1

PENGENDALIAN TEMPERATUR PADA ECONOMIZER UNIT BOILER

MENGGUNAKAN FUZZY GAIN SCHEDULING PID CONTROLLER
DI PT. PETROKIMIA GRESIK

( Doni Kusuma Erwanda, Ir. Ronny Dwi Noriyati, M. Kes, Eri Wahyu W.ST )

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

Abstrak
Economizer adalah sejenis alat penukar panas aliran silang dimana panas dipindahkan dari gas
asap (hasil pembakaran) ke air pengisian (feed water) yang sedang masuk. Temperatur sangat berpengaruh pada
proses in i dengan a danya p engendalian temperatur maka akan meningkatkan e fisiensi dari s istem s esudah
economizer yaitu HP drum.
Dengan perancangan kontrol Fuzzy Gain SchedullingPID Controller diharapkan dapat meningkatkan
efisiensi d ari HP drum dengan menjaga t emperature menjadi stabil. Dari p erancangan s istem didapatkan
parameter n ilai tuning t erbaik u ntuk Kp: 2 0, Ki: 2 dan Kd: 50 yang t erbaik de ngan maksimum overshoot
sebesar 15%, settling time (ts): 40s. Hasil p erancangan s istem menggunakan a lgoritma Fuzzy Gain
SchedullingPID Controller menunjukkan hasil respon pengendalian yang lebih baik dari mode pengendali P, PI
dan PID

Kata Kunci : Economizer, Temperatur, PID, Fuzzy Gain Schedulling


I. PENDAHULUAN

Economizer dapat d iartikan s ebagai
penghemat bahan bakar dalam proses pemanasan air
pengisian pada b oiler. A lat in i ju ga me mpunyai
keuntungan yang lain, d imana a ir pe ngisian (feed
water) masuk kedalam Boiler dengan suhu yang lebih
tinggi, sehingga a ir B oiler tidak b anyak mengalami
pendinginan ke tika memasukkan a ir pe ngisian yang
baru. Dengan demikian pembuatan uap t idak banyak
terganggu. Namun kinerja economizer sangat sensitif
terhadap f aktor noise temperatur feedwater. Hal ini
dikarenakan bila t emperatur f eedwater t idak baik
maka ak an mengakibatkan r espon b iaya o perasi
meningkat. J ika e fektifitas pe rpindahan pa nas t idak
optimal, maka dibutuhkan l ebih ba nyak bahan bakar
untuk m enghasilkan e fektifitas p erpindahan p anas
yang d iinginkan. M aka da ri itu d iperlukan
pengendalian t emperature p ada economizer agar
temperature dapat terjaga dan bisa menhasilkan panas
yang o ptimal. Dimana p ada P T. P etrokimia Gresik
belum menggunakan controller sehingga t emperature
yang a da t idak t erkendali sehingga t emperature
kadang n aik t erlalu t inggi d an t urun juga t erlalu
rendah. Maka p erlu ad anya Fuzzy Gain Scheduling
PID Controller untuk m erubah parameter k ontrol
secara o tomatis jika t erjadi p erubahan k ondisi.
Diharapkan d engan a danya Fuzzy Gain Scheduling
pada controller PID untuk mengontrol t emperatur
pada economizer ini b iasa me ningkatkan kinerja
sistem yang suda ada sebelumnya.



II. TEORI PENUNJANG

2.1 Waste Heat Boiler
Waste Heat Boiler adalah je nis boiler
khusus, menghasilkan u ap bertekanan d engan c ara
melepas p anas sisa d ari p roses. Boiler ini a kan
mampu m enghemat ba han ba kar dan b iaya e nergi.
Ada juga yang d isebut de ngan waste heat recovery
boiler, ya kni boiler yang tidak membutuhkan i nput
energi. Biasanya diletakkan diatas sumber panas atau
stack. D idalamnya t erdapat pi pa berisi a ir yang
mengalir. P anas sisa pr oses a kan d igunakan u ntuk
memanasi p ipa ini s eingga a ir d idalamnya akan
menjadi uap panas, yang kemudian digunakan untuk
memutar turbin generator.

Gambar 2.1 Desain Waste Heat Recovery Boiler
PT. Petrokimia Gresik
[5]

Boiler economizer mengambil k embali
panas s isa da ri c erobong b oiler da n ke mudian
2

menyalurkannya m enuju boiler feed water. M aka
sekarang boiler feed water juga da lam temperature
lebih t inggi akibat panas dari boiler economizer. Hal
ini a kan membantu pr oses p emanasan, k arena kini
boiler hanya membutukan l ebih s edikit e nergi untuk
mengubah a ir menjadi u ap. Boiler economizer ini
juga m eningkatkan efisiensi dari b oiler i tu s endiri,
dengan car a menyedot panas dari pipa-pipa gas pada
unit superheater atau d ari evaporative bank. P anas
tersebut d isalurkan ke mbali menuju boiler feed
water.[5]

2.2 Economizer
Economizer adalah sejenis a lat pe nukar
panas al iran s ilang d imana p anas d ipindahkan dari
gas a sap ( hasil pembakaran) ke a ir pe ngisian ( feed
water) ya ng s edang masuk. P enyerapan d i
economizer ini juga da pat meningkatkan e fisiensi
boiler. Fungsi dari economizer sebagai pemanas awal
feed water sebelum masuk ke dalam s team dr um
dimana pa nas yang d iperoleh da ri ga s a sap d iserap
oleh di nding-dinding p ipa economizer untuk
memanaskan ai r d alam p ipa s ehingga ai r t ersebut
menjadi s aturated. Economizer terisolasi r apat
sehingga tidak ada udara l uar y ang m asuk da n
mengganggu pe nyerapan pa nas p ada p ipa
economizer. Dinding economizer terbuat da ri bahan
isolasi rock wall, bahan ini tahan terhadap panas yang
tinggi da n t idak banyak menyerap pa nas. P ada
dasarnya economizer terdiri da ri p ipa-pipa y ang
jumlahnya banyak, ko nstruksi p ipa pada economizer
sama s eperti p ada k onstruksi p ipa-pipa p emanas
lanjut.

