LAPORAN PRAKTIKUM ADVANCED CONTROL SYSTEM

“ Pemodelan Karakteristik Sistem “

Oleh :

Nama : Ryan Saragoza Histy

NIM : 161440036
Program Studi : Teknik Instrumentasi Kilang
Bidang Minat : Instrumentasi dan Elektronika
Tingkat : IV (empat)

KEMENTRIAN ENERGI DAN SUMBER DAYA MINERAL

BADAN PENGEMBANGAN SUMBER DAYA MANUSIA ENERGI DAN SUMBER DAYA MINERAL
POLITEKNIK ENERGI DAN MINERAL AKAMIGAS
PEM AKAMIGAS
Cepu, Oktober 2019

1
 I. PENDAHULUAN

1.1. Latar Belakang

Metode respon frekuensi dan tempat kedudukan akar yang merupakan inti teori
sistem kendali klasik, akan mendasari pembahasan sistem yang stabil yang
memenuhi persyaratan unjuk kerja untuk sembarang sistem pengendalian. Sejak
akhir tahun 1950, penekanan desain sistem kendali telah beralih kesalah satu dari
beberapa sistem yang bekerja menjadi desain satu sistem optimal. Teori klasik yang
membahas sistem satu masukan satu keluaran, semenjak tahun 1960 sudah tidak
dapat digunakan untuk sistem multi masukan dan multi keluaran. Dengan kata lain
bahwa sistem kendali multi masukan-multi keluaran menjadi semakin kompleks,
sehingga pemecahannya memerlukan banyak persamaan. Lebih jauh dari itu, logis
bila memerlukan peralatan Bantu yang memadai seperti penggunaan computer
analog maupun digital secara langsung. Semenjak itu pulalah sistem kendali
modern dikembangkan guna mengatasi kompleksitas yang dijumpai pada berbagai
sistem pengendalian yang menuntut ketelitian tinggi dan cepat dengan hasil akhir
(output) optimal.

1.2. Rumusan Masalah

 Pengertia respon sistem
 Karakteristik respon sistem

1.3. Tujuan
 Mengenal karakteristik sistem
 Mampu memodelkan sistem dengan melihat karakteristik respon

2
 II. DASAR TEORI

2.1 Pemodelan (Modeling)

Pemodelan adalah hubungan / korelasi antar input dengan output yang dapat
dinyatakan dalam bentuk persamaan matematis.
 Terdapat 2 tipe pemodelan dilihat hubungannya denagan waktu :
1. Model Statis adalah pemodelan sistem yang tidak melibatkan fungsi waktu.
2. Model Dinamis adalah pemodelan sistem yang melibatkan fungsi waktu.
 Dilihat dari tipe sinyal model dari suatu plant / sistem dibagi menjadi 2 jenis :
a. Model Kontinue
yaitu model sistem yang dinyatakan dalam fungsi kontinue. Karakteristik
model kontinue pada setiap waktu (t) berapapun dapat diketahui nilai
outputnya. Misalnya : fungsi persamaan defferensial maupun fungsi laplace.
b. Model Diskrit
yaitu model matematik yang dapat dinyatakan dalam bentuk fungsi diskrit.
Karakteristik model diskrit dalam waktu berapapun nilai output tidak selalu
ada, dalam artian lain nilai output hanya ada pada waktu tertentu yang
disebut dengan waktu sampling.

 Ditinjau dari analisis desainnya, kontrol dibagi menjadi :

a. Classical Control / kontrol klasik
Adalah suatu tipe klasik pengendalian yang analisis desainnya
menggunakan fungsi laplace. Umumnya kontrol klasik menggunakan
kontroller PID.
b. Modern Control
Adalah suatu tipe perancangan sistem control yang mana analisis sistem
desainnya menggunakan fungsi persamaan state space atau disebut dengan
state space. Umumnya kontrol modern dapat berbentuk kontrol fungsi
waktu / atau domain waktu. Contohnya : Optional Control State Estimator,
Kalman Filter.

