Anda di halaman 1dari 11

Makalah Seminar Tugas Akhir

APLIKASI METODE MODEL REFERENCE ADAPTIVE CONTROL (MRAC) PADA


PLANT PENGATURAN LEVEL CAIRAN BERBASIS MIKROKONTROLER
ATMEGA 8535
Ibnu Fatih[1], Wahyudi, S.T, M.T [2], Budi Setiyono, S.T, M.T [2]
Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro
Jln. Prof. Sudharto, Tembalang, Semarang, Indonesia
Abstrak
Dalam perancangan sistem kontrolsecara konvensional, parameter parameter kontrol dihitung berdasarkan
parameter karakteristik plant, namun seringkali parameter plant tersebut tidak diketahui, sehingga perlu
mengidentifikasi plant yang akan dikendalikan. Sebuah pendekatan dalam pengendalian plant yang parameter
parameternya tidak diketahui dapat dilakukan dengan menggunakan sistem kontrol adaptif. Dengan system control
adaptif maka parameter parameter plant dan kontroler dapat diadaptasi sendiri oleh system dengan proses estimasi
atau updating parameter.
Pada Tugas akhir ini, sistem kontrol adaptif dengan skema Model Reference Adaptive Control (MRAC) akan
diterapkan pada plant kontrol level cairan. MRAC merupakan salah satu skema kendali adaptif dimana performansi
keluaran system (plant) mengikuti performansi keluaran model referensinya. Parameter kontroler diperbaharui dengan
system pengaturan (adjustment mechanisme) menggunakan teori kestabilan Lyapunov. Plant pengendalian level
ketinggian cairan menggunakan mikrokontroler ATmega 8535 sebagai kontroler dan pompa sebagai aktuator yang
dikendalikan debit alirannya.

Kata kunci : Model Reference Adaptif Kontrol (MRAC), Kestabilan Lyapunov, Plant kontrol level cairan,
Mikrokontroller ATmega 8535

I.

Pada Tugas Akhir ini, sistem kontrol adaptif


dengan skema Model Reference Adaptive Control
(MRAC) akan diterapkan pada plant kontrol level
cairan. MRAC merupakan salah satu skema
kendali adaptif dimana performansi keluaran
sistem (plant) mengikuti performansi keluaran
model
referensinya.
Parameter
kontroler
diperbaharui
dengan
sistem
pengaturan
(adjustment mechanisme) menggunakan teori
kestabilan Lyapunov.
II. DASAR TEORI

PENDAHULUAN

Secara konvensional dalam perancangan


sistem kontrol, parameter parameter kontroler
dihitung berdasarkan parameter karakteristik
plant. Tetapi seringkali parameter plant tersebut
tidak diketahui, sehingga perancangan sistem
kontrol harus diawali dengan pengidentifikasian
terhadap plant yang akan dikendalikan secara
akurat. Kenyataannya seringkali parameter plant
tersebut
sulit
ditentukan,
baik
karena
kompleksitas plant maupun kondisi dinamik
plant, selain itu juga adanya karakteristik dari
gangguan (disturbance) yang bervariasi.
Sebuah pendekatan dalam pengendalian
plant yang memiliki kendala seperti tersebut di
atas dapat dilakukan dengan menggunakan sistem
kontrol adaptif. Sistem kontrol adaptif memiliki
kemampuan beradaptasi terhadap perubahan
sistem maupun gangguan dari luar. Dengan sistem
kontrol adaptif maka parameter parameter plant
dan kontroler dapat beradaptasi sendiri oleh
sistem dengan proses estimasi atau updating
parameter. Parameter parameter dari hasil
estimasi
ataupun
mekanisme
pengaturan
digunakan untuk update parameter parameter
plant dan kontroler tersebut hingga tercapai
keluaran sistem sesuai dengan referensinya.
1
2

Mahasiswa Jurusan Teknik Elektro UNDIP


Staf Pengajar Jurusan Teknik Elektro UNDIP

2.1

Sistem Kontrol Adaptif


Definisi dari sistem kontrol adaptif adalah
sistem kontrol dimana parameternya dapat diatur
dan juga memiliki mekanisme untuk mengatur
parameter tersebut, sehingga permasalahan sistem
kontrol adaptif adalah bagaimana mendapatkan
metode pengaturan kontroler ketika karakteristik
proses dan lingkungan tidak diketahui atau
berubah. Untuk skema teknik kontrol adaptif
sendiri mempunyai skema yang berbeda dengan
skema teknik kontrol pada umumnya. pada
Gambar 1 diperlihatkan skema teknik kontrol
adaptif.

Dari Gambar 2 dapat dilihat bahwa skema


sistem MRAC terdapat dua loop, dimana loop
pengaturan parameter ditempatkan paralel dengan
loop sistem umpan balik dan algoritma adaptasi
menggunakan sinyal error e = y ym. Pengaturan
dilakukan dengan meminimalkan sinyal error,
sehingga keluaran sistem (y) sesuai dengan
keluaran model referensinya (ym). Mekanisme
pengaturan pada MRAC terhadap parameternya
dapat dilakukan dengan beberapa metode di
antaranya dengan teori kestabilan Lyapunov.