Gambar 2 Economizer
[4]

Kinerja economizer ditentukan o leh fluida
yang mempunyai k oefisien p erpindahan p anas yang
rendah yaitu gas. Kecepatan perpindahan panas dapat
ditingkatkan de ngan c ara meningkatkan ko efisien
perpindahan p anas t otal d engan cara mengatur
susunan t ubing/properti fan dan meningkatkan l uas
kontak pe rpindahan p anas. R espon yang d ihasilkan
oleh economizer adalah efektifitas perpindahan panas
dan biaya operasi.
Efektifitas pe rpindahan pa nas a dalah
besarnya energi yang dapat terambil dari total jumlah
energi yang d apat d iserap. S emakin besar e fisiensi
perpindahan panas pada economizer, maka panas gas
sisa yang t erambil akan s emakin banyak. S emakin
besar e fektivitas pe rpindahan pa nas yang t erjadi,
maka alat tersebut semakin efisien.

2.3 Fuzzy Logic Controller
Konsep logika fuzzy merubah konsep logika
klasik m enjadi konsep y ang m emetakan s uatu
variabel pa da ke mungkinan yang t idak e ksak
sehingga da pat s istem linguistik da n pe rmasalahan
yang tidak pasti atau tidak presisi serta permasalahan
probabilitas. Beberapa faktor penting ya ng menjadi
bahasan dalam logika fuzzy sebagai berikut.
Pada d asarnya s truktur l ogika fuzzy dapat
digambarkan seperti berikut :
Basis
Pengetahuan
Fuzzifikasi Defuzzifikasi
Logika
Pengambilan
Keputusan Fuzzy
Fuzzy
input
output

Gambar 3 Struktur Dasar Logika Fuzzy
[6]

Fungsi d ari b agian-bagian d i atas a dalah s ebagai
berikut:
Fuzzifikasi
Berfungsi u ntuk mngubah sinyal ma sukan
yang be rsifat crisp ( bu kan fuzzy ) k e
himpunan fuzzy dengan menggunakan operator
fuzzifikasi.
Basis Pengetahuan
Berisi basis d ata d an at uran d asar yang
mendefinisikan h impunan fuzzy atas d aerah
daerah masukan da n k eluaran da n
menyusunnya dalam perangkat aturan kendali.
Logika Pengambil Keputusan
merupakan i nti dari L ogika Fuzzy yang
mempunyai k emampuan s eperti manusia
dalam mengambil k eputusan. Aksi atur fuzzy
disimpulkan dengan m enggunakan i mplikasi
fuzzy dan mekanisme inferensi fuzzy.
Defuzzifikasi
berfungsi u ntuk mentransformasikan
kesimpulan t entang ak si at ur yang bersifat
fuzzy menjadi s inyal sebenarnya ya ng be rsifat
crisp dengan menggunakan o perator
defuzzifikasi
[6]
.

2.4 Pengendali Proposional Integral Derifatif(PID)
Untuk menutupi ke kurangan da ri masing
masing pe ngendali, ke tiga pe ngendali t ersebut da pat
3

saling d ikombinasikan menjadi p engendali P I, P D
atau P ID. D alam k ombinasi PID, d iagram bloknya
menjadi seperti pada gambar dibawah ini :


Gambar 4 Diagram Blok pengendali PID
[1]


Gambar 5 Respon keluaran P,PD dan PID
[1]

Keluaran P engendali P ID merupakan
jumlahan d ari k eluaran P engendali p roporsional,
keluaran Pengendali integral dan keluaran Pengendali
diferensial. G ambar 2 .8 m enunjukkan r espon da ri
pengendalian PID.

2.5 Fuzzy Gain Scheduling PID Control.
Kontrol P ID merupakan a lgoritma ko ntrol
yang banyak d igunakan d i industri pr oses ka rena
bentuknya yang s ederhana da n mudah
diimplementasikan. Pada k ondisi o perasi t ertentu
(seperti misalnya sering terjadi gangguan pada proses
atau parameter proses yang berubah-ubah), parameter
control ini harus sering di-tuned agar kinerjanya tetap
baik. Salah s atu t eknik da lam sistem ko ntrol yang
sering d ilakukan u ntuk mengatasi pe rmasalahan in i
adalah dengan m enggunakan m etode PID Gain
Scheduling, d imana parameter kontrol d iubah s ecara
otomatis jika t erjadi perubahan kondisi operasi yang
menyebabkan kinerja kontrol menurun.
Kelebihan Gain scheduling terletak p ada
perubahan c epat p arameter pe ngendali da lam
merespon p erubahan pr oses. Pola ko nvensional gain
scheduling adalah m engembangkan m odel proses
yang t erlinearisasi p ada beberapa t itik o perasi dan
merancang p engendali liniernya. M etode tersebut
menggunakan p endekatan model driven. Logika
fuzzy d apat d iaplikasikan p ada gain scheduling
dalam b eberapa car a. Salah s atunya ad alah aplikasi
logika f uzzy s ebagai gain scheduler dalam F uzzy
Computing dan membedakannya d engan F uzzy
Controller (seperti p ada PID Fuzzy Controller)
karena d isini logika fuzzy tidak be rperan l angsung
sebagai pengendali.
Pada aplikasi in i, f uzzy b erfungsi
menghitung parameter kontrol PID ( Kp, Ti dan Td),
berdasarkan ko ndisi signal e rror ( E) da n pe rubahan
error. Secara u mum, d iagram fuzzy P ID g ain
scheduling control dapat digambarkan seperti berikut.


