PERANCANGAN MODEL MINIATUR PENGARAH LARAS MERIAM

Sabtu, 13 November 2010 21:39:48 - Created by : Website Team, Published by : admin
PERANCANGAN MODEL MINIATUR PENGARAH LARAS MERIAM

PERANCANGAN MODEL MINIATUR PENGARAH LARAS MERIAM

DENGAN MENGGUNAKAN METODA FUZZY LOGIC

Mayor Arh Desyderius Minggu,ST

KASUBLABKOM LABLEK LEMJIANTEK KODIKLAT TNI AD

Email : [email protected]

 

ABSTRAK : Perancangan model miniatur pengarah laras meriam kaliber 57mm dengan menggunakan metode fuzzy merupakan gambaran suatu model dari meriam arhanud yang dimiliki oleh satuan arhanud TNI AD. Dimana selama ini meriam tersebut masih digerakkan secara manual . Di dalam penelitian ini diterapkan suatu metode yang dapat menggerakkan arah dari laras meriam tersebut dengan sistim pengontrol yaitu dengan menggunakan metode fuzzy.  Data masukan yang diberikan melalui keypad kemudian akan diinputkan ke mikrokontroler untuk diolah yang selanjutnya akan dikirim ke penggerak berupa laras. Di dalam mikrokontroller sendiri sudah ada metode fuzzy, yang mana fuzzy ini akan membantu dalam menggerakkan posisi laras meriam baik dalam bentuk sudut elevasi maupun azimuth. Fuzzy disini memiliki 5 keanggotaan. Dengan menerapkan metode fuzzy diharapkan akan memberikan posisi yang akurat dengan mengurangi gangguan yang diakibatkan oleh berat dari laras, kedudukan yang tidak rata dari meriam, gangguan angin maupun pergerakan setelah penembakan. Apabila terjadi penyimpangan maka fuzzy ini yang akan menyelaskan (menstabilkan) sehingga penyimpangan akan diminimalisasikan.

Kata kunci : Logika Fuzzy, Mikrokontroller ATMEGA 32,

1.   PENDAHULUAN

Kemandirian dalam sistem pertahanan merupakan sesuatu yang harus selalu diupayakan untuk melindungi kedaulatan negara dari gangguan keamanan yang datang dari luar maupun dari dalam negeri. Peralatan pertahanan secara umum dapat dibagi menjadi tiga yakni peralatan pertahanan darat, laut dan uadara. Salah satu peralatan pertahanan adalah meriam yang penggunaannya dapat di darat ,laut dan udara. Unjuk kerja suatu meriam diantaranya ditentukan oleh sistem kendali dan stabilisasi gerak laras meriam. Saat ini, sistem kendali dan stabilisasi gerak laras meriam umumnya masih didatangkan dari luar negeri secara utuh [1].

Laras meriam adalah salah satu bagian besar dalam sistem senjata Arhanud, dimana laras merupakan tempat keluarnya proyektil yang ditembakkan. Meriam Arhanud kaliber 57mm/S-60 jenis ini masih menggunakan peralatan yang masih manual dan digerakkan oleh tenaga manusia dalam mengarahkan laras pada saat menghadapi arah datangnya pesawat (target). Kendala yang dihadapi adalah masih serba manual dalam menggerakkan arah laras meriam dimana operator atau penembak meriam harus memutar poros engkol (putaran) yang terdapat pada meriam untuk menggerakkan kedudukan laras sesuai dengan elevasi maupun azimuth yang ditentukan. Tenaga yang dibutuhkan untuk menggerakkan laras meriam tersebut cukup besar karena perangkat yang pada meriam semuanya terbuat dari bahan besi dan baja, sehingga ini juga menjadi suatu permasalahan. Untuk mengatasi hal tersebut maka perlu adanya suatu perangkat / sistem yang dapat membantu tugas penembak meriam dalam hal mengarahkan kedudukan laras sesuai dengan yang dikehendaki. Oleh karena itu dalam penelitian ini akan dibuat suatu sistem yang dapat mengarahkan laras meriam Arhanud kaliber 57mm/S-60 pada posisi azimuth atau elevasi dengan menggunakan metoda fuzzy logic.

