1

Bidang Ilmu: Sains dan Teknologi

PENELITIAN UNGGULAN UNIVERSITAS

PENINGKATAN EFISIENSI KENDARAAN MOTOR LISTRIK

BERBASIS BLDC MENGGUNAKAN KENDALI CERDAS

NEURAL NETWORK

TIM PENELITI

Ketua Peneliti : Dr. Muhammad Rif’an, ST.MT NIDN: 0022107404

Anggota Peneliti 1 : Drs. Ermi Media’s, M.Pd NIDN: 0028075809

Anggota Peneliti 2 : Heri Firmansyah, ST. MT NIDN: 0014028408

FAKULTAS TEKNIK

UNIVERSITAS NEGERI JAKARTA

MARET, 2020

2

HALAMAN PENGESAHAN

PENELITIAN UNGGULAN UNIVERSITAS

Judul Penelitian : PENINGKATAN EFISIENSI KENDARAAN

MOTOR LISTRIK BERBASIS BLDC

MENGGUNAKAN KENDALI CERDAS

NEURAL NETWORK

Bidang Ilmu : Sains dan Teknologi

Ketua Peneliti

a. Nama Lengkap : Dr. Muhammad Rif’an b. NIDN : 0022107404 c. Jabatan Fungsional : Lektor d. Program Studi : D3 Teknik Elektronika Fakultas Teknik UNJ e. Nomor Hp : 08567074880 f. e-mail : m.rifan@unj.ac.id

Anggota Peneliti 1

a. Nama Lengkap : Ermi Media’s b. NIDN : 0028075809 c. Jabatan Fungsional : Lektor d. Program Studi : D3 Teknik Elektronika Fakultas Teknik UNJ

Anggota Peneliti 2

a. Nama Lengkap : Heri Firmansyah, ST., MT b. NIDN : 0014028408 c. Jabatan Fungsional : - d. Program Studi : D3 Teknik Elektronika Fakultas Teknik UNJ

Biaya penelitian keseluruhan : Rp. 70.000.000,-

Mengetahui

Dekan,

Dr. Uswatun Hasanah, M.Si.

NIP. 19670326 199403 2 001

Jakarta, 13 Maret 2020

Ketua Peneliti,

Dr. Muhammad Rif’an

. NIP. 19741022 200112 1 001

Menyetujui,

Ketua Lembaga Penelitian dan Pengabdian Kepada Masyarakat

Universitas Negeri Jakarta

Dr. Ucu Cahyana, Msi

NIP.19660820 199403 1 002

3

DAFTAR ISI

HALAMAN PENGESAHAN ................................................................................. 2

DAFTAR ISI ........................................................................................................... 3

RINGKASAN ......................................................................................................... 4

BAB I. PENDAHULUAN ...................................................................................... 5

a. Latar Belakang ............................................................................................. 5

b. State of the Art ............................................................................................. 6

c. Rumusan dan Batasan Masalah .................................................................... 7

d. Tujuan Penelitian ......................................................................................... 8

BAB II. TINJAUAN PUSTAKA ............................................................................ 9

a. Peta Jalan Penelitian ..................................................................................... 9

b. Kajian hasil-hasil Penelitian ....................................................................... 10

BAB III. METODE PENELITIAN....................................................................... 13

BAB IV. BIAYA DAN JADWAL PENELITIAN ............................................... 14

5.1. Anggaran Biaya .......................................................................................... 14

5.2. Jadwal Penelitian ........................................................................................ 14

DAFTAR PUSTAKA ........................................................................................... 15

LAMPIRAN .......................................................................................................... 17

Lampiran: Justifikasi Anggaran Penelitian ....................................................... 17

Lampiran : Biodata Ketua Peneliti .................................................................... 18

Lampiran : Surat Pernyataan Originalitas ........................................................ 26

Lampiran : Surat Pernyataan Kesediaan Publikasi .......................................... 27

4

RINGKASAN

Kendaraan Listrik (EV) telah berkembang dengan cepat dan menjadi alternatif di

seluruh dunia sebagai solusi terhadap kendaraan ramah lingkungan. Namun

demikian, masalah efisiensi dan jarak tempuh kendaraan listrik telah menjadi topik

riset utama. Tujuan penelitian ini adalah membangun sistem kendali cerdas yang

digunakan untuk mengendalikan motor BLDC pada kendaraan listrik sehingga

mencapai kondisi optimum dalam efisiensi penggunaan daya sumber energi dan

memperjauh jarak tempuh. Rancang bangun sistem kendali cerdas dilakukan

dengan metode riset dan pengembangan dari hasil-hasil penelitian sebelumnya yang

telah dilakukan peneliti. Prototipe sistem kendali cerdas yang dibangun

menggunakan jaringan saraf tiruan Neural Network dan akan diuji coba pada

kendaraan listrik kecil dengan perubahan parameter kendaraan dan kondisi jalur

yang ditempuh.

