FUZZY LOGIC 2 (M A T L A B)

sumber : buku

Suatu perusahaan makanan kaleng memproduksi jenis makanan ABC. Dari data satu bulan terakhir :

1. Permintaan terbesar mencapai 5000 kemasan/hari

2. Permintaan terkecil mencapai 1000 kemasan/hari

3. Persediaan barang di gudang terbanyak sampai 600 kemasan/hari

4. Persediaan barang di gudang terkecil sampai 600 kemasan/hari

5. Produksi barang maksimum dengan segala keterbatasannya mencapai 7000 kemasan/hari

6. Produksi barang minimum demi efisiensi mesin dan SDM mencapai 2000 kemasan/hari

Proses produksi perusahaan ini mengikuti aturan :

1. Bila permintaan turun dan persediaan banyak, maka produksi barang berkurang
2. Bila permintaan turun dan persediaan sedikit, maka produksi barang berkurang
3. Bila permintaan naik dan persediaan banyak, maka produksi barang bertambah
4. Bila permintaan naik dan persediaan sedikit, maka produksi barang bertambah

Permasalahan :

Berapa kemasan makanan yang harus diproduksi jika permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih ada 300 kemasan ?

Penyelesaian :

Pengaturan input, output, aturan/rules dan proses data permasalahan dengan menggunakan metode Mamdani pada toolbox fuzzy logic MATLAB.

Pengaturan Variabel Input (Permintaan, Persediaan) dan Output (Produksi) :

Pengaturan Membership Function Input Permintaan :

Pengaturan Membership Function Input Persediaan :

Pengaturan Membership Function Output Produksi :

Pengaturan Rules

Pemrosesan Data

Untuk permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih ada 300 kemasan didapatkan data untuk produksi yang dihasilkan itu adalah 4910 kemasan

Penampilan Surface :

Selengkapnya...

FUZZY LOGIC 1 ( M A T L A B )

by: Henry Toruan

Suatu rancangan sistem kontrol penyiraman taman dengan menggunakan fuzzy logic dimana sistem ini memiliki 2 input, yaitu suhu dan kelembaban (moisture) dan 1 output yaitu durasi penyiraman. Pengaturan input, output dan aturan/ rules yang harus dipenuhi adalah sebagai berikut :

Input 1 : Suhu Input 2 : Moisture

Output : Durasi Aturan/ Rules :

Permasalahan :

Berapakah durasi penyiraman yang dibutuhkan untuk keadaan :

1. Suhu 10^oF dan kelembaban (moisture) 90%
2. Suhu 66^oF dan kelembaban (moisture) 24%

PENYELESAIAN

FIS Editor Mamdani

Pengaturan Variabel Input (Suhu , Moisture) dan Output (Durasi)

Pengaturan Membership Function Suhu

Pengaturan Membership Function Moisture

Pengaturan Membership Durasi

Pengaturan Rules

Penampilan Surface

Penampilan Rules

Untuk Suhu 10⁰F dan Kelembaban 90% Untuk Suhu 66⁰F dan Kelembaban 24%

Kita dapatkan durasi 6.47 menit Kita dapatkan durasi 38.4 menit

Selengkapnya...

Istilah dalam Fuzzy Logic

by : Henry Toruan

1.Crisp input : nilai input analog yang kita berikan untuk mencari degree of membership, contohnya kurang dari 35 tahun untuk usia muda, diantara 35 sampai 55 tahun untuk paruh baya dan diatas 55 tahun.untuk usia tua.

2. Crisp output : nilai output analog yang kita peroleh dari hasil defuzzifikasi, contohnya 6.47 menit untuk waktu pembukaan kran air pada saat suhu 10^oF dan kelembaban 90%.

3. Label : kata-kata untuk memberikan keterangan pada scope/ domain misalnya: dingin, normal, panas atau muda, paruh baya, tua.

4. Degree of membership : derajat keanggotaan yang memberikan bobot pada suatu input yang telah diberikan, misalnya suhu adalah dengan derajat keanggotaan 0.5 untuk suhu dingin dan hangat . Batasan dari degree of membership adalah 0-1.

5. Scope/domain : batas dari kumpulan input tertentu. Misal suhu dingin adalah dari 0 – 40^o F, normal dari 30-70^o F dan panas dari 60-110^oF.

