See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/269631049

TICA 2013 ke-4 Judul Bahasa Indonesia:

Simplifikasi Pengendali PID-Fuzzy dan
Implementasinya pada PLC

Conference Paper · May 2014

CITATIONS READS

0 111

3 authors, including:

Hari Maghfiroh
Gadjah Mada University
9 PUBLICATIONS 2 CITATIONS

SEE PROFILE

All content following this page was uploaded by Hari Maghfiroh on 16 December 2014.

The user has requested enhancement of the downloaded file.

TICA 2013 ke-4 Judul Bahasa Indonesia: Simplifikasi
Pengendali PID-Fuzzy dan Implementasinya pada
PLC
The 4th TICA 2013 English Title : Simplification of
PID-Fuzzy Controller and Its Implementation on PLC
Hari Maghfiroh1,a, Oyas Wahyunggoro2,b dan A.I. Cahyadi3,c
1,2,3
Jurusan Teknik Elektro dan Teknologi Informasi, U GM, Yogyakarta. a E mail: hari.maghfiroh@gmail.com,
b
E mail: oyas@te.ugm.ac.id c E mail: adha.ima m @ugm.ac.id

A bstrak - Penggabungan A lgoritma F uzzy dengan PI D atau disebut PI D-F uzzy dimaksutkan agar sistem PI D dapat lebih adaptif dalam
menangani perubahan kondisi pada sistem. K ebanyakan sistem PI D-F uzzy yang ada menggunakan F uzzy untuk men-tuning ketiga
parameter PI D( K P , K I , dan K D ). Jika hardware yang digunakan canggih tentunya tidak begitu masalah, tetapi keterbatasan
kemampuan hardware membuat sistem pengendali yang baik dan simpel dicari. Pada penelitian ini dilakukan penyederhanaan sistem
PI D
F uzzy dengan tujuan algoritma lebih sederhana dan komputasi lebih cepat. Sistem yang diusulkan diuji coba dalam simulasi
M A T L A B maupun implementasi pada P L C untuk pengendalian kecepatan motor D C dan memberikan hasil yang memuaskan.

Kata Kunci PI D, F uzzy, motor D C

Abstract- Combination between F uzzy Logic and PI D known as PI D
F uzzy is done to make controller more adaptive to the system
changes. T here are a lot of PI D
F uzzy structure, but almost of it use F uzzy to tune all of three parameters in PI D ( K P , K I , and K D ). If
the hardware that used is powerful, its not a problem. O n the other hand, there are some limitations in hardware so that simple
controller with good perfor mance is needed. In this research, simplification of PI D
F uzzy is done to make a simple and fast
computation of controller algorithm. Proposed system is simulated in M A T L A B and implemented on P L C to control the speed of D C
motor. Both simulation and implementation give a good result.

KeywordsPI D, F uzzy, D C motor

I. PENDAHULUAN
PID(Proporsional Integral Derivatif) adalah salah satu
pengendali yang telah lama digunakan [1] karena kemudahan
dan kesederhanaan aplikasinya [2][3]. Menurut H. Maghfiroh
salah satu kekurangan PID adalah kemempuannya turun ketika
kondisi sistem berubah( tidak adaptif) [4]. Untuk mengatasi
hal ini, para ilmuwan menggabungkan PID dengan algoritma
lain seperti PID - Fuzzy [2] [5] [6], PID  Neural Netwok [2]
[7], PID  Algoritma Genetika [2] [8].
Pada sistem PID-Fuzzy, Fuzzy dipakai untuk men-tuning
nilai parameter PID(KP, KI, dan KD) sehingga nilainya dapat
berubah menyesuaikan kondisi sistem(pengendali bersifat
adaptif). Banyak struktur PID  Fuzzy yang diusulkan para
ilmuwan diantaranya oleh H.Liu [3] yaitu Fuzzy untuk men-
tuning ketiga parameter PID(KP, KI, dan KD). Sistem tersebut
memiliki kinerja yang cukup baik, tetapi membutuhkan
prosesor yang kuat jika diimplementasikan pada hardware
karena komputasi untuk men-tuning ketiga parameter PID
secara online cukup berat. Sedangkan A.K. Nugroho


(1.a)
mengusulkan PID  Fuzzy dengan Fuzzy hanya mentuning
nilai KP, nilai KI dan KD konstan. Akan tetapi, setelah

 (1.b)
melakukan uji ulang, tuning pada bagian KP saja tidak begitu
memberikan pengaruh yang signifikan.
Pada penelitian ini, diusulkan sistem PID  Fuzzy dengan
menggunakan struktur PID yang lain dan dirancang
sedemikian rupa sehingga tuning Fuzzy hanya untuk
parameter KP tetapi dapat berpengaruh pada parameter lain (KI
dan KD). Sistem, yang diusulkan disimulasikan dengan
MATLAB Simulink dan diimplementasikan pada PLC dengan
plan motor DC.
II. PID - FUZZY
A. PID
Secara umum ada dua struktur PID yaitu: paralel dan serial
[4]. Blok diagram PID paralel ditunjukkan pada Gambar 1.a
dengan Persamaan (1.a), sedangkan blok diagram PID serial
ditunjukkan pada Gambar 1.b dengan Persamaan (1.b).
Berdasarkan Gambar 1 dapat dilihat bahwa pada susunan
paralel katiga parameter PID saling independent, sedangkan
pada susunan seri KP mempengaruhi nilai KI dan KD.
     