Dalam beberapa tahun terakhir logika fuzzy telah sukses diterapkan dalam beberapa aplikasi kontrol. Sejak tahun 1985, terjadi perkembangan yang sangat pesat pada logika fuzzy tersebut terutama dalam hubungannya dengan penyelsaian masalah kendali,terutama yang bersifat non linier, ill-defined, time-varying dan situasi-situasi yang bersifat kompleks [2]. Logika fuzzy yang memiliki keistimewaan mampu menangani permasalahan sistem kontrol yang non linier tanpa membutuhkan perhitungan matematis yang sangat rumit, selain itu logika fuzzy juga mampu bekerja secara dinamis, adaptif serta mempunyai kecepatan respon yang baik. Respon kontrol keluaran terhadap perubahan masukan bergantung pada aturan-aturan (rule) yang dapat ditentukan secara intuitif, sehingga pendekatan dengan menggunakan logika fuzzy lebih baik dari pendekatan konvensional dalam hal meningkatkan kemampuan bertindak manusia pada waktu pemecahan masalah dan mengambil keputusan[3].

2.   LOGIKA FUZZY

2.1   FUZZY INFERENCE SYSTEM

Biasanya seorang operator/pakar memiliki pengetahuan tentang cara kerja dari sistem yang bisa dinyatakan dalam sekumpulan IF-THEN rule. Dengan melakukan fuzzy inference, pengetahuan tersebut bisa ditransfer ke dalam perangkat lunak yang selanjutnya memetakan suatu input menjadi output berdasarkan IF-THEN rule yang diberikan. Sistem fuzzy yang dihasilkan disebut Fuzzy Inference System (FIS) . FIS telah berhasil diaplikasikan dalam berbagai bidang, seperti ontrol otomatis, klasifikasi data, analisis keputusan dan sistem pakar. Karena kemampuannya yang fleksibel untuk bisa diterapkan di berbagai bidang, FIS sering disebut dengan nama lain seperti : fuzzy-rule-based system , fuzzy expert system, fuzzy modelling, fuzzy logic controller dan tidak jarang cukup dengan fuzzy system  FIS bisa dibangun dengan dua metode, yaitu metode Mamdani dan metode Sugeno. Kedua metode hanya berbeda dalam cara menentukan harga output FIS. Metode Mamdani adalah metode yang sering dijumpai ketika membahas metodologi-metodologi fuzzy. Hal ini mungkin karena metode ini merupakan metode yang pertama kali dibangun dan berhasil diterapkan dalam rancang bangun sistem kontrol menggunakan teori himpunan fuzzy

Ebrahim Mamdani yang pertama kali mengusulkan metode ini di tahun 1975 ketika membangun sistem kontrol mesin uap dan boiler. Mamdani menggunakan sekimpulan IF-THEN rule yang diperoleh dari operator/pakar yang berpengalaman. Karya Mamdani ini sebenarnya didasarkan pada artikel “ The Father of Fuzzy, Lofti A. Zadeh : fuzzy algorithms for complex system and decision processes “. Keluaran FIS tipe Mamdani berupa fuzzy set dan bukan sekedar inversi dari fungsi keanggotaan output. Dengan kata lain, untuk menghitung harga keluaran dari suatu IF-THEN rule, metode Mamdani harus menghitung luas dibawah kurva fuzzy set pada bagian keluaran (THEN-part). Selanjutnya dalam proses defuzzifikasi, metode Mamdani harus menghitung rata-rata (centroid) luas yang diboboti dari semua fuzzy set keluaran dari semua rule, kemudian mengisikan rata-rata tersebut ke variabel keluaran FIS. Namun dalam banyak kasus, akan jauh lebih efisien jika menghindari penghitungan luas dibawah kurva fuzzy set keluaran. Sebagai gantinya bisa menggunakan single spike sebagai fungsi keanggotaan singleton dan bisa dianggap sebagai sebuah pre-defuzzified fuzzy set. Pendekatan demikian jauh lebih menghemat waktu komputasi daripada metode Mamdani standard yang mengharuskan penentuan centroid sebelum proses defuzzifikasi. Pendekatan ini didukung dalam FIS tipe Sugeno.