Gambar 1 Diagram blok sistem kontrol adaptif

Loop pertama pada Gambar 1 adalah loop


umpan balik normal antara output proses dengan
kontroler sedangkan loop kedua adalah loop yang
digunakan
untuk
melakukan
mekanisme
pengaturan parameter kontroler. Pada loop kedua
ini dilakukan proses untuk update parameter
parameter kontroler maupun parameter plant
sesuai dengan skema adaptif yg digunakan.
Kelebihan dari teknik kontrol adaptif
adalah terletak pada adanya estimasi dari plant
sehingga untuk mendapatkan kontroler yang baik
diperlukan suatu persamaan untuk memodelkan
plant dengan akurat. Persamaan untuk
memodelkan plant bisa didapat dengan
menggunakan hukum hukum fisik sehingga
plant akan dapat dimodelkan sebagai persamaan
dengan berbagai macam parameter. Tetapi, pada
umumnya parameter parameter atau nilai yang
akurat parameter dari plant tidak diketahui.
Dengan mengidentifikasi atau mengestimasi
parameter parameter tersebut baik secara on-line
ataupun off-line, lalu secara eksplisit mengubah
parameter parameter tersebut pada kontroler,
maka perfomansi sistem yang lebih baik dapat
dicapai.

2.2.1 Desain
MRAC
dengan
Teori
Kestabilan Lyapunov
Untuk mendesain MRAC, pertama kali
perlu diketahui orde dari plant yang akan
dikontrol untuk menentukan model dan baru
kemudian
mencari
algoritma
mekanisme
pengaturan adaptifnya. Langkah pertama adalah
menurunkan persamaan diferensial error, e = y
ym. Persamaan diferensial ini memiliki parameter
yang dapat diatur. Kemudian menentukan fungsi
Lyapunov yang akhirnya diperoleh parameter
parameter untuk update nilai kontroler.
A.
Teori Kesalahan Keadaan Tunak
[5]
Sistem
Orde satu model umum fungsi alih sistem
orde satu ditunjukkan sebagai berikut:
C ( s)
b
(1)

G ( s )
R(s ) s a
b

2.2

Sistem Kontrol Adaptif MRAC


MRAC merupakan salah satu skema
kendali adaptif dimana performansi keluaran
sistem mengikuti performansi keluaran model
referensinya. Parameter kontroler diatur melalui
mekanisme pengaturan yang didasarkan pada
error yang merupakan selisih antara keluaran
plant dengan keluaran model referensi. Diagram
blok dari skema MRAC diperlihatkan pada
Gambar 2.

a
1 .s 1
a

(2)

dari persamaan (2) dapat diketahui nilai dari gain


statis K = b/a dan konstanta waktu =1/a. Pada
Gambar 3 diperlihatkan grafik respon kesalahan
keadaan tunak.
C(t)
1

Kesalahan keadaan
Tunak
(offset)

0,632

ym
Model

Controller parameters

Adjustment
Mechanism

r
Controller

Gambar 3 Respon kesalahan keadaan tunak sistem

Gambar 3 menunjukkan respon sistem


orde satu dimana keadaan tunak respon tidak
mencapai nilai referensinya. Selisih antara nilai
referensi dengan nilai keadaan tunak respon
sistem disebut sebagai suatu kesalahan keadaan
tunak atau offset :
(3)
E ( s) R(s ) C ( s)

y
Plant

Gambar 2 Diagram Blok skema MRAC.

Persamaan (3) disubstitusikan dengan


persamaan (1) sehingga diperoleh persamaan
sebagai berikut:

E ( s ) 1
R( s)
sa

bm
b

k2

am a
b

(4)

sehingga jika masukan berupa tegangan step,


maka kesalahan keadaan tunaknya:

e() 1

k1

b
a

(10)

(11)

jika kondisi pada persamaan (10) dan (11)


tercapai, maka hubungan masukan-keluaran
sistem dan modelnya akan sama.
Pengaturan
parameter
kontroler
menggunakan teori kestabilan Lyapunov, dimana
e dinyatakan sebagai error yaitu selisih antara
keluaran sistem dengan keluaran model referensi
sebagai berikut:

(5)

Pada persamaan (5) dapat dilihat bahwa


agar kesalahan keadaan tunaknya nol, maka
dipilih nilai b sama dengan a dan selanjutnya
kriteria ini digunakan dalam menentukan model
sistem.
B.
Teori
Kestabilan Lyapunov untuk
Sistem Orde Satu
Untuk
mendapatkan respon
yang
diinginkan,
maka
ditentukan
persamaan
diferensial modelnya:

Untuk membuat nilai error yang kecil, maka


dengan menyatukan persamaan diferensialnya:

dy m
a m y m bm u c
dt

de
a m e (bk 2 a a m ) y (bk1 bm )u c
dt

e y ym

(6)

Untuk persaman orde satu sistem/plant,


dinyatakan dengan persamaan:

dy
ay bu
dt

(7)

V (e, k1 , k 2 )

e
(bk 2 a am )
(bk1 bm )
2
b
b

Untuk fungsi yang memenuhi syarat


sebagai fungsi Lyapunov, maka turunan dV/dt
harus definit positif. Derivatif dari fungsi
Lyapunov diperlihatkan pada persamaan (15):
1
dk
(15)
dk
1

(8)

Algoritma ini memiliki 2 parameter yang


digunakan untuk mengatur besarnya sinyal
kontrol keluaran dari kontroler, yaitu k1 dan k2.
Algoritma pole placement ini secara diagram blok
ditunjukkan pada Gambar 4.

am e 2

(bk2 a am ) 2 ye (bk1 bm ) 1 uc e
dt

dt

Persamaan update parameter kontrol yang


diperoleh dari persamaan (15) dapat ditulis
sebagai berikut :

dk1
u c e
dt
dk 2
ye
dt

Gambar 4 Diagram Blok algoritma pole


placement

(16)
(17)

Diagram blok MRAC berdasarkan teori


kestabilan Lyapunov untuk sistem orde 1 dapat
dilihat pada Gambar 5[1].

Subtitusi persamaan (7) dengan persamaan (8)


menghasilkan persamaan plant menjadi:

dy
(a bk 2 ) y bk1u c
dt

(13)

Dari persamaan (13) error akan mendekati


nol (0) jika parameter kontrol sama dengan nilai
yang diinginkan sesuai persamaan (10) dan (11).
Kemudian untuk menyatakan besar k1 dan k2
sesuai
nilai
yang
diinginkan,
dengan
mengasumsikan b > 0 dan menentukan fungsi
kuadratik pada Lyapunov sebagai berikut:
(14)
1 2 1
1
2
2

dimana u adalah sinyal kontrol dan y adalah


keluaran yang diukur, sedangkan kontroler yang
digunakan adalah kontroler dengan algoritma pole
placement yang dinyatakan dalam persamaan:

u (t ) k1u c (t ) k 2 y (t )

(12)

(9)

Jika keluaran plant sama dengan keluaran model


sistem loop tertutup, maka didapatkan persamaan
parameter:

sehingga jika model dibawa ke dalam persamaan


diskrit, maka dengan metode diskritisasi
pendekatan persamaan diferensial diperoleh:
b T
1
u c (k ) (21)
y m (k 1) m
y m (k )
1 amT
1 a mT
Persamaan
error
didapat
dengan
membandingkan keluaran model ym(k) dan plant
y(k) yang dinyatakan dalam persamaan error :
e(k ) y (k ) y m (k )
(22)
Parameter-parameter
kontrol
yang
diperoleh melalui derivatif fungsi Lyapunov,
masing masing sesuai persamaan (16) dan (17)
yang kemudian didapat persamaan diskritnya:
Gambar 5 Blok diagram MRAC sistem orde 1
berdasarkan teori Lyapunov.

k1 (k ) k1 (k 1) .T .u c (k ).e(k )

Pada skema Gambar 5, error dihasilkan dari


selisih antara keluaran model referensi dengan
(ym) dan keluaran plant (y). Error dan gain
adaptasi () digunakan untuk update kedua
parameter kontroler k1 dan k2. Selain itu masukan
referensi (uc) juga digunakan untuk update
parameter kontroler k1 dan keluaran plant (y)
untuk update parameter kontroler k2. Parameter
kontroler k1 dan k2 digunakan untuk menentukan
sinyal kontrol sistem.

k 2 (k ) k 2 (k 1) .T . o (k ).e(k )

dimana adalah gain adaptasi dan T adalah waktu


sampling. Dalam perancangan kontrol adaptif ini
besar waktu sampling yang digunakan 0,1 detik,
dengan range nilai gain adaptasi () antara 0
sampai 1.
Berdasarkan persamaan (23), diketahui
bahwa update nilai-nilai parameter kontrol k1 dan
k2 ditentukan oleh masukan referensi, keluaran
plant dan error (selisih keluaran) antara model
dan plant. Nilai-nilai parameter kontrol tersebut
akan menentukan besarnya sinyal kontrol.
Persamaan sinyal kontrol yang akan dikirimkan
ke plant yang berupa tegangan melalui DAC
adalah:

2.2.2

Kontroler Adaptif MRAC Metode


Kestabilan Lyapunov
Perancangan
kontroler
merupakan
penentuan persamaan atau rumus mekanisme
pengaturan untuk melakukan update parameter
kontroler, maka akan dirumuskan persamaan pada
loop pengaturan parameter berupa persamaan
update parameter-parameter kontrol. Model yang
digunakan adalah model sistem orde satu, karena
dari pemodelan secara matematik sesuai
persamaan pada plant merupakan sistem berorde
satu.
Untuk model orde satu dirumuskan
dengan persamaan:

Gm ( s)

Ym (s )
bm

U c ( s) s am

u (k ) k1 (k ).u c (k ) k 2 (k ). o (k )

bm / a m
1 / a m. s 1

Model Kontrol Proses Level Fluida


Dalam perancangan suatu plant dapat
menggunakan pendekatan untuk dengan model
kontrol proses. Dimana model kontrol proses level
fluida ini diperoleh dari suatu proses level fluida
dapat dilakukan dengan menerapkan hukum
kesetimbangan massa yaitu:
Laju akumulasi massa =
Laju massa yang
masuk - Laju massa yang keluar.
Gambar 4 merupakan model kontrol proses fluida.

(18)

d
Ah (t ) qin q out
dt

(25)

dimana
qin
= Perubahan laju aliran fluida input s
sekitar nilai nominalnya (m3/det).
qout
= Perubahan laju aliran fluida output
nilai nominalnya (m3/det).
= densitas (kg/m3).

A
= Luas penampang tangki (m2).
h
= Perubahan ketinggian fluida dalam
tangki (m).

(19)

dari persamaan (19) diketahui nilai


konstanta waktu = 1/am, sehingga dengan
menentukan nilai konstanta waktu model, maka
dapat diperoleh nilai am. Agar kesalahan keadaan
tunaknya nol dipilih model dengan nilai bm = am.
Model dalam persamaan diferensialnya:

dy m
a m y m bm u c
dt

(24)

2.3

Fungsi alih yang menunjukkan nilai


konstanta waktu dapat ditulis :

Gm ( s)

(23)

(20)

Gambar 7 Diagram blok perangkat keras pengendalian


level ketinggian cairan.

Gambar 6 Model kontrol proses level fluida.

Penjelasan diagram blok dari Gambar 7 adalah


sebagai berikut :
1. Sensor PING merupakan sensor yang akan
mendeteksi ketinggian sensor
terhadap
pelampung yang direpresentasikan sebagai
level cairan.
2. Zero crossing detector adalah rangkaian yang
digunakan untuk mendeteksi gelombang sinus
tegangan jala-jala AC 220 V ketika melalui
persimpangan titik nol.
3. Rangkaian pengendali tegangan AC adalah
rangkaian
yang
berfungsi
untuk
mengendalikan tegangan beban dengan
memberi waktu tunda pemicuan triac.
4. Pompa berfungsi sebagai aktuator.
5. Mikrokontroller AVR ATmega 8535 yang
berfungsi sebagai pusat kontroler pada sistem
pengatur level cairan.
6. PC (Personal Computer) sebagai unit
monitoring yang akan menampilkan data
ketinggian aktual cairan berupa grafik respon
sistem.

Dari Gambar 6 dapat dilakukan penurunan rumus:


qout K out .h(t )
(26)

qin K in .co(t )

(27)

K
Adh(t )
(28)
h(t ) in co(t )
K out dt
K out
Atau dapat ditulis dalam bentuk umum.
dh(t )
h( s )
K
(29)
T
h(t ) K .co(t )

dt
co(s) Ts 1
dimana
h(s)
= Perubahan ketinggian fluida dalam
kawasan-s
co(s) = Perubahan sinyal control dalam
kawasan-s
K
= Konstanta penguatan
T
= Konstanta waktu
Dari persamaan 29 tersebut akan diubah menjadi
persamaan keadaan dalam kawasan waktu
kontinyu sebagai berikut.

III. PERANCANGAN
Sistem Pengaturan Kalang Terbuka
Untuk mengetahui tanggapan keluaran level
ketinggian cairan pada plant, maka diperlukan
pengujian kalang terbuka pada pengendalian level.
Tanggapan keluaran pada pengujian kalang
terbuka digunakan dalam mencari parameter
bobot. Pada pengujian kalang terbuka,
mikrokontroler memberi masukan berupa sinyal
kendali Co ke pengontrol tegangan AC sebesar
100 % dan referensi level = 40. Sinyal kendali
tersebut akan mengendalikan level ketinggian
cairan pada plant model. Tanggapan keluaran
level ketinggian cairan pada plant ditunjukkan
pada Gambar 8.

h(s)(Ts 1) K.co(s)

3.1

Ts.h(s) h(s) K.co(s)


T.h h K.co
1
K
h h co
(30)
T
T
Jika diubah menjadi persamaan keadaan dalam
kawasan waktu diskrit maka
1
K
h( k 1) h (k )
.h(k ) .co ( k )
T
Tc
T
1
K
h( k 1) (1 Tc ).h(k ) ( Tc ).co (k )
T
T

(31)

dimana
Tc
= waktu cuplik
2.1

Plant Pengendalian Level Cairan


Untuk plant pengendalian level cairan ini
secara garis besarnya dapat dilihat pada Gambar
7. Pada perancangan sistem mikrokontroller
berfungsi sebagai kontroler, unit masukan dan PC
sebagai monitoring. Keluaran level ketinggian
ditampilkan pada LCD.
Gambar 8 Tanggapan keluaran sistem pengendalian
level untuk kalang terbuka

dapat diperoleh nilai am. Agar kesalahan keadaan


tunaknya nol dipilih model dengan nilai bm = am.