6. Input membership function : fungsi input dalam keanggotaannya dan bentuk fungsi keanggotaannya, contoh :

7. Output membership fungsi : fungsi output yang mempresentasikan hasil dari masukan dalam keanggotaannya dan bentuk fungsi keanggotaannya, contohnya :

8. Antecedent : pernyataan dari rule evaluation sebagai keadaan masukan , misalnya if suhu is panas dan kelembaban is kering .

9. Consequent : pernyataan dari rule evaluation sebagai keadaan akibat atau hasil, seperti then lama penyiraman panjang.

10. Rule strength : nilai degree of membership fuzzy output sebagai penyelesaian rule evaluation, contohnya : if temperatur is hot and soil is dry then water duration is long memberi nilai 0.25

11. Strength value : nilai yang diambil sebagai hasil nilai evaluation rule dimana misalnya strength value terkecil diambil sebagai rule strength.

12. Singleton defuzzification : perubahan dari suatu besaran fuzzy ke besaran numerik dari suatu singleton, contohnya COG (Center of Gravity) atau centroid method

Selengkapnya...

FILOSOFI FUZZY LOGIC

dikutip dari tulisan aswan hamonangan

Pada suatu hari ada seekor kancil sedang meminum air di pinggir sebuah muara sungai. Tiba-tiba seekor buaya datang menyergap dan siap menyantap sang kancil. Namun sang kancil yang terkenal cerdik, mengatakan kepada sang buaya yang kira-kira terjemahannya adalah. Hai raja buaya yang pintar, aku rela menjadi santapanmu asal kamu bisa menjawab pertanyaanku. Sang buaya setuju dan si kancilpun mengajukan pertanyaannya. "Semua kancil dihutan ini adalah pembohong, apakah saya berkata jujur ?" ujar sang kancil kepada sang buaya. Mendengar pertanyaan ini sang buaya berfikir keras, kalau si kancil ini jujur artinya penyataan pertama menjadi salah, karena ada satu kancil yang jujur. Kalau begitu si kancil ini tentu berbohong, tetapi kalau kancil berbohong artinya pernyataan pertama adalah bohong dan semua kancil dihutan ini jujur termasuk sang kancil. Akhirnya sang kancil melenggang meninggalkan sang buaya yang bingung sendiri.

Logika biner 0 atau 1 dasarnya berfikirnya adalah dari filsuf Aristoteles yang mengajarkan hukum berfikir bahwa sesuatunya mesti tergolong benar atau salah.  Logika biner hanya mengenal on atau off, hidup atau mati, gelap atau terang, benar atau salah. Tidak ada yang samar-samar, tidak ada abu-abu yang ada hanya hitam atau putih. Jika tidak 1 maka 0, jika tidak gelap berarti terang dan ini adalah sesuatu yang logis. Dan ini juga yang menjadi dasar perkembangan teknologi digital saat ini. Jika menggunakan logika biner, pertanyaan sang kancil di atas tentu tidak ada ujungnya.

Logika fuzzy pertama kali diformulasikan dalam sebuah seminar oleh Lotfi A Zadeh dari University of Califonia, Berkeley tahun 1965. Metode ini diformulasikan dalam rangka mencari nilai tengah antara bilangan Aristoteles 0 dan 1. Hal itu seiring dengan usaha untuk membuat komputer yang bekerja seperti cara manusia berfikir. Sebab komputer pada dasarnya adalah sebuah mesin hitung yang tidak berfikir. Sebelumnya Plato sudah mencetuskan ide adanya daerah ketiga diantara benar dan salah. Ini yang menjadi dasar logika fuzzy yang memformulasikan bilangan antara 0 dan 1 atau lebih tepat antara 0.0 dan 1.0.