Gambar 6 Blok diagram Fuzzy PID Gain Scheduling
Control


III. METODOLOGI PENELITIAN

Metodologi pe nelitian yang di gunakan pa da
tugas akhir ini sebagai berikut;

Gambar 7 Flowchart Penelitian Tugas akhir

4

3.1 Dinamika Proses dan Pemodelan Economizer
Pada eco nomizer t erjadi p emanasan
sementara, terjadi p erubahan f asa dari f asa ca ir
menjadi fasa ua p ( uap jenuh). P enurunan model
matematis d ari economizer mempergunakan h ukum
kesetimbangan kalor.
















Gambar 8 Sistem pada Economizer
[7]


Hukum kesetimbangan kalor pada Economizer






(1)

(2)

(3)

Dimana :
= desitas uap pada Economizer (kg/m3)
= volume Economizer (m3)
= kalor spesifik pada Economizer (kJ/kg.K)
= kalor jenis air (kkal/kg
0
C)
= laju aliran massa dari Feed water pump (kg/s)
= laju aliran massa ke HP drum (kg/s)
= temperatur input Economizer (
0
C)
= temperature output Economizer (
0
C)
= kalor pembakaran pada Economizer (kJ/s)

Berdasarkan data t eknis d i lapangan maka d iperoleh
model d inamika da ri pe rsamaan d iatas s ebagai
berikut :


(4)

(5)


(6)

0 2000 4000 6000 8000 10000 12000
0
50
100
150
200
Time (s)
T
e
m
p
e
r
a
t
u
r

(
C
)
sinyal respon

Gambar 9 Grafik respon keluaran economizer

Pada s imulasi ini diperoleh k eluaran
temperatur economizer sebagai f ungsi flow air y ang
masuk. Kenaikan temperatur ini diakibatkan sejumlah
kalor yang d igunakan u ntuk memanasi economizer.
Dari hasil simulasi sinyal uji step, dapat diamati pada
grafik bahwa u ntuk flow air masukan 110 Kg/s da n
106.5
0
C flow air yang masuk. U ntuk t emperatur
pada r uang bakar a dalah 300
0
C, di mana itu a dalah
temperatur r ata-rata exhaust gas yang m asuk
economizer. Sedangkan untuk flow air keluaran yaitu
sekitar 70 K g/s, t emperatur yang da pat di capai
economizer adalah 171
0
C. K enaikan u ntuk
pemanasan d engan e conomizer ini r ata-rata s ekitar
60
0
C.
Di b awah in i a dalah gambar grafik v alidasi
hasil keluaran model simulink yang diperoleh dengan
menggunakan persamaan (6) dengan masuakan ni lai-
nilai p arameter y ang d iperoleh d ari d ata p abrik
dibandingkan dengan data k eluaran d ari D CS yang
terekam di dalam ruang central control room (CCR).
Data y ang d igunakan s ebagai validasi s ebanyak 50
data sebagai sampel.

Gambar 10 Grafik validasi economizer

Pada gambar diatas dapat dilihat bahwa garis
warna biru merupakan ke luaran temperatur dari
economizer yang dihasilkan me lalui s imulasi
sedangkan warna merah merupakan temperatur real
v
ec V
.
1
m
Ti
T
.
2
m
ec Q
Cv
Cp
(

+
|
.
|

\
|
=
+ =
+ =
) ( ) ( . .
2
) ( . .
1
4438 , 6634
1
) (
. .
2
. .
1
. 4438 , 6634
. .
2 1
8614 , 190 582 0 72 59
s
ec
Q s T
p
C m s
i
T
p
C m
s
s
F
ec
Q T
p
C m
i
T
p
C m
dt
dT
ec
Q T
p
C m
i
.T
p
.C m
dt
dT
. , ,



ec
Q T
p
C m
i
T
p
C m
dt
dT
v
C
v ec
V
ec
Q T
p
C m
i
T
p
C m T
ec
m
ec
Q
out
E
in
E
ec
E
+ =
+ =
+ =
. .
2
. .
1
. . .
. .
2
. .
1

(
(
(

+ =
pembakaran
kalor
kalor
laju output
kalor
laju input
economizer
pada kalor
Akumulasi
5

plant yang ad a. B erdasarkan p erhitungan r ata-rata
error menggunakan pr ogram excel, d idapatkan nilai
rata-rata error untuk temperatur dari economizer
sebesar 5.1
0
C. Ini menunjukan b ahwa pe modelan
yang dilakukan sudah bi sa m ewakili m odel plant
yang sebenarnya.