3
 PID Kontroler
Adalah tipe kontroler analog yang analisanya dapat mengguanakanmetode
frekuensi respon yaitu bode plot, polar plot dengan metode Zieglar Nichols.
Implementasi PID kontroler dari analisa perancangan kontroler PID
menggunakan Zieglar Nichols / stabilizer margin diperoleh parameter kontroler
Kp (konstanta proporsional), Ti (time integral), Td (time integral). Parameter –
parameter tersebut dapat diimplementasikan menggunakan kontrol pneumatic
dengan mengatur katup, dengan mengatur membran diafragma yang terdapat
pegas dan gaspot (shock yang ada minyaknya) sama halnya dengan dengan
kontrol hidrolik cuma berbeda pneumatik medianya udara, hidrolik medianya
zat cair.
 Ditinjau dari adanya gangguan dari output ke input, system control dibagi
menjadi dua yaitu :
1. Sistem kontrol loop tertutup / feedback controller
Yaitu suatu system kontrol yang diterapkan pada suatu plan apabilaplan
tersebut terdapat gangguan. Pengertian gangguan adalah noise yang
mempengaruhi kerja sistem kontrol yang mana gangguan tersebut adalah
sesuatu yang tidak dapat diprediksi / dimodelkan.
Contoh : Kapal autopilot
Input --> jalur/lintasan plant --> kemudi&badan kapal
Sensor --> GPS/radar output --> jalur/lintasan kapal
Aktuator --> Stearing gear kontroller --> PID, fuzzy, JST
2. Sistem kontrol loop terbuka
Yaitu sistem kontrol yang diterapkan pada suatu plan yang mana plan
tersebut tidak ada gangguan.
 Elemen – elemen dasar sistem kontrol
1. Input / Referensi : yaitu nilai yang diinginkan dari suatu system control
untuk mengatur nilai output dari sebuah plan atau objek yang dikendalikan.
2. Output : yaitu nilai yang dihasilkan dari suatu plan / objek.
3. Sensor : yaitu device untuk memonitor nilai output

4
 4. Aktuator : yaitu penggerak yang digunakan untuk mengoreksi atau
meniadakan eror.
5. Kontaktor : yaitu pemikir / otak sistem control kontrolermengolah sinyal
eror dan komparator untuk diolah /dihitung guna mendapatkan sinyal
kontrol. Sinyal control memiliki kekuatan yang terbatas sehingga actuator
untuk memperbaiki nilai kesalahan.
6. Plan : yaitu komponen atau objek yang dikendalikan.
 Langkah lengkap desain sistem kontrol:
a. Identifikasi sistem, tujuannya untuk memilih tipe kontroler yang tepat yaitu
kontrol loop terbuka / tertutup.
b. Menentukan device / elemen sistem kontrol dan menggambar atau
merencanakan skematik diagram sistem fisiknya.
c. Merancang dan membuat implementasi sistem kendali.
d. Identifikasi model matematik sistem (modelling).
e. Analisa respon system dan analisa kestabilan.
f. Desain kontroller menggunakan simulasi.
g. Implementasi kontroller menggunakan sistem pneumatik, hidrolik, elektrik/
digital.
h. Uji coba kontroller untuk pengendalian plant validasi.

5
2.2 Model Persamaan Differensial
Model ini merupakan model sistem dinamik bentuk persamaan diferensial :
𝑎𝑛 𝑦 𝑛 + 𝑎𝑛−1 𝑦 𝑛−1 + ⋯ + 𝑎0 = 𝑏𝑚 𝑥 𝑚 + 𝑏𝑚−1 𝑥 𝑛−1 + ⋯ + 𝑏0
dengan
𝑑𝑛 𝑦⁄ 𝑑 𝑚 𝑥⁄ 𝑚
𝑦𝑛 = 𝑑𝑡 𝑛 dan 𝑥 𝑚
= 𝑑𝑡
y = output (respo)
x = input

