cerebellar model articulation controller) dan rbf (radial ... · tugas akhir diajukan guna...

Perbandingan Unjuk Kerja Jaringan Syaraf Tiruan CMAC

(Cerebellar Model Articulation Controller) dan RBF (Radial Basis

Function) pada Pengendalian Plant Suhu secara On- line

TUGAS AKHIR

Diajukan guna melengkapi persyaratan dalam

menyelesaikan pendidikan tingkat Sarjana/Strata Satu

di Jurusan Teknik Elektro Fakultas Teknik

Universitas Diponegoro

Oleh :

Amin Fauzan

L2F 000 571

JURUSAN TEKNIK ELEKTRO

FAKULTAS TEKNIK

UNIVERSITAS DIPONEGORO SEMARANG

2004

HALAMAN PENGESAHAN

Laporan Tugas Akhir dengan judul "Perbandingan Unjuk Kerja

Jaringan Syaraf Tiruan CMAC (Cerebellar Model Articulation Controller)

dan RBF (Radial Basis Function) pada Pengendalian Plant Suhu secara On –

line“ yang disusun oleh:

Nama : AMIN FAUZAN

NIM : L2F 000 571

Telah disetujui dan disahkan di Semarang pada tanggal :

...............................2004

Menyetujui/Mengesahkan,

Pembimbing I,

Wahyudi, ST. MT.

NIP. 132 086 662

Pembimbing II,

Iwan Setiawan, ST. MT.

NIP. 132 283 183

Ketua Jurusan Teknik Elektro

Fakultas Teknik Universitas Diponegoro,

Ir. Sudjadi, MT.

NIP. 131 558 567

PENGESAHAN REVISI TUGAS AKHIR

Revisi Tugas Akhir dengan judul “Perbandingan Unjuk Kerja Jaringan

Syaraf Tiruan CMAC (Cerebellar Model Articulation Controller) dan RBF

(Radial Basis Function) pada Pengendalian Plant Suhu secara On – line”

yang disusun oleh:

Nama : AMIN FAUZAN

NIM : L2F 000 571

telah disetujui dan disahkan pada

Tanggal : 2004.

Tempat : Semarang

Menyetujui dan mengesahkan,

Ketua Tim Penguji,

Achmad Hidayatno, ST. MT. NIP. 132 137 933

Sekretaris Tim Penguji,

Yuli Christyono, ST. MT. NIP. 132 163 660

Anggota Tim Penguji,

Trias Andromeda,ST MT. NIP. 132 283 185

ABSTRAK

Sebuah pendekatan dalam pengendalian plant yang parameter-parameternya tidak

diketahui dapat dilakukan dengan menggunakan jaringan syaraf tiruan. Tidak semua jenis

jaringan syaraf tiruan cocok untuk mengendalikan plant secara on-line. Setiap jaringan syaraf

tiruan memiliki kecepatan beradaptasi atau konvergensi yang berbeda, tergantung pada struktur

jaringan dan algoritma pembelajaran yang digunakan. Pemilihan jenis jaringan syaraf tiruan

untuk mengendalikan plant secara on-line dapat dilakukan dengan mengetahui unjuk kerja

masing-masing jaringan pada pengendalian secara on-line.

Pada tugas akhir ini dilakukan pengujian terhadap unjuk kerja jaringan syaraf CMAC

dan RBF untuk mengendalikan plant suhu secara on-line. Pengujian untuk mengetahui

perbandingan unjuk kerja kedua jaringan syaraf dilakukan dengan pengujian pengaruh bobot

pembelajaran, pengujian referensi naik, pengujian referensi turun dan pemberian gangguan.

Hasil pengujian menunjukkan bahwa aplikasi jaringan syaraf CMAC pada plant suhu

mempunyai unjuk kerja yang lebih baik daripada jaringan syaraf RBF. Jaringan syaraf tiruan

CMAC memiliki laju pembelajaran yang lebih cepat dan mampu mengatasi pengaruh gangguan

lebih cepat daripada jaringan syaraf RBF.

Kata kunci : Jaringan Syaraf Tiruan, CMAC, RBF, Plant Suhu

.

ABSTRACT

A approach in controlling of plant which is its parameters unknown can be done by using

artificial neural network. Not all of artificial neural network type suited for controlling plant on-

linely. Each artificial neural network have a different speed adaptation or konvergence, depend

on network structure and study algorithm. Election of artificial nerve network type to control plant

on-linely can be done if we know each performance of neural network operation on-linely.

At this final project we try to make experiment to show performance of CMAC and RBF’s

neural network at operation of temperature plant on-linely. Examination to show the performace

of controller is done by examination of influence of study wight to system respon, examination of

reference go up, examination of reference go down and giving of trouble.

Result of examination indicate that the application of CMAC’s neural network at

temperature plant show better performance than RBF’s neural network. It has faster rate of study

and can overcome influence of trouble quickly than RBF’s neural network.

Keyword : Artificial Neural Netwark, CMAC, RBF, Temperature Plant.

KATA PENGANTAR

بسم اهللا الرحمن الرحیمPuji dan syukur penulis panjatkan kepada Allah SWT atas rahmat dan

karunia-Nya, sehingga pelaksanaan tugas akhir dan penyusunan laporan ini dapat

terselesaikan. Shalawat dan salam semoga senantiasa tercurah atas Nabi

Muhammad Rasulullah SAW.

Tugas akhir dengan judul "Perbandingan Unjuk Kerja Jaringan Syaraf

Tiruan CMAC (Cerebellar Model Articulation Controller) dan RBF (Radial Basis

Function) pada Pengendalian Plant Suhu secara On-line" ini diajukan untuk

memenuhi syarat akhir untuk menyelesaikan pendidikan Program Strata 1 pada

Jurusan Teknik Elektro Fakultas Teknik Universitas Diponegoro Semarang.

Rasa terima kasih yang tulus kami ucapkan kepada semua pihak yang telah

membantu selama pelaksanaan tugas akhir ini.

1. Bapak dan Ibu serta Adik – adikku yang selalu memberikan kasih sayang,

doa dan semangat.

2. Bapak Ir. Sudjadi, MT, selaku Ketua Jurusan Teknik Elektro Fakultas

Teknik Universitas Diponegoro Semarang.

3. Bapak R. Rizal Isnanto, ST. MT. MM., selaku koordinator Tugas Akhir

yang telah mengurus keperluan administrasi Tugas Akhir Teknik Elektro

Universitas Diponegoro.

4. Bapak Wahyudi, ST. MT. dan Bapak Iwan Setiawan, ST. MT., selaku

dosen pembimbing I dan II yang telah memberi bimbingan dan

pengarahan dalam penyusunan laporan Tugas Akhir.

5. Bapak Sumardi, ST. MT., selaku Kepala Laboratorium Teknik Kontrol

Otomatik.

6. Para aktivis Lab. Teknik Kontrol Otomatik, Mas Andy N ’98, Mas Sunardi

’99, Mas Abbas ‘99, Mas B4t0q ’99, Mas Agusti ’99, Ari Otong ‘00, Eko

Kodok ’00, Udin Geboy ’00, Deni DJNZ ’00, Erik ’00, Satria ‘01, dan

rekan – rekan aktivis lab. lain: Dalma ’99, Sri ‘Embong’ ’00, Arif Januar

’00, Ronald ‘bebek’ ’00, Feny ‘pepenk’ ’00, Nanda ‘Brewers’ ’00,, Andy

Hartono ’00, tHE_konC’00, Reza ’01, Nyoto ‘saridin’ 01.

7. Rekan–rekan angkatan 2000, terima kasih atas kekompakan dan kerjasama

selama ini.

8. 23 smunsa ’00 : Fredy Kam-Pret, Ipoel, Reza Parto, Ari Mukong, Anto

Ireng, Gogox, Bowok, Del Christo, dan Widyawan Candra, kalian adalah

sahabat-sahabat terbaikku.

9. Teman-teman kost putra Biru Langit, Dephit, Mekel, Dian, Gendut, Aries,

dan Made, terima kasih atas tumpangan tidurnya.

10. “Bening”, semua yang hadir dalam perjalanan “Hijau” kita akan senantiasa

menjadi pelajaran berharga dalam perjalananku.

11. Yulita Novianty, terimakasih atas doa dan nasihatnya, keep pray for me

and always be a simple and smart girl.

12. Rekan – rekan tim KKN, Ari, Adhi, Cacha. Lia, Amar dan Retno, (seperti

permintaan kalian nama kalian udah tak tulis) ayooo…cepetan..lulus……!,

Pak Lurah dan Ibu, terima kasih karena telah menganggap kami sebagai

anak.

13. Rekan – rekan remaja masjid Al –Hikmah

14. Dan semua pihak yang tidak dapat penulis sebutkan satu persatu yang

telah membantu hingga terselesainya tugas akhir dan laporan tugas akhir

ini.

Semoga pembuatan tugas akhir ini dapat memberikan manfaat bagi

perkembangan ilmu kontrol pada khususnya dan seluruh pihak yang

berkepentingan.

Semarang, Oktober 2004

Penulis

DAFTAR ISI

Halaman Judul .............................................................................................. i

Halaman Pengesahan .................................................................................... ii

Pengesahan Revisi Tugas Akhir ................................................................... iii

Abstrak ......................................................................................................... iv

Abstract ........................................................................................................ v

Kata Pengantar ............................................................................................. vi

Daftar Isi....................................................................................................... viii

Daftar Gambar .............................................................................................. xi

Daftar Tabel.................................................................................................. xv

BAB I PENDAHULUAN

1.1 Latar Belakang ................................................................................ 1

1.2 Tujuan............................................................................................. 2

1.3 Pembatasan Masalah ....................................................................... 2

1.4 Sistematika Penulisan...................................................................... 3

BAB II DASAR TEORI

2.1 Blok Diagram Kontrol Fixed Stabilising Controller ........................ 4

2.2 Algoritma Least Mean Square (LMS).............................................. 5

2.3 Jaringan Syaraf Tiruan .................................................................... 5

2.4 CMAC ( Cerebellar Model Articulation Controller )....................... 7

2.4.1 Struktur Dasar CMAC ............................................................ 7

2.4.2 Pemetaan Titik Ruang Masukan pada CMAC......................... 8

2.4.3 Kotak Operasi CMAC ............................................................ 13

2.4.4 Algoritma Pelatihan CMAC secara Iteratif.............................. 14

2.5 RBF ( Radial Basis Function )......................................................... 15

2.5.1 Struktur Dasar RBF ................................................................ 15

2.5.2 Strategi Pembelajaran Jaringan RBF....................................... 17

2.5.3 Algoritma Pelatihan RBFN secara Iteratif ............................... 18

2.6 Penguat Operasional (Operasional Amplfier)................................... 18

2.6.1 Penguat Tak Membalik (Non-Inverting Amplifier) .................. 18

2.6.2 Penguat Selisih (Differential Amplifier) .................................. 19

2.6.3 Pembanding (Comparator) ..................................................... 20

BAB III PERANCANGAN

3.1 Perancangan Kontrol Jaringan Syaraf Tiruan CMAC dan RBF........ 21

3.1.1 Penentuan Nilai Gain Proporsional Jaringan Syaraf

CMAC dan RBF .................................................................... 21

3.1.2 Penentuan Nilai Laju Konvergensi Jaringan Syaraf

CMAC dan RBF .................................................................... 21

3.1.3 Perancangan Kontrol Jaringan Syaraf CMAC ......................... 22

3.1.4 Perancangan Kontrol Jaringan Syaraf RBF ............................. 27

3.2 Perancangan Perangkat Lunak (Software)........................................ 32

3.2.1 Sofware Jaringan Syaraf CMAC............................................. 34

3.2.2 Sofware Jaringan Syaraf RBF ................................................. 36

3.3 Perancangan Perangkat Keras (Software)......................................... 39

3.3.1 Rangkaian Digital to Analog Converter (DAC) ..................... 40

3.3.2 Rangkaian Analog to Digital Converter (ADC) ...................... 40

3.3.3 Rangkaian Pengkondisi Sinyal I.............................................. 41

3.3.4 Rangkaian Pengkondisi Sinyal II ............................................ 42

3.3.5 Plant Suhu dengan PWM Driver ............................................ 43

3.3.6 Mikrokontroller AT89s51....................................................... 44

BAB IV PENGUJIAN DAN ANALISIS

4.1 Pengujian Jaringan Syaraf CMAC dan RBF secara On-line............. 48

4.2 Pengujian Jaringan Syaraf CMAC ................................................... 50

4.2.1 Pengaruh Nilai Laju Konvergensi terhadap Transien Suhu...... 50

4.2.2 Pengaruh Gain Proporsional terhadap Transien Suhu.............. 52

4.2.3 Pengaruh Nilai Generalisasi terhadap Transien Suhu .............. 55

4.3 Pengujian Jaringan Syaraf RBF ....................................................... 57

4.3.1 Pengaruh Laju Konvergensi terhadap Transien Suhu .............. 57

4.3.2 Pengaruh Nilai Gain Proporsional terhadap Transien Suhu .... 60

4.3.3 Pengaruh Jumlah Fungsi Basis terhadap Transien Suhu ......... 62

4.4 Perbandingan Unjuk Kerja Jaringan Syaraf CMAC dan RBF .......... 65

4.4.1 Pengujian Pengaruh Pembelajaran .......................................... 65

4.4.2 Pengujian Referensi Naik ....................................................... 67

4.4.3 Pengujian Referensi Turun...................................................... 69

4.4.4 Pengujian Gangguan............................................................... 71

BAB V PENUTUP

5.1 Kesimpulan ..................................................................................... 75

5.2 Saran ............................................................................................... 76

Daftar Pustaka

Lampiran A Senarai Program

Lampiran B Tampilan Program

Lampiran C Skematik Rangkaian

Lampiran D Hasil Pengujian Perangkat Keras

Lampiran E Data Sheet

DAFTAR GAMBAR

Gambar 2.1 Blok diagram kontrol dengan skema fixed

stabilising controller ............................................................. 4

Gambar 2.2 Model neuron jaringan syaraf................................................. 6

Gambar 2.3 Struktur dasar jaringan syaraf tiruan CMAC.......................... 7

Gambar 2.4 Pemetaan ruang masukan CMAC 1 dimensi ........................... 9

Gambar 2.5 Pemetaan 2 dimensi untuk tiap titik ruang

masukan dengan pemetaan langsung ...................................... 11

Gambar 2.6 Hasil evaluasi generator alamat pada overlay 1....................... 12



Gambar 2.9 Aliran operasi CMAC dengan metoda Concatenation ............ 13

Gambar 2.10 Aliran operasi CMAC dengan metoda pemetaan langsung...... 14

Gambar 2.11 Struktur dasar jaringan syaraf RBF........................................ 15

Gambar 2.12 Operasi jaringan syaraf RBF dengan 2 masukan .................. 16

Gambar 2.13 Fungsi Gaussian..................................................................... 17

Gambar 2.14 Penguat tak membalik ............................................................ 18

Gambar 2.15 Penguat selisih ....................................................................... 19

Gambar 3.1 Diagram alir generator alamat ................................................ 24

Gambar 3.2 Diagram alir keluaran CMAC untuk alamat-

alamat yang aktif .................................................................... 25

Gambar 3.3 Diagram alir pembaharuan bobot pada alamat-

alamat aktif CMAC ................................................................ 26

Gambar 3.4 Diagram alir algoritma kontrol CMAC................................... 27

Gambar 3.5 Grafik jaringan RBF dengan 4 fungsi basis............................ 28

Gambar 3.6 Diagram alir perancangan jaringan RBF yang digunakan ....... 29

Gambar 3.7 Diagram alir perhitungan keluaran RBF 2 dimensi ................. 30

Gambar 3.8 Diagram alir algoritma kontrol RBF ....................................... 31

Gambar 3.9 Diagram alir program utama................................................... 32

Gambar 3.9 Diagram alir program utama (Lanjutan) ................................. 33

Gambar 3.10 Diagram blok hardware sistem pengatur suhu ........................ 39

Gambar 3.11 Rangkaian DAC 0808 ............................................................ 40

Gambar 3.12 Rangkaian Free Running ADC............................................... 41

Gambar 3.13 Pengkondisi sinyal 0 – 5 Volt menjadi -5 – 5 Volt.................. 42

Gambar 3.14 Skema plant suhu dengan PWM driver .................................. 43

Gambar 3.15 Rangkaian PWM Driver untuk Pemanas ................................ 43

Gambar 3.16 Rangkaian minimum mikrokontroller dan RS 232.................. 44

Gambar 3.17 Diagram alir komunikasi serial mikrokontroller dan PC ......... 45

Gambar 4.1 Respon plant suhu secara ikal terbuka .................................... 48

Gambar 4.2 Respon transien suhu dengan kontrol CMAC untuk

referensi 50° C, gain proporsional 1,5, generalisasi

60 dan laju konvergensi 0,1 ................................................... 50



60 dan laju konvergensi 0,1 (Lanjutan) .................................. 51



60 dan laju konvergensi 0,7 ................................................... 51


referensi 50° C, generalisasi 60, laju konvergensi 0,1

dan gain proporsional 0,5 ....................................................... 53


referensi 50° C, generalisasi 60, laju konvergensi 0,1

dan gain proporsional 4 .......................................................... 54


referensi 50° C, laju konvergensi 0,1, gain proporsional 2

dan generalisasi 30 ................................................................ 55



dan generalisasi 30 (Lanjutan) ............................................... 56



dan generalisasi 30 ................................................................ 56

Gambar 4.8 Respon transien suhu dengan kontrol RBF untuk

nilai referensi 50° C, gain proporsional 1,5, Jumlah fungsi

basis 5 dan laju konvergensi 0,1 ............................................. 58


nilai referensi 50° C, gain proporsional 1,5, Jumlah fungsi

basis 5 dan laju konvergensi 0,7 ............................................ 59


nilai referensi 50° C, jumlah fungsi basis 5, laju

konvergensi 0,1 dan gain proporsional 0,5 ............................. 60


nilai referensi 50° C, jumlah fungsi basis 5, laju

konvergensi 0,1 dan gain proporsional 0,5 (Lanjutan) ............ 61

Gambar 4.11 Respon transien suhu dengan kontrol RBF untuk nilai

referensi 50° C, jumlah fungsi basis 5, laju

konvergensi 0,1 dan gain proporsional 4 ............................... 61


referensi 50° C, laju konvergensi 0,1, gain proporsional

2 dan jumlah fungsi basis 3 .................................................. 63



2 dan junlah fungsi basis 8 ................................................... 63



2 dan junlah fungsi basis 8 (Lanjutan) .................................. 64

Gambar 4.14 Pengujian untuk mengetahui pengaruh bobot pembelajaran

terhadap transien suhu pada kontrol CMAC .......................... 66

Gambar 4.15 Pengujian untuk mengetahui pengaruh bobot

pembelajaran terhadap transien suhu pada kontrol RBF.......... 66

Gambar 4.16 Pengujian referensi naik dengan jaringan syaraf CMAC ....... 68

Gambar 4.17 Pengujian refrensi naik dengan jaringan syaraf RBF.............. 68

Gambar 4.17 Pengujian refrensi naik dengan jaringan syaraf

RBF (Lanjutan) ...................................................................... 69

Gambar 4.18 Pengujian refrensi turun dengan jaringan syaraf CMAC ....... 70

Gambar 4.19 Pengujian refrensi turun dengan jaringan syaraf RBF ........... 70

Gambar 4.19 Pengujian refrensi turun dengan jaringan syaraf

RBF (Lanjutan) ..................................................................... 71

Gambar 4.20 Pengujian gangguan pada jaringan syaraf CMAC.................. 71

Gambar 4.20 Pengujian gangguan pada jaringan syaraf

CMAC (Lanjutan) .................................................................. 72

Gambar 4.21 Pengujian gangguan pada jaringan syaraf RBF ...................... 72

DAFTAR TABEL

Tabel 3.1 Hubungan kebutuhan memori dengan jangkauan masukan

terkuantisasi dengan parameter generalisasi yang dipilih 50 ......... 22

Tabel 3.2 Hubungan besarnya generalisasi yang dipilih dengan

kebutuhan memori maksimum CMAC dengan kuantisasi 8 bit...... 23

Tabel 3.3 Alamat-alamat aktif untuk masukan-masukan tertentu

pada CMAC dengan dua masukan, 8 bit dan generalisasi = 5 ........ 25

Tabel 3.4 Pemberian nilai pada RD dan WR serta perubahan nilai

Pada INTR ................................................................................... 41

Tabel 4.1 Hubungan antara banyaknya parameter generalisasi

yang dipilih terhadap lama proses komputasi. ............................... 49

Tabel 4.2 Hubungan antara jumlah fungsi basis yang dipilih

terhadap lama proses komputasi. ................................................... 49

Tabel 4.3 Data parameter unjuk kerja sistem dengan kendali CMAC

pada referensi 50° C, gain proporsional 1,5, dan generalisasi 60.... 52


pada referensi 50° C, laju konvergensi 0,1, dan generalisasi 60 ..... 55


pada referensi 50° C, laju konvergensi 0,1, dan

gain proporsional 2 ....................................................................... 57

Tabel 4.6 Data parameter unjuk kerja sistem dengan kendali RBF pada

referensi 50° C, gain proporsional 1,5, dan jumlah

fungsi basis 5 ................................................................................ 60

Tabel 4.7 Data parameter unjuk kerja sistem dengan kendali RBF pada

referensi 50° C, gain proporsional 1,5, dan jumlah

fungsi basis 5 ................................................................................ 62

Tabel 4.8 Data parameter unjuk kerja sistem dengan kontrol RBF pada

referensi 50° C, laju konvergensi 0,1, dan gain proporsional 2 ...... 64

Tabel 4.9 Data unjuk kerja jaringan syaraf CMAC dan RBF terhadap

pengujian gangguan ...................................................................... 73

BAB I

PENDAHULUAN

1.1 Latar Belakang

Dalam perancangan sistem kontrol konvensional, parameter-parameter

kontrol dihitung berdasarkan parameter plant. Secara praktis, parameter plant

tersebut tidak diketahui, sehingga perancangan sistem kontrol harus diawali

dengan proses identifikasi plant yang akan dikontrol. Untuk suatu plant yang

kompleks, proses untuk mendapatkan parameter plant merupakan proses yang

sulit dan memakan banyak waktu.

