Anda di halaman 1dari 104

OUTLINE BAHAN AJAR SISTEM PENGATURAN

Nama Mata Kuliah : Sistem Pengaturan


Kode Mata Kuliah/SKS : TKE 5410
Pengasuh : Ir. I Nyoman Budiastra, MErg, MT

Pertemuan Minggu :
No
.
Pokok
Bahasan
Sub Pokok Bahasan Outline Bahan Ajar
1. Pengantar
Sistem
Pengaturan
- Konsep Sistem
Pengaturan
- Sistem Lintasan
terbuka
- Sistem Lintasan
tertutup
Pengertian dasar
Contoh aplikasi sistem
Pengaturan di indusri
Pemahaman unjuk kerja
sistem lintasan terbuka dan
lintasan tertutup
Perbandingan sistem
Pengaturan lintasan terbuka
dan tertutup.
2. Pengantar
Sistem
Pengaturan
- Transformasi Laplace
- Laplace Balik
- Penyelesaian
Persamaan PD
- Transfer Function
Aplikasi transformasi
laplace
Sifat-sifat transformasi
laplace
Metode pecah parsial pada
laplace balik
Latihan penyelesaian
persamaan PD
Pengertian transfer function
Aturan penulisan transfer
function
.
3. Model
Matematika
Sistem Fisik
- Pengantar Model
Matematika
- Diagram Blok
- Reduksi Diagram
Blok
Pengertian model
Sistem linear dan time
invariant
Persamaan transfer function
diagram blok
Penyusunan diagram blok
Metode penyederhanaan
diagram blok
.
4. Model
Matematika
Sistem Fisik
- Grafik Aliran Sinyal
- Pendekatan ruang
Pengertian
Sifat-sifat grafik aliran sinyal
1
Keadaan
- Prinsip Dasar Sistem
Pengaturan
Sistem linear dan time
invariant
Grafik Aliran Sinyal dalam
Sistem Kontrol
Pengertian Metode Ruang
Keadaan
Analisis dan Disain Sistem
Pengaturan
Pendekatan Disain Sistem
Kontrol
.
5. Model
Matematika
Sistem Fisik
- Model Matematika
Sistem Mekanik
- Model Matematika
Sistem Listrik
- Model Matematika
Sistem Elektronika
Model matematika sistem
translasi
Model matematika sistem
rotasi
Model matematika pada
rangkaian RC
Model matematika pada
motor DC
6. Analisis
Respon
Transien
- Pengantar Respon
Transien
- Analisis Respon
transien Sistem Orde
Satu
- Analisis Respon
transien Sistem Orde
Dua
- Analisis Respon
transien Sistem Orde
Tinggi
Pengertian Sinyal Uji,
Kestabilan relatif dan
kestabilan mutlak
Respon tangga satuan sistem
orde Satu
Kesalahan sistem orde Satu
Respon tangga satuan sistem
orde Satu
Pengaruh redaman terhadap
kestabilan sistem
Penggolongan tanggapan
transien
Tanggapan transien sistem
orde tinggi
7. Analisis
Respon
Transien
- Analisis Kesalahan
Keadaan Tunak
- Analisis Respon
Transien dengan
Mathlab
Penggolongan sistem
pengaturan
Kesalahan keadaan tunak
Simulasi Mathlab
8. Aksi Kontrol
Dasar dan
Kontrol
Automatik di
Industri
- Pengantar Aksi
Kontrol Dasar
- Mode Kontroller Dua
posisi
- Mode Kontroller P,
PI dan PID
Klasifikasi kontroller analog
di industri
Kontroller automatik,
aktuator, dan sensor
Kontroler beroperasi
automatik
Aksi Kontroller dua posisi
Aksi Kontroller proporsional
Aksi Kontroller Proporsional
2
+ Integrator
Aksi Kontroller Proporsional
+ Integrator + Difrensiator
9. Aksi Kontrol
Dasar dan
Kontrol
Automatik di
Industri
- Analisis aksi dasar
kontrol
Simulasi Mathlab
10. Analisis
Kestabilan
Sistem
Pengaturan
- Pengantar Kestabilan
- Analisis Kestabilan
dengan metode
Routh-Hurwitz
Analisis kestabilan pada
bidang Kompleks
Kriteria kestabilan Routh
Penerapan Kriteria Routh
untuk analisis sistem
pengaturan
11. Analisis
Kestabilan
Sistem
Pengaturan
- Pengantar Analisis
Root Locus
- Contoh ilustrasi Root
Locus

Metode tempat kedudukan
akar
Diagram tempat kedudukan
akar-akar
Contoh-contoh dalam
analisis tempat kedudukan
akar-akar
12. Analisis
Kestabilan
Sistem
Pengaturan
- Diagram Bode
Diagram fasa pada diagram
logaritmik
Analisis kestabilan pada
diagram logatmik
3
BAB I
PENGERTIAN DASAR SISTEM PENGATURAN
1.1 Pendahuluan Tentang Pendekatan Sistem
Suatu sistem dapat dipandang sebagai gugusan elemen-elemen yang saling
berhubungan dan terorganisir ke arah suatu sasaran tertentu atau gugus sasaran.
Dalam problem-problem interdisipliner yang kompleks, "pendekatan sistem" dapat
menyediakan alat bantu bagi penyelesaian masalah dengan metode dan peralatan
logis yang memungkinkannya untuk mengidentifikasikan komponen-komponen
(subsistem) yang saling berinteraksi untuk mencapai beberapa sasaran tertentu.
Pengetahuan-pengetahuan ini memungkinkan seseorang untuk mengambil pilih-an-
pilihan rasional di antara alternatif-alternatif yang tersedia dalam problem-problem
yang kritis dan trade-off.
Tiga macam kondisi yang menjadi prasyarat agar supaya aplikasi pen-dekatan
sistem dapat memberikan hasil yang memuaskan adalah:
(1). sasaran sistem didefinisikan secara jelas dan dapat dikenali, meskipun ka-
dangkala tidak dapat dikuantifikasikan.
(2). proses pengambilan keputusan dalam sistem riil dilakukan dengan cara sen-
tralisasi yang logis
(3). skala perencanaannya jangka panjang.
1.2. Prosedur
Pada hakekatnya pengembangan sistem merupakan suatu proses pengam
bilan keputusan degan menggunakan fungsi-struktur, outcomes, evaluasi, dan
keputusan. Tahap-tahap pokok dalam pendekatan sistem ini adalah: (i) evaluasi
kelayakan, (ii) pemodelan abstrak, (iii) disain implementasi, (iv) implementasi
sistem, dan (v) operasi sistem.
Seperti yang lazim diikuti, prosedur dari proses tersebut diawali dengan
gugus "kebutuhan" yang harus dipenuhi, menuju kepada suatu sistem operasional
yang mampu memenuhi kebutuhan. Proses-proses tersebut diikuti dengan suatu
evaluasi untuk menentukan apakah outcome dari suatu tahapan memuaskan atau
tidak. Proses tersebut pada kenyataannya bersifat interaktif.
4
1.3. Alat Bantu
Suatu alat bantu yang sangat penting ialah model abstrak yang perilaku
esensialnya mencerminkan perilaku dunia nyata (realita) yang diwakilinya. Model
digunakan dalam banyak cara, dalam mendisain dan mengelola sistem sebagai fungsi
analisis. Analisis ini didefinisikan sebagai determinasi output model, dengan
menggunakan input dan struktur model yang telah diketahui.
Suatu model matematik, terutama model komputer, dapat dengan cepat
menganalisis dan menghitung output dari berbagai alternatif yang sangat penting
dalam proses kreatif pengelolaan sistem dan disain sistem. Pada kenyataannya
kebanyakan model abstrak ini mempunyai struktur internal yang terdiri atas simbol-
simbol mate-matik yang harus dipahami arti dan maknanya. Suatu model disebut
analitik apabila model tersebut mempunyai penyelesaian umum pada berbagai
kisaran input sistem dan nilai-nilai parameter sistem. Model simulasi merupakan
model yang menghitung alur-waktu dari peubah-peubah model untuk seperangkat
tertentu input model dan nilai parameter model. Karena seringkali tidak mungkin
untuk menyelesaikan model analitik bagi sistem yang kompleks, maka model-model
simulasi (yang lebih mudah diselesaikan) banyak digunakan dalam mengkaji dan
menganalisis sistem dinamik yang kompleks.
1.4 Simulasi Sistem
1.4.1 Operasi
Bagian yang sangat penting dalam analisis sistem adalah penggunaan
komputer. Kemampuan komputasionalnya sangat mempermudah dalam pengo-lahan
sejumlah besar peubah dan interaksi- interaksinya. Simulasi komputer lazimnya
berarti bahwa kita mem punyai suatu program komputer atau model-sistem lainnya
dimana kita dapat mencoba berbagai disain sistem dan strategi pengelolaannya.
Dengan menggunakan komputer, aplikasi simulasi menjadi sangat luas terutama
oleh para menejer dan pengambil keputusan akhir. Teknik simulasi yang dikenal
sebagai penciptaan peubah random Montecarlo, banyak digunakan dalam bidang
bisnis dan pertanian.
5
Dalam mengimplementasikan suatu model sistem pada kompu ter maka para
pengguna mempunyai pilihan bahasa pemrograman seperti BASICS, Fortran, atau
bahasa simulasi khusus.
1.4.2 Metodologi
Karena matematika telah dipilih sebagai suatu bahasa dasar, dan karena
simulasi seringkali menjadi alat bantu kita, maka akan diperlukan tahap-tahapan
proses untuk menjabarkan model grafis menjadi model matematika:
(1). Mengisolasikan komponen atau subsistem. Seringkali subsistem-subsistem
atau komponen-komponen tersebut secara fisik berbeda dengan jelas.
(2). Menetapkan peubah-peubah input U(t) untuk setiap sub- sistem. Input stimuli
ini akan menyebabkan perubahan perilaku subsistem. Termasuk di sini adalah
input-input pengelolaan yang dapat digunakan untuk memperbaiki keragaan
sistem yang sedang dikaji.
(3). Menetapkan peubah-peubah internal atau keubah-peubah keadaan X(t). Pada
dasarnya ini merupakan faktor-faktor dalam subsistem yang diperlukan untuk
men-cerminkan sejarah masa lalu dari perilaku subsistem.
(4). Menetapkan peubah-peubah output Y(t). Kuantitas-kuantitas respon yang
menghubungkan subsistem dengan subsistem lain yang merupakan ukuran
penting dari keragaan sistem. Output atau respon seperti ini dapat berfungsi
sebagai stimuli atau input bagi subsistem lain.
(5). Dengan cara observasi, eksperimen atau teori, menentukan hubungan
matematika di antara U(t), X(t), dan Y(t). Dalam suatu model statis, hubungan-
hubungan ini merupakan fungsi aljabar. Kalau melibatkan feno mena laju,
penundaan atau simpanan, maka akan dihasilkan persamaan-persamaan
diferensial atau integral, dan subsistem yang dinamik.
(6). Menjelaskan peubah-peubah input lingkungan eksogenous dalam bentuk
matematika. Ini akan merupakan peubah-peubah stimulus bagi keseluruhan
sistem yang sedang dimodel.
(7). Memperhitungkan interaksi-interaksi di antara subsistem-subsistem dengan
metode agregasi seperti diagram kotak (block diagram), teori jaringan, dan
grafik-grafik linear.
(8). Verifikasi model dengan serangkaian uji dan inspeksi. Hal ini biasanya
melibatkan serangkaian revisi dan perbaikan model.
6
(9). Aplikasi model dalam problematik perencanaan atau pengelolaan dalam dunia
nyata.
Sistem Pengaturan adalah Suatu sistem dengan acuan masukan yang
dikehendaki dapat konstan atau berubah perlahan dengan berjalannya waktu untuk
menjaga keluaran sebenarnya berada pada nilai yang diinginkan
Komponen Sistem Pengaturan :
Masukan : Tujuan yang di capai dalam sistem pengaturan
Komponen : Bagian dari sistem pengaturan yang saling berinteraksi
Proses : Operasi yang dikontrol
Keluaran : keadaan sebenarnya hasil dari suatu proses pada saat itu.
Gangguan
Masukan
Keluaran


Gambar 1.1. Diagram Blok Sistem Pengaturan
Kontroler : Bagian dari sistem pengaturan yang bertugas sebagai pengatur atau
penguat sinyal kesalahan menuju aktuator untuk mengatur plant
sesuai yang diinginkan
Aktuator : Suatu peralatan yang bertugas untuk melakukan operasi tertentu
Plant : Objek fisik yang diatur
Sensor : Suatu alat yang bertugas untuk mengamati kondisi yang terjadi pada
keluaran kemudian dihubungkan pada masukan
Gangguan : Suatu sinyal yang cenderung mempunyai pengaruh yang merugikan
pada harga keluaran sistem.
7
Kontroler
Sensor
Plant
Aktuator
+
-
Contoh :
1. Saklar listrik :

Gambar 1.2. Sistem saklar listrik
Diagram Blok Saklar Listrik
Lampu On Lampu On
Gambar 3. Diagram blok sistem saklar listrik
Saklar listrik berfungsi untuk mengatur aliran listrik
Masukan : Mematikan atau menghidupkan lampu
Keluaran : Listrik yang mengalir atau tak mengalir (dua keadaan)
2. Sistem Pengaturan Level Air
air
h
Gambar 1.3 : Sistem pengaturan level air
8
Kontroler
(h)
Saklar
Lampu
Diagram blok sistem pengaturan level air
h yg.diinginkan h terukur
+
-
Gambar 1.4. Diagram blok sistem pengaturan level air
Klasifikasi Sistem Kontrol :
1. Sistem Pengaturan Motor Servo (Servomekanis) adalah : Sistem Pengaturan
berumpan balik yang keluarannya berupa kecepatan, percepatan, dan posisi
mekanik
2. Sistem Pengaturan Proses : Sistem regular automatik dengan keluaran seperti
temperatur, tekanan, aliran, tinggi muka cairan
Contoh aplikasi sistem Pengaturan di industri
1. Sistem kontrol gaya pegangan tangan robot :

Titik pengatur
Gaya pegangan
Umpan balik gaya
Umpan balik luncur
Gambar 1.5. Sistem kontrol gaya pegangan tangan robot
Gambar 6 menunjukkan diagram skematik untuk sistem kontrol gaya pegangan
yangf menggunakan alat alat perasa gaya dan alat perasa luncur. Jika gaya pegangan
terlalu kecil, tangan robot akan melepas objek mekanika tersebut, dan jika terlalu
9
Kontroler
Kran
air
Bak Air
Pelampung
Mikro
komputer
Motor
Steper
besar, maka tangan tersebut mungkin menghancurkan objeknya. Pada awal bekerja
gaya pegangan dipreset pada tingkat sedang kemudian ditingkatkan pegangannya
setelah menyentuh objeknya . Fungsi tangan robot ini untuk mengambil dan
mengangkat objek dengan gaya pegangan yang telah di preset . Jika terjadi slip pada
saat mengangkat, akan diketahui oleh pihak perasa luncukdan sinyal akan dikirim
kembali ke kontoler dan kemudian meningkatkan gaya pegangannya.
2. Sistem kontrol suhu ruang penumpang mobil
matahari suhu ruangan

Suhu yang dikehendaki Suhu ruang
penumpang
Gambar 1.6. Sistem kontrol suhu ruang penumpang mobil
Suhu ruang penumpang mobil berbeda cukup besar tergantung pada tempat
dimana suhu diukur. Daripada menggunakan banyak sensor untuk pengukuran suhu
dan meratakan nilai yang diukur, adalah lebih ekonomis memasang sedotan
penghembus ditempat dimana penumpang biasanya merasakan suhu. Suhu udara dari
sedotan penghembus adalah petunjuk suhu ruang penumpang dan ditinjau sebagai
keluaran sistem.
Kontroler menerima sinyal masukan, sinyal keluaran dan sinyal dari sensor
sumber gangguan . Kontroler mengirimkan sinyal kontrol optimal ke alat pengatur
udara (air conditioner) untuk mengontrol jumlah udara penyejuk sedemikian rupa
sehingga suhu ruang penumpang sama dengan suhu yang dikehendaki.
Masalah yang perlu di diskusikan di dalam kelas :
- Apakah masukan dan keluaran dari sistem pengaturan merupakan masukan dan
keluaran dari proses plant ? jelaskan!
10
Sensor
Sensor panas
radiasi
Pengatur
Udaya
Sensor
Kontroler
Ruang
penumpan
g
- Bilamana pada sistem pengaturan saklar lampu, pada lampunya terjadi gangguan
misalnya mati, apakah sistem pengaturan bisa berjalan dengan baik? Jelaskan!
- Bagaimana dengan sistem pengaturan suhu ruangan dalam mobil ?
Penggolongan Sistem Pengaturan
Sistem Pengaturan digolongkan dalam dua katagori yaitu : Sistem lintasan terbuka
dan sistem lintasan tertutup.
Sistem Lintasan Terbuka adalah : Suatu sistem yang tindakan pengendaliannya
bebas dari keluarannya. Jadi untuk tiap masukan
acuan berhubungan dengan kondisi operasi
tertentu, ketetapan dari sistem tergantung pada
kalibrasi
Sistem Lintasan Tertutup adalah : suatu sistem yang tindakan pengendaliannya
tergantung pada keluarannya.
Perbandingan sistem lintasan terbuka dengan sistem lintasan tertutup
Pada sistem lintasan terbuka :
- tidak dapat melaksanakan tugas seperti yang diharapkan
- dapat digunakan hanya jika hubungan masukan dan keluaran diketahui dan tidak
terdapat gangguan internal maupun eksternal
- pada lintasan terbuka tidak menggunakan rangkaian umpan balik artinya kurang
peka terhadap gangguan, jadi komponen-komponen yang dipakai relatif lebih
murah
- dari segi kestabilan lebih mudah dibuat karena kestabilan bukan merupakan
persoalan yang utama
Pada lintasan tertutup :
- relatif lebih peka terhadap gangguan dari eksternal maupun dari internal
- komponen-komponen yang digunakan relatif lebih mahal
- Kestabilan merupakan persoalan utama dan cenderung terjadi kesalahan
akibat koreksi yang berlebih dapat menimbulkan osilasi pada amplitudo tetap
maupun berubah
11
Contoh pada sistem saklar listrik (gambar 2) juga disebut sebagai sistem lintasan
terbuka karena dari cirinya tanpa adanya umpan balik yang bekerja pada diagram
tersebut Sangat berbeda pada sistem pengaturan level air (gambar 4), adanya umpan
balik yang bekerja pada diagram tersebut membuat tinggi air yang diharapkan bak air
akan selalu tetap walaupun terjadi gangguan misalnya pada bak air terjadi kebocoran.
Tugas diskusi kelompok :
Apakah sistem lintasan terbuka bisa dijadikan sistem yang lintasan tertutup seperti
pada sistem saklar listrik?
Perhatikan gambar berikut :

