Lembaran Publikasi Ilmiah Pusdiklat Migas

77
FORUM IPTEK Vol 13 No. 03
PERANCANGAN DAN IMPLEMENTASI PENGENDALI LOGIKA
FUZZY GAIN SCHEDULING UNTUK PENGENDALIAN LEVEL
BEJANA TERTUTUP

Oleh: Roni Heru Triyanto*)
INTISARI
Pada penelitian ini fuzzy gain scheduling (FGS) digunakan untuk adaptasi parameter
pengendali PID (PB, T
i
, dan T
d
). Dengan menggunakan aturan fuzzy dan pemikiran fuzzy, FGS
menghitung secara on-line parameter pengendali PID berdasarkan dua sinyal input lapangan,
yaitu error dan first difference error. Pengendali yang dirancang ini diaplikasikan di pengendalian
level pada bejana tertutup.
Hasil pengendalian level tersebut dibandingkan dengan pengendalian level dengan
menggunakan pengendali PID konvensional. Untuk melihat kinerja digunakan IAE (Integral of the
absolute Error), ISE (Integral of Squared Error), persen maksimum overshoot, waktu untuk
mencapai settling.
Pada penelitian ini diperlihatkan bahwa pengendali yang dirancang tersebut mempunyai
kinerja yang lebih baik daripada pengendali PID konvensional. Perbaikan kinerja ini diamati pada
saat sistem pengendalian dipengaruhi oleh gangguan dan pada saat dioperasikan diluar daerah
operasi rancangannya.

Keywords: Fuzzy Gain Scheduling (FGS), pengendalian level, bejana tertutup


1. Pendahuluan

Pada penelitian ini, penulis mengangkat
suatu permasalahan yang terjadi pada kondisi
nyata di lapangan, yaitu permasalahan
pengendalian level yang banyak diaplikasikan
pada industri minyak dan gas (migas). Sebagai
contoh pada kilang minyak (crude distillation
Unit), yaitu pada kolom evaporator, fraksinasi,
dan stripper dan pada proses pengolahan gas,
yaitu pada kolom scrubber dan separator. Pada
kilang minyak, kolom evaporator digunakan
sebagai media penguapan minyak mentah (crude
oil) setelah dilakukan proses pemanasan, kolom
fraksinasi digunakan untuk proses pemisahan
produk berdasarkan perbedaan titik embunnya,
dan kolom stripper digunakan untuk proses
pemurnian suatu produk. Pada proses
pengolahan gas, kolom scrubber digunakan
untuk mempersiapkan gas sebelum masuk ke
kompressor dan kolom separator digunakan
untuk proses pemisahan minyak (kondensat) dan
gas.
Sudah banyak diketahui, bahwa
pengendali yang banyak digunakan dalam
mengendalikan proses di industri adalah
pengendali Proportional-Integral-Derivative
(PID). Karena mempunyai struktur yang
sederhana dan mempunyai kinerja yang kokoh
dalam rentang kondisi operasinya. Pada
pengendali ini dibutuhkan spesifikasi tiga
parameter: proportional gain, integral time,
derivative time. Tetapi penalaan parameter
pengendali bukan merupakan pekerjaan yang
mudah sehingga banyak penelitian
dikembangkan untuk penalaan pengendali PID
[1,5]
.
Pada waktu sekarang, logika fuzzy
menjadi sangat penting dalam sistem
pengendalian khususnya dalam sistem dengan
model matematik yang sangat nonlinear dan
inexact. Sistem pengendalian fuzzy akan
mengemulasi strategi pengendalian manusia,

Lembaran Publikasi Ilmiah Pusdiklat Migas
78
FORUM IPTEK Vol 13 No. 03
sehingga mudah dimengerti oleh setiap orang
termasuk yang tidak mempunyai latar belakang
formal dalam pengendalian.
[14]
.
Penelitian aplikasi logika fuzzy
memotivasi pengembangan teknologi logika
fuzzy untuk memperbaiki pengendali PID
konvensional yang telah berbasis mikroprosesor.
Logika fuzzy yang digunakan adalah logika
fuzzy yang sederhana tetapi dapat memperoleh
perbaikan kinerja yang cukup berarti. Hal ini
dilakukan supaya waktu eksekusi dan memory
yang dibutuhkan untuk operasi logika fuzzy
tidak besar
[2]
. Pada kasus ini digunakan fuzzy
gain scheduling (FGS) untuk melakukan
penalaan parameter pengendali PID
[5]
.
Pada penelitian ini pengukuran level
dilakukan dengan differential pressure (D/P)
transmitter produk Yamatake-Honeywell,
pengendali digunakan SLPC produk Yokogawa,
dan control valve dirancang dengan penggerak
motor dc. Program FGS disisipkan kedalam
pengendali SLPC. FGS direalisasikan sesuai
dengan kemampuan yang dimiliki oleh
pengendali SLPC tetapi juga diperhitungkan
kinerja yang dihasilkan dengan pengembangan
pengendali ini.

