LAPORAN SISTEM KENDALI CERDAS

PROPORTIONAL INTEGRAL DERRIVATIVE (PID)

DAN FUZZY LOGIC CONTROLLER (FLC)

DISUSUN OLEH :
MUH FAKHRI
D411 12 286

JURUSAN ELEKTRO FAKULTAS TEKNIK

UNIVERSITAS HASNUDDIN
2015

PENDAHULUAN
Suatu sistem kendali yang baik harus mempunyai ketahanan terhadap disturbance dan mempunyai
respon yang cepat dan akurat. Sering terjadi permasalahan dalam sistem kendali Proportional Integral
Derivative (PID) bila dibuat sangat sensitif, maka respon sistem terhadap disturbance menghasilkan
overshot/undershot yang besar sehingga kemungkinan dapat terjadi osilasi semakin tinggi. Bila dibuat
kurang sensitif memang akan menghasilkan overshot/undershot kecil, tetapi akibatnya akan
memperpanjang recovery time. Untuk mengatasi hal ini, diterapkan juga sistem logika fuzzy
TEORI DASAR
A. Pengantar Logika Fuzzy
Logika fuzzy merupakan sebuah logika yang memiliki nilai kekaburan atau kesamaran
(fuzzyness) antara benar dan salah. Dalam teori logika fuzzy sebuah nilai bisa bernilai benar dan salah
secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada
bobot/derajat keanggotaan yang dimilikinya. Himpunan fuzzy mempunyai derajat keanggotaan
bernilai kontinyu yaitu antara 0 sampai dengan 1, sedangkan himpunan crisp hanya mempunyai 2 nilai
yaitu 0 dan 1. Satu perbedaan dari himpunan crisp dan fuzzy adalah bahwa himpunan crisp selalu
memiliki fungsi keanggotaan yang unik, sedangkan setiap himpunan fuzzy memiliki nilai keanggotaan
yang terbatas dari fungsi keanggotaan yang mewakilinya. Hal itu memungkinkan fuzzy dapat diatur
secara maksimum dalam situasi yang diberikan.
Logika fuzzy merupakan cabang dari sistem kecerdasan buatan (Artificial Intelegent) yang
mengevaluasi kemampuan manusia dalam bentuk algoritma yang kemudian dijalankan oleh mesin.
Algoritma ini digunakan dalam berbagai aplikasi pemrosesan data yang tidak dapat dipresentasikan
dalam bentuk biner. Logika fuzzy menginterpretasikan statemen yang samar menjadi sebuah
pengertian yang logis.
Sekitar tahun 1965, Profesor Lotfi A. Zadeh adalah guru besar pada University of California
yang merupakan pencetus sekaligus yang memasarkan ide tentang cara mekanisme pengolahan atau
manajemen ketidak pastian yang kemudian dikenal dengan logika fuzzy. Teknik fuzzy dapat
diimplementasikan dalam bidang kontrol, pengenalan pola, pemrosesan citra, analisis kuantitatif pada
penelitian di bidang sosial, penarikan kesimpulan seperti pada Expert System (ES), perencanaan,
prediksi, teknik pembuatan software, dan lain-lain.
B. Block Diagram Fuzzy Logic
Secara umum suatu sistem Logika Fuzzy terdiri dari tiga komponen utama yaitu Fuzzification,
Inference dan Defuzzification:
Fuzzification merupakan proses pemetaan nilai-nilai input (crisp input) yang berasal dari
sistem yang dikontrol kedalam himpunan fuzzy menurut fungsi keanggotaanya(membership
function). Untuk mengubah crisp input menjadi fuzzy input, terlebih dahulu harus menentukan fungsi
keanggotaan (membership function) untuk crisp input, kemudian proses fuzzification akan mengambil
crisp input dan membandingkan dengan fungsi keanggotaan (membership function) yang telah ada
untuk menghasilkan harga fuzzy input.
Sistem Inferensi Fuzzy (Fuzzy Inference Systemdisebut juga fuzzy inference engine adalah
sistem yang dapat melakukan penalaran(inference) dengan prinsipserupa seperti manusia melakukan
penalaran dengan nalurinya atau akan memperhitungkan semua aturan yang ada di dalam basis
pengetahuan fuzzy.
Pada tahap inference diproses hubungan antara nilai-nilai input (crisp input) dan nilai-nilai
output (crisp output) yang dikehendaki dengan aturan-aturan (rulers). Aturan ini nantinya yang akan

