sistem Kendali Suhu dengan Metode PID Tuning

Fuzzy pada Prototipe Proses Pembuatan Susu Asam Secara Curah, Tesis

Megister Program Studi Elektroteknik Bidang Khusus Kendali dan Sistem

Program Pasca Sarjana ITB, Bandung.

Ramadge PJ and Wonham WM.1987. Supervisory control of a class of discrete

event processes. SIAM Journal on Control and Optimization, 25(1): 206–

230, .

Rudie K and Wonham W.M.1992. Think globally, act locally: Decentralized

supervisory control.IEEE Transactions on Automatic Control, 37(11):

1692–1708,.

Reznik L.1997. Fuzzy controllers, Newnes, Oxford.

Sadjad SR.2004. Sistem Kendali Adaptif untuk Kendalian Tak Linier, Research

Grant TPSDP S-1 Electrical Engineering, Batch 2, Jurusan Teknik Elektro

UNHAS, Makassar.

124

Seminar KB, Suhardiyanto H, Hardjoamidjojo, S, Tamrin. 2006. A Supervisory

Control System for Greenhouse. Proceedings of Regional Computer

Postgraduate Conference (ReCSPC’06), Malaysia, pp.30-34.

Setiawan I. 2008. Kendali PID untuk Proses Industri, Elex Media Komputindo,

Yogyakarta

Siswono. 2005. Konsumsi Protein Hewani di Bawah Standar.

http://www.republika.co.id/. (02 November 2009).

Totok RB. 2007. Adaptif Neurofuzzy Inference System Untuk Pengukuran Ph Jurnal

Teknik Informatika Jurusan Teknik Informatika, Fakultas Teknologi

Industri – Universitas Kristen Petra

http://www.petra.ac.id/~puslit/journals/dir.php?DepartmentID=INF

Weaver J and William D. 2001. Fundamentals of Ventilation, in Commercial

Chicken Meat and Egg Production, United State of America, page 113-

128.

Woods RL and Lawrence KL. 1997. Modeling and Simulation of Dynamic

System,Prentice Hall, Upper River, New Jersy

Yan J, Ryan M, Power J.1994. Using Fuzzy Logic, Prentice Hall.

125

DAFTAR ISI

3 SIMULASI MODEL KENDALI SUHU KELEMBABAN DAN AMONIA PADA

BROILER CLOSED HOUSE BERBASIS ON-OFF, PID, FUZZY LOGIC DAN ANFIS

.......................................................................................................................................... 57

Pendahuluan .................................................................................................................. 59

Bahan dan Metode ........................................................................................................ 78

Hasil dan Pembahasan ................................................................................................ 127

Simpulan ..................................................................................................................... 127

DAFTAR GAMBAR

control signal

Isyarat kendali

Feedback signal

Isyarat umpan-balik

PENGENDALI

(CONTROLLER)

KENDALIAN

(PLANT)

SISTEM KENDALI

Reference

input signal,

command, set-point

Isyarat masukan

acuan, perintah

set-point

output signal

luaran. isyarat

luaran, hasil,

produk

Gambar 3.1 Konfigurasi dasar sistem kendali (Adopsi dari Bolton 2006) ......................... 64

Gambar 3. 3 (a) Diagram Blok Kontroler On-Off; (b) Diagram Blok Kontroler ON-OFF

dengan Jurang Diferensial ................................................................................................... 65

Gambar 3. 4 Diagram Kotak Pengendali PID [Gunterus 1994] .......................................... 67

Gambar 3. 5 Diagram Blok dari Kontrol Proporsional – Integral – Derivatif .................... 68

Gambar 3. 7 Struktur Dasar kontrol Logika Fuzzy ............................................................ 70

Gambar 3. 9 Fungsi Keanggotaan Segitiga ......................................................................... 71

Gambar 3. 10 Model Pembelajaran Identifikasi ANFIS ..................................................... 76

Gambar 3. 11 Proses Pengujian pada kendali ANFIS ........................................................ 76