Kata kunci: Kendaraan Listrik, Kendali Cerdas, Efisiensi, BLDC

5

BAB I. PENDAHULUAN

a. Latar Belakang

Indonesia menempati posisi keempat sebagai negara penduduk terbesar setelah

China, India dan Amerika Serikat. Dengan PDB sebesar 1,016 triliun USD pada

tahun 2017 dan luas wilayah 1,905 juta km² serta berbentuk kepulauan

menyebabkan mobilitas penduduk di Indonesia cukup tinggi. Berdasarkan data

Badan Pusat Statistik, jumlah kendaraan di Indonesia pada tahun 2018 adalah

146.858.759 dengan konsumsi bahan bakar minyak fosil sebanyak 15 milyar liter.

Dengan banyaknya kendaraan dan konsumsi bahan bakar tersebut, Ibukota

Indonesia, DKI Jakarta pernah dinobatkan menjadi kota dengan polusi terburuk di

dunia.

Hal ini mendorong Pemerintah Indonesia untuk menggiatkan penggunaan

kendaraan yang lebih ramah lingkungan. Melalui Peraturan Presiden Nomor 55

Tahun 2019 tentang Percepatan Program Kendaraan Bermotor Listrik Berbasis

Baterai (Battery Electric Vehicle) untuk Transportasi Jalan, Indonesia secara

bertahap akan mengendalikan penggunaan kendaraan bermotor berbahan bakar

minyak fosil.

Kecenderungan ini sejalan dengan konsep pembangunan yang berkelanjutan

(SDGs) dan pengembangan bidang otomotif diarahkan menuju ke produk hemat

energi dan ramah lingkungan (environmentally friendly). Dengan kata lain bahwa

produk otomotif yang dihasilkan harus memiliki ciri hemat energi dalam

pengoperasian maupun pembuatannya serta tidak menimbulkan polusi lingkungan.

Sebagian besar kendaraan listrik menggunakan pembangkit eksternal dan kemudian

disimpan ke baterai. Metode penyimpanan energi ini termasuk dalam energi kimia

dan tergantung pada kepadatan daya baterai dan siklus penggunaan baterai. Pada

Tahun 2018, Badan Pengkajian dan Penerapan Teknologi telah melakukan uji

efisiensi terhadap tiga kendaraan listrik Mitsubishi i-MiEV, Tesla X, dan Bus listrik

buatan PT Mobil Anak Bangsa (MAB) dengan hasil disajikan pada tabel 1 berikut:

6

Tabel 1. Uji coba efisiensi dan jarak tempuh Kendaraan Listrik oleh BPPT

Kendaraan Motor Jarak Daya Rasio Daya:Motor

Mitsubishi i-MiEV 47 kW (63 hp), 180 N⋅m 39 km 5 kW 10,6%

Tesla-X 193 kW (259 hp) 39 km 11 kW 5,7%

Bus listrik MAB 150 kW, 1.194 N⋅m 39 km 30 kW 20,0%

Terlihat bahwa rasio daya yang dibutuhkan berbanding daya motor untuk jarak

yang sama tertinggi adalah Bus Listrik MAB. Dengan kata lain untuk menempuh

jarak yang sama, Bus Listrik MAB membutuhkan daya yang lebih banyak

walaupun dengan daya motor yang lebih kecil dari pada Tesla-X.

Efisiensi sangat penting bagi kendaraan listrik, bahkan perusahaan otomotif besar

Jepang pada Awal 2020 mengumumkan bahwa mereka telah menghentikan

produksi salah satu mobil bertenaga listrik, Clarity di Amerika sejak akhir 2019.

Alasan keputusan ini karena spesifikasi mobil hanya cukup untuk jarak 143

kilometer (km) dengan daya baterai terisi penuh.

Mengatasi hal ini, para peneliti telah mengembangkan sistem penyimpanan dan

penggunaan energi tersebut baik melalui pengembangan baterai berkinerja tinggi

atau pun teknologi elektronik daya. Penggunaan teknologi elektronik daya dengan

pengendalian konsumsi daya dari baterai dapat mengurangi siklus pengeluaran

baterai dan akhirnya meningkatkan jarak perjalanan kendaraan listrik atau

meningkatkan efisiensi.

Berdasarkan hal tersebut pada penelitian ini akan dikembangkan teknologi

manajemen daya untuk pengendalian konsumsi daya listrik pada motor listrik

BLDC yang digunakan pada kendaraan listrik dalam rangka meningkatkan efisiensi

penggunaan energi sehingga memperpanjang masa pakai baterai dan meningkatkan

jarak perjalanan.

b. State of the Art

Telah banyak penelitian yang membahas dalam mengatasi permasalahan

manajemen daya pada kendaraan listrik. Tujuan utama dari solusi masalah ini

adalah mengurangi konsumsi energi dan meningkatkan masa pakai baterai melalui

7

kontrol yang optimal. Pada (Khan, 2016; Zhang, 2015), disampaikan teknik

manajemen daya sistem pengisian hibrida, yang berisi mesin bensin dan generator

listrik. Pada teknik ini, baterai dapat diisi bahkan saat mobil sedang bergerak.

Namun, masalahnya selalu terkait dengan kompleksitas sistem internal dan

tingginya harga model mobil ini.

Solusi lain disebutkan yang didasarkan pada sumber energi terbarukan seperti

energi matahari (Mahmoudi, 2017) atau energi yang diperoleh selama fase

perlambatan yang disebut juga sistem pengereman regeneratif (Shetty, 2014).