2.3 Model Fungsi Transfer Dan Diagram Blok

Fungsi transfer (ft) adalah perbandingan output terhadap input dalam variable
laplace System dalam variable laplace yang telah diturunkan dari persamaan
diferensial system dituliskan dengan persamaan :
[𝑎0 𝑠 2 + 𝑎2 ]. 𝑋(𝑠) = 𝑏 𝑈(𝑠)
Maka fungsi transfer sistem adalah :
𝑋(𝑠) 1
𝐺(𝑠) = =
𝑈(𝑠) [𝑎0 𝑠 2 + 𝑎2 ]
 Loop terbuka

Fungsi transfer loop terbuka dinyatakan dalam bentuk:

𝐶(𝑠)
𝑇(𝑠) =
𝑅(𝑠)
 Loop tertutup

Fungsi transfer loop tertutup dinyatakan dalam bentuk:

𝐶(𝑠) 𝐺(𝑠)
𝑇(𝑠) = =
𝑅(𝑠) 1 + 𝐺(𝑠) 𝐻(𝑠)

6
2.4 Model Keadaan Ruang
State space adalah ruang berdimensi n yang sumbu koodinatnya terdiri dari
sumbu x1, sumbu x2, … , sumbu xn. Persamaan ruang keadaan :
𝑥̇ (𝑡) = 𝐴(𝑡) . 𝑥(𝑡) + 𝐵(𝑡) . 𝑈(𝑡)
𝑦(𝑡) = 𝐶(𝑡) . 𝑥(𝑡) + 𝐵(𝑡) . 𝑈(𝑡)
Dimana :
A(t) = state matriks C(t) = output matriks
B(t) = input matriks D(t) = direct transmission matriks
Persamaan keadaan input dan output sistem dinyatakan sebagai berikut :
𝑥̇ (𝑡) = 𝐴(𝑥) + 𝐵(𝑢)
𝑦(𝑡) = 𝐶(𝑥) + 𝐷(𝑢)
Jika pada persamaan dilakukan transformasi dengan kondisi awal x(0) adalah
nol, maka:
𝑠𝑋(𝑠) − 𝑥(0) = 𝐴𝑋(𝑠) + 𝐵𝑈(𝑠)
𝑌(𝑠) = 𝐶𝑋(𝑠) + 𝐷𝑈(𝑠)
Kondisi mula = 0, diperoleh :
𝑠𝑋(𝑠) − 𝐴𝑋(0) = 𝐵𝑈(𝑠)
atau,
(𝑠𝐼 − 𝐴)𝑋(𝑠) = 𝐵𝑈(𝑠)
diperoleh:
𝑋(𝑠) = (𝑠𝐼 − 𝐴)−1 𝐵𝑈(𝑠)
Persamaan output menjadi :
𝑌(𝑠) = [ 𝐶(𝑠𝐼 − 𝐴)−1 𝐵 + 𝐷] 𝑈(𝑠)
Dengan membandingkan fungsi alih dan persamaan output, diperoleh:
𝑌(𝑠) [𝐶(𝑠𝐼 − 𝐴)−1 𝐵(𝑢) + 𝐷](𝑢)
𝐺(𝑠) = =
𝑈(𝑠) 𝑈
𝐺(𝑠) = 𝐶(𝑠𝐼 − 𝐴)−1 𝐵 + 𝐷
Dalam beberapa literatur, A sering disebut sebagai matriks keadaan (state
matrix) atau matriks sistem, B disebut matriks input, C dinamai matriks output, D

7
adalah matriks transmisi langsung (direct transmission matrix). Kadang-kadang
sistem ruang keadaan dinyatakan dengan (A, B, C, D).