Sebuah pendekatan dalam pengendalian plant yang parameter-

parameternya tidak diketahui dapat dilakukan dengan menggunakan jaringan

syaraf tiruan. Tidak semua jenis jaringan syaraf tiruan cocok untuk

mengendalikan plant secara on-line. Setiap jaringan syaraf tiruan memiliki

kecepatan beradaptasi atau konvergensi yang berbeda, tergantung pada struktur

jaringan dan algoritma pembelajaran yang digunakan. Oleh karena itu, untuk

mengendalikan plant secara on-line dengan jaringan syaraf tiruan harus diketahui

terlebih dahulu unjuk kerja dari masing-masing jaringan syaraf pada pengendalian

plant secara on-line.

Pada tugas akhir ini dilakukan pengujian terhadap unjuk kerja jaringan

syaraf CMAC dan RBF pada pengendalian plant suhu secara on-line. Pengujian

untuk membandingkan unjuk kerja kedua jaringan dilakukan melalui pengujian

pengaruh bobot pembelajaran, pengujian referensi naik, pengujian referensi turun

dan pemberian gangguan. Struktur pengendalian yang digunakan adalah Fixed

Stabilising Controller. Unit kontroller yang digunakan untuk

mengimplementasikan algoritma kontrol dengan jaringan syaraf tiruan CMAC

dan RBF adalah PC (Personal Computer) karena mampu melakukan proses

komputasi yang kompleks, memiliki ukuran memori yang besar dan

memungkinkan membuat fasilitas tambahan untuk pengolahan data seperti

recording dan monitoring.

1.2 Tujuan

Tujuan yang ingin dicapai pada tugas akhir ini adalah membandingkan

unjuk kerja jaringan syaraf tiruan CMAC dan RBF pada pengendalian plant suhu

secara on-line.

1.3 Pembatasan Masalah

Dalam pembuatan tugas akhir ini penulis membatasi permasalahan sebagai

berikut :

1. Plant yang dikontrol adalah plant suhu dengan PWM Driver.

2. Jaringan syaraf yang diuji adalah CMAC dan RBF.

3. Algoritma yang digunakan untuk pembaharuan bobot jaringan syaraf

adalah algoritma LMS.

4. Jangkauan pengaturan suhu yang diperbolehkan adalah 33º C sampai

dengan 90º C.

5. Suhu plant dianggap merata di daerah yang diatur suhunya.

6. Suhu yang dijadikan referensi untuk perhitungan pada komputer adalah

suhu hasil pembacaan dari sensor suhu LM35, tidak ada kalibrasi dengan

peralatan pengukur suhu standar.

7. Perbandingan unjuk kerja dilakukan melalui pengujian pengaruh bobot

pembelajaran, pengujian referensi naik, pengujian referensi turun dan

pengaruh gangguan terhadap respon sistem.

8. Penentuan batasan nilai gain proporsional dan laju konvergensi yang

digunakan pada pengujian dilakukan secara empiris.

9. Pengujian unjuk kerja dilakukan dengan pemilihan laju konvergensi dan

gain proporsional secara acak yaitu masing – masing sebesar 0,1 dan 2,

serta pemilihan generalisasi dan fungsi basis secara trial and error

sehingga memberikan kondisi optimal pada jaringan syaraf CMAC dan

RBF.

10. Parameter respon yang dijadikan ukuran untuk membandingkan unjuk

kerja adalah waktu penetapan dan lonjakan maksimum respon.

11. Pembuatan program bantu menggunakan bahasa visual Delphi 6.0, dan

antarmuka melalui komunikasi serial, ADC 0804 dan DAC 0808.

12. Mikrokontroller AT89s51 hanya digunakan sebagai pengatur aliran data

untuk komunikasi serial dan tidak membahas arsitektur serta pemrograman

mikrokontroller secara detail.

13. Tidak membahas handshaking komunikasi serial.

1.4 Sistematika Penulisan

Sistematika penulisan laporan tugas akhir adalah sebagai berikut:

BAB I PENDAHULUAN

Pada bab ini dibahas mengenai latar belakang, tujuan dan pembatasan

masalah tugas akhir serta sistematika penulisan laporan.

BAB II DASAR TEORI

Bab ini berisi teori yang melandasi pembuatan tugas akhir ini, mulai dari

teori dasar jaringan saraf tiruan, algoritma LMS, struktur pengendalian,

jaringan syaraf CMAC, jaringan syaraf RBF, serta teori yang melandasi

pembuatan hardware.

BAB III PERANCANGAN

Pada bab ini dibahas bagaimana merancang jaringan syaraf CMAC dan

RBF, perancangan algoritma untuk kontrol CMAC dan RBF, serta

perancangan perangkat lunak dan perangkat keras yang diperlukan

untuk pengendalian plant suhu dengan jaringan syaraf CMAC dan RBF.

BAB IV PENGUJIAN DAN ANALISIS

Pada bab ini dibahas mengenai pengujian terhadap jaringan syaraf

CMAC dan RBF serta pengujian untuk membandingkan unjuk kerja

kedua jaringan. Pada bab ini juga dilakukan analis terhadap pengaruh

masing – masing parameter jaringan.

BAB V PENUTUP

Bab ini berisi kesimpulan terhadap hasil pengujian dan saran.

BAB II

DASAR TEORI

2.1 Blok Diagram Kontrol Fixed Stabilising Controller

Fixed stabilising controller merupakan salah satu arsitektur kontrol

adaptif. Arsitektur kontrol ini diusulkan oleh Miller pada tahun 1987 dan Kraft

pada tahun 1990. Blok diagram kontrol dengan skema fixed stabilising controller

ditunjukkan pada Gambar 2.1.

Gambar 2.1 Blok diagram kontrol dengan skema

fixed stabilising controller

Blok diagram fixed stabilising controller merupakan blok diagram sistem

kontrol adaptif langsung dengan keluaran kontroller umpan balik penstabil

digunakan untuk melatih model inverse.[3] Tujuan dari pembelajaran model

inverse adalah memformulasikan sebuah pengendali, sehingga blok diagram

kontrol plant secara keseluruhan memiliki fungsi alih satuan.

Blok diagram kontrol fixed stabilising controller memiliki dua buah

kalang, kalang pertama adalah kalang umpan balik penstabil dan kalang kedua

adalah kalang pembelajaran model inverse. Pembelajaran model inverse dapat

dilakukan menggunakan jaringan syaraf tiruan dan sebagai kontrol umpan balik

penstabil dapat digunakan gain proporsional. Jaringan syaraf tiruan yang dipilih

sebagai komponen pengendali harus memiliki laju konvergensi yang cepat,

sehingga tidak semua jaringan syaraf tiruan cocok diimplementasikan sebagai

komponen pengendali plant secara on- line.[9]

2.2 Algoritma Least Mean Square (LMS)

Algoritma LMS merupakan salah satu algoritma yang digunakan untuk

pembelajaran atau update bobot jaringan syaraf. Algoritma ini banyak digunakan

karena proses komputasinya sederhana. Algoritma LMS akan meminimalkan

fungsi rata – rata kuadrat error.[5] Secara matematis algoritma LMS untuk

pembaharuan bobot jaringan syaraf dituliskan sebagai berikut :

w(n+1) = w(n) + η.[d(n) – y(n)].x(n) ................................................. (2.1)

Dimana :

w(n+1) : Bobot pada cacah ke n+1

w(n) : Bobot pada cacah ke n

η : Laju konvergensi ( 0 < η < 1)

x(n) : Masukan yang diboboti

d(n) : Keluaran yang diinginkan

y(n) : Keluaran aktual

d(n) – y(n) : Sinyal error yang merupakan data latih

2.3 Jaringan Syaraf Tiruan

Jaringan syaraf tiruan merupakan salah satu bidang dalam sistem kontrol

cerdas. Jaringan syaraf tiruan pada dasarnya merupakan fungsi pemetaan masukan

ke keluaran sistem yang bebas model matematis atau dikenal dengan istilah

estimator bebas model. Sistem ini memetakan kondisi ke aksi. Sistem-sistem

dinamis yang dimodelkan tidak diekspresikan secara matematis menggunakan

fungsi alih, tetapi direpresentasikan dengan menggunakan kotak fungsional yang

mengestimasi fungsi-fungsi dari data pelatihan.[9]

Jaringan syaraf tiruan dibentuk dengan meniru kerja dari neuron biologis

dalam merespon stimulus yang diberikan kepadanya. Sifat ini kemudian di

modelkan dalam suatu bentuk model neuron jaringan syaraf. Neuron adalah unit

pemroses informasi yang penting dalam operasi jaringan syaraf. Model dari

neuron ini ditunjukkan pada Gambar 2.2.

Gambar 2.2 Model neuron jaringan syaraf

Tiap penghubung diasosiasikan dengan sebuah nilai bobot (w). Seperti

pada sinapsis neuron sel saraf biologis, nilai bobot menentukan derajat pengaruh

dari sebuah neuron ke neuron lainnya. Pengaruh dari sebuah neuron ke neuron

yang lainnya merupakan hasil kali antara nilai keluaran dari neuron – neuron yang

masuk ke neuron yang bersangkutan dengan nilai bobot yang menghubungkan

neuron tadi. Fungsi aktivasi berfungsi sebagai penghubung dari penjumlahan

semua nilai masukan dengan nilai keluarannya.

Salah satu sifat penting yang dimiliki jaringan syaraf tiruan adalah

kemampuan jaringan untuk belajar dari lingkungan dan meningkatkan

performansinya melalui pembelajaran. Proses pembelajaran jaringan dilakukan

melalui proses iterasi terhadap bobot sinapsis. Idealnya jaringan syaraf menjadi

adaptif terhadap perubahan setelah proses ini. Pembelajaran dapat diartikan

sebagai proses dimana parameter bebas jaringan syaraf diadaptasi melalui proses

kontinyu sebagai hasil pengaruh / stimulasi lingkungan dimana jaringan syaraf

berada.[5] Dari definisi tersebut, dapat dicatat kejadian sekuensial sebagai berikut :

1. Jaringan syaraf dipengaruhi oleh lingkungan.

2. Terjadi perubahan dalam jaringan sebagai hasil stimulus pengaruh tersebut.

3. Jaringan syaraf merespon perubahan tersebut dengan cara yang baru, karena

adanya perubahan pada struktur internalnya.

2.4 CMAC ( Cerrebellar Model Articulation Controller)

CMAC merupakan satu jenis jaringan syaraf tiruan yang berusaha meniru

pola kerja cerebellum (otak belakang) manusia. Secara teoritis otak belakang

manusia ini berfungsi sebagai pengatur dan penyeimbang gerakan-gerakan

motorik. Setiap rangsangan yang diterima oleh otak belakang ini dipercayai

hanya akan mengaktifkan sekitar satu prosen dari total sel otak belakang yang

mungkin jutaan bahkan milyaran jumlahnya. Dalam eksperimennya Albus

berhasil mengimplementasikan CMAC ini sebagai pengendali manipulator robot

(berkaitan dengan gerakan-gerakan motorik). Dalam perkembangan selanjutnya,

CMAC ini banyak diadopsi untuk menyelesaikan permasalahan pada bidang-

bidang lain yang lebih luas, mulai dari analisis sinyal biologis (Wilson, 1991),

pengenalan pola dan pemodelan sistem sampai bidang pengendalian (Miller,

1990). Istilah CMAC kemudian menjadi Cerebellum Model Arithmetic Computer

(Miller, 1990).[3]

Ditinjau dari jenis arsitektur atau strukturnya, CMAC dapat dimasukkan

ke suatu kelas yang dinamakan AMN (Associative Memory Network). Jenis

jaringan syaraf ini menyimpan informasi secara lokal. Hal ini menyebabkan laju

pembelajaran akan berlangsung relatif lebih cepat dan secara efisien dapat

diimplementasikan secara real time.

2.4.1 Struktur Dasar CMAC

Struktur dasar CMAC memiliki banyak kemiripan dengan jaringan

Perceptron yang diusulkan oleh Rosenblat (1961). Struktur dasar CMAC


Gambar 2.3 Struktur dasar jaringan syaraf tiruan CMAC

Operasi CMAC ini dapat direpresentasikan kedalam dua buah pemetaan, f:

x a dan g: a y, dengan x adalah vektor ruang masukan berdimensi n, a

adalah vektor asosiasi berdimensi m sedangkan y adalah keluaran berdimensi 1.

Dalam CMAC fungsi f(x) memetakan setiap titik ruang masukan x ke dalam

sebuah vektor asosiasi A (sel-sel asosiasi yang aktif untuk sebuah titik ruang

masukan tertentu), sedangkan y = g(A) besarnya tergantung pada nilai bobot w

yang mungkin nilainya berubah selama proses pembelajaran (learning). Keluaran

jaringan CMAC dapat dituliskan sebagai berikut :

y = g(A) =

1iiw ............................................................................ (2.2)

Dalam perancangan CMAC, langkah awal yang harus dilakukan adalah

menentukan jangkauan nilai ruang masukan, nilai tersebut selanjutnya

dikuantisasi. Setelah nilai kuantisasi masukan didapat, langkah selanjutnya adalah

memetakan nilai-nilai terkuantisasi ini pada sel-sel asosiasi CMAC berdasarkan

parameter generalisasi lokal yang diinginkan. Generalisasi lokal ini berarti untuk

setiap nilai masukan CMAC yang berdekatan, maka keluarannya akan berdekatan.

Jika jarak nilai masukannya berjauhan, maka keluaran masing-masing akan

independen. Secara teknis, penentuan parameter generalisasi ini dilakukan dengan

menetapkan jumlah sel asosiasi aktif untuk setiap cacah titik masukan. Misalkan

jika generalisasi sama dengan 4, maka untuk tiap titik masukan akan

mengaktifkan sejumlah 4 sel asosiasi. Sel-sel asosiasi tertentu dapat diaktifkan

oleh titik masukan yang berbeda.

2.4.2 Pemetaan Titik Ruang Masukan pada CMAC

Salah satu permasalahan utama pada CMAC adalah pemetaan titik ruang

masukan pada vektor asosiasi Aρ. Dalam hal ini diperlukan sebuah algoritma

yang secara efesien dapat secara langsung memetakan titik-titik ruang masukan

pada sel-sel asosiasi tertentu. Algoritma pemetaan pada CMAC ini dikenal

sebagai generator alamat. Untuk kasus ruang masukan n dimensi, perumusan

generator alamat dapat dituliskan sebagai berikut :

)11()1(21),(1

11n

k

ksldlqlqA

)11(2(1

12

i

j

jn

i

ii sdlq

) ............................................... (2.3)

Pertama kali akan ditinjau pemetaan ruang masukan tunggal. Misalkan

masukan terkuantisasi CMAC memiliki jangkauan nilai antara qmin = 0 sampai

qmax = 9 (jumlah elemen ruang masukannya s = 10), generalisasi yang dipilih =

3, maka langkah yang harus dilakukan adalah sebagai berikut :

1. Membuat overlay pada ruang masukan sejumlah (dalam hal ini jumlah

overlay = 3), kemudian membagi ruang masukan pada overlay pertama

sejumlah N kotak (1 kotak penuh berisi elemen).

2. Menentukan vektor penggeseran (d = 1,2,...) pada overlay pertama. Nilai

vektor penggeseran ini menentukan jumlah elemen pada kotak pertama.

Dalam kasus ini dipilih d = 1, sehingga kotak pertama berisi satu elemen

sedangkan sisa 3 kotak masing-masing berisi 3 elemen (kotak penuh).

Untuk overlay kedua dan seterusnya pembagian ruang masukan menjadi

kotak-kotak secara langsung diperoleh dengan menggeser kotak pada

overlay sebelumnya sepanjang satu elemen.

Pemetaan masukan terkuantisasi CMAC 1 dimensi ditunjukkan pada

Gambar 2.4. Pada dasarnya kotak-kotak ini merupakan sel-sel asosiasi hasil

pemetaan dari nilai q yang dilingkupinya. Masukan terkuantisasi 0 akan

mengaktifkan alamat memori a1, a5 dan a9, masukan terkuantisasi 1 akan

mengaktifkan alamat memori a2, a5 dan a9 dan seterusnya.

Gambar 2.4 Pemetaan masukan CMAC 1 dimensi

Dalam kasus ruang masukan dua dimensi atau lebih, pemetaan dapat

dilakukan dengan teknik perangkaian (concatenation).[9] Teknik perangkaian

dilakukan untuk setiap sel asosiasi pada overlay yang sama dengan urutan

concatenation yang konsisten (urutan concatenation variabel masukan tidak boleh

berubah ). Misalkan dimensi ruang masukan CMAC adalah 2 yaitu q1 dan q2

dengan nilai kuantisasi maksimum = 10 dan generalisasi = 3. Langkah awal untuk

melakukan pemetaan adalah memetakan masing-masing masukan terkuantisasi

tersebut. Untuk masukan tertentu, maka sel asosiasi yang aktif dihitung dengan

merangkai sel-sel aktif pada overlay yang sama dalam format vektor bit. Setiap sel

direpresentasikan oleh 4 bit, karena nilai maksimum sel asosiasi = 12. Misalkan

untuk masukan terkuantisasi [q1 q2]= [2 3], sel-sel asosiasi aktif untuk masing-

masing overlay dapat dihitung sebagai berikut :

A(q,l) = A([2 3],1)=A2 && B2 = 2 && 2 = 0010 && 0010 =00100010 (34)

A(q,l) = A([2 3],2)=A6 && B6 = 6 && 6 = 0110 && 0110 =01100110 (102)

A(q,l) = A([2 3],3)=A9 && B10 = 9 && 10 = 1001&& 1010 =10011010 (154)

&& adalah operator concatenation.

Pemakaian metoda concatenation ini akan menyebabkan 2 hal berikut :

1. Memori yang harus disediakan bergantung terhadap dimensi ruang

masukan dan jumlah kuantisasi tiap masukan. Untuk kasus diatas memori

fisik yang disediakan untuk menyimpan bobot-bobot harus sama dengan

A12 && B12 =1100 && 1100 = 11001100 (204) lokasi.

2. Banyak memori yang tidak terpakai karena tidak pernah mungkin

diaktifkan.

Pendekatan lain dalam melakukan pemetaan dua atau lebih dimensi yaitu

dengan menggunakan metoda pengalamatan langsung (direct addresing)[3].

Gambar 2.5 memperlihatkan bagaimana teknik pemetaan dilakukan untuk kasus

yang telah dibahas sebelumnya. Langkah-langkah pemetaan ini sama dengan cara

pemetaan satu dimensi, tetapi konsep kotak diperluas menjadi hypercube (untuk

kasus multi dimensi). Dari Gambar 2.5 tampak bahwa sebuah titik masukan

tertentu akan terpetakan pada sebuah hypercube untuk setiap overlay. Untuk titik-

titik masukan yang paling berdekatan akan terpetakan pada maksimal 2 buah

hypercube yang sama. Semakin jauh jarak titik masukan, maka hypercube hasil

pemetaan akan semakin independen. Misalkan, titik masukan [q1 q2] =[0 0] akan

terpetakan akan terpetakan pada alamat memori [a1 a 17 a33] dan titik masukan [q1

q2] =[1 0] akan terpetakan pada alamat memori [a2 a17 a33] dan seterusnya.

0 1 2 3 4 5 6 7 98 0

21

98

76

54

32

1

21

20191817

161513

12

14

109

8765

43

11

22

33

32313029

28272625

2423

41

40393837

363534

4846

444342

4745

Masukan 1

Masukan 2

Overlay 1

Overlay 2

Overlay 3

Gambar 2.5 Pemetaan 2 dimensi untuk tiap titik ruang masukan dengan pemetaan langsung

Evaluasi terhadap alamat yang aktif untuk masukan terkuantisasi tertentu

pada tiap layer ditunjukkan pada Gambar 2.6, Gambar 2.7 dan Gambar 2.8.