Sistem-sistem itu cukup mahir, tetapi jumlah energi yang dihasilkan tidak

mencukupi, terutama di jalan raya. Sedangkan menurut (Itani, 2016), sistem

pengereman regeneratif tidak dapat mengatasi 5% dari daya baterai yang

dibutuhkan ketika akan terisi penuh.

Teknik pengisian baru juga telah disampaikan dalam (Werachet, 2014) yang

menggunakan jaringan nirkabel sebagai solusi yang cocok untuk kasus jalan raya.

Namun demikian terdapat masalah terkait dengan kecepatan mobil dan

kompleksitas sistem pengisian daya serta tingkat pengisian ulangnya tergantung

pada kecepatan mobil dan panjang jalan.

Terkait dengan tujuan perbaikan otonomi, beberapa pendekatan dan strategi

perangkat lunak diusulkan dalam (Flah, 2017) dan (Zi, 2017) untuk meningkatkan

kinerja kendaraan listrik. Teknik ini berbasis pada kendali cerdas untuk optimasi

daya dalam kendaraan hibrid, bahkan dalam (Lin, 2018, Gaoua, 2013), diusulkan

teknik fuzzy untuk mengelola daya pada kendaraan listrik.

Peneliti telah mengusulkan teknik kendali cerdas dalam (Rif’an, 2019) dengan hasil

yang cukup baik, untuk itu pengembangan lebih lanjut akan dilakukan pada

penelitian ini dengan implementasi pada kendaraan listrik sederhana.

c. Rumusan dan Batasan Masalah

Berdasarkan latar belakang, ditemukan bahwa permasalahan yang ditemui adalah

bagaimana teknik kendali dilakukan agar kendaraan listrik dapat lebih efisien

menggunakan daya sumber energi dan menempuh jarak jelajah yang lebih jauh.

8

Teknik kendali ini harus memiliki kemampuan beradaptasi terhadap perubahan

parameter kendaraan yang mungkin terjadi dan kondisi jalur berbeda-beda.

Batasan masalah pada penelitian ini adalah, teknik kendali yang dilakukan berbasis

pada kecerdasan buatan neural network, diterapkan pada kendaraan listrik kecil

bermotor BLDC, dengan perubahan beban/load pada kendaraan, serta diterapkan

pada dua kondisi jalur berbeda.

d. Tujuan Penelitian

Penelitian ini bertujuan untuk membangun sistem kendali cerdas untuk

mengendalikan motor BLDC pada kendaraan listrik sehingga mencapai kondisi

optimum dalam efisiensi penggunaan daya sumber energi dan memperjauh jarak

tempuh.

9

BAB II. TINJAUAN PUSTAKA

a. Peta Jalan Penelitian

Pada tahun 2018, Peneliti telah melakukan penelitian dengan judul Desain Estimasi

Kecepatan Dengan Extended Kalman Filter Dan Single Neuron-Fuzzy Kecepatan

Controller Untuk Sensorless Brushless DC Motor dan dipublikasikan di (Rif’an,

2018). Pada Penelitian tersebut, Metode estimasi dan kontrol BLDC disajikan

dalam makalah ini. Karena BLDCM adalah motor tanpa kuas maka BLDC

membutuhkan posisi sensor untuk memutar rotor dan ini adalah kelemahan dari

BLDC. Algoritma sensorless Extended Kalman Filter (EKF) diusulkan untuk

menutupi kelemahan ini. Selain itu, BLDC juga merupakan sistem non linier.

Dengan demikian, sulit untuk mendapatkan pengendali parameter PID yang akurat

dan bagus dengan metode PID konvensional. Dalam tulisan ini, jaringan saraf

tunggal - Fuzzy PID untuk BLDC dikembangkan. Hasil percobaan menunjukkan

bahwa EKF mampu memperkirakan kecepatan BLDC dan jaringan saraf tunggal -

Kontroler Fuzzy PID membuat sistem BLDC lebih cepat.

Selanjutnya pada tahun 2019, Peneliti telah mempublikasikan [11] dengan deskripsi

penggunaan teknologi tanpa sensor di BLDC terutama untuk meningkatkan

keandalan operasional dan memainkan peran untuk penggunaan yang lebih luas

dari motor BLDC di masa depan. Penelitian ini bertujuan untuk memprediksi

perubahan beban dan meningkatkan akurasi hasil estimasi sensorless-BLDC.

Dalam tulisan ini, algoritma penyaringan baru diusulkan untuk motor DC brushless

tanpa sensor berdasarkan Ensemble Kalman filter (EnKF) dan jaringan saraf.

Algoritma EnKF yang diusulkan digunakan untuk memperkirakan kecepatan dan

posisi rotor, sedangkan jaringan saraf digunakan untuk memperkirakan gangguan

dengan simulasi. Algoritma yang diusulkan hanya membutuhkan tegangan terminal

dan arus tiga fase untuk perkiraan kecepatan dan gangguan. Model sistem non-

linear dilakukan untuk simulasi. Variasi dalam gangguan seperti beban mekanik

eksternal diberikan untuk menguji kinerja algoritma yang diusulkan. Hasil

10

percobaan menunjukkan bahwa algoritma yang diusulkan memiliki kontrol yang

cukup dengan kecepatan kesalahan 3% dalam gangguan 50% dari torsi terukur.