Sebagai contoh bagaimana logika fuzzy diformulasikan, misalnya pernyataan tentang tinggi badan seseorang. Misalnya ditentukan batasan-batasan mutlak, bahwa jika tinggi badan dibawah 150 cm maka sebut pendek (mutlak) dan jika di atas 170 cm dikategorikan tinggi (mutlak). Tentu mesti ada satu cara untuk menyatakan agak pendek, sedang dan agak tinggi dan lainnya diantara tinggi dan pendek. Secara matematis penyataan ini dapat diformulasikan dengan

Kalau dibuatkan tabel, akan didapat tingkat ketinggian badan teman-teman seperti tabel berikut :

Tuti dengan tinggi 145 cm tergolong pendek mutlak (0), Karjo memiliki tinggi 175 cm tergolong tinggi mutlak (1). Tinggi Budi 168 cm, maka Budi tergolong agak tinggi dengan tingkat ketinggian 0.9 dan Eko dengan tinggi 156 cm memiliki tingkat ketinggian 0.3. Beginilah nilai tengah antara 0.0 dan 1.0 diformulasikan dan ini adalah cara manusia berfikir. Angka-angka ini yang dikenal oleh sebuah mesin (komputer) untuk "berfikir". Pada awal logika fuzzy di cetuskan sebagai metode, komputer belum se-kompleks dan secanggih yang dikenal saat ini. Sehingga pada saat itu belum banyak aplikasi dari logika fuzzy ada di dalam kehidupan sehari-hari. Namun sekarang ini sudah banyak terdapat peralatan disekitar kita yang mengadopsi sistem fuzzy logic. Diantaranya yang kita kenal adalah mesin cuci. Mesin cuci otomatis satu tabung yang muktahir saat ini sering mencantumkan kata fuzzy logic sebagai bagian dari promosinya.

Cara kerjanya gampang, tinggal memasukkan baju kotor kedalam tabungnnya, tekan satu atau beberapa tombol dan mesin ini akan melakukan sisanya untuk anda. Mengisi air dengan jumlah yang cukup, mengisi deterjen dan mencuci dengan waktu yang sesuai. Mesin ini bekerja meniru cara ibu rumahtangga mencuci dengan mesin cuci konvensional. Ibu rumahtangga akan mengisi air dan deterjen yang secukupnya sesuai dengan banyaknya baju yang hendak dicuci agar lebih hemat, lalu memutar timer yang sesuai dengan tingkat kekotoran pakaian. Jika pakaian lebih kotor maka timer dibuat lebih lama. Di sinilah contohnya metode logika fuzzy dipakai, dengan menjawab pernyataan jika dan maka (IF THEN). Jika pakaian yang dicuci tidak terlalu kotor maka mencuci mestinya harus lebih cepat. Dengan menimbang tingkat kekotoran kain yang direalisasikan dengan mengukur tingkat kekeruhan air cucian dengan sensor cahaya, mesin dapat memutuskan berapa lama harus mencuci pakaian supaya lebih hemat dan efisien.

Saat ini teknologi digital sudah semakin kompleks, mikrokontroler dan mikroprosesor sudah mampu mengerjakan perintah-perintah yang kompleks. Selain mesin cuci ada sederetan peralatan yang menerapkan fuzzy logic, mulai dari ABS pada sistem pengereman mobil, patern recognition untuk mengenal tulisan tangan pada banyak palm top, image processing, aplikasi robotik dan sebagainya. Traffic light yang modern bisa juga dibuat dengan metode fuzzy logic sehingga dapat bekerja sepintar pak polisi lantas. Jika beban kendaraan di satu ruas persimpangan lebih padat, maka lampu hijaunya akan menyala lebih lama. Dengan metode logika fuzzy, sistem pengaturan dapat direalisasikan lebih mudah, lebih manusiawi dan user friendly.

Mestinya sang buaya pada cerita di atas dapat menjawab pertanyaan sang kancil dengan fuz fuzzy logic bahwa sang kancil itu setengah jujur atau sepertiga jujur. Dunia memang selalu ada pasangannya, ada besar ada kecil, ada tinggi ada pendek, ada kaya ada miskin, ada yang baik ada yang jahat. Dan kita adalah manusia kompleks yang ada diantaranya, bukan ?

-end-

Selengkapnya...

SIMULASI SISTEM KONTROL PID UNTUK MOTOR DC DENGAN SIMULINK MATLAB

by: Henry Toruan

Pemodelan sistem

Motor DC diilustrasikan seperti Gambar 1 dimana input motor berupa tegangan suplai (ν) dan output adalah posisi rotasi (θ).