Masukan [q1 q2] = [0 0] pada overlay 1 akan mengaktifkan alamat memori 0,

pada overlay 2 akan mengaktifkan alamat memori 17 dan pada overlay 3 akan

mengaktifkan alamat memori 33. Pada pemetaan ruang masukan dengan metode

pemetaan langsung, perbandingan pemakaian memori dengan memori yang harus

tersedia (utility ratio) adalah 100 %.

Gambar 2.6 Hasil evaluasi generator alamat pada overlay 1


9

8

7

6

5

4

3

2

1

0

0 1 2 3 4 5 6 7 98

33 34 35 36

37

41

45

38 39 40

42 43 44

46 47 48


2.4.3 Kotak Operasi CMAC

Kotak operasi CMAC menunjukkan aliran operasi CMAC dari masukan

sampai diperoleh keluaran CMAC. Gambar 2.9 menunjukkan kotak operasi

CMAC dengan metode pemetaan concatenation dan Gambar 2.10 menunjukkan

kotak operasi CMAC dengan metode pemetaan langsung.

Gambar 2.9 Aliran operasi CMAC dengan metoda concatenation

Pada kotak operasi CMAC dengan metode pemetaan concatenation, setiap

masukan terkuantisasi akan mengaktifkan alamat memori tertentu. Pemetaan nilai

masing – masing masukan terkuantisasi ke alamat memori ini dilakukan dengan

metode pemetaan 1 dimensi. Operator concatenation akan menggabungkan

memori yang diaktifkan oleh setiap masukan terkuantisasi sehingga diperoleh

alamat memori yang akan aktif oleh n masukan.

Gambar 2.10 Aliran operasi CMAC dengan metoda pemetaan langsung

Pada kotak operasi CMAC dengan metode pemetaan langsung, n masukan

akan diolah secara bersamaan dengan algoritma generator alamat tertentu. Hasil

pengolahan dengan algoritma generator alamat berupa alamat yang aktif untuk n

masukan tersebut.

2.4.4 Algoritma Pelatihan CMAC secara Iteratif

Langkah 1 : Inisialisasi bobot awal jaringan, w = [0 0 0 . . . . . 0] dan set

besarnya laju konvergensi yang digunakan ( 0 < η <1).

Langkah 2 : Untuk setiap sinyal latih x : t, kerjakan langkah 3 sampai selesai

Langkah 3 : Kuantisasi masukan x, x q.

Langkah 4 : Tentukan alamat bobot yang aktif untuk setiap overlay ( l =1,2,...

)

dengan generator alamat.

Langkah 5 : Hitung keluaran CMAC. Keluaran CMAC dihitung secara

langsung dengan menjumlahkan bobot-bobot pada memori yang

aktif, y =

1iiW .

Langkah 6 : Hitung kesalahan (error) antara keluaran terharap (d) dengan

keluaran CMAC (y), error = d – y.

Langkah 7 : Update bobot-bobot pada alamat yang aktif dengan metoda LMS.

2.5 RBF (Radial Basis Function)

RBF (φ) merupakan fungsi dimana keluarannya simetris terhadap center c

tertentu atau dinyatakan sebagai φc = φ ||x - c||, dimana || . || merupakan vektor

normal. Jaringan syaraf yang dibentuk dengan menggunakan fungsi basis berupa

fungsi basis radial dinamakan Jaringan Syaraf RBF.

2.5.1 Strutur Dasar RBF

Jaringan RBF terdiri atas 3 layer yaitu layer input, hidden layer / kernel

layer (unit tersembunyi) dan layer output.[15] Masing – masing unit tersembunyi

merupakan fungsi basis radial. Fungsi basis radial ini diasosiasikan oleh lebar

dan posisi center dari fungsi basis tersebut. Struktur dasar jaringan RBF


Gambar 2.11 Struktur dasar jaringan syaraf RBF.

Jaringan syaraf RBF berbeda dengan jaringan syaraf CMAC. Setiap input

dari jaringan ini akan mengaktifkan semua fungsi basis pada hidden layer. Setiap

unit dari hidden layer merupakan fungsi basis. Di dalam hidden layer terdapat

sejumlah fungsi basis yang sejenis. Setiap fungsi basis akan menghasilkan sebuah

keluaran dengan bobot tertentu. Output jaringan ini merupakan jumlah dari

seluruh output fungsi basis dikalikan dengan bobot masing – masing.

Operasi jaringan RBF dengan 2 masukan ditunjukkan oleh struktur pada

Gambar 2.12.[11] Setiap masukan akan mengaktifkan seluruh fungsi basis pada

jaringan RBF. Masukan pertama (x1) akan mengaktifkan fungsi basis φ1 sampai

fungsi basis ke φn dan masukan kedua (x2) juga akan mengaktifkan fungsi basis

φ1 sampai fungsi basis ke φn, sehingga setiap fungsi basis pada jaringan RBF

akan diaktifkan oleh 2 masukan. Keluaran fungsi basis yang diaktifkan oleh 2

masukan dihitung dengan mengalikan keluaran fungsi basis akibat masukan x1

dan keluaran fungsi basis akibat masukan x2. Keluaran tiap fungsi basis ini

kemudian diboboti dengan bobot tertentu yaitu w1 sampai dengan wn. Keluaran

jaringan RBF dihitung dengan menjumlahkan seluruh hasil perkalian antara

keluaran tiap fungsi basis dengan bobotnya sendiri.

Gambar 2.12 Operasi jaringan syaraf RBF dengan 2 masukan

Fungsi basis pada jaringan RBF identik dengan dengan fungsi gaussian

yang diformulasikan sebagai berikut :

φj = 2

2

2_

j

jcx

e

........................................................................... (2.4)

Dimana :

cj = Center fungsi gausiaan ke - j

σj = Lebar fungsi gausiaan ke - j

x = Masukan fungsi basis

φj = Keluaran fungsi basis ke – j oleh masukan x

Representasi grafis fungsi gaussian ditunjukkan pada Gambar 2.13.

Gambar 2.13 Fungsi gaussian

Pada setiap jaringan RBF biasanya digunakan lebih dari 1 buah fungsi

basis. Tiap – tiap fungsi basis mempunyai 1 center dan 1 bobot tertentu sehingga

jumlah center dan bobot memori yang digunakan sama dengan jumlah fungsi

basis yang digunakan.

2.5.2 Strategi Pembelajaran Jaringan RBF [12]

Berdasarkan rumus fungsi gaussian pada persamaan 2.4 dan struktur dasar

jaringan RBF, dapat diusulkan beberapa strategi pembelajaran pada jaringan RBF

sebagai berikut :

1. Posisi center pada fungsi basis

2. Lebar dari fungsi basis

3. Bobot keluaran setiap fungsi basis

Pada tugas akhir ini strategi pembelajaran yang digunakan adalah

pembelajaran bobot keluaran tiap fungsi basis.

2.5.3 Algoritma Pelatihan RBFN secara Iteratif

Langkah 1 : Menentukan jumlah fungsi basis yang akan digunakan.

Langkah 2 : Menentukan center tiap fungsi basis.

Langkah 3 : Menyediakan bobot sebanyak fungsi basis.

Langkah 4: Inisialisasi bobot, w = [0 0 0 . . . . . 0] dan set laju konvergensi yang

φj =2

2

2_

j

jcx

e

σ

digunakan ( 0 < η <1).

Langkah 5 : Untuk setiap sinyal latih kerjakan langkah 6 – selesai.

Langkah 6 : Hitung keluaran tiap fungsi basis.

Langkah 7 : Hitung keluaran jaringan RBF.

Langkah 8 : Hitung kesalahan (error) antara keluaran terharap (d) dengan

keluaran RBF y, error =d – y.

Langkah 9: Update bobot-bobot tiap fungsi basis dan bobot basis dengan metoda

LMS.

2. 6 Penguat Operasional (Operasional Amplifier) [4]

Penguat operasional adalah rangkaian terpadu (IC) yang mempunyai 5

buah terminal dasar. Dua terminal untuk catu daya, 2 yang lain digunakan untuk

isyarat masukan yang berupa masukan membalik (-) dan masukan tak membalik

(+) serta 1 terminal digunakan untuk keluaran.

2.6.1 Penguat Tak Membalik (Non-inverting Amplifier)

Penguat tak membalik merupakan suatu penguat dimana tegangan

keluarannya atau Vo mempunyai polaritas yang sama dengan tegangan masukan

atau Vi. Rangkaian penguat tak membalik ditunjukkan pada Gambar 2.14.

Gambar 2.14 Penguat tak membalik

Arus i mengalir ke Ri karena impedansi masukan op – amp sangat besar

sehingga tidak ada arus yang mengalir pada kedua terminal masukannya.

Tegangan pada Ri sama dengan Vi karena perbedaan tegangan pada kedua

terminal masukannya mendekati 0 V.

i = RiVi .......................................................................................... (2.5)

Tegangan pada Rf dapat dinyatakan sebagai

VRf = I Rf = xViRiRf .................................................................... (2.6)

Tegangan keluaran Vo didapat dengan menambahkan tegangan pada Ri yaitu Vi

dengan tegangan pada Rf yaitu VRf.

Vo = Vi + xRiRf Vi ........................................................................ (2.7)

RiRf

ViVo 1 .............................................................................. (2.8)

2.6.2 Penguat Selisih (Differensial amplifier)

Penguat selisih merupakan suatu penguat dimana tegangan outputnya

merupakan selisih dari tegangan input yang dimasukkan ke kedua terminal

masukannnya. Rangkaian penguat selisih ditunjukkan pada Gambar 2.15.

Gambar 2.15 Penguat selisih

Nilai tegangan output Vo dapat dihitung dengan teori superposisi sebagai

berikut :

1. Saat V2 ditanahkan, maka penguat selisih akan membentuk penguat tak

membalik. Tegangan yang masuk ke terminal tak - membaliknya

merupakan tegangan yang terbagi yaitu

1VRbRa

RbV

........................................................................... (2.9)

Tegangan ini mengalami penguatan sebesar (RiRf +1), sehingga output

akibat V2 ditanahkan (Vo1) adalah

1)1(1 VRbRa

RbRaRfVo

.......................................................... (2.10)

2. Saat V1 ditanahkan, maka akan terbentuk penguat membalik dengan

penguatan sebesar RiRf . Tegangan output akibat V1 ditanahkan (Vo2)

adalah Vo2 = - RiRf V2.

Tegangan output dari penguat selisih adalah penjumlahan dari tegangan

Vo1 dan Vo2.

21 VoVoVo ............................................................................ (2.11)

21)1( VRiRfV

RbRaRb

RaRfVo

.............................................. (2.12)

Untuk nilai Rf = Ri = Ra = Rb = R maka :

21 VVVo ............................................................................... (2.13)

2.6.3 Pembanding (Comparator)

Pembanding berfungsi untuk membandingkan 2 buah level tegangan yang

masuk ke terminal masukan op – amp. Pembanding hanya mempunyai 2 level

keluaran yaitu +Vsat dan –Vsat. Keluaran pembanding akan berharga +Vsat jika

level tegangan masukan pada terminal tak - membalik lebih besar dari level

tegangan masukan pada terminal membalik, dan akan berharga -Vsat jika level

tegangan masukan pada terminal tak - membalik lebih kecil dari level tegangan

masukan pada terminal membalik.

BAB III

PERANCANGAN

3.1 Perancangan Kontrol Jaringan Syaraf Tiruan CMAC dan RBF

Perancangan kontrol jaringan syaraf tiruan CMAC dan RBF dilakukan

untuk memberikan batasan terhadap besarnya parameter kontroller yang

digunakan. Parameter kontroller tersebut meliputi gain proporsional, laju

konvergensi, generalisasi pada jaringan syaraf CMAC dan jumlah fungsi basis

pada jaringan syaraf RBF. Perancangan juga diperlukan untuk menyusun

algoritma kontrol CMAC dan RBF yang akan diimplementasikan pada komputer.

3.1.1 Penentuan Nilai Gain Proporsional Jaringan Syaraf CMAC dan RBF

Nilai gain proporsional yang digunakan pada pengontrolan ditentukan

secara empiris. Secara praktis nilai gain proporsional yang dipilih dibatasi oleh

tegangan maksimum DAC yang digunakan. Karena dalam pengujian ini tegangan

maksimum DAC adalah 5 volt, maka diusahakan sinyal kendali proporsional pada

saat awal tidak melebihi 5 volt.

Pada referensi suhu maksimum yang diperbolehkan ( 90° C ), tegangan

yang dikirimkan ke DAC adalah ± 2,99 volt. Pada kondisi awal suhu yang terbaca

oleh ADC adalah suhu lingkungan karena pemanas masih mati yaitu ± 30° C.

Hasil pembacaan ADC pada kondisi awal ini adalah ± 0,99 V. Besarnya sinyal

error adalah 2,99 V – 0,99 V = 2,0 V. Agar tidak melampaui batas maksimum

DAC maka besarnya gain maksimal yang boleh diberikan adalah sebesar 5 / 2,00

= 2,5. Untuk nilai referensi lebih kecil dari referensi maksimal yang

diperbolehkan, besarnya gain proporsional maksimal bisa disesuaikan, sehingga

sinyal kontrol pada keadaan awal tidak melebihi 5 volt.

3.1.2 Penentuan Nilai Laju Konvergensi Jaringan Syaraf CMAC dan RBF

Secara teoritis, besarnya laju konvergensi yang dipilih akan menentukan

kecepatan pembaharuan bobot jaringan. Jika laju konvergensi yang dipilih relatif

kecil, maka kecepatan pembelajaran akan berjalan secara lambat, sedangkan jika

laju konvergensi yang dipilih relatif besar, maka dimungkinkan terjadinya over

corrected pada bobot-bobot yang diperbaharui. Pemilihan besarnya laju

konvergensi yang digunakan pada pengontrolan dilakukan secara empiris. Pada

tugas akhir ini nilai laju konvergensi yang dipilih antara 0,05 sampai dengan 0,5.

3.1.3 Perancangan Kontrol Jaringan Syaraf CMAC

Perancangan kontrol jaringan syaraf CMAC dilakukan untuk merancang

jaringan syaraf CMAC yang akan digunakan. Perancangan jaringan syaraf CMAC

meliputi perancangan jangkauan masukan terkuantisasi, perancangan generalisasi

dan perancangan algoritma kontrol jaringan syaraf CMAC.

A. Penentuan Jangkauan Masukan Terkuantisasi

Besarnya jangkauan nilai masukan terkuantisasi secara langsung akan

menentukan besarnya memori yang harus disediakan. Semakin besar nilai

jangkauan terkuantisasi yang dipilih, kebutuhan memori akan semakin besar. Di

lain pihak dengan semakin besarnya nilai jangkauan ini, kemampuan CMAC

dalam memodelkan masukan akan semakin halus. Dengan demikian, perlu

dilakukan kompromi dalam menentukan jangkauan masukan ini. Faktor lain yang

perlu diperhatikan adalah ketelitian dari antarmuka yang digunakan dalam hal ini

adalah ADC. Jika digunakan ADC dengan ketelitian 8 bit, maka jangkauan

kuantisasi maksimumnya adalah 255.

Tabel 3.1 Hubungan kebutuhan memori dengan jangkauan masukan terkuantisasi dengan

parameter generalisasi yang dipilih 50.

Kuantisasi Jangkauan Masukan Kebutuhan Memori 8 bit 0-255 2442

10 bit 0-1023 23847 12 bit 0-4095 338058 14 bit 0-16383 5305782 16 bit 0-65535 84353727

Pada tugas akhir ini digunakan ADC 8 bit sehingga hasil konversi ADC

sudah merupakan masukan terkuantisasi keluaran plant bagi jaringan syaraf

CMAC karena berupa byte dengan jangkauan 0 – 255. Proses kuantisasi

diperlukan untuk masukan suhu referensi dengan perhitungan sebagai berikut :

Kuantisasi referensi = ceil [ Suhu referensi *255/150 ). ..................... (3.1)

B. Penentuan Generalisasi

Besarnya generalisasi yang dipilih juga berpengaruh secara langsung

terhadap kebutuhan memori dan kecepatan proses komputasi. Sebagai bahan

ilustrasi, hubungan antara nilai generalisasi yang dipilih dengan kebutuhan

memori CMAC ditunjukkan pada Tabel 3.2. Secara teknis, besarnya generalisasi

yang dipilih adalah bebas karena pada bahasa pemrograman visual tersedia

memori yang besar. Beban komputasi juga tidak menjadi masalah karena proses

komputasi dilakukan dalam timer dengan sampling waktu tertentu sehingga

kecepatan proses tidak berpengaruh. Pertimbangan yang digunakan dalam

pemilihan generalisasi adalah jumlah masukan terkuantisasi. Jika generalisasi

yang digunakan jauh melebihi jangkauan maksimum masukan terkuantisasi, maka

teori generalisasi lokal menjadi tidak berarti. Pada tugas akhir ini generalisasi

maksimal yang diperbolehkan adalah 255.

Tabel 3.2 Hubungan besarnya generalisasi yang dipilih dengan

kebutuhan memori maksimum CMAC dengan kuantisasi 8 bit.

Parameter generalisasi Kebutuhan Memori 10 7262 50 2442 90 1435

130 1166 170 1526 210 1886

C. Perancangan Algoritma Kontrol Jaringan Syaraf Tiruan CMAC

Pembuatan perangkat lunak untuk kontrol jaringan syaraf CMAC dan RBF

harus didahului oleh perancangan algoritma kontrol. Selain untuk memudahkan

proses pembuatan perangkat lunak, pada kontrol jaringan syaraf CMAC

diperlukan beberapa prosedur tambahan seperti prosedur generator alamat dan

prosedur untuk update bobot jaringan, sehingga setiap prosedur memerlukan

perancangan algoritma tersendiri.

Prosedur untuk menghitung generator alamat ditunjukkan oleh diagram

alir pada Gambar 3.1. Ada dua buah variabel yang menjadi masukan CMAC,

yaitu suhu referensi dan suhu plant. Untuk jumlah generalisasi yang digunakan

(generalisasi), maka alamat[i] merupakan vektor yang digunakan untuk

menunjukkan alamat yang diaktikan pada layer ke – i. Proses perhitungan

generator alamat dilakukan oleh prosedur yang merepresentasikan persamaan 2.3.

Gambar 3.1. Diagram alir generator alamat

Sebagai bahan ilustrasi, Tabel 3.3 memperlihatkan alamat-alamat yang

diaktifkan oleh generator alamat dengan spesifikasi jumlah variabel masukan ada

2 yaitu q1 dan q2, masing-masing masukan dikuantisasi sepanjang 8 bit dan

generalisasi yang dipilih adalah 5. Untuk nilai-nilai masukan paling berdekatan,

maka ada 4 alamat yang saling overlap, sedangkan untuk nilai-nilai masukan yang

berjauhan, alamat-alamat yang diaktifkan akan saling tidak overlap. Masukan [q1

q2] = [0 0], akan mengaktifkan memori pada alamat 1, 2075, 5409, 8113 dan

10817, sedangkan masukan [q1 q2] = [0 1], akan mengaktifkan memori pada

alamat 53, 2075, 5409, 8113 dan 10817. Kondisi ini menunjukkan berlakunya

prinsip generalisasi lokal.

Tabel 3.3 Alamat-alamat aktif untuk masukan-masukan tertentu pada CMAC dengan dua

masukan, 8 bit dan generalisasi = 5.

Masukan Terkuantisasi Alamat-alamat yang diaktifkan generator alamat

q1 q2 Overlay 1 Overlay 2 Overlay 3 Overlay 4 Overlay 5

0 0 1 2705 5409 8113 10817 0 1 53 2705 5409 8113 10817 1 0 2 2705 5409 8113 10817 1 1 54 2705 5409 8113 10817

254 255 2704 5408 8112 10816 13519 255 253 2704 5408 8112 10764 13468 255 254 2704 5408 8112 10816 13468

Prosedur untuk menghitung keluaran CMAC ditunjukkan oleh diagram

alir pada Gambar 3.2. Keluaran CMAC dapat dihitung secara langsung dengan

menjumlahkan seluruh bobot-bobot yang tersimpan pada alamat-alamat yang

diaktifkan. Dalam hal ini memori_cmac adalah array untuk menyimpan bobot-

bobot CMAC pada alamat yang diaktifkan. Keluaran CMAC disimpan dalam

variabel out_cmac.

Gambar 3.2 Diagram alir perhitungan keluaran CMAC untuk alamat-alamat yang aktif

Prosedur untuk update bobot jaringan CMAC ditunjukkan oleh diagram

alir pada Gambar 3.3. Pembaharuan bobot CMAC dilakukan dengan algoritma

LMS. Bobot pada alamat-alamat yang diaktifkan diperbaharui secara proporsional

terhadap laju konvergensi dan keluaran gain proporsional. Nilai bobot yang

disimpan pada memori_cmac diperbaharui dengan algoritma LMS dan hasil

pembaharuan disimpan dengan variabel yang sama yaitu memori_cmac.