3.2 Model Matematis Temperature Transmitter
Jenis t ransmitter y ang d igunakan a dalah
differensial pressure transmitter. T ransmitter ini
bekerja dalam range 0-200
0
C dan keluarannya adalah
sinyal listrik de ngan r ange 4 -20 m A. Gain dari
transmitter ini adalah :
) (
) (
0
C masukan Span
mA keluaran Span
G
L
=
(7) (3.7)

Dengan memasukkan data dari transmitter level maka
didapat :
mA
C mA
G
L
0
0
064 . 0
C 250
) 4 20 (
=

=


Sedangkan u ntuk mendapatkan fungsi t ransfer da ri
transmitter level ini digunakan persamaan :
1 ) ( ) (
) (
+
=
s T
G
s I
s L
c
L
L
L
(8) (3.8)

dimana : G
L
: gain transmitter
T
c
: time constant transmitter

Time constant dari t ransmitter ini adalah 0, 7 de tik,
maka fungsi transfer transmitter level adalah :

1 7 . 0
064 . 0
) (
) (
+
=
s s I
s L
L
L

0 2 4 6 8 10 12 14 16
0
5
10
15
20
25
Time (s)
m
A

Respon

Gambar 11 Grafik respon uji step temperature
transmitter
Dari hasil s imulasi, t emperatur p ada
spesifikasi temperature transmitter dikonversi
menjadi ar us ( mA). Karena yang t ercatat p ada
temperature transmitter ini adalah t emperatur p ada
economizer, maka diharapkan laju aliran yang tercatat
pada temperature transmitter ini ma mpu m encatat
temperatur min imum s ampai t emperatur ma ksimum
pada economizer. T emperatur t ercatat i ni yang
direpresentasikan menjadi s inyal u ji step. D ari
simulasi yang dilakukan, untuk t emperatur minimum
sebesar 0
0
C m aka ar us y ang tercatat pada
temperature transmitter adalah s ebesar 4 mA,
sedangkan untuk l ajua a liran maksimum economizer
sebesar 2 50
0
C maka ar us yang t ercatat p ada
temperature transmitter adalah sebesar 20 mA.

3.3 Katup Pengendali (Control Valve)
Dengan a sumsi bahwa control valve yang
digunakan m empunyai karakteristik a liran ya ng
linier, m aka fungsi t ransfer control valve dapat
didekati dengan persamaan orde satu sebagai berikut :

(9)






Gain I/P :
(10)






Sehingga diperoleh gain total control valve:
(11)




Time constant efektif control valve diperoleh
berdasarkan hu bungan w aktu stroke, p erfreksional
terhadap p osisi valve dan p erbandingan k onstanta
waktu inferent terhadap w aktu stroke yang
dinyatakan. Hal ini dinyatakan dalam :
) (
V cv
R V Tv + = (12)




Sehingga model matematis control valve diketahui :


1 79 , 1
25 . 11
) (
) (
+
=
s s I
s M


s
CV
CV
79 . 1
03 . 0
180
0 180
39 . 0
679 . 0
=
(

+
|
.
|

\
|
=

) det/ ( 25 . 11
75 , 0 . 15
.
mA kg
G G K
T CV V
=
=
=
masukan tekanan perubahan
maks aliran laju
G
CV
=
masukan arus perubahan
masukan tekanan perubahan
G
T
=
mA psi
psi
kg
/ 75 . 0
) ( 4 20
det) / ( 3 15
=

=
) . det / ( 15
) ( 3 15
det) / ( 180
psi kg
psi
kg
=

=
6

0 2 4 6 8 10 12 14 16
0
50
100
150
200
Time (s)
F
l
o
w

(
K
g
/
s
)
Respon CV

Gambar 12 Grafik uji step control valve

Dari s imulasi yang d ilakukan melalui
simulink diperoleh g rafik sinyal u ji d an r espon
control valve. S inyal u ji yang d igunakan a dalah
sinyal step. Sedangkan respon dari sinyal uji t ersebut
dapat di lihat m elalui ga mbar 3. 9. B entuk gr afik
respon control valve menunjukkan b ahwa m odel
control valve yang d ibuat a dalah sistem o rde s atu.
Dari simulasi yang d ilakukan, t ampak bahwa u ntuk
sinyal in putan 4 mA control valve menutup
seluruhnya, sedangkan untuk inputan 20 mA control
valve membuka 100% . D ari gr afik da pat d iamati
bahwa l aju bahan bakar maksimum yang keluar dari
control valve saat b ukaannya 100% a dalah s ebesar
180 Kg/s.

3.4 Penentuan Parameter Tuning PID terbaik
Dalam menentukan p arameter tuning
terbaik, d ilakukan de ngan c ara o silasi mengunakan
metode Zigler-Nichols dengan m enggunakan
software matlab. D engan ca ra mengubah-ubah
parameter P ID y aitu nilai Kp d iubah-ubah s ampai
mencapai nilai k ritis ( Kcr) s ampai o utput s istemnya
berosilasi. S etelah d iubah p arameter-parameternya
dianalisa gr afik r esponnya. Dari gr fik t ersebut maka
akan d iperoleh nilai P cr yaitu jarak a ntara p uncak
gelombang-gelombang berikutnya.

Gambar 3.13 Grafik respon untuk mencari Pcr
Didapatkan nilai Kcr = 10 da n P cr = 10 ke mudian
dimasukan d alam r umus Zigler-Nichols dengan
metode osilasi maka d idapatkan p arameter c ontrol
sebagai berikut :
Table 1 Parameter mode kontrol P,PI, dan PID
No Mode Kontrol
Parameter
Kp Ti Td
1 P 5 0 0
2 PI 4.5 8.33 0
3 PID 6 5 1.25

3.5 Perancangan Algoritma Kendali Fuzzy-PID
Gain Schedulling
Perancangan al goritma k endali fuzzy-PI
gain scheduling dilakukan de ngan memanfaatkan
pemrograman simulink pada software Matlab 7. 4.
Prosedur yang d ilakukan da lam pe rancangan
algoritma fuzzy adalah :
1. Menentukan p arameter tuning PI t erbaik
berdasarkan simulasi pada simulink.
2. Menetapkan data input dan output.
3. Fuzzifikasi
4. Membuat at uran fuzzy yang akan digunakan
dalam operasi fuzzy.
5. Metode P engambilan Keputusan ( Inferensi/
Rule Evalution).
6. Strategi Defuzzifikasi.