Secara umum, FIS tipe Sugeno dapat diaplikasikan pada sembarang model inference system dimana fungsi keanggotaan keluaran adalah konstan atau linier.

2.2   FIS Tipe Sugeno

Dalam banyak hal tipe Sugeno mirip dengan tipe Mamdani. Proses fuzzifikasi operasi fuzzy logic dan implikasinya tidak ada bedanya dengan yang dipakai dalam FIS tipe Mamdani. Perbedaan terletak pada jenis fungsi keanggotaan yang dipakai dalam bagian consequent. FIS tipe Sugeno menggunakan fungsi keanggotaan output yang bersifat linier atau konstan. IF-THEN rule dalam FIS tipe Sugeno berbentuk seperti berikut :

IF input1 = v AND input2 = w THEN output is z = av + bw + c

Keluaran rule demikian bukan dalam bentuk keanggotaan, tetapi sebuah bilangan yang mana berubah secara linier terhadap variabel-variabel input, yaitu mengikuti suatu persamaan bidang z = av + bw + c. Jika b=0, FIS dikatakan berorder satu dimana keluarannya mengikuti persamaan garis, yaitu z=av+c.  Jika a=b=0, FIS dikatakan berorder nol, karena keluarannya berupa sebuah bilangan konstan, yaitu z=c.  Gambar 1 menunjukkan proses dalam FIS tipe Sugeno order nol.

Description: IMAGE0027

Gambar 1. Proses dalam FIS tipe Sugeno order  nol

Proses defuzzifikasi dalam FIS tipe Sugeno jauh lebih efisien daripada FIS tipe Mamdani. Hal ini karena FIS tipe Sugeno menghitung nilai keluaran dengan cara seperti berikut

Dimana wi adalah hasil proses operasi fuzzy logic antecedent, zi adalah keluaran rule ke-i.

keluaran akhir, output, tidak lain adalah sebuah weighted average. Bandingkan dengan FIS tipe Mamdani yang harus terlebih dahulu menghitung luas di bawah kurva fungsi keanggotaan variabel keluaran. Suatu keuntungan dari FIS tipe Sugeno bahwa hanya dengan order nol seringkali sudah mencukupi untuk berbagai keperluan pemodelan. Sebuah cara paling mudah untuk memahami FIS Sugeno dengan order lebih besar dari 1 adalah dengan membayangkan setiap IF-THEN rule mewakili sebuah mode operasi yang “bergerak”

( moving operating point), sementara sebuah rule dalam FIS Sugeno order nol hanya mewakili sebuah mode operasi yang “diam”. FIS tipe Sugeno dengan order 1 atau lebih sedah mencukupi dalam pemodelan sistem-sistem non-linier. FIS tipe Sugeno mempunyai kemampuan untuk memodelkan sistem non-linier dengan melakukan interpolasi antar model-model linier. Setiap model linier diwakili sebuah order 1 atau lebih.

2.3   Kontrol Fuzzy

Untuk tujuan implementasi kontrol pada Differential Penggerak Laras meriam, yang mana kontroller memerlukan akurasi terhadap kecepatan kontrol dan dapat menganalisa kompleksitas sistem dan kontrol; maka ada pilihan sistem yang deterministic, ringkas, teliti tetapi tidak komplek, yaitu Fuzzy logic; ia memiliki keunggulan pendekatan secara linguistic dan intuitif.

Membership Function  adalah bentuk batasan keanggotaan dari Scope of functio, dalam penelitian ini digunakan bentuk segitiga sama sisi dengan 5 keanggotaan.   Crisp Input adalah variable yang digunakan dalam penentuan nilai degree of membership.   Universe of Discourse adalah keanggotaan keseluruhan dari range input dari seluruh scope yang dinyatakan dalam sangat lambat, lambat, sedang, cepat dan sangat cepat.

 

2.4   Disturbance (gangguan).

            Didalam pergerakan laras terutama dalam posisi pergerakan secara elevasi tentunya perlu diperhatikan faktor-faktor gangguan yang mungkin terjadi. Adapun kemungkinan faktor gangguan yang terjadi disebabkan oleh antara lain :

a.       Kecepatan angin.

b.      Berat dari laras.

c.       Saat terjadi penembakan.