Gambar 3.3. Diagram alir pembaharuan bobot pada alamat-alamat aktif CMAC

Diagram alir proses pengendalian dengan jaringan syaraf CMAC

keseluruhan ditunjukkan oleh diagram alir pada Gambar 3.4. Proses awal

merupakan proses setting parameter kontrol CMAC yang meliputi setting

generalisasi, setting gain proporsional dan setting laju konvergensi yang

digunakan. Proses kontrol diawali dengan pembacaan suhu plant (ouput) dan

referensi suhu (referensi). Hasil pembacaan suhu plant sudah merupakan masukan

terkuantisasi bagi jaringan syaraf CMAC karena berupa byte. Proses kuantisasi

diperlukan untuk referensi suhu (intref). Sinyal error yang merupakan selisih

antara suhu plant dan suhu referensi digunakan untuk menghitung keluaran gain

proporsional. Di sisi lain, suhu plant dan suhu referensi digunakan sebagai

masukan untuk jaringan syaraf. Sinyal kontrol yang dikirimkan ke plant adalah

penjumlahan dari keluaran jaringan syaraf dan keluaran gain proporsional. Proses

selanjutnya adalah pembaharuan bobot jaringan dengan menggunakan algoritma

LMS dengan menggunakan data latih berupa keluaran gain proporsional.

Gambar 3.4. Diagram alir algoritma kontrol CMAC

3.1.4 Perancangan Kontrol Jaringan Syaraf RBF

Perancangan kontrol RBF dilakukan untuk merancang jaringan RBF yang

akan digunakan. Perancangan jaringan RBF meliputi perancangan fungsi basis

yang digunakan dan perancangan algoritma kontrol RBF yang akan

diimplementasikan pada komputer.

A. Penentuan Fungsi Basis pada Jaringan RBF

Pada tugas akhir ini keluaran ADC 0 – 255 dinormalisasi dalam masukan

jaringan RBF pada dalam jangkauan 0 – 5. Secara teoritis jumlah fungsi basis

yang dipilih bebas, namun dengan adanya normalisasi tersebut diperlukan batasan

jumlah maksimum fungsi basis yang digunakan. Jika jumlah fungsi basis yang

dipilih terlalu banyak maka lebar fungsi basis yang terjadi akan menjadi sangat

sempit, sehingga tiap center jaringan RBF menjadi berimpitan.

Jumlah fungsi basis maksimal ditentukan sebesar15. Center dari masing –

masing fungsi basis dihitung sebagai berikut :

for i:=1 to sum_basis do

c[i]:=(7/(sum_basis+1))*i;

dimana c[i] = Nilai center dari fungsi basis ke [i].

Deviasi yang menentukan kelengkungan dari tiap fungsi basis ditentukan

dengan persamaan :

Deviasi (σ) = c[1]/3,05 .................................................................. (3.2)

Misalkan, jika jumlah fungsi basis yang dipilih adalah 4, maka nilai center

tiap fungsi basis adalah :

c [ 1 ] = (7/(4 + 1)) * 1 = 1,4

c [ 2 ] = (7/(4 + 1)) * 2 = 2,8

c [ 3 ] = (7/(4 + 1)) * 3 = 4,2

c [ 4 ] = (7/(4 + 1)) * 4 = 5,6

Deviasi dari masing – masing fungsi basis yang terbentuk dihitung sebagai

berikut :

Deviasi (σ) = 1,4 / 3,05 = 0,459

Secara grafis jaringan syaraf RBF yang dibentuk oleh 4 fungsi basis


0

1

2

3

4

5

Masuk

an 2

Gambar 3.5. Grafik jaringan RBF dengan 4 fungsi basis

Pada jaringan RBF, 1 fungsi basis mempunyai 1 bobot sehingga jumlah

memori yang dibutuhkan untuk menyimpan bobot adalah sebanyak fungsi basis

yang digunakan + 1. Tambahan 1 memori adalah untuk menyimpan bobot basis.

B. Perancangan Algoritma Kontrol Jaringan Syaraf Tiruan RBF

Tahap pertama yang perlu dilakukan pada perancangan algoritma kontrol

jaringan syaraf RBF adalah merancang jaringan RBF yang akan digunakan. Untuk

membentuk jaringan RBF diperlukan lebih dari 1 fungsi basis. Dengan masukan

ternomalisasi antara 0 – 5 dan jumlah fungsi basis maksimal yang diperbolehkan

adalah 15, proses perancangan jaringan RBF yang akan digunakan ditunjukkan

oleh diagram alir pada Gambar 3.6. Proses perancangan jaringan RBF meliputi

penentuan jumlah fungsi basis yang digunakan, perhitungan center tiap fungsi

basis dan penentuan deviasi masing – masing fungsi basis.

Gambar 3.6. Diagram alir perancangan jaringan RBF yang digunakan

Langkah berikutnya adalah menghitung keluaran jaringan RBF dengan

masukan yang diberikan yaitu suhu referensi dan suhu plant. Algoritma untuk

menghitung keluaran jaringan RBF 2 masukan ditunjukkan oleh diagram alir pada

Gambar 3.7. Proses perhitungan keluaran jaringan RBF 2 dimensi diawali dengan

proses pembacaan data masukan yang berupa suhu referensi (referensi) dan suhu

plant (output). Kedua masukan tersebut kemudian dinormalisasi pada range 0-5.

Keluaran fungsi basis yang diaktifkan oleh 2 masukan dihitung dengan

mengalikan keluaran fungsi basis akibat masukan suhu referensi dan keluaran

fungsi basis akibat suhu plant (outb[i,i]). Setiap keluaran fungsi basis dikalikan

dengan bobotnya sendiri dan disimpan pada variabel outputb[i,i]. Proses terakhir

adalah menjumlahkan seluruh hasil kali keluaran tiap fungsi basis dengan

bobotnya sendiri kemudian ditambahkan dengan bobot basis (wb). Keluaran

jaringan syaraf 2 dimensi ini disimpan pada variabel outrbforde2.

Gambar 3.7. Diagram alir perhitungan keluaran RBF 2 dimensi

Aplikasi algoritma kontrol jaringan syaraf tiruan RBF secara keseluruhan

ditunjukkan oleh diagram alir pada Gambar 3.8. Proses kontrol diawali dengan

setting parameter jaringan RBF yang meliputi jumlah fungsi basis yang

digunakan, gain proporsional dan laju konvergensi jaringan. Berdasarkan data

parameter yang telah ditentukan, kemudian dirancang jaringan RBF sesuai dengan

algoritma yang sudah ditentukan. Sinyal error yang merupakan selisih antara suhu

plant dan suhu referensi dalam level tegangan digunakan untuk menghitung

keluaran gain proporsional. Di sisi lain, suhu plant dan suhu referensi digunakan

sebagai masukan untuk jaringan syaraf. Sinyal kontrol yang dikirimkan ke plant

adalah penjumlahan dari keluaran jaringan syaraf RBF dan keluaran gain

proporsional. Proses selanjutnya adalah pembaharuan bobot jaringan dengan

menggunakan algoritma LMS menggunakan data latih berupa keluaran gain

proporsional.

Gambar 3.8. Diagram alir algoritma kontrol RBF

3.2 Perancangan Perangkat Lunak (Software)

Perangkat lunak yang digunakan adalah bahasa pemrograman Delphi versi

6.0. Perangkat lunak ini berfungsi untuk membuat program aplikasi kontrol

dengan jaringan syaraf CMAC dan jaringan syaraf RBF. Disamping itu, juga

digunakan untuk membuat program monitor terhadap kondisi suhu plant yang

dikontrol dengan menampilkan grafik tanggapan respon. Garis besar program

utama kontrol dengan jaringan syaraf CMAC dan RBF yang dibuat ditunjukkan

oleh diagram alir pada Gambar 3.9.

Gambar 3.9 Diagram alir program utama

Gambar 3.9 Diagram alir program utama (Lanjutan)

Proses inisialisasi meliputi inisialisasi port serial yang digunakan untuk

komunikasi antara PC dengan rangkaian antarmuka yang meliputi: port, baudrate,

databits, stopbits dan parity, inisialisasi variabel yang digunakan, dan inisialisasi

file yang digunakan untuk penyimpanan. Program inisialisasi ini dimasukkan

dalam prosedur Formcreate sebagai berikut :

procedure TFjst.FormCreate(Sender: TObject); begin

// Inisialisasi port serial serial.Port := pncom1; serial.BaudRateValue :=9600; serial.DataBits := db8bits; serial.StopBits := sb1bits; serial.SwFlow := sfnone; serial.Parity := ptnone; serial.Connect; serial.SendByte(0); // Inisialisasi komponen Mainmenu1.Items.Items[3].Items[0].Enabled:=false; Mainmenu1.Items.Items[3].Items[1].Enabled:=false;

Chart1.BottomAxis.Maximum:=15; ScrollBar1.LargeChange:=batas_maks; ScrollBar1.Visible:=true; // Inisialisasi variabel dan bobot dy:=0; dx:=0; datax:=0; hitung:=0; online:=true; // Inisialisasi file yang digunakan untuk penyimpanan assignfile(F_cmac,'D:\data_cmac.txt'); rewrite(F_cmac); closefile(F_cmac); assignfile(F_rbf,'D:\data_rbf.txt'); rewrite(F_rbf); closefile(F_rbf); assignfile(F,'D:\data.xls'); rewrite(F); closefile(F); assignfile(F,'D:\data.xls'); append(F); writeln(F,'Sampling',#9,'Referensi',#9,'Out NN',#9,'Out Gain' ,#9,'Control u',#9,'Output',#9,'Error'); closefile(F);

end;

3.2.1 Software Jaringan Syaraf CMAC

Untuk mengaplikasikan jaringan syaraf CMAC pada komputer diperlukan

fungsi atau prosedur tambahan yang mendukung proses komputasi pada jaringan

syaraf CMAC. Fungsi atau prosedur tersebut adalah prosedur menghitung jumlah

memori maksimal yang harus disediakan, inisialisasi bobot awal, fungsi kuantisasi

8 bit dan fungsi pemetaan masukan terkuantisasi ke alamat memori tertentu

(generator alamat). Fungsi atau prosedur pendukung tersebut dituliskan dalam

listing program sebagai berikut : // Procedure menghitung memori maksimal yang harus disediakan procedure hitung_memoricmac; begin

referensi := 255; output:=255; memoricmac_maks:=generator_alamat(referensi,output,generalisasi,generalisasi);

end; // Procedure inisialisasi awal bobot cmac procedure initbobot; begin

for i:=1 to memoricmac_maks do begin bobot[i]:=0; memori_cmac[i]:=0; end; end; //Fungsi kuantisasi 8 bit Function kuant8bit(var input:real):real; begin kuant8bit:=ceil((input*255)/suhu_maks); end; //Fungsi generator alamat Function generator_alamat(var dref:real;dFback:byte;layer,gen: integer):integer; var temp1,temp2, temp3 : integer; begin

temp1:=1 + ceil((dref-layer+1)/gen); temp2:=(layer-1)*(ceil(255/gen)+1)*(ceil(255/gen)+1); temp3:=(ceil(255/gen)+1)*(ceil((dFback-layer+1)/gen)); generator_alamat:=temp1+temp2+temp3;

end;

Prosedur hitung_memoricmac digunakan untuk menghitung kebutuhan

memori maksimal yang diperlukan. Prosedur initbobot digunakan untuk

inisialisasi bobot awal CMAC. Vektor yang disediakan disesuaikan dengan

kebutuhan memori maksimal yang diperlukan. Fungsi kuant8bit digunakan untuk

mengkuantisasi referensi yang mempunyai level 0 – 150 ° C ke level byte 0 – 255.

Fungsi generator_alamat digunakan untuk menentukan alamat memori yang aktif

oleh parameter referensi, keluaran plant, dan generalisasi yang digunakan.

Program kontrol dengan jaringan syaraf CMAC dituliskan pada prosedur

timer_cmac.timer.

procedure TFjst.Timer_cmacTimer(Sender: TObject); begin

// Baca output suhu plant---> masukan terkuantisasi serial.SendChar('#'); sleep(1); serial.ReadByte(output); // Hitung sinyal error dan output gain proporsional error:= (referensi/pembagi )- (output/51); controlP:=error*gain; // Kuantisasi input referensi intref:=kuant8bit(referensi);

// Hitung keluaran cmac out_cmac:=0; for i:=1 to generalisasi do begin alamat[i]:=generator_alamat(intref,output,i,generalisasi); out_cmac:=out_cmac + memori_cmac[alamat[i]]; end; // Hitung sinyal kendali plant sinyal_kontrol:=controlP+out_cmac; lama:= hitung_milidetik(durasi); // Catat data ke file str((output*suhu_maks/255):2:2,datay); AssignFile(F,'d:\data.xls'); append(F); Writeln(F,inttostr(lama),#9,floattostr(referensi),#9,floattostr(out_cmac),#9,floattostr(controlP),#9,floattostr(sinyal_ kontrol),#9,datay,#9,floattostr((referensi/pembagi)-(output/51))); CloseFile(F); // Update bobot jaringan for i:=1 to generalisasi do begin index:=alamat[i];

memori_cmac[index]:=memori_cmac[index] + laju_cmac * controlP/generalisasi;

end; // Kirim sinyal kontrol sinyalcontrol := round(sinyal_kontrol * 51); if sinyalcontrol > 255 then sinyalcontrol:= 255; if sinyalcontrol < 0 then sinyalcontrol:= 0; serial.SendByte(sinyalcontrol); Edit3.Text:=format('%4.1f',[output*(suhu_maks/255)]); // Plot grafik respon datax:=datax + 0.02; Chart1.series[0].SeriesColor:=clred; Chart1.Series[0].AddXY(datax,output*(suhu_maks/255)); Chart1.series[1].SeriesColor:=clblue; Chart1.Series[1].AddXY(datax,referensi); maksek:=Chart1.BottomAxis.Maximum; if datax>batas_maks then begin ScrollBar1.Max:=(Round(datax)-batas_maks)+1; ScrollBar1.Position:=ScrollBar1.Max; end;

end;

3.2.2 Software Jaringan Syaraf RBF

Untuk mengaplikasikan jaringan syaraf RBF pada komputer diperlukan

fungsi atau prosedur tambahan yang mendukung proses komputasi pada jaringan

syaraf RBF. Fungsi atau prosedur tersebut adalah prosedur inisialisasi bobot awal,

fungsi membangun jaringan RBF, fungsi menghitung keluaran fungsi basis

dengan 2 masukan dan fungsi menghitung keluaran jaringan RBF dengan 2

masukan. Fungsi pendukung tersebut dituliskan dalam listing program sebagai

berikut : // Inisialisasi awal bobot RBF procedure init2rbf; var i:integer; begin

for i:=1 to jumlah_basis do w[i,1]:=0; wb:=0; outbasis:=0;

end; // Procedure membuat jaringan Procedure make_rbf; begin

for i:=1 to sum_basis do c[i]:=(7/(sum_basis+1))*i; deviasi :=c[1]/3.05;

end; // Fungsi menghitung keluaran fungsi basis oleh 2 masukan function rbf2dim(var s_rbf,a,b,x1,x2 : real):real; begin

temp1 := -((a-x1)*(a-x1))/(2*s_rbf*s_rbf); temp2 := -((b-x2)*(b-x2))/(2*s_rbf*s_rbf); rbf2dim := exp(temp1)*exp(temp2);

end; // Fungsi menghitung keluaran RBF 2 dimensi Function outrbforde2(var in1,in2:real):real; begin

outbasis:=0; outrbforde2:=0; make_rbf; //Inisialisasi keluaran tiap fungsi basis for i:=1 to sum_basis do outputb[i,i]:=0; //Hitung keluaran tiap fungsi basis oleh 2 masukan for i:=1 to sum_basis do outb[i,i]:=rbf2dim(deviasi,c[i],c[i],in1,in2);

// Kalikan keluaran tiap fungsi basis dengan bobotnya sendiri for i:=1 to sum_basis do outputb[i,i]:= outb[i,i]*w[i,i]; // Hitung keluaran jaringan for i:=1 to sum_basis do outbasis:=outbasis+outputb[i,i]; outbasis:=outbasis+wb; outrbforde2:=outbasis;

end;

Prosedur init2rbf digunakan untuk inisialisasi bobot awal jaringan syaraf

RBF. Prosedur make_rbf digunakan untuk membangun jaringan RBF. Fungsi

rbf2dim digunakan untuk menghitung keluaran fungsi basis yang disebabkan oleh

adanya 2 masukan. Fungsi outrbforde2 digunakan untuk menghitung keluaran

dari jaringan RBF dengan 2 masukan. Program kontrol dengan jaringan syaraf

RBF dituliskan pada prosedur timer_rbf.timer.

procedure TFjst.Timer_rbfTimer(Sender: TObject); begin

// Baca output suhu plant serial.SendChar('#'); sleep(1); serial.ReadByte(output); // Hitung sinyal error dan output gain proporsional error:= (referensi/pembagi )- (output/51); controlP:=error*gain; // berupa Tegangan // Hitung keluaran RBF orde 2 dy:=output/51; dx:=referensi/pembagi; out_rbf:=outrbforde2(dx,dy); // Hitung sinyal kontrol plant sinyal_kontrol:=controlP+out_rbf; // Kirim sinyal kontrol sinyalcontrol := round(sinyal_kontrol * 51); if sinyalcontrol > 255 then sinyalcontrol:= 255; if sinyalcontrol < 0 then sinyalcontrol:= 0; serial.SendByte(sinyalcontrol); Edit3.Text:=format('%4.1f',[output*(suhu_maks/255)]); lama:= hitung_milidetik(durasi); // Catat data ke file str((output*suhu_maks/255):2:2,datay); AssignFile(F,'d:\data.xls'); append(F); Writeln(F,inttostr(lama),#9,floattostr(referensi),#9,floattostr(out_rbf),#9,floattostr(controlP),#9,floattostr(sinyal_

kontrol),#9,inttostr(round(output*suhu_maks/255)),#9,floattostr(referensi-(output*suhu_maks/255))); CloseFile(F); // Update bobot RBF for i:=1 to sum_basis do w[i,i]:=w[i,i] +laju_rbf*controlP*outb[i,i]/( sum_basis+1); // Update bobot basis wb wb:=wb+laju_rbf*controlP/(sum_basis+1); // Plot grafik respon datax:=datax + 0.02; Chart1.series[0].SeriesColor:=clred; Chart1.Series[0].AddXY(datax,output*(suhu_maks/255)); Chart1.series[1].SeriesColor:=clblue; Chart1.Series[1].AddXY(datax,referensi); maksek:=Chart1.BottomAxis.Maximum; if datax>batas_maks then begin ScrollBar1.Max:=(Round(datax)-batas_maks)+1; ScrollBar1.Position:=ScrollBar1.Max; end;

end; 3.3 Perancangan Perangkat Keras (Hardware)

Secara umum blok diagram sistem pengatur suhu yang akan dibuat pada

tugas akhir ini ditunjukkan oleh diagram pada Gambar 3.10.

Gambar 3.10 Diagram blok hardware sistem pengatur suhu

Rangkaian DAC 0808 berfungsi untuk mengubah data digital berupa masukan

referensi suhu dari komputer menjadi data analog berupa tegangan. Pengkondisi

sinyal I berfungsi untuk mengubah level tegangan keluaran DAC 0808 dari 0 – 5

Volt menjadi level tegangan -5 – 5 Volt. Level tegangan ini digunakan sebagai

masukan driver PWM. Pengkondisi sinyal II berfungsi untuk menguatkan

tegangan keluaran sensor suhu LM35. Batas maksimal keluaran sensor adalah 1,5

V pada suhu 150° C, sedangkan referensi ADC adalah 5 Volt sehingga diperlukan

penguatan sebesar 5 / 1,5 = 3,33 kali. Rangkaian ADC 0804 digunakan untuk

mengubah besaran analog dari pengkondisi sinyal II ke data digital sehingga dapat

diolah di komputer. Mikrokontroller digunakan untuk mengatur aliran data dari

ADC ke komputer atau dari komputer ke DAC. Komunikasi yang digunakan

adalah komunikasi serial melalui RS 232. Mikrokontroller menerjemahkan

perintah dari komputer apakah mengirim data ke DAC atau mengambil data dari

ADC dan mengirimkannya ke komputer. Plant suhu didesain dengan

menggunakan driver PWM untuk mengatur besarnya daya yang dialirkan ke

pemanas. Untuk mengukur besarnya suhu yang terjadi digunakan sensor suhu

LM35 yang mempunyai karakteristik keluaran 10 mV /° C. Komputer digunakan

sebagai unit kontroller untuk mengaplikasikan algoritma jaringan syaraf tiruan

CMAC dan RBF. Disamping itu, komputer juga digunakan untuk menampilkan

grafik respon dan menyimpan data ke file untuk keperluan analisis.

3.3.1 Rangkaian Digital to Analog Converter (DAC)

DAC pada rancangan ini digunakan untuk mengubah masukan digital 8 bit

dari komputer menjadi besaran analog yaitu berupa tegangan. Tipe DAC yang

digunakan adalah DAC 0808 yang merupakan DAC 8 bit. Rangkaian lengkap

DAC 0808 ditunjukkan pada Gambar 3.11.

