Jurnal Penelitian Teknik Elektro dan Teknologi Informasi
_______________________________________________________________________________
PENGENDALIAN SOFTSTARTING MOTOR
LISTRIK DC TANPA BEBAN DENGAN
FUZZY LOGIC BERBASIS PLC
Runtut Panuntun1, Oyas Wahyunggoro2, Harry Prabowo3
Abstract Dc motor is electrical machine that widely
used because easy in controlling so that it widely used in
factory The main problem in dc motor without controller
is in starting state, this state is caused by starting current
that through dc motor. This is affects lifetime dc motor
because more heat in spindle. In this study, using fuzzy
logic to reduce maximal current through dc motor when it
starting. Methodology that is used in this study is fuzzy
logic being implemented in Programable Logic Controller
(PLC). Testing process is done by control dc motor reach
particular set point and observe the maximum current.
The analysis explain about comparison between starting
state without controlling and fuzzy logic controlling. Based
on analysis, the result is about controlling fuzzy logic can
reduce maximum current that throught, but slower
settling time if set point more higher.
Intisari Motor dc adalah motor listrik yang luas
penggunaannya karena kemudahan pengendalian
sehingga banyak digunakan di pabrik. Masalah utama
dari motor dc tanpa pengendalian adalah saat starting,
kondisi ini disebabkan oleh arus lebih yang melewati
motor dc. Hal ini berpengaruh terhadap umur motor dc
karena kumparan menjadi panas. Pada penelitian ini
digunakan fuzzy logic untuk mengurangi arus maksimum
yang melewati motor dc saat starting. Metode yang
digunakan dalam penelitian ini adalah fuzzy logic yang
diimplementasikan pada Programable Logic Controller
(PLC). Pengujian dilakukan dengan mengatur motor dc
mencapai set point tertentu dan mengamati arusnya.
Parameter analisis yang digunakan adalah settling time
dan arus maksimum yang lewat. Pada analisis
dibandingkan antara kondisi starting tanpa pengendalian
dan pengendalian fuzzy logic, Berdasar analisis, diperoleh
bahwa pengendalian menggunakan fuzzy logic mampu
mengurangi arus maksimum yang lewat, tetapi settling
time menjadi lambat ketika set point semakin tinggi.
Kata Kunci motor dc, fuzzy logic, PLC, starting, settling
time
1Mahasiswa
Jurusan Teknik Elektro dan Teknologi
Informasi UGM, Jalan Grafika No 2, Kampus UGM
Yogyakarta 55281(tlp: 0274-562011; fax: 0274-562223;
email: runtut_te08@mail.ugm.ac.id)
2, 3 Dosen Jurusan Teknik Elektro dan Teknologi Informasi
UGM, Jalan Grafika No 2, Kampus UGM Yogyakarta 55281
(tlp: 0274-562011; fax: 0274-562223; email: oyas@
ugm.ac.id)
Volume 1 Nomor 1, April 2014
_______________________________________________________________________________
I. PENDAHULUAN
Motor listrik merupakan salah satu plant yang luas
penggunaannya. Berdasarkan tegangan listrik yang
digunakan, motor listrik dibedakan menjadi: .Motor DC,
dan Motor AC.
Motor DC bersifat mudah dalam pengendaliannya
tetapi sulit dalam perawatannya, sedangkan motor AC
sebaliknya. Luasnya penggunaan motor listrik
menjadikan masalah pengendaliannya sangat diminati
dan dijadikan objek penelitian yang dinamis dan terus
berkembang. Ada beberapa metode pengendalian motor
listrik DC yang bersifat fuzzy, PID dan hybrid.
Optimasi kinerja motor listrik dapat dicapai dengan
penerapan algoritma yang sesuai dengan tujuan
pengendalian. Salah satu algoritma yang mungkin
digunakan adalah fuzzy logic. Seiring dengan kemajuan
teknologi, PLC dapat melakukan operasi dengan fuzzy
logic, sehingga sangat mungkin menerapkan fuzzy logic
pada PLC.
Soft starting[2] adalah kondisi untuk penyalaan awal
sehingga sistem tidak mengalami overshoot dan sistem
mengalami akselerasi yang halus, keuntungan soft
starting adalah penghematan energi karena
memperkecil rugi inti dan rugi tembaga dan
meningkatkan keandalan motor listrik dc.
Tujuan dari penelitian ini adalah untuk
mengaplikasikan fuzzy logic pada PLC micro TSX
3722 dengan pemrograman bahasa teks terstruktur dan
menganalisis penggunaan fuzzy logic untuk
pengendalian kecepatan motor listrik dc dengan target
tetap dan memperhatikan efek softstarting.
Pada penelitian ini akan dikaji dampak penerapan
fuzzy logic terhadap efek softstarting motor listrik dc.
II. METODE PENELITIAN
A. Perancangan Alat
Pada penelitian tugas akhir ini, plant yang digunakan