Sensor (foto sel)
AC 220V

Gambar diatas menunjukkan sistem pengaturan intensitas cahaya ruangan dimana
cahaya dipertahankan pada intensitas tertentu bilamana terjadi gangguan serperti
gelap diluar ruangan maka lampu akan menyala untuk mempertahankan cahaya pada
ruangan tersebut. Berdasarkan pada teori yang sudah dijelaskan diatas apakah sistem
tersebut tergolong dalam sistem lintasan terbuka atau tertutup ? jelaskan !
Tugas mandiri (PR) :
Buatlah satu contoh sistem pengaturan, kemudian jelaskan bagaimana cara kerjanya
tentukan input sistem dan output sistem, apakah sistem tersebut merupakan sistem
lintasan terbuka atau tertutup jelaskan.
12
Ruangan
Lampu



BAB II
PENGANTAR MATEMATIKA
2.1 Konsep Variabel Kompleks
2.1.1 Variabel Kompleks
Suatu variabel kompleks s mempunyai dua komponen : komponen nyata s dan
komponen khayal

w. Secara grafis komponen nyata s dinyatakan dengan sumbu s


pada arah horisontal dan komponen khayal diukur sepanjang sumbu vertikal j


pada bidang kompleks s. Gambar 2-1 menggambarkan bidang kompleks s yang pada
titik sembarang s = s1 ditentukan oleh koordinal

1 dan

1 atau secara
sederhana s1 =

1 + j

1
2.1.2 Fungsi Variabel Kompleks
Fungsi G(s) dikatakan merupakan fungsi variabel kompleks s, jika untuk setiap nilai
s terdapat satu atau lebih nilai G(s). Karena s mempunyai bagian nyata dan khayal,
fungsi G(s) juga dinyatakan dengan bagian nyata dan khayal, yaitu :
G(s) = Re G(s) + j Im G(s) .(2-1)
Dengan Re G(s) menyatakan bagian nyata dan Im G(s) menyatakan bagian khayal
dari G(s) . Pemetaan bilanagn dari bidang G(s) ke bidang s juga merupakan nilai
tunggal atau disebut pemetaan satu-satu. Contoh fungsi pemetaan yang bukan
merupakan pemetaan satu- satu;
) 1 (
1
) (
+

s s
s G
(2-2)
13
Untuk setiap nilai s, hanya terdapat satu nilai unik G(s), tetapi pemetaan sebaliknya
tidak demikian misalnya titik G(s) = dipetakan pada dua titik pada bidang s, yaitu
s = 0 dan s = -1


Gambar 2.1 bidang Kompleks s

Gambar 2-2 Pemetaan nilai tunggal daribidang s ke bidang G(s)
2.1.3 Fungsi Analitik
Suatu fungsi G(s) dari variabel kompleks s disebut fungsi analitik dalam
daerah s jika fungsi tersebut dan turunannya berada pada daerah tesebut. Misalnya
fungsi yang diberikan oleh persamaan 2-2 analitis pada setiap titik bidang s kecuali
pada titik s = 0 dan s = -1. Pada kedua titik ini nilai fungsi tidak berhingga, sebagai
contoh lain fugsi G(s) = s + 2 analitis pada setiap titik bidang s.
14
Bidang s
1 1 1 j +
1
1
1
1 1 j +
j
j

G j Im
G Re
) 1 (s G
) (s G Bidang
2.1.4 Kesingularan dan Pole dari Fungsi
Kesingularan dari suatu fungsi adalah titik-titik pada bidang s yang fungsi
atau turunannya tidak ada. Pole merupakan bentuk yang paling umum dari
kesingularan dan mempunyai peran yang sangat penting dalam pembahasan teori
kendali klasik. Pengertian pole adalah penyebut dari persamaan G(s) sehingga ketika
s = si fungsi G(s) menjadi tak terhingga .
Contoh :
2
) 3 )( 1 (
) 2 ( 10
) (
+ +
+

s s s
s
s G
.. (2-
3)
Mempunyai pole orde dua pada s = -3 dan pole-pole tunggal pada s = 0 dan s = -1.
Dapat juga dikatakan bahwa fungsi G(s) analitis pada bidang s kecuali pada pole-
pole tersebut.
2.1.4 Zero dari suatu Fungsi
Pengertian Zero dari suatu fungsi dapat dinyatakan sebagai suatu berikut:
Pembilang dari persamaan G(s) sehingga ketika s = si fungsi G(s) menjadi nol .
seperti pada persamaan 2-3, zero pada s = -2
2.2 Transformasi Laplace
Overview :
Persamaan Differensial yang diperoleh dari pemodelan matematik suatu
sistem mewakili proses dinamik dari sistem tersebut dimana responsenya
akan bergantung pada masukannya
Solusi dari persamaan differensial terdiri dari solusi steady state (didapat jika
semua kondisi awal nol) dan solusi transien (mewakili pengaruh dari kondisi
awal).
Transformasi Laplace merupakan salah satu tools yang digunakan untuk
menyelesaikan persamaan differensial.
15
Transformasi Laplace mengkonversikan persamaan differensial (dalam
domain t) kedalam persamaan aljabar dalam domain s.
Memungkinkan memanipulasi persamaan aljabar dengan aturan sederhana
untuk menghasilkan solusi dalam domain s.
Solusi dalam domain t dapat diperoleh dengan melakukan operasi inverse
transformasi Laplace
Definisi :
Fungsi f(t) haruslah real dan kontinyu sepanjang interval waktu yang akan
dievaluasi, jika tidak transformasi Laplace tidak dapat digunakan.
A. Fungsi Step
F(t) = 0 untuk t < 0
= A untuk t > 0

0
0
|
st
e
s
A
.dt
st
A.e F(s)
=
1) (0
s
A

=
s
A
B. Fungsi Pulse
F(t) = 0 untuk t < 0 & t >T
= A untuk 0 t T
16
( ) ( ) { } ( )


0
dt e t f t f L s F
st
( ) ( ) { } s F L t f
1

A
0
t
A
t T

0
.dt
st
f(t).e F(s)

)
st
e (1
s
A
1)
st
(e
s
A
T
0
|
st
.e
s
A
T
0
.dt
st
A.e

Fungsi Unit Step : f(t) = 1 (t) F(s) = 1/s


C. Fungsi Impulse
to
A
0 to
lim f(t)

untuk 0 < t < to


= 0 untuk t < 0 & to < t

)
o
st
e (1
s
0
t
A
0
t
lim F(s)

s
s
A

(tos)
dto
d
)]
sto
e [A(1
dto
d
0 to
lim

= A
Fungsi Unit-Impulse : f(t) = (t)
F(s) = 1
D. Fungsi Ramp
17
F(t) = 0 untuk t < 0
= At untuk t 0
.dt
st
A.t.e
0
F(s)

2
s
A
0
.dt
st
e
s
A
dt
0
s
st
A.e
0
|
s
st
e
A.t.
0
.dt
st -
t.e A

E. Fungsi Eksponensiil
F(t) = o untuk t < 0
= A
t
e

untuk t 0
F(s)

0
.dt
st
.e
t
A.e
s
A
1) (0
s
A
0
|
)t (s
e
s
A
0
.dt
s)t (
e A
+

+

+
+

F. Fungsi Sinus
f(t) = A sin t

0
.dt
st
A.sin .si F(s)

18
A
t
0
2 2
2 2
s

A.
s
j s j s
.
2j
A
]
j s
1
j s
1
[
2j
A
0
]
s)t (j
e
s j
1
s)t (j
e
s j
1
[
2j
A
0
)dt
s)t (j
e
s)t (j
(e
2j
A
0
)dt
st
.e
t j
e
st
.e
t j
(e
2j
A
dt
0
st
.e
2j
t j
e
t j
e
A.
+

+
+ +

+
+
+



G. Fungsi Cosinus
f(t) = A cos t
F(s) = A.
2 2
s
s
+
TEOREMA-TEOREMA TRANSFORMASI LAPLACE
1. Teorema Translasi
Bila F(s) = L [ f(t) ],
Maka L [f (t - )] = .F(s)
.s
e

Bukti :
L [ f ( t - ) ]


0
.dt
st
)e f(t
19

.F(s)
s
e
0
dt
st
f(t).e
s
e

d
s
f(()
s
e

d
s
f((
0
) s(t
.e
s
)e f(t



2. Teorema Perkalian Dengan
t
e

Bila F(s) = L [ f(t) ],


Maka : L [
t
e

.f(t) ] = F ( s + )
Bukti :
L [
t
e

.f(t) ] =


0
.dt
st
f(t)e
t
e

) F(s
0
.dt
)t (s
f(t).e
+

3. Teorema Diferensiasi
Bila F(s) = L [ f(t) ],
Maka : L [
dt
df(t)
] = sF(s) f(0)
Dimana f(0) adalah harga f(t) untuk t=0
L [
2
dt
f(t)
2
d
] = s
2
F(s) - sf(0) f
I
(0)
L [
3
dt
f(t)
3
d
] = s
3
F(s) s
2
f(0) sf
I
(0) f
ii
(0)
Bukti :
L [
dt
df(t)
] =

0
.dt
st
)e
dt
df(t)
(
20

sF(s) f(0)
0
dt
st
f(t).e s f(0) 0
0
st
f(t)de
0
| .f(t)
st
e
df(t)
0
st
e
+

4. Teorema Integrasi
Bila F(s) = L [ f(t) ],
Maka : L [

f(t)dt
] =
s
(0)
1
f
s
F(s)

+
Dimana f
-1
(0) adalah

f(t)dt untuk t = 0
Bukti :
L [

f(t)dt
]

0
dt
st
f(t)dt]e [


s
(0)
1
f
s
F(s)
F(s)] (0)
1
f [0
s
1
]
0
f(t)dt
st
e
0
| f(t)dt
st
[e
s
1
0
st
f(t)dt]de [
s
1



L [
f(t)dt)dt (
] =
s
(0)
ii
f
2
s
(0)
i
f
2
s
F(s)

+

+
5. Teorema Harga Awal Dan Harga Akhir
A.
sF(s)
s
lim f(t)
0 t
lim

B.
sF(s)
0 s
lim f(t)
t
lim


Bukti :
A.


0
0 dt
st
]e
dt
df(t)
[
s
lim

0 f(0) sF(s)
s
lim


sF(s)
s
lim f(t)
0 t
lim f(0)

B.
f(0)] [sF(s)
0 s
lim ]
dt
df(t)
L[
0 s
lim

21
f(0) sF(s)
0 s
lim

karena
1
st
e
0 s
lim

0
0
| f(t) ]dt
dt
df(t)
[

f(0) - sF(s)
0 s
lim
f(0) ) f(

sF(s)
0 s
lim f(t)
t
lim ) f(



Tabel Transformasi Laplace
Penyelesaian Transformasi Laplace dengan MATLAB
L = LAPLACE(F,t) makes L a function of t instead of the default s:
LAPLACE(F,t) <=> L(t) = int(F(x)*exp(-t*x),0,inf).

L = LAPLACE(F,w,z) makes L a function of z instead of the
default s (integration with respect to w).
LAPLACE(F,w,z) <=> L(z) = int(F(w)*exp(-z*w),0,inf).

Examples:
syms a s t w x
22
laplace(t^5) returns 120/s^6
laplace(exp(a*s)) returns 1/(t-a)
laplace(sin(w*x),t) returns w/(t^2+w^2)
laplace(cos(x*w),w,t) returns t/(t^2+x^2)
laplace(x^sym(3/2),t) returns 3/4*pi^(1/2)/t^(5/2)
laplace(diff(sym('F(t)'))) returns laplace(F(t),t,s)*s-F(0)
Contoh :
>> syms a s t w
>> x = cos(w*t);
>> laplace(cos(w*t))
ans =
s/(s^2+w^2)
INVERS LAPLACE
Invers transformasi Laplace dilakukan dengan memanipulasi penyebut (denumerator)
dalam fungsi Y(s) kedalam akar-akarnya:
2
3
) 1 (
5
)] ( ) 2 [(
5
) 2 (
5
)] ( ) 1 [(
2
5
) 2 )( 1 (
5
)] ( [
2
2
2
1
2
0

+
+
+

+
+
+

+ +
+


s s
s s
s Y s C
s s
s s
s Y s B
s s
s s
s sY A
s
s
s
) 2 )( 1 (
5
) 2 ( ) 1 (
) (
2
+ +
+

+
+
+
+
s s s
s s
s
C
s
B
s
A
s Y
Ekpansi dalam pecahan parsial,
Dimana A, B dan C adalah koefisien
) 2 ( 2
3
) 1 (
5
2
5
) (
+
+
+

s s s
s Y
Dengan invers transformasi Laplace (di dapat dari tabel), persamaan dalam domain
waktu y(t) menjadi
t t
e e t y
2
2
3
5
2
5
) (

+
Dengan t0
23
) 2 )( 1 (
5
) 2 3 (
5
) (
2
2
2
+ +
+

+ +
+

s s s
s s
s s s
s s
s Y
Prosedur Solusi pers. Differensial dengan:
Transformasi Laplace
1. Transformasi persamaan differensial ke dalam domain s dengan transformasi
Laplace menggunakan tabel transformasi Laplace.
2. Manipulasi persamaan aljabar yang telah ditransformasikan untuk
mendapatkan variabel outputnya.
3. Lakukan ekspansi pecahan parsial terhadap persamaan aljabar pada langkah
2.
4. Lakukan invers transformasi Laplace dengan tabel transformasi Laplace
untuk mendapatkan solusi dalam domain t.
Ekspansi Pecahan Parsial:
Jika persamaan karakteristik hanya memiliki M pasangan complex-conjugate, F(s) dapat
dituliskan sbb:
Dalam kasus tersebut pecahan parsialnya dapat dituliskan dalam bentuk:
) (
) (
) (
s D
s N
s F
Bentuk ekspansi pecahan parsial dari F(s) bergantung pada akar-akar persamaan
karakteristiknya (denumerator).
Kasus 1: Persamaan karakteristik hanya memiliki akar real dan tidak sama
) )...( )( (
) (
) (
2 1 N
s s s s s s
s N
s F
+ + +

Dalam kasus tersebut pecahan parsialnya dapat dituliskan dalam bentuk:


) (
...
) ( ) (
) (
2
2
1
1
N
N
s s
K
s s
K
s s
K
s F
+
+ +
+
+
+

24
Transformasi Laplace dari suatu persamaan differensial f(t) lazimnya diberikan
dalam bentuk:
) )...( )( )...( )( (
) (
)] ( ) [(
1 1 2 1 N i i i i i i i
i
s s i i
s s s s s s s s s s
s N
s F s s K
i
+ + + + +

+
+

Kasus 2: Persamaan karakteristik hanya memiliki akar kompleks
M n n n n n n
s s s s s s
s N
s F
) 2 ...( ) 2 ( ) 2 (
) (
) (
2 2
2
2 2
1
2 2
+ + + + + +

Kasus 3: Persamaan karakteristik memiliki akar real, tidak sama dan


kompleks
Dalam kasus tersebut pecahan parsialnya dapat dituliskan dalam bentuk:
Ekspansi Pecahan Parsial: dengan software MatLab
25
M n n
M M
n n n n
s s
B s A
s s
B s A
s s
B s A
s F
) 2 (
...
) 2 ( ) 2 (
) (
2 2
2
2 2
2 2
1
2 2
1 1
+ +
+
+ +
+ +
+
+
+ +
+

Dimana Ai dan Bi konstanta yang dicari dengan menyamakan pangkat dalam s


M n n n n n n N
s s s s s s s s s s s s
s N
s F
) 2 ...( ) 2 ( ) 2 )( )...( )( (
) (
) (
2 2
2
2 2
1
2 2
2 1
+ + + + + + + + +

M n n
M M
n n n n
N
N
s s
B s A
s s
B s A
s s
B s A
s s
K
s s
K
s s
K
s F
) 2 (
...
) 2 ( ) 2 (
) (
...
) ( ) (
) (
2 2
2
2 2
2 2
1
2 2
1 1
2
2
1
1
+ +
+
+ +
+ +
+
+
+ +
+
+
+
+ +
+
+
+

Contoh :
Fungsi transfer, F(s)=N(s)/D(s):
] ... [
] ... [
0 1
0 1
a a a den
b b b num
n n
m m

Ekspansi pecahan parsialnya adalah


] ... [
] ... [
0 1
0 1
a a a den
b b b num
n n
m m

) (
) (
) (
...
) 2 (
) 2 (
) 1 (
) 1 (
) (
) (
s k
n p s
n r
p s
r
p s
r
s D
s N
+

+ +

Dalam MatLab numerator (pembilang), num dan denumerator (penyebut), den dituliskan
dalam bentuk vektor baris yang dinyatakan dengan koefisiennya
Perintah
>>[r,p,k]=residue(num,den)
26
SOAL LATIHAN
1. F(s) =
6 5s
2
s
1 s
+ +
+
f(t) = ?
2. F(s) =
5) s
2
3)(s (s
3
1) (s
2) 5(s
+ + + +
+
f(t) = ?
3. f(t) = A cos ( t + ) F(s)= ?
4. f(t) = 0 untuk t < 0 & t > 2T
-A untuk 0 t < T F(s) = ?
A untuk T t 2T
5.
F(s) =
?
Penyelesaian Persamaan Differensial
Contoh :
1. Selesaikan persamaan differensial berikut :
3 2
) 1 (
2
) 1 (
0
) 1 (
1
) (
) (
+
+
+
+
+

s s s s D
s N
1. Dengan menggunakan MatLab, tentukan ekspansi pecahan parsial dari fungsi
transfer berikut:
Solusi dengan MatLab:
>>num=[1 2 3];
>>den=[1 3 3 1];
>>[r,p,k]=residue(num,den)
r =
1.0000
0.0000
2.0000
p =
-1.0000
-1.0000
-1.0000
k =
[]
1 3 3
3 2
) (
) (
2 3
2
+ + +
+ +

s s s
s s
s D
s N
Ekspansi pecahan parsialnya:
27
T 2T t
A
3 (0)
.
x 0, x(0) 0, 6x
.
x 3
..
x + +
Transformasi laplace dari persamaan differential diatas
menghasilkan :
s
2
X(s) sx(0) -
.
x
(0) + 3(sX(s) x(0)) + 6X(s) = 0
s
2
X(s) 0 3 + 3 (sX(s) 0) + 6X(s) = 0
X(s) (s
2
+ 3s + 6) = 3
X(s) =
6 3s
2
s
3
+ +
Untuk mendapatkan x(t) :
X(s) =
6
4
9
4
9
3s s
3
2
+ + +
=
15/4 3/2) (s
3
2
+ +
=
2 2
) 15
2
1
( 3/2) (s
3
+ +
=
2 2
) 15 (1/2 3/4) (s
15 1/2
15
6
+ +
x(t) =
)t] 15 .Sin[(1/2
3/2t
e 15
5
2

