dimasukkan ke dalam jaringan ini. kemudian iv. analisis...

7

dimasukkan ke dalam jaringan ini. Kemudian ditentukan tipe dan jumlah fungsi keanggotaan dari input dan fungsi keanggotaan output. Fungsi keanggotaan input adalah trapmf dan jumlah fungsi keanggotaan berjumlah 5, sedangkan output adalah linear. Untuk pembelajaran digunakan kombinasi dari backpropagation dan RLSE, untuk itu dipilih hybrid pada ANFIS editor. Setelah itu ditentukan jumlah iterasi-nya dan diatur nilai error sama dengan nol dan langsung dilakukan pembelajaran dengan meng-klik train now.

Gambar 14. Hasil training parameter Kp

Gambar 15. Rule viewer untuk parameter Kp

Berdasarkan hasil training dapat dilihat bahwa setelah mencapai epoch 2000 error berada pada nilai 0,011194. Setelah itu, ANFIS secara otomatis telah membangun rule hasil training yang dapat dilihat pada gambar 15. Jumlah rule hasil training sebanyak 5 dengan hasil output yakni parameter Kp antara 30,8900 sampai 30,9842.

Untuk parameter Ki dan Kd, hal yang sama juga diberlakukan yakni dengan menginputkan data ke ANFIS melalui workspace, pemilihan tipe fungsi keanggotaan berupa trapmf dan jumlah fungsi keanggotaan sebanyak 5, serta metode training yang dilakukan yaitu hybrid. Error setelah melalui training pada parameter Ki adalah sebesar 0,0008845; sedangkan untuk parameter Kd error yang ada sebesar 0,080374.

IV. ANALISIS DAN PEMBAHASAN 4.1 Simulasi Open Loop Proses Simulasi pada open loop ini digunakan untuk mengetahui sejauh mana performansi sistem tanpa pengendali. Uji open loop dilakukan dengan memberikan input berupa sinyal step. Grafik 1 menunjukkan bahwa dengan adanya uji open loop tanpa pengendali, level tidak bisa mencapai set point. Karena performansi sistem tersebut jauh dari level yang diinginkan yaitu sebesar 0mm, karena karakteristik plant termasuk orde satu non self regulation yang artinya plant tidak dapat mengendalikan dirinya sendiri ketika tidak dipasang alat-alat instrumentasi.

Grafik 1 . Respon open loop

4.2 Penentuan Parameter Pengendali Untuk mendapatkan kinerja sistem kendali yang memiliki performansi yang handal dan kualitas pengendalian yang optimal, maka parameter dalam pengendali juga harus memiliki nilai yang optimal. Tuning dilakukan dengan menggunakan Block Signal Constraint yang ada pada Simulink Matlab. Signal Constraint diletakkan di bagian output proses dengan parameter kontroler diatur ke bentuk Kp, Ki, dan Kd. Selanjutnya, dengan jumlah iterasi dan respon sistem yang telah ditentukan, maka Signal Constraint akan mencari nilai parameter kontroler tersebut. Metode ini menggunakan metode optimisasi.

Berdasarkan hasil iterasi Signal Constraint, diketahui bahwa untuk set point 10mm, parameter yang didapat yakni, Kp sebesar 30,8909; Ki sebesar -0,1246; dan Kd sebesar 95,7618. Parameter pengendali PID tersebut nantinya akan digunakan untuk menentukan range keluaran dari algoritma kendali ANFIS gain scheduling PID. Variabel penjadwal yang digunakan untuk menentukan parameter pengendali adalah level fluida itu sendiri. Selengkapnya dapat dilihat pada tabel 4.

Tabel 4. Gain schedule untuk kontroler

Level (mm) Kp Ki Kd

level <= -30 30.8900 -0.135 95.7618

8

-30 < level <= -20 30.8909 -0.133 95.7618

-20 < level <= -10 30.8909 -0.13 95.7618

-10 < level <= 0 30.8909 -0.127 95.7618

0 < level <= 10 30.8909 -0.1246 95.7618

10 < level <= 20 30.8909 -0.1195 95.7618

20 < level <= 30 30.9842 -0.1195 95.095

level > 30 30.9842 -0.118 95.095

4.3 Pengujian dan Analisa Performansi Kendali ANFIS Gain Scheduling PID Pengujian ini terdiri dari uji step, uji tracking set point, uji load, dan uji noise pengukuran. Pada hasil pengujian tersebut nantinya dapat dibandingkan performansi antara pengendali PID dengan pengendali ANFIS Gain Scheduling PID (AGS PID). Uji Step Uji performansi yang pertama kali dilakukan adalah uji step, dengan masukan sinyal step dalam hal ini berupa set point level sebesar 10mm. Hasil simulasi dapat dilihat pada grafik 2.

Grafik 2 . Respon uji step

Berdasarkan grafik tersebut dapat dilihat bahwa respon sistem dengan menggunakan kendali AGS PID tidak jauh berbeda dengan menggunakan kendali PID. Settling time untuk masing-masing respon berada di nilai 27 detik. Error steady state untuk kendali PID 0,87% dan kendali AGS PID 0,68% dengan respon masing-masing kendali tidak menunjukkan adanya maximum overshoot.