Hasil simulasi menunjukkan bahwa kecepatan dapat dilacak dan disesuaikan

dengan baik oleh gangguan atau adanya gangguan.

Untuk tahun 2020 Peneliti mengusulkan implementasi desain dan algoritma yang

telah dihasilkan pada kendaraan listrik sederhana/kecil. Sedangkan untuk tahun

2021 dan 2022 hasil yang didapat pada tahun 2020 akan digunakan untuk kendaraan

listrik besar dan diujicoba pada lingkup yang lebih luas.

Ringkasan Peta Jalan disajikan pada Gambar 1.

Gambar 1. Peta Jalan Penelitian

b. Kajian hasil-hasil Penelitian

Pada (Khan, 2016), masalah utama dalam HEV adalah mengelola aliran daya antara

bahan bakar dan sistem pasokan energi yang digunakan sebagai pergerakan

kendaraan. Kesulitan yang timbul adalah menjaga keseimbangan antara pasokan

energi yang terbatas dari sistem baterai dan persyaratan untuk meminimalkan

konsumsi bahan bakar dan emisi gas buang. Merupakan tugas yang menantang

untuk memenuhi kendala dan persyaratan secara bersamaan dan sering kali

pertukaran harus dilakukan untuk mendapatkan solusi yang optimal. Masalahnya

semakin dibesar-besarkan oleh keinginan untuk tidak mengurangi performa

kendaraan. Terlepas dari jenis HEV, kinerja kendaraan dalam hal penghematan

bahan bakar dan emisi pipa sangat bergantung pada sistem manajemen energi yang

dipilih yang merupakan topik yang menarik bagi banyak peneliti. Dalam [1],

11

berbagai sistem manajemen energi yang digunakan untuk kendaraan listrik hibrida

yang diusulkan dan dikembangkan dalam beberapa tahun terakhir ditinjau kembali

dan ditinjau.

Di dalam (Zhang, 2015) telah diusulkan strategi manajemen energi adaptif untuk

mencapai alokasi energi yang optimal untuk generator-mesin, baterai dan ultra-

kapasitor kendaraan listrik hibrida plug-in. Tiga upaya telah dilakukan. Pertama,

strategi kontrol hierarkis untuk berbagai sumber energi dari pandangan multi-skala.

Level atas adalah untuk mengatur energi antara generator mesin dan sistem

penyimpanan energi hibrida, sedangkan level bawah untuk baterai dan ultra-

kapasitor. Kedua, pendekatan manajemen adaptif berbasis pola pengenalan energi

telah diusulkan. Pendekatan ini menggunakan pengontrol logika fuzzy untuk

mengklasifikasikan siklus mengemudi khas ke dalam pola mengemudi yang

berbeda dan untuk mengidentifikasi pola mengemudi real-time. Pemrograman

dinamis telah digunakan untuk mengembangkan strategi kontrol yang optimal

untuk blok penggerak yang berbeda, dan akan sangat membantu untuk mewujudkan

manajemen energi adaptif untuk siklus mengemudi waktu nyata. Ketiga, untuk

meningkatkan kinerja manajemen energi secara real-time dan kuat, durasi 100-an

sebelumnya dari informasi historis telah ditentukan untuk mengidentifikasi pola

mengemudi waktu-nyata. Akhirnya, strategi manajemen energi adaptif telah

diusulkan. Hasil simulasi menunjukkan bahwa strategi manajemen energi yang

diusulkan memiliki efisiensi bahan bakar yang lebih baik daripada strategi kontrol

berbasis pemrograman dinamis asli dan konvensional.

Sementara itu pada (Xi, 2017) mengusulakan Extended range electric vehicle

(EREV) yang dapat menyimpan banyak energi bersih dari jaringan listrik ketika

tiba di stasiun pengisian daya dengan energi baterai yang lebih rendah.

Mengkonsumsi bensin minimum selama perjalanan adalah tujuan bersama bagi

sebagian besar pengontrol manajemen energi. Untuk mencapai tujuan ini,

pengontrol manajemen energi cerdas untuk EREV berdasarkan pemrograman

dinamis dan jaringan saraf tiruan (IEMC_NN) diusulkan. Rasio pemisahan

permintaan daya antara ekstender dan baterai dioptimalkan oleh DP, dan tujuan

kontrol disajikan sebagai fungsi biaya. Pengontrol online dilatih oleh jaringan saraf.