Gambar 3. 13 Perancangan Sistem Kendali pada Broiler Closed House ........................... 79

Gambar 3. 14 Skema Konsep Pemodelan Suhu dan Kelembaban dalam Broiler Closed

House .................................................................................................................................. 80

Gambar 3. 15 Sistem Kontrol Loop Tertutup ..................................................................... 85

Gambar 3. 16 Struktural Sistem Parameter Optimal Kendali Lingkungan Broiler closed

house dengan Simulasi Matlab ........................................................................................... 92

Gambar 3. 17 . Grafik Kendali ON-OFF broiler closed house ........................................... 92

Gambar 3. 18. Penerapan Kendali PID Lingkungan Broiler Closed House ....................... 93

Gambar 3. 19 Pendekatan Numerik Euler untuk pemecahan integral. ............................... 93

126

Gambar 3. 20 Pendekatan Numerik Euler untuk pemecahan diferensial ............................ 93

Gambar 3. 21 Penerapan Kendali Fuzzy Logic Lingkungan Broiler Closed House ........... 95

Gambar 3. 22 Penerapan Kendali ANFIS Lingkungan Broiler Closed House ................... 96

Gambar 3. 23. Struktur ANFIS ........................................................................................... 96

Gambar 3. 24 Respon Sistem Kendali ................................................................................ 98

Gambar 3. 25 Simulink tool matlab kendali ON-OFF ........................................................ 99

Gambar 3. 26 Simulink Tool Matlab Kendali PID ............................................................. 99

Gambar 3. 27 Simulink Tool Matlab Kendali Fuzzy Logic................................................ 99

Gambar 3. 28 Simulink Tool Matlab Kendali ANFIS ...................................................... 100

Gambar 3. 29 Grafik Respon Kendali ON-OFF Suhu Setpoint 30 Starter Umur (1-18 Hari)

.......................................................................................................................................... 101

Gambar 3.30 Grafik Respon Kendali ON-OFF Suhu Setpoint 25 Grower (19-30Hari) ... 101

Gambar 3. 31 Grafik Respon Kendali ON-OFF Suhu Setpoint 230C Finisher (31-46 hari)

.......................................................................................................................................... 102

Gambar 3. 32 Respon Kendali PID Suhu setpoin 300C starter umur (1-18 hari) ............. 103

Gambar 3. 33 Respon Kendali PID Suhu setpoin 240C grower umur (19-30 hari) .......... 104

Gambar 3. 34 Respon Kendali PID Suhu setpoin 220C finisher umur (31-46 hari) ......... 104

Gambar 3. 36 Output Kendali Fuzzy Logic Pada Suhu Ruangan Setpoin 250C Grower,

Umur (19-30 Hari) ............................................................................................................ 105

Gambar 3. 37 Grafik Kendali Fuzzy Logic Untuk Suhu Setpoin 230C Periode Finisher,

Umur (31-64 Hari) ............................................................................................................ 106

Gambar 3. 38 Grafik kendali ANFIS untuk suhu setpoin 300C periode Starter, umur (1-18

hari) ................................................................................................................................... 107

Gambar 3. 39 Grafik respon Kendali ANFIS Suhu setpoint 240C periode Grower, umur

(19-30 hari) ....................................................................................................................... 107

Gambar 3. 40 Grafik respon Kendali ANFIS Suhu setpoint 220C periode Finisher, umur

(31-46 hari) ....................................................................................................................... 108

Gambar 3. 41 Grafik kendali ON OFF kelembaban setpoint 50 % Periode Starter umur (1-

18 hari) .............................................................................................................................. 109

Gambar 3. 42 Grafik Kendali ON OFF Kelembaban Setpoint 60 % Periode Grower Umur

(19-30 Hari) ...................................................................................................................... 109

Gambar 3. 43 Grafik Kendali ON OFF Kelembaban Setpoint 70 % Periode Finisher Umur