3.5.1 Fuzzifikasi
Fuzzifikasi adalah p roses memetakan input
output dari variabel crips kedalam v ariabel linguist.
Dalam pemilihan fungsi keanggotaan himpunan fuzzy
tidak ad a at uran yang baku, t api pemilihan f ungsi
keanggotaan h arus m erepresentasikan karakteristik
himpunan fuzzy yang kita inginkan.
Data masukan ( error, delta e rror) dan ke luaran
(Kp, K i da n Kd) berupa crisp diperoleh d ari
simulasi p lant e conomizer. N ilai crisp er ror
mempunyai r entang antara -20 s ampai d engan
20, delta e rror antara -10 s ampai d engan 10,
sedangkan nilai k eluaran p arameter K p an tara
19.5 s ampai de ngan 20. 5, pa rameter K i a ntara
1.95 da n 2. 05 s edangkan pa rameter K d a ntara
49.5 sampai 44.5
Untuk jumlah variabel l inguistik error dan delta
error sebanyak lima variabel, yaitu NB, NM, Z,
PM dan PB. P dan N adalah positif dan negatif,
sedangkan B adalah big, M adalah medium dan S
adalah small. D erajat ke anggotaan himpunan
fuzzy d ipilih fungsi s egitiga k arena d alam
perhitungannya memerlukan waktu y ang l ebih
cepat di bandingkan fungsi lainnya. D imana
fungsi s egitiga menyatakan derajat k eanggotaan
() dari x untuk masing masing himpunan
variabel linguistik.
Untuk j umlah variabel linguistik p ada s etiap
output ad a tiga yaitu B ad alah big, M a dalah
medium dan S a dalah small sama s eperti i nput
yaitu m enggunakan f ungsi s egitiga sebagai
derajat keanggotaannya dikarenakan memerlukan
waktu yang lebih cepat.
7

Gambar 14 Fuzzy Inference System

3.5.2 Pembuatan Aturan Fuzzy
Dalam membuat a turan fuzzy diperlukan
ketelitian d an pemahaman t entang s istem yang a kan
dibangun dengan logika fuzzy. Pembuatan aturan dari
logika fuzzy pada pe nelitian ini d idasarkan pa da
hubungan antara input dan output.

Tabel 2 Rule Base untuk Kp
Error
Delta Error
NB NK Z PK PB
NB S S S S S
NK S S M S S
Z S M M M S
PK B B M B B
PB B B B B B
Tabel 3 Rule Base untuk Ki
Error
Delta Error
NB NK Z PK PB
NB B B B B B
NK B B M B B
Z S M M M S
PK S S M S S
PB S S S S S
Tabel 4 Rule Base untuk Kd
Error
Delta Error
NB NK Z PK PB
NB S S S S S
NK S S M S S
Z S M M M S
PK B B M B B
PB B B B B B
Setelah proses fuzzifikasi yang menghasilkan
fungsi keanggotaan, maka perlu adanya perancangan
basis a turan ( rule base). B asis at uran (rule base)
meliputi kumpulan aturan kontoler logika fuzzy untuk
menyatakan a ksi pe ngendali a gar mencapai t ujuan
yang d iharapkan. D alam p embuatan at uran fuzzy
diperlukan ketelitian dan pemahaman terhadap sistem
yang akan dibangun dengan logika fuzzy. Pembuatan
aturan dari logika fuzzy pada penelitian ini didasarkan
pada pengaruh nilai parameter PID ( Kp, Ki dan Kd)
terhadap respon pengendalian. Gambar 15 merupakan
desain b asis aturan l ogika fuzzy pada F IS ed itor
Matlab, dimana basis aturan terdiri dari 25 aturan.

Gambar 15 Rule Base kontroler FGS


IV. ANALISA DATA DAN PEMBAHASAN

4.2 Uji Open Loop Proses
Simulasi p ada open loop ini d igunakan
untuk m engetahui s ejauh ma na performansi sistem
tanpa pe ngendali. Uji open loop dilakukan d engan
memberikan input berupa sinyal step.
Gambar 4. 1 menunjukkan bahwa d engan
adanya u ji open loop tanpa pe ngendali, temperature
tidak b isa m encapai set point. Karena p erformansi
sistem t ersebut jauh d ari yang d iinginkan, k arena
karakteristik plant termasuk orde satu dan tidak dapat
mengendalikan d irinya s endiri ke tika t idak d ipasang
alat-alat pengendali.
0 20 40 60 80 100
0
100
200
300
400
500
Time (s)
T
e
m
p
e
r
a
t
u
r

(
C
)
Respon
Set point

Gambar 16 Respon open loop
8

4.2 Uji Close Loop dengan Mode Kontrol P, PI,
PID dan Fuzzy Gain Schedulling PID
Controller
Pada s ub - bab b erikut a kan d ilakukan
perbandingan dengan menggunakan mode kontrol P,
PI, dan PID. Parameter yang digunakan dalam mode
kontrol P, PI, dan PID sendiri didapat melalui metode
Ziegler - Nichols. Tujuan dilakukannya perbandingan
ini ad alah u ntuk m engetahui p erbedaan p erforma
antara k ontroler berbasis Fuzzy Gain Schedulling
dengan mode kontrol P, PI dan PID.