Gambar Blok Diagram State Space

2.5 Model Keadaan Proses

Suatu sistem pengendalian dikatakan stabil, apabila nilai process variable
berhasil mendekati set point, walaupun diperlukan waktu untuk itu. Keadaan stabil
itu dapat dicapai dengan respon yang overdamped atau yang underdamped. Kedua
respon itu mempunyai kelebihan dan kekurangan masing – masing. Pada respon
yang underdamped, jelas bahwa koreksi sistem berjalan lebih cepat dari respon
yang overdamped. Tetapi tidak berarti bahwa underdamped lebih bagus dari
overdamped. Ada proses yang membutuhkan respon yang lambat (overdamped)
dan ada pula proses – proses yang membutuhkan respon yang cepat (underdamped).

Gambar Response sistem pengendalian otomatis

8
 Gambar Pengaruh Damping Ratio terhadap Lokasi Pole pada Sistem Orde Dua

Kebutuhan tersebut ditentukan oleh sifat proses dan kualitas produk yang
dikehendaki. Sistem pengendalian tidak pernah menghendaki sistem yang tidak
stabil, seperti sustain oscillation, apalagi yang undamped. Pada respon sustain
oscillation, process variable tidak pernah sama dengan set point. Process variable
naik turun di sekitar set point seperti roda sepeda yang sedang berputar. Oleh karena
sifat inilah, sustain oscillation juga disebut cycling. Pada respon undamped, process
variable berisolasi dengan amplitudo yang semakin besar. Process variable semakin
lama semakin mendekati set point, dan pada keadaan itu control valve akan terbuka
tertutup secara bergantian. Akibatnya terciptalah keadaan yang sangat berbahaya
seperti yang terjadi pada feed back positif. Keadaan sustain oscillation dengan
amplitudo kecil di sebagian proses dapat ditolelir sebentar demi untuk penyetelan
control unit (tuning). Namun keadaan undamped tidak dapat ditolelir dalam
keadaan bagaimanapun juga. Kedua keadaan tidak stabil di atas adalah keadaan
yang paling tidak dikehendaki dalam sistem pengendalian.

9
2.6 Model Kestabilan Sistem
Berangkat dari sistem linear di mana awal kondisi mantapnya memiliki
kesalahan nol dan akan tidak sarna dengan nol bila sistem mendapat sejumlah
gangguan dengan keluaran co(t). jika sistem tersebut terkena gangguan pada saat t
= - t 1 (t1>0), yang dapat beraksi sampai waktu tak terhingga dan selanjutnya
berhenti pada t = 0, maka muncul pertanyaan: "Apakah sistem dapat kembali ke
respon aslinya (sebelum terjadi gangguan), yaitu co(t)?" Sebagai jawaban atas hal
tersebut kembaJi pada masalah kestabilan.
Respon untuk sistem linear (superposisi):
𝑐(𝑡) = 𝑐𝑜(𝑡) + 𝑐𝑑(𝑡)
Disini cd(t) adalah respon dari sistem yang terkena gangguan, dengan demikian
persamaan diatas dapat dinyatakan sebagai:
lim [𝑐(𝑡) − 𝑐𝑜(𝑡)] = lim 𝑐𝑑(𝑡) = ?
𝑡−> ~ 𝑡−> ~

Untuk menjawab pertanyaan mengenai kestabilan sistem tersebut perlu

melakukan pengujian atau pembuktian, yaitu dengan membandingkan respon
keluaran setelah terjadi gangguan terhadap respon keluaran aslinya. Dalam hal ini
ada 3(tiga) jawaban pokok, yaitu:
(i) lim 𝑐𝑑(𝑡) = 0
𝑡−> ~

(ii) lim 𝑐𝑑(𝑡) = ±∞ (fungsi osilasi ampiltudo tinggi)

𝑡−> ~

(iii) lim 𝑐𝑑(𝑡) = 𝐾𝑜 ; (suatu konstanta)

𝑡−> ~

= 0(t) ; (osilasi dengan amplitude tak terhingga)

= Ko + 0(t)
Jawaban tersebut memudahkan kita untuk mencapai stabilitas sistem yaitu
 Stabil: Jika respon sistem terhadap pengganggunya berlangsung cepat, dan
akhirnya hilang.
 Tidak stabil: Jika respon sistem terhadap pengganggunya hilang menjadi
amplitude tak terhingga atau osilasi menerus maupun kombinasinya (t _ ~) .
 Stabil terbatas: Jika respon sistem terhadap pengganggunya berlangsung s~'t
cepat, 'dan akhirnya kembali konstan.