2.3 Sistem Linier Tak Ubah Waktu
Sistem linier tak ubah waktu kausal. Pembahasan ini dilakukan dengan
mempertimbangkan banyaknya model linier yang digunakan dalam hampir semua
bidang kerekayasaan.
28
Sistem linier mempunyai sifat-sifat sebagai berikut:
a) Sifat kehomogenan
Jika input u memberikan keluaran y maka input au akan menghasilkan keluaran
ay.
b) Sifat superposisi
Jika input u1 and u2 menghasilkan output y1 and y2, dan untuk l input (u1+u2)
menghasilkan output (y1+y2).
2.3.1. Pendahuluan
Sistem dapat diartikan sebagai hubungan antara input dan output. Pada
umumnya input adalah sebab dan output adalah akibat. Beberapa contoh sistem
yang umum kita kenal adalah:
1) Sebuah rangkaian listrik dengan input tegangan dan / atau arus
sumber sedangkan outputnya yaitu tegangan dan / atau arus yang mengalir
pada beberapa titik pada rangkaian tersebut.
2) Sebuah sistem kanal komunikasi dengan input sebanding dengan
sinyal yang ditransmisi pada kanal tersebut sedangkan outputnya adalah
sinyal yang sampai pada ujung kanal.
3) Sebuah sistem biologi seperti mata manusia dengan input sinyal
gambar yang masuk ke retina mata dan outputnya adalah rangsangan syaraf
yang selanjutnya diolah di otak untuk pengambilan keputusan informasi apa
yang masuk.
4) Sebuah manipulator robot dengan input n torsi yang diaplikasikan ke
robot tersebut dan output posisi akhir salah satu lengannya.
5) Proses manufaktur, dengan input bahan mentah yang dimasukkan dan
outputnya berupa jumlah barang yang diproduksinya.
6) Lebih spesifik lagi dalam bidang engineering sistem sering diartikan
sebagai model matematik yang mengubungkan antara masukan atau gaya
luar dengan keluaran atau tanggapan sistem. Sistem dapat diklasifikasikan
dalam berbagai kategori.
a) Sistem kausal dan non kausal
Sistem kausal: y(t) = x(t) + 2x(t-1)
Sistem non kausal: y(t) = x(t+1) x(t) + 3x(t-2)
29
Sistem kausal memberikan nilai keluaran terhadap masukan yang telah
masuk pada sistem. Semua sistem fisika yang nyata termasuk dalam
sistem kausal. Sistem non kausal adalah sistem antisipatif yaitu sistem
mampu memberi respon terhadap masukan yang akan datang. Sistem
non kausal sering ditemui dalam aplikasi elektrik modern seperti pada
sistem kendali adaptif.
b) Sistem bermemori dan tanpa memori
Sistem bermemori adalah sistem yang keluarannya merupakan fungsi
dari masukan sekarang dan masukan sebelumnya.
Sistem bermemori: y(t) = -4x(t-1) + 2x(t)
Sistem tanpa memori: y(t) = 2x(t)
2.3.2. Persamaan Diferensial Sistem
Penggambaran sistem waktu kontinyu, selalu berkaitan dengan bentuk
representasi matematik yang mengambarkan sistem tersebut dalam keseluruhan
waktu. Dapat pula secara sederhana dikatakan, bahwa suatu sistem disebut
sebagai sistem waktu kontinyu jika input dan output berupa sinyal waktu
kontinyu. Sistem kontinyu dapat dinyatakan dalam persamaan diferensial
sistem. Dengan masukan adalah x(t) dan ouput y(t) maka sistem linier tak ubah
waktu dapat dinyatakan sebagai berikut:
a
n
y
(n)
(t) + a
n-1
y
(n-1)
(t)
+ +
a
1
y

(t)
+
a
0
y(t) = b
0
x(t) + b
1
x

(t)
+ +
a
n
-
1
x
(n-1)
(t)
+
a
n
x
n
(t)
(2.1)
Suku kanan persamaan tersebut sering digabungkan menjadi:
f(t) = b
0
x(t) + b
1
x

(t)
+ .. +
a
n
-
1
x
(n-1)
(t)
+
a
n
x
n
(t)
dengan f(t) disebut fungsi pemaksa. Berikut contoh persamaan diferensial
sistem:
Contoh soal 2.1:
Modelkan sistem berikut dalam persamaan Diferensial
30
R=2 L=1H
C=0,5 F
2A/dt
i(t)
e(t)
Gambar 2.1 Rangkaian RLC untuk contoh 2.1
Penyelesaian:
Dengan hukum Kirchoff tegangan didapatkan:
0 , i(t) 1/C di/dt L Ri(t) e(t)
t
0
> + +

t dt
dengan mendiferensialkan kedua suku didapat:
) (
1

) ( d
L
dt
di(t)
R
dt
de(t)
2
2
t i
C dt
t i
+ +
keadaan awal untuk memecahkan persamaan ini adalah:
2
dt
di(t)
0 t

i(0
+
)=0
Untuk memecahkan persamaan diferensial disajikan teorema sebagai berikut:
Persamaan diferensial sistem: a
n
y
(n)
(t) + a
n-1
y
(n-1)
(t)
+ .. +
a
1
y

(t)
+
a
0
y(t)
mempunyai keadaan awal: y(0), y(0),,y
n-1
maka tanggapan lengkap
sistem:
y(t) = y
ho
(t) + y
f0
(t)
dengan:
y
ho
(t) = tanggapan homogen, alami, bebas, dan transient.
y
f0
(t) = tanggapan paksa, akhir, steady state.
Tanggapan homogen didapatkan dengan menyelesaikan persamaan sistem pada
saat masukan sama dengan nol f(t)=0. Tanggapan ini disebut tanggapan alami
sistem merupakan tanggapan sistem sebelum ada masukan. Tanggapan paksa
didapatkan dengan menerapkan masukan f(t) pada sistem.
Untuk lebih jelas, disajikan contoh berikut.
Contoh soal 2.2:
Selesaikan persamaan diferensial berikut jika diberikan kondisi awal y(0) = 1
dan y(0) = 2
31
y(t) + 3y(t) + 2y(t) = e
2t
Penyelesaian:
a) Langkah 1. Mencari y
ho
(t)
Persamaan homogen sistem adalah sebagai berikut:
y(t) + 3y(t) + 2y(t) = 0
Dengan permisalan bahwa y
ho
(t) = Ae
mt
maka didapatkan :
d(Ae
mt
)/dt
2
+ 3d(Ae
mt
)/dt +2(Ae
mt
) = 0
Ae
mt
(m
2
+ 3m + 2) = 0
Dari persamaan tersebut terlihat bahwa tidak ada nilai A (selain nol) dan
nilai e
mt
(kecuali m = - ) yang membuat nilai suku kiri nol. Nilai A= 0 dan
m = - tidak diinginkan untuk menyelesaikan persamaan maka nilai m
yang memenuhi persamaan diatas adalah:
(m
2
+ 3m + 2) = 0
sehingga m = -1 dan m =-2.
Dengan demikian solusi untuk y
ho
(t) adalah:
y
ho
(t) = A
1
e
-t
+ A
2
e
-2t
b) Langkah 2. Mencari y
fo
(t)
Menyelesaikan persamaan:
y(t) + 3y(t) + 2y(t) = e
2t
Berdasarkan perkiraan keluaraan terhadap masukan yang ada dilakukan
permisalan sebagai berikut:
y
fo
(t) = Ae
2t
Subsitusi ke dalam persamaan sistem menghasilkan:
(4A+6A+2A)e
2t
= e
2t
dari persamaaan tersebut didapatkan :
(4A+6A+2A) = 1
A = 0,083
Dengan demikian :
y
fo
(t) = 0,083e
2t
c) Langkah 3.
Dengan menggabungkan langkah 1 dan langkah 2 maka didapatkan
tanggapan lengkap sistem:
y(t) = A
1
e
-t
+ A
2
e
-2t
+
0,083e
2t
32
d) Langkah 4.
Langkah 4. menerapkan keadaan awal y(0) = 1 dan y(0) = 2 pada
tanggapan lengkap sistem.
Dengan menerapkan y(0)=1 didapatkan:
y(0) = A
1
e
-1*0
+ A
2
e
-2*0
+
0,083e
2*0
1 = A
1
+ A
2
+

0,083
A
1
+ A
2
= 0,917
Dengan menerapkan y(0) = 2 didapatkan:
d(y(t))/dt = d(A
1
e
-t
)/dt + d(A
2
e
-2t
)/dt

+

d(0,083e
2t
)/dt
dengan memasukan nilai keadaan awal:
2 = - A
1
- 2A
2
+ 0,166
A
1
+ 2A
2
= -1,834
Dengan eliminasi persamaan yang didapatkan dari keadaan 1 dan 2
didapatkan:
A
2
= -2,751 dan A
1
=3,668
Dengan demikian tanggapan lengkap sistem adalah:
y(t) = 3,668e
-t
2,751e
-2t
+
0,083e
2t
2.3. Tanggapan Impuls
Tanggapan impuls h(t)n adalah tanggapan sistem jika mendapat masukan
berupa sinyal impuls. Suatu sistem linier tak ubah waktu:
a
n
y
(n)
(t) + a
n-1
y
(n-1)
(t)
+ .. +
a
1
y

(t)
+
a
0
y(t) = b
0
x(t) + b
1
x

(t)
+ .. +
b
m
x
m
(t)
mempunyai tanggapan impuls h(t) dengan rumusan berikut:
x(t) = (t) dan y(t)=0, -<t<0
h(t) = y(t)
x(t)= (t)
(2.3)
Contoh soal 2.4:
Tentukan tanggapan impuls sistem 2y(t) + 3y(t) = 4 x(t).
Penyelesaian:
Untuk mencari tanggapan implus maka masukan x(t) = (t).
2y(t) + 3y(t) = 4 (t)
Dengan h(t) = y(t)
x(t)= (t)
maka persamaan diatas dapat dituliskan sebagai
berikut:
33
2h(t) + 3h(t) = 4 (t) (1)
Dari penyelesaian persamaan diferensial yang telah dipelajari sebelumnya kita
dapat mengasumsikan penyelesaian untuk h(t):
h(t) = Ae
-1,5t
u(t) + 0 (t)
diasumsikan 0 (t) karena pada sistem orde satu ini masukan tidak mempunyai
(t) sehingga untuk t>0 (t)=0.
Dengan subsitusi asumsi ke persamaan (1) dihasilkan:
2d/dt[Ae
-1,5t
u(t)] + 3A e
-1,5t
u(t) = 4 (t)
Dengan mempertimbangkan waktu t=0 didapatkan:
2Ae
-1,5t

t=0
(t) = 4 (t)
2A (t) = 4 (t)
A=2
Dengan demikian:
h(t) = 2 e
-1,5t
u(t)
Contoh soal 2.5:
Tentukan tanggapan impuls sistem y(t) + 3y(t) + 2y(t) = 3x(t) + 2 x(t).
Penyelesaian:
Untuk mencari tanggapan implus maka masukan x(t) = (t).
y(t) + 3y(t) + 2y(t) = 3 (t) + 2 (t)
dengan persamaan karakteristik:
m
2
+ 3m +2 =0
dan y(t) tidak mengandung komponen (t) (tidak terdapat (t) diruas
kanan) maka dapat diasumsikan:
y(t)= A
1
e
-t
u(t)+ A
2
e
-2t
u(t)+0 (t)
atau:
y(t)= -A
1
e
-t
u(t) -2A
2
e
-2t
u(t)+(A
1
+A
2
) (t)
maka dengan mengevaluasi komponen (t) didapatkan :
(A
1
+A
2
) (t) = 2 (t)
A
1
+A
2
= 2 (1)
Dengan mengevaluasi koefisien (t) didapatkan:
3(A
1
+A
2
) (t) -A
1
e
-t

t=0
(t) -2A
2
e
-2t

t=0
(t) = 3 (t)
3(A
1
+A
2
) - A
1
- 2A
2
= 3
34
2A
1
+A
2
= 3 (2)
Dengan menyelesaikan persamaan (1) dan (2) didapat A
1
=1 dan A
2
= 1
Dengan demikian tanggapan impuls sistem:
h(t) = e
-t
u(t) + e
-2t
u(t)
2.4. Konvolusi Kontinyu
Keluaran sistem dengan tanggapan impuls h(t) dan masukan x(t) dapat
direpresentasikan sebagai:


all
t x t y ) ( ) ( ) (


dp p t h p x t y ) ( ) ( ) ( (2.4)
atau dapat juga dinyatakan:


dp p t x p h t y ) ( ) ( ) (
Kedua rumusan diatas dikenal sebagai integral konvolusi. Untuk dua fungsi
sembarang x(t) dan h(t) maka integral konvolusi r(t) dapat dinyatakan sebagai:
r(t) = x(t) * h(t)


dp p t h p x t r ) ( ) ( ) (
Konvolusi kontinyu mempunyai sifat-sifat sebagai berikut:
a) Komutatif
x(t)*y(t) = y(t)*x(t)
r
xy
(t) = r
yx
(t)
b) Distributif
x(t)*[y(t) t z(t)] = [x(t)*y(t)] t [x(t)*z(t)]
r
xy
(t) = r
yx
(t) t r
xz
(t)
c) Asosiatif
x(t)*[y(t)*z(t)] = [x(t)*y(t)]*z(t)
Untuk memperjelas penggunaan integral konvolusi disajikan contoh sebagai
berikut:
Contoh soal 2.5:
Dua buah isyarat mempunyai rumusan sebagai berikut:
35
x(t) = 1 0<t<1
0, t lainnya
dan,
h(t) = 1 1<t<2
0, t lainnya
Carilah sinyal r(t) yang merupakan hasil konvolusi dua isyarat tersebut.
Penyelesaian:
Untuk mencari nilai konvolusi kedua isyarat kontinyu digunakan:
r(t) = x(t) * h(t)


dp p t h p x t r ) ( ) ( ) (
Pada rumus diatas dapat dilihat bahwa untuk mencari nilai r(t) diperlukan
sinyal x(p) dan sinyal h(t-p).
x(t) = 1 0<t<1
0, t lainnya
maka,
x(p) = 1 0<p<1
0, p lainnya
sedangkan h(t-p) dapat dicari sebagai berikut:
h(t-p) = 1 1<t-p<2
0, t-p lainnya
yang dibutuhkan adalah fungsi h dalam p maka:
h(t-p) = 1 -2+t<p<-1+t
0, p lainnya
Untuk mempermudah diilustrasikan sebagai berikut:
36
1
x(p)
p
1
-1
1
h(p)
p
1
2 -1 1
h(t-p)
p
1
t-1 t-2
Gambar 2.2 Sinyal x(p), h(p) dan h(t-p)
Pada gambar diatas sinyal h(t-p) adalah sinyal h(-p) yang tergeser sejauh t. Dari
rumusan integral konvolusi dapat dilihat bahwa sinyal h(-p) dijalankan dari -
sampai +. Nilai integral konvolusi dapat dibagi menjadi beberapa kasus
penggal waktu t yaitu:
Pada saat t<1
Pada saat 1<t<2
Pada saat 2<t<3
Pada saat t>3
Untuk memperjelas keempat kasus ini x(p) dan h(t-p) digambarkan dalam satu
sumbu y(p).
Gambar 2.3 (a) Sinyal x(p) dan h(t-p) pada saat t<1
(b) Sinyal x(p) dan h(t-p) pada saat 1<t<2
(c) Sinyal x(p) dan h(t-p) pada saat 2<t<3
(d) Sinyal x(p) dan h(t-p) pada saat t>3
Hasil konvolusi r(t) pada tiap penggal waktu tersebut adalah sebagai berikut
a) Pada saat t<1
Pada periode ini sinyal h(t-p) belum sampai ke titik awal x(p) maka:


dp p t h p x t r ) ( ) ( ) (
r(t) = 0
37
1
h(t-p)
p
1
t-1 t-2
y(p)
x(p)
(a)
1
h(t-p)
p
1
t-1 t-2
y(p)
x(p)
(b)
1 p
1
h(t-p)
t-1 t-2
y(p)
x(p)
(c)
1 p
1
h(t-p)
t-1 t-2
y(p)
x(p)
(d)
b) Pada saat 1<t<2
Pada saat 1<t<2 batasan bawah integral konvolusi berdasar Gambar 2.2 (b)
adalah 0 dengan batas atas t-1.


1
0
) ( ) ( ) (
t
dp p t h p x t r

1
0
) 1 )( 1 ( ) (
t
dp t r
r(t) = t-1
c) Pada saat 2<t<3
Pada saat 2<t<3 batasan bawah integral konvolusi berdasar Gambar 2.2 (c)
adalah t-2 dengan batas atas 1.