Mode Kontrol Proporsional (P)
Mode k ontrol p roporsional, de ngan
parameter K p 0. 5. M ode k ontrol pr oporsional
dipasang d engan mengambil t ekanan s ebagai
referensi. H al itu d imaksudkan k arena p ada Fuzzy
Gain Schedulling, ko nfigurasi ut amanya
menggunakan tekanan sebagai referensi.
0 20 40 60 80 100
0
50
100
150
200
250
Time (s)
T
e
m
p
e
r
a
t
u
r
e
(
C
)
Respon
Set point

Gambar 17 Grafik respon economizer dengan mode
kontrol P
Dari G rafik d iatas r espon d ari s ystem
kontrol P t idak da pat mencapai s et po int. D imana
hasil r espon yang yang d iperoleh s elalu d iatas
setpoint da n ko ntol P t idak t epat di gaunakan u ntuk
pengendalian temperatur pada economizer.

Mode Kontrol Proporsional Integral (PI)
Setelah d ilakukan pe rbandingan d engan
mode kontrol P, selanjutnya dilakukan perbandingan
dengan mode kontrol PI (Proporsional Integral). Dari
perbandingan ini, a kan d iketahui s ejauh mana
kemampuan Fuzzy Gain Schedulling apabila
dibandingkan dengan mode kontrol PI. Mode Kontrol
PI y ang d igunakan bekerja b erdasarkan r eferensi
tekanan. P arameter k ontroler yang d igunakan
tercantum pada tabel 4.1.
0 20 40 60 80 100
0
50
100
150
200
250
300
Time (s)
T
e
m
p
e
r
a
t
u
r
e
(
C
)
Respon
Set point

Gambar 18 Grafik respon economizer dengan mode
control PI
Mode Kontrol Proporsional Integral Derivatif
(PID)
Parameter - parameter mode k ontrol P ID
dapat d ilihat melalui t abel 4 .1. D engan d emikian,
perbandingan ko ntroler ini d ilakukan t idak ha nya
terhadap d esain fuzzy gain schedulling yang t elah
dibuat, namun dibandingkan pula karakteristik untuk
masing - masing mode ko ntrol pr oporsional (P),
mode ko ntrol pr oporsional integral ( PI) da n mode
kontrol p roporsional integral d erivatif (PID). Mode
kontrol PID sendiri me rupakan ju mlahan d ari
gabungan f ungsi a lih m ode kontrol proporsional,
mode kontrol integral, dan mode kontrol derivatif.
0 20 40 60 80 100
0
50
100
150
200
250
300
Time (s)
T
e
m
p
e
r
a
t
u
r

(
C
)
Respon
Set point

Gambar 19 Grafik respon economizer dengan
kontrol PID

Mode Kontrol Fuzzy Gain Schedulling PID
Controller
Berikut a kan d ilakukan U ji Close Loop
dengan Fuzzy Gain Schedulling PID Controller.
Dimana p ada sub-bab ya ng s ebelumnya telah
dilakukan u ji close loop dengan mode control P ,PI
dan P ID. P ada k ontrol Gain Schedulling PID
Controller telah d ilakukan pa da B ab yang
sebelumnya yaitu menggunakan dua input da n t iga
output yaitu error dan delta error sebagai input dan
Kp,Ki dan Kd sebagai output.
0 20 40 60 80 100
0
50
100
150
200
Time (s)
T
e
m
p
e
r
a
t
u
r

(
C
)
Respon
Set point

Gambar 20 Grafik r espon economizer dengan
kontrol Fuzzy Gain Schedulling

Dengan Fuzzy Gain Schedulling ini didapatkan nilai
Kp = 20, Ki = 2 da n Kd = 50. D ari perbandingan
data d iatas d apat d ilihat p ada t able d ibawah i ni
9

manakah mode ko ntrol yang pa ling baik d iantara
mode kontrol P, PI, PID dan Fuzzy Gain Schedulling.
Tabel 2 Perbandingan mode kontrol
P PI PID FGS
Max. Overshoot - 61.76% 47.35% 15%
Settling Time 50s 35s 40s

Dapat d isimpulkan bahwa u ntuk mode
pengendali P t idak da pat mencapai s et po int maka
tidak d idapatkan nilai maximum overshoot dan
settling time . Untuk mode pe ngendali P I t erjadi
maximum overshoot dan settling time yang t erlalu
tinggi ya itu mencapai 47. 35% da n r espon s istem
banyak b erosilasi. Untuk i tu m aka dibuat m ode
pengendalian P ID u ntuk mereduksi overshoot yang
tinggi d an r espon s istem yang berosilasi p ada mode
pengendalian P I, d engan mode p engendalian PID
tetapi masih belum bisa mereduksi dengan maksimal
dan maximum overshoot masih besar 47. 35% da n
memperpendek nilai settling time menjadi 35s t etapi
respon s istem s udah t idak berisolasi. U ntuk mode
pengendali F GS l ebih ba ik l agi da ri pada mode
pengendalian PID y ang bi sa m ereduksi overshoot
menjadi 15% da n settling time agak l ebih l ama 5
detik menjadi 40s. I ni membuktikan bahwa d engan
controller Fuzzy Gain Schedulling dapat m enekan
overshoot menjadi lebih k ecil d an settling time (ts)
yang cepat untuk mencapai set point.
Semua pengujian ini masih dengan beban yang
sesuai d engan k eadaan normal. Untuk m engetahui
performasi yang t erbaik d ari Fuzzy Gain Scheduling
PID Controller dengan P ID Controlle terhadap
perubahan-perubahan beban atau set poin maka akan
dibahas pada sub-bab berikutnya.

4.3 Pengujian dan Analisa Kendali Fuzzy Gain
Scheduling PID Controller dengan PID
Controller.
Maka dalam sub-bab ini akan dibandingkan
controller yang t erbaik dengan pengujian tracking set
point, p enambahan d an p engurangan beban. Dengan
pengujian-pengujian ini ma sih ma mpukah dari Fuzzy
Gain Scheduling PID Controller dengan PID
Controller untuk m encapai s et po int de ngan
gangguan-ganguan yang ada.