10
 Bagian lain dari konsep kestabilan adalah berupa sistem linear yang
dikarakteristikan sebagai berikut:
 Stabil absolute: Apabila harga dari semua parameter sistem stabil.
 Stabil kondisional: Apabila harga dari semua
Seandainya sinyal impulsa dikenakan pada sistem terse but (saat aktif), maka
respon yang terjadi dari sistem terse but adalah:
𝑐𝑑(𝑡) = 𝜁 −1 𝑇(𝑠); dimana T(s) = fungsi alih sistem.
Sistem dimaksud selengkapnya dapat ditulis sebagai berikut:
𝑝(𝑠) 𝑏0 𝑠 𝑚 + 𝑏−1 𝑠 𝑚−1 +. . . + 𝑏𝑚
𝑇(𝑠) = = ; 𝑑𝑖𝑚𝑎𝑛𝑎 𝑚 > 𝑛
𝑞 (𝑠) 𝑎0 𝑠 𝑛 + 𝑎−1 𝑠 𝑛−1 +. . . + 𝑎𝑛
Dengan demikian cd(t) yang terjadi akibat sinyal gangguan berupa impulsa
alami ini bergantung pada fungsi alih dari sistem, yang dalam hal ini berupa akar
kuadrat dari persamaan karakteristik sistem q(s) = O. Akar-akar ini bisa berharga
riil maupun conjugate kompleks dan bisa juga mempunyai banyak variasi orde.
Respon alami dari sistem akan dibantu melalui sejumlah tipe dari akar-akar
sebagaimana dimuat pada tabel berikut ini.
Tabel 1. Respon yang diberikan oleh beberapa tipe akar

11
 Respon-respon (1) sampai dengan (8) sebagaimana dimuat pada Tabel 1
dapat pula diilustrasikan melalui kurva respon sebagaimana ditunjukan pada
gambar berikut ini:

Adapun respon-respon lain yang menyatakan keadaan sistem :

 Letak kedudukan akar dan respon impluse sistem

12
 Letak kedudukan akar dan respon step sistem

Sistem dikatakan stabil apabila respon sistem mendekati harga set-point,

walaupun diperlukan waktu untuk itu. Pada respon underdamped, respon melesat
di atas harga set-point kemudian berosilasi yang pada akhirnya tercapai kondisi
steady state. Pada respon overdamped, walaupun respon tidak pernah melesat di
atas set-point diperlukan waktu yang lebih lama untuk mencapai kondisi steady
state. Sedangkan pada respon critically damped, respon tidak pernah melesat di atas
set-point dan dapat mencapai kondisi steady state dalam waktu singkat. Tetapi hal
ini tidak mencerminkan respon critically damped lebih bagus dari overdamped atau
underdamped. Masing-masing respon tersebut mempunyai kelebihan dan
kekurangan, dan juga tergantung pada proses variabel yang dikendalikan. Ada
proses variabel yang membutuhkan respon sistem yang cepat, dan ada juga yang
membutuhkan respon sistem yang lambat.

13
 Sistem stabil

 Sistem tidak stabil

Sistem dikatakan tidak stabil apabila respon sistem tidak pernah mencapai
harga setpoint. Pada respon sustain oscillation (oscillatory), respon sistem akan
terus berosilasi dengan amplitudo tetap. Sedangkan pada respon undamped, respon
sistem akan terus berosilasi dengan amplitudo yang semakin membesar. Pada
sistem Control, kedua respon tersebut jelas tidak pernah dikehendaki. Pada kondisi
tersebut, control valve akan terus membuka dan menutup secara tidak beraturan
yang akan merusak sistem.

