UNIKOMUNIKOM

Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika TerapanTelekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan

Tujuan dari penelitian ini adalah untuk mengimplementasikan algoritma Ant Colony Optimization (ACO) untuk melakukan tuning parameter pada pengendali logika fuzzy atau Fuzzy Logic Controller (FLC). FLC tersebut digunakan untuk mengendalikan ketinggian air dari tangki proses. Masukan dan keluaran fuzzy terdiri dari tujuh fungsi keanggotaan, yaitu positif besar (PB), positif menengah (PM) dan ositif kecil (PS), zero (Z), negatif kecil (NS), negatif menengah (NM) dan negatif besar (NB). Pertama-tama, dicari parameter FLC awal, lalu dibangkitkan suatu graph dimana nilai-nilai parameter FLC ditentukan dalam rentang nilai antara 0 hingga 1,5 kali dari nilai parameter awal. Lalu diimplementasikan algoritma ACO untuk memperbaiki nilai parameter FLC tersebut agar diperoleh performansi yang lebih baik. Performansi pengendali yang diharapkan adalah meminimalkan lonjakan maksimum (overshoot) dan waktu naik (rise time). Sistem ini diimplementasikan menggunakan program labVIEW. Data ketinggian air diperoleh menggunakan sensor potensiometer. Keluaran dari FLC terhubung dengan motor stepper untuk mengatur debit masukan air ke tangki proses. Dari hasil pengujian telah berhasil diperoleh overshoot dan risetime yang kecil, sebagai contoh, untuk setpoint 8, performansi keluaran sistem memiliki overshoot 2.5% dan rise time 8909 ms. Algoritma ACO berhasil meningkatkan performansi sistem dibandingkan performansi sistem jika menggunakan parameter awal. Peningkatan performansi ini dikarenakan algoritma ACO bertindak sebagai algoritma pencarian lokal (local search) yang akan mencari performansi sistem yang lebih baik disekitar nilai parameter awalnya. Penelitian ini berhasil menunjukkan bahwa algoritma ACO dapat digunakan untuk melakukan tuning dari parameter FLC.

Dari hasil pengujian, sistem pengontrol fuzzy dengan tuning parameter menggunakan ACO dapat berjalan dengan baik.Pengontrol fuzzy dapat mengatur putaran motor stepper sehingga level ketinggian air yang diharapkan (setpoint) tercapai.Pengontrol fuzzy juga telah berhasil memperkecil lonjakan maksimum (overshoot) dan waktu naik (rise time).Overshoot dan risetime dapat diturunkan karena adanya kaidah fuzzy yang dipersiapkan untuk menurunkan overshoot dan risetime.

Penelitian selanjutnya dapat difokuskan pada pengembangan algoritma ACO yang lebih adaptif, misalnya dengan menggabungkan mekanisme pemilihan semut yang lebih cerdas berdasarkan informasi lingkungan dan performansi historis. Hal ini diharapkan dapat mempercepat proses konvergensi dan menghasilkan parameter FLC yang lebih optimal. Selain itu, eksplorasi penggunaan algoritma ACO dalam pengendalian sistem yang lebih kompleks, seperti sistem multi-variabel atau sistem dengan non-linearitas yang signifikan, dapat menjadi arah penelitian yang menarik. Penerapan algoritma ACO pada sistem kontrol berbasis IoT (Internet of Things) juga menjanjikan, memungkinkan tuning parameter FLC secara real-time berdasarkan data sensor yang dikumpulkan dari lingkungan. Dengan demikian, sistem kontrol dapat beradaptasi secara dinamis terhadap perubahan kondisi operasional dan meningkatkan efisiensi serta keandalannya. Penelitian lebih lanjut juga dapat dilakukan dengan membandingkan performansi algoritma ACO dengan algoritma optimasi lainnya, seperti Particle Swarm Optimization (PSO) atau Genetic Algorithm (GA), untuk mengidentifikasi keunggulan dan kelemahan masing-masing algoritma dalam konteks tuning parameter FLC.

Read online
File size769.42 KB
Pages11
DMCAReport

Related /

ads-block-test