Uji tracking set point
Pada pe ngujian ini d ilakukan pe ngujian
Fuzzy Gain Scheduling PID Controller dengan PID
Controller terhadap p erubahan t erhadap setpoint
pada proses dengan memberikan uji setpoint naik dan
sekaligus u ji setpoint turun pa da s elang waktu 800
detik. G rafik r espon sistem d engan setpoint : [ 120
170 150 120]
0
C dapat dilihat pada gambar di bawah.
0 100 200 300 400 500 600 700 800
0
50
100
150
200
Time (s)
T
e
m
p
e
r
a
t
u
r

(
C
)
FGS
PID
Set point

Gambar 22 Uji tracking set point PID dan FGS
controller
Karakteristik p erformansi p engendalian t emperatur
ketika setpoint awal yaitu 120
0
C.
Tabel 3 Tabel performansi setpoint awal yaitu 120
0
C
PID FGS
Max. Overshoot 41.16% 14.58%
Settling Time 35s 40s
Karakteristik p erformansi p engendalian t emperatur
ketika terjadi
ketika kenaikan setpoint 50
0
C
Tabel 4 Tabel performansi kenaikan setpoint 50
0
C
PID FGS
Max. Overshoot 15.64% 4.7%
Settling Time 25s 30s
Karakteristik p erformansi p engendalian t emperatur
ketika terjadi ketika penurunan setpoint 20
0
C
Tabel 5 Tabel performansi penurunan setpoint 20
0
C
PID FGS
Max. Underhoot 12.5 % 3.91%
Settling Time 25s 30s
Karakteristik p erformansi p engendalian t emperatur
ketika terjadi ketika penurunan setpoint 50
0
C
Tabel 6 Tabel performansi penurunan setpoint 50
0
C
PID FGS
Max. Underhoot 6% 3.9%
Settling Time 32s 30s

Untuk respon PID Controller pada kenaikan setpoint
awal 120
0
C mengalami overshoot yang t inggi yaitu
mencapai 41. 16% da n itu membahayakan t erhadap
pengendalian t emperature de ngan t emperature yang
tinggi j uaga akan m engakibatkan tekanan ya ng
ditimbulkan s emakin besar p ula d an itu bisa
mengakibatkan kebocoran pada pipa bila terjadi terus
menerus. Tetapi dengan
Fuzzy Gain Scheduling PID Controller tidak
mengalami overshoot yang k ecil yaitu c uma 14. 8%
dan itu cukup aman untuk pengendalian t emperature.
Untuk kenaikan set point awal 120
0
C degan kenikan
yang c ukup t inggi mengakibatkan overshoot yang
tinggi pu la t etapi t idak u ntuk pe nurunan set point
50
0
C kedua jenis controller tersebut tidak mengalami
perubahan derastis dan masih sesuai dengan set point.


10

Uji kenaikan beban 20% dari keadaan standart
Pada u ji ka li ini d ilakukan pe nambahan
beban 20% dari keadaan s tandart y aitu s ekitar 120
Kg/s u ntuk l aju massa a liran da n 330
0
C unt uk
pemanas dari s team dari s isa h asi pembakaran y ang
tidak digunakan.
0 20 40 60 80 100
0
50
100
150
200
250
300
Time (s)
T
e
m
p
e
r
a
t
u
r

(
C
)
FGS
PID
Set point

Gambar 23 Grafik respon kenikan beban 20%

Karakteristik p erformansi p engendalian t emperatur
ketika t erjadi penambahan beban 20% da ri ke adaan
standart dapat dilihat pada table dibawah ini.
Tabel 7 Tabel performansi kenaikan beban 20%
PID FGS
Max. Undershoot 47.76% 14.52%
Settling Time 25s 35s
Dari gr afik d iatas membuktikan b ahwa de ngan
kenaikan bebean 20% da ri ke adan s tandart Fuzzy
Gain Scheduling PID Controller masih d apat
mengikuti set point dengan overshoot yang kecil. PID
Controller masih d apat mengikuti set p oint t etapi
overshoot yang t inggi yaitu 47. 76%. PID Controller
cuma bisa stabil dan mempunyai overshoot kecil pada
keadaan standart t etapi sangat t idak c ocok unt uk
adanya perubahan b eban y ang terlalu j auh b erbeda
dengan keadaan yang standart.

Uji penurunan beban 20% dari keadaan standart
Pada u ji ka li ini d ilakukan pe ngurangan
beban 20% da ri ke adaan standart yaitu s ekitar 80
Kg/s u ntuk l aju massa a liran da n 270
0
C unt uk
pemanas dari s team dari s isa h asi pembakaran y ang
tidak digunakan.
0 20 40 60 80 100
0
50
100
150
200
250
Time (s)
T
e
m
p
e
r
a
t
u
r
e

