Implementasi Kalman Filter dan Logika Fuzzy untuk Kontrol Adaptif Kecepatan Kipas Berdasarkan Suhu

Kholisa Muthi Maslahati; Isna Bagus Purnawan; Muhammad Irfan Aprianto; Ahmad Taufiq Musaddid

doi:10.30595/jrre.v7i2.27212

Authors

Kholisa Muthi Maslahati Universitas Negeri Yogyakarta
Isna Bagus Purnawan
Muhammad Irfan Aprianto
Ahmad Taufiq Musaddid

DOI:

https://doi.org/10.30595/jrre.v7i2.27212

Keywords:

Kalman Filter, Logika Fuzzy., LM35, Kontrol Kipas, Filter Kalman, Fuzzy Logic, Fan Control, Control System

Abstract

Sistem kontrol suhu ruangan dengan memanfaatkan energi secara adaptif terhadap perubahan suhu ruangan merupakan sesuatu yang penting untuk kenyamanan aktivitas manusia. Namun, ketidakakuratan pembacaan sensor oleh derau sinyal akan menurunkan akurasi sistem kontrol. Tujuan penelitian ini tidak lain untuk mengembangkan sistem kontrol suhu ruangan berbasis Kalman Filter sebagai stabilitas pembacaan sensor dan pengambilan keputusan dengan Metode Tsukamoto dalam logika fuzzy. Pada eksperimen ini digunakan sensor LM35 untuk mengukur suhu dalam dan luar ruangan, arduino nano sebagai kontroler digunakan untuk memroses data, dan motor DC JGA sebagai aktuator sistem. Hasil eksperimen menunjukkan kecepatan kipas dapat bekerja secara responsif dengan integrasi Kalman Filter dan logika fuzzy. Walaupun demikian, evaluasi kinerja kalman filter mengindikasikan bahwa penentuan parameter (Q dan R) yang digunakan sangat berdampak pada tingkat kemampuan dalam mereduksi sinyal derau dari lingkungan sekitarnya.

Author Biographies

Isna Bagus Purnawan

Mahasiswa Program Studi Teknik Elektronika, Universitas Negeri Yogyakarta

Muhammad Irfan Aprianto

Mahasiswa Program Studi Teknik Elektronika, Universitas Negeri Yogyakarta

Ahmad Taufiq Musaddid

Dosen Pembimbing Jurusan Teknik Elektronika, Universitas Negeri Yogyakarta

References

[1] G. H. Merabet et al., “Intelligent Building Control Systems for Thermal Comfort and Energy-Efficiency : A Systematic Review of Artificial Intelligence-Assisted Techniques,” Renew. Sustain. Energy Rev., 2021, doi: 10.1016.

[2] B. T. Haryanto, D. Susilo, S. H. Anwariningsih, P. S. Informatika, U. S. Surakarta, and J. A. Sucipto, “Pengaturan Kipas Angin Otomatis menggunakan Sensor LM35 Berbasis Arduino di Sate Kambing Mbak Wid,” J. Ilm. Sains dan Teknol., vol. 3, pp. 1–12, 2021.

[3] P. T. Elektro, J. T. Elektro, and F. Teknik, “Implementasi filter kalman dan logika fuzzy pada sistem kendali motor servo,” Universitas Negeri Semarang, 2020.

[4] A. Microcontroller, “Target Areas,” Lancet, vol. 300, no. 7770, p. 222, 1972, doi: 10.1016/S0140-6736(72)91649-2.

[5] Texas Instrument, “LM35 Precision Centigrade Temperature Sensors Literature Number: SNIS159B,” 2013, [Online]. Available: www.national.com

[6] Seeed Studio, “JGA25-370 Geared Motor,” Seeed Technol. Co., Ltd, 2019, [Online]. Available: https://www.seeedstudio.com/JGA25‐370‐Geared‐Motor‐p‐4119.html/8‐14‐1%0Ahttps://media.digikey.com/pdf/Data Sheets/Seeed Technology/114090046_Web.pdf

[7] C. Urrea and R. Agramonte, “Kalman Filter : Historical Overview and Review of Its Use in Robotics 60 Years after Its Creation,” Hindawi J. Sens., vol. 2021, no. 1, 2021, doi: 10.1155/2021/9674015.

[8] P. A. Topan, “Optimasi Pengukuran Suhu Sensor LM35 Menggunakan Kalman Filter,” vol. 9, no. 2, pp. 141–147, 2022.

[9] A. R. Fayek, D. Ph, P. Eng, and M. Asce, “Fuzzy Logic and Fuzzy Hybrid Techniques for Construction Engineering and Management,” ASCE, vol. 146, no. 7, pp. 1–12, 2020, doi: 10.1061/(ASCE)CO.1943-7862.0001854.

[10] BSN, Tata Cara Perancangan Sistem Ventilasi dan Pengkondisian Udara pada Bangunan Gedung. 2001. [Online]. Available: https://pdfdokumen.com/download/sni-03-6572-2001-tata-cara-perencanaan-sistem-ventilasi-dan-pengkondisian-udara-pada-bangunan-gedung_5a38b43d1723dda9dc05a37e_pdf

[11] M. Handayani, “Persepsi Masyarakat Terkait Kenyamanan Termal Di Pemukiman Padat (Non-AC) Kecamatan Dukuh Pakis Kota Surabaya,” Swara Bhumi, vol. 4, pp. 1–7, 2016.

[12] G. B. D. Prasanda, W. N. P. Sunaryo, D. C. R. Novitasari, A. Z. Arifin, and A. Fanani, “Penerapan Fuzzy Inference System dalam Pengoptimalan Suhu Ruangan pada Double Air Cinditioner (AC) secara Otomatis,” MATH Vis., vol. 01, no. 01, pp. 12–17, 2019.

[13] R. Rumfot, Y. A. Lesnussa, and D. L. Rahakbauw, “Perbandingan Metode Fuzzy Mamdani, Sugeno Dan Tsukamoto Untuk Menentukan Jumlah Produksi Batu Pecah,” MATHunesa J. Ilm. Mat., vol. 12, no. 1, pp. 157–168, 2024, doi: 10.26740/mathunesa.v12n1.p157-168.

[14] T. P. Sihaloho, M. K. M. Nasution, and Z. Situmorang, “Level of student satisfaction on lecturer performance with fuzzy inference system (FIS) tsukamoto method,” IOP Conf. Ser. Mater. Sci. Eng., vol. 725, no. 1, 2020, doi: 10.1088/1757-899X/725/1/012130.

[15] Sunardi, A. Yudhana, and Furizal, “Tsukamoto Fuzzy Inference System on Internet of Things-Based for Room Temperature and Humidity Control,” IEEE ACCESS, vol. 11, pp. 6209–6227, 2023, doi: 10.1109/ACCESS.2023.3236183.

[16] U. Al Gharany, Endryansyah, R. R. H. P. A. Tjahyaningtijas, and M. Rohman, “Perbaikan Unjuk Kerja Sistem Kontrol Long Travel Gantry Crane dengan Metode Fuzzy Logic,” J. Tek. Elektro, vol. 13, no. 3, pp. 256–264, 2024.

[17] D. Setiyawan, A. Arbansyah, and A. J. Latipah, “Fuzzy Inference System Metode Tsukamoto Untuk Penentuan Program Studi Fakultas Sains Dan Teknologi Di Universitas Muhammadiyah Kalimantan Timur,” JIKO (Jurnal Inform. dan Komputer), vol. 7, no. 1, p. 23, 2023, doi: 10.26798/jiko.v7i1.657.