Tiga pengendali terlatih, membangun library pengendali di IEMC_NN, diperoleh

12

dari pelatihan tiga panjang khas siklus mengemudi. Untuk menentukan pengontrol

NN yang sesuai untuk keperluan jarak mengemudi yang berbeda, modul pemilihan

di IEMC_NN dikembangkan berdasarkan sisa energi baterai dan jarak mengemudi

ke stasiun pengisian. Tiga kondisi simulasi diadopsi untuk memvalidasi kinerja

IEMC_NN. Mereka target informasi jarak mengemudi, diketahui dan tidak

diketahui, mengubah tujuan selama perjalanan. Hasil simulasi dengan

menggunakan kondisi simulasi ini menunjukkan bahwa IEMC_NN memiliki

penghematan bahan bakar yang lebih baik daripada algoritme pengurasan pengisian

/ pengisian berkelanjutan (CD / CS). Lebih penting lagi, dengan informasi jarak

mengemudi yang diketahui, SOC baterai yang dikendalikan oleh IEMC_NN hanya

dapat mencapai batas bawah ketika EREV tiba di stasiun pengisian, yang juga layak

ketika pengemudi mengubah tujuan selama perjalanan.

.

13

BAB III. METODE PENELITIAN

Tujuan penelitian ini adalah untuk membangun sistem kendali cerdas yang

digunakan untuk mengendalikan motor BLDC pada kendaraan listrik sehingga

mencapai kondisi optimum dalam efisiensi penggunaan daya sumber energi dan

memperjauh jarak tempuh.

Metodologi yang digunakan adalah Research and Development (R&D) dengan

tahapan seperti disajikan pada Gambar 2.

Gambar 2. Flow Chart Penelitian

14

BAB IV. BIAYA DAN JADWAL PENELITIAN

5.1. Anggaran Biaya

No Jenis Pengeluaran Biaya Yang Diusulkan

1. Gaji dan upah 8.000.000,-

2. Bahan habis pakai dan peralatan 50.500.000,-

3. Perjalanan 3.000.000,-

4. Lain-lain: publikasi, seminar, laporan, lainnya

sebutkan 8.500.000,-

JUMLAH (Rp) 70.000.000,-

5.2. Jadwal Penelitian

Penelitian akan dilaksanakan selama satu tahun dengan tahapan sesuai langkah

penelitian.

Jadwal Penelitian

No Kegiatan 2020

1 2 3 4 5 6 7 8 9 10 11 12

1 Persiapan Penelitian

2 Perencanan

3 Realisasi Sistem

4 Uji coba Sistem

5 Analisis

11 Laporan

15

DAFTAR PUSTAKA

Flah, A. (2017). Internal Fuzzy Hybrid Charger System for a Hybrid Electrical

Vehicle. ASME J. Energy Resour. Technol. 2017, 140, 12003–12008.

Gaoua, Y. (2013). On-Line HEV Energy Management Using a Fuzzy Logic. In

Proceedings of the 12th Internasional Conference on Environment and

Electrical Engineering (EEEIC), Wroclaw, Poland, 5–8 May 2013; p. 6

Itani, K. De Bernardinis, A.; Zoubir, K.; Jammal, A. (2016). Extreme conditions

regenerative braking modeling, control, and simulation of a hybrid energy

storage system for an electric vehicle. IEEE Trans. Transp. Electrif. 2016,

7782, 1–16.

Khan Ali, L.; Badjate, Z.S.; Kshirsagar, R.V. (2016). Review on Energy

Management System for Hybrid Vehicle. Int. J. Sci. Technol. Eng. 2016, 2,

95–98.

Lin, Y.-H.; Hu, Y.-C. (2018). Electrical Energy Management Based on a Hybrid

Artificial Neural Network-Particle Swarm Optimization-Integrated Two-

Stage Non-Intrusive Load Monitoring Process in Smart Homes. Processes

2018, 6, 236.

Mahmoudi, C.; Flah, A.; Sbita, L. (2017). Prototype design of a compact plug-in

solar electric vehicle application for smart power management architecture.

In Proceedings of the International Conference on Green Energy and

Conversion Systems (GECS), Hammamet, Tunisia, 23–25 March 2017.

Rif’an, M., Yusivar, F., & Putro, B. K. (2018). Design of extended kalman filter

speed estimator and single neuron-fuzzy speed controller for sensorless

brushless DC motor. Journal of Telecommunication, Electronic and

Computer Engineering, 10(1-5), 157-161.

Rif'an, M., Yusivar, F., & Kusumoputro, B. (2019). Sensorless-BLDC motor speed

control with ensemble Kalman filter and neural network. Journal of

Mechatronics, Electrical Power, and Vehicular Technology, 10(1), 1-6.

16

Shetty, S.S.; Karabasoglu, O. (2014). Regenerative Braking Control Strategy for

Hybrid and Electric Vehicles Using Artificial Neural Networks. In

Proceedings of the 15th International Conference on Engineering

Applications of Neural Networks (EANN 2014), Sofia, Bulgaria, 5–7

September 2014; Mladenov, V., Jayne, C., Iliadis, L., Eds.; Springer

International Publishing: Cham, Switzerland, 2014; pp. 103–112, ISBN

978-3-319-11071-4.

Werachet, K.; Heinz, Z. (2014). Wireless power charging on electric vehicles. In

Proceedings of the Internasional Electrical Engineering Congress, chonburi,

Thailand, 16 October 2014; pp. 6–9.

Xi, L.; Zhang, X.; Sun, C.; Wang, Z.; Hou, X.; Zhang, J. (2017). Intelligent Energy

Management Control for Extended Range Electric Vehicles Based on

Dynamic Programming and Neural Network. Energies 2017, 10, 1871.