(
C
)
FGS
PID
Set point

Gambar 24 Grafik respon penurunan beban 20%
Karakteristik p erformansi p engendalian t emperatur
ketika t erjadi penurunan beban 20% da ri ke adaan
standart dapat dilihat pada table dibawah ini.
Tabel 8 Tabel performansi penurunan beban 20%
PID FGS
Max. Undershoot 45.05% 17.05%
Settling Time 50s 40s
Dari gr afik pe nurunan beban 20% da ri ke adaan
standart membuktikan bahwa u ntuk PID Controller
mempunyai overshoot yang t inggi s ekaili ya itu
mencapai 45. 05% da n juga membutuhkan w aktu
yang lama u ntuk s tabil yaitu 50s . Dengan overshoot
yang tinggi s ekali maka PID Controller tidak co cok
apabila ada perubahan-perubahan beban namun untuk
penurunan beban ini lebih t idak s tabil d ibandingkan
dengan penambahan beban.
Dari s emua uji diatas membuktikan b ahwa
Fuzzy Gain Scheduling PID Controller masih d apat
stabil de ngan pe rubahan-perubahan yang a da. D an
ketika terjadi perubahan parameter pada plant, respon
Fuzzy Gain Scheduling PID Controller masih mampu
menjaga kestabilan sistem. Ideal PID Controller tidak
mampu la gi me ngendalikan plant dengan ba ik
(respons menjadi tidak stabil). Sedangkan Fuzzy Gain
Scheduling PID Controller menghitung ul ang
parameter P ID b erdasarkan k ondisi error (E) dan
perubahan error (E) yang terjadi. Hal ini
membuktikan bahwa a lgoritma ke ndali Fuzzy Gain
Scheduling PID Controller mempunyai k elebihan
dibandingkan de ngan a lgoritma P ID bi asa. A danya
tambahan fuzzy ini d iharapkan pe ngendali lebih
responsive t erhadap p erubahan d i plant (mampu
melakukan t uning a daptif de ngan pe rubahan plant)
sehingga kestabilan sistem tetap terjaga. Agar sebuah
proses bisa dikatakan Safe, sistem pengendalian yang
mengontrol proses harus Reliable, dan adaptif dalam
mengikuti perubahan proses.

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan
Berdasarkan pengujian yang t elah dilakukan
maka didapatkan kesimpulan sebagai berikut:
1. Telah d ilakukan p erancangan k ontroler fuzzy
gain scheduling PID control pada economizer
Waste Heat Boiler (WHB). D engan 2 5 rule
base, input (error, delta error) dan output (Kp,
Ki dan Kd).
2. Mode ko ntrol P de ngan Kp 5 t idak c ocok
digunakan u ntuk control temperature. Untuk
mode ko ntrol P I de ngan Kp 4. 5 da n T i 8. 33
mengalami maximum overshoot yang t erlalu
tinggi. S edangkan mode c ontrol de ngan P ID
masih me ngalami maximum overshoot yang
tinggi pula yaitu 47.35%
3. Untuk ko ntrol fuzzy gain scheduling PID
control didapatkan parameter Kp 20, Ki 2 da n
Kd 50 y ang m engalami maximum overshoot
yang t idak t erlalu t inggi yaitu 15% dan settling
time 40s da n t epat un tuk di gunakan sebagai
kontrol temperatur pada economizer.
4. Dengan dilakukanya uji beban dan tracking set
point, Fuzzy Gain Scheduling PID Controller
11

lebih b isa me ngikuti set point dan mengalamai
overshoot yang kecil bila dibandingkan dengan
mode control PID biasa. S ehingga de ngan
adanya t ambahan fuzzy ini p engendali lebih
responsive terhadap perubahan di plant (mampu
melakukan t uning a daptif de ngan pe rubahan
plant) sehingga kestabilan sistem tetap terjaga.

5.2 Saran
Berdasarkan penelitian yang telah dilakukan
maka d apat d iberikan s aran b ahwa u ntuk
meningkatkan efisiensi dari sistem Waste Heat Boiler
diperlukan pe ngontrolan pa da pe manas a wal yaitu
pada economizer dengan pemanasan awal yang stabil
maka a kan meringgankan ke rja HP Drum dalam
merubah a ir menjadi steam yang d igunakan u ntuk
proses produksi di PT. Petrokimia Gresik.




DAFTAR PUSTAKA

[1] Ogata, K atsuhik. 1995. T eknik K ontrol
Automatik . Jakarta; Erlangga.
[2] Holman, J.P., Jasfi, E. 1997. PERPINDAHAN
KALOR edisi ke 6, Erlangga.
[3] Asyari D. Yu nus. 2 005. D iklat K uliah
Termodinamika T eknik I I .Universitas D arma
Persada Jakarta.
[4] <URL:http://www.energyefficiencyasia.org/Efisi
ensi_thermal>, Mei ,2010
[5] Hamidah, N ur L aila. 2010. A nalisa Kinerja
Waste Heat Boiler Dengan M etode
Kesetimbangan P anas D an M assa D ipabrik 1
(Satu) Pt.Petrokimia Gresik. ITS Surabaya.
[6] Zhang, H uaguang & D erong L iu. 2006. Fuzzy
Modelling And Fuzzy C ontrol. B oston:
Birkhauser.
[7] Kusuma de wi, S ri. 2002. Analisis & desain
sistem Fuzzy.Yogyakarta:Graha Ilmu
[8] Sulastri, Heni. 2011. Perancangan I nlet Pressure
Control (IP C) H igh P ressure S team T urbin
Berbasis L ogika F uzzy-Pi G ain S cheduling D i
Pltgu T ambak Lorok Pt.Indonesia P ower UBP.
Semarang. ITS surabaya











BIODATA PENULIS

Nama : Doni Kusuma E.
NRP : 2409 105 018
TTL : Bojonegoro, 21 Desember 1988
Alamat : Jl.Raya Bubulan No.5 Bubulan,Bojonegoro
E-mail : erwanda.abiess@gmail.com
Riwayat Pendidikan :
- SDN 1 Bubulan (1994 - 2000)
- SLTPN 1 Bubulan (2000 - 2003)
- SMAN 3 Bojonegoro (2003 - 2006)
- D3 T. Instrumentasi (2006 - 2009)
- Teknik Fisika ITS (2009 - sekarang)