1
2
) ( ) ( ) (
t
dp p t h p x t r

1
2
) 1 )( 1 ( ) (
t
dp t r
r(t) = 1-(t-2)
= 3-t
d) Pada saat t<3
Pada waktu ini h(t-p) sudah meninggalkan batas akhir x(p) sehingga:


dp p t h p x t r ) ( ) ( ) (
r(t) = 0
Dengan demikian hasil konvolusi secara keseluruhan adalah sebagai
berikut:
t-1 1<t<2
r(t) = 3-t 2<t<3
0, t lainnya
38
1
t
1 3-t
3 2
r(t)
t-1
Gambar 2.4 Sinyal r(t) hasil konvolusi x(t) dan h(t)
BAB III
MODEL MATEMATIKA SISTEM DINAMIK
3.1. Ruang Lingkup
Konsep dan teknik analisis sistem semula dikembangkan oleh para ahli militer untuk
keperluan mengeksplorasi dan mengkaji keseluruhan implikasi yang diakibatkan oleh
alternatif-alternatif strategi militer. Pendekatan ini merupakan suatu strategi penelitian yang
39
luas dan sistematik untuk menyelesaikan suatu problem penelitian yang kom-pleks. Obyek
penelitian biasanya merupakan suatu sistem dengan kerumitan-kerumitan yang sangat
kompleks sehingga memerlukan pengabstraksian. Dalam hubungan inilah dikenal istilah
"model dan pemodelan".
Istilah pemodelan adalah terjemahan bebas dari istilah "modelling". Untuk
menghindari berbagai pengertian atau penafsiran yang berbeda-beda, maka istilah
"pemodel-an" dapat diartikan sebagai suatu rangkaian aktivitas pem-buatan model. Sebagai
landasan untuk lebih memahami pengertian pemodelan maka diperlukan suatu penelaahan
tentang "model" secara spesifik ditinjau dari pendekatan sistem.
Dalam konteks terminologi penelitian operasional (operation research), secara
umum model didefinisikan sebagai suatu perwakilan atau abstraksi dari suatu obyek atau
situasi aktual. Model melukiskan hubungan-hubungan langsung dan tidak langsung serta
kaitan timbal-balik dalam terminologi sebab akibat. Oleh karena suatu model adalah
abstraksi dari realita, maka pada wujudnya lebih sederhana dibandingkan dengan realita
yang diwakilinya . Model dapat disebut lengkap apabila dapat mewakili berbagai aspek dari
realita yang sedang dikaji.
Salah satu syarat pokok untuk mengembangkan model adalah menemukan peubah-
peubah apa yang penting dan tepat. Penemuan peubah-peubah ini sangat erat hubungannya
dengan pengkajian hubungan-hubungan yang terdapat di antara peubah-peubah. Teknik
kuantitatif seperti persamaan re-gresi dan simulasi digunakan untuk mempelajari keterkaitan
antar peubah dalam sebuah model.
Memang dimungkinkan untuk dapat merancang-bangun dengan baik berbagai model
sistem tanpa matematik, dan /atau mengetahui matematika tanpa analisis sistem. Namun
demikian, perumusan mate-matika yang terpilih dapat mempermudah pengkajian sistem,
yang pada umumnya merupakan suatu kompleksitas. Sifat universalitas dari matematik dan
notasi-notasinya akan memperlancar komunikasi dan transfer metode yang dikembangkan di
suatu negara atau bidang ilmu tertentu ke bidang lainnya.
Kebanyakan para pengguna analisis sistem menjumpai kesukaran untuk
mengimplementasikan notasi-notasi matematika ke dalam format konsepsi disiplin ilmunya .
Mereka kemudian memilih alternatif pembuatan model konsepsi (conceptual model) yang
sifatnya informal karena terasa lebih mudah. Bagaimanapun juga, para ahli sistem
berpendapat bahwa keuntungan lebih besar dibandingkan dengan biaya yang diperlukan
dalam megkaji permasalahan penelitian secara matematis. Hal ini disebabkan adanya daya
guna yang berlipat ganda pada proses rancang bangun dan analisis dalam bentuk bahasa
matematika yang sangat penting dalam teori ekonomi, keteknikan, ilmu alam hingga ilmu-
ilmu sosial. Meskipun teknik-tekniknya sangat beragam dan filosofinya masih dipandang
40
kontraversi namun ide dasarnya adalah sederhana yaitu menjabarkan keterkaitan-keterkaitan
yang ada dalam dunia nyata menjadi operasi-operasi matematis.

3.2. Jenis-Jenis Model
Pengelompokkan model akan mempermudah upaya pemahaman akan makna dan
kepentingannya. Model dapat dikatagorikan menurut jenis, dimensi, fungsi, tujuan, pokok
kajian, atau derajat keabstrakannya. Kategori umum yang sangat praktis adalah jenis model
yang pada dasarnya dapat dikelompokkan menjadi (i) ikonik, (ii) analog, dan (iii) simbolik.
3.2.1. Model Ikonik (Model Fisik)
Model ikonik pada hakekatnya merupakan perwakilan fisik dari beberapa hal, baik
dalam bentuk ideal maupun dalam skala yang berbeda. Model ikonik ini mempunyai
karakteristik yang sama dengan hal yang diwakilinya, dan terutama amat sesuai untuk
menerangkan kejadian pada waktu yang spesifik. Model ikonik dapat berdimensi dua (foto,
peta, cetak-biru) atau tiga dimensi (prototipe mesin, alat, dan lainnya). Apabila model
berdimensi lebih dari tiga tidak mungkin lagi dikonstruksi secara fisik sehingga diperlukan
kategori model simbolik.
3.2.2. Model Analok (Model Diagramatik)
Model analog dapat digunakan untuk mewakili situasi dinamik, yaitu keadaan yang
berubah menurut waktu. Model ini lebih sering digunakan daripada model ikonik karena
kemampuannya untuk mengetengahkan karakteristik dari kejadian yang dikaji. Model
analog sangat sesuai dengan penjabaran hubungan kuantitatif antara sifat dari berbagai
komponen. Dengan melalui transformasi sifat menjadi analognya, maka kemampuan untuk
membuat perubahan dapat ditingkatkan. Contoh dari model analog ini adalah kurva
permintaan, kurva distribusi frekuensi pada statistik, dan diagram alir. Model analog
digunakan karena kesederhanaannya namun efektif pada situasi yang khas, seperti pada
proses pengendalian mutu dalam industri (operating characteristic curve).
3.2.3. Model Simbolik (Model Matematik)
Pada hakekatnya, ilmu sistem memusatkan perhatian pada model simbolik sebagai
perwakilan dari realita yang dikaji. Format model simbolik dapat berupa bentuk angka,
simbol dan rumus. Jenis model simbolik yang umum dipakai adalah suatu persamaan
(equation).
41
Bentuk persamaan adalah tepat, singkat dan mudah dimengerti. Simbol persamaan
tidak saja mudah dimanipulasi didbandingkan dengan kata-kata, namun juga lebih cepat
dapat ditanggap maksudnya. Suatu persamaan adalah bahasa yang universal pada penelitian
operasional dan ilmu sistem, dimana di dalamnya digunakan suatu logika simbolis.
Dalam mempelajari ilmu sistem diperlukan suatu pengertian yang mendasar tentang
simbol-simbol matematika; karena kalau tidak demikian akan menambah kompleksitas dari
konsep pengkajian itu sendiri. Bagaimanapun juga sebagaimana mempelajari suatu hal
maka kunci dari kelancaran dan pemahamannya adalah frekuensi latihan aplikasinya.
Dengan demikian diharapkan para pengguna dapat secara efisien menangkap arti dari setiap
notasi matematis yang disajikan. Misalnya , notasi a
i
dapat diartikan faktor peubah a, dan
A
ij
dapat digambarkan sebagai Tabel matriks peubah A dengan baris i dan kolom j.
3.3. Karakteristik Model Matematika
Proses pemodelan mencakup pemilihan karakteristik dari perwakilan abstrak yang
paling tepat bagi situasi yang sedang dikaji . Pada umumnya model matematika dapat
diklasifikasikan menjadi dua bagian, yaitu model statik dan model dinamik. Model statik
memberikan informasi tentang peubah-peubah model hanya pada titik tunggal dari waktu.
Sedangkan model dinamik mampu menelusuri jalur waktu dari peubah-peubah model.
Model dinamik lebih sulit dan mahal pembuatannya, namun mempunyai kekuatan yang lebih
hebat untuk analisis dunia nyata.
Klasifikasi lain tergantung apakah model abstrak tersebut meng-gunakan pandangan
mikro atau makro. Model mikro bertujuan untuk mempernyatakan suatu unit individu yang
ada pada dunia nyata, sebagai contoh sebuah mobil pada aliran transportasi atau seorang
pembeli pada antrian pasar. Pada model makro, unit individu kehilangan identitasnya karena
peubah model secara khas dikaitkan dengan agregat dari unit sistem. Contoh dari pandan-
gan makro adalah peubah pada aliran listrik, kecepatan aliran mobil pada jalan raya dan
aliran bahan dan pelayanan pada struktur ekonomi.
Ditinjau dari cara klasifikasinya maka model abstrak dapat dikelompokkan menjadi:
(i) mikro-statik, (ii) makro-statik, (iii) mikro-dinamis, dan (iv) makro-dinamis. Penggunaan
model- model ini tergantung pada tujuan pengkajian sistem dan terlihat jelas pada formulasi
permasalahan pada tahap evaluasi kelayakan.
Sifat model juga tergantung pada teknik pemodelan yang digunakan. Model yang
mendasarkan pada teknik peluang dan memperhitungkan adanya ketidak pastian
(uncertainty) disebut model probabilistik atau model stokastik. Pada ilmu sistem model ini
sering digunakan karena masalah yang dikaji pada umumnya megandung keputusan yang
mengandung ketidak-menentuan. Lawan dari model ini adalah model kuantitatif yang tidak
42
mempertimbangkan peluang kejadian, dikenal sebagai model deterministik. Contohnya
adalah model pada "program linear". Model ini memusatkan penelaahannya pada faktor-
faktor kritis yang diasumsikan mempunyai nilai yang eksak dan tertentu pada waktu yang
spesifik. Sedangkan model probabilistik biasanya mengkaji ulang data atau informasi yang
terdahulu untuk menduga peluang kejadian tersebut pada keadaan sekarang atau yang akan
datang dengan asumsi terdapat relevansi pada jalur waktu.
Dalam hal-hal tertentu, sebuah model dibuat hanya untuk semacam deskripsi
matematik dari kondisi dunia nyata. Model ini disebut model deskriptif dan banyak dipakai
untuk mempermudah penelaahan suatu permasalahan. Model ini dapat diselesaikan secara
eksak serta mampu mengevaluasi hasilnya dari berbagai pilihan data input. Apabila model
digunakan untuk memperbandingkan antar alternatif, maka model disebut model
optimalisasi. Solusi dari model ini merupakan nilai optimum yang tergantung pada kriteria
input yang digunakan. Sebagai teladan adalah "Program Dinamik dan Goal
Programming"; sedangkan model deskriptif yang hanya memper-nyatakan pilihan peubah
adalah persamaan regresi multi-variate.
Apabila sistem telah diekspresikan dalam bentuk no-tasi matematika dan format
persamaan, maka timbullah keuntungan yang berasal dari kapasitas manipulatif dari
matematik. Seorang analis dapat memasukkan nilai-nilai yang berbeda-beda ke dalam
model matematika dan kemudian mempelajari perilaku sistem tersebut. Pada pengkajian
ma-salah-masalah tertentu, uji sensitifitas dari sistem dilakukan dengan pengubahan
peubah-peubah sistem itu sendiri.
Bahasa simbolik juga sangat membantu dalam komunikasi karena pernyataannya
yang singkat dan jelas dibandingkan dengan deskripsi lisan. Penggunaan format
matematika membuat penjelasan lebih komprehensif dan seringkali mampu mengungkapkan
hubungan-hubungan yang tidak dapattercermin pada deskripsi lisan dari suatu sistem.
Dengan demikian dapat dikatakan bahwa pemodelan sistem (System Modelling) adalah
pembentukan rangkaian logika untuk menggambarkan karakteristik sistem tersebut dalam
format matematis. Oleh karena itu, proses ini sering disebut juga pemodelan abstrak
(abstract modelling) karena hasilnya adalah gugus persamaan-persamaan yang saling
berkaitan secara fungsional. Pada beberapa jenis sistem, proses pemodelan abstrak ini lebih
mudah pengerjaannya, seperti model biofisik dan keteknikan.
3.4. Tahapan Dalam Pemodelan
Para ahli penelitian operasional dan ilmu sistem te-lah mem-berikan konsepsi dan
teknik pemodelan sistem. Para ahli ini menya rankan untuk mengawali pemodelan dengan
penguraian seluruh komponen yang akan mempengaruhi efektivitas dari operasi sistem.
Setelah daftar komponen tersebut lengkap, langkah selanjutnya adalah penyaringan
43
komponen mana yang akan dipakai dalam pengkajian tersebut. Hal ini umumnya sulit
karena adanya interaksi antar peubah yang seringkali menyulitkan isolasi suatu peubah.
Peubah yang di-pandang tidak penting ternyata bisa saja mempengaruhi hasil studi setelah
proses pengkajian selesai. Untuk menghindarkan hal ini, diper lukan percobaan pengujian
data guna memilih komponen-komponen yang kritis. Setelah itu dibentuk gugus persamaan
yang dapat dievaluasi dengan merubah-rubah komponen tertentu dalam batas-batas yang
diperkenankan. Salah satu contoh pemodelan seperti ini adalah Program Linear (Linear
Programming) dan Program Dinamik (Dynamic Programming).
Dalam konteks pendekatan sistem, tahap-tahap pemodel-annya lebih kompleks
namun relatif terlalu beragam, baik ditinjau dari jenis sistem ataupun tingkat kecanggihan
model. Manetsch dan Park (1984) mengembangkan tahap pemodelan abstrak ini sebagai
bagian dari pendekatan sistem.
Pemodelan abstrak menerima input berupa alternatif sistem yang layak. Proses ini
membentuk dan mengimplementasikan model-model matematika yang dimanfaatkan untuk
merancang program terpilih yang akan dipraktekkan di dunia nyata pada tahap berikutnya.
Output utama dari tahap ini adalah deskripsi terinci dari keputusan yang diambil berupa
perencanaan, pengendalian atau kebijakan lainnya.
3.4.1. Tahap Seleksi Konsep
Lazimnya langkah awal dari pemodelan abstrak adalah melakukan seleksi alternatif
hasil dari tahap evaluasi kelayakan. Seleksi ini dilakukan untuk menetukan alternatif-
alternatif mana yang bermanfaat dan bernilai cukup besar untuk dilakukan pemodelan
abstraknya. Hal ini erat kaitannya dengan biaya dan penampakan dari sistem yang
dihasilkan. Interaksi dengan para pengambil keputusan serta pihak lain yang amat terlihat
pada sistem sangat diperlukan dalam tahap seleksi ini.
3.4.2. Tahap Pemodelan
Sebagai langkah awal dari pemodelan adalah menetapkan jenis model abstrak yang
akan digunakan, sejalan dengan tujuan dan karakteristik sistem. Setelah itu, aktivitas
pemodelan terpusat pada pem bentukan model abstrak yang realistik. Dalam hal ini ada dua
cara pendekatan untuk membentuk suatu model abstrak, yaitu:
a. Pendekatan Kotak Hitam (Black box)
Metode ini digunakan untuk melakukan identifikasi model sistem dari data yang
menggambarkan perilaku masa lalu dari sistem (past behavior of the existing system).
44
Melalui berbagai teknik statistik dan matematik, maka model yang paling cocok (fit) dengan
data operasional dapat diturunkan. Sebagai contoh adalah model ekonometrik pada
pengkajian ilmu-ilmu sosial. Metoda ini tidak banyak berguna pada perancangan sistem
yang kenyataannya belum ada, dimana tujuan sistem masih berupa konsep.
b. Pendekatan Struktural
Metode ini dimulai dengan mempelajari secara teliti struktur sistem untuk
menentukan komponen basis sistem serta keterkaitannya. Melalui pemodelan karakteristik
dari komponen sistem serta kendala-kendala yang disebabkan oleh adanya keterkaitan antara
komponen, maka model sitem keseluruhan dapat disusun secara berantai. Pendekatan
struktural ini banyak digunakan dalam rancang-bangun dan pengendalian sistem fisik dan
non fisik.
Dalam beberapa kasus tertentu, kedua pendekatan ini dipakai secara bersama-sama,
misalnya pembuatan model pengendalian industri dimana karakteristik setiap unit industri
dianggap kotak hitam . Dengan demikian penggunaan dua pendekatan tersebut dapat
memberikan informasi lebih baik serta menghasilkan model yang lebih efektif dari pada
memakai hanya salah satu pendekatan saja. Tahap permodelan ini mencakup juga
penelaahan secara teliti tentang :
1. asumsi model
2. konsestensi internal pada struktur model
3. data input untuk pendugaan parameter
4. hubungan fungsional antar peubah kondisi aktual
5. memperbandingkan model dengan kondisi aktual sejauh mungkin .
Hasil dari tahapan ini adalah deskripsi model abstrak yang telah melalui uji
permulaan taraf validitasnya.
3.4.3. Tahap Implementasi Komputer
Pemakaian komputer sebagai pengolah data, penyimpan data dan komunikasi
informasi tidak dapat diabaikan dalam pendekatan sistem ; model abstrak diwujudkan dalam
berbagai bentuk persamaan, diagram alir dan diagram blok. Tahap ini seolah-olah
membentuk model dari suatu model, yaitu tingkat abstraksi lain yang ditarik dari dunia
nyata. Hal yang penting di sini adalah memilih teknik dan bahasa komputer yang digunakan
untuk implementasi model. Masalah ini akan mempengaruhi :
1. Ketelitian dari hasil komputasi
2. Biaya operasi model
45
3. Kesesuaian dengan komputer yang tersedia
4. Efektifitas dari proses pengambilan keputusan yang akan meng-gunakan hasil
pemodelan tersebut.
Setelah program komputer dibuat dan format input /output telah dirancang secara
memadai, maka sampailah pada tahap pembuktian (verifikasi) bahwa model komputer
tersebut mampu melakukan simulasi dari model abstrak yang dikaji. Pengujian ini mungkin
berbeda dengan uji validitas model itu sendiri.
3.4.4. Tahap Validasi
Validasi model pada hakekatnya merupakan usaha untuk menyimpulkan apakah
model sistem tersebut di atas merupakan perwakilan yang sah dari realitas yang dikaji
sehingga dapat dihasilkan kesimpulan yang meyakinkan. Validasi merupakan proses iteratif
yang berupa pengujian berturut-turut sebagai proses penyempurnaan model . Umumnya
validasi dimulai dengan uji sederhana seperti pengamatan atas:
1. tanda aljabar (sign)
2. kepangkatan dari besaran (order of magnitude)
3. format respon (linear, eksponensial, logaritmik,
4. arah perubahan peubah apabila input atau parameter diganti-ganti
5. nilai batas peubah sesuai dengan nilai batas parameter sistem.
Setelah uji-uji tersebut, dilakukan pengamatan lanjutan sesuai dengan jenis model.
Apabila model mempernyatakan sistem yang sedang berlaku (existing system) maka
dipakai uji statistik untuk mengetahui kemampuan model dalam mereproduksi perilaku
masa-lalu dari sistem. Uji ini dapat menggunakan koefisien determinasi, pembuktian
hipotesis, dan sebagainya. Seringkali dijumpai kesulitan pada tahap ini karena kurangnya
data yang tersedia ataupun sempitnya waktu yang tersedia guna melakukan validasi. Pada
permasalahan yang kompleks dan mendesak, maka disarankan proses validasi parsial, yaitu
tidak dilakukan pengujian keseluruhan model sistem. Hal ini mengakibatkan rekomendasi
untuk pemakaian model yang terbatas (limited application) dan apabila perlu menyarankan
penyempurnaan model pada pengkajian selanjutnya.
Validitas model hanya bergantung pada bermacam teori dan asumsi yang
menentukan struktur dari format persamaan pada model serta nilai-nilai yang ditetapkan
pada parameter model. Umumnya disarankan untuk melakukan uji sensitivitas dari koefisien
model melalui iterasi simulasi pada model komputer. Di sini dipelajari dampak perubahan
koefisien model terhadap output sistem. Informasi yang didapat akan digunakan untuk
menentukan prioritas pengumpulan informasi lanjutan, koleksi data, perbaikan estimasi dari
46
koefisien penting dan penyempurnaan model itu sendiri. Usaha ini akan berperan banyak
dalam menyeimbangkan aktivitas perekayasaan model dan aktivitas pengumpulan informasi,
yang prinsipnya mencari efisien waktu, biaya dan tenaga untuk studi sistem tersebut.
Model yang digunakan untuk perancangan keputusan dan menentukan kebijakan operasional
akan mencakup sejumlah asumsi, misalnya asumsi tentang karakteristik operasional dari
komponen serta sifat alamiah dari lingkungan. Asumsi-asumsi tersebut harus dimengerti
betul dan dievaluasi bilamana model digunakan untuk perancangan atau operasi. Manipulasi
dari model dapat menuju pada modifikasi model untuk mengurangi kesenjangan antara
model dengan dunia nyata. Proses validasi ini mempunyai pola berulang seperti metode
ilmiah lainnya. Proses validasi seyogyanya dilakukan kontinyu sampai kesimpulan bahwa
model telah didukung dengan pembuktian yang memadai melalui pengukuran dan observasi.
Suatu model mungkin telah mencapai status valid (absah) meskipun masih menghasilkan
kekurang-beneran output. Di sini model adalah absah karena konsistensinya, dimana
hasilnya tidak bervariasi lagi.
Istilah verifikasi dan validasi sering digunakan secara sinonim dalam kaitannya
dengan model simulasi, meskipun masing- masing mempunyai aplikasi yang berbeda.
Secara literal "to verify" berarti menetapkan kebenaran atau kebaikan atau keabsahan,
sehingga verifikasi model berkenaan dengan penetapan apakah model merupakan perwakilan
yang benar dari suatu realita. Sementara itu, "validasi" tidak terlalu banyak berhubungan
dengan kebenaran suatu model, tetapi lebih berhubungan dengan apakah model efektif atau
sesuai untuk mencapai tujuan yang telah ditetapkan. Dengan demikian suatu model
divalidasi dalam hubungannya dengan tujuan penyusunannya, sedangkan model diverifikasi
dalam hubungannya dengan kebenaran mutlak.
3.4.5. Analisis Stabilitas
Sistem dinamik sudah sering diketahui mempunyai perilaku tidak stabil yang
bersifat destruktif untuk beberapa nilai parameter sistem. Analisis untuk identifikasi batas
kestabilan dari sistem diper-lukan agar parameter tidak diberi nilai yang bisa megarah pada
perilaku tidak stabil apabila terjadi perubahan struktur dan lingkungan sistem. Perilaku tidak
stabil ini dapat berupa fluktuasi random yang tidak dapat mempunyai pola atau berupa nilai
output yang eksplosif sehingga besarannya tidak realistik lagi. Analisis stabilitas dapat
menggunakan studi analitis berdasar teori stabilisasi, atau menggunakan simulasi secara
berulang-kali untuk mempelajari batasan stabilitas sistem.
3.4.6. Aplikasi Model
Para pengambil keputusan merupakan aktor utama dalam tahap ini, dimana model
dioperasikan untuk mempelajari secara mendalam kebijakan yang sedang dikaji . Mereka
47
berlaku sebagai pengarah dalam proses kreatif-interaktif ini, yang juga melibatkan para
analis sistem serta spesialis dari beragam bidang keilmuan. Apabila tidak terdapat kriteria
keputusan yang khas seperti maksimisasi atau minimisasi, proses interaktif tersebut dapat
menuju kepada suatu pengkajian normatif yang bertalian dengan trade-off antar peubah-
peubah sistem. Lebih jauh, dapat ditetapkan pula kebijakan untuk secara efisien menilai
kombinasi antar beberapa output sistem.
3.5. Dasar-Dasar Diagram Blok/Kotak
Diagram blok adalah suatu pernyataan gambar yang ringkas, dari gabungan sebab
dan akibat antara masukkan dan keluaran dari suatu system.
Blok/Kotak adalah : Biasanya berisikan uraian dan nama elemennya, atau simbul
untuk operasi matematis yang harus dilakukan pada masukkan unt7uk menghasilkan
Keluaran
Tanda anak panah : Menyatakan arah informasi aliran isyarat atau unilateral. Sebagai
contoh sederhana diperlihatkan sbb:
Ciri-ciri operasi penjumlahan dan pengurangan, agar dapat digambarkan secara
khusus, maka bentuk blok seperti distas diubah menjadi sebuah lingkaran kecil yang
disebut dengan titik penjumlahan, dengan tanda plus ( + ) dan atau minus ( - ), yang
tetap sesuai dengan anak-anak panah yang memasuki lingkaran. Sedangakan
keluarannya ( Output ) adalah jumlah aljabar dari inputnya. Contoh :
48
Element
Pengendali
input
d/dt X Y= dx/dt
output
BLOK
input
output
X
Y
X+Y
Y
+
+
X
Y
X+Y+Z
Y
+
+
Z
X
Y
X-Y
+
-
Titik lepas Landas
X
X
X
X
X
X
X
Tidak melihat arah
Agar dapat menggunaka isyarat yang sama sebagai suatu mesukan oke lebih satu
blok atau titik penjumlahan digunakan sebuat titik lepas alandas. Hal ini
menunjukkan isyarat tersebut berjalan tanpa berubah sepanjang lintasan-lintasan
yang berbeda ke beberapa tujuan.
Contoh : Gambarkan diagram blok dari persamaan matematik sebagai berikut:
a). X
2
= a
1
(dx/dt ) disini ada dua operasi yang harus ditentukan yaitu a
1
dan
d/dt
a).
,
_