adalah motor listrik dc eksitasi terpisah karena mudah
dikendalikan. Motor listrik dc ini dikendalikan dengan
mengatur tegangannya sehingga akan mempengaruhi
arus start motor listrik.
Sistem kendali ini terdiri atas beberapa komponen
seperti: CPU, PLC, catu daya, motor listrik DC,
amperemeter dan driver. Penggunaan CPU, dalam tugas
akhir ini digunakan PC, untuk menjalankan perangkat
lunak PL7 Junior. CPU ini berguna untuk memberikan
listing program dan mengamati hasil pengendalian.
Listing program yang ditulis dikirim dari CPU ke PLC
51
 Artikel Reguler
_____________________________________________________________________________
melalui port serial. PLC bertugas sebagai penerjemah
bahasa tingkat tinggi menjadi parameter aktuator sistem,
dalam hal ini berupa tegangan keluaran analog. Karena
tegangan keluaran analog yang dihasilkan kecil, maka
dibutuhkan driver. Driver ini dicatu oleh tegangan catu
daya 15 V. Motor DC yang dihubungkan ke sensor,
sensor akan memberi keluaran berupa tegangan yang
akan dikirim kembali ke PLC sebagai nilai present
value sistem.
Masukan dari sistem adalah set point yang berupa
kecepatan referensi dalam satuan rad/s. Set point ini
akan dikurangkan dengan present value untuk
menghasilkan galat yang akan digunakan sebagai
masukan untuk pengendali fuzzy logic. Masukan
pengendali berupa perubahan galat, yakni galat saat ini
dikurangkan dengan galat sebelumnya. Masukan yang
diterima oleh PLC akan diolah oleh fuzzy algorithm
untuk menghasilkan keluaran berupa tegangan DC
untuk mengendalikan kecepatan putaran motor listrik
DC. Ilustrasi perancangan plant dapat dilihat pada
Gambar 1
Gambar 1.Perancangan Plant
Blok diagram sistem dapat dilihat pada gambar 2.
Gambar 2.Perancangan Sistem
B. Kalibrasi Sensor Kecepatan
Pembacaan nilai kecepatan dilakukan dengan
menghubungkan output rotary encoder dengan counter
internal PLC melalui konektor DB 15 pin.
Nilai yang diperoleh dari counter tidak langsung
mencerminkan nilai kecepatan, nilai dari counter hanya
menunjukkan nilai incremental. Untuk itu, proses
selanjutnya adalah kalibrasi data dari counter ini
sehingga bisa langsung berhubungan dengan PLC.
Kalibrasi sensor kecepatan penting dilakukan karena
hasil ini digunakan pada proses pengendalian. Cara
untuk kalibrasi sensor adalah dengan mengambil nilai
sensor saat kondisi steady state. Untuk memperoleh
hubungan linear sehingga mudah dilakukan linearisasi
oleh sensor, maka diperlukan regresi linear.
Rumus untuk menyelesaikan regresi linear adalah
seperti ditunjukkan di persamaan (3)[1] dan (4)[1]:
kon+k1xj=yj
(3)
koxj+k1xj2=yjxj
(4)
52
_______________________________________________________________________________
Dengan
ko = konstanta 1
k1 = konstanta 2
xj = parameter input
yj = parameter output
Nilai k0 dan k1 didapat dari eleminasi
persamaan 3.2 dan 3.3.
C. Perancangan Algoritma Fuzzy
Pengendali fuzzy pada tugas akhir ini digunakan
untuk menentukan nilai Kp(konstanta proposional) saat
terjadi error dan change of error. Langkah pertama
adalah perancangan fuzzifier. Fuzzifier berguna untuk
mengubah dari himpunan keadaan nyata ke himpunan
fuzzy. Pada tugas akhir ini digunakan fungsi segitiga
karena mudah dalam komputasi. Himpunan
keanggotaan fuzzy dipilih menjadi 5 bagian:
PB(Positive Big), PS(Positive Small), ZE(Zero Error),
NS(Negative Small) dan NB(Negative Big). Untuk
fungsi keanggotaan error dapat dilihat pada gambar 3.
Untuk fungsi keanggotaan change of error dapat dilihat
pada gambar 4.
Gambar 3. Fungsi keanggotaan error
Gambar 4. Fungsi keanggotaan change of error
Setelah menentukan fungsi keanggotaan error dan
change of error, maka langkah selanjutnya adalah
pengelompokan output dari algoritma fuzzy berupa
Kp(konstanta proporsional). Gambar 5 menunjukkan
pengelompokan output.
Gambar 5. Fungsi output fuzzy
Setelah merancang fuzzyfier, maka selanjutnya
adalah merancang fuzzy rule base. Tabel 1
menunjukkan tabel aturan fuzzy yang telah dirancang.
Volume 1 Nomor 1, April 2014
Jurnal Penelitian Teknik Elektro dan Teknologi Informasi
_______________________________________________________________________________
TABEL I Gambar 7 merupakan grafik tanpa fuzzy logic set point
FUZZY RULE BASE 4000.
Teganga
No. error delta_error output Set Point 4000
1 NB NB PB 5000n (mV)
2 NB NS PS
3 NB ZE NB
4000
4 NB PS PS 3000
5 NB PB PB
6 NS NB ZE 2000
7 NS NS NS
1000
8 NS ZE NB
9 NS PS NS 0

