Anda di halaman 1dari 13

1

PERANCANGAN SISTEM PENGENDALIAN TEMPERATURE


PADA REBOILER METANOL RECOVERY MENGGUNAKAN
FUZZY GAIN SCHEDULING-PID
DI PT. ETERINDO NUSA GRAHA GRESIK

(Agus Handrian F, Syamsul Arifin, Roekmono)

Jurusan Teknik Fisika Fakultas Teknologi Industri
Institut Teknologi Sepuluh Nopember
Kampus ITS, Keputih Sukolilo, Surabaya 60111


Abstrak
Distillation Column merupakan proses pemisahan yang paling banyak digunakan dan salah satu
komponennya adalah reboiler. Distillation Column memisahkan suatu komponen campuran berdasarkan komposisi
dari cairan dan uap dari bentuk awal yang berupa cairan.Temperaturepada reboiler perlu dikendalikan untuk
menjaga kestabilan suhu keluaran metanol sehinggga tingkat kemurnian yang diinginkan dapat diperoleh.Untuk
mendapatkan harga tuning Kp, Ki dan Kd dilakukan dengan metode T-L osilasi dan didapatkan nilai Kp = 13.4, Ki
= 0.3 dan Kd = 49.2. Menggunakan pengendali fuzzy gain scheduling - PI didapatkan karakteristik respon output
yang lebih baik dibandingkan dengan pengendali PID. Untuk pengendali PID didapatkan nilai maximum overshoot
= 18,88 %, settling time = 74detik. Sedangkan untuk Fuzzy Gain Scheduling - PID didapatkan nilai Maximum
overshoot = 0 %, settling time = 34detik.

Kata Kunci: Temperature, Reboiler, Fuzzy Gain Scheduling - PID



I. PENDAHULUAN
1.1 Latar Belakang
Dalam suatu proses pemisahan atau
separation process yang menggunakan distillation
column, seringkali terdapat permasalahan yang
berkaitan dengan kestabilan hasil keluaran
temperature yang dibutuhkan. Hal ini bisa
disebabkan oleh kondisi awal temperature, yang
dalam hal ini adalah metanol dari keluaran preheater
dan hasil pemurnian yang kurang sesuai dengan
kondisi tingkat kemurnian metanol yang diinginkan.
Proses pemisahan dengan distillation column
ini umumnya memanfaatkan perbedaan titik didih
antara komponen-komponen dalam metanol yang
akan dimurnikan..Dengan adanya proses perpindahan
panas yang terjadi, terdapat kemungkinan yang bisa
menyebabkan kurangnya tingkat kemurnian metanol
yang diperoleh. Dampak langsung yang terjadi
adalah kemurnian produk yang nilai ekonomisnya
menjadi relatif rendah jika dibandingkan terhadap
konsumsi energi yang diperlukan.
Oleh karena itu temperature hasil proses
pemisahan ini perlu dilengkapi dengan sistem
pengendalian yang lebih baik. Hal ini juga diperkuat
dengan pengendalian temperature metanol di pabrik
yang belum menemukan parameter tunning yang
tepat untuk pengendalian PID.
Kondisi tersebut dirasa masih kurang optimal
karena masih bisa terjadi kesalahan dan selisih antara
temperature steam yang keluar dari reboiler dan
temperature metanol yang dihasilkan. Oleh karena itu
desain sistem pengendalian padaproses pemisahan
akibat perubahan temperature dalam reboiler metanol
recovery sangat dibutuhkan agar hasil keluaran
temperature metanol yang diperolehdengan
menerapkan kesetimbangan energi dapat
terjagakestabilan temperaturenya.
Fuzzy Logic Control, merupakan suatu
metode pengendalian berbasis pengetahuan, logika
dan aturan-aturan atau rule berdasarkan pengalaman
(expert system). Pada Tugas Akhir ini, Fuzzy Logic
Control, diimplementasikan sebagai gain chedulling
pada sistem pengendali PID pada reboiler metanol
recovery.
Dengan demikian hasil yang diharapkan
adalah menghasilkan sistem pengendalian yang lebih
baik, serta metanol dapat mencapai temperature yang
diinginkan dan menghasilkan metanol dengan tingkat
kemurnian yang dibutuhkan.
2
II. TEORI PENUNJANG
3. 1 Distillation Column
Distillation Columnmerupakan proses
pemisahan yang paling banyak digunakan dan salah
satu yang mudah dipahami dalam pengoperasiannya.
Distillation Column memisahkan suatu komponen
campuran berdasarkan komposisi dari cairan dan uap
dari bentuk awal yang berupa cairan.Pengendalian
pada sistem perlengkapan ini meliputi manipulasi
kesetimbangan energi yang digunakan untuk
menghasilkan tingkat kemurnian dan komposisi dari
suatu produk.
Bagian terpenting dari perlengkapan
distillation column adalah main tower, dimana bagian
ini memiliki 2 tujuan. Pertama adalah memisahkan
feed menjadi bagian uap yang menaiki column dan
bagian cair yang menuruni column.
Kedua adalah mendapatkan campuran antara
dua aliran yang berlawanan arah, hal ini untuk
mendapatkan perpindahan yang lebih efektif pada
komponen cairan yang turun.

Gambar 2.1 Distillation Column Dan
Perlengkapannya

3. 2 Reboiler
Cairan yang berada pada bagian bawah
column dipanaskan kembali di dalam reboiler,
dimana reboiler adalah salah satu perlengkapan
distillation column yang memberikan perpindahan
panas.
Reboiler digunakan untuk menguapkan
cairan yang masuk sehingga uap yang dihasilkan
masuk kembali dan naik ke column, dan cairan
sisanya akan tertinggal di bagian bawah column
sebagai residu.
Tangki reboiler vertical dan horizontal
bekerja dengan sirkulasi natural, dimana aliran yang
mengalir ke reboiler disebabkan oleh
ketidakseimbangan tekanan hidrostatik antara cairan
di dalam tower dan campuran di dalam tube reboiler.