Tanggapan
keluaran
plant
level
menunjukkan adanya waktu mati (dead time)
setelah pompa dinyalakan, namun level belum
mulai naik. Tanggapan keluaran menunjukkan
plant level memiliki konstanta waktu T sebesar 44
detik dan nilai penguatan K sebesar 0,4 dengan
waktu cuplik Tc sebesar 0,1 detik. Hasil data
respon sistem secara kalang terbuka ini
kemudian
digunakan
untuk
menentukan
konstanta waktu () dari plant, jadi berdasarkan
data pada percobaan kalang terbuka pada Gambar
8 sistem plant level cairan yang dikontrol
memiliki konstanta waktu sebesar 44 detik.
3.2

Perancangan
Lyapunov

Kendali

3.3

Perancangan
Perangkat
Lunak
(Software)
Pemrograman mikrokontroler ATmega
8535 dapat dilakukan dengan menggunakan
bahasa assembly dan C. Perancangan perangkat
lunak Tugas Akhir ini digunakan bahasa C dengan
kompiler CodevisionAVR versi 1.24. Program
monitoring untuk menampilkan respon sistem ke
komputer digunakan program Visual C# 2010.
Secara umum perancangan perangkat lunak pada
mikrokontroler ATmega 8535 terdiri atas :
Perancangan Program Utama
Algoritma MRAC

MRAC

Perancangan kendali MRAC Lyapunov


dilakukan untuk merancang kendali kontrol yang
akan digunakan. Perancangan MRAC Lyapunov
meliputi perancangan model yang digunakan dan
perancangan algoritma kontrol MRAC yang akan
diimplementasikan pada mikrokontroler. Sistem
kendali MRAC berdasarkan teori kestabilan
Lyapunov secara keseluruhan dapat dilihat pada
Gambar 5.
Perancangan kontrol pada MRAC ini
dengan memberikan parameter kontroler yang
digunakan
sebagai
ketentuan
dalam
pengendaliannya. Parameter kontroler yang
diperlukan yaitu gain adaptasi dan konstanta
waktu. Perancangan parameter parameter
tersebut diperlukan untuk menyusun algoritma
kontrol yang akan diimplementasikan pada
program.

3.3.1 Perancangan Program Utama


Secara garis besar perancangan perangkat
lunak program utama ini bertujuan untuk
mengatur kerja sistem seperti inisialisasi register
I/O dan variabel, scanning keypad, memilih
kontroler, setting parameter, pembacaan hasil
sensor, proses estimasi dengan algoritma leastmean square dan proses pengaturan sinyal kontrol
dengan algoritma pole placement. Program utama
berperan sebagai jantung perangkat lunak yang
akan mengatur keseluruhan operasi yang
melibatkan fungsi-fungsi pendukung. Fungsifungsi pendukung akan melakukan kerja khusus
sesuai kebutuhan dari program utama. Diagram
alir program utama dapat dilihat pada Gambar 9.

3.2.1 Penentuan Nilai Gain adaptasi


Besar nilai gain adaptasi akan menentukan
cepat atau lambatnya respon untuk bisa mengikuti
model. Jika nilai gain yang dipilih relatif kecil,
maka respon akan berjalan lambat untuk
mencapai model, sebaliknya bila gain adaptasi
yang dipilih terlalu besar akan menyebabkan
respon yang dihasilkan sangat cepat untuk
mencapai model. Pada Tugas Akhir ini, besarnya
nilai gain adaptasi yang digunakan adalah dengan
range 0 sampai 1.
3.2.2 Penentuan Nilai Konstanta Waktu
Besarnya nilai konstanta waktu akan
mempengaruhi respon dari model yang akan
digunakan terhadap referensi yang diberikan.
Model yang digunakan adalah model sistem orde
satu, karena dari pemodelan secara matematik
sesuai persamaan (31) plant merupakan sistem
berorde satu. Sesuai persamaan (19) diketahui
nilai konstanta waktu = 1/am, sehingga dengan
menentukan nilai konstanta waktu model, maka

Gambar 9 Diagram alir program utama

Diagram alir program utama pada Gambar


9 dapat dilihat bahwa program dimulai dengan
melakukan inisialisasi I/O port dan inisialisasi
variabel pada mikrokontroler. Setelah inisialisasi,
program akan meminta masukkan nilai setpoint
Sp_Level yaitu antara range 5-40 cm serta nilai
gain proporsional yang diinginkan dengan range
0-1. Tombol enter pada keypad digunakan untuk
mengeksekusi program yang akan membaca nilai