    




  
  
    


239

(a)
(b)
G ambar 1 Struktur PI D (a) Paralel (b) Serial
B. Fuzzy
Logika Fuzzy adalah algoritma pengambilan keputusan
yang berdasarkan logika pikiran manusia[9]. Logika Fuzzy
telah banyak digunakan dalam dunia kontrol, dan sering
disebut Fuzzy Logic Controller(FLC). Ada tiga komponen
utama dalam FLC yaitu: Fuzzifikasi, Inferensi dan Rule Base,
serta Defuzzifikasi[10] [11], Gambar 2. Keuntungan utama
dari pengendali ini adalah tidak memerlukan model matematis
sistem secara tepat [12] [13].
G ambar 2 K omponen F uzzy [10]
III. SIMPLIFIKASI PID-FUZZY
Pada penelitian ini diusulkan sistem PID-Fuzzy dengan
simplifikasi, yaitu dengan menggunakan Fuzzy hanya untuk
men-tuning satu parameter PID yaitu KP. Seperti disebutkan
sebelumnya, kebanyakan sistem PID-Fuzzy yang telah ada
yaitu Fuzzy untuk men-tuning ketiga parameter PID,
menggunakan struktur PID paralel. Sistem yang diusulkan
disini dengan menggunakan PID serial sehingga perubahan
nilai pada KP juga mempengaruhi nilai KI dan KD. Nilai awal
parameter PID pada simulasi ditentukan dengan auto tuning
MATLAB.
A. PID (parallel)
Fuzzy
Blok diagram simulasi sistem PID paralel
Fuzzy(FP
paralel) dapat dilihat pada Gambar 3. Susunan FP paralel
terletak dalam subsistem FPID, Gambar 4. Terlihat masing

masing parameter(KP, KI, dan KD) di-tuning oleh satu
komponen Fuzzy.
Sistem Fuzzy yang dipakai menggunakan fungsi
keanggotaan segitiga dengan lima keaggotaan(NB, NS, ZE,
PS, dan PB) dengan input berupa error(E) dan perubahan
error(CE) sedangkan outputnya nilai parameter PID, Gambar
5. Setiap blok Fuzzy memiliki 25 aturan sehingga untuk
sistem ini ada 75 aturan. Pada tahap defuzzifikasi digunakan
metode Centroid.
G ambar 3 PI D paralel - F uzzy
G ambar 4 Subsistem F PI D
G ambar 5 F ungsi K eanggotaan F uzzy
B. PID (serial)
Fuzzy
Sistem PID serial
Fuzzy(FP seri) disusun mengunakan
PID serial, Fuzzy hanya dipakai untuk mentuning KP. Seperti
dijelaskan sebelumnya, pada PID serial, perubahan nilai KP
juga mempengaruhi KI dan KD sehingga diharapkan hanya
dengan mengubah nilai KP keseluruhan sistem kendali dapat
lebih adaptif. Komponen Fuzzy yang dipakai sama dengan
yang digunakan pada FP paralel tetapi disini hanya
membutuhkan sepertiga aturannya(25 aturan) karena
parameter PID yang di-tuning hanya KP. Pengurangan jumlah
aturan ini diharapkan dapat meringankan komputasi sistem,
apalagi untuk sistem yang menggunakan prosesor ber-clock
rendah seperti PLC yang banyak dipakai di industri. Susunan
PID serial-Fuzzy yang dipakai pada simulasi ditunjukkan pada
Gambar 6.
240