2. Rancangan Sistem Pengendalian
Pada penelitian ini, sistem pengendalian
level menggunakan pengendali PID dengan FGS
untuk mengadaptasi parameter PID. Blok
diagram sistem pengendalian level tersebut
diperlihatkan pada Gb.1. Untuk rancangan
perangkat keras diperlihatkan pada Gb.2. dan
sistem pengendalian nyata diperlihatkan pada
Gb.3.








Gb.1. Blok Diagram Sistem Pengendalian Level
menggunakan Pengendali PID dengan FGS

























Gb.2. Skematis Sistem Pengendalian Level


Keterangan Gb.2.:
C : Pengendali PID
(menggunakan SLPC
produk Yokogawa)
LT : Level Transmitter,
CV : Control Valve,
P : Pompa,
T : Bejana tertutup,
Prose
s
Pengendal
i PID
+
_
r(t)
Fuzzy Gain Scheduling
u(t)
e(t)
c(t)
LT
C
PI
SV
AI
K
B
CV
R
PLANT
Implementasi FGS
untuk Adaptasi
Parameter PID
Logging Data
PLC
PB, Ti,
Td
Valve
Gangguan P

Lembaran Publikasi Ilmiah Pusdiklat Migas
79
FORUM IPTEK Vol 13 No. 03
K : Komputer,
AI : Analog Input,
SV : Set Value, R : Reservoir,
PI : Pressure Indikator (Manometer)

Untuk realisasi, bejana tertutup yang
digunakan adalah bejana silinder tegak dengan
diameter 6 inch dan tinggi 175 cm. Pada
penelitian ini digunakan air sebagai cairan yang
akan dikendalikan level-nya. Air tersebut
ditampung pada reservoir kemudian
dipompakan ke bagian atas dari bejana tertutup.
Untuk mengetahui level dari bejana tersebut
maka dipasang level transmitter. Sinyal dari
level transmitter kemudian dihubungkan ke
input pengendali SLPC, yang akan digunakan
sebagai input pengendali PID dan FGS. Hasil
pengendalian dari pengendali PID dengan FGS
untuk mengadaptasi parameter PID tersebut
merupakan output pengendali. Output
pengendali kemudian dihubungkan ke control
valve yang terletak pada bagian bawah (down
steam) dari bejana tertutup. Control valve
berfungsi sebagai aktuator untuk mengatur
besarnya aliran air yang pada akhirnya berguna
untuk mengatur level air dalam bejana. Dari
control valve air dialirkan kembali ke reservoir.

3. Rancangan Perangkat Keras
Level transmitter
Level transmitter merupakan sensor
level dan signal conditioner yang menjadi satu
peralatan. Level transmitter yang digunakan
dalam penelitian ini adalah transmitter tipe
differential pressure (D/P), produk Yamatake
Honeywell. Level transmitter ditala untuk level:
0 100 cm, dengan tegangan yang dikeluarkan
dari transmitter adalah 1 5 v dc. Transmitter
tersebut apabila diaplikasikan untuk pengukuran
level pada bejana tertutup, diinstalasi seperti
yang diperlihatkan pada Gb.4. Port tekanan
tinggi (High) disambungkan ke dasar tangki,
dan port tekanan rendah (Low) disambungkan
ke tabung bagian atas.

























Gb.3. Realisasi Sistem Pengendalian Level












Manometer
Gelas Penduga
Bejana Tertutup
Reservoir
Control valve
Pengendali (SLPC)
Programmer (SPRG)
Level transmitter
Pompa
D/P
Transmitter
High Low

Lembaran Publikasi Ilmiah Pusdiklat Migas
80
FORUM IPTEK Vol 13 No. 03
Gb.4. D/P transmitter Diaplikasikan Untuk
Bejana Tertutup

Control valve
Control valve merupakan aktuator dari
pengendalian level ini. Control valve dirancang
seperti yang diperlihatkan pada Gb.5. Control
valve mendapatkan sinyal input dari output
pengendali, sinyal tersebut dibandingkan dengan
sinyal posisi valve. Perbedaannya digunakan
mengubah posisi valve sampai didapatkan sinyal
posisi valve sama dengan sinyal inputnya.
Sebagai aktuator control valve akan mengubah
dari sinyal 1-5 vdc menjadi pembukaan valve 0
100 %.