Parameter yang telah didapatkan tersebut


kemudian digunakan untuk update parameter
kontroler. Flowchart program MRAC dapat
dilihat pada Gambar 10.

referensi yang telah dimasukkan oleh operator dan


nilai level yang terdeteksi oleh sensor, kemudian
menghitung parameter parameter kontrol k1 dan
k2 dengan menggunakan algoritma kestabilan
Lyapunov untuk mendapatkan nilai sinyal kontrol
yang akan diberikan ke TCNT0 sebagai sumber
pemicuan pada rangkain pengendali tegangan AC,
tegangan AC ini sebagai tegangan input pompa.

IV.

PENGUJIAN DAN ANALISIS

4.1

Pengaruh Nilai Gain Adaptasi dan


Konstanta Waktu Model
Pada pengujian ini dipilih tiga model dengan
konstanta waktu masing masing 15, 20 dan 25
detik pada referensi ketinggian cairan 15 cm.
Pengujian dilakukan untuk setiap konstanta waktu
dengan gain adaptasi yang berbeda. Nilai gain
adaptasi yang digunakan pada pengujian ini
adalah 0,01; 0,05; 0,07; 0,1; 0,5 dan 1.

3.3.2 Algoritma MRAC

Pada perangkat lunak pengendalian plant


pengaturan level cairan dengan MRAC ini, semua
perhitungan untuk menentukan nilai nilai
parameternya berupa keluaran model, error, dan
parameter parameter kontrolnya dilakukan
dengan menggunakan mikrokontroler ATMega
8535.

a.

Model 1 dengan Konstanta Waktu 5


Detik
Hasil pengujian dengan konstanta waktu 5
detik ditunjukkan pada Gambar 11. Variasi nilai
gain adaptasi yang digunakan adalah 0,01; 0,05;
0,1; 0,5 dan 1.

Mulai

Inisialisasi awal untuk semua


parameter dengan nilai yang
sesuai

Masukan :
- Nilai referensi := uc
- Gain adaptasi
:= gamma
- Konstanta waktu:= T

Hitung Keluaran Model ( ym )


& Baca keluaran plant (y) dari
ADC

(a) Gain adaptasi 0,01


Hitung error := y - y m

Update dan Hitung parameter


kontroller := k 1 & k 2

Hitung sinyal kontrol


u := k 1 *u c - k 2 *y
& kirim ke DAC

(b) Gain adaptasi 0,05


Proses monitoring
sistem selesai ?

Tidak

Ya
Selesai

Gambar 10 Diagram alir pemrograman MRAC


(c) Gain adaptasi 0,1

Pada perhitungan akan didapatkan nilai


nilai parameter model dan plant yang kemudian
dibandingkan
untuk
mendapatkan
error.

(d) Gain adaptasi 0,5

(c) Gain adaptasi 0,1

(e) Gain adaptasi 1

(d) Gain adaptasi 0,5

Gambar 11 Respon sistem untuk referensi 15 cm


dan konstanta waktu 5 detik
b.

Model 2 dengan Konstanta Waktu 6


Detik
Hasil pengujian dengan konstanta waktu 6
detik ditunjukkan pada Gambar 12. Variasi nilai
gain adaptasi yang digunakan adalah 0,01; 0,05;
0,1; 0,5 dan 1.
(e) Gain adaptasi 1
Gambar 12 Respon sistem untuk referensi 15 cm dan
konstanta waktu 6 detik

c.

Model 3 dengan Konstanta Waktu 7


Detik
Hasil pengujian dengan konstanta waktu 7
detik ditunjukkan pada Gambar 13. Variasi nilai
gain adaptasi yang digunakan adalah 0,01; 0,05;
0,1; 0,5 dan 1.

(a) Gain adaptasi 0,01

(a) Gain adaptasi 0,01


(b) Gain adaptasi 0,05
Gambar 4.3 Respon sistem untuk referensi 15 cm dan
konstanta waktu 7 detik

pula nilai konstanta waktu model yang berbeda


menghasilkan respon sistem yang berbeda.
Dari grafik hasil pengujian dengan tiga
variasi konstanta waktu model dihasilkan respon
sistem yang berbeda. Data nilai kostanta waktu
untuk masing masing model ditunjukkan pada
Tabel 1.
Tabel 1 Data waktu steady state berdasar nilai
konstanta waktu masing masing model dengan
variasi nilai gain adaptasi

(b) Gain adaptasi 0,05

Konstanta Waktu (detik)


Gain
Adaptasi
()