dt
dx
a X
1 2
b).
Pada umumnya system pengendalian praktis terdiri dari banyak komponen. Maka
untuk menyederhanakan dalm menganalisa dipakai blok diagram. Dimana tiap-tiap
komponen digambarkan oleh sebuah kotak yang mempunyai input dan output,
sedangkan didalamnya dituliskan bentuk transferfungtion dari komponennya ( Ingat
dalam fungsi S= F(s). dan kemudian ditunjukkan arah alirannya : ada 2 bagian yang
penting :
49
d/dt a1 X2
dx/dt
X
1
1
2
2
2
3
X
dt
dx
dt
x d
X +
2
2
dt
d
dt
d
X1
X2
X3
+
+
-
1. Hubungan iNput dan Output ( Transfer function )
2. Sensing ( Error detector ) suatu gambaran berupa lingkaran kecil dengan
gambar silang didalmnya, atau merupakan simbul (penjumlah dan atau
pengurangan), tergantung dari tandanya. Dengan demikian error detector
menghasilkan sinyal, yang merupakan perbedaan antra input dasar ( referent)
dan sinyal Feedback dari system control/pengaturan kea rah kendali system.
Bentuk Blok Diagram Sistem Tertutup ( Close lop System )
Dimana :
R(s) adalah Input Laplace transform
C(s) adalah Output Laplace transform
G(s) adalah Transfer function forword element
H(s) adalah TF. Feedback element
E(s) adalah Error sinyal
C(s)/R(s) adalah closed loop Transfer function
E(s)/ R(s) adalah Error Ratio
B(s)/ R(s) adalah Primaery feedback ratio
50
G(s)
Y(s), C(s), V0(s) X(s), R(s), Vi(s)
+
-
B(s)
R(s)
E(s)
+
-
G(s
)
H(s)
R(s)
E(s)
C(s)
+
-
) ( ) (
) (
) (
) (
1
s s
s
s
s
G H
G
R
C
+

3.5.1 Penyederhanaan Diagram Blok


Dalam penyederhanaan diagram blok sangat penting untuk diperhatikan,
sebab blok-blok hanya dapat dihubungkan secara seri jika keluaran sutu blok tidak
dipengaruhi oleh blok-blok berikutnya. Tetapi apabila ada pengaruh pembebanan
antar komponen maka, perlu dilakukan penggabungan dari bebrapa komponen
menjadi satu blok/kotak saja.
Untuk diagram blok yang yang melibatkan bebrapa loop berumpan balik
maju, maka selangkah demi selangkah dari komponnen-konponennya perlu
diperhatikan, dalam penyederhanaan diagram blok/kotak :
1. Hasil kali fungsi alih (transfer function )pada arah umpan maju harus tetap
sama.
2. Hasil kali fungsi alih pada pengelilingan loop harus tetap sama.
Suatu bentuk aturan umum untuk menyederhanakan diagram blok adalah
memindahkan titik cabang dan titik penjumlashan, lalu kemudian menyerhanakan
umpan balik didalamnya.
Contoh Soal :
Carilah fungsi alih ( Transfer function ) dari suatu system yang terdiri dari bentuk
gambar diagram blok/kotak system tertutup sbb:
R(s) = Input Frekuensi
C(s) = Sinyal Output
G(s) = sebagai pengontrol
H(s) = TF. dari Feedback element
E(s) = Error sinyal
A(s) = TF. dari amplifier
F(s) = TF. dari filter
B(s) = Sinyal feedback
51
G( s
)
H( s )
R( s )
E( s )
C( s )
+
-
F( s )
A( s )
) ( ) ( ) ( ) (
) (
) (
s F s A s G s G
s E
s C
p

) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
s C s H s B
s E s G s C
s B s R s E



) ( ) (
) (
1
) (
:
) ( ) ( ) ( ) (
) (
) (
) ( ) ( ) ( ) ( ) ( ) (
) (
) (
s C s H
s G
s R
takanbahwa Inputmenya
s R s C s H s R
s G
s C
s C s H s R s B s R s E
s G
s C

1
]
1

+


3.6.2 Dasar Sistem Reduksi Diagram Blok-Kotak
1. Bentuk dari Elemen bertinggkat :
Diagram asal Hasil Reduksi
2. Penambahan dan pengurangan

3. Percabangan

52
terbukti
s H s G
s G
s R
s C
maka .....
) ( ) ( 1
) (
) (
) (
...
+

G1(s) G2(s) R(s)
C(s) G1(s) xG2(s) C(s) R(s)
G1(s)
R(s) C(s)
+
+/-
G2(s) R(s)
G1(s) +/-G2(s) C(s) R(s)
R(s)
G(s
)
C(s)
-
B(s)
R(s)
G(s
)
C(s)
-
B(s)
1/G(s)
4. Starting Point
5. Sistem Loop
Soal :
Ringkaslah diagram blok dibawah kedalam untai terbuka dan tentukan fungsi alih
dari system, apabila R
(s)
sebagai input dan C
(s)
sebagai output. Kerjakan dengan cara
selangkah demi selangkah (Step by step )
53
G(s
)
H(s)
R(s)
E(s)
C(s)
+
-
) ( ) ( 1
) (
s H s G
s G
+
R(s) C(s)
B(s)
G(s
)
R(s)
C(s)
+ -
B(s)
G(s
)
R(s) C(s)
+
-
G(s
)
R(s)
G1(s)
G(s)
G3(s)
G2(s)
H1(s)
H2(s)
-
+
-
+
C(s)
R(s)
G1
(s)
G
(s)
G3
(s)
G2
(s)
H1
(s)
H2
(s)
-
+ C(s)
R
(s)
-
1/G
1
(s)
G
1
(s)xG2(s)
1+H1(s)xG1(s)xG2(s)
G3
(s)
H2
(s)/G1(s)
+ C(s)
R
(s)
-
G
1
(s)xG2(s)xG3(s)
1+H1(s)xG1(s)xG2(s)
H2(s)xG1(s)xG2(s)xG3(s)
1+ 1+H1(s)xG1(s)xG2(s)
C(s)
R
(s)
( ) ( )
( ) ( ) ( )
) ( 2 ) ( 1 ) ( 1 ) ( 3 ) ( 2 ) ( 2 ) ( 2 ) ( 1 ) ( 1
) ( 2 ) ( 1 ) ( 1 ) ( 3 ) ( 2 ) ( 1
1 1
1
) (
) (
s s s s s s s s s
s s s s s s
G G H G G H G G H
G G H G G G
s R
s C
+ + +
+


( ) ( )
) ( 3 ) ( 2 ) ( 2 ) ( 2 ) ( 1 ) ( 1
) ( 3 ) ( 2 ) ( 1
1 ) (
) (
s s s s s s
s s s
G G H G G H
G G G
s R
s C
+ +


Soal 2 :
Ringkaslah diagram blok dibawah kedalam untai terbuka dan tentukan fungsi alih
dari system, apabila R
(s)
sebagai input dan C
(s)
sebagai output. Kerjakan dengan cara
selangkah demi selangkah ( Step by step )
54

G
1(s)
xG
2(s)
xG
3(s)
1+H
1(s)
xG
1(s)
xG
2(s)
+ H
2(s)
xG
2(s)
xG
3(s)
C
(s)
R
(s)
G1(s)
G(s) G4(s
)
G2(s)
H1(s)
G3(s)
-
+
-
+
C(s)
R(s)
H2(s)
+
( ) ( )
( )
) . .( 1
.
) .( 1
) .( 1
) .( 1
.
) ( 1
) ( .
1
) .( 1
.
) ( 3 ) ( 2 ) ( 1
) ( 3 ) ( 2 ) ( 4 ) ( 1
) ( 2
) ( 3 ) ( 2 ) ( 1
) ( 2 ) ( 1 ) ( 1
) ( 3 ) ( 2 ) ( 1
) ( 3 ) ( 2 ) ( 4 ) ( 1
) ( 3 ) ( 2 ) ( 1
) ( 3 ) ( 2 ) ( 4 ) ( 1
) ( 2
) ( 3 ) ( 2 ) ( 1
) ( 3 ) ( 2 ) ( 4 ) ( 1
) (
) (
s s s
s s s s
s
s s s
s s s
s s s
s s s s
s s s
s s s s
s
s s s
s s s s
s
s
G G H
G G G G
H
G G H
G G H
G G H
G G G G
G G H
G G G G
H
G G H
G G G G
R
C
+
+
+
+ +
+ +
+ +
+

+ +
+
+
+ +
+

55
G
1(s)
G
(s)
G
4(s)
G
2(s)
H
1(s)
G
3(s)
-
+
-
+
C
(s)
R
(s)
G
1(s)
G
4(s)
G
2(s)
+G
3(s)
H
1(s)
-
+
R
(s)
-
C(s)
R
(s)
H
2(s)
+
H
2(s)
+
G
1(s)
G
4(s)
G 2(s)
+G
3(s)
1+H1(s)
(
(G2(s)+G3(s)
)
-
+
R
(s) C(s)
H
2(s)






G
1(s)
XG
4(s)x
(G
2(s)
+G
3(s)
)
1+H
1(s)
(G
2(s)
+G
3(s)
)
G
1(s)
XG
4(s)
x(G
2(s)
+G
3(s
))
1 + H
2(s)
1+H
1(s)
(G
2(s)
+G
3(s
))
C(s)
[ ] [ ]
[ ] [ ] ) .( . . ) .( 1 . ) .( 1
.( 1 . ) (
) ( 3 ) ( 2 0 ( 4 ) ( 1 ) ( 2 ) ( 3 ) ( 2 ) ( 1 ) ( 3 ) ( 2 ) ( 1
) ( 3 ) ( 2 ) ( 1 ) ( 4 ) ( 1 ) ( 2 ) ( 2
) (
) (
s s s s S s s s s s s
s s s s s s s
s
s
G G G G H G G H G G H
G G H G G G G
R
C
+ + + + + +
+ + +

3.6. Diagram Aliran Sinyal


Dalam penggambaran (Representasi) diagram kotak atau blok adalah Sangat
Baik dalam menimbulkan suatu system control, dapat juga sebagai pengganti
metode ini yaitu Dagram Aliran Sinyal atau dapat juga disebut Grafik Aliran Sinyal
Adapun yang disebut grafik aliran sinyal adalah suatu pernyataan gambar dari
persamaan-persamaan serempak yang menguraikan sebuah system secara grafis
memperagakan suatu bentuk transmisi isyarat melalui system seperti yang dilakukan
pada diagram Blok. Tetapi Grafik ini lebih mudah digambarkan atau lebih mudah
dimanipulasi daripada diagram blok atau kotak.
Maka untuk diagram aliran sinyal pada system control dikonstruksi
pemakaian Gain, sehingga akanm menghasilkan semua transfer function. Suatu
diagram aliran sinyal pada sebuah system adalah merupakan jaringan yang terdiri
dari titik hubung yang disebut dengan Node(simpul) dan ruas garis lurus yang
disebut dengan Cabang. Simpul-simpul itu dihubungkan oleh cabang yang arahnya
telah ditentukan.
Contoh: Suatu bentuk sederhana dari grafik aliran sinyal
56
Xj
Xi
Cabang
Aij
) .( . . ) ( 1 .
) .( .
) ( 3 ) ( 2 0 ( 4 ) ( 1 ) ( 2 ) ( 3 ) ( 2 ) ( 1
) ( 3 ) ( 2 ) ( 4 ) ( 1
s s s s S s S S
s s s s
G G G G H G G H
G G G G
+ + + +
+
R(s) C(s)
Jadi Xi = Aij . Xj
Variable- variable Xi dan Xj dapat merupakan fungsi-fungsi dari waktu, frekuensi
komplek atau sembarang besaran lainnya, dapat juga keduanya merupakan tetapan-
tetapan variable dalam pengertian matematis.
Sedangkan Aij adalah merupakan sebuah operator matematik yang meletakkan Xj ke
dalam Xi, dan hal tersebut merupakan bentuk dari Fungsi transmisi
Adapun konstruksi diagram aliran sinyal meliputi urutan penyebab-penyebab dan
pengarah dari hubungannya.
Misalkan: Bentuk dari diagram aliran sinyal C(s) = G(s) . R(s)
Maka diagram aliran sinyalnya adalah