Zhang, S.; Xiong, R. (2015). Adaptive energy management of a plug-in hybrid

electric vehicle based on driving pattern recognition and dynamic

programming. Appl. Energy 2015, 155, 68–78.

17

LAMPIRAN

Lampiran: Justifikasi Anggaran Penelitian

No. Komponen Pengeluaran Tahun

1 Uraian Vol Satuan Harga Jumlah

A. Honor

1. Teknisi 4 OK 2.000.000 8.000.000

Jumlah komponen A 8.000.000

B. Operasional Pengembangan (bahan habis pakai, sewa, ATK)

2. Persiapan 1 OK 500.000 500.000

3. Modul Kendali BLDC TMDSHVMTRPFCKIT: High Voltage PFC and

Motor Control Developers

Kit

2 Paket 9.250.000 18.500.000

4. Kendaraan Listrik SELIS MOTOR LISTRIK TIPE NEW BALIS

1 Unit 31.500.000 31.500.000

Jumlah komponen B 50.500.000

C. Perjalanan

1. Seminar 2 Paket 1.500.000 3.000.000

3.000.000

D. Lain-lain

1. Seminar dan Publikasi 2 Paket 3.500.000 7.000.000

2. Laporan Penelitian 5 Exp 300.000 1.500.000

Jumlah Komponen D 8.500.000

Jumlah Total Komponen A + B + C + D 70.000.000

18

Lampiran : Biodata Ketua Peneliti

A. Identitas Diri

1 Nama Lengkap (dengan gelar) Dr. Muhammad Rif’an, ST.MT

2 Jabatan Fungsional Lektor

3 Jabatan Struktural -

4 NIP/NIK/No. identitas lainnya 19741022 200112 1 001

5 NIDN 0022107404

6 Tempat dan Tanggal Lahir Jakarta, 22 Oktober 1974

7 Alamat Rumah Jl Subur 26 Menteng Atas Jakarta Selatan

8 Nomor Telepon/HP 08567074880

9 Alamat Kantor Gedung L Teknik Elektro FT UNJ

10 Nomor Telepon/Faks 021-4712137

11 E-mail m.rifan@unj.ac.id

12 Lulusan yg telah dihasilkan 72 mahasiswa

13 Mata Kuliah yg diampu

1. Sistem Kendali Kontinyu

2. Sistem Kendali Digital

3. Sistem Kendali Cerdas

4. Aplikasi Komputer dalam Industri

5. Komputasi Numerik

B. Riwayat Pendidikan

Program: S-1 S-2 S-3

Nama PT Univesritas

Indonesia

Univesritas

Indonesia

Univesritas

Indonesia

Bidang Ilmu Teknik Elektro Teknik Elektro Teknik

Elektro

Tahun Masuk-Lulus 1993-1998 1999-2001 2013-2017

Judul Skripsi/Thesis/Disertasi

Simulasi

pengendalian

dengan teknik

pole placement

swatala

menggunakan

GUI Matlab 5.0

Simulator Sistem

Pengendalian

dengan Teknik

PID, Self Tuning,

dam Fuzzy

Teknik

Kendali Baru

PID Adaptif

Berbasis

Model Invers

Neural

Network

Untuk

19

Program: S-1 S-2 S-3

Pengendalian

Brushless-

DC-Motor

Dengan

Konfigurasi

Speed-

Sensorless

Neural

Network

Ensemble

Kalman Filter

Nama Pembimbing/Promotor

Prof. Dr. Ir. H.

Muhammadi

Siswosudarmo,

M.Sc.

Ir. Wahidin

Wahab, M.Sc.,

Ph.D.

Prof. Dr. Eng.

Drs.

Benyamin

Kusumoputro,

M.Eng.

C. Pengalaman Penelitian dalam 5 Tahun Terakhir

(Bukan Skripsi, Tesis, maupun Disertasi)

No. Tahun Judul Penelitian Pendanaan

Sumber* Jml (Juta Rp)

1 2017 DESAIN ESTIMASI KECEPATAN

DENGAN EXTENDED KALMAN

FILTER DAN SINGLE NEURON -

FUZZY KECEPATAN CONTROLLER

UNTUK SENSORLESS BRUSHLESS

DC MOTOR

FT 11 juta

2 2017 RANCANG BANGUN SISTEM

SMART HOME

FT 11 juta

20

No. Tahun Judul Penelitian Pendanaan

Sumber* Jml (Juta Rp)

3 2018 PENGEMBANGAN HARDWARE-IN-THE-

LOOP SISTEM KENDALI PROSES

INDUSTRI UNTUK PRAKTIKUM

MAHASISWA D3 BIDANG TEKNOLOGI

ELEKTRONIKA

FT 10 juta

4 2019 PENGEMBANGAN RTU SCADA

BERBASIS XBEE ARDUINO

FT 10 juta

*Tuliskan sumber pendanaan baik dari skema penelitian DIKTI maupun dari

sumber lainnya

D. Pengalaman Pengabdian Kepada Masyarakat dalam 5 Tahun Terakhir

No. Tahun Judul Pengabdian Kepada Masyarakat Pendanaan

Sumber* Jml (Juta Rp)