Gambar 1. Ilustrasi motor DC

Pada kasus kontrol ini yang digunakan adalah motor DC dengan parameter-parameter fisik motor sebagai berikut :

Moment inertia motor (J) =0.01 kg m²/s²

Damping ratio sistem mekanis (b) =0.1 Nms

Konstanta electromotive force (k=k_t=k_e)=0.01 Nm/A

Resistansi motor (R) = 1Ω

Induktansi motor (L) = 0.5 H

Torsi motor berhubungan dengan arus armature dengan faktor konstanta armature k_t dan emf balik e berhubungan dengan kecepatan rotasi ω dengan factor konstanta motor k_e.

Berdasarkan Gambar 1 diatas, dengan mengkombinasikan hukum Newton dan Kirchhoff dimana k_t=k_e= k maka dapat ditulis persamaan :

Hubungan antara kecepatan rotasi dan posisi rotasi adalah :

Operasi transformasi Laplace pada persamaan diatas akan menghasilkan :

Selanutnya didapatkan fungsi alih yang merupakan perbandingan antara kecepatan rotasi terhadap tegangan input.

Model matematika motor DC pada simulink dapat dilihat pada Gambar 2.

Gambar 2. Model matematika motor DC pada simulink

PENGANALISAAN SISTEM

Penganalisaan terhadap gangguan dapat dilakukan dengan memodelkan sistem motor DC, kontroler dan membuat simulasi tegangan referensi dan gangguan pada simulink matlab. Pada sistem ini gangguan diset terjadi pada detik ke-5 dengan besar gangguan konstan 2 V hingga seterusnya. Model dari sistem keseluruhan dapat dilihat pada Gambar 3. Model sistem motor DC dapat dilihat pada Gambar 4. Rancangan model kontroler PID yang digunakan dapat dilihat pada Gambar 5. Tampilan osiloskop dari sinyal referensi, gangguan dan respon keluaran sistem kontrol dapat dilihat pada Gambar 6.

Gambar 3. Model simulasi sistem dengan simulink matlab

Gambar 4. Model sistem motor DC

Gambar 5. Rancangan model kontroler PID

Gambar 6. Tampilan sinyal referensi, gangguan dan respon keluaran sistem kontrol

Dari respon keluaran sistem dapat dilihat bahwa saat terjadi gangguan pada detik ke-5 sebesar 2 Volt, sistem sedikit terganggu tetapi pada saat yang singkat sistem kembali pada keadaan semula seperti yang diinginkan yaitu saat referensi 10 Volt.

KESIMPULAN

Berdasarkan hasil analisis dapat diambil kesimpulan sebagai berikut :

1. Penggunaan simulink pada matlab akan memudahkan untuk menganalisa sistem kontrol yang kompleks dan tampilan scope menjadikannya lebih menarik.
2. Dari hasil analisa untuk kasus diatas dapat dilihat bahwa dengan kontrol PID yang digunakan dapat mengembalikan kestabilan sistem ke keadaan awal pada saat ada gangguan yang kontinu.

DAFTAR PUSTAKA

1. Djoko Purwanto, PhD, (2006),”Perancangan Sistem Kontrol dengan Matlab”, Surabaya, ITS

2. Ogata, Katsuhiko, (1997), “Teknik Kontrol Automatik Jilid I dan II” Edisi 2, Jakarta, Erlangga

3. Stanley M.Shinners, (1998),”Matlab and Simulink Based Books. Modern Control System Theory and Design, 2ed, New York John Wiley &Sons,Inc.

4. Thomas Wahyu Dwi Hartanto dan Y.Wahyu Agung P., (2003), “Analisis dan Desain Sistem Kontrol dengan Matlab”, Yogyakarta, ANDI

Selengkapnya...

Sistem Pengolahan Sinyal Digital

sumber asli : I Made Wiryana

Pada masa sekarang ini, pengolahan sinyal secara digital telah diterapkan begitu luas. Dari peralatan instrumentasi dan kontrol, peralatan musik, peralatan kesehatan dan peralatan lainnya. Istilah pengolahan sinyal digital sebenarnya kurang begitu tepat, yang lebih tepat adalah pengolahan sinyal diskrete. Tetapi karena istilah ini sudah luas digunakan, maka istilah pengolahan sinyal digital tetap digunakan dalam artikel ini. Dalam artikel ini akan dibahas dasar-dasar pengolahan sinyal digital, terutama dari sudut algoritma dan pemrograman di samping juga sedikit pembahasan tentang pertimbangan hardware dari sistem yang disusun.