14
 III. Hasil Percobaan

3.1 Alat dan Bahan

1. Software Matlab

2. Data percobaan : Data Percobaan 1, Data Percobaan 2, Data Percobaan

Data Percobaan 3 dan Data Percobaan 4.

3.2 Langkah Kerja

1. Buka aplikasi matlab

 Workspace: perintah untuk menambah tabel.

Tambah menjadi dua kolom klik kiri New atau ctrl + N dan ubah menjadi nama

input dan output.

15
 Variables: table (excel) untuk memasukan input dan output dari data

percobaan.

 Command windows: tempat untuk memasukan perintah dengan perintah

sebagi berikut:

2. Masukkan data

 Masukan data percobaan

16
 Misal untuk data percobaan satu kemudian masukan kedalam variables - input

 Masukan command windows dengan nama “data” sehingga di peroleh

workspace “data”
>> data=iddata(input, output, 0.1) dimana nilai 0.1 adalah sampling time

 Import data di systemIdentification dan pilih data object sehingga muncul

jendal data object dan masukan data yang dibuat. Kemudian klik import.

17
 Pada pilihan Estimate, pilih transfer function model, state space model dan
process model untuk menentukan karakteristik sistem.

 Untuk Transfer function model :

 Tentukan pole dan zero dan pilih estimate.

 Sehingga di peroleh grafik dan data model

18
 Untuk State Space Model :
 Tentukan pole dan zero yang diinginkan dan pilih estimate.

 Sehingga diperoleh grafik dan model data.

19
 Untuk Process Model :
 Tentukan pole, zero, dan integrator yang diinginkan dan tentukan apakah
sistem underdamp atau All real. Kemudian pilih estimate.

 Sehingga diperoleh grafik dan model data.

20
 Diperoleh grafik model output tf, sst dan p2d:

3. Lakukan langkah yang sama untuk data percobaan 2, percobaan 3 dan

percobaan 4. Dengan tujuan untuk memperoleh Fit to estimate date sebesar

mungkin ( hingga 100 %) dan dengan orde (pole) yang sekecil - kecilnya.

21
 IV. Analisa

4.1 Data percobaan

4.2 Percobaan 1
 Data percobaan

 Sampling time 1 :

 Untuk data1 dengan starting time =1 dan sample time = 5 :

22
 Untuk transfer function data :

Untuk transfer function model data1,

 Dari banyak percobaan maka diputuskan digunakan pole 2 dan zero 1. Hal ini
bertujuan untuk mendapat grafik respon yang smoth dan stabil dengan fit to
estimate date 99,79%. Sehingga akan memudahkan untuk state space model dan
process model.
 Perubahan pole dan zero yang tidak sesuai (pole 2 zero 1) akan menyebabkan
respon akan menjadi rusak dan tidak stabil.

23
 Untuk state space model:

Untuk state space model data1,

 Setelah di peroleh transfer function model maka akan dilakukan state space
model. Dari banyak percobaan maka diputuskan digunakan specifity value 2.
Matriks orde 2 bertujuan untuk mendapat grafik respon yang smoth dan stabil
dengan fit to estimate date 99,99%. Meskipun sistem akan sedikit tidak stabil
diawal dan juga akan membutuhkan waktu yang lama untuk stabil.
 Perubahan specify value, yang lebih besar akan mengakibatkan sistem tidak
stabil dan error.

24
 Untuk process model:

Untuk process model data1,

 Setelah di peroleh transfer function model dan state space model. Maka akan
dilakukan process model. Hal ini bertujuan untuk memperbaik respon process
setelah didapat transfer function dan state space.
 Dari banyak percobaan maka diputuskan digunakan pole 2, zero dan dalam
keadaan all real.
 Zero digunakan untuk memperbaiki persamaan model sebelumnya sehingga
persamaan yang baru akan memperbaiki hasil akhir dari respon process model.

25
 All real merupakan keadaan sebernarnya dari process model.
 Grafik respon menunjukan sistem dapat lebih cepat untuk mencapai ke keadaan
stabil.
 Perubahan dengan mengilangkan atau menambah dari keadaan yang ditetapkan
maka akan mengakibatkan sistem tidak stabil dan error.