3. 3 Hukum Kesetimbangan
Dasar yang digunakan untuk memodelkan
reboiler metanol recovery ini adalah prinsip
kesetimbangan massa dan energi. Sebagian besar
proses yang terjadi pada plant dimodelkan dalam
bentuk persamaaan matematis, sehingga proses yang
terjadi di dalam plant bisa dijelaskan masksudnya
secara fisis.

Kesetmbangan Massa
Pendekatan model matematis dimana massa
yang terakumulasi merupakan selisih laju massa
masuk dengan laju massa keluar. Dengan mengetahui
massa yang terakumulasi didalam sistem maka
mekanisme perubahan massa per satuan waktu dapat
diketahui seperti berikut:
[akumulasi massa per satuan waktu] = [massa masuk
per satuan waktu] - [massa keluar per satuan waktu]
d (pAh)
dt
= pF

- pF
o

A
dh
dt
= F

- F
o

Dengan F

adalah laju aliran fluida dengan


satuan volume per satuan waktu untuk aliran masuk
sistem.Sedangkan F
o
adalah laju aliran fluida keluar
sistem untuk satuan volume per satuan waktu dengan
asumsi bahwa densitas konstan.

Kesetimbangan Energi
Pendekatan model matematis dimana energi
yang terakumulasi sama dengan selisih antara energi
total input per satuan waktu dengan energi total
output persatuan waktu ditambah dengan Energi total
yang dialirkan ke dalam sistem seperti berikut:.
[akumulasi energi per satuan waktu] = [energi masuk
per satuan waktu] - [energi keluar per satuan waktu]
+ [energi steam per satuan waktu]
d |pAhC
p
(1
i
-1
rc]
)]
dt
= pF

C
p
(I

-I
c]
) - pF
o
C
p
(I
o
- I
c]
) +

Dimana :
A : luas penampang reboiler metanol
recovery
h : ketinggian reboiler metanol recovery
C
p
: kalor spesifik
I

: temperature fluida yang masuk


I
o
: temperature fluida yang keluar
I
c]
: temperature fluida yang diinginkan
Q : energi panas steam


ke
ke
S
P
la

3.
ko
un
m
pe
pe
pa
m
D
m
da
pe



Subtitu
esetimbangan
esetimbangan
A
d(h1
c
dt
A
d(h1
c
dt
ehingga persa
Ab
d1
c
dt
enyederhanaa
Ab
d1
i
dt
Ab
d1
i
dt
Ah
P
i
d1
i
dt

Dari p
aplace adalah
I
o(s)
(
I
o(s)
=
. 4 Kontr
Kontro
onvensional y
nit pengenda
mempunyai s
erformansi ya
Untuk
engendali der
ada pengenda
mode penge
Derivative
mempercepat
an mendapat
erubahan load

Gambar
usi persam
n massa ke
n energi
1
c
)
= Ab
d1
c
dt
+
1
c
)
= Ab
d1
c
dt
+
amaan ekival
c
+ I
o
(F

- F
o
an persamaan
i
+ F

I
o
- F
o
I
i
+ F

I
o
= F

+ I
o
= I

+
persamaan di
sebagai berik
s + 1) = I
(
=
1
i(s)
(:s+1)
+
(:s
roler PID
oler PI
yang sering d
alian proses.
struktur yang
ang baik pada
k mempercepa
rivative, sehin
ali integral d
endali Prop
masing-mas
reaksi sistem
tkan energi
d.
r 2.2 Diagram
maan pad
persamaan
+ AI
o
dh
dt

+ I
o
(F

- F
o
)
len dengan pe
F
o
) = F

- F
n
I
o
= F

+

pC
p

P
i
pC
p

iatas diketahu
kut:
(s)
+

(s)
P
i
pC
p

1
s+1)
1
P
i
pC
p

(s)
D adal
digunakan da
Hal inidika
g relatif se
a daerah opera
at respon mak
ngga kekuran
dapat ditutup
portional, In
ing bergu
m, menghila
ekstra di sa
m Blok Kontro
da prinsip
pada prinsip

ersamaan
F
o
I
o
+

pC
p

F
o
I
o
+

pC
p

ui persamaan
)

lahpengendali
alam berbagai
arenakan PID
derhana dan
asi yang luas.
ka dibutuhkan
ngan yang ada
i. Jadi ketiga
ntegral dan
una untuk
angkan offset
aat-saat awal
oler PID
p
p

n
i
i
D
n
.
n
a
a
n
k
t
l
3. 5
men
deka
meta
diba
digu
terla
meta
dika
perb
kom
terpi
men
ketik
3. 6
pros
tanp
pada
men
utam
Dim
kepe
suatu
infor
lingu
adala
Cont
bany
mem
sehin
peny
Sela
sede
form
Meto
Sche
3. 7
bany
bent
diim
biasa
Gain
Sistem P
Reboiler
Temperat
yebabkan ko
at dengan kon
anol yang di
ndingkan den
unakan untuk
Sebaliknya
alu tinggi aka
anol yang dip
renakan pros
bedaan titik di
mponen dalam
isah dan m
guap dan m
ka didinginka
Logika F
Logika
es yang rumi
a harus men
a logika konv
gembangkan
manya ketid
mana suatu fu
emilikan suatu
u harga antar
rmasi dari v
uistik.
Perkemba
ah PID-fuzz
troller menu
yak macam p
miliki kelema
ngga membu
yesuaian jika
njutnya dius
erhana dan p
mulasi fuzzy
ode baru ya
eduling.