R G C
Biasanya : C(s), G(s), R(s) dapat ditulis dengan cara menghilangkan tanda (s)
Sehingga dapat ditulis C, G dan R saja
Contoh :
Tinjau bentuk persamaan dibawah ini dari sekumpulan Error persamaan dan transfer
fungtion (TF)
a). X1 = R H1 . X3
b). X2 = G1 . X1 H2 . C
c). X3 = G2 . X2
d). C = G3 . X3
57
Cabang Node
Node
X2 tidak ada hubungan dengan yang lain
Dimana, X1, X2, X3 adalah merupakan node konstruksi diagram, maka diagram
aliran sinyalnya adalah:
R
X1
X2
X3
C
-H1
G2
1
R
X1
X2
X3
1
- H1
C
R
X1
X2
X3
C
1
-H2
G1
R
X
X2
X3
C
-H1
G2 G3 1
C
-H2
1 G1
Keterrangan:
Persamaan a). Dinyatakan bahwa sinyal X1 tergantung atas sinyal R dan X3, Sinyal
X3 adalah dikalikan dengan Gain -H1 yang masuk kedalam node X1 Gain -H1
adalah dinyatakan pada cabang X3 ke X1 Untuk tiga (3) persamaa yang lain dapat
diterangakan seperti diatas, Sehingga untuk memudahkan penggambaran aliran
sinyal kita tetapkan menurut dasar-dasar sebagai berikut:
1. Simpul-simpul (node) direpresentasikan/digambarkan sebagai variable
disistem dan disusun menurut rangkaian [penyebab effect dari system.
2. Sepanjang perjalanan sinyal pada cabang ditentukan arahnya
3. Sinyal yang dikirim sepanjang cabang dikalikan dengan gain dari cabang itu
4. Banyaknya variable yang dikemukakan oleh suatu node/simpul adalah sama
dengan jumlah sinyal yang masuk
5. Banyaknya variable yang dikemukakan oleh suatu node ditransmisikan atau
dikirim pada semua cabang meninggalkan simpul
58
6. Jalan maju adalah jalan node input ke node output tanpa melalui node yang
lain
7. Jalan feedback tak menyinggung atau loop yang tidak mempunyai node
bersama
8. Jalan feedback adalah permulaan jalan dan ahkir jalan dalam node yang sama
9. Gain dari suatu jalan adalah sama dengan hasil dari semua gain pada jalan itu.
Tinjaulah bentuk persamaan sebagai berikut:
X2 = a1.2 . X1 + a3.2 .X3 + a4.2 .X4+ a5.2 . X5
X3 = a23 .X2
X4 = a34 . X3+ a44 . X4
X5 = a35 . X3 + a45. X4
Dimana X1 adalah sebagai input sinyal
X2 adalah sebagai outpuy sinyal
Rumus Penguatan Massons
Adapun untuk menentukan hubungan antara variable masukkan dan variable
keluaran dalam grafik aliran sinyal, maka Rumus Penguatan Massons dapat
di[pergunakan, sebab dapat dipakai dalam penyelesaian bentuk-bentuk kasus praktis.
Dimana transmisi antara simpul masukkan dan simpul keluaran adalah merupakan
penguatan keseluruhan, atau transmisi keseluruhan antara dua buag simpul.
Dimana :
P = Semua gain, biasanya ditulis C(s)/R(s)
P
k
= Penguatan atau transmisi lintasan maju ke k
= Determinan grafik
59
k k k
k k k
P
P
P


. .
1 .

+
p j i
p j
j i
j i
i
i
L L Li L L L
, , ,
1

i
i
L
Jumlah dari semua penguatan loop yang berbeda

j i
j i
L L
,
Jumlah hasil kali penguatan dari semua, kombinasi yang mungkin dari
dua loop yang tidak bersentuhan.

p j i
p j i
L L L
, ,
Jumlah hasil kali penguatan dari semua kombinasi yang mungkin
dari
tiga loop yang tidak bersentuhan.
k = Kofactor dari determinan lintasan maju ke k dengan menghilangkan loop-
loop
yang menyentuh lintasan maju ke k
Contoh : Tinjaulah system pada gambar diagram blok seperti dibawah, cari fungsi
alih
loop tertutup C(s)/R(s). Selesaikan dengan rumus penguatan Masson

Penyelesaian:
60
G1(s) G(s)
G3(s)
G2(s)
- H2
H1(s)
H2(s)
+
+
+
-
-
+
C(s) R(s)
R(s) C(s)
G1 G2 G3
+ H1
- 1
1 1
X1 X2
X3
X4
C
)
X1 X2
X3
X4
G1(s) G(s)
G3(s)
G2(s)
H1(s)
H2(s)
+
+
+
-
-
+
C(s) R(s)
X1
X2
X3
X4
Jumlah Loop : 3 # Ada satu lintasan maju
K = 1 P
1
= G
1
. G
2
. G
3
L
1
= G
1
. G
2
. H
1
L
2
= - G
2
. G
3
. H
2
L
3
= - G
1
. G
2
. G
3
# = 1 ( L
1
+ L
2
+ L
3
)
= 1 - G
1
. G
2
. H
1
+ G
2
. G
3
. H
2
+ G1 . G
2
. G
3
Maka kofaktor (1) dari determinan lintasan maju yang menghubungkan simpul
masukkan dan keluaran diperoleh dengan menghilangkan loop-loop yang menyentuh
lintasan, karena P1 menyentuh semu loop maka ( 1= 1 )
# Untuk mencari Loop Yang tidak berhubungan adalah:
61
1
1
]
1

k
k k
P
P
3 2 1 2 3 2 1 2 1
3 2 1 1 1
1 ) (
) (
.
G G G H G G H G G
G G G P
s R
s C
P
+ +



G1(s) G3(s) G2(s)
- H2
H1(s)
H2(s)
+
+ - -
-
+
C(s) R(s)
R(s)
C(s)
G1 G2 G3
- H1
1
1
X1
X2
X3 X4
X1 X2 X3
X4
H3(s)
X5
1
- H3
Jumlah Loop : 3 # Ada satu lintasan maju
K = 1 P
1
= G
1
. G
2
. G
3
L
1
= - G
1
. H
1
L
2
= - G
2
. H
2
L
3
= - G
3
. H
3
# = 1 ( L
1
+ L
2
+ L
3
) + (L
1
x L
3
)
= 1 (G
1
.H
1
+ G
2
.H
2
+ G
3
.H
3
) + (G
1
. G
3
.H
1
.H
3
)
Maka kofaktor (
1
) dari determinan lintasan maju yang menghubungkan simpul
masukkan dan keluaran diperoleh dengan menghilangkan loop-loop yang menyentuh
lintasan, karena P1 menyentuh semua loop maka (
1
= 1 )
3.7. Model Matematis untuk Sistem Fisik
Untuk memahami sistem kendali yang ruwet, terlebih dahulu mendapat-kan
model matematisnya, yang bersifat kwantitatif. Hal ini dikarenakan oleh hubungan
antara variabel sistem dan model matematis pada sistem kendali keadaannya dapat
berbentuk dinamis, berubah-ubah. Persamaan yang sering digunakan adalah
persamaan deferensial, dan dibuat linier agar penyelesaian nya lebih mudah dengan
menggunakan tranformasi laplace. Dalam prakteknya sistem yang begitu ruwet maka
diperlukan asumsi mengenai cara kerja sistem tersebut.Oleh karena itu, diperlukan
pertimbangan suatu sistem fisis dengan membuat asumsi (pengandaian) dan
melinierkan sistem tersebut. Akhirnya dalam penyelesaian memanfaatkan beberapa
peralatan matematis.
Sebagai contoh: Sistem sederhana yang terdiri dari massa pegas dan peredam seperti
gambar di bawah:
62
1
1
]
1

k
k k
P
P
) ( ) ( 1 ) (
) (
.
3 1 3 1 3 3 2 2 1 1
3 2 1 1 1
H H G G H G H G H G
G G G P
s R
s C
P
+ + + +



Gambar di atas melukiskan oleh hukum Newton kedua untuk gerakan, maka
persamaan dapat dituliskan sebagai berikut:
K adalah tetapan pegas untuk pegas ideal dan f adalah tetapan gesek. Persamaan di
atas berbentuk persamaan diferensial kedua dengan koefisien yang tetap.
Penyelesaian persamaan diferensial yang melukiskan proses tersebut diperoleh
dengan cara klasik, seperti penggunaan faktor integral dan metoda koefisien tak
tentu. Sebagai contoh, bila massa tersebut mula-mula disimpangkan sejarak y(t)=y(0)
kemudian dilepas, maka tanggapan dinamik untuk sistem tersebut adalah kurang
teredam (underdamped) yang diperoleh persamaan sebagai berikut:
y(t)=K1 e
-

t
sin ( t + )
Dengan cara lain, suatu rangkaian listrik RLC seperti gambar di bawah dengan
menggunakan hukum Kirchoff, dapat persamaan ditulis sebagai berikut:
63
d
2
y(t) dy(t)
M + f + Ky(t) = r(t)
dt
2
dt
y
Gesekan
f
r(t)
Gaya
Massa
M
Gambar 3.1. Sistem massa-pegas-peredam
R
L
C
R(t)
Sumber
Arus
V(t)
Gambar 3.2. Rangkaian Listrik Paraleh RLC
Untuk penyelesaian rangkaian RLC di atas mirip dengan sistem mekanik pegas
yaitu sumber mengalirkan arus yang tetap r(t)=I, maka tegangannya diperoleh
v(t)=K e
-

t
cos ( t + )
Lengkung tegangan yang merupakan ciri khas suatu rangkaian RLC yang
kurang teredam seperti gambar di bawah:
3.7.1 Pendekatan Linier dari Sistem Fisis
Kebanyakan sistem-sitem fisis bersifat linier dalam batasan harga variabel
yang akhirnya akan tidak linier jika nilai dari batasan dilewati. Sebagai contoh, jika
sistem massa pegas hanya bersifat linier selama massa mengalami simpangan kecil
y(t), tetapi bila y(t) terus menerus bertambah, pegas akan terlalu terentang dan putus.
Hal ini, persoalan kelinieran dari batasan (range) penggunaannya harus
diperhitungkan untuk tiap sistem.
Suatu sistem dapat didefinisikan sebagi linier ditinjau dari tanggapan dan
penguatannya. Untuk rangkaian listrik, sebagai penguatannya adalah arus listrik
masukkan r(t), sedangkan sebagai respon adalah tegangan v(t). Jadi kelinieran dari
sistem tergantung dari penguatan x(t) dan respon y(t). Jika sistem pada kondisi
awalnya dikuatkan x
1
(t) maka akan memberikan respon y2(t), dan jika sistem adalah
64
v(t) dv(t) 1
+ C + intg v(t) dt = r(t)
R dt L
0
Tegangan
V(t)
e
- t
Waktu (t)
2(
)
Gambar 3.3. Kurva tegangan dr Rangk. RLC yang
kurang teredam
linier diberikan penguat x
1
(t)+x
2
(t) dan respon yang diterjadi y
1
(t)+y
2
(t), hal ini
disebut prinsip superposisi.
Untuk sistem yang dicirikan oleh hubungan y=x
2
tidaklah linier karena sifat
superposisi dan sifat kebersamaan. Sistem yang digambarkan oleh persamaan y=mx
+ b dikatakan tidak linier, tetapi sistem ini dapat dianggap linier sekitar titik kerja x
0
,
y
0
untuk perubahan kecil x dan y. bila x=x
0
+ x, y=y
0
+ y kita dapatkan
y=mx + b
atau
y
0
+ y = mx
0
+ m x + b
karena y = m x memenuhi syarat maka sistem dikatakan linier.
Contoh. Perhatikan osilator bandul seperti gambar di bawah menghasilkan torsi pada
massa sebesar:
MgLSin T
g adalah tetapan gaya tarik bumi, keseimbangan terjadi bila massa
0
= 0
0
hubungan
tak linier antara T dan ditunjukkan secara grafis turunan pertama yang dihitung
pada titik keseimbangan kelihatan hampir linier.
65
( )
( )
( )( )



MgL
Cos MgL
Sin
MgL T

0 0
0 0
0
0
Pendekatan dapat dilakukan ketentuan sebegai berikut:
Transformasi Laplace
Untuk memperoleh pendekatan linier penggunaan transformasi laplace pada
sistem fisik menyederhanakan persamaan deferensial yang dimaksudkan
mempermudah dalam penyelesaian persoalan yang rumit. Penyelesaian respon waktu
(fungsi waktu) didapatkan pada tahapan sebagai berikut:
1. Persamaan diferensial;
2. Transformasi Laplace untuk persamaan diferensial;
3. Menyelesaikan persamaan aljabar yang didapatkan.
Pembahasan singkat keberadaan transformasi Laplace yang sering dijumpai
dalam menggambarkan penurunannya, sebagai contoh:
f(t) = fungsi waktu t sedemikian rupa sehingga f(t)=0 untuk t<0;
s = variabel komplek;
= simbul operator yang menunjukkan bahwa besaran yang ditrans-
formasikan dengan integral Laplace;
F(s) = fungsi waktu t sedemikian rupa sehingga f(t)=0 untuk t<0;
Selanjutnya transformasi laplace dari f(t)
[f(t)] = F(s) =

e
-st
dt[f(t)] =

f(t) e
-st
dt
Contoh:
66

-

-
- /2
/2

Panjang L
Massa M

Gambar 3.4. Bandul mekanik


1. Fungsi exponensial
f(t) = 0 untuk t<0
= A e
-

t
untuk t 0
A dan adalah konstanta. Transformasi Laplace dari f(t) diperoleh sebagai berikut:
[f(t)] =

A e
-

t
e
-st
dt[f(t)] = A

e
-(

+s)t
dt
A
=
S +
Terlihat bahwa fungsi eksponensial menghasilkan satu pole pada bidang
kompleks. Dalam melakukan integrasi ini dianggap bagian nyata dari s lebih besar
dari - .
3.7.2 Fungsi Transfer untuk Sistem Linier
Fungsi transfer suatu sistem linier didefinisikan sebagai hasil bagi transformasi
laplace dari variabel keluaran dengan masukan dengan seluruh syarat mula (initial
Condition) dianggap sama dengan nol. Fungsi transfer hanya dapat didefinisikan
untuk sistem linier dan stasioner (berparameter tetap).
Fungsi transfer waktu suatu jaringan RC seperti gambar di bawah dengan
menggunakan hukum Kirchoff akan menghasilkan persamaan sebagai berikut:
) (
1
) (
Keluaran Respon
) (
1
) (
1
1
s I
Cs
s V
s I
Cs
R s V

1
]
1

+
Dengan menyelesaikan dua persamaan di atas maka diperoleh:
) (
/ 1
/ 1
) (
1 2
s V
Cs R
Cs
s V
+

Maka fungsi transfer diperoleh sebagai perbandingan V


2
(s)/V
1
(s)
67
R
C
V
1
V
2
Gambar 3.5. Rangk. Listrik RC tanpa beban

/ 1
/ 1

1
1

1
1
) (
) (
) (
2
2
+

+

s s
RCs s V
s V
s G

adalah tetapan waktu pada jaringan.
Jika diamati rangkaian tersebut di atas merupakan suatu pembagi tegangan:
Contoh:
1. Jika V
1
(s) sebagai masukkan diberi fungsi denyut (t)=1 maka V
2
(s) diperoleh:

/ 1
/ 1
1
/ 1
/ 1
) (
) (
/ 1
/ 1
) (
2
1 2
+

s s
t V
t V
s
t V
dengan menggunakan transformasi Laplace diperoleh:
t
e t V

/ 1
2
1
) (

Jika V
1
(s) sebagai masukkan diberi fungsi Step u (t)=1/s maka V
2
(s) diperoleh:
) / 1 (
/ 1 1
/ 1
/ 1
) (
) (
/ 1
/ 1
) (
2
1 2

s s s s
t V
t V
s
t V
dengan menggunakan transformasi Laplace diperoleh:
t
e t V

/ 1
2
1
1 ) (


2. Suatu rangkaian RLC di bawah ini yang terdiri dari suatu induktansi L(henry)
tahanan R (Ohm), dan kapasitansi C (farad) dengan mengguna-kan hukum
Kirchoff pada sistem kita peroleh persamaan:
68
V
2
(s) Z
2
(s)
= Z
1
(s)= R; Z
2
(s)= 1/Cs
V
1
(s) Z
1
(s) + Z
2
(s)
C
R
L
V
2
V
1
Gambar 3.6. Rangk. Listrik Seri RLC
dengan mencari Transformasi Laplace dari persamaan di atas, dan menganggap
syarat awal nol maka
) ( ) (
1 1
) ( ) (
1 1
) ( ) (
2
1
s V s I
s C
s V s I
s C
s RI s LsI

+ +
Jika V
1
dianggap sebagai masukan dan V
2
sebagai keluaran, maka fungsi alih dari
sistem diperoleh:
1
1

/ 1
/ 1
) (
) (
2
1
2
+ +

+ +

Rs LCs
Cs R Ls
Cs
s V
s V
Persamaan di atas dari penyebut akan diperoleh dua akar nyata jika R
2
>4LC, satu
akar nyata jika R
2
=4LC dan imajiner R
2
<4LC
3. Tinjau sistem pada gamabar 7, V
1
adalah masukan dan V
2
keluaran, pada
rangkaian tingkat dua (R
2
C
2
) akan berpengaruh pembebanan pada tingkat pertama
(R
1
C
1
).