1 2017 Pelatihan Pembuatan Toko Online

Untuk Masyarakat Kecamatan Iv Koto

Kabupaten Agam Sumatera Barat

FT 6 juta

2 2018 Pelatihan Pembuatan Toko Online

Untuk Masyarakat Kecamatan Muara

Gembong Bekasi Jawa Barat

Mandiri

3 2018 Pelatihan Plc Untuk Guru Smk Kota

Tangerang Selatan Banten

FT 15 juta

4 2019 Pelatihan Pembuatan Toko Online Bagi

Masyarakat Kelurahan Duren Seribu

Kecamatan Bojong Sari Kota Depok

Jawa Barat

FT 15 juta

*Tuliskan sumber pendanaan baik dari skema pengabdian kepada masyarakat

DIKTI maupun dari sumber lainnya

21

E. Publikasi Artikel Ilmiah Dalam Jurnal dalam 5 Tahun Terakhir

No. Tahun Judul Artikel Ilmiah Volume/

Nomor/Tahun Nama Jurnal

1 2015 Performance characteristics of

an improved single neuron PID

controller using additional error

of an inversed control signal

Industrial

Control

Systems

Security

(WCICSS)

2 2015 A Comparison of Ensemble

Kalman Filter And Extended

Kalman Filter As The

Estimation System In

Sensorless BLDC Motor

Vol. 10, No.

17, September

2015

ARPN Journal

of Engineering

and Applied

Sciences,

3 2016 An Improved Single Neuron

Adaptive PID Controller

System Based on Additional

Error of an Inversed-Control

Signal

Volume 22,

Number 10,

October 2016

Advanced

Science Letters

4 2017 Estimation and Control of

Sensorless Brushless DC Motor

Drive using Ensemble Kalman

Filter

Proceedings of

the 8th

International

Conference on

Computer

Modeling and

Simulation

5 2018 Design of Extended Kalman

Filter Speed Estimator and

Single Neuron-Fuzzy Speed

Controller for Sensorless

Brushless DC Motor

Volume 10,

Number 1-5,

2018

Journal of

Telecommunic

ation,

Electronic and

Computer

Engineering

(JTEC)/10/1-

5/utem

22

No. Tahun Judul Artikel Ilmiah Volume/

Nomor/Tahun Nama Jurnal

6 2019 Designing Power Wave

AUTOMASS (Automatic

Maritime Security System) As

Effort to Prevent Illegal Fishing

Proceedings of

the 3rd UNJ

International

Conference on

Technical and

Vocational

Education and

Training 2018

(3rd ICTVET

2018)

7 2019 Internet of Things (IoT):

BLYNK Framework for Smart

Home

Proceedings of

the 3rd UNJ

International

Conference on

Technical and

Vocational

Education and

Training 2018

(3rd ICTVET

2018)

8 2019 Study of electric power system

oscillation damping

Volume 1402,

Issue 3,

2019

Journal of

Physics:

Conference

Series

9 2019 Spatial neural network for

forecasting energy

consumption of Palembang area

Volume 1402,

Issue 3,

2019

Journal of

Physics:

Conference

Series

10 2019 Construction design system of

constant pressure control in

water distribution system with

Volume 1402,

Issue 2,

2019

Journal of

Physics:

23

No. Tahun Judul Artikel Ilmiah Volume/

Nomor/Tahun Nama Jurnal

PID method using PLC based

on IoT

Conference

Series

11 2019 Sensorless-BLDC motor speed

control with ensemble Kalman

filter and neural network

Volume 10,

Number 1,

2019

Journal of

Mechatronics,

Electrical

Power, and

Vehicular

Technology

F. Pemakalah Seminar Ilmiah (Oral Presentation) dalam 5 Tahun Terakhir

No. Nama Pertemuan

Ilmiah/Seminar

Judul Artikel Waktu dan

Tempat

1 International Conference on

Control Theory and Its

Application

Single Neuron Adaptive

PID Controller 2015, Malaka

2 ADVANCED RESEARCH IN

ELECTRONIC ENGINEERING

AND INFORMATION

TECHNOLOGY

INTERNATIONAL

CONFERENCE

Sensorless-BLDC

motor speed control

2016, Bali

3 International Conference on

Computer Modeling and

Simulation

Estimation and Control

of Sensorless Brushless

DC Motor

2017, Canberra

4 Progress in Electronics

Engineering, Computer

Engineering and Information

Technology

Estimator and Speed

Controller for

Sensorless Brushless

DC Motor

2017, Bandung

5 The 15th Quality in Research

(QiR)

Adaptive PID controller 2017, Bali

24

No. Nama Pertemuan

Ilmiah/Seminar

Judul Artikel Waktu dan

Tempat

6 International Conference on

Engineering of Tarumanegara

(3rd)

Smart Home 2017, Jakarta

7 THE 3rd INTERNATIONAL

CONFERENCE ON TECHNICAL

AND VOCATIONAL

EDUCATION AND TRAINING

(3rd ICTVET) 2018

Hardware In The Loop 2018, Jakarta

8 The 4th Annual Applied Science

and Engineering Conference

(AASEC2019)