Gain Sch
Pengenda
yak digunak
uknya ya
mplementasika
anya adalah d
n Scheduling-
Pengendalian
Metanol Rec
ture fluida ya
ondisi hasil p
ndisi awal seb
iperoleh mas
ngan konsum
perpindahan
bila Temp
an menyebab
peroleh kuran
ses pemisaha
idih tidak aka
m crude met
masih dalam
mempengaruh
an di condense
Fuzzy
fuzzy dapat
it dan kompl
ngetahui mod
vensional. Ga
suatu ker
dakpastian p
ungsi yang m
u himpunan
r 0 sampai 1.L
variabel num
angan peng
zy atau fu
unjukkan kon
proses non-lin
ahan, yaitu
utuhkan bany
a terjadi peru
sahakan per
pengendali ya
biasa tanpa
ng disaranka
hedulling
ali PID merup
kan di ind
ang sederh
an. Untuk m
dengan meng
-PID.
n Temperat
covery
ang terlalu re
pemisahan ya
belum dipisah
sih terlalu se
msi energi st
panas pada m
perature flu
bkan tingkat k
ng sempurna
an yang mem
an tercapai. K
tanol yang s
fase cair
hi kemurnian
er.
t mengatasi
ek, hal ini bi
del matemati
agasan kuncin
rangka yang
presisi (Imp
mengekspresik
dilambangkan
Logika fuzzy
merik menjad
gunaan logi
uzzy contro
ntrol yang st
near. Tetapi m
banyaknya r
yak biaya d
ubahan kondi
rancangan y
ang lebih ef
kehilangan k
an adalah Fu
pakan pengen
dustri prose
hana dan
mengatasi per
ggunakan met
ture pada
endah akan
ang masih
h.Sehingga
edikit jika
team yang
metanol.
uida yang
kemurnian
a. Hal ini
manfaatkan
Komponen-
seharusnya
akan ikut
n metanol
dinamika
isa didapat
ika seperti
nya adalah
g variabel
precision).
kan derajat
n terhadap
mengolah
di variabel
ika fuzzy
oller.Fuzzy
tabil pada
metode ini
rule base,
dan waktu
isi proses.
ang lebih
fisien dari
kestabilan.
uzzy Gain
ndali yang
es karena
mudah
rmasalahan
tode Fuzzy
4
Dimana parameter kendali berubah secara
otomatis.Hal ini terjadi jika perubahan kondisi
operasi yang menyebabkan kinerja kendali menurun,
dimana dapat diketahui dari nilai error dan
derror.Metode ini dinamakan Fuzzygain scheduling-
PID.
Pada aplikasi ini, fuzzy berfungsi
menghitung secara otomatis parameter kontrol PID
(Kp, Ti dan Td), berdasarkan kondisi signal error (E)
dan perubahan error (E). Secara umum, diagram
fuzzy PID gain scheduling kendali dapat
digambarkan seperti berikut.

Gambar 2.3 Diagram Blok Sistem Kontrol Fuzzy
Gain Scheduling-PID

Variabel tambahan yang akan dijadikan
variabel penjadwal pada dasarnya harus terkorelasi
atau berhubungan dengan titik kerja atau kondisi
proses yang dikontrol. Variabel tersebut dapat saja
berupa output proses itu sendiri atau variabel input
lain yang secara langsung mempengaruhi dinamika
proses.
Dalam bentuknya yang sederhana, metode
kontrol gain scheduling ini dapat direalisasikan
dalam sebuah tabel yang berisi himpunan parameter
PID untuk berbagai kondisi yang mungkin terjadi
selama pengontrolan proses berlangsung.

III. PERANCANGAN DAN METODOLOGI
3. 1 Pemodelan Matematis Reboiler
Dasar yang digunakan untuk
memodelkan reboiler metanol recovery ini
adalah prinsip kesetimbangan massa dan energi.
Sehingga proses yang terjadi di dalam plant bisa
dijelaskan masksudnya secara fisis.

Untuk kondisi plant:
m : u.28 kgs
b : 16u.84 KkolkgoC
F

: 1.S89 litcrs
p : u.8kglitcr
C
p
: u.6 Kkolkg
Sehingga untuk Gain Proses adalah sebagai berikut:
0
P
=
1
(s + 1)
1
F

pC
p

(s)

0
P
=
1
(216s+1)
160.84
1.389- 0.8-0.6

0
P
=
241.24
(216s+1)


3. 2 Model Matematis Temperature Transmitter
Pengukuran pada sensor temperatur di
Reboiler Metanol Recovery menggunakan prinsip
perbedaan antara temperature fluida maksimum dan
temperature fluida minimum dalam reboiler. Setelah
diperoleh nilai perbedaan temperature tersebut maka
data perhitungan ini dikirim dalam bentuk sinyal
elektrik sebesar 4-20 mA.
Nilai GainTransmitter :
0
1
=
Arus moks - Arus min
Icmpcroturc moks - Icmpcroturc min

0
1
=
2u -4
1uu -6u
=
16
4u
= u.4
Sehingga Gain Untuk Temperature Transmiter :

I
(s)
1
(s)
=
0.4
2.53s+1


3. 3 Katup Pengendali (control valve)
Fungsi transfer control valve dan actuator
dapatdidekati dengan persamaan orde satu dengan
asumsi bahwa control valve yang digunakan
mempunyaikarakteristik aliran yang liniersebagai
berikut:
Gain Control Valve:
0
c
=
Io]u oliron moksimum
Pcrubobon tckonon mosukon

0
c
=
u.78 kgs
1S -S
= u.u6S
GainActuator:
0
IP
=
Pcrubobon tckonon mosukon
Pcrubobon orus mosukon

0
IP
=
1S -S
2u - 4

0
IP
=
12
16
= u.7S
5
Sehingga diperoleh gain total control valve:
0
tot
= 0
c
. 0
IP

0
tot
= u.u6S . u.7S
0
tot
= u.u487S

Sehingga gain untuk control valve adalah sebagai
berikut:
H(s)
I(s)
=
u.u487S
4.Ss +1


3. 4 Penentuan Parameter Tunning PID
Untuk mendapatkan sistem control yang
memiliki hasil yang stabil dan kualitas pengendalian
yang optimal, maka parameter dalam controller PID
juga harus ditentukan terlebih dahulu. Hal yang perlu
dilakukan adalah mendapatkan variabel nilai gain
dengan mendapatkan kestabilan dari suatu sistem.
Kestabilan sistem dapat dicari dengan menentukan
persamaan karakteristik dan pole-pole pada fungsi
transfernya.