Sistem Pengolahan Sinyal Digital

Proses pengolahan sinyal digital, diawali dengan proses pencuplikan sinyal masukan yang berupa sinyal kontinyu. Proses ini mengubah representasi sinyal yang tadinya berupa sinyal kontinyu menjadi sinyal diskrete. Proses ini dilakukan oleh suatu unit ADC (Analog to Digital Converter). Unit ADC ini terdiri dari sebuah bagian Sample/Hold dan sebuah bagian quantiser. Unit sample/hold merupakan bagian yang melakukan pencuplikan orde ke-0, yang berarti nilai masukan selama kurun waktu T dianggap memiliki nilai yang sama. Pencuplikan dilakukan setiap satu satuan waktu yang lazim disebut sebagai waktu cuplik (sampling time). Bagian quantiser akan merubah menjadi beberapa level nilai, pembagian level nilai ini bisa secara uniform ataupun secara non-uniform misal pada Gaussian quantiser.

Unjuk kerja dari suatu ADC bergantung pada beberapa parameter, parameter utama yang menjadi pertimbangan adalah sebagai berikut :

• Kecepatan maksimum dari waktu cuplik.
• Kecepatan ADC melakukan konversi.
• Resolusi dari quantiser, misal 8 bit akan mengubah menjadi 256 tingkatan nilai.
• Metoda kuantisasi akan mempengaruhi terhadap kekebalan noise.

Gambar 1. Proses sampling

Sinyal input asli yang tadinya berupa sinyal kontinyu, x(T) akan dicuplik dan diquantise sehingga berubah menjadi sinyal diskrete x(kT). Dalam representasi yang baru inilah sinyal diolah. Keuntungan dari metoda ini adalah pengolahan menjadi mudah dan dapat memanfaatkan program sebagai pengolahnya. Dalam proses sampling ini diasumsikan kita menggunakan waktu cuplik yang sama dan konstan, yaitu Ts. Parameter cuplik ini menentukan dari frekuensi harmonis tertinggi dari sinyal yang masih dapat ditangkap oleh proses cuplik ini. Frekuensi sampling minimal adalah 2 kali dari frekuensi harmonis dari sinyal.

Untuk mengurangi kesalahan cuplik maka lazimnya digunakan filter anti-aliasing sebelum dilakukan proses pencuplikan. Filter ini digunakan untuk meyakinkan bahwa komponen sinyal yang dicuplik adalah benar-benar yang kurang dari batas tersebut. Sebagai ilustrasi, proses pencuplikan suatu sinyal digambarkan pada gambar berikut ini.

Gambar 2. Pengubahan dari sinyal kontinyu ke sinyal diskret

Setelah sinyal diubah representasinya menjadi deretan data diskrete, selanjutnya data ini dapat diolah oleh prosesor menggunakan suatu algoritma pemrosesan yang diimplementasikan dalam program. Hasil dari pemrosesan akan dilewatkan ke suatu DAC (Digital to Analog Converter) dan LPF (Low Pass Filter) untuk dapat diubah menjadi sinyal kontinyu kembali. Secara garis besar, blok diagram dari suatu pengolahan sinyal digital adalah sebagai berikut :

Gambar 3. Blok Diagram Sistem Pengolahan Sinyal Digital

Proses pengolahan sinyal digital dapat dilakukan oleh prosesor general seperti halnya yang lazim digunakan di personal komputer, misal processor 80386, 68030, ataupun oleh prosesor RISC seperti 80860. Untuk kebutuhan pemrosesan real time, dibutuhkan prosesor yang khusus dirancang untuk tujuan tersebut, misal ADSP2100, DSP56001, TMS320C25, atau untuk kebutuhan proses yang cepat dapat digunakan paralel chip TMS320C40. Chip-chip DSP ini memiliki arsitektur khusus yang lazim dikenal dengan arsitektur Harvard, yang memisahkan antara jalur data dan jalur kode. Arsitektur ini memberikan keuntungan yaitu adanya kemampuan untuk mengolah perhitungan matematis dengan cepat, misal dalam satu siklus dapat melakukan suatu perkalian matrix. Untuk chip-chip DSP, instruksi yang digunakan berbeda pula. Lazimnya mereka memiliki suatu instruksi yang sangat membantu dalam perhitungan matrix, yaitu perkalian dan penjumlahan dilakukan dalam siklus (bandingkan dengan 80386, proses penjumlahan saja dilakukan lebih dari 1 siklus mesin).