Gb.5. Blok Diagram Control Valve
Pengendali
Pada penelitian ini digunakan
pengendali Programmable Indicating controller
SLPC merupakan pengendali berdasar
mikroprosesor produk Yokogawa. Pemrograman
SLPC dilakukan dengan menggunakan
programmer SPRG. Gambar dari SLPC dan
SPRG yang terinstalasi diperlihatkan pada Gb.6.
Pada penelitian ini dibatasi operasi dari
pengendali PID hanya didalam rentang sistem
kontinyu, sehingga yang diperhatikan hanya
pengendali PID saja. (tidak menggunakan
limiter dan alarm). Model matematis
pengendali PID pada SLPC yang digunakan
adalah
[8]
:

(
(
(
(
(

|
|

\
|
+
+ + = PV
s
m
T
s T
E
s T
E
PB
MV
d
d
i
1
1 100
(1)
dengan:
MV : Manipulated Variable
E : Deviation
PV : Process Variable
PB : Proportional Band
T
i
: Integral Time
T
d
: Derivative Time
m : Derivative Gain










Gb.6. Instalasi SLPC dan SPRG
Logging & Reporting Data
Logging data dilakukan dengan
menggunakan PLC seri PL7 Micro/ Junior
Schneider. Hasil logging data dikirim dengan
menggunakan RS232 ke PC (Personal
Computer). Rancangan logging data
diperlihatkan pada Gb.7.










Aktuator
Valve
Sensor
Posisi
Sinyal Input
(1-5v dc)
+
_
1-5v dc
Pembukaan
Valve: 0 - 100 %

Programmer
Pengendali
PLC
(PL7)
Input Analog (1-5 v)
PC
RS232

Lembaran Publikasi Ilmiah Pusdiklat Migas
81
FORUM IPTEK Vol 13 No. 03


Gb.7. Rancangan Logging Data




4. Rancangan Fuzzy Gain Scheduling
(FGS) dalam Pengendali PID
yang diaplikasikan pada SLPC
Pada bagian ini akan diungkapkan
rancangan detail dari aplikasi fuzzy gain
scheduling (FGS) sebagai adaptasi parameter
PID untuk pengendalian level pada bejana
tertutup.
Pada Gb.8. diperlihatkan blok diagram
sistem pengendalian level yang dirancang dan
diperlihatkan juga aliran perubahan sinyalnya.
Untuk blok diagram SLPC yang diaplikasikan
sebagai pengendali PID dengan FGS
diperlihatkan pada Gb.9.















Gb.8. Blok Diagram Sistem Pengendalian Level
Menggunakan Pengendali PID dengan
FGS dari Gb.2.

Realisasi FGS pada SLPC dirancang
seperti pada Gb. 10 (lihat lampiran gambar).
Sinyal masukan FGS adalah sinyal error dan
first difference error-nya. Sinyal masukan asli
dari lapangan (e_raw & de_raw) pertama
dilakukan preprocessing, yaitu dilakukan
pengolahan sinyal sehingga keluaran
preprocessing masuk dengan semesta
pembicaraan proses fuzzifikasi. Setelah
dilakukan preprocessing, kemudian dilakukan
fuzzifikasi, yang berfungsi untuk mengubah
sinyal dari bentuk crisp menjadi nilai dengan
penafsiran subyektif. Nilai penafsiran subyektif
tersebut sebagai data input penyimpulan fuzzy.
Didalam penyimpulan fuzzy terdiri dari tiga
komponen, yaitu aturan fuzzy, basis data, dan
mekanisme pemikiran (reasoning) yang akan
melakukan prosedur penyimpulan.






















Gb.9. Blok Diagram SLPC sebagai Pengendali PID
dengan FGS dari Gb.8.