Gambar 3.1 Diagram Blok Sistem Closed Loop
Pada penggunaan metode ini, hal yang paling
diutamakan adalah mencari nilai ultimate gain (Ku).
Nilai Ku dicari sedemikian rupa dengan melakukan
settingparametercontroller sehingga dengan nilai
tersebut sistem control menghasilkan respon yang
berosilasi secara kontinyu dan berkelanjutan karena
dengan semakin besar Ku, maka respon sistem akan
mencapai kondisi osilasi.
Berikut ini adalah persamaan matematis pada
sistem closed loop:
Kcluoron (s)
Hosukon (s)
=
K0
c
(s)0
p
(s)
1 + 0
c
(s)0
p
(s)0
1
(s)

Kcluoron (s)
Hosukon (s)
=
K x
0.04875
4.3s+1
x
241.24
(216s+1)
1 + [
0.04875
4.3s+1
x
241.24
(216s+1)
0.4
2.53s+1


Dari persamaan matematis tersebut di atas
didapat, bahwa persamaan karakteristik sistem
adalah;
2S49.86s
3
+1486.16s
2
+ 222.8Ss + 1 +4.7u418K
2S49.86s
3
+ 1486.16s
2
+ 222.8Ss +1
= u
Karakteristik dari tiap persamaan sistem
untuk closedloop adalah pada bagian denumerator
dari transfer function maka persamaan karakteristik
sistem untuk kontroler PID adalah:
1 +0
c
(s)0
p
(s)0
1
(s) = u
Sehingga didapat susunan sebagai berikut:
2S49.86s
3
+ 1486.16s
2
+222.8Ss +1 + 4.7u418K = u
Perhitungan kriteria kestabilan untuk analisa
sistem kontrol dimana sistem dikatakan stabil jika
akar-akar karakteristik berada di sebelah kiri sumbu
imajiner dan sebaliknya kurang stabil jika berada di
sebelah kanan sumbu imajiner. Pada hubungan
kestabilan di sumbu imajiner, diperoleh s = i.
Sehingga subtitusi s = i pada persamaan diatas
menjadi sebagai berikut:
2S49.86s
3
+ 1486.16s
2
+222.8Ss +1 + 4.7u418K = u
-2S49.86i
3
-1486.16
2
+ 222.8Si+1 + 4.7u418K = u
(1 +4.7u418K -1486.16
2
) + i(222.8S - 2S49.86
3
) = u
Persamaan diatas dapat dibagi menjadi 2
pada bagian real dan imajiner sebagai berikut:
Untuk bagian real:
(1 + 4.7u418K - 1486.16
2
) = u
Untuk bagian imajiner:
(222.8S -2S49.86
3
) = u
Sehingga dapat diperoleh nilai sebagai berikut:
2S49.86
2
= 222.8S

2
=
222.8S
2S49.86

= u.u94826764
= u.Su79S9546
Untuk nilai Pu adalah:
P
u
=
2n


P
u
=
6.28
u.Su79S9S46


P
u
= 2u.S9S61S2S

Nilai Ku sebagai berikut:
1 + 4.7u418K - 1486.16 (u.Su79S9S46)
2
= u
4.7u418K = 1S9.9276488
6
Ku =
1S9.9276488
4.7u418

Ku = 29.74SS8S76
Didapatkan:
Gu = 29.74SS8S76
Pu = 2u.S9S61S2S

3. 5 Perancangan Kontroler Dengan Fuzzy
Gain Schedulling-PID
Untuk mengolah data masukan dibutuhkan
beberapa fungsi meliputi fungsi fuzzifikasi yang akan
mengubah nilai crisp (nilai aktual) menjadi nilai
fuzzy (nilai kabur). Selain itu, dibutuhkan pula fungsi
defuzzifikasi, yaitu fungsi untuk memetakan kembali
nilai fuzzy menjadi nilai crisp yang menjadi
output/nilai solusi permasalahan.
Langkah-langkah yang dilakukan untuk
perancangan kontroler dengan Fuzzy Gain
Schedulling-PID menggunakan software Matlab
adalah sebagai berikut:
1. Menentukan parameter tuning PID terbaik
berdasarkan simulasi pada simulink.
2. Menetapkan data input dan output.
3. Fuzzifikasi
4. Membuat aturan fuzzy yang akan digunakan
dalam operasi fuzzy.
5. Metode Pengambilan Keputusan (Inferensi/
Rule Evalution).
6. Strategi Defuzzifikasi.

3. 5. 1 Menentukan Parameter Tuning PID
Terbaik Berdasarkan Simulasi Pada
Simulink.
Nilai-nilai parameter tunning PID yang telah
didapatkan dengan perhitungan dipakai sebagai nilai
range maksimal untuk Fuzzy Gain Schedulling-PID.
Parameter PID yang menggunakan metode osilasi
untuk mencari tingkat kestabilan yang baik ini akan
dijadwal sehingga nilai keluaran pada Fuzzy Gain
Schedulling-PID akan mendapatkan respon yang
diinginkan. Penjadwalan nilai parameter bermula dari
nila minimal yaitu 0 sampai nilai maksimal yaitu
nilai parameter PID itu sendiri.

3. 5. 2 Menetapkan Data Input Dan Output.
Kontroler logika fuzzy tidak memerlukan
persamaan matematis yang rumit, yang diperlukan
adalah data input dan output yang benar, dimana data
tersebut merepresentasikan karakteristik dari
pengendali.
Dalam perancangan Fuzzy Gain Schedulling-
PID terdapat dua masukan, pertama yaitu nilai error
yang diperoleh dari nilai keluaran transmitter dan
dibandingkan dengan nilai masukan awal
kontroler.Kedua adalah deltaerror yang diperoleh
dari nilai error yang ditunda dan dibandingkan
dengan nilaierror yang baru.
Sedangkan keluaran ada tiga, yaitu nilai
parameter Kp, Ki, Kd dimana nilai-nilai keluaran dari
Fuzzy Gain Schedulling-PID ini nantinya akan
dikalikan dengan nilai error dan digabungkan untuk
mendapatkan nilai sinyal yang diperlukan untuk
masukan control valve. Sedangkan untuk metode
pengambilan keputusan menggunakan metode
inferensi Max-min (Mamdani) dengan data aturan
sistem AND yang dalam aturannya menggunakan
aturan operasi minimum mamdani, dan defuzzifikasi
COA (Center of Area).