0,01
0,05
0,1
0,5
1

Model 1

Plant

Model 2

Plant

Model 3

Plant

33
33
33
33
33

38
36
36
35
34

62
62
62
62
62

62
62
62
62
62

90
90
90
90
90

90
90
90
90
90

Berdasarkan Tabel 1 dapat dilihat jika


konstanta waktu model yang dipilih semakin
besar dan semakin mendekati waktu respon
kalang terbuka maka perubahan transien keluaran
model semakin lama, sehingga keluaran
sistem/plant semakin dapat mengikuti perubahan
transien model tersebut dengan baik. Pada tabel 1
dapat dilihat bahwa nilai gain adaptasi > 0,1
mempunyai respon sistem yang hampir sama
dengan respon sistem pada gain adaptasi 0,1,
maka di pilih nilai gain adaptasi yang efektif
untuk plant ini yaitu 0,01 sampai 0,1.

(c) Gain adaptasi 0,1

(d) Gain adaptasi 0,5

4.2

Pengujian dengan Referensi Berubah


Naik
Pengujian ini dilakukan untuk mengetahui
kemampuan sistem dalam mengikuti perubahan
referensi yang berubah naik, dengan kenaikan 15
cm 20 cm 25 cm. Hasil pengujian perubahan
referensi naik dengan konstanta waktu model 20
detik ditunjukkan pada Gambar 14.

(e) Gain adaptasi 1


Gambar 13 Respon sistem untuk referensi 15 cm dan
konstanta waktu 7 detik (lanjutan)

Berdasarkan grafik grafik respon sistem


hasil pengujian, pengaruh nilai gain adaptasi dan
konstanta waktu model menunjukkan bahwa
performansi respon sistem dalam mengikuti
respon model sangat dipengaruhi oleh besarnya
nilai gain adaptasi dan nilai konstanta waktu
model yang diberikan. Nilai gain adaptasi yang
berbeda menghasilkan respon proses yang
berbeda dalam mengikuti modelnya. Demikian

(a) Gain adaptasi 0,01


Gambar 14 Respon sistem untuk referensi naik dan
konstanta waktu 20 detik

tekanan air yang berbeda pada referensi 25 cm


dan 20 cm. Dari kedua grafik dapat dilihat ketika
mengikuti perubahan nilai referensi turun, respon
sistem mengalami undershoot yang semakin besar
dengan semakin turunnya nilai referensi, hal ini di
sebabkan karena nilai referensi dan respon sistem
juga mempengaruhi laju pembelajaran, sehingga
dengan semakin tertinggalnya respon sistem
terhadap model maka laju pembelajaran semakin
lama dan undershoot semakin besar. Perbedaan
nilai gain adaptasi juga berpengaruh terhadap
respon penurunan level cairan, dimana semakin
besar gain adaptasinya maka respon sistem akan
semakin cepat dalam mengikuti model.

(b) Gain adaptasi 0,1


Gambar 14 Respon sistem untuk referensi naik dan
konstanta waktu 20 detik (lanjutan)

Dari respon sistem pada Gambar 14,


tampak bahwa pada saat referensi tinggi awal
sebesar 15 cm, keluaran lambat dalam mengikuti
modelnya. Akan tetapi setelah ketinggian cairan
sudah mencapai nilai referensi 15 cm dan
dinaikkan nilai referensinya, maka respon
keluaran sistem semakin dapat mengikuti
modelnya.

4.4

Pengujian dengan Gangguan


Pengujian terhadap pengaruh gangguan
pada sistem kendali level dilakukan dengan
pengujian pengaruh gangguan sesaat dan
gangguan kontinyu pada sistem. Pengujian ini
dilakukan untuk mengetahui kemampuan atau
unjuk kerja kendali MRAC dengan metode
kestabilan Lyapunov terhadap gangguan luar.

4.3

Pengujian dengan Referensi Berubah


Turun
Pengujian ini dilakukan untuk mengetahui
kemampuan sistem dalam mengikuti perubahan
referensi yang berubah turun, dengan penurunan
25 cm 20 cm 15 cm. Hasil pengujian
perubahan referensi turun dengan konstanta waktu
model 20 detik ditunjukkan pada Gambar 15.

gangguan

(a) Gangguan sesaat

gangguan
(a) Gain adaptasi 0,01

(b) Gangguan kontinyu


Gambar 16 Respon sistem terhadap gangguan
untuk referensi 15 cm dan konstanta waktu 20 detik

Dari respon sistem pada Gambar 16 dapat


dilihat bahwa ketika diberikan gangguan sesaat,
respon sistem akan mengalami penurunan level
kemudian dengan cepat merespon gangguan yang
terjadi, sehingga terlihat respon keluaran sistem
tidak terjadi penurunan yang besar. Pada
gangguan kontinyu, respon sistem sempat terjadi
penurunan sesaat kemudian gangguan dengan
cepat kontroler mampu memperbaiki respon
sistem menuju kestabilan.