5. Fuzzy Gain Scheduling (FGS)
5. 1. Preprocessing dan Fuzzifikasi
(Fuzzification) dari Masukan error dan
First Difference Error.
Preprocessing
Preprocessing digunakan untuk
mempersiapkan data dari lapangan yang akan
dilakukan fuzzifikasi. Ini supaya data lapangan
tersebut masuk dalam semesta pembicaraan.
Pada preprocessing dilakukan penskalaan sinyal
lapangan dengan faktor skala.
Penskalaan yang dilakukan pada error adalah:
e(k) = [e_raw(k)/a] + 0.5, 0 e(k) 1 (2)
Pengend
ali &
Fuzzy
Level
Transmit
ter
Cont
valv
e
Plan
t
0
100
open
DA
C
AD
C
1 5 vdc
0
100%
Output
0 100
cm
0
100%
0
100%
SV
SLPC
PV
1 5 vdc
(MV)
Fuzzy
PID
SV
DA
C
AD
C
Parameter
PID:
PB, Ti, & Td
de_raw
(k)
e_raw(
k)
M
V
PV
0
100%
0
100%
1
5VDC
1
5VDC
Fuzzy gain
Scheduling
+
_

Lembaran Publikasi Ilmiah Pusdiklat Migas
82
FORUM IPTEK Vol 13 No. 03
dengan:
e_raw(k) = PV(k) SV(k),
-0.5a e_raw(k) 0.5a , a > 0
e_raw(k) : nilai error dari lapangan
e(k) : nilai error setelah dilakukan
preprocessing
Penskalaan yang dilakukan pada first difference
error (de(k)) adalah:
de(k) = (de_raw(k)/b) + 0.5, 0 de(k) 1 (3)
dengan:
de_raw(k) = e_raw(k) e_raw(k-1),
-0.5b de_raw(k) 0.5b, b > 0
de_raw(k) : nilai first difference error dari
lapangan.
de(k) : nilai first difference error
setelah dilakukan
preprocessing




















Gb.11. Fungsi Keanggotaan untuk Masukan:
(a). error, e dan (b) first difference error, de
Fuzzifikasi
Fuzzifikasi adalah untuk merubah nilai
crisp menjadi nilai dengan penafsiran subyektif.
Dengan kata lain untuk memetakan dari input
yang diobservasi ke himpunan fuzzy. Bentuk
fuzzifikasi untuk masukan error dan first
difference error mempunyai fungsi keanggotaan
(membership function (MF)) seperti yang
diperlihatkan pada Gb.11. Dengan N
merepresentasikan negatif, P merepresentasikan
positif, dan Z merepresentasikan zero.

5.2. Aturan Fuzzy
Pada Gb.1 diperlihatkan sistem
pengendalian menggunakan pengendali PID
dengan fuzzy gain scheduling (FGS). FGS
memanfaatkan aturan-aturan dan pemikiran
fuzzy untuk membangkitkan parameter
pengendali. Jadi FGS digunakan untuk menala
parameter pengendali PID.
Pada rancangan di penelitian ini,
parameter PID diadaptasi berdasarkan error
sekarang e(k) dan first difference errornya de(k),
untuk mendapatkan proportional band (PB),
Time derivative (T
d
) dan . Time integral (T
i
)
diperhitungkan terhadap referensi time
derivative, yaitu:
T
i
= T
d
(4)
Hal ini mengacu pada aturan Ziegler-Nichols,
dimana time integral T
i
selalu diberikan empat
kali dari besar derivative time
[5]
. Pada keadaan
ini berarti sama dengan 4. Tetapi pada
rancangan FGS nilai dapat mempunyai nilai
lebih kecil atau lebih besar dari 4.
Bentuk dari himpunan aturan fuzzy
adalah:
Jika e(k) adalah A
i
dan de(k) adalah B
i
,
maka PB = PB
i
, T
d
= T
d,i
, dan =
i
(5)
i = 1, 2, , m
Penentuan aturan fuzzy mengacu pada
referensi
[5]
dan juga mengacu pada kondisi fisik
dari plant yang akan dikendalikannya, serta
pengendali PID yang digunakannya, yaitu
SLPC, sehingga mengacu pada rumus PID
seperti yang ditampilkan pada persamaan (1).
Perpaduan penentuan aturan fuzzy ini
menghasilkan aturan fuzzy yang dirancang pada
penelitian ini.