G ambar 6 PI D serial
F uzzy
C. Hasil S imulasi dan Analisa
Gambar 7 menunjukkan hasil simulasi sistem FP paralel
dan FP seri. Terlihat FP seri memiliki settling time yang lebih
cepat dan tidak terjadi overshoot, sedangkan pada PF paralel
terjadi overshoot. Ketika set-point sistem diturunkan dari 1
menjadi 0,6 , FP seri dapat mengikuti dengen lebih cepat dan
tanpa undershoot, sedangkan pada FP paralel masih terjadi
undershoot. Terakhir, ketika terjadi noise pada sample ke-800
kedua pengendali memberikan respon yang hampir sama.
G ambar 7 Respon Simulasi PI D-F uzzy
IV. IMPLEMENTASI HARDWARE
Sistem PID  Fuzzy yang telah dibuat kemudian
diimplementasikan pada PLC untuk kendali kecepatan motor
DC dengan susunan seperti Gambar 8. Implementasi pada
PLC ini dipilih karena PLC banyak dipakai di industri dan
untuk mengetahui signifikansi reduksi aturan Fuzzy yang telah
dilakukan.
set-point. Sedangkan FP seri dapat mencapai set-point dengan
cepat dan tanpa overshoot. Pembuatan sistem ini berdasarkan
hasil simulasi dengan sedikit penyesuaian dengan hardware.
Selain komputasi yang lama, FP paralel juga memerlukan
waktu yang lama untuk menentukan aturan Fuzzy dibanding
FP seri karena jumlah aturan yang dipakai lebih banyak.
G ambar 9 Respon H ardware PI D-F uzzy
V. KESIMPULAN
Berdasarkan hasil analisa baik dari hasil pengujian
simulasi maupun implementasi hardware dapat disimpulkan
bahwa:
1) Hasil simplifikasi sistem PID-Fuzzy yang menggunakan
PID parallel menjadi PID serial memberikan kesederhaan
dalam penyusunannya.
2) Sistem PID serial  Fuzzy mampu mengurangi beban
komputasi sistem sehingga respon yang dihasilkan lebih
cepat.
UCAPAN TERIMA KASIH
Terima kasih kepada Jurusan Teknik Elektro dan Teknologi
Informasi UGM yang telah memfasilitasi penelitian ini.
DIKTI yang memberikan Beasiswa Unggulan kepada Penulis
dan semua pihak yang membantu penelitian ini.
DAFTAR PUSTAKA

[1]



PID control in Control systems, Robotics and
Automation, vol. II, no. Encyclopedia of Life Support Systems
(EOLSS), Developed under the Auspices of the UNESCO, Eolss
Publishers, Oxford,UK., 1989.
[2]C. Karray, Fakhreddine O.;De Silva, Soft Computing and Intelligent
G ambar 8 Susunan A lat Pengujian Systems Design. Harlow, England: Pearson Education, 2004.
[3]

 !"
#
$%%&

"''*
+'#

/
*

Sistem diuji dengan set-point 500 rpm dan waktu cuplik '%


+&*'"

International Conference on
data 0,05 detik, kemudian data dirata-rata setiap sepuluh Computational Aspect of Social Networks, 2010, no. 1, pp. 561564.
[4]H. Maghfiroh, O. Wahyunggoro, A. I. Cahyadi, and S. Praptodiyono,
cuplik untuk mengurangi riak pada kurva yang dihasilkan. -Hybrid Tuning to Improve Control Performance in Speed
Penentuan nilai awal parameter PID dilakukan dengan metode 
#


<*'



International Converence
Ziegler  Nichols Quarter Decay. Gambar 9 menunjukkan on Instrumentation Control and Automation(ICA), 2013, no. Figure
grafik hasil pengujian. Grafik warna biru adalah hasil dari FP 1, pp. 233238.
[5]=
>*
?'@
'X!\'*
#

'
'*

!'
 

paralel sedang grafik warna merah adalah hasil dari FP seri. pp. 903908, 2003.
Terlihat FP paralel memiliki rise time yang lebih cepat, tetapi [6]^
+
_
^
$

+
'"`'
q
!'
/
+
^@
 
{|"

lama mencapai set-point dan terjadi osilasi sebelum mencapai $%%&

'
}



||
765, 2001.

241
[7]W. Yan, D. #.)

+#
#.&

+
~*'
 
20''&
1')4,#3+/.
/(


-/3/1
$#2'&
/.
+.3',,+)'.3
%/.31/,
5/,

./


[8]

'1'+1#

'-$'1
#.&



+.3/
~'.'3+%
,)/1+3*-
#2'&

System Identification and PID Tuning for Optimum Adaptive
Cont1/,
./


00
€28, 2005.
[9]

"#&'*
~4‚
/)+%

/-043+.)
6+3*
/1&2
IE E E
TRANS ACTION S ON F UZZY SYS TEMS, vol. 4, no. 2, pp. 103€111,
1996.
[10]


#'-+#.
~.3',,+)'.3
4‚

/.31/,,'1
+.
+.
Application
of Fuzzy Control, Genetic Algoritms and Neural Nerworks, vol. 2,
R.Lowen and A.Verschoren, Eds. Springer, 2008, pp. 241€260.
[11]T. J.Ross, F UZZY LO GIC WITH ENGINEERING . Singapore: John Wiley
& Sons, 2010.
[12]
!+#/
~0''&
/.31/,
‚23'-
#2'&
/.
-01/5'&
4‚-PID hybrid
/.31/,
(/1
+1'%3
411'.3
/3/1
00
€395, 2010.
[13]
#-#

"#*+&

#*+1
"
*#,+&
#.&

'*-#.
~'#,-Time
/.31/,
/(
#.
.5'13'&
'.&4,4-

/-0#1#3+5'
34&‚
+.
2011
F rontier of Information Technology, 2011, no. 2, pp. 183€188.

View publication stats

242