Gambar 3.11 Rangkaian DAC 0808

3.3.2 Rangkaian Analog to Digital Converter (ADC)

ADC pada rancangan ini digunakan untuk mengubah masukan analog

keluaran sensor suhu yang sudah dikuatkan menjadi data digital 8 bit. Tipe ADC

yang digunakan adalah ADC 0804 pada mode kerja free running. Rangkaian free

running ADC 0804 ditunjukkan pada Gambar 3.12.

Gambar 3.12 Rangkaian Free running ADC.

Untuk membuat mode kerja ADC 0804 menjadi free running, maka harus

diketahui bagaimana urutan pemberian nilai pada RD dan WR serta perubahan

nilai pada INTR . Urutan pemberian nilai pada RD , WR perubahan nilai pada

INTR ditunjukkan pada Tabel 3.4.

Tabel 3.4 Pemberian nilai pada RDdan WR serta perubahan nilai pada INTR

Langkah INTR WR RD

1 0 0 0

2 1 1 0

Mode kerja free running ADC diperoleh jika RD danCS dihubungkan ke

ground agar selalu mendapat logika 0 sehingga ADC akan selalu aktif dan siap

memberikan data. Pin WR dan INTR dijadikan satu karena perubahan logika

INTR sama dengan perubahan logika pada WR , sehingga pemberian logika pada

WR dilakukan secara otomatis oleh keluaran INTR .

3.3.3 Rangkaian Pengkondisi sinyal I

Pengkondisi sinyal I berfungsi untuk mengubah level tegangan keluaran

DAC 0808 dari 0 – 5 Volt menjadi level tegangan -5 – 5 Volt. Level tegangan ini

digunakan sebagai masukan driver PWM.

Untuk mendapatkan pengkondisi sinyal tersebut digunakan dua buah

penguat. Penguat pertama difungsikan sebagai penguat 2 kali sehingga keluaran

penguat ini mempunyai jangkauan 0 - 10 V. Penguat kedua digunakan sebagai

penguat selisih yang mengurangi tegangan masukan pada terminal tak

membaliknya dengan 5 V sehingga keluaran penguat ini mempunyai jangkauan -5

- 5 V untuk jangkauan masukan 0 - 10 V. Desain rangkaian pengkondisi sinyal I

ini ditunjukkan pada Gambar 3.13.

Gambar 3.13 Pengkondisi sinyal 0 – 5 Volt menjadi -5 – 5 Volt

3.3.4 Rangkaian Pengkondisi sinyal II

Pengkondisi sinyal II berfungsi untuk menguatkan tegangan keluaran

sensor suhu LM35. Keluaran sensor maksimal pada batas suhu maksimal

kemampuan sensor adalah 1,5 V pada suhu 150° C, sedangkan referensi ADC

adalah 5 Volt sehingga diperlukan penguatan sebesar 5 / 1,5 = 3,33 kali. Untuk

mendapatkan penguatan sebesar ini digunakan penguat tak membalik pada

Gambar 2.14 dengan memberikan nilai Rf sebesar 33 kΩ dan Ri sebesar 10 kΩ.

3.3.5 Plant Suhu dengan PWM Driver

Pada tugas akhir ini plant suhu yang dibuat digerakkan dengan sebuah

PWM driver. Skema plant suhu yang dibuat ditunjukkan pada Gambar 3.14.

Gambar 3.14 Skema plant suhu dengan PWM driver

Tegangan AC keluaran dari trafo disearahkan dengan penyearah jembatan

sehingga dihasilkan tegangan DC ± 46 Vdc. Untuk menggerakkan tegangan DC

tinggi ini digunakan MOSFET tipe IRFP150. Keluaran dari PWM digunakan

untuk menggerakkan Mosfet sehingga tegangan keluaran Mosfet yang masuk ke

beban adalah tegangan DC ± 46 Vdc dengan frekuensi dan duty cycle sesuai

dengan keluaran PWM driver. PWM driver diperoleh dengan membandingkan

keluaran sebuah pembangkit gelombang segitiga dengan sebuah tegangan

masukan melalui rangkaian pembanding. Desain rangkaian PWM Driver


Gambar 3.15 Rangkaian PWM driver untuk pemanas

Frekuensi gelombang segitiga yang terjadi dapat dihitung dengan

menggunakan rumus sebagai berikut :

CaRanf

4 .................................................................................. (3.2)

75 10102,743

xxx

f

4,10f Hz

3.3.6 Mikrokontroller AT89s51

Mikrokontroller AT89s51 digunakan untuk mengatur aliran data dari PC

ke DAC atau dari ADC ke PC. Disamping itu, karena antara komputer dan

mikrokontroller dihubungkan secara serial, maka mikrokontroller juga berfungsi

untuk mengubah data paralel dari ADC menjadi data serial untuk dikirimkan ke

komputer dan mengubah dara serial dari komputer untuk dikirimkan ke DAC. IC

RS232 digunakan sebagai rangkaian antarmuka antara komputer dan

mikrokontroller. Desain rangkain komunikasi serial ini ditunjukkan pada Gambar

3.16.

Max

232

Vcc

Ke

DA

C 0

808

Ke

AD

C 0

804

At8

9s51

Gambar 3.16 Rangkaian minimum mikrokontroller dan RS 232

Diagram alir komunikasi antara PC dan mikrokontroller ditunjukkan pada

Gambar 3.17. Saat pertama kali diaktifkan mikrokontroller akan mengeksekusi

perintah toggle P1.0 3 kali. Proses ini digunakan untuk indikator bahwa sistem

minimum yang digunakan berfungsi. Proses selanjutnya mikrokontroller akan

menunggu sampai ada interupsi dari komputer. Jika interupsi berupa data ‘!’,

maka mikrokontroller akan mengirimkan data “Koneksi Ok……...!” ke PC

sebagai indikator bahwa komunikasi serial sudah bisa berjalan. Jika interupsi

berupa data ‘#’, maka mikrokontroller akan mengambil data dari port 2 yang

merupakan hasil konversi ADC dan mengirimkannya ke komputer. Jika data

interupsi selain ‘!’ dan ‘#’, maka mikrokontroller akan mengirimkan data yang

masuk ke register sbuf ke port 0 yang merupakan input DAC. Data ini merupakan

data sinyal kontrol yang diberikan ke driver.

Gambar 3.17 Diagram alir komunikasi serial mikrokontroller dan PC

Rutin program assembler yang digunakan untuk komunikasi antara

mikrokontroller dengan PC adalah sebagai berikut : ;Program komunikasi serial mikro PC ;Baudrate 9600 dan Mode serial = Mode 0 ;By Amin Fauzan / L2F000571 org 0h sjmp main ;Vektor interupsi serial org 23h sjmp serint org 30h ;Toggle p1.0 3x untuk cek system minimum main:

setb p1.0 acall delay acall delay clr p1.0 acall delay acall delay setb p1.0 acall delay acall delay clr p1.0 acall delay acall delay setb p1.0 acall delay acall delay clr p1.0 acall delay acall delay setb p1.0 ;Inisialisasi mode serial dan baudrate mov tmod,#20h mov th1,#0Fdh mov scon,#50h setb tr1 ;Aktifkan interupsi serial awal:

setb es setb ea dead:

sjmp dead ;Tunggu sampai ada interupsi serint: jb ri,r_cv clr ti reti ;Rutin pelayanan interupsi r_cv:

push psw push acc mov a,sbuf clr ri cjne a,#35,banding mov a,p2 mov sbuf,a sjmp exit banding: cjne a,#'!',send acall deliver sjmp exit send:

mov a,sbuf mov p0,a sjmp exit exit: pop acc pop psw reti deliver: mov dptr,#data mov r2,#20 kirim:

clr a movc a,@a+dptr mov sbuf,a jnb ti,$ clr ti inc dptr djnz r2,kirim ret ;Rutin delay delay: mov r5,#0ffh delay2: mov r6,#0ffh djnz r6,$ djnz r5,delay2 ret data: db 'Koneksi Ok.........',13,10 end

BAB IV

PENGUJIAN DAN ANALISIS

Untuk mengetahui karakteristik dinamis dari plant suhu yang akan

dikontrol, dilakukan pengujian secara kalang terbuka. Pengujian dilakukan dengan

mengirimkan tegangan tertentu dan mengakuisisi suhu keluaran plant yang

terjadi.

Hasil pengujian secara kalang terbuka ditunjukkan pada Gambar 4.1.

Pengujian secara kalang terbuka menunjukkan bahwa dengan tegangan yang

dikirim ke DAC sebesar 1,67 V, plant akan stabil pada suhu 58° C. Dari Gambar

4.1 dapat dihitung konstanta waktu sistem (T), yaitu besarnya waktu yang

dibutuhkan oleh respon untuk mencapai suhu keluaran sebesar 0,632 dari suhu

keluaran stabilnya atau sekitar (0,632 x (58° C -33° C ) ) + 33° C = 48° C. Hasil

akuisisi data menunjukkan bahwa untuk mencapai suhu 48° C dibutuhkan waktu

sekitar 40 detik, sehingga konstanta waktu sistem plant suhu yang dikontrol

adalah sebesar 40 detik.

Gambar 4.1 Respon plant suhu secara kalang terbuka.

4.1 Pengujian Jaringan Syaraf Tiruan CMAC dan RBF secara On-line

Proses pengendalian plant secara on-line diawali dengan proses

pengambilan data keluaran plant dan data referensi, kemudian data tersebut

diproses sesuai dengan algoritma kontrol CMAC atau RBF sehingga diperoleh

sinyal kontrol untuk plant. Pada tugas akhir ini, algoritma kontrol CMAC dan

RBF dituliskan dalam suatu komponen timer dengan interval waktu 350 ms,

sehingga algoritma kontrol CMAC atau RBF tersebut akan dijalankan setiap 350

ms atau dapat dikatakan waktu sampling proses adalah 350 ms. Lama proses

komputasi pada kontrol CMAC dan RBF berbeda – beda tergantung pada

banyaknya memori yang digunakan dalam proses kontrol. Oleh karena itu,

diperlukan pengujian jaringan CMAC dan RBF secara on-line untuk memastikan

lama komputasi proses lebih kecil daripada waktu sampling proses tersebut.

Pengujian dilakukan dengan menghitung waktu proses yang diperlukan pada

proses kontrol dengan jaringan syaraf CMAC dan RBF untuk kebutuhan memori

yang berbeda.

Pada jaringan syaraf CMAC kebutuhan memori ditentukan oleh parameter

generalisasi. Hasil perhitungan waktu proses untuk parameter generalisasi yang

berbeda ditunjukkan pada Tabel 4.1.

Tabel 4.1 Hubungan antara banyaknya parameter generalisasi

yang dipilih terhadap lama proses komputasi.

Jumlah Parameter Generalisasi

Lama Proses Komputasi (ms)

10 10,64521888 40 10,64676842 70 10,72947912

100 10,7314682 130 10,78110579

Pada jaringan syaraf RBF kebutuhan memori ditentukan oleh jumlah

fungsi basis yang digunakan. Hasil perhitungan waktu proses untuk jumlah fungsi

basis yang berbeda ditunjukkan pada Tabel 4.2.

Tabel 4.2 Hubungan antara jumlah fungsi basis yang dipilih

terhadap lama proses komputasi.

Jumlah Fungsi Basis

Lama Proses Komputasi (ms)

3 10,60441294 6 10,6397098 9 10,66818641 12 10,67345338 15 10,70400847

4.2 Pengujian Jaringan Syaraf CMAC

Pengujian jaringan syaraf CMAC dilakukan untuk mengetahui pengaruh

masing – masing parameter jaringan syaraf CMAC terhadap dinamika respon

plant suhu. Untuk parameter jaringan yang sama, pengujian dilakukan dalam 2

keadaan yaitu dengan menggunakan bobot awal dan bobot setelah 2 kali

pelatihan.

4.2.1 Pengaruh Laju Konvergensi terhadap Transien Suhu

Untuk menunjukkan pengaruh pemilihan nilai laju konvergensi pada

dinamika suhu plant yang dikontrol, dipilih 2 buah nilai laju konvergensi yang

relatif berbeda jauh, dengan besar gain proporsional dan generalisasi yang sama.

Pada pengujian ini dipilih besar gain proporsional sebesar 1,5, generalisasi 60 dan

referensi suhu 50° C. Variasi nilai laju konvergensi yang digunakan adalah 0,1

dan 0,5.

Hasil pengujian ditunjukkan pada Gambar 4.2 dan Gambar 4.3. Laju

konvergensi yang kecil mengakibatkan sistem lama mencapai keadaan tunak

karena proses pembelajaran menjadi relatif lama, sedangkan laju konvergensi

yang besar mengakibatkan lonjakan yang besar pada respon transien sistem

karena adanya koreksi yang berlebih pada bobot jaringan (over corrected.

Penggunaan bobot hasil pelatihan akan meningkatkan unjuk kerja sistem yaitu

akan mempercepat waktu penetapan sistem dan mengurangi lonjakan.

(a) Bobot awal nol

Gambar 4.2 Respon transien suhu dengan kontrol CMAC untuk referensi 50° C, gain

proporsional 1,5, generalisasi 60 dan laju konvergensi 0,1.

(b) Bobot hasil 2 kali pelatihan.


proporsional 1,5, generalisasi 60 dan laju konvergensi 0,1 (Lanjutan).

(a) Bobot awal nol

(b) Bobot hasil 2 kali pelatihan.


proporsional 1,5, generalisasi 60 dan laju konvergensi 0,5.

Data parameter unjuk kerja pada pengujian ini ditunjukkan pada Tabel 4.3.

Untuk nilai laju konvergensi 0,1, respon sistem mempunyai waktu penetapan

sekitar 110 detik. Waktu penetapan dengan nilai laju konvergensi yang relatif

kecil ini dapat dipersingkat dengan cara melatih jaringan syaraf CMAC dengan

menggunakan bobot hasil pelatihan, sehingga waktu penetapan menjadi lebih

singkat yaitu sekitar 16 detik. Untuk laju konvergensi yang relatif besar yaitu 0,5

dengan bobot CMAC awal nol, waktu penetapan respon sekitar 50 detik. Ini

berarti laju konvergensi yang besar akan mempercepat waktu penetapan, tetapi

respon sistem mengalami lonjakan sebesar 71 %. Penggunaan bobot hasil

pelatihan akan mempersingkat waktu penetapan respon menjadi 46 detik dan

memperkecil lonjakan transien menjadi 42 %.

Tabel 4.3 Data parameter unjuk kerja sistem dengan kontrol CMAC pada referensi 50° C, gain

proporsional 1,5, dan generalisasi 60.

Laju konvergensi = 0,1 Gain proporsional = 1,5 Generalisasi = 60


Parameter Unjuk Kerja

Bobot awal nol Bobot hasil latih Bobot awal nol Bobot hasil latih Waktu penetapan 110 detik 16 detik 50 detik 46 detik

Overshoot transient - - 71 % 41 %

4.2.2 Pengaruh Gain Proporsional terhadap Transien Suhu

Keluaran CMAC merupakan fungsi dari keluaran gain proporsional.

Keluaran gain proporsional digunakan sebagai data latih jaringan syaraf CMAC,

sehingga nilai gain proporsinal yang dipilih akan mempengaruhi keluaran CMAC.

Untuk memperlihatkan pengaruh pemilihan nilai gain proporsional, pada

pengujian ini dipilih 2 buah nilai gain yang besarnya relatif berbeda, dengan besar

nilai laju konvergensi dan besar parameter generalisasi yang sama. Pada pengujian

ini dipilih referensi suhu 50° C, generalisasi 60 dan laju konvergensi 0,1. Variasi

nilai gain proporsional yang digunakan adalah 0,5 dan 4.

Hasil pengujian pengaruh pemilihan gain proporsional terhadap transien

suhu ditunjukkan pada Gambar 4.4 dan Gambar 4.5. Hasil pengujian

menunjukkan bahwa gain proporsinal berpengaruh terhadap waktu penetapan dan

waktu naik respon. Semakin besar gain proporsinal yang dipilih, maka semakin

cepat waktu penetapan dan waktu naik respon. Waktu naik respon yang cepat

pada transien disebabkan oleh sinyal kontrol yang cukup besar pada saat awal.

Sinyal kontrol ini berasal dari keluaran gain proporsional. Sebagai

konsekuensinya, respon sistem akan mengalami lonjakan. Penggunaan bobot hasil

pelatihan hanya mempercepat waktu naik respon.

(a) Bobot awal nol

(b) Bobot hasil 2 kali pelatihan

Gambar 4.4 Respon transien suhu dengan kontrol CMAC untuk referensi 50° C, generalisasi 60,

laju konvergensi 0,1 dan gain proporsional 0,5.

(a) Bobot awal nol

(b)Bobot hasil 2 kali pelatihan

Gambar 4.5 Respon transien suhu dengan kontrol CMAC untuk referensi 50° C, generalisasi 60,

laju konvergensi 0,1 dan gain proporsional 4.


Untuk gain proporsional sebesar 0,5 dan bobot awal jaringan CMAC nol, respon

sistem memiliki waktu penetapan sekitar 96 detik. Penggunaan bobot hasil

pelatihan tidak meningkatkan unjuk kerja, tetapi memperbesar waktu penetapan

menjadi 125 detik dan menimbulkan lonjakan respon sebesar 12 %. Pemberian

nilai gain proporsional yang relatif besar pada kontrol CMAC yaitu 4 dengan

bobot awal nol, membuat keluaran plant mempunyai waktu penetapan sekitar 40

detik. Ini berarti bahwa pemberian gain proporsional yang besar akan

mempercepat waktu penetapan, tetapi akan menimbulkan lonjakan respon yang

besar.

Tabel 4.4 Data parameter unjuk kerja sistem dengan kontrol CMAC pada referensi 50° C, laju

konvergensi 0,1, dan generalisasi 60.


Laju konvergensi = 0,1 Gain proporsional = 4 Generalisasi = 60

Parameter Unjuk Kerja Bobot awal nol Bobot hasil latih Bobot awal nol Bobot hasil latih Waktu penetapan 96 detik 125 detik 40 detik 37 detik

Overshoot transien - 12 % 17 % 23 %

4.2.3 Pengaruh Generalisasi terhadap Transien Suhu

Untuk mengetahui pengaruh nilai generalisasi terhadap transien suhu

dilakukan pengujian dengan referensi, gain proporsional dan laju konvergensi

yang tetap serta variasi terhadap nilai generalisasi. Pada pengujian ini digunakan

referensi 50, gain proporsional 2, laju konvergensi 0,1 dan variasi nilai

generalisasi yang dipilih adalah 30 dan 150.

Hasil pengujian ditunjukkan pada Gambar 4.6 dan Gambar 4.7. Hasil

pengujian menunjukkan bahwa untuk generalisasi yang kecil yaitu 30, respon

sistem mempunyai waktu penetapan yang lebih singkat dan tidak ada lonjakan

pada respon transiennya. Untuk nilai generalisasi yang besar, respon sistem

mengalami lonjakan dan mempunyai waktu penetapan yang lebih lama.

Penggunaan bobot hasil pelatihan akan mempersingkat waktu penetapan respon

dan mengurangi lonjakan yang terjadi.

(a) Bobot awal nol

Gambar 4.6 Respon transien suhu dengan kontrol CMAC untuk referensi 50° C, laju konvergensi

0,1, gain proporsional 2 dan generalisasi 30.


Gambar 4.6 Respon transien suhu dengan kontrol CMAC untuk referensi 50° C,

laju konvergensi 0,1, gain proporsional 2 dan generalisasi 30 (Lanjutan).

(a) Bobot awal nol


Gambar 4.7 Respon transien suhu dengan kontrol CMAC untuk referensi 50° C, laju konvergensi

0,1, gain proporsional 2 dan generalisasi 30.

Data parameter unjuk kerja pada pangujian ditunjukkan pada Tabel 4.5.

Untuk bobot CMAC awal nol dengan generalisasi 30, respon sistem memiliki

waktu penetapan sekitar 47 detik. Penggunaan bobot hasil pelatihan akan

memperkecil waktu penetapan menjadi sekitar 23 detik, tetapi menimbulkan

lonjakan respon sebesar 6 %. Pemilihan nilai generalisasi yang besar yaitu 150

akan memperbesar waktu penetapan menjadi sebesar 68 detik dan lonjakan respon

sebesar 23 %. Penggunaan bobot hasil pelatihan tidak berpengaruh terhadap

waktu penetapan dan lonjakan respon.

Tabel 4.5 Data parameter unjuk kerja sistem dengan kontrol CMAC pada referensi 50° C ,laju

konvergensi 0,1, dan gain proporsional 2.





4.3 Pengujian Jaringan Syaraf RBF

Pengujian jaringan syaraf RBF dilakukan untuk mengetahui pengaruh

masing – masing parameter jaringan syaraf RBF terhadap dinamika respon sistem.

Untuk parameter jaringan yang sama, pengujian dilakukan dalam 2 keadaan yaitu

dengan menggunakan bobot awal dan bobot setelah 2 kali pelatihan.

