Politeknik TNI-AD
Rubrik : Teknologi
PERANCANGAN MODEL MINIATUR PENGARAH LARAS MERIAM
2010-11-13 21:39:48 - by : admin



PERANCANGAN MODEL MINIATUR PENGARAH LARAS MERIAM


DENGAN MENGGUNAKAN METODA FUZZY LOGIC


Mayor Arh Desyderius Minggu,ST


KASUBLABKOM LABLEK LEMJIANTEK KODIKLAT TNI AD


Email : desyderius07@gmail.com


 


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


Politeknik TNI-AD : http://lemjiantek.mil.id
Versi Online : http://lemjiantek.mil.id/article/12/perancangan-model-miniatur-pengarah-laras-meriam.html