+
+
2 2
2
2 2 1 2
1
1 1 1 2 1
1
1
) (
1
) (
1
V dt i
C
i R dt i i
C
V i R dt i i
C
Dengan mengeliminasi I
1
(s) dan I
2
(s) dari persamaan di atas kita peroleh bahwa
fungsi alih antara V
1
(s) dan V
2
(s) adalah
69
2
1
1
1
V idt
c
V idt
c
Ri
dt
di
L

+ +
R
1
C
1
V
1
V
2
Gambar 3.7. Rangk. Listrik RC dg beban
C
2
R
2
i
1
I
2
( )( )
( )

1
1

1 1
1
) (
) (
2 1 2 2 1 1
2
2 2 1 1
2 1 2 2 1 1 1
2
+ + + +

+ +

s C R C R C R s C R C R
s C R s C R s C R s V
s V
Bentuk R
1
C
2
s pada penyebut dari fungsi alih menyatakan interaksi dua rangkaian
RC sederhana, jika (R
1
C
1
+ R
2
C
2
+ R
1
C
2
)
2
> 4 R
1
C
1
R
2
C
2
maka dua akar dari
persamaan adalah nyata
70
Contoh
1.
C R R
S
S
R R
R
s V
s V
C R R
S
S
C R R
C R
CS R R
CS R
s I
CS
s I R R
s I R
s V
s V
s I R s V
s I
CS
s I R R s V
i
o
i
o
o
i
) (
1
) ( ) (
) (
) (
1
) (
1 ) (
) (
1
) ( ) (
) (
) (
) (
) ( ) (
) (
1
) ( ) ( ) (
2 1
2 1
2
2 1
2 1
2
2 1
2
2 1
2
2
2 1
+
+

,
_

+
+
+

+ +

+ +

+ +
Jika sumber (V
i
) diberi sinyal 1/S maka diperoleh persamaan:
C R R
S
R R
R
V
S
x
C R R
S
S
R R
R
V
o
o
) (
1
1
) (
1
) (
1
) (
2 1
2 1
2
2 1
2 1
2
+
+

,
_

+
+

,
_

Dengan menggunakan persamaan Laplace diperoleh


at
o
e
R R
R
t V

,
_

2 1
2
) (
71
V
o
V
i
Gambar 3.8. Rangk. Listrik Seri RC
R
1
R
2
C
2.
C L L
S
S
L L
L
s V
s V
C L L
S
S
C L L
C L
CS L L
CS L
s I
CS
s SI L L
s SI L
s V
s V
s I L s V
s I
CS
s I L L s V
i
o
i
o
o
i
) (
1
) ( ) (
) (
) (
1
) (
1 ) (
) (
1
) ( ) (
) (
) (
) (
) ( ) (
) (
1
) ( ) ( ) (
2 1
2
2
2 1
2
2 1
2
2
2 1
2
2
2 1
2
2
2 1
2
2
2 1
+
+

,
_

+
+
+

+ +

+ +

+ +
Jika sumber (V
i
) diberi sinyal 1/S
2
maka diperoleh persamaan
C L L
S
L L
L
V
S
x
C L L
S
S
L L
L
V
o
o
) (
1
1
) (
1
) (
1
) (
2 1
2
2 1
2
2
2 1
2
2
2 1
2
+
+

,
_

+
+

,
_

Jika
C L L ) (
1
2 1
+
merupakan variabel kuadrat maka pers. Laplace
a
at Sin

1
2 2

+a S
Dengan menggunakan persamaan Laplace diperoleh
a
at Sin
L L
L
t V
o

) (
2 1
2

,
_

72
V
o
V
i
Gambar 3.9. Rangk. Listrik Seri LC
L
1
L
2
C
3.
( )
( )
K S
L
R
S
K
s V
s V
maka
C C L
K Jika
C C L C C L
S C C R
S
C C L s V
s V
S C C R S C C L s V
s V
S C C L S C C R
s I
S C C
LS R
S C C
s I
s V
s V
S C C
s I
s V
s I
S C C
LS R s I
S C S C
LS R s V
i
o
i
o
i
o
i
o
o
i
+ +

+
+
+
+
+

,
_

+ + + +

+ + + +

,
_

+
+ +
+

,
_

+
+ +

,
_

+ + +
2
2 1
2 1 2 1
2 1 2
2 1
2 1
2
2 1
2
2 1 2 1
2 1
2 1
2 1
2 1 2 1
) (
) (

) (
1

) (
1
) (
) (
1
) (
1
) (
) (
1 ) ( ) (
1
) (
) (
1 ) ( ) (
1
) (
) (
1
) (
) (
) (
) (
) (
) (
) (
) (
) (
1
) (
1 1
) (
Jika sumber (V
i
) diberi sinyal 1/S maka diperoleh persamaan
) (
1
2 2
K
L
R
S S
K
S
x
K
L
R
S
K
V
o
+ +

+ +

Jika B>4ac akan diperoleh


) )( (
1
b S a S S + +

Dengan menggunakan persamaan Laplace diperoleh

,
_

+
)
(
1
1
1
) (
bt at
o
ae be
b a ab
t V
4.
73
V
o
V
i
Gambar 3.10. Rangk. Listrik Seri RLC
R
L
C
1
C
2
V
o
V
i
Gambar 3.11. Rangk. Listrik Seri RLC
R
L
C
L L
RCS
S
CS
s V
s V
RCS LS
LCS
RCS LS
CS LS
s I
CS
LS R
s I LS
s V
s V
s I LS s V
s I
CS
LS R s V
i
o
i
o
o
i
1
) (
) (
1 1
) (
1
) (
) (
) (
) ( ) (
) (
1
) (
2
2
2
2
2
+ +

+ +

+ +

,
_

+ +

,
_

+ +
Jika sumber (V
i
) diberi sinyal 1/S maka diperoleh persamaan
L L
RCS
S
CS
S
x
L L
RCS
S
CS
V
o
1
1
1
2 2
2
+ +

+ +

Dengan menggunakan persamaan Laplace diperoleh


( )
)
) (
at bt
o
ae be
a b
C
t V

Jika sumber (V
i
) diberi sinyal 1/S
2
maka diperoleh persamaan
L L
RCS
S
C
S
x
L L
RCS
S
CS
V
o
1
1
1
2
2
2
2
+ +

+ +

Dengan menggunakan persamaan Laplace diperoleh


( )
)
) (
bt at
o
e e
a b
C
t V

74
5.
2
2 2 1 2
2
2
2
2 2
2 1 2
2
2 2
2 1 2
2
2
2
2 1
2
2
2 1
2
2
2 1
2
2
2 1
2
2
2 1
1 ) (
1
1 ) (
1
) (
) (
1 ) (
1
1
1
1 ) (
1
) (
) (
1 ) (
1
1 ) (
)
1
(
) (
1
) ( )
1
(
) (
) (
) ( )
1
( ) (
) (
1
( ) (
L
S
L
C R R R
S
S
L
C R
L
C R
L
C R
x
CL R
S
C R
C R R
S
C R
L
S
s V
s V
CL R C R
CS R R
S
C R
L
S
C R
C R
x
CS R R LS
CS R
s V
s V
CS R R LS
CS R
CS R R LS
CS
CS
R
s I
CS
LS R R
s I
CS
R
s V
s V
s I
CS
R s V
s I
CS
LS R R s V
i
o
i
o
i
o
o
i
+
+
+
+

,
_

+
+
+
+

+
+
+
+

,
_

,
_

+ + +
+

+ + +
+

+ + +
+

,
_

+ + +
+

,
_

+ + +
Jika sumber (V
i
) diberi sinyal 1 maka diperoleh persamaan
2
2 2 1 2
2
1 ) (
1
) (
L
S
L
C R R R
S
S
L
C R
t V
o
+
+
+
+

,
_

Dengan menggunakan persamaan Laplace diperoleh


......... .......... .......... ) ( t V
o
75
Vo
Vi
Gambar 3.12. Rangk. Listrik Seri RLC
L
C
R2
R1
6.
1
1
) (
) (
1
1
1
1
) (
1
) (
1
) (
) (
) (
1
) (
) (
1
) (
2
2
2
2
+ +
+

+ +
+

,
_

+ +

,
_

,
_

,
_

+ +
S
L
R
S
LC
S
s V
s V
LC
LC
x
RCS LCS
LCS
CS
CS
x
s I
CS
LS R
s I
CS
LS
s V
s V
s I
CS
LS s V
s I
CS
LS R s V
i
o
i
o
o
i
Jika sumber (V
i
) diberi sinyal 1 maka diperoleh persamaan
.......... .......... ..........
o
V
76
Vo
Vi
Gambar 3.13. Rangk. Listrik Seri RLC
R
L
C
L
Data hujan, tanah, topo
grafi, tanaman, landuse
Faktor R
Faktor K
Faktor LS
Evaluasi Erosivitas
Evaluasi erodibilitas
Kesesuaian lahan
Tanaman yg
sesuai
Pemetaan dan eva-
luasi satuan lereng
Pendugaan erosi
Indeks bahaya erosi
RKLS,
IBE
Evaluasi neraca le-
ngas lahan setahun
Evaluasi pola pergi-
liran tanaman
EVALUASI AGROTEKNOLOGI
Faktor P
Saran agrotekno-
logi yg sesuai
Gambar 3.14. Diagram alir formulatif untuk menemukan agro teknologi yang aman
erosi dan layak ekonomi (Soemarno, 1991).
R K L S C P R
K
L S
C P

Gambar 3.15. Diagram kotak perhitungan dugaan kehilangan tanah di suatu bidang lahan
(Soemarno, 1991).
77
BAB IV
ANALISIS RESPON TRANSIEN
4.1. Karakteristik Respon
Adalah ciri-ciri khusus perilaku dinamik (spesifikasi performansi) Tanggapan
(respon) output sistem yang muncul akibat diberikannya suatu sinyal masukan
tertentu yang khas bentuknya (disebut sebagai sinyal uji).
4.2. Klasifikasi Respon Sistem
Berdasarkan sinyal bentuk sinyal uji yang digunakan, karakteristik respon sistem
dapat diklasifikasikan atas dua macam, yaitu: Karakteristik Respon Waktu (Time
Respons), adalah karakteristik respon yang spesifikasi performansinya didasarkan
pada pengamatan bentuk respon output sistem terhadap berubahnya waktu. Secara
umum spesifikasi performansi respon
waktu dapat dibagi atas dua tahapan pengamatan, yaitu; Spesifikasi Respon
Transient,adalah spesifikasi responsistem yang diamati mulai saat terjadinya
perubahan sinyalinput/gangguan/beban sampai respon masuk dalamkeadaan steady
state. Tolok ukur yang digunakan untukmengukur kualitas respon transient ini antara
lain; rise time,delay time, peak time, settling time, dan %overshoot.Spesifikasi
Respon Steady State, adalah spesifikasirespon sistem yang diamati mulai saat respon
masuk dalam keadaan steady state sampai waktu tak terbatas (dalampraktek waktu
pengamatan dilakukan saat TS t 5TS).Tolok ukur yang digunakan untuk
mengukur kualitas responsteady state ini antara lain; %eror steady state baik
untukeror posisi, erorkecepatan maupun eror percepatan.
Karakteristik Respon Frekuensi (Frequency Respons), adalah karakteristik respon
yang spesifikasi performansinya didasarkanpengamatan magnitude dan sudut fase
dari penguatan/gain(output/input) sistem untuk masukan sinyal sinus (A sin wt),
padarentang frekuensi w = 0 s/d w = . Tolok ukur yang digunakan untukmengukur
kualitas respon frekuensi ini antara lain; Frequency GainCross Over, Frequency
Phase Cross Over, Frequency Cut-Off(filter), Frequency Band-Width (filter), Gain
Margin, Phase Margin,Slew-Rate Gain dan lain-lain.
78
4.3. Karakteristik Respon Waktu Sistem Orde I dan Sistem Orde II
Respon output sistem orde I dan orde II, untuk masukan fungsi Impulsa,step, ramp
dan kuadratik memiliki bentuk yang khas sehingga mudahdiukur kualitas responnya
(menggunakan tolok ukur yang ada). Padasistem orde tinggi umumnya memiliki
bentuk respon yang kompleks atautidak memiliki bentuk respon yang khas, sehingga
ukuran kualitas sulit ditentukan.Meskipun demikian, untuk sistem orde tinggi yang
ada dalam praktek(sistem yang ada di industri), umumnya memiliki respon
menyerupai ataudapat didekati dengan respon orde I dan II. Untuk sistem yang
demikiandapatlah dipandang sebagai sistem orde I atau II, sehingga ukuran kualitas
sistem dapat diukur dengan tolok ukur yang ada.
4.3.1. Karakteristik Respon Impulsa (Impuls Respon)
Adalah karakteristik sistem yang didapatkan dari spesifikasi respon output terhadap
masukan impulsa.
Respon Impulsa sistem orde I
Suatu sistem orde I, dapat digambarkan sebagai berikut:
Transfer Function (TF) sistem dapat dituliskan sebagai:
Untuk masukan x(t) = Ad(t) atau X(s) = A, maka respon output sistem dapat
dituliskan dan digambarkan sebagai berikut:
79
Respon Impulsa sistem orde II
Suatu sistem orde II, dapat digambarkan sebagai berikut: Transfer Function (TF)
sistem dapat dituliskan sebagai:
Untuk masukan x(t) = Ad(t) atau X(s) = A, maka respon output sistem dapat
dituliskan dan digambarkan sebagai berikut:
5.2.2. Karakteristik Respon Step (Step Respon)
Adalah karakteristik sistem yang didapatkan dari spesifikasi respon output terhadap
masukan Step.
a. Respon Step Sistem Orde I
Suatu sistem orde I, dapat digambarkan sebagai berikut:Transfer Function (TF)
sistem dapat dituliskan sebagai:
80
Untuk masukan x(t) = Am(t) atau X(s) =A/S, maka output sistem dalam fungsi s
dapat dituliskan sebagai berikut:
Dengan demikian respon y(t) dapat dituliskan dan digambarkan sebagai berikut:
a.1. Spesifikasi Respon Step Sistem Orde I
Spesifikasi respon step sistem orde I dapat dinyatakan dalam duamacam spesifikasi
yaitu: spesifikasi respon transient (0 t 5Ts)dan spesifikasi respon steady state (t
<= 5Ts) yang di ukur melalui %eror posisi pada keadaan tunak (steady state). Secara
umum respon step sistem orde I dapat di gambarkan sebagai berikut:
81
a.2. Spesifikasi Respon Transient Sistem Orde I
Terdapat beberapa macam ukuran kualitas respon transient yang lazim digunakan,
a.l.:
Time Constan (t) : Ukuran waktu yang menyatakan kecepatan respon, yang di ukur
mulai t = 0 s/d respon mencapai 63,2% (e-1x100%) dari respon steady state.
Rise Time (TR) : Ukuran waktu yang menyatakan keberadaan suatu respon, yang di
ukur mulai respon 5% s/d 95% dari respon steady state (dapat pula 10% s/d 90%).
TR = t Ln 19 (5%95%), atau TR = t Ln 9 (10%-
90%)
Settling Time (TS): Ukuran waktu yang menyatakan respon telah masuk 5% atau
2% atau 0,5% dari respon steady state. Ts( 5%) = 3t ; Ts( 2%) = 4t atau Ts(
0,5%)= 5t
Delay Time (TD) : Ukuran waktu yang menyatakan faktor keterlambatan respon
output terhadap input, di ukur mulai t = 0 s/d respon mencapai 50% dari respon
steady state.TD = t Ln2Td
a.3. Spesifikasi Respon Steady State Sistem Orde I
Spesifikasi respon steady state di ukur melalui %eror posisi pada
b. Respon Step Sistem Orde II
Suatu sistem orde II, dapat digambarkan sebagai berikut:Transfer Function (TF)
sistem dapat dituliskan sebagai:
Untuk masukan x(t) = Am(t) atau X(s) =A/S, maka output sistem dalam fungsi s
dapat dituliskan sebagai berikut:
82
Tampak bahwa sifat dua akar karakteristik sistem s2 dan s3tergantung pada harga x,
di mana; jika x>1 kedua akar berharga real dan berbeda, disebut sebagai sistem
over-damped; jika x=1 kedua akar berharga real dan sama, disebutsebagai sistem
critically-damped; jika x<1 kedua akar merupakan konjugasi kompleks,Disebut
sebagai sistem under-damped;
X(s) Y(s)
b.1. Respon Step Sistem Orde II Over-Damped (x>1)
Dengan menggunakan teknik pecahan partial serta inversi transformasi Laplace, y(t)
dapat dituliskan sebagai:
Dengan demikian y(t) dapat digambarkan seperti gambar berikut:
1
Kesimpulan,
83
Tampak bahwa respon sistem menyerupai respon sistemorde satu, oleh karena itu
spesifikasi respon sistem yang Digunakan adalah spesifikasi respon sistem orde
satu. Sistem orde dua dengan koefisien redaman x > 1, dapat Didekati dengan
model orde I, dengan gain over-all K Sama dengan sistem semula dan time constant
t* adalahwaktu yang dicapai respon pada 63,2% dari keadaan steady state. Model
pendekatan tersebut disebut sebagai
Model Reduksi.
Pengembangan dari pengertian di atas, tiap sistem ordetinggi yang memiliki respon
menyerupai atau dapatdidekati dengan respon sistem orde I, model sistem dapat
direduksi menjadi model orde I.
b.2. Respon Step Sistem Orde II Critically-Damped (x=1)
Dengan menggunakan teknik pecahan partial serta inversitransformasi Laplace, y(t)
dapat dituliskan sebagai:
Dengan demikian y(t) dapat digambarkan seperti gambar berikut:
Kesimpulan,
Tampak bahwa respon sistem menyerupai respon sistemorde satu, oleh karena itu
sama seperti kesimpulan sebelumnya, sistem orde dua dengan koefesien redaman
x = 1, dapat didekati dengan model reduksi orde I, seperti berikut :

84
b.3. Respon Step Sistem Orde II Under-Damped (x<1)
Dengan menggunakan teknik pecahan partial serta inversi transformasi Laplace, y(t)
dapat dituliskan dan digambarkan sebagai berikut :
b.4. Spesifikasi Respon Step Sistem Orde II
Seperti juga pada sistem orde I, spesifikasi respon step sistem orde II dapat
dinyatakan dalam dua macam spesifikasi yaitu: spesifikasi respon transient dan
spesifikasi respon steady state. Secara umum respon step sistem orde II dapat di
gambarkan sebagai berikut:
b.5. Spesifikasi Respon Transient Sistem Orde II
Terdapat beberapa macam ukuran kualitas respon transient yanglazim digunakan,
a.l.:
85
Time Constan (t) : Ukuran waktu yang di ukur melalui responfungsi selubung yaitu
mulai t = 0 s/d responmencapai 63,2% (e-1x100%) dari responsteady state.
Rise Time (TR) : Ukuran waktu yang di ukur mulai respon mulai t= 0 s/d respon
memotong sumbu steady state yang pertama.
Settling Time (TS): Ukuran waktu yang menyatakan respon telah
masuk 5% atau 2% atau 0,5% dari respon steady state.
Delay Time (TD) : Ukuran waktu yang menyatakan faktor
keterlambatan respon output terhadap input, di ukur mulai t = 0 s/d respon mencapai
50% dari respon steady state.