4.3.1 Pengaruh Laju Konvergensi terhadap Transien Suhu

Untuk menunjukkan pengaruh langsung pemilihan nilai laju konvergensi

pada dinamika suhu plant yang dikontrol, dipilih 2 buah nilai laju konvergensi

yang relatif berbeda, dengan besar gain proporsional dan jumlah fungsi basis yang

sama. Pada pengujian ini dipilih besar gain proporsional sebesar 1,5, jumlah

fungsi basis 5 dan referensi suhu 50° C. Variasi nilai laju konvergensi yang

digunakan adalah 0,1 dan 0,5.


pengujian menunjukkan bahwa laju konvergensi yang kecil mengakibatkan sistem

lama mencapai keadaan tunak karena proses pembelajaran menjadi relatif lama,

sedangkan laju konvergensi yang besar mengakibatkan lonjakan yang besar pada

respon transien sistem. Lonjakan yang besar disebabkan oleh adanya koreksi yang

berlebih pada bobot jaringan (over corrected). Sinyal kontrol yang diberikan ke

plant mengalami kenaikan yang besar akibat keluaran jaringan RBF mengalami

kenaikan yang besar.

(a) Bobot awal nol


Gambar 4.8 Respon transien suhu dengan kontrol RBF untuk nilai referensi 50° C , gain

proporsional 1,5, jumlah fungsi basis 5 dan laju konvergensi 0,1

(a) Bobot awal nol


Gambar 4.9 Respon transien suhu dengan kontrol RBF untuk nilai referensi 50° C,

gain proporsional 1,5, jumlah fungsi basis 5 dan laju konvergensi 0,5.


Untuk nilai laju konvergensi yang relatif kecil yaitu 0,1 dan bobot RBF awal sama

dengan nol, respon suhu plant mempunyai waktu penetapan sekitar 116 detik.

Penggunaan bobot hasil pelatihan memperbesar waktu penetapan respon menjadi

sekitar 125 detik dan menimbulkan lonjakan sebesar 12 %. Untuk laju

konvergensi yang relatif besar yaitu 0,5 dengan bobot RBF awal nol, waktu

penetapan keluaran lebih cepat dibandingkan dengan nilai laju konvergensi yang

kecil yaitu sekitar 63 detik, tetapi respon sistem mengalami lonjakan sebesar 17

%. Penggunaan bobot hasil pelatihan mempercepat waktu penetapan menjadi

sekitar 55 detik , tetapi memperbesar lonjakan menjadi 23 %.

Tabel 4.6 Data parameter unjuk kerja sistem dengan kontrol RBF pada referensi 50° C, gain

proporsional 1,5, dan jumlah fungsi basis 5.

Laju konvergensi = 0,1 Gain proporsional = 1,5 Jumlah fungsi basis = 5




4.3.2 Pengaruh Gain Proporsional terhadap Transien Suhu

Gain proporsional berpengaruh terhadap keluaran jaringan RBF. Hal ini

karena keluaran gain proporsional digunakan sebagai data untuk melatih jaringan

RBF. Untuk memperlihatkan pengaruh pemilihan nilai gain proporsional, pada

pengujian ini dipilih 2 buah nilai gain yang besarnya relatif berbeda dengan besar

nilai laju konvergensi dan jumlah fungsi basis yang sama. Pada pengujian ini

dipilih referensi suhu 50° C, jumlah fungsi basis 5 dan laju konvergensi 0,1.

Variasi nilai gain proporsional yang digunakan adalah 0,5 dan 4.

Hasil pengujian ini ditunjukkan pada Gambar 4.10 dan Gambar 4.11. Gain

proporsional berpengaruh terhadap waktu naik dan waktu penetapan respon.

Semakin besar gain proporsional yang dipilih, waktu naik dan waktu penetapan

respon akan semakin cepat.

(a) Bobot awal nol

Gambar 4.10 Respon transien suhu dengan kontrol RBF untuk nilai referensi 50° C ,

jumlah fungsi basis 5, laju konvergensi 0,1 dan gain proporsional 0,5.


Gambar 4.10 Respon transien suhu dengan kontrol RBF untuk nilai referensi 50° C ,

jumlah fungsi basis 5, laju konvergensi 0,1 dan gain proporsional 0,5 (Lanjutan).

(a) Bobot awal nol


Gambar 4.11 Respon transien suhu dengan kontrol RBF untuk nilai referensi 50° C,

jumlah fungsi basis 5, laju konvergensi 0,1 dan gain proporsional 4.


Untuk gain proporsional yang kecil yaitu 0,5 dan bobot awal nol, respon transien

sistem memiliki waktu penetapan sekitar 137 detik dan tanpa lonjakan.

Penggunaan bobot hasil pelatihan memperbesar waktu penetapan menjadi 152

detik dan menimbulkan lonjakan respon sebesar 12 %. Untuk nilai gain

proporsional yang relatif lebih besar pada kontrol RBF yaitu 4 dan bobot awal nol,

waktu penetapan respon lebih singkat dibandingkan dengan gain proporsional

yang kecil yaitu menjadi sekitar 51 detik Penggunaan bobot hasil pelatihan

memperbesar waktu penetapan menjadi sekitar 75 detik dan menimbulkan

lonjakan sebesar 12 %.

Tabel 4.7 Data parameter unjuk kerja sistem dengan kontrol RBF pada referensi 50° C, gain

proporsional 1,5, dan jumlah fungsi basis 5.



Parameter Unjuk Kerja

Bobot awal nol Bobot hasil latih Bobot awal nol Bobot hasil latih Waktu penetapan 137 detik 152 detik 51 detik 75 detik

Overshoot transien - 12 % - 12 %

4.3.3 Pengaruh Jumlah Fungsi Basis terhadap Transien Suhu

Untuk mengetahui pengaruh jumlah fungsi basis terhadap transien suhu

dilakukan pengujian dengan pemilihan 2 buah jumlah fungsi basis yang berbeda

dan laju konvergensi serta gain proporsional yang sama. Pada pengujian ini

digunakan referensi suhu 50º C, gain proporsional 2, laju konvergensi 0,1 dan

variasi jumlah fungsi basis yang digunakan adalah 3 dan 8.

Hasil pengujian ditunjukkan oleh Gambar 4.12 dan Gambar 4.13. Untuk

jumlah fungsi basis sedikit respon sistem mempunyai waktu penetapan yang lebih

singkat dan tidak ada lonjakan pada respon transiennya. Untuk jumlah fungsi

basis yang lebih banyak, respon sistem mengalami lonjakan dan mempunyai

waktu penetapan yang lebih lama.

(a) Bobot awal nol


Gambar 4.12 Respon transien suhu dengan kontrol RBF untuk referensi 50° C,

laju konvergensi 0,1, gain proporsional 2 dan jumlah fungsi basis 3.

(a) Bobot awal nol

Gambar 4.13 Respon transien suhu kontrol RBF untuk referensi 50° C,

laju konvergensi 0,1, gain proporsional 2 dan junlah fungsi basis 8

(b)Bobot hasil 2 kali pelatihan.

Gambar 4.13 Respon transien suhu kontrol RBF untuk referensi 50° C,

laju konvergensi 0,1, gain proporsional 2 dan junlah fungsi basis 8 (Lanjutan).

Data parameter unjuk kerja pada pangujian ini ditunjukkan pada Tabel 4.8.

Untuk bobot-bobot RBF awal nol dan jumlah fungsi basis 3, respon transien suhu

memiliki waktu penetapan sekitar 37 detik dan tanpa lonjakan. Penggunaan bobot

hasil pelatihan akan memperkecil waktu penetapan menjadi sekitar 25 detik.

Pemilihan jumlah fungsi basis yang banyak dalam hal ini 8 akan memperbesar

waktu penetapan sistem menjadi sebesar 60 detik dan lonjakan respon sebesar 12

%. Penggunaan bobot hasil pelatihan tidak banyak berpengaruh terhadap waktu

penetapan dan lonjakan respon.

Tabel 4.8 Data parameter unjuk kerja sistem dengan kontrol RBF pada referensi 50° C, laju

konvergensi 0,1, dan gain proporsional 2.

Laju konvergensi = 0,1 Gain proporsional = 2 Jumlah fungsi basis = 3

Laju konvergensi = 0,1 Gain proporsional = 2 Jumlah fungsi basis = 8


Overshoot transien - - 12 % 12 %

4.4 Perbandingan Unjuk Kerja Jaringan Syaraf CMAC dan RBF

Untuk membandingkan unjuk kerja jaringan syaraf CMAC dan jaringan

syaraf RBF perlu diperhatikan hal – hal sebagai berikut :

1. Struktur pengendalian yang digunakan harus sama. Struktur yang

digunakan adalah Fixed Stabilising Controller.

2. Nilai gain proporsional dan laju konvergensi yang digunakan pada kedua

jaringan harus sama.

3. Kedua jaringan harus mempunyai respon yang optimal untuk nilai gain

proporsional dan laju konvergensi yang dipilih.

Karena kedua paramater jaringan yaitu gain proporsional dan laju

konvergensi yang dipilih sama, maka kondisi optimal ini ditentukan oleh

pemilihan parameter generalisasi pada jaringan CMAC dan jumlah fungsi basis

yang digunakan pada jaringan RBF yang tepat. Pemilihan parameter generalisasi

dan jumlah fungsi basis tersebut dilakukan secara trial and error sehingga

diperoleh respon sistem yang optimal.

Pemilihan gain proporsional dan laju konvergensi kedua jaringan

dilakukan secara acak namun dengan mempertimbangkan pengaruh masing –

masing parameter tersebut terhadap transien respon suhu yang terjadi. Pada

pengujian ini dipilih nilai laju konvergensi sebesar 0,1 dan gain proporsional

sebesar 2. Dari hasil trial and error diperoleh bahwa untuk nilai laju konvergensi

dan gain proporsional tersebut, parameter generalisasi yang tepat adalah sebesar

25 sedangkan jumlah fungsi basis yang tepat adalah 5.

4.4.1 Pengujian Pengaruh Pembelajaran

Untuk menguji pengaruh bobot pembelajaran pada respon sistem

dilakukan pengujian dengan cara mengubah referensi sistem pada 2 setting yang

berbeda beberapa kali. Dari grafik respon akan diperoleh perbedaan respon kedua

jaringan antara respon jaringan dengan bobot awal nol dan respon jaringan dengan

menggunakan bobot hasil pelatihan. Pada pengujian ini referensi sistem diubah

pada nilai 40° C dan 70° C.

Gambar 4.14 Pengujian untuk mengetahui pengaruh bobot pembelajaran terhadap transien suhu

pada kontrol CMAC.

Gambar 4.15 Pengujian untuk mengetahui pengaruh bobot pembelajaran terhadap transien suhu

pada kontrol RBF.

Hasil pengujian ditunjukkan pada Gambar 4.14 dan Gambar 4.15. Pada

jaringan CMAC saat pengujian dengan bobot awal nol dan referensi 70° C, respon

mempunyai waktu penetapan sebesar 111 detik tanpa lonjakan dan ketika

referensi diubah memjadi 40° C respon mempunyai waktu penetapan sebesar

128 detik dengan undershoot sebesar 10 %. Pada referensi 70° C yang kedua

waktu penetapan respon menjadi 21 detik atau 81% lebih cepat daripada yang

pertama, dan saat diberi referensi 40° C respon mempunyai waktu penetapan

sebesar 94 detik atau 26,5 % lebih cepat dari yang pertama dengan lonjakan

sebesar 3 %. Pada jaringan RBF saat pengujian dengan bobot awal nol dan

referensi 70° C, respon mempunyai waktu penetapan sebesar 40 detik tanpa

lonjakan dan ketika referensi diubah menjadi 40° C respon mempunyai waktu

penetapan sebesar 116 detik dengan undershoot sebesar 13 %. Pada saat diberi

referensi 70° C dan 40° C lagi respon relatif berubah.

Kesimpulan yang diperoleh dari pengujian ini adalah respon jaringan

syaraf CMAC dengan menggunakan bobot pelatihan akan menjadi semakin baik,

sedangkan pada jaringan syaraf RBF respon sistem akan relatif sama. Hal ini

karena pada jaringan CMAC ketika menerima referensi yang baru, maka jaringan

akan mengambil bobot – bobot tertentu sesuai dengan memori yang aktifkan

akibat referensi baru tersebut, sedangkan pada jaringan RBF setiap masukan yang

baru ia akan mengaktifkan seluruh fungsi basis yang berarti ketika ada referensi

baru maka bobot yang digunakan adalah bobot hasil pelatihan terakhir.

4.4.2 Pengujian Referensi Naik

Untuk mengetahui kemampuan jaringan dalam mengikuti perubahan

referensi naik dilakukan pengujian dengan memberikan referensi yang berubah

naik pada beberapa tahap. Perubahan referensi dilakukan setelah respon mencapai

keadaan tunak. Pada pengujian ini dilakukan perubahan referensi mulai dari 33°

C, 50° C, 70° C dan 90° C.


pengujian menunjukkan bahwa pada saat digunakan bobot awal jaringan nol,

ketika referensi dinaikkan kedua jaringan mampu mengikuti perubahan referensi

naik. Dengan menggunakan bobot hasil pelatihan waktu penetapan tiap perubahan

referensi pada jaringan syaraf CMAC akan semakin cepat, tetapi pada jaringan

syaraf RBF penggunaan bobot hasil pelatihan hanya berpengaruh pada respon

awal yaitu saat referensi 50° C. Respon suhu mengalami lonjakan yang besar.

Pada saat bobot hasil pelatihan digunakan, maka jaringan menggunakan bobot

terakhir yang disimpannya yaitu bobot untuk referensi terakhir yang diberikan

yaitu 90° C. Sinyal kontrol yang berasal dari keluaran jaringan RBF cukup besar

karena bobot awal yang digunakan adalah bobot untuk menghasilkan sinyal

kontrol pada referensi 90° C.

(a) Bobot awal


Gambar 4.16 Pengujian referensi naik dengan jaringan syaraf CMAC.

(a) Bobot awal

Gambar 4.17 Pengujian referensi naik dengan jaringan syaraf RBF.


Gambar 4.17 Pengujian referensi naik dengan jaringan syaraf RBF (Lanjutan).

4.4.3 Pengujian Referensi Turun

Untuk mengetahui kemampuan jaringan dalam mengikuti perubahan

referensi turun dilakukan pengujian dengan memberikan referensi yang berubah

turun pada beberapa tahap. Perubahan referensi dilakukan setelah respon

mencapai keadaan tunak. Pada pengujian ini dilakukan perubahan referensi mulai

dari 33° C, 90° C, 70° C dan 50° C.

Hasil pengujian pada jaringan syaraf CMAC ditunjukkan pada Gambar

4.18 dan hasil pengujian pada jaringan syaraf RBF ditunjukkan pada Gambar

4.19. Hasil pengujian menunjukkan bahwa pada saat digunakan bobot awal nol,

ketika referensi diturunkan kedua jaringan mampu mengikuti perubahan referensi

turun. Pada jaringan syaraf CMAC ketika mengikuti perubahan referensi turun,

respon akan mengalami undershoot sedangkan pada jaringan syaraf RBF tidak

mengalami undershoot. Dengan menggunakan bobot hasil pelatihan undershoot

pada jaringan syaraf CMAC dapat dihilangkan sehinggga jaringan mampu

mengikuti perubahan referensi dengan baik, tetapi pada jaringan syaraf RBF

penggunaan bobot hasil pelatihan hanya berpengaruh pada respon awal yaitu pada

saat setting referensi 90° C. Jika dibandingkan respon kedua jaringan setelah

mengalami pelatihan, tampak bahwa respon jaringan syaraf CMAC mempunyai

waktu penetapan yang lebih singkat daripada jaringan syaraf RBF.

(a) Bobot awal


Gambar 4.18 Pengujian referensi turun dengan jaringan syaraf CMAC.

(a) Bobot awal

Gambar 4.18 Pengujian referensi turun dengan jaringan syaraf RBF.


Gambar 4.18 Pengujian referensi turun dengan jaringan syaraf RBF (Lanjutan).

4.4.4 Pengujian Gangguan

Untuk mengetahui unjuk kerja jaringan syaraf CMAC dan RBF dalam

merespon gangguan dari luar dilakukan pengujian dengan memberikan gangguan

pada referensi suhu 60° C. Setelah respon suhu mencapai referensi yang

diberikan, kipas yang akan menyerap udara ke luar dinyalakan sehingga suhu

plant akan turun. Gangguan dihilangkan setelah respon kembali ke keadaan

referensi semula.

(a) Bobot awal

Gambar 4.20 Pengujian gangguan pada jaringan syaraf CMAC.


Gambar 4.20 Pengujian gangguan pada jaringan syaraf CMAC (Lanjutan).

(a) Bobot awal


Gambar 4.2 1 Pengujian gangguan pada jaringan syaraf RBF.

Hasil pengujan pada jaringan syaraf CMAC ditunjukkan pada Gambar

4.20 dan hasil pengujian pada jaringan syaraf RBF ditunjukkan pada Gambar

4.21. Hasil pengujian menunjukkan bahwa pada referensi 60° C ketika diberikan

gangguan, respon suhu dengan kontrol jaringan syaraf CMAC akan mengalami

penurunan suhu maksimum sebesar sebesar 2° C dan membutuhkan waktu sekitar

33 detik untuk mengatasi gangguan tersebut. Ketika gangguan dihilangkan respon

akan mengalami kenaikan suhu maksimum sebesar 1° C dan membutuhkan waktu

sekitar 33 detik untuk mengatasi gangguan. Pada jaringan syaraf RBF ketika

diberikan gangguan, respon sistem akan mengalami penurunan suhu maksimum

sebesar 3° C dan membutuhkan waktu sebesar 57 detik untuk mengatasi

gangguan tersebut, sedangkan jika gangguan dihilangkan respon sistem akan

mengalami lonjakan suhu maksimum sebesar 3° C dan membutuhkan waktu

sekitar 66 detik untuk kembali ke keadaan referensi.

Penggunaan bobot hasil pelatihan pada jaringan CMAC akan mengurangi

penurunan suhu ketika diberikan gangguan dan mempercepat waktu untuk

mengatasi gangguan tersebut yaitu menjadi sekitar 18 detik pada saat diberi

gangguan dan 13 detik pada saat gangguan dihilangkan. Pada jaringan syaraf RBF

pengunaan bobot hasil pelatihan ini tidak banyak berpengaruh terhadap respon

sistem. Data parameter unjuk kerja pada pengujian ini ditunjukkan pada Tabel 4.9.

Tabel 4.9 Data unjuk kerja jaringan syaraf CMAC dan RBF terhadap pengujain gangguan.

Jaringan Syaraf CMAC

Jaringan Syaraf RBF Pengujian Parameter Unjuk

Kerja Bobot Awal

Bobot Pelatihan

Bobot Awal

Bobot Pelatihan

Waktu untuk mengatasi gangguan 33 detik 18 detik 57 detik 77 detik Pemberian

Gangguan Lonjakan suhu

maksimum 2° C 1° C 3° C 3° C

Waktu untuk mengatasi gangguan 33 detik 13 detik 66 detik 73 detik Penghilangan

Gangguan Lonjakan suhu

maksimum 1° C 1° C 3° C 4° C

Dari keempat pengujian untuk perbandingan unjuk kerja jaringan syaraf

CMAC dan RBF diatas dapat disimpulkan hal – hal sebagai berikut :

1. Pada jaringan syaraf CMAC penggunaan bobot hasil pelatihan akan

meningkatkan unjuk kerja sistem baik terhadap referensi tetap, perubahan

referensi maupun gangguan. Pada jaringan syaraf RBF penggunaan bobot

hasil pelatihan tidak banyak berpengaruh dalam memperbaiki unjuk kerja

sistem.

2. Jaringan syaraf CMAC mempunyai unjuk kerja yang lebih baik dalam

mengatasi gangguan karena penurunan suhu akibat pemberian gangguan

dan lonjakan suhu akibat gangguan dihilangkan lebih kecil daripada

jaringan RBF. Disamping itu, waktu yang dibutuhkan untuk mengatasi

gangguan dan kembali pada referensi semula lebih cepat.

3. Secara keseluruhan jaringan syaraf CMAC mempunyai proses

pembelajaran yang lebih cepat dibandingkan dengan jaringan syaraf RBF.

BAB V

PENUTUP

5.1 Kesimpulan

Berdasarkan hasil pengujian yang dilakukan didapatkan hal-hal penting

sebagai berikut:

1. Kestabilan respon keluaran suhu plant akan sangat tergantung terhadap

pemilihan parameter-parameter kendali CMAC dan RBF , yaitu besarnya laju

konvergensi, gain proporsional, besarnya parameter generalisasi dan serta jumlah

fungsi basis yang digunakan.

2. Pemilihan laju konvergensi yang relatif lebih besar akan menyebabkan

keluaran transien mengalami overshoot, overshoot akan semakin tinggi untuk laju

konvergensi yang semakin besar. Hal yang sama terjadi pada pemilihan besarnya

gain proporsional. Semakin besar gain, transien suhu plant akan mengalami

overshoot.

3. Dari hasil trial and error pemilihan acak gain proporsional sebesar 2 dan

laju konvergensi sebesar 0,1 memberikan kondisi optimal pada jaringan CMAC

untuk generalisasi 25 dan pada jaringan syaraf RBF untuk jumlah fungsi basis 5.