Gangguan –gangguan yang muncul tersebut yang mengakibatkan posisi laras menjadi sedikit bergeser, maka untuk mengembalikan agar posisi laras dapat sesuai dengan yang dikehendaki maka fuzzy ini yang akan mengendalikan. Dimana error yang muncul ini diakibatkan oleh mekanik (gear) pada sat ada perintah untuk berputar. Error yang dihasilkan merupakan selisih antara set point (SP) dengan sensor. Set point merupakan data yang kita masukan melalui keypad sedangkan sensor dapat berupa arah elevasi mulai dari 0 derajat sampai dengan 90 derajat dan arah baringan (azimuth) mulai dari 0 derajat samapai dengan 360 derajat. Error yang terjadi tersebut nantinya akan distabilkan oleh pengontrol fuzzy, yang mana kontrol fuzzy ini akan mengontrol simpangan yang diakibatkan oleh gerak laras selanjutnya simpangan tersebut akan diminimalisir sekecil mungkin sehingga masih dalam batas toleransi yang dianggap kecil sekali  sehingga laras dapat bergerak kembali pada kedudukan yang diharapkan

3.   PEMODELAN PENGARAH LARAS MERIAM

Agar diperoleh keseimbangan pada kedudukan laras meriam baik untuk arah elevasi maupun arah azimuth. Dalam sistem ini maka fuzzy akan mengaturnya setelah mendapatkan masukan dari keluaran ADC/DAC sehingga diharapkan arah posisi laras meriam berada sesuai dengan yang dikehendaki.

3.1 Perancangan sistim kontrol posisi sudut elevasi

Penelitian ini akan melakukan simulasi performansi kontroller fuzzy melakukan tugasnya, guna mengontrol tegangan keluaran dari motor dc. Selanjutnya error yang dihasilkan ini akan diolah oleh fuzzy logic agar dapat mempertahankan kedudukan laras meriam pada posisi azimuth maupun elevasi yang dikehendaki, seperti yang ditunjukkan pada gambar 4 mengenai blok diagram kontroller logika fuzzy.

3.2  Fuzzifikasi.     

Fuzzifikasi adalah proses untuk mengkuantisasi input variable analog dari crisp input menjadi kuantisasi scope Minus, zero dan positif. Setelah penggolongan membership inilah maka degree of membership dapat ditentukan. Pada penelitian ini dapat dicontohkan, bila input analog adalah 95 cm/dt, maka arus crisp tersebut masuk dalam scope of domain LAMBAT dan SEDANG. Seperti terlihat pada gambar 6.

Gambar 4.    Diagram blok sistim pengaturan posisi sudut elevasi menggunakan

Fuzzy Logic Controller

 

Gambar 5.       Diagram blok fuzzy logic Controller dengan dua input error

dan delta error dan satu output

Gambar  6.Membership function untuk input error

Scope of domain tersebut memunculkan adanya 2 input fuzzy (X1) SEDANG dan (X2) LAMBAT  Harga X1 dan X2 dapat ditentukan dengan persamaan garis.   Semakin banyak membership function maka semakin sensitif sistem kontrol fuzzy yang dihasilkan.

 

Rule evaluation. Rule evaluation adalah proses untuk mendapatkan nilai fuzzy output dari fuzzy input yang ada.   Dengan menentukan tule yang ditentukan maka output fuzzy akan didapatkan.   Pada proses ini adalah proses montrol fuzzy, sedang fuzyfikasi dan defuzzifikasi adalah proses konversi. Dalam pelasanaan kontrol fuzzy terhadap respon kecepatan motor kiri dan kanan, pembacaan kecepatan oleh encoder adalah utama selain error feedback sensor line follower.   Sehingga Error adalah input crispt dan dE ( delta Error ) adalah feedback gerak lurus, seperti terlihat pada gambar 7.