Uji Tracking Set Point

Pada pengujian ini dilakukan perubahan terhadap setpoint pada proses dengan memberikan uji set point naik dan sekaligus uji set point turun pada selang waktu 100, 200, 300, dan 400 detik. Grafik respon sistem dengan setpoint : [10 20 30]mm dapat dilihat pada grafik 3.

Grafik 3 . Respon uji tracking set point

Berdasarkan grafik 3, performansi untuk kendali PID dapat dilihat sebagai berikut : Untuk set point 10mm,

maximum overshoot = - settling time (ts) = 27 detik

error steady state (ess) = 0,87%

Untuk set point 20mm, maximum overshoot = - settling time (ts) = 107 detik


Untuk set point 30mm, maximum overshoot = - settling time (ts) = 207


Sedangkan untuk kendali AGS PID, performansi yang didapatkan adalah : Untuk set point 10mm,

maximum overshoot = - settling time (ts) = 27 detik





error steady state (ess) = 1%

Berdasarkan uji tracking set point, terlihat kelemahan dari kendali PID. Walaupun waktu yang dibutuhkan masing-masing kendali untuk mencapai set point hampir sama, namun pada saat terjadi set point turun, respon pada kendali PID tidak mampu mencapai set point, sedangkan pada kendali AGS PID mampu mencapai set point dengan error steady state yang masih dalam batas toleransi yakni +5%. Jadi, dapat dikatakan bahwa respon kendali AGS PID lebih baik dibanding respon kendali PID pada uji tracking set point.

9

Uji Perubahan Load Pada pengujian ini, dilakukan perubahan terhadap load pressure. Pressure steam yang semula sebesar 90kg/cm2, kemudian dinaikkan menjadi 95kg/cm2 pada detik ke-50. Hasil pengujian ini dapat dilihat pada grafik 4.

Grafik 4. Respon uji load

Pada kendali PID, hasil yang didapatkan untuk pengujian ini adalah berkurangnya level sebesar 6,11%. Namun, sistem tidak dapat kembali ke set point dengan error steady state sebesar 9,51%. Sedangkan pada kendali AGS PID level berkurang sebesar 5,32% dan sistem kembali ke keadaan steady state setelah 59 detik dengan error steady state sebesar 2,33%. Uji Noise Pengukuran

Pengujian ini diterapkan untuk lebih mengetahui apakah sistem pengendalian tetap bisa mempertahankan kestabilan pada saat terjadi noise pada pengukuran transmitter. Pada uji noise ini, sistem diberi noise berupa sinyal random. Sesuai dengan grafik 5, terlihat bahwa respon pengendali, baik PID maupun AGS PID pada awalnya mengalami osilasi, namun sistem mampu bertahan dan memberikan respon yang tetap berada pada batas toleransi yang diijinkan. Pada kendali PID error steady state yang terjadi sebesar 1,69%, sedangkan kendali AGS PID menghasilkan error steady state sebesar 1,44%. Untuk respon yang lebih detil dapat dilihat pada grafik di bawah ini.

Grafik 5. Respon uji noise pengukuran

Dari beberapa pengujian ternyata diperoleh hasil bahwa pengendalian yang menerapkan algoritma kendali ANFIS gain scheduling PID mampu menghasilkan respon yang lebih baik dibanding kendali PID. Hal ini membuktikan bahwa algoritma kendali ANFIS gain scheduling PID mempunyai kelebihan dibandingkan dengan kendali PID, dikarenakan ANFIS gain scheduling PID menghitung ulang parameter PID berdasarkan kondisi level fluida yang terjadi. Walaupun pada kondisi normal (tidak adanya noise pada pengukuran) baik PID maupun ANFIS gain scheduling PID memiliki respon yang hampir sama karena pada dasarnya sistem ini sama-sama dibangun dari kendali PID. Adanya tambahan ANFIS ini diharapkan pengendali lebih responsif terhadap perubahan di plant (mampu melakukan tuning adaptif dengan perubahan daerah kerja) sehingga kestabilan sistem tetap terjaga.

V. KESIMPULAN

Berdasarkan pengujian yang telah dilakukan maka didapatkan kesimpulan sebagai berikut: 1. Telah dilakukan perancangan kontroler berbasis

ANFIS gain scheduling pada Steam Drum Boiler di PT. PJB UP Gresik.

2. Untuk pengujian sinyal step diperoleh karakteristik respon kendali ANFIS gain scheduling PID dengan settling time 27 detik, error steady state 0,68% dan tanpa adanya maximum overshoot.

3. Performansi kendali ANFIS gain scheduling PID lebih baik dibandingkan dengan kendali PID pada uji tracking set point dan perubahan load, karena kendali ANFIS gain scheduling PID mampu mengatasi perubahan dan gangguan yang terjadi secara lebih cepat dan menghasilkan error steady state dalam batas toleransi.

DAFTAR PUSTAKA [1] Anonim. 2007. Profil PT.PJB UP Gresik. PT.

PJB UP Gresik: Gresik. [2] Ogata, Katsuhiko. 1997. Teknik Kontrol

Automatik. Erlangga: Jakarta.

dimasukkan ke dalam jaringan ini. kemudian iv. analisis...

Documents