4. Pada jaringan syaraf CMAC penggunaan bobot hasil pelatihan akan

meningkatkan unjuk kerja sistem baik terhadap referensi tetap, perubahan

referensi maupun gangguan. Pada jaringan syaraf RBF penggunaan bobot hasil

pelatihan tidak banyak berpengaruh dalam memperbaiki unjuk kerja sistem.

5. Jaringan syaraf CMAC mempunyai unjuk kerja yang lebih baik dalam

mengatasi gangguan karena penurunan suhu akibat pemberian gangguan dan

lonjakan suhu akibat gangguan dihilangkan lebih kecil daripada jaringan RBF.

Disamping itu, waktu yang dibutuhkan untuk mengatasi gangguan dan kembali

pda referensi semula lebih cepat.

6. Secara keseluruhan jaringan syaraf CMAC mempunyai proses pembelajaran

yang lebih cepat dibandingkan dengan jaringan syaraf RBF.

5.2 Saran 1. Untuk lebih memperbesar range pengaturan suhu sebaiknya digunakan

peralatan interface yang mempunyai resolusi yang lebih besar.

2. Untuk meningkatkan proses pembelajaran, dimensi jaringan syaraf dapat

dinaikkan dengan menambahkan masukan berupa perubahan suhu yang terjadi

pada plant

3. Untuk meningkatkan performansi sistem dapat ditambahkan pengaturan

kecepatan kipas pendingin sehingga sistem mepunyai 2 keluaran yaitu pemanas

dan kecepatan kipas pendingin.

DAFTAR PUSTAKA

(1) Albus, A New Approach to Manipulator Control : The Cerrebellar Model

Articulation Controller (CMAC), IEEE Journal.

(2) Astrom, John and Bjorn Wittenmark, Adaptive Control, Addison-Wesley

Publishing Company, Inc.

(3) Brown, Martin and Harris, Neurofuzzy Adaptive Modelling and Control,

Prentice Hall Inc, 1994.

(4) Coughlin, Robert and Federick Driscoll, Penguat Operasional dan

Rangkaian Terpadu Linier, Jakarta : Erlangga.

(5) Haykin, Simon, Neural Nerworks- A Comprehensive Foundation,

Macmillan Colege-Publishing Company Inc, 1994.

(6) Kraff, Gordon and David Campagna, A Comparison Between CMAC

Neural Network Control and Two Traditional Adaptive Control Systems,

Papers

(7) Malvino, Prinsip – Prinsip Elektronika, Jakarta : Erlangga, 1996.

(8) Ogata, Katsuhiko, Teknik Kontrol Otomatik, Jilid 1, Erlangga, Jakarta,

1991.

(9) Setiawan, Iwan. Pengaturan Kecepatan Motor DC dengan Kendali CMAC

secara On-line. Jurusan Teknik Elektro Fakultas Teknik Universitas Gajah

Mada Yogyakarta.

(10) Widrow and Lehr,30 Years of Adaptive Neural Network : Perceptron,

Madaline and Backpropagation, IEEE Journal.

(11) ...............,http://www.princeton.edu/~kung/ele571/30supervised-BP.ppt

(12) ...............,http://www.nada.kth.se/kurser/kth/2D1432/2004/rbf.pdf

(13) ...............,www-2.cs.cmu.edu/afs/cs.cmu.edu/project/ ai-repository/ai/

areas/neural/systems/cmac/cmac.txt

(14) ...............,www.computing.surrey.ac.uk/courses/ csm10/NeuralNetworks/

RBFNetworks.ppt

(15) ...............,www.data2money.com/PDF/RBFpaper.pdf

(16) ...............,www.ece.unh.edu/robots/cmacdemo.c

(17) ...............,www.icaen.uiowa.edu/~comp/Public/NeuralN.pdf

LAMPIRAN A

SENARAI PROGRAM

A.1 Form Loading (Fload) unit Uload; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms, Dialogs, jpeg, ExtCtrls, StdCtrls, ComCtrls,math;

type TFload = class(TForm) Image1: TImage; Image3: TImage; ProgressBar1: TProgressBar; Label2: TLabel; Label3: TLabel; Timer1: TTimer; Label4: TLabel; Label5: TLabel; Label1: TLabel; Label6: TLabel; Label7: TLabel; procedure FormCreate(Sender: TObject);

procedure FormClose(Sender: TObject; var Action: TCloseAction);

procedure Timer1Timer(Sender: TObject); private { Private declarations } public { Public declarations } end; var Fload: TFload; posisi:integer; implementation uses Ujst; {$R *.dfm} procedure TFload.FormCreate(Sender: TObject); begin Timer1.Enabled:=true; posisi:=0; end; procedure TFload.FormClose(Sender: TObject; var Action: TCloseAction); begin Timer1.Enabled:=false; end; procedure TFload.Timer1Timer(Sender: TObject); begin

posisi:= posisi + 1;

ProgressBar1.Position:=posisi; if posisi = 100 then begin Fload.Hide; Fjst.Show; sleep(100); end;

end; end. A.2 Form Utama (Fjst) unit Ujst; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,Dialogs, Menus, StdCtrls, Buttons, ExtCtrls, TeEngine, Series, TeeProcs,Chart,math, ExtDlgs, CPDrv, jpeg, IdGlobal;

type TFjst = class(TForm) MainMenu1: TMainMenu; File1: TMenuItem; Controller1: TMenuItem; Setting1: TMenuItem; Test1: TMenuItem; Online1: TMenuItem; Other1: TMenuItem; LoadWeight1: TMenuItem; LoadPicture1: TMenuItem; SaveWeight1: TMenuItem; SavePicture1: TMenuItem; Exit1: TMenuItem; Test1: TMenuItem; CMAC1: TMenuItem; RBF1: TMenuItem; CloseLoop1: TMenuItem; CMACParameters1: TMenuItem; RBFParameters1: TMenuItem; Connect1: TMenuItem; Disconnect1: TMenuItem; Reset1: TMenuItem; About1: TMenuItem; Help1: TMenuItem; Shape1: TShape; Label3: TLabel; Edit1: TEdit; Label4: TLabel; BitBtn1: TBitBtn; BitBtn2: TBitBtn; BitBtn3: TBitBtn; Chart1: TChart; Series1: TLineSeries;

ScrollBar1: TScrollBar; Timer_cmac: TTimer; Timer_rbf: TTimer; Edit3: TEdit; Label5: TLabel; SaveDialog1: TSaveDialog; Timer_clp: TTimer; OpenDialog1: TOpenDialog; Series3: TLineSeries; OpenPictureDialog1: TOpenPictureDialog; Setting2: TMenuItem; serial: TCommPortDriver; Timer_akuisisi: TTimer; Image1: TImage; Shape3: TShape; Shape5: TShape; Timer_monitor: TTimer; Button1: TButton; OpenLoop1: TMenuItem; SaveData1: TMenuItem; Button2: TButton; Timer_clock: TTimer; Shape2: TShape; procedure Test1Click(Sender: TObject); procedure CMACParameters1Click(Sender: TObject); procedure RBFParameters1Click(Sender: TObject); procedure LoadPicture1Click(Sender: TObject); procedure About1Click(Sender: TObject);


procedure CMAC1Click(Sender: TObject); procedure RBF1Click(Sender: TObject); procedure CloseLoop1Click(Sender: TObject); procedure FormCreate(Sender: TObject); procedure Timer_cmacTimer(Sender: TObject); procedure ScrollBar1Change(Sender: TObject); procedure Connect1Click(Sender: TObject); procedure Disconnect1Click(Sender: TObject); procedure Reset1Click(Sender: TObject); procedure BitBtn4Click(Sender: TObject); procedure SaveWeight1Click(Sender: TObject); procedure Timer_rbfTimer(Sender: TObject); procedure BitBtn1Click(Sender: TObject); procedure BitBtn2Click(Sender: TObject); procedure BitBtn3Click(Sender: TObject); procedure LoadWeight1Click(Sender: TObject); procedure SavePicture1Click(Sender: TObject); procedure Exit1Click(Sender: TObject); procedure Setting2Click(Sender: TObject); procedure Timer_clpTimer(Sender: TObject); procedure Timer_akuisisiTimer(Sender: TObject); procedure serialReceiveData(Sender: TObject; DataPtr: Poin ter;DataSize: Cardinal); procedure Timer_monitorTimer(Sender: TObject); procedure OpenLoop1Click(Sender: TObject); procedure Button1Click(Sender: TObject); procedure SaveData1Click(Sender: TObject); procedure Button2Click(Sender: TObject); procedure Timer_clockTimer(Sender: TObject);

procedure Help1Click(Sender: TObject); private { Private declarations } public { Public declarations } end; const graph_maks = 15; ukuran = 4098; suhu_maks = 150; pembagi = 30; batas_maks = 15; var Fjst: TFjst; cmac,rbf,closeloop,openloop : boolean; i,j:integer; datax,panjang:real;

maksek,out_rbf,dy,dx,referensi,gain,error,controlP,sinyal_kontrol:real;

output : byte; F :textfile; connect:boolean; text_data:string; sinyalcontrol : integer; bagi:integer; hitung:integer; datay:string; waktu,start,stop: TDateTime; Hour, Min, Sec, MSec: Word; berkas_sumber, berkas_target :file; buffer :array[1..ukuran] of byte; sum_baca, sum_rekam : integer; file_report: string; mulai :tdatetime; durasi:tdatetime; lama :integer; online:boolean; //Disini vaiabel untuk kontrol CMAC bobot:array [1..15000] of real; alamat:array[1..15000] of integer; memori_cmac:array[1..15000] of real; data:real; intref,out_cmac:real; generalisasi,lyr,index:integer; F_cmac:textfile; laju_cmac:real; //Disini variabel untuk kontrol RBF w :array[1..15,1..15] of real; wb:real; c:array[1..20] of real; outb:array[1..20,1..20] of real; d,outbasis:real; temp1,temp2:real; //datacontrol:array[1..2] of real; F_rbf:textfile; sum_basis:integer; laju_rbf:real;

outputb:array[1..15,1..15] of real; deviasi:real; // variabel untuk port nama_port:Tportnumber; baudrate:cardinal; databits:Tdatabits; parity:Tparity; stopbits:Tstopbits; implementation uses Ucmac, Urbf, Userial, Utest, Uabout, Uview, Uload; {$R *.dfm} //Fungsi kuantisasi 8 bit Function kuant8bit(var input:real):real; begin kuant8bit:=ceil((input*255)/suhu_maks); end; //Fungsi generator alamat Function generator_alamat(var dref:real;dFback:byte;layer,gen: integer):integer; var temp1,temp2, temp3 : integer; begin

temp1:=1 + ceil((dref-layer+1)/gen); temp2:=(layer-1)*(ceil(255/gen)+1)*(ceil(255/gen)+1); temp3:=(ceil(255/gen)+1)*(ceil((dFback-layer+1)/gen)); generator_alamat:=temp1+temp2+temp3;

end; // Procedure menghitung memori maksimal yang harus disediakan procedure hitung_memoricmac; begin referensi := 255; output:=255; memoricmac_maks:=generator_alamat(referensi,output,generalisasi,generalisasi); end; // Procedure inisialisasi awal bobot cmac procedure initbobot; begin for i:=1 to memoricmac_maks do begin bobot[i]:=0; memori_cmac[i]:=0; end; end; // Inisialisasi awal bobot RBF procedure init2rbf; var i:integer; begin

for i:=1 to jumlah_basis do w[i,1]:=0; wb:=0; outbasis:=0;

end; // Procedure buat jaringan Procedure make_rbf; begin for i:=1 to sum_basis do c[i]:=(7/(sum_basis+1))*i; deviasi :=c[1]/3.05; end; // Fungsi menghitung keluaran fungsi basis oleh 2 masukan function rbf2dim(var s_rbf,a,b,x1,x2 : real):real; begin temp1 := -((a-x1)*(a-x1))/(2*s_rbf*s_rbf); temp2 := -((b-x2)*(b-x2))/(2*s_rbf*s_rbf); rbf2dim := exp(temp1)*exp(temp2); end; // Fungsi menghitung keluaran RBF 2 dimensi Function outrbforde2(var in1,in2:real):real; begin

outbasis:=0; outrbforde2:=0; make_rbf; //Inisialisasi keluaran tiap fungsi basis for i:=1 to sum_basis do

outputb[i,i]:=0; //Hitung keluaran tiap fungsi basis oleh 2 masukan for i:=1 to sum_basis do

outb[i,i]:=rbf2dim(deviasi,c[i],c[i],in1,in2); // Kalikan keluaran tiap fungsi basis dengan bobotnya sendiri for i:=1 to sum_basis do

outputb[i,i]:= outb[i,i]*w[i,i]; // Hitung keluaran jaringan for i:=1 to sum_basis do

outbasis:=outbasis+outputb[i,i]; outbasis:=outbasis+wb; outrbforde2:=outbasis;

end; Function hitung_milidetik(waktu: TDateTime): integer; var jam, menit, detik, Mdetik: word; begin DecodeTime(waktu,jam,menit,detik,Mdetik);

hitung_milidetik:=(3600000*jam)+(60000*menit)+1000*detik+Mdetik;

end;

procedure TFjst.Test1Click(Sender: TObject); begin Ftest.Show; end; procedure TFjst.CMACParameters1Click(Sender: TObject); begin Fcmac.Show; end; procedure TFjst.RBFParameters1Click(Sender: TObject); begin Frbf.Show; end; procedure TFjst.LoadPicture1Click(Sender: TObject); var nama:string; begin

OpenPictureDialog1.Filter :='Picture File(*.bmp)|*.bmp'; Opendialog1.InitialDir :='D:\'; if OpenPictureDialog1.Execute = true then

begin Fview.show; nama := OpenPictureDialog1.FileName; Fview.Image1.Picture.LoadFromFile(nama); end;

end; procedure TFjst.About1Click(Sender: TObject); begin

Fabout.Show; end; procedure TFjst.FormClose(Sender: TObject; var Action: TCloseAction); begin

Fload.Close; serial.SendByte(0); Application.Terminate;

end; procedure TFjst.CMAC1Click(Sender: TObject); begin

with mainmenu1.Items do begin Items[2].Items[0].Checked:=true; Items[2].Items[1].Checked:=false; Items[2].Items[2].Checked:=false; Items[2].Items[3].Checked:=false; Items[3].Items[0].Enabled:=true; Items[3].Items[1].Enabled:=false; end; cmac:=true; rbf:=false; closeloop:=false; openloop :=false;

end;

procedure TFjst.RBF1Click(Sender: TObject); begin

with mainmenu1.Items do begin Items[2].Items[0].Checked:=false; Items[2].Items[1].Checked:=true; Items[2].Items[2].Checked:=false; Items[2].Items[3].Checked:=false; Items[3].Items[0].Enabled:=false; Items[3].Items[1].Enabled:=true; end; cmac:=false; rbf:=true; closeloop:=false; openloop:=false;

end; procedure TFjst.CloseLoop1Click(Sender: TObject); begin

with mainmenu1.Items do begin Items[2].Items[0].Checked:=false; Items[2].Items[1].Checked:=false; Items[2].Items[2].Checked:=true; Items[2].Items[3].Checked:=false; Items[3].Items[0].Enabled:=false; Items[3].Items[1].Enabled:=false; end; cmac:=false; rbf:=false; closeloop:=true; openloop:=false;

end; procedure TFjst.FormCreate(Sender: TObject); begin

// Inisialisasi port serial serial.Port := pncom1; serial.BaudRateValue :=9600; serial.DataBits := db8bits; serial.StopBits := sb1bits; serial.SwFlow := sfnone; serial.Parity := ptnone; serial.Connect; serial.SendByte(0); // Inisialisasi komponen Mainmenu1.Items.Items[3].Items[0].Enabled:=false; Mainmenu1.Items.Items[3].Items[1].Enabled:=false; Chart1.BottomAxis.Maximum:=15; ScrollBar1.LargeChange:=batas_maks; ScrollBar1.Visible:=true; // Inisialisasi variabel dan bobot initbobot; init2rbf; dy:=0; dx:=0;

datax:=0; hitung:=0; online:=true; // Inisialisasi file yang digunakan untuk penyimpanan assignfile(F_cmac,'D:\data_cmac.txt'); rewrite(F_cmac); closefile(F_cmac); assignfile(F_rbf,'D:\data_rbf.txt'); rewrite(F_rbf); closefile(F_rbf); assignfile(F,'D:\data.xls'); rewrite(F); closefile(F); assignfile(F,'D:\data.xls'); append(F); writeln(F,'Sampling',#9,'Referensi',#9,'Out NN',#9,'Out Gain' ,#9,'Control u',#9,'Output',#9,'Error'); closefile(F);

end; procedure TFjst.Timer_cmacTimer(Sender: TObject); begin

// Baca output suhu plant---> masukan terkuantisasi serial.SendChar('#'); sleep(1); serial.ReadByte(output); // Hitung sinyal error dan output gain proporsional error:= (referensi/pembagi )- (output/51); controlP:=error*gain; // Kuantisasi input referensi intref:=kuant8bit(referensi); // Hitung keluaran cmac out_cmac:=0; for lyr:=1 to generalisasi do begin

alamat[lyr]:=generator_alamat(intref,output,lyr,generalisasi);

out_cmac:=out_cmac + memori_cmac[alamat[lyr]]; end; // Hitung sinyal kendali plant sinyal_kontrol:=controlP+out_cmac; lama:= hitung_milidetik(durasi); // Catat data ke file str((output*suhu_maks/255):2:2,datay); AssignFile(F,'d:\data.xls'); append(F); Writeln(F,inttostr(lama),#9,floattostr(referensi),#9,floattostr(out_cmac),#9,floattostr(controlP),#9,floattostr(sinyal_ kontrol),#9,datay,#9,floattostr((referensi/pembagi)-(output/51))); CloseFile(F); // Update bobot jaringan

for lyr:=1 to generalisasi do begin index:=alamat[lyr];

memori_cmac[index]:=memori_cmac[index] + laju_cmac * controlP/generalisasi;

end; // Kirim sinyal kontrol sinyalcontrol := round(sinyal_kontrol * 51); if sinyalcontrol > 255 then sinyalcontrol:= 255; if sinyalcontrol < 0 then sinyalcontrol:= 0; serial.SendByte(sinyalcontrol); Edit3.Text:=format('%4.1f',[output*(suhu_maks/255)]); // Plot grafik respon datax:=datax + 0.02; Chart1.series[0].SeriesColor:=clred; Chart1.Series[0].AddXY(datax,output*(suhu_maks/255)); Chart1.series[1].SeriesColor:=clblue; Chart1.Series[1].AddXY(datax,referensi); maksek:=Chart1.BottomAxis.Maximum; if datax>batas_maks then begin ScrollBar1.Max:=(Round(datax)-batas_maks)+1; ScrollBar1.Position:=ScrollBar1.Max; end;

end; procedure TFjst.ScrollBar1Change(Sender: TObject); var NewMax,NewMin:Integer; begin NewMax:=batas_maks+ScrollBar1.Position; NewMin:=ScrollBar1.Position; with Chart1.BottomAxis do //Kasus Max yang baru < Min yang lama if NewMax<Minimum then begin Minimum:=NewMin; Maximum:=NewMax; end else //Kondisi lain termasuk kasus Min yang baru > Max yang lama begin Maximum:=NewMax; Minimum:=NewMin; end; end; procedure TFjst.Connect1Click(Sender: TObject); begin

if Edit1.Text='' then messagedlg('Isi referensi dulu mas!!',mtinformation,[mbok],0) else

begin if cmac=true then begin

if generalisasi = 0 then messagedlg('Setting parameter CMAC dulu', mtinformation,[mbok],0) else begin initbobot; Timer_cmac.Enabled:=true; connect:=true; end;

end else if rbf=true then begin

if sum_basis = 0 then messagedlg('Setting parameter RBF dulu', mtinformation,[mbok],0) else begin init2rbf; Timer_rbf.Enabled:=true; connect:=true; end;

end else if closeloop=true then begin

Timer_clp.Enabled:=true; connect:=true; end else if openloop=true then begin Timer_akuisisi.Enabled:=true; connect:=true;

end else messagedlg('Pilih controller yang digunakan dulu !', mtinformation,[mbok],0); end; mulai:=now; timer_clock.Enabled:=true; serial.Connect;

end; procedure TFjst.Disconnect1Click(Sender: TObject); begin

timer_clock.Enabled:=false; lama:= hitung_milidetik(durasi); serial.Disconnect; if cmac=true then begin Timer_cmac.Enabled:=false; AssignFile(F_cmac,'d:\data_cmac.txt'); append(F_cmac); for i:=1 to 15000 do