0
-0.5a
P Z
e_raw(k)
N
0 0.5a


0
0
P Z
e(k)
N
0.5 1
(a)


0
-0.5b
P Z
de_raw(k)
N
0 0.5b


0
0
P Z
de(k)
N
0.5 1
(b)


Lembaran Publikasi Ilmiah Pusdiklat Migas
83
FORUM IPTEK Vol 13 No. 03
Plant yang direalisasi diperlihatkan pada
Gb.3. Plant tersebut mempunyai kecepatan
kenaikan level yang sangat dipengaruhi oleh
kekuatan pompa. Dan kecepatan penurunan
level sangat dipengaruhi oleh tekanan
hidrostatik dan tekanan dalam tangki yang
terbentuk oleh mengecilnya volume udara yang
disebabkan terisinya udara oleh air.
Pada rancangan FGS ini digunakan 2
buah sinyal masukan dengan masing-masing
mempunyai 3 MF seperti yang diperlihatkan
pada Gb.11. Oleh karena itu terdapat sembilan
aturan fuzzy dengan bentuk aturan fuzzy seperti
yang diperlihatkan pada persamaan (5). Output
PB
i
, T
d,i
, dan
i
, adalah sebuah konstanta dari
nilai fuzzy singleton, himpunan fuzzy-nya
merupakan fuzzy singleton dengan MF seperti
yang diperlihatkan pada Gb.12.










Gb.12. Fungsi Membership Singleton untuk: (a).
PB, (b). T
d
, (c).
(S = small, M = Medium, dan B = Big)

Aturan fuzzy pada penelitian ini adalah:
1: Jika e(k) adalah N dan de(k) adalah N, maka
PB

= B, T
d
= B, dan = B.
2: Jika e(k) adalah N dan de(k) adalah Z, maka
PB

= S, T
d
= S, dan = M.
3: Jika e(k) adalah N dan de(k) adalah P, maka
PB

= S, T
d
= S, dan = M.
4: Jika e(k) adalah Z dan de(k) adalah N, maka
PB

= S, T
d
= M, dan = S.
5: Jika e(k) adalah Z dan de(k) adalah Z, maka
PB

= S, T
d
= B, dan = B.
6: Jika e(k) adalah Z dan de(k) adalah P, maka
PB = B, T
d
= M, dan = B.
7: Jika e(k) adalah P dan de(k) adalah N, maka
PB = S, T
d
= S, dan = S.
8: Jika e(k) adalah P dan de(k) adalah Z, maka
PB = S, T
d
= S, dan = S.
9: Jika e(k) adalah P dan de(k) adalah P, maka
PB = B, T
d
= B, dan = B.

Posisi aturan tersebut apabila
diperlihatkan dalam eksperimen respons step
dari proses dapat diperlihatkan seperti pada
Gb.13 angka pada gambar menunjukkan nomer
aturan.









Gb.13. Respon Step dari Proses

5.3. Defuzzification
Defuzzification yang dilakukan pada
penelitian ini menggunakan Weight Mean:

=
=
=
9
1
9
1
i
i
i
i i
PB
PB

=
=
=
9
1
9
1
,
i
i
i
i d i
d
T
T

=
=
=
9
1
9
1
i
i
i
i i

(6)
Contoh bagaimana PB ditentukan pada
penyimpulan fuzzy dapat diperlihatkan pada
Gb.14. Proses penentuan T
d
dan dilakukan
dengan prinsip yang sama seperti dalam
penentuan PB.



B M


2.25
S
1.80 5.20
(c)
3
B M
Td

2 0
S
(b)
6.5
B S
PB

6.
3 (a)
waktu
6
a
3
a
2
a
Output
Set Value
(SV)
9
a
2
b
3
b
1
a
4
a
7
a
8
a
5











Process Value (PV)

Lembaran Publikasi Ilmiah Pusdiklat Migas
84
FORUM IPTEK Vol 13 No. 03


























Gb.14. Mekanisme Penyimpulan Fuzzy untuk
penentuan PB


5.4. Post Processing
Pada Post processing dilakukan
perhitungan setelah didapatkan hasil akhir
perhitungan logika fuzzy (crisp). Tujuan dari
perhitungan ini adalah untuk mendapatkan hasil
perhitungan akhir dari proses FGS. Pada post
processing perhitungan yang dilakukan adalah
dengan menggunakan persamaan (4), yaitu T
i
=
T
d
.