menentukan respon sistem terhadap berbagai kondisi seting point dan gangguan yang terjadi pada
sistem. Terdapat beberapa metode aturan fuzzy yang dapat digunakan antara lain Metode Mamdani
dan Metode Sugeno.
Defuzzification merupakan proses pemetaan himpunan fuzzy kehimpunan tegas (crips)
artinya kebalikan dari proses fuzzifikasi. Pada tahap ini dilakukan pemetaan bagi nilai-nilai fuzzy output
yang dihasilkan pada tahap inference ke nilai-nilai output kuantitatif yang sesuai dengan sistem yang
diharapkan.
C. Pengendali PID
Dalam suatu sistem kontrol kita mengenal adanya beberapa macam aksi kontrol, diantaranya
yaitu aksi kontrol proporsional, aksi kontrol integral dan aksi kontrol derivative. Masing-masing aksi
kontrol ini mempunyai keunggulan-keunggulan tertentu, dimana aksi kontrol proporsional
mempunyai keunggulan risetime yang cepat, aksi kontrol integral mempunyai keunggulan untuk
memperkecil error, dan aksi kontrol derivative mempunyai keunggulan untuk memperkecil derror
atau meredam overshot/undershot. Untuk itu agar kita dapat menghasilkan output dengan risetime
yang tinggi dan error yang kecil kita dapat menggabungkan ketiga aksi kontrol ini menjadi aksi kontrol
PID
Setiap kekurangan dan kelebihan dari masing-masing pengontrol P, I dan D dapat saling
menutupi dengan menggabungkan ketiganya secara paralel menjadi pengontrol proposional plus
integral plus derivative (pengontrol PID). Elemen-elemen pengontrol P, I dan D masing-masing secara
keseluruhan bertujuan untuk mempercepat reaksi sebuah sistem, menghilangkan offset dan
menghasilkan perubahan awal yang besar.
Karakteristik umum yang digunakan dalam pengontrolan suatu sistem antara lain meliputi
stabilitas, akurasi, kecepatan respon dan sensitivitas. Dalam Aksi kendali proporsional, output dari
sistem kontrol selalu sebanding dengan inputnya. Sinyal output merupakan penguatan dari sinyal
kesalahan dengan faktor tertentu, faktor penguatan ini merupakan konstanta proporsional dari
sistem, yang dinyatakan dengan Kp, dimana Kp ini mempunyai respon yang tinggi/cepat. Dalam aksi
kendali integral, output dari kontroler ini selalu berubah selama terjadi penyimpangan, dan kecepatan
perubahan output tersebut sebanding dengan penyimpangannya, konstantanya dinyatakan dengan
Ki, dimana Ki ini mempunyai sensitivitas yang tinggi, yaitu dengan cara mereduksi error yang dihasilkan
dari sinyal feedback. Makin besar nilai Ki maka sensitivitasnya akan semakin tinggi, tetapi waktu yang
dibutuhkan untuk mencapai kestabilan lebih cepat, demikian pula sebaliknya.
Sedangkan aksi kendali derivative (turunan) bekerja berdasarkan laju perubahan simpangan,
sehingga jenis kontroler ini selalu digunakan bersama-sama dengan kontroler proporsional dan
integral, konstantanya dinyatakan dengan Kd, dimana Kd ini mempengaruhi kestabilan dari sistem,
karena aksi kendali ini dapat mereduksi error.

METODOLOGI
A. Pembuatan Model Sistem
Model sistem yang disimulasika seperti gambar dibawah ini.

Model dibuat menggunakan simulink MATLAB dimana inputnya berupa sinyal step dan menggunakan
PID controller dan Fuzzy Logic Controller serta terdapat gangguan. Sistem prosesnya berpa transfer
function. Pada simulasi dilakukan simulasi sistem dengan PID, FLC dan dengan gangguan.
B. Pengendali PID
Untuk pengaturan nilai P, I dan D, untuk sistem digunakan pengaturan sebagai berikut

C. Pengendali FLC

Untuk masukannya adalah error dan derror, keluarannya adalah out dan sistemnya adalah
motor menggunakan mamdani.
1) Fungsi keanggotaan error
Variabel masukan pada sistem fuzzy sinyal rujukan adalah sinyal kesalahan e(t) dengan nilai
variabel masukan dibatasi -1 sampai 1 sebagai semesta pembicaraannya. Fungsi
keanggotaan fuzzy digambarkan oleh lima fungsi keanggotaan segitiga yang masing-masing
mewakili himpunan fuzzy: Negative Big (NB), Negative Small (NS), ZE, Positive Small (PS), dan
Positive Big (PB)

2) Fungsi keanggotaan derror

Variabel masukan pada sistem fuzzy sinyal feedback adalah sinyal selisih kesalahan de(t)
dengan nilai variabel masukan dibatasi -1 sampai 1 sebagai semesta pembicaraannya.
Fungsi keanggotaan fuzzy digambarkan oleh lima fungsi keanggotaan segitiga yang masingmasing mewakili himpunan fuzzy: Negative Big (NB), Negative Small (NS), ZE, Positive Small
(PS), dan Positive Big (PB)

3) Fungsi keanggotaan output

Pada variabel keluaran sistem fuzzy sinyal rujukan memiliki lima variabel, yaitu: Negative Big
(NB), Negative Small (NS), ZE, Positive Small (PS), dan Positive Big (PB) dengan

menggunakanf ungsi keanggotaan segitiga, seperti gambar dibawah. Variabel keluaran fuzzy
dibatasi pada nilai antara -1 sampai 1 sebagai semesta pembicaraannya.