(31-46 Hari) ...................................................................................................................... 109

Gambar 3. 44 Grafik Respon Kendali PID Kelembaban Setpoin 50 % Periode Starter

Umur (1-18 Hari) .............................................................................................................. 111

Gambar 3. 45 Grafik Respon Kendali PID Kelembaban setpoin 60 % Periode Grower

umur (19-30 hari) .............................................................................................................. 111

Gambar 3. 46 Grafik Respon Kendali PID Kelembaban setpoin 70 % Periode Finisher

umur (31-46 hari) .............................................................................................................. 111

Gambar 3. 47 Grafik Respon Kendali Fuzzy Logic Kelembaban Setpoint 50 Periode

Starter Umur (1-18 Hari) .................................................................................................. 112

Gambar 3. 50 Grafik Respon Kendali ANFIS Kelembaban Setpoint 50% Periode Starter

Umur (1-18 Hari) .............................................................................................................. 114

Gambar 3. 51 Respon Kendali ANFIS Kelembaban Setpoint 60% Periode Grower Umur

(19-30 Hari) ...................................................................................................................... 114

127

Gambar 3. 52 Respon Kendali ANFIS Kelembaban Set Point 70% Periode Finisher Umur

(31-46 Hari) ...................................................................................................................... 115

Gambar 3. 53 Grafik Kendali ON OFF Amonia Setpoint 5 Ppm Periode Starter Dan

Grower Umur (1-18 Hari) ................................................................................................ 115

Gambar 3. 54 Grafik Kendali ON OFF amonia setpoint 10 ppm periode grower umur (19-

30 hari) dan periode finisher umur (31-46 hari) ............................................................... 116

Gambar 3. 55 Grafik Kendali PID amonia setpoint 5 ppm periode starter umur (1-18 hari)

.......................................................................................................................................... 117

Gambar 3. 56 Simulasi Kendali PID Amonia Setpoint 10 ppm Periode grower umur (19-30

hari) dan finisher umur (31- 46 hari) ................................................................................ 117

Gambar 3. 57 Respon Kendali FUZZY LOGIC Amonia Setpoint 5 Periode Starter Umur

(1-18 Hari) ........................................................................................................................ 118

Gambar 3. 58 Respon Kendali FUZZY LOGIC Amonia Setpoint 10 Ppm Periode Grower

Umur (19-30 Hari) Dan Finisher Umur (31- 46 Hari) ...................................................... 119

Gambar 3. 59 Grafik Kendali ANFIS Amonia setpoint 5ppm periode starter umur (1-18

hari) ................................................................................................................................... 120

Gambar 3. 60 Respon Kendali ANFIS Amonia setpoint 10 ppm Periode grower umur (19-

30 hari) dan finisher umur (31- 46 hari) ........................................................................... 120

DAFTAR TABEL Tabel 3. 1 Batas Aman dan Kematian Akibat Gas yang Merugikan di Broiler Closed House

............................................................................................................................................ 60

Tabel 3. 2 Matriks Keputusan ............................................................................................. 72

Tabel 3. 4 Respon Kendali ON OFF pada broiler closed house untuk ayam broiler ........ 102

Tabel 3. 5 Respon Kendali PID Suhu pada Broiler closed house untuk Ayam Broiler .... 104

Tabel 3. 6 Respon kendali ANFIS suhu pada broiler closed house .................................. 108

Tabel 3. 7 Respon Kendali ON-OFF Kelembaban Pada Broiler Closed House ............... 110

Tabel 3. 8 Respon Transien Kendali PID Kelembaban Pada Broiler Closed House ........ 112

Tabel 3. 9 Respon Trasien Kendali Fuzzy Logic pada Kelembaban ............................... 113

Tabel 3. 10 Respon trasien kendali ANFIS pada kelembaban ......................................... 115

Tabel 3. 12 Respon transien kendali ANFIS pada broiler closed house starter grower dan

finisher .............................................................................................................................. 120