6. Pengujian dan Analisis
6.1. Rancangan FGS dengan Perubahan Step
rentang: 50 60 %.












(a) Respons Step













(b) Perubahan Parameter PID












(c) Trajektori
Produc
t
e
d
I
I
Z
P
N N
N
N
Z
P
N
Z
Z
Z
Z
P
N
P
P
P
1
3
2
9
8
7
6
5
4
P
B
P
B
P
B
P
B
P
B
P
B
P
B
P
B
P
B
B
S
S
S
S
B
S
S
B
I
I
I
P
B
I
B S
Output PB
e
e
e
e
e
e
e
e
e
de
de
de
de
de
de
de
de
de

=
=
=
m
i
i
m
i
i i
PB
PB
1
1

Respon Perubahan Step pada PID FGS
48
52
56
60
0 25 50 75 100 125
Waktu (dt)
L
e
v
e
l

(
%
)
PV, PID Fuzzy Gain Scheduling
SV, step:50 --> 60%
Perubahan Parameter PID, SV: 50 --> 60%
0
2
4
6
8
10
12
14
16
0 25 50 75 100 125
Waktu (dt)
Gain
Ti (detik)
Td (detik)
Phase Plane Perubahan SV: 50 --> 60%
-0.1
0.1
0.3
0.5
0.7
0.9
0.0 0.3 0.5 0.8 1.0
e
d
e

Lembaran Publikasi Ilmiah Pusdiklat Migas
85
FORUM IPTEK Vol 13 No. 03
Gb. 15. Pengendalian Level Menggunakan
Pengendali PID dengan FGS Untuk Perubahan Step
50 60%










(a) Respons Step









(b) Perubahan Parameter PID











(c) Trajektori.
Gb. 16. Pengendalian Level Menggunakan
Pengendali PID dengan FGS Untuk Perubahan Step

Pengujian dan analisis kinerja dari
pengendalian level yang dirancang dilakukan
dengan menggunakan kriteria IAE, ISE, persen
maksimum overshoot (Yos), dan waktu settling
(Ts). Pada penelitian ini FGS dirancang untuk
perubahan step (tangga) pada rentang 50 60
%.
Contoh hasil pengendalian untuk
perubahan step 50 60% diperlihatkan pada
Gb.15 dan untuk contoh hasil pengendalian
dengan perubahan step 60 50% diperlihatkan
pada Gb.16. Pada rancangan pengendali PID
dengan FGS ini dilakukan penalaan pada
parameter fuzzy dan ditentukan strategi
pengendalian berdasarkan pada analisa fuzzy.

6.2. Perbandingan Pengendalian Level Untuk
Rentang 50 60 %.
Pada penelitian ini dibandingkan
pengendalian level antara menggunakan
pengendali PID konvensional yang optimum
dan menggunakan pengendali PID dengan FGS.
Perbandingannya diperlihatkan pada Tabel 1.
Contoh grafik percobaannya diperlihatkan pada
Gb.17.
Dari tabel 1 diperlihatkan bahwa dengan
menggunakan FGS untuk adaptasi parameter
PID didapatkan sistem pengendalian level yang
mempunyai kinerja yang lebih bagus, tetapi
kenaikkan kinerjanya tidak besar.
Tabel 1. Perbandingan Antara Pengendali PID
Konvensional dan Pengendali PID
dengan FGS Untuk Rentang 50 60 %.











(a)
Phase Plane Perubahan SV: 60 --> 50%
-0.1
0.1
0.3
0.5
0.7
0.9
1.1
0.0 0.3 0.5 0.8 1.0
e
d
e
Respon Perubahan Step pada PID FGS
48
50
52
54
56
58
60
62
0 25 50 75 100 125
Waktu (dt)
L
e
v
e
l

(
%
)
PV, PID dgn Fuzzy Gain Scheduling
SV, Step: 60 --> 50 %
Perubahan Parameter PID, SV: 60 --> 50%
0
2
4
6
8
10
12
14
16
0 25 50 75 100 125
Waktu (dt)
Gain
Ti (detik)
Td (detik)
Perbandingan Respon Perubahan Step
48
50
52
54
56
58
60
62
0 25 50 75 100 125
Waktu (dt)
L
e
v
e
l

(
%
)
PV, PID Fuzzy Gain Scheduling
SV, step:50 --> 60%
PV, PID Konv optimum

Lembaran Publikasi Ilmiah Pusdiklat Migas
86
FORUM IPTEK Vol 13 No. 03












(b)
Gb.17. Perbandingan Pengendalian Level dengan
Perubahan Step
{(a) 50 60% dan (b) 60 50%}

6.3. Pengaruh Gangguan pada
Pengendalian Level.








Gb.18. Blok Diagram Pengendalian Level
Menggunakan PID dengan FGS yang Dipengaruhi
Gangguan