 

Gambar  7.   Membership function untuk input delta error

Gambar  8.        Membership function untuk output dengan mf5 = 5, mf4 = 3.9, mf3 = 0, mf2= -3.5 dan mf5 = -5

 

3.3   Rule base

4.   Hasil – hasil pengujian

4.1 Hasil Uji Coba Fuzzy Logic Controller

Gambar  9.              Grafik kontrol posisi sudut baringan menggunakan fuzzy logic controller dengan posisi awal 0 derajat ke posisi setting point SP = 90 derajat dan kembali ke 0 derajat

 

 

 

Gambar  10.      Grafik kontrol posisi sudut baringan menggunakan fuzzy logic controller dengan posisi awal 0 derajat ke posisi setting point SP = 180 derajat dan kembali ke 0 derajat

 

 

Gambar  11.      Grafik kontrol posisi sudut baringan menggunakan fuzzy logic controller dengan posisi awal 0 derajat ke posisi setting point SP =  270 derajat dan kembali ke 0 derajat

 

Gambar  12.      Grafik untuk pengukuran data input dan output plant. Saat identifikasi sudah diprogram dari data inputan encoder dirubah ke DAC. Kemudian output data DAC dibaca osiloscope muncul output tegangan seperti gambar dibawah ini

 

Description: F0001TEK

Gambar 13. tampilan output DAC diosiloscope

 

 

4.2  Hasil Pengukuran Plant Motor Elevasi

 

Description: F0002TEK.BMP

Gambar 14.       Tampilan Osciloscope untuk pengukuran data input dan output plant.

Ch.1 tegangan masukan motor DC dan Ch2. Tegangan keluaran sensor posisi

 

Description: identifikasi elevasi.JPG

Gambar 15.       Hasil identifikasi menggunakan metode Recursive Least Square (RLS) Orde 2 diperoleh parameter plant : a1 = -0.5493 , a2 = -0.4507, b1 = 0.0031, b2 = -0.0023

Gambar 16.       Hasil Simulasi pada Simulink Matlab

5.   KESIMPULAN

Dari hasil pengujian yang dilakukan di laboratorium, maka penulis mencatat beberapa hal antara lain :

a.  Sistem kendali gerak laras meriam dengan menggunakan metode fuzzy logic telah berjalan sesuai dengan yang diharapkan, dimana gerak dalam arah posisi elevasi maupun azimuth sesuai dengan data masukan yang diberikan melalui keypad.

b.   Metoda fuzzy yang digunakan telah dapat mengolah data masukan yang diberikan, dimana keluarannya akan menggerakkan laras ke posisi elevasi maupun azimuth.

c.   Besar sudut arah gerak elevasi dimulai dari 0 derajat sampai dengan 90 derajat sedangkan sudut arah azimuth mulai dari 0 derajat sampai 360 derajat.

d.   Sistem control dengan menggunakan metoda fuzzy logic telah berjalan dengan baik sesuai dengan data masukan yang diberikan.

e.   Berdasarkan hasil simulasi yang dilakukan dengan menggunakan program MATLAB menunjukkan hasil yang baik sesuai dengan yang diharapkan.

 

6.   DAFTAR PUSTAKA

1.Indrawanto,Ir,Dr.2007.PengembanganSistem Kendali dan Stabilisasi Gerak  Laras Meriam,LPPM-ITB.

2. Kusumadewi,Sri.2002.Analisis dan Desain Sistem Fuzzy.Graha Ilmu ,Yogyakarta.

3.Resmana,Thiang,Kuntjoro A.J.Prediksi kepadatan kendaraan bermotor berdasarkan tingkat kebisingan lalulintas dengan menggunakan logika fuzzy.Universitas Kristen Petra.Surabaya.

4. Setiawan,B.2008.Analisa,Desain dan Implementasi Kontrol Fuzzy Posisi Gerak Lurus Terhadap Kecepatan Differential Autonomous Robot.Tesis Universitas Brawijaya.Malang.hal 7-12

5. Yan,J., Ryan,M. Dan Power,J.1994, Using Fuzzy Logic . Prentice Hall Internacional   (UK) Limited.

6.Herwandi.2007.Penerapan pengendali logika fuzzy untuk mengendalikan mesin etsa Printed Circuit Board (PCB).Universitas Brawijaya.Malang.hal 40-42

kirim ke teman | versi cetak | Versi PDF

Berita "Teknologi" Lainnya