1.75

5.25

8.75
10.5

17.5

24.5
7
0

12.25

15.75

19.25

22.75
3.5

14

21
10 NS PB ZE
11 ZE NB NB Waktu(s)
12 ZE NS NB
13 ZE ZE NB Gambar 7. Grafik tanpa fuzzy logic set point 4000
14 ZE PS NB
Gambar 8 merupakan grafik tanpa fuzzy logic set point
15 ZE PB NB
16 PS NB ZE 5000.
17 PS NS NS Teganga
18 PS ZE NB
Set point 5000
6000 n (mV)
19 PS PS NS
20 PS PB ZE
21 PB NB PB 4000
22 PB NS PS
23 PB ZE NB
24 PB PS PS 2000
25 PB PB PB
Setelah merancang rule base, maka selanjutnya 0
adalah perancangan inference mechanism dengan
1.75

5.25

8.75
10.5

17.5

24.5
0

12.25

15.75

19.25

22.75
14

21
3.5
metode MAX-MIN didasarkan pada operasi minimum Waktu(s)
mamdani.
Setelah perancangan inference mechanism, maka Gambar 8. Grafik tanpa fuzzy logic set point 5000
selanjutnya perancangan defuzzifikasi dengan metode Gambar 9 merupakan grafik tanpa fuzzy logic set point
MOM(Mean of Maximum). 6000.
III. HASIL DAN PEMBAHASAN Teganga
Set Point 6000
8000 n (mV)
A. Soft Starting Tanpa Fuzzy Logic
Pada percobaan ini tegangan keluaran PLC 6000
diberikan ke motor dc tanpa dilakukan pengendalian
menggunakan fuzzy logic, tegangan yang diberikan ke 4000
motor listrik bervariasi dari 3000 mV sampai dengan
2000
6000 mV. Gambar 6 merupakan grafik tanpa fuzzy logic
set point 3000. 0
5.25