Gb.19. Perbandingan pengaruh gangguan pada
pengendalian level dengan Gangguan Step: 0 x, (x
= konstanta)
Pada penelitian ini dilakukan pengujian
dan analisis pengaruh gangguan pada
pengendalian level. Blok diagram
pengendaliannya diperlihatkan pada Gb.18.
Dalam realisasinya gangguan diinstalasi dengan
memasang valve paralel dengan control valve.
Gangguan berbentuk step (tangga) diberikan
pada sistem ini pada saat sistem telah stabil di
SV = 50%. Contoh grafik percobaannya
diperlihatkan pada Gb.19, yaitu ditampilkan
perbandingan hasil pengendalian yang dirancang
dan hasil pengendalian dengan pengendali PID
konvensional. Dari Gb.19 ditampilkan bahwa
dengan menggunakan pengendali PID dengan
FGS maka sistem lebih kokoh terhadap
gangguan dibandingkan menggunakan
pengendali PID konvensional.

6.4. Pengendalian Level Untuk Rentang
70 80 %
Pada penelitian ini dilakukan penelitian
pengendalian level diluar daerah operasi sistem
yang telah dirancang (50 60 %), yaitu pada
daerah operasi 70 80 %. Dari hasil penelitian
ini diperlihatkan bahwa untuk rentang operasi
70 80% sistem pengendalian level
menggunakan pengendali PID dengan FGS
mempunyai kinerja jauh lebih bagus dibanding
dengan menggunakan pengendali PID
konvensional, contoh respons pengendalian
diperlihatkan pada Gb.20.













(a) Perubahan Step: 70 80%


Perbandingan Respon Perubahan Step
48
50
52
54
56
58
60
62
0 25 50 75 100 125
Waktu (dt)
L
e
v
e
l

(
%
)
PV, PID dgn Fuzzy Gain Scheduling
SV, Step: 60 --> 50 %
PV, PID Konv Optimum
Proses
Pengendali
PID
+
_
Set
Fuzzy Gain Scheduling
+
+
gangguan
Perbandingan Pengaruh Gangguan
48
50
52
54
56
0 25 50 75 100 125
Waktu (dt)
L
e
v
e
l

(
%
)
PV, PID Konv. optimum
SV
Gangguan, step: 0 ---> x (x=konstanta)
PID FGS
Perbandingan Respon Perubahan Step
68
70
72
74
76
78
80
82
0 25 50 75 100 125
Waktu (dt)
L
e
v
e
l

(
%
)
PV, PID Konv
SV, Step: 70 --> 80 %
PV, PID FGS

Lembaran Publikasi Ilmiah Pusdiklat Migas
87
FORUM IPTEK Vol 13 No. 03













(b) Perubahan Step: 80 70%
Gb.20. Pengendalian Level Pada Rentang 70 80%


7. Kesimpulan
Dari penelitian ini dapat disimpulkan
bahwa fuzzy gain scheduling (FGS) yang
diaplikasikan sebagai adaptasi parameter PID
apabila dibandingkan dengan pengendali PID
konvensional didapatkan bahwa pada daerah
operasi pengendaliannya atau daerah operasi
yang dirancang (50 60%), penggunaan FGS
tidak banyak membantu dalam memperbaiki
kinerja sistem pengendalian, tetapi terhadap
pengaruh gangguan, penggunaan FGS cukup
membantu untuk memperbaiki kinerja sistem
pengendalian. Pada keadaan yang cukup jauh
dari daerah operasi pengendaliannya (pada
penelitian ini untuk rentang 70 80%),
penggunaan FGS sangat membantu dalam
memperbaiki kinerja sistem pengendalian.
Dari penelitian untuk rentang daerah
operasi yang berbeda disimpulkan bahwa
pengendali PID konvensional mempunyai
kinerja yang bagus untuk untuk daerah
operasinya saja dan proses level pada bejana
tertutup bukan merupakan proses linear, serta
digunakannya adaptasi parameter PID dengan
FGS dapat mengatasi ketidak-linear-an proses,
dan memperbaiki kinerja karena pengaruh
gangguan.
Dengan keberhasilan penelitian ini, maka
dapat disimpulkan bahwa SLPC, produk
Yokogawa, yang sebenarnya diaplikasikan
sebagai pengendali PID konvensional, dapat
dikembangkan sebagai pengendali PID yang
mempunyai kemampuan untuk melakukan
adaptasi parameter PID dengan FGS tanpa
menyisipkan peralatan tambahan.

