Program Pengendali Kipas Angin Berdasarkan Suhu dan Kelembaban Menggunakan Logika Fuzzy
Keywords:
Kipas Angin, Fuzzy Logic, Suhu, Metode Mamdani, Kelembaban, Metode Tsukamoto, KecepatanAbstract
Pemanasan global yang menyebabkan perubahan iklim yang tidak stabil dan peningkatan permukaan laut yang dikarenakan emisi gas rumah kaca, seperti metana dan karbondioksida, akibat aktivitas manusia. Melalui Program Pengendalian Kecepatan Kipas Angin dengan logika fuzzy berdasarkan Suhu dan Kelembaban memiliki manfaat dalam menghemat energi listrik, mengurangi dampak pemanasan global, serta meningkatkan efisiensi energi. Fuzzy Inference System atau FIS adalah suatu bagian yang penting dalam logika fuzzy yang pemetaannya didapatkan oleh beberapa aturan atau rules IF-THEN, logika fuzzy ini dapat mengambil keputusan dan membedakan pola.
Dalam logika fuzzy terdapat tiga metode yang sering digunakan, diantaranya yaitu metode Tsukamoto, Mamdani, dan Sugeno. yang membedakannya adalah agregasi, defuzzifikasi dan konsekuensi aturan fuzzy. Penerapan metode fuzzy Mamdani dan Tsukamoto dalam Program Pengendali Kipas Angin, memiliki 2 input yaitu suhu dan kelembaban yang memiliki nilai himpunan berupa suhu dingin, suhu hangat, suhu panas, kelembaban kering, kelembaban normal, serta kelembaban basah yang akan menghasilkan sebuah output kecepatan yang memiliki nilai himpunan kecepatan lambat, kecepatan sedang, kecepatan cepat.
Pengujian tingkat keakuratan metode Mamdani dan Tsukamoto memperoleh nilai akurasi sebesar 73,27737824964979% untuk metode Mamdani dan 73,2775468129201% untuk metode Tsukamoto dengan selisih nilai keakuratan sekitar 0,000168 persen. Metode Tsukamoto memiliki tingkat akurasi yang lebih besar daripada metode mamdani pada program pengendali kipas angin berdasarkan suhu dan kelembaban.
References
O. Rian, Yulanda, Putra and I. Yuda, "Penerapan Alat Kendali Kipas Angin Menggunakan Microcontroller Arduino Mega 2560 dan Sensor DHT22 Berbasis Android," Riau Journal of Computer Science, vol. VI, no. 02, pp. 101-106, 2020.
A. Muhammad and Z. Masdania, "Perancangan Pengendali Suhu Ruangan Kelas di Universitas Muhammadiyah Sumatera Utara," Semnastek UISU, pp. 80-89, 2021.
Hanifah, "Suhu Ruangan Normal dan Ideal Untuk Aktivitas Sehari-hari. Bisa Meningkatkan Kenyamanan!," 99.co, 26 April 2023. [Online]. Available: https://berita.99.co/suhu-ruangan-normal/. [Accessed 20 June 2023].
BKMG, "Perkiraan Cuaca Surabaya," bmkg.co.id, 1 June 2023. [Online]. Available: https://www.bmkg.go.id/cuaca/prakiraan-cuaca.bmkg?kab=Surabaya&Prov=Jawa_Timur&AreaID=501306. [Accessed 20 June 2023].
M. Yuwelni, Penerapan Prinsip Ergonomi di Ruangan Penyimpanan Berkas Rekam Medis, Makassar: Sekolah Tinggi Ilmu Kesehatan Panakkukang Makassar, 2020.
IQAir, "Kualitas Udara di Kota Surabaya," IQAir, 1 June 2023. [Online]. Available: https://www.iqair.com/id/indonesia/east-java/surabaya. [Accessed 20 June 2023].
T. R. Dian and S. Eko, "Kadar Suhu dan Kelembaban di Ruang Produksi Wedang uwuh Universitas Sarjanawiyata Tamansiswa," Industrial Engineering Journal of The University of Sarjanawiyata Tamansiswa, vol. IV, no. 2, pp. 70-78, 2020.
P. Indah and R. Muhammad, "Rancang Bangun Pengendali Kipas Angin Berbasis Mikrokontroller Atmega 16 Melalui Aplikasi Android Dengan Bluetooth," Simetris, vol. X, no. 1, pp. 147-160, 2019.
N. I. F. Yusuf and S. Asep, "Alat Monitoring Suhu dan Kelembaban Menggunakan Arduino Uno," Manajemen dan Teknik Informatika, vol. II, no. 1, pp. 161-171, 2018.
Trivusi, "Perbedaan Fuzzy Inference System: Mamdani, Sugenp, dan Tsukamoto," Trivusi, 09 October 2022. [Online]. Available: https://www.trivusi.web.id/2022/10/metode-inferensi-fuzzy.html. [Accessed 20 June 2023].
Rudito Pujiarso Nugroho, Budi Darma Setiawan, M. Tanzil Furqon, “Penerapan Metode Fuzzy Tsukamoto untuk Menentukan Harga Sewa Hotel (Studi Kasus: Gili Amor Boutique Resort, Dusun Gili Trawangan, Nusa Tenggara Barat),” Jurnal Pengembangan Teknologi lnformasi dan llmu Komputer, vol. III, no. 3, pp. 2581-2588, 2019.
M. Adib Al Karomi, “Fuzzifikasi Data untuk Normalisasi Atribut dalamPerhitungan Algoritma K-Nearest Neighbour,” Jurnal STMKIK Widya Pratama, vol. VIII, no. 1, pp. 61-65, 2018.
Sesar Husen Santosa, Agung Prayudha Hidayat, “Model Penentuan Jumlah Pesanan Pada Aktifitas Supply ChainTelur Ayam Menggunakan Fuzzy Logic,” Jurnal Ilmiah Teknik Industri, vol. XVIII, no. 2, pp. 224-235, 2019.
Sari, A.P., Suzuki, H., Kitajima, T., Yasuno, T., Prasetya, D.A. and Arifuddin, R. (2022), Short-Term Wind Speed and Direction Forecasting by 3DCNN and Deep Convolutional LSTM. IEEJ Trans Elec Electron Eng, 17: 1620-1628.
Ummi Athiyah, Adela Putri Handayani, Muhammad Yusril Aldean, Novantri Prasetya Putra, Rafian Ramadhan, “Sistem Inferensi Fuzzy : Pengertian, Penerapan, dan Manfaatnya,” Jurnal Of Dinda, vol. I, no. 2, pp. 73-76, 2021.
Isnaini Muhandhis, Alven S. Ritonga, M. Harist Murdani, “Implementasi Metode Inferensi Fuzzy Tsukamoto Untuk Memprediksi Curah Hujan Dasarian Di Sumenep,” Jurnal Ilmiah Edutic, vol. VIII, no. 1, pp. 1-10, 2021.
P. S. Anggraini, A. H. Ermanu, A. P. Dwi, A. Rahman and D. P. A. Puput, "Sistem Prediksi Kecepatan dan Arah Angin Menggunakan Bidirectional Long Short-Tem Memory," Seminar Keinsinyuran, vol. 1, no. 1, pp. 6-16, 2021.