Overshoot (MP) : Nilai relatif yang menyatakan perbandingan harga maksimum
respon yang melampaui harga steady state dibanding dengan nilai
steady state.
Time Peak (TP) : Ukuran waktu diukur mulai t = 0 s/d respon mencapai puncak
yang pertama kali (paling besar).
b.6. Spesifikasi Respon Steady State Sistem Orde II
Seperti juga pada sistem orde I, pada sistem orde II spesifikasi respon steady state di
ukur melalui %eror posisi pada keadaan tunak :
86
Karakteristik Respon Waktu Sistem Orde Tinggi
Respon output sistem orde tinggi umumnya memiliki bentuk respon yang kompleks
atau tidak memiliki bentuk respon yang khas, sehingga ukuran kualitas sulit
ditentukan. Meskipun demikian, untuk sistem orde tinggi yang ada dalam praktek
(sistem yang ada di industri), umumnya memiliki respon menyerupai atau dapat
didekati dengan respon orde I dan II. Untuk sistem yang demikian dapatlah
dipandang sebagai sistem orde I atau II, sehingga ukuran kualitas sistem dapat diukur
dengan tolok ukur yang ada sebagai mana dilakukan pada sistem orde I dan orde II.
Analisa Transient Sistem Dengan Menggunakan Matlab
PERCOBAAN I
1.Judul : Analisa Transient Sistem Dengan Menggunakan Matlab
2. Tujuan
(a)Mempelajari penggunaan Matlab untuk melihat response transient dari suatu
sistem
(b)Mempelajari dan melihat kinerja transient dari suatu sistem
3. Prinsip Dasar
3.1. Matlab
Matlab adalah suatu program untuk menyelesaikan perhitungan-perhitungan ilmiah
maupun teknik secara numerik. Matlab dibuat oleh Math Work Inc, dan disediakan
dalam berbagai versi untuk berbagai jenis komputer, baik dalam versi DOS,
Window, Unix, dan sebagainya. Selain itu, matlab juga dikendalikan oleh comand-
comand tertentu sehingga dapat diprogram dengan menggunakan teknik-teknik
khusus yang berbasis matrik untuk menyelesaikan suatu persoalan. Olehkarenanya
program didalam matlab tidak sesulit dan serumit program bahasa lainnya, dan
solusinya mirip/sesuai dengan yang dikerjakan secara matematis.
Matlab menyediakan beberapa tool box, salah satunya adalah control system tool
box. Dalam control system tool box ini terdapat lebih dari 40 fungsi untuk
menganalisis teknik control, dan dalam praktikum ini akan digunakan fungsi-fungsi
87
tersebut untuk melihat response transient suatu sistem.
Karena matlab merupakan teknik pemograman yang berbasis matrik, maka penulisan
datanya dalam bentuk matrik yang dinyatakan dalam tanda [ ]. Untuk vektor baris,
bilangan-bilangannya dipisahkan dengan tanda blank atau koma, sedangkan untuk
vektor kolom, bilangan-bilangannya dipisahkan dengan titik koma.
Contoh :
Penulisan vektor baris :
X=[1 3 4 5] atau X=[1,3,4,5]
Hasilnya adalah :
X=
1 3 4 5
Penulisan vektor kolom :
X=[1;3;4;5]
Hasilnya adalah :
X=
1
3
4
5
Penulisan matrik 3x3 :
X=[1 2 3;4 5 6;7 8 9]
Hasilnya adalah :
X=
1 2 3
4 5 6
7 8 9
3.2.ResponTransient
Suatu sistem yang mendapat masukan, akan mengalami keadaan transient (peralihan)
sebelum mencapai keadaan setimbang yang baru. Pada saat keadaan transient
tersebut, maka sistem berada dalam keadaan yang perlu diwaspadai, karena sistem
tersebut akan mudah jatuh ke keadaan tidak-stabil. Karena itu, keadaan transient
88
merupakan fenomena yang secara serius diperhatikan bagi pengamat dan perancang
sistem kontrol, apapun jenis sistemnya.Dengan mengamati keadaan transient, maka
akan dapat diketahui dua hal,yaitu :
1.Karakteristik sistem atau kinerja peralihan (system performance)
2.Dapat merancang kontroler yang sesuai dengan keadaan peralihan tersebut, apabila
kriteria-kriteria perancangannya dinyatakan dengan jelas secara kwantitatif.
Untuk melihat tanggapan peralihan (response transient) dari suatu sistem, umumnya
jenis masukan (input) yang diberikan kepada sistem ada 2, yaitu :
1. Masukan Tangga Satuan (Unit Step Function)
(t) = 1 (t >0)
= 0 (t yang lain)
2. Masukan Impulse Satuan (Unit Impulse Function)
= 0 ( t yang lain)
3.2.1. Sistim Orde Satu
Gambar 1.1. Rangkaian RC
Persamaan matematika dari rangkaian listrik pada gambar 1.1 setelah di laplacekan
dengan semua kondisi awal sama dengan nol adalah :
Untuk melihat transient response dari sistem orde satu tersebut dengan menggunakan
matlab jika input-nya (Vi) adalah unit step function, dapat digunakan program
matlab sebagai berikut :
num= 1;
den=[0.02 1];
grid
step(num,den)
xlabel(t-det)
ylabel(Vo(t))
title(unit-step response of H(S)=1/0.02S+1)
Untuk melihat transient response dari sistem orde satu tersebut dengan menggunakan
matlab jika input-nya (Vi) adalah unit impulse function, dapat digunakan program
89
matlab sebagai berikut :
num= 1;
den=[0.02 1];
grid
impulse(num,den)
xlabel(t-det)
ylabel(Vo(t))
title(unit-impulse response of H(S)=1/0.02S+1)
3.2.2. Sistem Orde 2
Jika suatu sistem orde dua mempunyai fungsi alih sebagai berikut:
Maka untuk melihat transient response dari sistem orde dua tersebut dengan input
unit step function, dapat digunakan program matlab. Penulisan program untuk
melihat response transientnya dalam matlab adalah sebagai berikut :
num=[25];
den=[1 6 25];
t=0:0.02:2;
c=step(num,den,t);
plot(t,c)
Xlabel(t-det)
Ylabel(c(t))
Grid
Title(unit-step response of H(s)=25/s^2+6s+25)
Sedangkan jika inputnya adalah unit-impulse function, maka program matlab yang
digunakan sama dengan program matlab diatas, hanya inputnya saja yang digantikan
menjadi :
step(num,den)
Hasil response transient dari sistem orde dua untuk input unit-impulse function
adalah seperti pada gambar 1.5.
3.3. Kinerja Peralihan
Untuk mengetahui ukuran kinerja peralihan dari suatu sistem dengan input unit-step
90
function, maka perlu memperhatikan hal-hal berikut ( response-nya terlihat pada
gambar 6.6 ) :
Waktu tunda (Delay time), td
Waktu yang diperlukan oleh response untuk mencapai dari tanggapan akhir
Waktu naik (Rise time), tr
Waktu yang diperlukan oleh response untuk naik dari 10-90 %,5-95 %,
atau 0-100 %.
Waktu puncak (peak time), tp
Waktu yang diperlukan oleh response untuk mencapai puncak lewatan pertama kali
(Persen) lewatan maksimum, Mp
harga puncak maksimum dari response yang diukur dari satu. Bila keadaan tunak
tidak sama dengan satu, maka biasanya digunakan persen lewatan maksimum,
dengan rumus:
Besarnya % lewatan maksimum secara langsung menunjukkan kestabilan relatif dari
suatu sistem.
Ukuran kinerja peralihan dari sistem orde 2 dengan transient response seperti pada
gambar 1.4 adalah sebagai berikut :
- Peak time : 0.791
- Delay time : 0.273
- Settling time : 1.19
- Rise time : 0.371
- Persen overshoot : 9.47 %
4. Alat-alat yang dibutuhkan
Personal Computer : 1
Software Matlab : 1
91
BAB V.
AKSI KONTROLER PID
In this tutorial, we will consider the following unity feedback system:
The three-term controller
The transfer function of the PID controller looks like the following:
where Kp is the proportional gain, Ki is the integral gain, and Kd is the derivative
gain. First, let's take a look at the effect of a PID controller on the closed-loop system
using the schematic above. To begin, the variable e is the tracking error or the
difference between the desired reference value (r) and the actual output (y). The
controller takes this error signal and computes both its derivative and its integral. The
signal which is sent to the actuator (u) is now equal to the proportional gain (Kp)
times the magnitude of the error plus the integral gain (Ki) times the integral of the
error plus the derivative gain (Kd) times the derivative of the error.
Generally speaking, for an open-loop transfer function which has the canonical
second-order form of:
a large Kp will have the effect of reducing the rise time and will reduce (but never
eliminate) the steady-state error. Integral control (Ki) will have the effect of
92
eliminating the steady-state error, but it will make the transient response worse. If
integral control is to be used, a small Ki should always be tried first. Derivative
control will have the effect of increasing the stability of the system, reducing the
overshoot, and improving the transient response. The effects on the closed-loop
response of adding to the controller terms Kp, Ki and Kd are listed in table form
below.
CL RESPONSE RISE TIME OVERSHOOT SETTLING TIME S-S ERROR
Kp Decreases Increases No Change Decreases
Ki Decreases Increases Increases Eliminates
Kd No Change Decreases Decreases No Change
Note that these correlations are not exactly accurate, because Kp, Ki, Kd are related
to each other. Changing one of these variables can change the effect of the other two.
For this reason, the table should only be used as a reference when you are
determining the values for Ki, Kp and Kd by trial & error.
Open-loop step response
Many PID controllers are designed by the trial & error selection of the variables Kp,
Ki, and Kd. There are some rules of thumb that you can consult to determine good
values to start from; see your controls book for some explanations of these
recommendations.
Suppose we have a second-order plant transfer function:
Let's first view the open-loop step response. To model this system into Matlab, create
a new m-file and add in the following code:
num=1;
den=[1 10 20];
step(num,den)
93
The DC gain of the plant transfer function is 1/20, so 0.05 is the final value of the
output for a unit step input. This corresponds to a steady-state error of 0.95, quite
large indeed. Furthermore, the rise time is about one second, and the settling time is
about 1.5 seconds. Most likely, this response will not be adequate. Therefore, we
need to add some control.
Proportional control
From the chart above we see that Kp will help us to reduce the steady-state error.
Let's first add a proportional controller into the system, by changing your m-file to
look like the following:
num=1;
den=[1 10 20];
Kp=10;
[numCL,denCL]=cloop(Kp*num,den, -1);
t=0:0.01:2;
step(numCL, denCL,t)
The cloop command in Matlab is used to convert the open loop transfer function
into a closed-loop one. Since the cloop command only accepts one transfer function,
the plant and controller transfer functions have to be multiplied together before the
loop is closed. It should also be noted that it is not a good idea to use proportional
control to reduce the steady-state error, because you will never be able to eliminate
the error completely. This fact will become evident below. If you rerun your m-file,
you should get the following plot:
94
Now, the rise time has been reduced and the steady-state error is smaller, if we use a
greater Kp, the rise time and steady-state error will become even smaller. Change the
Kp value in the m-file:
Kp=500;
Rerun the m-file and you should get the following plot:
This time we see that the rise time is now about 0.1 second and the steady-state error
is much smaller. But the overshoot has gotten very large. From this example we see a
large proportional gain will reduce the steady-state error but at the same time, worsen
the transient response. If we want a small overshoot and a small steady-state error, a
proportional gain alone is not enough.
95
PD control
The rise time is now probably satisfactory (rise time is about 0.1 second). Now let's
add a derivative controller to the system to see if the overshoot can be reduced. Add
another variable, Kd, to the m-file, set it equal to 10 and rerun the m-file:
Kp=500;
Kd=10;
numc=[Kd Kp];
[numCL, denCL]=cloop(conv(num,numc),den);
step(numCL, denCL,t)
The overshoot is much less then before. It is now only twenty percent instead of
almost forty-five percent. We can now try to improve that even more. Try increasing
Kd to 100, you will see the overshoot eliminated completely.
96
We now have a system with a fast rise time and no overshoot. Unfortunately, there is
still about a 5 percent steady-state error. It would seem that a PD controller is not
satisfactory for this system. Let's try a PI controller instead.
PI control
As we have seen, proportional control will reduce the steady-state error, but at the
cost of a larger overshoot. Furthermore, proportional gain will never completely
eliminate the steady-state error. For that we need to try integral control. Let's
implement a PI controller and start with a small Ki. Go back to the m-file and change
it so it looks like the following (note the t input is removed from the step command
so more of the response can be seen):
Kp=500;
Ki=1;
Kd=0;
numc=[Kd Kp Ki];
denc=[1 0];
[numCL, denCL]=cloop(conv(num,numc),conv(den,denc));
step(numCL, denCL)
97
The Ki controller really slows down the response. The settling time becomes more
than 500 seconds. To reduce the settling time, we can increase Ki, but by doing this,
the transient response will get worse (e.g. large overshoot). Try Ki=10, by changing
the Ki variable. The plot can be see better if an axis command is added after the step
response. Your m-file should now look like the following:
Kp=500;
Ki=10;
Kd=0;
numc=[Kd Kp Ki];
denc=[1 0];
[numCL, denCL]=cloop(conv(num,numc),conv(den,denc));
step(numCL, denCL)
axis([0 100 0 1.5])
Now we have a large overshoot again, while the settling time is still long. To reduce
both settling time and overshoot, a PI controller by itself is not enough.
98
PID control
From the two controllers above, we see that if we want a fast response, small
overshoot, and no steady-state error, neither a PI nor a PD controller will suffice.
Let's implement both controllers and design a PID controller to see if combining the
two controllers will yield the desired response. Recalling that our PD controller gave
us a pretty good response, except for a little steady-state error. Let's start from there,
and add a small Ki (1). Change your m-file to the following to implement the PID
controller and plot the closed-loop response:
KP=500;
KI=1;
KD=100;
numc=[KD KP KI];
denc=[1 0];
[numCL, denCL]=cloop(conv(num,numc),conv(den,denc));
step(numCL, denCL)
The settling time is still very long. Increase Ki to 100.
99
The settling time is much shorter, but still not small enough. Increase Ki to 500 and
change the step command to step(numCL, denCL,t):
Now the settling time reduces to only 1.5 seconds. This is probably an acceptable
response for this system. To design a PID controller, the general rule is to add
proportional control to get the desired rise time, add derivative control to get the
desired overshoot, and then add integral control (if needed) to eliminate the steady-
state error. You may have to go back and readjust all three variables to fine-tune the
response.
100
BAB V
ANALISIS KESTABILAN
Kestabilan suatu system ditentukan oleh inputnya. Adapun system yang stabil adalah
system yang tetap dalam keadaan diam bila tidak dirangsang oleh sumber dari luar.
Maka untuk mengetahui kestabilan pada suatu system diperlukan suatu syarat agar
system manjadi stabil dengan cara antara lain:
Stabilitas Routh-Hurwitz
Dalam hal ini memberikan jaawaban atas pearsoalan stabilitas dengan jalan meninjau
persamaan karakteristik system yang dimaksud. Adapun persamaan ini adalah
besaran Laplace, ditulis dalam bentuk persamaan karakteristik.
Dengan kata lain, untuk persamaan tingkat (derajad) n akan diperoleh :
q(s) = a
n. S
n
-a
n
( Jumlah seluruh akar ) S
n-1
+ a
n
( Jumlah hasil kali 2 akar ) S
n-2
- a
n
( Jumlah perkalian 3 akar ) S
n-3
++ a
n
( perkalian seluruh akar )
Tolok ukur Routh-Hurwitz adalah syarat yang perlu dan cukup untuk mendapatkan
stabilitas dari system linear. Adapun cara lainnya dikembangkan dengan
menggunakan Determina, tetapi dapat menggunakan persamaan deret yang lebih
mudah dan paraktis. Maka didalam penyesunan dan menderetkan koefisien
persamaan karakteristik didasari bentuk persamaan sebagai berikut:
Dimana a
n
,a
0,
merupakan bilangan konstan dan nyata, kemudian dari
persamaan diatas dibuat bentuk deret Routh, kemudian dari kedua lajur teratas saja
yang ditentukan langsung.
101
0 . ....... . . ) ( ) (
0 1
1
1
+ + + +

a S a S a S a s q s
n
n
n
n
0 . ....... . .
0 1
1
1
+ + + +

a S a S a S a
n
n
n
n
Bentuk Deret routh
Contoh : 1. Suatu persamaan karakteristik apakah menyatakan system
yang stabil ?
q(s)= S
3
+ 4 S
2
+ 8S + 12 = 0
Penyelesaian :
102
L
0
1
3
2
1
2
.
.
S
S
S
S
S
S
n
n
n

.
.
.
1
1
1
C
b
a
a
n
n

.
.
.
2
2
3
2
C
b
a
a
n
n

.
.
.
3
3
5
4
C
b
a
a
n
n

7
6

n
n
a
a
1
3 1 5 1
2
1
2 1 3 1
1
1
5 4 1
2
1
3 2 1
1
. .
. .
. .
. .
b
b a a b
C
b
b a a b
C
a
a a a a
b
a
a a a a
b
n n
n n
n
n n n n
n
n n n n

dapat dihitung sampai S


pangkat nol, 0..1 maka
koefisiennya didapat
S
3
1 8 0

S
2
4 12 0
S 5 0
S
0
12
Karena tidak ada perubahan
tanda dalam kolom pertama,
maka system tersebut Stabil
12
5
60
5
0 4 12 5
5
4
20
4
12 1 8 4

x x
x x
Contoh : 2
Jadi tidak ada perubahan tanda pada kolom
Pertama, maka system stabil.
103
1 11 18
2 18 0
2 18
0 0
0
1
2
3
4
S
S
S
S
S
2
'
...
,. ... .. ..
... ....
S persamaan
dianbil S koefisient menentukan untuk
tentu tidak
0 18 18 11 2 ) (
2 3 4
+ + + + S S S S s q
2
2
... ... .. ,. 0 4 ......
1 .. .. .... 0 18 2
S persamaan untuk diambil S maka
kan didefinisi kemudian S
+
+
0
1
2
S
S
S
18
4
2
0
18
104