3. 5. 3 Fuzzifikasi
Proses memetakan masukan dan keluarandari
variabel crips kedalam variabel linguist. Tidak ada
aturan yang baku dalam pemilihan fungsi
keanggotaan himpunan fuzzy, tapi penggunaan
fungsi keanggotaan harus mewakili karakteristik
himpunan fuzzy yang dibutuhkan.
Fungsi keanggotaan yang digunakan adalah
bentuk segitiga, baik untuk keluaran maupun
masukan dan memiliki tambahan bentuk trapesium
sebagai nilai batas range yang digunakan.
Berikut adalah tampilan fungsi keanggotan
yang dipakai dalam perancangan fungsi keanggotaan
dari error:
Gambar dibawah dapat menunjukkan nilai
range masukan yang mewakili nilai error temperatur
proses yang terjadi yaitu bernilai -40
o
C sampai 40
o
C
dari set point 100
o
C.


Gambar 3.5 Fungsi Keanggotaan Variabel Error
7
Jumlah membership function yang digunakan
adalah 5, yaitu 2 berbentuk trapesium sebagai batas
dari minimal dan maksimal dan 3 berbentuk segitiga
sebagai pemerkecil error.
Berikut adalah tampilan yang dipakai dalam
perancangan fungsi keanggotaan dari delta error:


Gambar 3.6 Fungsi Keanggotaan Variabel Delta
Error
Gambar diatas dapat menunjukkan nilai
range masukan yang mewakili nilai delta error
temperatur proses yang terjadi yaitu bernilai -5
o
C
sampai 5
o
C dari set point 100
o
C. Jumlah
membership function yang digunakan sama dengan
yang digunakan untuk masukan error sebelumnya,
yaitu 3 berbentuk segitiga untuk pemerkecil delta
error dan 2 berbentuk trapesium sebagai batas range
sesuai dengan keluaran proses yang terjadi.
Perancangan untuk membership function
delta error dengan bentuk dan susunan seperti ini
dimaksudkan untuk mengatasi kurangnya tingkat
kestabilan yang terjadi pada respon keluaran proses.
Pada tahap selanjutnya dilakukan pemetaan
nilai crisp keluaran berupa parameter Kp, Ki dan Kd.
Data pada proses pengendalian berbentuk crisp, dan
dengan fuzzifikasi ini, nilai crisp yang teramati
dipetakan ke nilai fuzzy yang bersesuaian dengan
rentang kerja (range) setiap variable masukannya.
Berikut adalah tampilan yang dipakai dalam
perancangan fungsi keanggotaan dari Kp:

Gambar 3.7 Fungsi Keanggotaan Parameter Kp

Gambar diatas dapat menunjukkan nilai
range keluaran pengendali Fuzzy Gain Schedulling-
PID yang mewakili nilai variabel parameter Kp. Nilai
range yang digunakan untuk variabel ini didapatkan
dari perhitungan nilai parameter PID dengan metode
osilasi untuk mencari kestabilan yang telah dilakukan
sebelumnya.
Berikut adalah tampilan yang dipakai dalam
perancangan fungsi keanggotaan dari Ki:

Gambar 3.8 Fungsi Keanggotaan Parameter Ki

Gambar 3.8 dan gambar 3.9 dapat
menunjukkan nilai range keluaran pengendali Fuzzy
Gain Schedulling-PID yang mewakili nilai variabel
parameter Kid dan Kd. Nilai range yang digunakan
untuk variabel ini juga didapatkan dari perhitungan
nilai parameter PID dengan metode osilasi untuk
mencari kestabilan yang telah dilakukan sebelumnya.
Berikut adalah tampilan yang dipakai dalam
perancangan fungsi keanggotaan dari Kd:

Gambar 3.9 Fungsi Keanggotaan Parameter Kd

3. 5. 4 Membuat Aturan Dalam Operasi Fuzzy.
Dalam pemembuatan aturan fuzzy diperlukan
pemahaman tentang sistem yang akan dibangun
dengan logika fuzzy. Pembuatan aturan logika fuzzy
biasanya dikembangkan dari operators experience
atau experimental data.
8
Pada penelitian ini didasarkan pada
hubungan antara input dan output pada proses yang
terjadi di plant sesuai dengan pengalaman operator
yang menguasai pengendaliannya.
Dimana untuk singkatan-singkatan pada tabel
yang digunakan sebagai keterangan adalah sebagai
berikut:
NB = Negatif Besar, NK= Negatif Kecil, Z =
Zero, PK = Positif Kecil, PB = Positif Besar, S =
Steady, K = Kecil, B = Besar.

Tabel 3.1 Rule Base Untuk Parameter Kp


Tabel 3.2 Rule Base Untuk Parameter Ki


Tabel 3.3 Rule Base Untuk Parameter Kd

Setelah mendapatkan fungsi keanggotaan
perlu dibuat adanya perancangan basis aturan (rule
base). Basis aturan (rule base) meliputi kumpulan
aturan kontroler logika fuzzy untuk menyatakan aksi
pengendali agar mencapai tujuan yang diharapkan.
Pembuatan aturan dari logika fuzzy pada
penelitian ini didasarkan pada pengaruh nilai
parameter PID (Kp, Ki dan Kd) terhadap respon
pengendalian.
Adapun aturan dalam menentukan nilai
parameter PID adalah dapat ditunjukkan dengan
desain basis aturan logika fuzzy pada FIS editor
matlab dimana basis aturan terdiri dari 25 aturan.