15.75
1.75

8.75
10.5

17.5

24.5
12.25

19.25

22.75
0

14

21
3.5

Teganga
Set Point 3000 Waktu(s)
3500 n (mV)
Gambar 9. Grafik tanpa fuzzy logic set point 6000
3000
2500 Hasil dari gambar 6 sampai dengan gambar 9,
dirangkum pada tabel 2.
2000
.TABEL II
1500
SOFT STARTING TANPA FUZZY LOGIC
1000
500 Set point Settling Arus Arus Steady
Time Maksimal State
0
10.5
1.75

5.25

8.75

17.5

24.5
12.25

15.75

19.25

22.75
0

7
3.5

14

21

3000 1,75 s 0,106 A 0,096 A

4000 1,75 s 0,114 A 0,098 A
Waktu(s)
5000 1,75 s 0,12 A 0,102 A
Gambar 6. Grafik tanpa fuzzy logic set point 3000 6000 2s 0,134 A 0,104 A

Volume 1 Nomor 1, April 2014 53

_______________________________________________________________________________
 Artikel Reguler
_____________________________________________________________________________
B. Soft Starting dengan Fuzzy Logic Teganga
Set Point 6000
Pada percobaan ini set point sama dengan tanpa fuzzy n (mV)
8000
logic dan akan dibandingkan arus maksimum dan
steady state. Gambar 10 merupakan grafik fuzzy logic 6000
set point 3000.
Teganga 4000
Set Point 3000
4000n (mV) 2000

3000 0

24.5
1.75

5.25

8.75
10.5

17.5
0

12.25

15.75

19.25

22.75
3.5

14

21
2000 Waktu(s)
Gambar 13. Fuzzy logic set point 6000
1000
Hasil dari gambar 10 sampai dengan gambar 13,
0 dirangkum pada tabel 3.
1.75

5.25

8.75
10.5

17.5

24.5
12.25

15.75

19.25

22.75
0

7
3.5

14

21

Tabel III
Waktu(s)
SOFT STARTING DENGAN FUZZY LOGIC
Gambar 10. Fuzzy logic set point 3000 Set point Settling Arus Arus Steady
Time Maksimal State
Gambar 11 merupakan grafik fuzzy logic set point 3000 2s 0,104 A 0,096 A
4000. 4000 2,25 s 0,112 A 0,098 A
5000 2,25 s 0,118 A 0,102 A
Teganga 6000 2,5 s 0,13 A 0,104 A
Set Point 4000
5000 n (mV) IV. KESIMPULAN
4000 1. Fuzzy logic dapat diaplikasikan pada PLC micro TSX
3722 dengan bahasa pemrogaman teks terstruktur.
3000 2. Penggunaan fuzzy logic mampu mengurangi arus
maksimum yang diserap motor listrik dc.
2000 3. Penggunaan fuzzy logic menyebabkan settling time
1000 menjadi tertinggal dibandingkan tanpa pengendalian.

0 UCAPAN TERIMA KASIH

1.75

5.25

8.75
10.5

17.5

24.5
0

12.25

15.75

19.25

22.75
14
3.5

21

Penulis mengucapkan terima kasih kepada orang tua

Waktu(s) beserta adik, dosen, teman-teman dan pihak lain yang
membantu dalam penyusunan laporan skripi dan
Gambar 11. Fuzzy logic set point 4000 makalah.
Gambar 12 merupakan grafik fuzzy logic set point
5000. REFERENSI
[1] E. Kreyzig. 2006. Advanced Engineering Mathemathics. John
Teganga Set Point 5000 Wiley & Sons: Singapore.
[2] L. Rajaji and C. Kumar, "Adaptive Neuro Fuzzy based Soft
6000 n (mV) Starting of Voltage-Controlled Induction Motor Drive,"
5000 Southeastcon, 2008. IEEE, vol., no., pp.448,453, 3-6 April
2008.
4000
3000
2000
1000
0
10.5
1.75

5.25

8.75

17.5

24.5
12.25

15.75

19.25

22.75
0

7
3.5

14

21

Waktu(s)
Gambar 12. Fuzzy logic set point 5000

Gambar 13 merupakan grafik fuzzy logic set point

6000

54 Volume 1 Nomor 1, April 2014

_______________________________________________________________________________