Spatial neural network 2019, Bali

9 Seminar Nasional Pendidikan

dan Teknologi Kejuruan 2019

SCADA 2019, Jakarta

G. Pengalaman Penulisan Buku dalam 5 Tahun Terakhir

No Judul Buku Tahun Jumlah

Halaman Penerbit

1

SISTEM

PENJAMINAN MUTU

INTERNAL

2018 202 TiraSmart

H. Pengalaman Perolehan HKI dalam 5 – 10 Tahun Terakhir

No Judul / Tema HKI Tahun Jenis Nomor P/ ID

1 Modul Sensor: Kontrol

Digital Dan IoT

2019 HKI EC00201941066

2 Desain Sistem Informasi

Supervisi Mutu

2019 HKI EC00201991646

3 Sistem Kendali

Kontinyu

2019 HKI EC00201975820

I. Pengalaman Merumuskan Kebijakan Publik/ Rekayasa Sosial Lainnya

dalam 5 Tahun Terakhir.

25

No

Judul / Tema/ Jenis Rekayasa

Sosial Lainnya yang Telah

Diterapkan

Tahun Tempat

Penerapan

Respon

Masyarakat

1 Penjaminan Mutu Pendidikan Dasar

dan Menengah 2016 Nasional

Budaya

Mutu

J. Penghargaan yang Pernah Diraih dalam 10 Tahun Terakhir (dari

Pemerintah, Asosiasi atau Institusi Lainnya).

No Jenis Penghargaan Institusi Pemberi

Penghargaan

Tahun

1 Best Presenter Universitas Negeri

Jakarta

2018

2 Best Presenter Universitas Pendidikan

Indonesia

2019

Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan

dapat dipertanggungjawabkan secara hukum. Apabila dikemudian hari ternyata

dijumpai ketidak-sesuaian dengan kenyataan, saya sanggup menerima resikonya.

Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu

persyaratan dalam pengajuan Penelitian Fakultas.

Jakarta, 15 Maret 2020

Ketua Pengusul,

Dr. Muhammad Rif’an, ST., MT.

NIP. 19741022 200112 1001

26

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

LEMBAGA PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT

UNIVERSITAS NEGERI JAKARTA

Lampiran : Surat Pernyataan Originalitas

SURAT PERNYATAAN ORIGINALITAS

Yang bertanda tangan di bawah ini:

Nama : Dr. Muhammad Rif’an, ST., MT

NIP/NIDN : 197410222001121001/0022107404

Pangkat/Golongan : III/c

Jabatan Fungsional : Lektor

Alamat : D3 Elektronika, Gedung L Kampus A UNJ

Dengan ini menyatakan bahwa proposal penelitian saya dengan judul

PENINGKATAN EFISIENSI KENDARAAN MOTOR LISTRIK BERBASIS

BLDC MENGGUNAKAN KENDALI CERDAS NEURAL NETWORK yang

diusulkan dalam skim Penelitian Unggulan Universitas untuk tahun anggaran 2020

bersifat original dan belum pernah dibiayai oleh lembaga / sumber dana lain.

Bilamana di kemudian hari ditemukan ketidak sesuaian dengan pernyataan ini,

maka saya bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku dan

mengembalikan seluruh biaya penelitian yang sudah diterima ke kas negara.

Demikian pernyataan ini dibuat dengan sesungguhnya dan dengan sebenar-

benarnya.

Mengetahui

Ketua LPPM,

Dr. Ucu Cahyana, Msi

NIP.19660820 199403 1 002

Jakarta, 13 Maret 2020

Peneliti,

Dr. Muhammad Rif’an

. NIP. 19741022 200112 1 001

27

KEMENTERIAN PENDIDIKAN DAN KEBUDAYAAN

LEMBAGA PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT

UNIVERSITAS NEGERI JAKARTA

Lampiran : Surat Pernyataan Kesediaan Publikasi

SURAT PERNYATAAN KESEDIAAN PUBLIKASI

Yang bertanda tangan di bawah ini:

Nama : Dr. Muhammad Rif’an, ST., MT

NIP/NIDN : 197410222001121001/0022107404

Pangkat/Golongan : III/c

Jabatan Fungsional : Lektor

Alamat : D3 Elektronika, Gedung L Kampus A UNJ

Dengan ini menyatakan bahwa peneliti bersedia menandatangani Surat Pernyataan

Peneliti tentang kewajiban mempublikasikan jurnal internasional terindeks Scopus

dan satu publikasi di prosiding internasional bereputasi terindeks Scopus yang

diterbitkan pada tahun berjalan (tahun pelaksanaan penelitian).

Apabila di kemudian hari ditemukan ketidak sesuaian dengan pernyataan ini, maka

saya bersedia mengembalikan seluruh biaya penelitian yang sudah diterima ke UNJ.

Demikian pernyataan ini dibuat dengan sesungguhnya dan dengan sebenar-

benarnya.

Mengetahui

Ketua LPPM,

Dr. Ucu Cahyana, Msi

NIP.19660820 199403 1 002

Jakarta, 13 Maret 2020

Peneliti,

Dr. Muhammad Rif’an

. NIP. 19741022 200112 1 001

28

29