4) Rule
Pengkombinasian himpunan-himpunan fuzzy pada masukan dan keluaran sistem fuzzy sinyal
rujukan maka menghasilkan 25 aturan fuzzy satu masukan jika-makaseperti yang
ditunjukkan pada gambar dibawah ini.

HASIL SIMULASI DAN PEMBAHASAN

Dalam simulasi ini dilakukan percobaan yaitu dengan PID saja, PID dengan gangguan, FLC
saja, FLC dengan gangguan, PID & FLC, dan PID & FLC dengan gangguan:
a. PID saja

Tr (s)

Td (s)

Tp (s)

Ts (s)

Mp (%)

0.0033
0.002
0.0054
0.0196
1.3556
Pada percobaan ini sistem dikendalikan oleh pengendali PID saja tanpa ada gangguan. Terlihat
bahwa nilai overshootnya cukup besar. Sedangkan waktu risetimenya cukup kecil. Responnya
cepat namun errornya besar.
b. PID dengan gangguan

Tr (s)

Td (s)

Tp (s)

Ts (s)

Mp (%)

0.0033
0.002
0.0054
0.4
1.3556
Pada percobaan ini, digunakan pengendali PID dan diberikan gangguan berupa sinyal step
juga. Nilai Mp, Tr, Td dan Tp nya sama dengan PID tanpa gangguan. Pada grafik terlihat gangguan
mulai terjadi pada detik 0.017 yang mengakibatkan meningkatnya error pada sinyalnya. Kemudian
error tersebut ditanggulangi oleh PID sehingga sistem menjadi stabil. Ts nya sebesar 0.3787 berbeda
dengan yang hanya PID saja yaitu 0.0196
c. FLC saja

Tr (s)

Td (s)

Tp (s)

Ts (s)

Mp (%)

0.0115
0.0068
0.0132
0.0397
1.0783
Pada percobaan ini, pengendali yang digunakan hanya fuzzy logic controller. Overshootnya lebih
kecil dibanding menggunakan PID. Tetapi respon time nya lebih lambat. Sinyalnya stabil saat
0.0397.
d. FLC dengan gangguan

Tr (s)

Td (s)

Tp (s)

Ts (s)

Mp (%)

0.3
0.1
0.45
0.5
16
Pada percobaan ini sistem ini pengendalinya FLC lalu diberi gangguan pada detik 0.017. terlihat
bahwa saat diberi gangguan terjadi error yang sangat besar, sinyal stabil pada saat detik ke 0.5.
e. PID dan FLC

Tr (s)

f.

Td (s)

Tp (s)

Ts (s)

Mp (%)

0.003
0.0018
0.0048
0.052
1.3775
Pada percobaan ini, pengendalinya menggunakan PID dan FLC. Terlihat bahwa respon time-nya
Tr, Td dan Tp-nya lebih sepat dibanding hanya PID atau hanya FLC. Tetapi T(s) nya masih agak
besar. Dan overshootnya leih besar dibaning hanya PID atau hanya FLC.
PID dan FLC dengan gangguan

Tr (s)

Td (s)

Tp (s)

Ts (s)

Mp (%)

0.003
0.0018
0.0048
0.2955
1.3774
Pada percobaan ini, sistemnya diberi gangguan pada detik 0.017. overshootnya lebih rendah
dibanding tanpa gangguan. Dan Tr, Td, dan Tp nya hampir sama dengan tanpa gangguan saat
diberi gangguan sinyalnya besar namun kemudian mencapai keadaan stabil.
KESIMPULAN
Dalam sistem ini kendalinya adalah kendali PID dan kendali logika fuzzy. Kendali fuzzy bekerja
membantu untuk meminimalkan overshot/undershot yang terjadi dan juga meminimalkan recovery
time dari respon sistem. Sistem kendali logika fuzzy yang didesain mempunyai 2 input yaitu error dan
delta error dan output kecepatan motor.
DAFTAR PUSTAKA
Bachri M, Samsul. 2004. Sistem Kendali Hybrid PID-Logika Fuzzy pada Pengaturan Kecepatan Motor
DC. MAKARA : JEMBER.
Endra Joelianto & Oberli Tansroi. 2007. Sistem Kontrol Hibrida Sinyal Rujukan Berbasis Logika Fuzzy
untuk Peningkatan Kinerja Transien Pengontrol PID. PROC. ITB Sains & Tek : Bandung.