(b) Gain adaptasi 0,1


Gambar 15 Respon sistem untuk referensi turun dan
konstanta waktu 20 detik

Dari kedua grafik pada Gambar 15 terlihat


bahwa pada saat nilai referensi level diturunkan,
respon keluaran mampu mengikuti penurunan
modelnya walaupun terlihat respon sistem selalu
tertinggal dari modelnya, hal ini terjadi karena
valve keluaran air pada plant terlalu kecil dan

10

V.
5.1

PENUTUP

Kesimpulan

Setelah dilakukan perancangan, pembuatan,


pengujian dan penganalisaan sistem kontrol
adaptif dengan menggunakan skema MRAC pada
proses pengaturan ketinggian cairan pada plant
tangki penampung, maka dapat diambil
kesimpulan sebagai berikut :
1. Respon keluaran ketinggian level cairan akan
sangat tergantung terhadap pemilihan
parameter-parameter kendali yaitu:
Besarnya gain adaptasi, nilai gain
adaptasi yang kecil menghasilkan respon
sistem lambat dalam mengikuti model,
sedangkan untuk gain adaptasi yang
semakin besar, respon sistem akan
semakin cepat untuk mengikuti model
referensinya.
Besarnya konstanta waktu, nilai konstanta
waktu model yang semakin besar dan
semakin mendekati konstanta waktu
respon sistem, maka akan diperoleh
respon sistem yang semakin dapat
mengikuti modelnya.
2. Pemilihan nilai gain adaptasi () antara 0,01
sampai 0,1 akan menghasilkan respon sistem
yang dapat mengikuti model dengan baik
pada konstanta waktu () > 5 detik.
3. Metode adaptif MRAC kestabilan Lyapunov
ini mempunyai kemampuan mengikuti model
yang baik terhadap perubahan referensi naik
dan referensi turun pada gain adaptasi 0,01
dan 0,1.
Sistem kontrol adaptif MRAC kestabilan
Lyapunov mempunyai kemampuan beradaptasi
terhadap gangguan, sehingga respon sistem tetap
kembali mengikuti referensi masukan ketika
dikenai gangguan.

Malvino. Prinsip Prinsip Elektronika.


Jakarta : Erlangga, 1996.

(3)

Ogata, Katsuhiko, Teknik Kontrol Automatik


Jilid 1, diterjemahkan oleh Edi Leksono,
Erlangga, Jakarta, 1994.
Prastyono, Eka, Tugas Akhir: Aplikasi Kontrol
Adaptif
Pada
Pengendalian
_Plant
Pengaturan Suhu Dengan Skema Model
Reference Adaptive Control (MRAC),
Universitas Diponegoro, Semarang.
Rusmawan, Ferry, Tugas Akhir: Aplikasi
Kendali Adaptif Pada Sistem Pengaturan
Temperatur Cairan Dengan Topologi Kendali
Model Reference Adaptive Control (MRAC),
Universitas Diponegoro, Semarang.
Tigor, Eduward, Tugas Akhir: Tuning
Parameter Proporsional-Integral Dengan FL
(Fuzzy Logic) Untuk Pengaturan Level Air
Berbasis Mikrokontroler ATMega 8535,
Universitas Diponegoro, Semarang.
Wardhana L, Belajar Sendiri Mikrokontroler
AVR Seri ATMega8535 Simulasi, Hardware,
dan Aplikasi, Penerbit Andi, Yogyakarta,
2006.
----------,
ATmega8535
Data
Sheet,
http://www.atmel.com.
----------, PING))) Ultrasonic Distance
Sensor Data Sheet, http://www.parallax.com.

(4)

(5)

(6)

(7)

(8)
(9)

IBNU FATIH (L2F 307 027)


Lahir di Surabaya. Saat ini
sedang
melanjutkan
studi
pendidikan strata I di Jurusan
Teknik Elektro, Fakultas Teknik
Universitas
Diponegoro
Konsentrasi Kontrol.
Mengetahui dan mengesahkan,

5.2

Saran
Pada pengembangan selanjutnya dapat
membandingkan beberapa metode untuk mencari
respon sistem yang paling baik, maka penulis
memberikan saran dapat menggunakan Recursive
Least-Square untuk algoritma estimasi dan PID
untuk pengontrolannya juga dapat menggunakan
metode gain scheduling, STR, dan jaringan saraf
tiruan untuk proses pengaturan ketinggian cairan
atau menggunakan sistem kontrol MRAC dengan
metode MIT Rule, kemudian di bandingkan
dengan metode Lyapunov.
(1)

(2)

DAFTAR PUSTAKA
Astrom, John and Bjorn Wittenmark, Adaptive
Control Second Edition, Addison-Wesley
Publishing Company Inc, 1995.

11

Dosen Pembimbing I

Dosen Pembimbing II

Wahyudi, ST, MT
NIP.
196906121994031001
Tanggal:____________

Budi Setiyono, ST, MT


NIP.
196906121994031001
Tanggal: ___________