Proses pengembagan aplikasi DSP

Apabila proses pengolahan sinyal dilakukan menggunakan komputer biasa, maka pengembangan program tidak berbeda seperti halnya pemrograman biasa lazimnya. Hanya algoritma yang diterapkan dan teknik pengkodean harus mempertimbangkan waktu eksekusi dari program tersebut.

Tata cara pengembangan perangkat lunak menjadi berbeda apabila kita menggunakan sistem chip DSP, misal TMS320C25. Terlebih lagi bila sistem tersebut nantinya akan bekerja sendiri (stand alone). Pengembangan model harus dilakukan dengan menggunakan perangkat bantu pengembang (development tool). Sebagai contoh digambarkan suatu sistem pendisain perangkat lunak DSP buatan SPW- DSP Frameworks, yang secara garis besar digambarkan sebagai berikut :

Gambar 4. Perangkat lunak pengembang aplikasi pengolahan sinyal digital.

Keterangan :

• Design Database, berisi library disain yang telah tersedia dan lazim digunakan misal, FIR, IIR, Comb Filter dan lain-lain.
• Signal Calculator, merupakan perangkat lunak simulasi sinyal. Dapat melakukan manipulasi dan pengolahan sinyal sederhana.
• Sistem Disain Filter, merupakan perangkat lunak, untuk mendisain filter dengan response yang kita ingini, berikut pengujian filter tersebut. Lazimnya menggunakan beberapa algoritma disain seperti Park-McLelland, dan akan dihasilkan koefisien filter yang diingini.
• TIL, akan menghasilkan Custon HDL dan Netlist , yaitu gambar diagram implementasi algoritma secara perangkat keras, dengan menggunakan chip-chip, misal chip FIR, IIR.
• HDS, VHDL Generator, akan menghasilkan implementasi algoritma dalam deskripsi VHDL yang lazim digunakan dalam disain chip ASIC.
• DSP ProCoder - Assembly Code Generator, menghasilkan program dalam bahasa assembly chip DSP tertentu
• MultiProx, akan menghasilkan program yang diimplementasikan pada paralel DSP chip.
• CGS, C Code Generator akan menghasilkan program dalam bahasa C.

Pada komputer utama, kita melakukan simulasi, disain filter, dan uji-coba awal. Program bantu tersebut tersedia pada program pengembang (development tool program). Apabila kita telah puas dengan algoritma tersebut, kita dapat mengimplementasikan sesuai dengan sistem yang akan kita gunakan. Program akan menghasilkan kode atau deskripsi yang dibutuhkan oleh jenis implementasi tertentu. Misal akan menghasilkan deskripsi dalam format VHDL, apabila kita ingin mengimplementasikan sistem menggunakan chip ASIC. Atau juga dapat dihasilkan kode dalam bahasa C bila kita menginginkan portabilitas dari implementasi yang dihasilkan.

Untuk lebih jelasnya langkah-langkah pengembangan program untuk sistem DSP dapat digambarkan sebagai berikut :

Gambar 5. Langkah-langkah pengembangan sistem DSP

Dalam tahapan pengembangan ini, digunakan komputer utama sebagai perangkat bantu pengembang, dan sebuah DSP board, sebagai sasaran (target board) dari pengembangan program. DSP Board ini ada yang berhubungan dengan PC melalui ekspansion slot, dan melalui memori share, ada juga yang berhubungan dengan PC menggunakan hubungan serial atau parallel printer card, sehingga benar-benar terpisah dari PC dan proses hubungan dengan PC hanyalah pentransferan kode biner. Langkah-langkah pengembangan program aplikasi adalah sebagai berikut :

Langkah pertama, adalah mensimulasikan algoritma pengolahan sinyal dengan menggunakan perangkat simulasi ataupun program. Sinyal masukan disimulasikan dengan menggunakan data-data sinyal standard. Untuk keperluan ini dapat digunakan program-program khusus simulasi ataupun program bantu matematis seperti halnya MATLAB dengan Sinyal Processing Toolbox, Mathematica dengan DSP extension, DSPWorks, Khoros, dan lain-lain.