Gambar 3.10 Basis Aturan Logika Fuzzy Pada
Matlab

3. 5. 5 Metode Pengambilan Keputusan
Proses pengambilan keputusan yang sering
disebut sebagai proses inferensi, adalah langkah
untuk mendapatkan sinyal pengendali logika fuzzy
sesuai basis aturan yang ada. Nilai masukan (error,
delta error) yang diperoleh dari keluaran proses dan
set point diolah untuk menentukan aturan mana yang
digunakan. Terdapat dua metode inferensi fuzzy yang
paling sering digunakan dalam kendali logika fuzzy,
yaitu:
Metode inferensi max min (mamdani)
Metode max dot

Pada Tugas Akhir ini, metode pengambilan
keputusan yang digunakan adalah metode max-min.
Pada metode max-min, dalam penerapannya
menggunakan aturan operasi minimum mamdani.

Proses pengambilan keputusan diawali ketika
logika fuzzy mendapat masukan nilai error
temperature dan delta error, berikut adalah
mengubahnya ke dalam nilai logika fuzzy
berdasarkan fungsi keanggotaan yang telah dibuat
sebelumnya, dan disesuaikan dengan variabel
linguistiknya.

3. 5. 6 Defuzzifikasi
Defuzzifikasi adalah proses pengubahan
kembali besaran fuzzy yang ditampilkan dalam
bentuk himpunan-himpunan dengan fungsi
keanggotaannya untuk menjadi bentuk data crisp
(nilai sebenarnya/ nilai tegas).
Proses pengubahan data fuzzy menjadi data
crispdiperlukan karena plant hanya mengenal nilai
tegas yang sesungguhnya sebagai besaran untuk
9
regulasi prosesnya. Metode defuzzifikasi yang
digunakan adalah metode centroid.
Metode centroid ini juga dikenal sebagai
metode COA (Center of Area) atau metode Center of
Gravity. Pada metode ini nilai crisp keluarannya
diperoleh berdasarkan titik berat dari kurva hasil
proses pengambilan keputusan.
Pada Tugas Akhir ini, aksi pengendali PID
yang dihasilkan oleh logika fuzzy mewakili besarnya
nilai parameter Kp, Ki dan Kd yang masuk ke PID
Controller. Besarnya parameter Kp, Ki dan Kd selalu
berubah ubah sesuai dengan kondisi keluaran
temperature dalam Reboiler Metanol Recovery.

BAB IV
PENGUJIAN DAN ANALISA HASIL SIMULASI

Pada Bab ini akan ditunjukkan hasil
pengujian beserta analisanya. Data-data respon
keluaran yang telah didapatkan dari simulasi
kemudian dianalisa dan dibahas berdasarkan teori
dasar.Bagian ini adalah hasil dari pelaksanaan
prosedur dari perancangan pada Bab III, kemudian
dari hasil tersebut diambil beberapa kesimpulan
untuk menjawab permasalahan yang telah
dirumuskan yang pada akhirnya tercapai pada tujuan
yang telah ditetapkan pada Bab I.

4. 1 Tuning Parameter PID
Pengendalian temperatur dengan
menggunakan controller PID perlu diketahui nilai
gain K
p
, T
i
,dan T
d
nya. ada beberapa cara dalam
mencari nilai PID. Pada penelitian kali ini
menggunakan cara osilasi dan menggunakan metode
Tyreus Luben.
Untuk mendapatkan kinerja sistem kendali
yang memiliki performansi yang handal dan
kestabilan pengendalian yang optimal, maka
parameter dalam pengendali juga harus memiliki
nilai yang optimal.

Metode Osilasi Tyreus Luben (T - L)
Untuk metode Tyreus Lubenosilasi dilakukan
dengan metode closed loop oscillation. Pada saat
menggunakan metode ini, hal yang dilakukan adalah
mencari nilai ultimate gain (Gu) dan Periode
Ultimate (Pu) seperti yang telah dijelaskan pada Bab
sebelumnya. sehingga dengan nilai tersebut sistem
kendali menghasilkan respon yang berosilasi secara
kontinyu dan berkelanjutan.
Berikut ini adalah tabel parameter-parameter
tunning close loop dengan acuan ultimate gain (Gu)
dan Periode Ultimate (Pu) untuk metode Tyreus
Luben:
Gu = 29.74SS8S76
Pu = 2u.S9S61S2S
Tabel 4.1 Parameter Hasil Tunning Close Loop
Osillation
Mode Kontrol PID Kp Ti Td
Tyreus Luben
0.45
GU
2.2
PU
0.16
PU

Sehingga nilai-nilai parameter tunning PID
adalah berikut ini:
Tabel 4.2 Parameter Tunning TL Pada Matlab:
Kp 13.4
Ti 44.9 Ki 0.3
Td 3.3 Kd 49.2
Dari tabel diatas didapatkan parameter
tunning PID untuk Mode Kontrol PIDTyreus Luben,
dan nilai parameter-parameter yang dibutuhkan
untuk Blok Kontroler PID pada Matlab.

4. 2 Pengujian Pengendali PID
Penyajian hasil simulasi ditampilkan dalam
bentuk grafik respon keluaran sistem, sinyal keluaran
kontroller dan prosentase error. Sistem yang telah
dirancang diuji dengan lima pengujian, yaitu uji
respon masukan step, uji tracking setpoint, dan uji
beban.

Uji Respon Masukan Step
Pada pengujian ini kondisi sistem ideal tanpa
adanya gangguan diberikan masukan step dengan
setpoint yang sesuai dengan kondisi operasi normal
sistem yang diinginkan yaitu temperature 100
o
C.