Daftar Pustaka
- Theerawut Chatthana-anan and Suvalai
Pratishthananda, GA Fuzzy Supervisory
Control System of A Binary Distillation
Column, Department of Electrical
Engineering, Faculty of Engineering
Chulalongkorn University, Bangkok,
Thailand.
- C.M. Lim, K.W. Chionh, B.C. Teo and C.C.
Ho, Application of A Fuzzy Logic Control
Scheme to Multi-Variable Systems,
Electronic and Computer Engineering
Department Ngee Ann Polytechnic,
Singapore.
- Katsuhiko Ogata, System Dynamics,
1998, edisi ketiga, Prentice Hall
International, Inc, United States of America
- Robert F. Coughlin & Frederick F. Driscoll,
Operational Amplifiers & Linear Integrated
Circuits, Edisi 5, 1998, Prentice-Hall
International, Inc, United States of America
- Zhen-Yu Zhao, Masayoshi Tomizuka, and
Satoru Isaka, Fuzzy Gain Scheduling of
PID Controllers, IEEE Transaction on
system, Man, and Cybernetics, vol. 23, No.
5, Sept./ Oct. 1993, pp. 1392 1398.
- Yokogawa, Instruction Manual: Model
SLPC-150, -250 Programmable Indicating
Controller, edisi 4, Nov. 1986.
- Yokogawa, Instruction Manual: Model
SPRG (Style E) Programmer, edisi 3, April
1989.
- Yokogawa, Technical Information:
YEWSERIES 80 (Style E) Models SLPC,
SLMC, SCMS, SPLR, and SPRG
Programmable Instruments Functions and
Aplications, edisi 1, Nov. 1986.
- Jun Yan, Michael Ryan, and James
Power,Using Fuzzy Logic, Prentice Hall,
edisi pertama, 1994
Perbandingan Respon Perubahan Step
68
70
72
74
76
78
80
82
0 25 50 75 100 125
Waktu (dt)
L
e
v
e
l

(
%
)
PV, PID Konv
SV, Step: 80 --> 70 %
PV, PID FGS

Lembaran Publikasi Ilmiah Pusdiklat Migas
88
FORUM IPTEK Vol 13 No. 03
- J.-S. R. Jang, C.-T. Sun, E. Mizutani,
Neuro-Fuzzy and Soft Computing,
Prentice-Hall,1997
- Wei Li, Design of Hybrid Fuzzy Logic
Proportional Plus Conventional Integral-
Derivative Controller, IEEE Transaction on
Fuzzy Systems, November 1998.
- Leonid Reznik, Fuzzy Controllers, edisi
pertama, Great Britain, England, 1997
- Mohammad Jamshidi, Neder Vadiee,
Timothy J. Ross, Fuzzy Logic and
Control, Prentice-Hall,1993
- Tetsuji Tani, Shunji Murakoshi, & Motohide
Umano, Neuro-Fuzzy Hybrid Control
System of tank level in Petroleum Plant,
IEEE Transaction on Fuzzy System, vol.4,
No. 3, Aguatus 1996.
- Nicholas P. Cheremisionoff, Process Level
Instrumentation and Control, Marcel
Dekker, Inc, New York, 1981
- Katsuhiko Ogata, Modern Control
Engineering, edisi kedua, Prentice-Hall,
USA, 1990
- F.G. Shinskey, Process Control Systems:
Application, Design, and Tuning, edisi
keempat, McGraw-Hill, USA, 1996.
- Kevin M. Passino & Stephen Yurkovich,
Fuzzy Control Addison-Wesley Longman,
Inc. California, 1998

*) Roni Heru Triyanto adalah pejabat fungsional
dosen STEM Pusdiklat Migas.



LAMPIRAN GAMBAR






















Gb.10. Aplikasi FGS pada SLPC


A/D
1- 5 vdc
(0 100
cm)
Faktor
skala
Faktor
skala

Preprocessi
ng
-0,5a
e_raw(k)
0,5a
-0,5b
de_raw(k
) 0,5b
Z
P
N
e is N
Z
P
N
e is Z
e is P
_
+

Fuzzification
0
e(k)
1
0
de(k)
1
de is N
de is Z
de is P
SV
PV

Fuzzy
Inference





Defuzzif
ication
i
Td,i
i
PBi

P
B
T
d

Post
Processin
g
Td
Ti
P
B