Langkah kedua dilakukan dengan menggunakan sistem DSP yang akan kita gunakan akhrinya, misal dengan menggunakan TMS320C25 Card (tipe ini telah digunakan di Laboratorium Teknik Komputer, STMIK Gunadarma). Biasanya pada card DSP telah terdapat unit ADC dan DAC, sehingga dapat dilakukan proses pencuplikan sinyal sesungguhnya. Pertama kali dicoba mengakuisisi sinyal masukan sesungguhnya, ini dilakukan dengan mencuplik sinyal masukan tersebut. Hasil akuisisi tersebut akan berupa deretan data akan digunakan untuk menguji algoritma. Kemudian secara off-line, baik menggunakan program bantu matematis ataupun melalui program yang ditulis untuk keperluan simulasi, sinyal tersebut diolah berdasarkan algortima yang diimplementasikan. Hasil olahan sinyal tersebut disalurkan ke jalur keluaran untuk menguji hasil akhir sesungguhnya dari algoritma tersebut. Proses ini masih dilakukan secara non-real time dan diproses oleh prosesor pada PC. Pengujian terhadap sinyal sesungguhnya dapat diukur dengan menggunakan alat ukur seperti osciloscope, spectrum analyzer dan lain-lain.

Kemudian, program yang ditulis dengan menggunakan instruksi dari chip DSP yang terdapat pada DSP Board tersebut diuji. Proses penulisan program dilakukan di komputer utama (misal PC), dan proses kompilasi juga dilakukan di komputer utama. Pengkompilasian menggunakan cross-compiler atau cross asseembler khusus. Setelah program berbentuk format biner, data akan ditransfer ke dalam memory di DSP board, dan sistem DSP tersebut dieksekusi. Pada tahap ini, komputer utama hanya bekerja untuk mengawasi keadaan memori, dan kerja dari program, tetapi tidak melakukan pengolahan sinyal. Pada tahap ini, masukan sesungguhnya digunakan untuk diolah dapat diberikan sehingga kerja dari algoritma dapat diamati pada keadaan sesungguhnya.

Langkah terakhir adalah dengan menulis kode biner tersebut ke dalam ROM, dan meletakkannya ke DSP board yang nantinya akan bekerja berdiri sendiri tanpa adanya sebuah PC. Misal DSP sistem tersebut digunakan untuk noise eliminator pada line telepon. Untuk membuat sistem yang lebih lengkap, sistem dapat dikombinasikan dengan mikrokontroller atau SBC (Single Board Computer) sebagai perangkat pengatur user interface.

Dengan demikian, secara garis besar langkah-langkah pengembangan perangkat lunak untuk sistem DSP dapat diringkas sebagai berikut :

• Simulasikan algoritma dengan menggunakan data simulasi.
• Lakukan simulasi dengan sinyal sesungguhnya, pengolahan secara off-line dan proses masih dilakukan di PC
• Tulis program menggunakan instruksi DSP.
• Kompilasi dan transfer ke RAM di DSP board.
• Eksekusi dan uji dengan sinyal sesungguhnya.
• Bila program sudah tidak ada kesalahan, tulis kode biner dari program ke ROM.
• Sistem siap pakai dengan ditambahkan prosesor utama yang menangani sistem pendukung.

Demikianlah pada tulisan awal ini telah dijelaskan secara singkat tentang pengolahan sinyal digital dan tahapan pengembangan sistem pengolahan sinyal digital. Lebih lanjut akan diterangkan tentang algoritma-algoritma yang digunakan untuk pengolahan sinyal digital.

REFERENCE :

Oppenheim, Alan V., Ronald W. Schafer (1989), Discrete Tme Signal Processing, New Jersey: Prentice Hall Inc.

Kuc, Roman (1988), Introduction to Digital Signal Processing, Singapore: Mc Graw-Hill Book Co.

Lynn, Paul A., Wolfgang Fuerst (1989), Introductory Digital Signal Processing with Computer Applications, England: John Willey and Sons Ltd.

Smith, M. R. (1992), To DSP or Not to DSP, will a RISC do it better ?, The Computer Application Journal, Agustus-Septermber, 28, pp. 14-25.

Borax, Craig , David Beck (1992), VFX Digital Signal Processor, use this effects processors to change the pitch of your voice and to create special effects, Electronics, September, pp.37-47.

Chen, Daniel (1992), Parallel DSP for designing adaptive filters, Dr Dobb Journal, Januari 1992, pp.16-22.

Selengkapnya...