Gambar 4.5 Respon Sistem Pengendali PID Dengan
TL Closed Loop

10
Dari hasil simulasi dengan temperatur akhir
sebesar 100
o
C diperoleh maximumovershoot pada
temperatur keluaran reboiler mencapai 18.88
0
C
dengan nilai-nilai yang lain seperti berikut:
Max. Overshoot = 18.88 %
Settling Time = 74 s
Error Steady state = 0.1205 %

Uji Beban (Load)
Pada pengujian ini, sistem yang dirancang diberi
perubahan nilai beban dari nilai mass flow steam,
dimana sistem pengujian beban ini berhubungan
langsung pada proses pada reboiler metanol recovery
yang menghasilkan temperature keluaran.
Pada pengujian temperature ini dilakukan
dengan penambahan dan pengurangan sesaat dengan
memanipulasi laju aliran steam. Pengujian beban
yang dilakukan ini diharapkan mendapatkan nilai
temperature yang tetap dan tidak terlalu berubah dari
set point.

Gambar 4.6 Respon PID Uji Beban Naik

Pada pengujian beban pada pengendalian
temperature dilakukan penambahan dan pengurangan
saat detik ke-180 pada laju aliran steam yang menuju
reboiler sebesar 25 %, sehingga nantinya temperature
fluida dalam reboiler metanol recovery akan berubah.

Gambar 4.7 Respon PID Uji Beban Turun

4. 3 Pengujian dan Analisa Performansi
Kendali Fuzzy Gain Scheduling-PID
Uji performansi kendali Fuzzy Gain
Scheduling-PID dilakukan dengan menjalankan
simulasi pada software Simulink Matlab.Berikut
merupakan gambar tampilan simulasi pengendalian
temperature Reboiler Metanol Recovery
menggunakan Fuzzy Gain Scheduling-PID.

Uji Respon Masukan Step
Uji performansi yang dilakukan adalah
dengan memberikan masukan berupa besaran step
yang dalam hal ini berupa temperatur 100
o
C dan
load sebesar 60
o
C yang berasal dari temperatur
keluaran preheater, nilai ini sesuai dengan data
operasi plant pada saat kondisi normal. Karakteristik
performansi pengendalian temperatur ketika tanpa
gangguan.

Gambar 4.8 Grafik Uji Respon Closed Loop
Menggunakan FGS-PID
Dari hasil simulasi dengan temperatur akhir
sebesar 100
o
C diperoleh temperatur keluaran
reboiler nilai-nilai seperti berikut:
Max. Overshoot =
Settling Time = 34 s
Error Steady state = 0,0626 %

Dari pengujian diperoleh hasil bahwa
pengendalian yang menggunakan kendali fuzzy Gain
Schedulling-PID mempercepat respon untuk
mencapai kestabilan yang dalam hal ini
direpresentasikan dengan nilai Settling Time dan
Error Steady state.
Sedangkan perancangan Fuzzy Gain
Scheduling-PID jugamenghitung ulang parameter
PID berdasarkan kondisi error (E) dan perubahan
error (E) yang terjadi.
11
Hal ini membuktikan bahwa kendali Fuzzy
Gain Scheduling-PID mempunyai kelebihan
dibandingkan dengan algoritma PID biasa. Adanya
tambahan fuzzy ini diharapkan pengendali lebih
responsive terhadap kestabilan di plant (mampu
melakukan tuning adaptif dengan perubahan plant)
sehingga kestabilan sistem tetap terjaga.

Uji Beban (Load)
Pada pengujian temperature untuk FGS-PID
ini juga dilakukan dengan penambahan dan
pengurangan sesaat dengan memanipulasi laju aliran
steam seperti pada PID Pengujian beban yang
dilakukan ini diharapkan mendapatkan nilai
temperature yang tetap dan tidak terlalu berubah dari
set point.

Gambar 4.9 Respon FGS-PID Uji Beban Naik
Pada pengujian beban pada pengendalian
temperature dilakukan penambahan dan pengurangan
saat detik ke-180 pada laju aliran steam yang menuju
reboiler sebesar 25 %, sehingga nantinya temperature
fluida dalam reboiler metanol recovery akan berubah.

Gambar 4.10 Respon FGS-PID Uji Beban Turun


4. 4 Uji ResponSinyal Step Pabrik
Pada pengujian ini, akan dilakukan pengujian
respon sistem pengendalian temperature Reboiler
menggunakan PID controller, yaitu controller yang
ada di lapangan saat ini, dengan menggunakan nilai-
nilai dari DCS.Demikian pula dengan tuning Kp, Ki
dan Kd yang dilakukan pada PID controller
diberikan setpoint yang sama, yaitu temperatur100
o
C.

Gambar 4.11 Grafik Simulasi Uji Sinyal Step

Pada gambar di atas adalah respon keluaran
dengan menggunakan PID controller untuk tunning
yang dilakukan oleh pabrik, dan garis hijau adalah
setpoint yang harus dicapai pengendali.
Pada respon ini selain memiliki maksimum
overshoot yang tinggi juga memiliki error steady-
state yang harus dihilangkan sehingga proses
keluaran dapat terjaga kestabilannya.

4. 5 Uji TrackingSetpoint Naik dan Turun
Uji ini digunakan untuk mengetahui sejauh
mana kemampuan pengendali dalam mengatasi
kondisi pada saat diberikan gangguan internal berupa
perubahan setpoint.
Pada Uji trackingsetpoint ini, akan diuji
performa dari sistem pengendalian temperatur yang
telah didesain, baik dengan Fuzzy logic control,
maupun dengan PID controller yang telah ada di
lapangan. Uji TrackingSetpointturun dilakukan
dengan mememberikan set point 100
o
C kemudian
diubah menjadi 80
o
C, dan uji trackingsetpoint naik
dilakukan menaikkan 100
o
C menjadi 120
o
C.
Adapun hasil respon tracking naik dan turun setpoint
adalah ditunjukkan pada gambar berikut:
12