Writeln(F_cmac,memori_cmac[i]:5:4); CloseFile(F_cmac); end else if rbf=true then begin Timer_rbf.Enabled:=false; AssignFile(F_rbf,'d:\data_rbf.txt'); append(F_rbf); for i:=1 to sum_basis do Writeln(F_rbf,w[i,i]:5:4); Writeln(F_rbf,wb:5:4); CloseFile(F_rbf);

end else if closeloop=true then Timer_clp.Enabled:=false; online:=false; connect:=false; timer_akuisisi.Enabled := false; serial.SendByte(0);

end; procedure TFjst.Reset1Click(Sender: TObject); begin serial.Connect; assignfile(F_cmac,'D:\data_cmac.txt'); rewrite(F_cmac); closefile(F_cmac); assignfile(F_rbf,'D:\data_rbf.txt'); rewrite(F_rbf); closefile(F_rbf); assignfile(F,'D:\data.xls'); rewrite(F); closefile(F); assignfile(F,'D:\data.xls'); append(F);

writeln(F,'Sampling',#9,'Referensi',#9,'Out NN',#9,'Out Gain',#9,'Control u',#9,'Output',#9,'Error');

closefile(F); lama:=0; Chart1.BottomAxis.minimum := 0; Chart1.BottomAxis.maximum :=graph_maks; Chart1.series[0].Clear; Chart1.series[1].Clear; datax :=0; ScrollBar1.Visible := true; initbobot; dy:=0; dx:=0; init2rbf; initbobot; serial.SendByte(0); timer_monitor.Enabled:=true; end;

procedure TFjst.BitBtn4Click(Sender: TObject); begin if cmac = true then begin AssignFile(F_cmac,'D:\data_cmac.txt'); Reset(F_cmac); for i:=1 to 15000 do begin Readln(F_cmac,memori_cmac[i]); end; CloseFile(F_cmac); assignfile(F_cmac,'D:\data_cmac.txt'); rewrite(F_cmac); closefile(F_cmac); end else if rbf=true then begin AssignFile(F_rbf,'D:\data_rbf.txt'); Reset(F_rbf); for i:=1 to sum_basis do Readln(F_rbf,w[i,i]); Readln(F_rbf,wb); CloseFile(F_rbf); assignfile(F_rbf,'D:\data_rbf.txt'); rewrite(F_rbf); closefile(F_rbf); end; end; procedure TFjst.SaveWeight1Click(Sender: TObject); var cmac_weight:string; begin

if cmac = true then begin SaveDialog1.Title :='Save Weight of CMAC'; SaveDialog1.Filter :='Text File(*.cmac)|*.cmac'; SaveDialog1.InitialDir:='D:\'; if Fjst.SaveDialog1.Execute=true then begin

assignfile(F_cmac,Fjst.SaveDialog1.FileName + '.cmac');

rewrite(F_cmac); closefile(F_cmac);

AssignFile(F_cmac,Fjst.SaveDialog1.FileName + '.cmac');

append(F_cmac); for i:=1 to 15000 do begin Writeln(F_cmac,memori_cmac[i]:5:4); end; CloseFile(F_cmac); end;

end else if rbf = true then

begin SaveDialog1.Title :='Save Weight of RBF';

SaveDialog1.Filter :='Text File(*.rbf)|*.rbf'; SaveDialog1.InitialDir:='D:\'; if SaveDialog1.Execute=true then begin assignfile(F_rbf,SaveDialog1.FileName + '.rbf'); rewrite(F_rbf); closefile(F_rbf); AssignFile(F_rbf,SaveDialog1.FileName + '.rbf'); append(F_rbf); for i:=1 to sum_basis do Writeln(F_rbf,w[i,i]:5:4); Writeln(F_rbf,wb); CloseFile(F_rbf); end;

end; end; procedure TFjst.Timer_rbfTimer(Sender: TObject); begin

// Baca output suhu plant serial.SendChar('#'); sleep(1); serial.ReadByte(output); // Hitung sinyal error dan output gain proporsional error:= (referensi/pembagi )- (output/51); controlP:=error*gain; // berupa Tegangan // Hitung keluaran RBF orde 2 dy:=output/51; dx:=referensi/pembagi; out_rbf:=outrbforde2(dx,dy); // Hitung sinyal kontrol plant sinyal_kontrol:=controlP+out_rbf; // Kirim sinyal kontrol sinyalcontrol := round(sinyal_kontrol * 51); if sinyalcontrol > 255 then sinyalcontrol:= 255; if sinyalcontrol < 0 then sinyalcontrol:= 0; serial.SendByte(sinyalcontrol); Edit3.Text:=format('%4.1f',[output*(suhu_maks/255)]); lama:= hitung_milidetik(durasi); // Catat data ke file str((output*suhu_maks/255):2:2,datay); AssignFile(F,'d:\data.xls'); append(F); Writeln(F,inttostr(lama),#9,floattostr(referensi),#9,floattostr(out_rbf),#9,floattostr(controlP),#9,floattostr(sinyal_ kontrol),#9,inttostr(round(output*suhu_maks/255)),#9,floattostr(referensi-(output*suhu_maks/255))); CloseFile(F); // Update bobot RBF for i:=1 to sum_basis do w[i,i]:=w[i,i] +laju_rbf*controlP*outb[i,i]/( sum_basis+1);

// Update bobot basis wb wb:=wb+laju_rbf*controlP/(sum_basis+1); // Plot grafik respon datax:=datax + 0.02; Chart1.series[0].SeriesColor:=clred; Chart1.Series[0].AddXY(datax,output*(suhu_maks/255)); Chart1.series[1].SeriesColor:=clblue; Chart1.Series[1].AddXY(datax,referensi); maksek:=Chart1.BottomAxis.Maximum; if datax>batas_maks then

begin ScrollBar1.Max:=(Round(datax)-batas_maks)+1; ScrollBar1.Position:=ScrollBar1.Max;

end; end; procedure TFjst.BitBtn1Click(Sender: TObject); begin

connect1click(sender); end; procedure TFjst.BitBtn2Click(Sender: TObject); begin

Disconnect1Click(Sender); end; procedure TFjst.BitBtn3Click(Sender: TObject); begin

Reset1Click(Sender); end; procedure TFjst.Timer_clpTimer(Sender: TObject); begin

// ambil data referensi dan gangguan referensi:=strtofloat(Fjst.edit1.text); // baca output suhu serial.SendChar('#'); sleep(1); serial.ReadByte(output); // Hitung sinyal error dan output gain proporsional (level tegangan) error:= (referensi/pembagi )- (output/51); sinyal_kontrol:=error; // Definisikan sinyal kontrol sinyalcontrol := round(sinyal_kontrol * 51); if sinyalcontrol > 255 then sinyalcontrol:= 255; if sinyalcontrol <0 then sinyalcontrol:=0; Serial.SendByte(sinyalcontrol); Edit3.Text:=format('%4.1f',[output*(suhu_maks/255)]); lama:= hitung_milidetik(durasi); // Catat data ke file

AssignFile(F,'d:\data.xls'); append(F); Writeln(F,inttostr(lama),#9,floattostr(referensi),#9,floattostr(sinyal_kontrol),#9,inttostr(round(output*suhu_maks/255)),#9,floattostr(referensi-(output*suhu_maks/255))); CloseFile(F); // Plot grafik respon datax:=datax + 0.02; Chart1.series[0].SeriesColor:=clred; Chart1.Series[0].AddXY(datax,output*(suhu_maks/255)); Chart1.series[1].SeriesColor:=clblue; Chart1.Series[1].AddXY(datax,referensi); maksek:=Chart1.BottomAxis.Maximum; if datax>batas_maks then

begin ScrollBar1.Max:=(Round(datax)-batas_maks)+1; ScrollBar1.Position:=ScrollBar1.Max;

end; end; procedure TFjst.LoadWeight1Click(Sender: TObject); begin

Opendialog1.Filter :='Cmac Files (*.cmac)|*.cmac|Rbf Files (*.rbf)|*.rbf'; Opendialog1.InitialDir:='D:\'; OpenDialog1.Title :='Load Weight of NN'; if Opendialog1.Execute = true then begin

if cmac = true then begin AssignFile(F_cmac,Opendialog1.FileName); Reset(F_cmac); for i:=1 to 15000 do begin Readln(F_cmac,memori_cmac[i]); end; CloseFile(F_cmac);

end else if rbf=true then begin

AssignFile(F_rbf,Opendialog1.FileName); Reset(F_rbf); for i:=1 to sum_basis do Readln(F_rbf,w[i,i]); Readln(F_rbf,wb); CloseFile(F_rbf); end; end;

end; procedure TFjst.SavePicture1Click(Sender: TObject); var namafile:string; begin

SaveDialog1.Filter := 'Picture File(*.bmp)|*.bmp'; SaveDialog1.InitialDir:='D:\'; SaveDialog1.FileName:=file_report; if SaveDialog1.Execute=true then

begin chart1.bottomaxis.Minimum :=0; chart1.BottomAxis.Maximum := maksek; namafile := SaveDialog1.FileName; Chart1.SaveToBitmapFile(namafile + '.bmp');

end; end; procedure TFjst.Exit1Click(Sender: TObject); begin application.Terminate; end; procedure TFjst.Setting2Click(Sender: TObject); begin Fserial.show; end; procedure TFjst.Timer_akuisisiTimer(Sender: TObject); begin

referensi:=strtofloat(Fjst.edit1.text); serial.SendByte(round(referensi*(255/suhu_maks))); serial.SendChar('#'); sleep(1); serial.ReadByte(output); Edit3.Text:=format('%4.1f',[output*(suhu_maks/255)]); lama:= hitung_milidetik(durasi); // Catat data ke file AssignFile(F,'d:\data.xls'); append(F); Writeln(F,floattostr(lama),#9,inttostr(round(output*suhu_maks/255))); CloseFile(F); // Plot grafik respon datax:=datax + 0.02; Chart1.series[0].SeriesColor:=clred; Chart1.Series[0].AddXY(datax,output*(suhu_maks/255)); Chart1.series[1].SeriesColor:=clblue; Chart1.Series[1].AddXY(datax,referensi); maksek:=Chart1.BottomAxis.Maximum; if datax>batas_maks then begin ScrollBar1.Max:=(Round(datax)-batas_maks)+1; ScrollBar1.Position:=ScrollBar1.Max;

end; end; procedure TFjst.serialReceiveData(Sender: TObject; DataPtr: Pointer;DataSize: Cardinal); var

DataStr : String; BacaData : char; begin If DataSize = 0 Then begin Ftest.Button1.Enabled := false;; exit; end; Repeat BacaData := char(DataPtr^); Ftest.Memo1.SelText:=bacadata; Inc(Dword(DataPtr)); Dec(DataSize); inc(i); Until DataSize = 0; Ftest.Button1.Enabled := true;; end; procedure TFjst.Timer_monitorTimer(Sender: TObject); begin

serial.SendChar('#'); sleep(1); serial.ReadByte(output); Edit3.Text:=format('%4.1f',[output*(suhu_maks/255)]);

end; procedure TFjst.OpenLoop1Click(Sender: TObject); begin

with mainmenu1.Items do begin

Items[2].Items[0].Checked:=false; Items[2].Items[1].Checked:=false; Items[2].Items[2].Checked:=false; Items[2].Items[3].Checked:=true; Items[3].Items[0].Enabled:=false; Items[3].Items[1].Enabled:=false; end; cmac:=false; rbf:=false; close loop:=false; openloop:=true;

end; procedure TFjst.Button1Click(Sender: TObject); begin referensi:=strtofloat(Fjst.edit1.text); end; procedure TFjst.SaveData1Click(Sender: TObject); begin SaveDialog1.Title :='Save Report'; SaveDialog1.Filter :='Excel File(*.xls)|*.xls'; SaveDialog1.InitialDir:='D:\'; if Fjst.SaveDialog1.Execute=true then begin assignfile(berkas_sumber,'d:\data.xls');

reset(berkas_sumber,1); assignfile(berkas_target,Savedialog1.FileName+'.xls'); rewrite(berkas_target,1); repeat blockread(berkas_sumber,buffer,ukuran,sum_baca); if sum_baca <> 0 then blockwrite(berkas_target,buffer,sum_baca, sum_rekam); until (sum_baca < ukuran ) or (Sum_baca <> sum_rekam); closefile(berkas_sumber); closefile(berkas_target); end; end; procedure TFjst.Button2Click(Sender: TObject); begin serial.SendByte(200); end; procedure TFjst.Timer_clockTimer(Sender: TObject); begin durasi:=now-mulai; end; procedure TFjst.Help1Click(Sender: TObject); begin Application.HelpFile := 'ONLINE.hlp'; Application.HelpCommand(HELP_CONTENTS, 0); end; end.

A.3 Form Test Serial (Ftest) unit Utest; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms, Dialogs, StdCtrls, ExtCtrls, CPDrv;

type TFtest = class(TForm) Edit1: TEdit; Button1: TButton; Edit2: TEdit; Label3: TLabel; Shape1: TShape; Label1: TLabel; Label2: TLabel; Memo1: TMemo; Button3: TButton; Timer_baca: TTimer; procedure Button3Click(Sender: TObject); procedure FormCreate(Sender: TObject);


procedure Button2Click(Sender: TObject); procedure Button1Click(Sender: TObject); procedure Timer_bacaTimer(Sender: TObject); private { Private declarations } public { Public declarations } end; var Ftest: TFtest; i: real; implementation uses Ujst; {$R *.dfm} procedure TFtest.Button3Click(Sender: TObject); begin

Fjst.serial.Connect; Fjst.serial.SendChar('!'); memo1.Lines.Add('Status Koneksi : ')

end; procedure TFtest.FormCreate(Sender: TObject); begin

memo1.clear; memo1.Lines.Add('Status Koneksi : '); Ftest.Button1.Enabled := false;

end; procedure TFtest.FormClose(Sender: TObject; var Action: TCloseAction); begin

memo1.Clear; Ftest.Button1.Enabled :=false;

end; procedure TFtest.Button2Click(Sender: TObject); begin

Fjst.serial.SendChar('!'); sleep(1); Fjst.serial.ReadByte(output); edit2.Text:=floattostr(output/51);

end; procedure TFtest.Button1Click(Sender: TObject); begin

i:=strtofloat(edit1.text); Fjst.serial.SendByte(round(i*51)); Ftest.Timer_baca.Enabled := true;

end; procedure TFtest.Timer_bacaTimer(Sender: TObject); begin

Fjst.serial.SendChar('#');

sleep(1); Fjst.serial.ReadByte(output); Ftest.Edit2.Text:=floattostr((output/51));

end; end.

A.4 Form Setting Serial (Fserial) unit Userial; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,Dialogs, StdCtrls, ExtCtrls, CPDrv, Ujst;

type TFserial = class(TForm) Panel1: TPanel; Label1: TLabel; ComboBox1: TComboBox; ComboBox2: TComboBox; ComboBox3: TComboBox; ComboBox4: TComboBox; Label2: TLabel; Label3: TLabel; Label4: TLabel; Label5: TLabel; ComboBox5: TComboBox; Label7: TLabel; Button1: TButton; procedure Button1Click(Sender: TObject); procedure FormCreate(Sender: TObject); private { Private declarations } public { Public declarations } end; var Fserial: TFserial; implementation {$R *.dfm} procedure TFserial.Button1Click(Sender: TObject); begin

case combobox1.itemindex of 0 : nama_port := pncom1; 1 : nama_port := pncom2;

end; case combobox2.itemindex of

0 : baudrate := 1200; 1 : baudrate := 2400; 2 : baudrate := 9600;


0 : databits := db7bits; 1 : databits := db8bits;


0 : parity := ptNONE; 1 : parity := ptODD; 2 : parity := ptEVEN;


0 : stopbits := sb1bits; 1 : stopbits := sb2bits;

end; with Fjst do begin

serial.Port := nama_port; serial.BaudRateValue :=baudrate; serial.DataBits := databits; serial.StopBits := stopbits; serial.SwFlow := sfnone; serial.Parity := parity; serial.Connect; serial.SendByte(0);

end; sleep(5); close;

end; procedure TFserial.FormCreate(Sender: TObject); begin Fjst.serial.Disconnect; end; end. A.5 Form Setting Parameter CMAC (Fcmac) unit Ucmac; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms, Dialogs, StdCtrls, Buttons, ExtCtrls, Spin;

type TFcmac = class(TForm) Shape1: TShape; Label1: TLabel;

Label2: TLabel; Label3: TLabel; Edit1: TEdit; Edit2: TEdit; BitBtn1: TBitBtn; Edit3: TEdit; Label4: TLabel; procedure BitBtn1Click(Sender: TObject); procedure FormCreate(Sender: TObject); private { Private declarations } public { Public declarations } end; var Fcmac: TFcmac; implementation uses Ujst; {$R *.dfm} procedure TFcmac.BitBtn1Click(Sender: TObject); begin

gain:=strtofloat(Edit2.text); generalisasi:=strtoint(Edit1.Text); laju_cmac:=strtofloat(Edit3.Text); sleep(50); Fcmac.Close;

end; procedure TFcmac.FormCreate(Sender: TObject); begin

Edit1.Text:='25'; Edit2.Text:='2'; Edit3.Text:='0.1';

end; end. A.6 Form Setting Parameter RBF (Frbf) unit Urbf; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,Dialogs, StdCtrls, ExtCtrls, Buttons;

type TFrbf = class(TForm) Shape1: TShape; Edit1: TEdit; Edit2: TEdit; Label1: TLabel; Label2: TLabel;

Label3: TLabel; BitBtn1: TBitBtn; Edit3: TEdit; Label4: TLabel; procedure BitBtn1Click(Sender: TObject); procedure BitBtn2Click(Sender: TObject); procedure FormCreate(Sender: TObject); private { Private declarations } public { Public declarations } end; var Frbf: TFrbf; i:integer; implementation uses Ujst; {$R *.dfm} procedure TFrbf.BitBtn1Click(Sender: TObject); begin

sum_basis:=strtoint(Edit1.Text); gain:=strtofloat(Edit2.text); laju_rbf:=strtofloat(Edit3.Text); jumlah_basis:=sum_basis; sleep(50); Frbf.Close;

end; procedure TFrbf.BitBtn2Click(Sender: TObject); begin Frbf.Close; end; procedure TFrbf.FormCreate(Sender: TObject); begin

Edit1.Text:='4'; Edit2.Text:='2'; Edit3.Text:='0.1';

end; end. A.7 Form Load Picture (Fview) unit Uview; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,Dialogs, jpeg, ExtCtrls;

type TFview = class(TForm) Image1: TImage; private { Private declarations } public { Public declarations } end; var Fview: TFview; implementation {$R *.dfm} end. A.7 Form About (Fabout) unit Uabout; interface uses

Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,Dialogs, jpeg, ExtCtrls, StdCtrls, Menus;

type TFabout = class(TForm) Image1: TImage; Shape1: TShape; Label1: TLabel; Label2: TLabel; Label3: TLabel; Label4: TLabel; PopupMenu1: TPopupMenu; Close1: TMenuItem; procedure Close1Click(Sender: TObject); private { Private declarations } public { Public declarations } end; var Fabout: TFabout; implementation {$R *.dfm} procedure TFabout.Close1Click(Sender: TObject); begin close; end; end.

LAMPIRAN B

TAMPILAN PROGRAM

B.1 Tampilan Fload

B.2 Tampilan Fserial

B.3 Tampilan Fjst

B.4 Tampilan Ftest

B.5 Tampilan Fcmac

B.6 Tampilan Frbf

B.7 Tampilan Fabout

B.8 Tampilan Help

LAMPIRAN D

HASIL PENGUJIAN PERANGKAT KERAS

D.1 Hasil Pengujian DAC 0808

Tegangan Kirim PC

(Volt)

Keluaran DAC

(Volt)

0,0 0,00

0,5 0,50

1,0 0,99

1,5 1,49

2,0 1,99

2,5 2,51

3,0 3,00

3,5 3,49

4,0 4,00

4,5 4,51

5,0 5,00

D.2 Hasil Pengujian ADC 0804

Tegangan Input

(Volt)

Pembacaan ADC

(Volt)

0,0 0,000

0,5 0,509

1,0 1,000

1,5 1,490

2,0 2,000

2,5 2,509

3,0 3,000

3,5 3,509

4,0 4,019

4,5 4,529

5,0 5,000

D.3 Hasil Pengujian Pengkondisi Sinyal I ( Pengubah level tegangan 0 – 5

Volt menjadi -5 – 5 Volt )

Tegangan Input

(Volt)

Keluaran Pengkondisi

Sinyal I (Volt)

0,0 - 4,80

0,5 - 3,84

1,0 - 2,91

1,5 - 1,97

2,0 - 1,01

2,5 0,04

3,0 0,88

3,5 1,81

4,0 2,78

4,5 3,75

5,0 4,67

D.4 Hasil Pengujian Pengkondisi Sinyal II ( Penguat 3,33 kali )

Tegangan Input

(Volt)

Keluaran Pengkondisi

Sinyal II (Volt)

0,0 0,00

0,2 0,65

0,4 1,32

0,6 2,00

0,8 2,65

1,0 3,33

1,2 4,00

1,4 4,65

1,6 5,33

1,8 6,00

2,0 6,64

D.5 Hasil Pengujian Rangkaian Driver PWM

Tegangan Kirim PC

(Volt)

Pembacaan ADC

(Volt)

0,0 12,20

0,5 15,90

1,0 20,10

1,5 24,10

2,0 27,90

2,5 31,80

3,0 36,20

3,5 39,40

4,0 43,00

4,5 44,80

5,0 46,20

cerebellar model articulation controller) dan rbf (radial ... · tugas akhir diajukan guna...

Documents