Gambar 4.12. Hasil Respon Pada Uji
TrackingTurunSetpoint

Gambar 4.13 Hasil Respon Pada Uji
TrackingNaikSetpoint
Gambar diatas merupakan hasil dari simulasi
close loop dengan menggunakan kontroler Fuzzy
Gain Schedulling-PID (ditunjukkan pada warna biru)
dan kontroler - kontroler pembanding, yaitu mode
kontrol PID yang dilakukan pabrik (ditunjukkan pada
warna merah) dan PID secara teori (ditunjukkan pada
warna hijau). Tampak pada grafik kontroler berbasis
Fuzzy Gain Schedulling-PID memiliki keunggulan
dengan tidak adanya maximumovershoot, itu
dikarenakan konfigurasi dari rule base dan
membership function yang digunakan didalamnya.
Untuk mode kontrol PID memiliki grafik
respon yang masih memiliki maksimum overshoot,
sehingga tampak pada grafik kedua respon sistem
memiliki maksimum overshoot yang hamper sama
ketika set point dinaikkan atau diturnnkan. Hal ini
sangat berbeda pada maksimum overshoot yang
terjadi pada awal respon.
Mode kontrol PID secara teori memang
memiliki respon sistem yang lebih baik daripada
mode kontrol PID pabrik, namun dengan nilai
maximum overshoot 19,59 % masih dapat dikatakan
bahwa untuk aplikasi ini, desain Fuzzy Gain
Schedulling-PID yang dirancang tetap lebih baik.
Pada tabel berikut ditampilkan nilai untuk
masing-masing karakteristik respon dengan
menggunakan berbagai mode kontrol. Tampak bahwa
Fuzzy Gain Schedulling-PID dengan konfigurasi rule
base dan membership function didalamnya mampu
mengatur nilai respon variabel temperatur. Tampak
pada hasil tabel, Fuzzy Gain Schedulling-PID
memiliki keunggulan dimana tidak terjadi
maximumovershoot, dan respon berjalan relatif lebih
cepat bila dibandingkan mode kontrol PID teori
apalagi PID pabrik.
Konfigurasi rule base dan membership
function dari Fuzzy Gain Schedulling-PID ini adalah,
nilai keluaran sinyal yang diberikan sesuai dengan
error dan delta error yang diterima. Artinya adalah
bahwa algoritma kontrol yang telah dibangun sesuai,
sehingga sinyal kontrol sebagai sinyal keluaran dapat
diberikan lebih cepat sebagai akibat tidak adanya
proses matematika yang dilakukan.
Dengan memberikan sinyal kontrol tertentu
dalam menanggapi error dan delta error dari
keluaran proses, system dapat memberikan
keuntungan waktu pencapaian settling time yang
relatif cepat bila dibandingkan mode kontrol
pembanding yang lainnya. Fungsi alih untuk masing -
masing komponen pada mode kontrol PID berperan
sebagai operasi matematika oleh sinyal error yang
masuk ke dalam kontroler.
Sedangkan pada Fuzzy Gain Schedulling-
PID, sinyal kontrol ditentukan terlebih dahulu
dengan mengacu hasil keluaran yang didapatkan
terlebih dahulu dari kontroler PID sehingga diketahui
range sinyal masukan kontrol untuk mencapai set
point masing - masing proses variabel.

Tabel 4.3 Karakteristik Respon
No
Fuzzy Gain Schedulling-PID
Max.
Overshoot
(%)
Setling
Time
(s)
Peak
Time
(s)
Ess
(%)
1 - 34 - 0,0626
13
No
Mode Kontrol PID (Pabrik)
Max.
Overshoot
(%)
Setling
Time
(s)
Peak
Time
(s)
Ess
(%)
2 40.235 319 82 0,2783
No
Mode Kontrol PID (Teori)
Max.
Overshoot
(%)
Setling
Time
(s)
Peak
Time
(s)
Ess
(%)
3 18.888 74 13 0,0005

V. KESIMPULAN

5. 1 Kesimpulan
Dari keseluruhan metodologi, pengujian,
analisa serta pembahasan yang telah dilakukan dapat
disimpulkan debagai berikut:
1. Telah dilakukan pemodelan dan perancangan
sistem pengendali temperature methanol pada
reboiler methanol recovery dengan Fuzzy Gain
Scheduling-PID diPT. Eterindo Nusa Graha
Gresik. yang mampu memenuhi target yang
diberikan.
2. Berdasarkan simulasi hasil real plant didapatkan
maksimum overshoot = 40.235 % , time settling
321 s, ess = 0.2783 %
3. Berdasarkan simulasi hasil rancangan FGS-PID
didapatkan maksimum overshoot = - % , time
settling 34 s, ess = 0.0626 %
4. Performansi FGS-PID lebih baik daripada PID
yaitu dapat dilihat dari segi settling time yang
lebih cepat dan maksimum overshoot yang lebih
kecil.

DAFTAR PUSTAKA

Liptak G.Bela : Instrument Engineers Handbook4
th

Process Control and Optimization , 2006.
Gunterus, Frans,Falsafah Dasar Sistem
Pengendalian Proses, Elex Media Komputindo,
Jakarta.,1994
Nusantoro Djoko, Perancangan sistem
pengendalian level pada monitoring produksi
sumur minyak dan gas dengan menggunakan
kontroler pid di PT. Pertamina EP Region Jawa,
Field Subang Tambun, Surabaya 2009.
Ogata, Katshuiko, Teknik Kontrol Automatik I,
Prentice Hall Inc, 1996.
Smith, A. Carlos, Principles and Practice of
Automatic Process Control, John Wiley &
Son.Inc,1997.
Stephanopoulos, George, Chemical Process
Control An Introduction to Theory and Practice
Hall International.Inc, 1984.

DATA PENULIS
Nama : Agus Handrian Firmanto
TTL : Gresik, 18Agustus 1987
Alamat : Jl.Kpt. Dulasim 2E No. 22, Gresik
Riwayat Pendidikan
SDN Sidomoro I Gresik
SLTPN I Gresik
SMU Negri I Gresik
Politeknik Elektronika Negeri Surabaya ITS
Teknik Fisika ITS
Email : agushandrian@yahoo.com