26
 Untuk grafik respon keseluruhan model :

Untuk keseluruhan model data1,

 Setelah diperbaiki baik untuk transfer function model, state space model dan
process model. Grafik respon masih menunjukan bahwa model berada dalam
keadaan critical dump.
 Dari grafik diketahui bahwa kecepatan respon menjadi lebih cepat.
 Kestabilan lama dicapai dikarenakan adanya delay waktu selama beberapa saat
sebelum sistem merespon.

27
4.3 Percobaan 2
 Data percobaan

 Sampling time 1 :

 Untuk data2 dengan starting time 1 dan sample time 5 :

28
 Untuk transfer function model :

Untuk transfer function model data2,

 Dari banyak percobaan maka diputuskan digunakan pole 3 dan zero 1. Hal ini
bertujuan untuk mendapat grafik respon yang smoth dan stabil dengan fit to
estimate date 92,71%. Sehingga akan memudahkan untuk state space model dan
process model.
 Perubahan pole dan zero yang tidak sesuai (pole 3 zero 1) akan menyebabkan
respon akan menjadi rusak dan tidak stabil.

29
 Untuk state space model :

Untuk state space model data2,

 Setelah di peroleh transfer function model maka akan dilakukan state space
model. Dari banyak percobaan maka diputuskan digunakan specifity value 2.
Matriks orde 2 bertujuan untuk mendapat grafik respon yang smoth dan stabil
dengan fit to estimate date 99,99%. Meskipun sistem akan membutuhkan waktu
yang lama untuk stabil.

30
 Perubahan specify value, yang lebih besar akan mengakibatkan sistem tidak
stabil dan error.

31
 Untuk process model :

Untuk process model data2,

 Setelah di peroleh transfer function model dan state space model. Maka akan
dilakukan process model. Hal ini bertujuan untuk memperbaik respon process
setelah didapat transfer function dan state space.
 Dari banyak percobaan maka diputuskan digunakan pole 2, zero dan delay dalam
keadaan underdamp.

32
 Zero dan delay digunakan untuk memperbaiki persamaan model sebelumnya
sehingga persamaan yang baru akan memperbaiki hasil akhir dari respon process
model.
 Underdamp bertujuan untuk menghilangkan redaman dari model keadaan
sebelumnya dan mempercepat respon proses.
 Perubahan dengan mengilangkan atau menambah dari keadaan yang ditetapkan
maka akan mengakibatkan sistem tidak stabil dan error.

33
 Untuk grafik respon keseluruhan model :

Untuk keseluruhan model data2,

 Setelah diperbaiki baik untuk transfer function model, state space model dan
process model. Maka akan didapatkan grafik respon keseluruhan yang stabil dan
cepat.
 Dikarenakan input masukan data konstan, maka grafik respon bisa diperoleh
menjadi grafik yang bagus dan stabil.

34
4.4 Percobaan 3
 Data percobaan

 Sampling time 1 :

 Untuk data3 dengan starting time 1 dan sample time 5 :

35
 Untuk transfer function model :

Untuk transfer function model data3,

 Dari banyak percobaan maka diputuskan digunakan pole 3 dan zero 1. Hal ini
bertujuan untuk mendapat grafik respon yang smoth dan stabil dengan fit to
estimate date 100%. Sehingga akan memudahkan untuk state space model dan
process model.
 Dari respon sistem dapat diketahui bahwa transfer function model merupakan
keadaan critical dump.

36
 Perubahan pole dan zero yang tidak sesuai (pole 3 zero 1) akan menyebabkan
respon akan menjadi rusak dan tidak stabil.

37
 Untuk state space model :

Untuk state space model data3,

 Setelah di peroleh transfer function model maka akan dilakukan state space
model. Dari banyak percobaan maka diputuskan digunakan specifity value 1.
Matriks orde 1 bertujuan untuk mendapat grafik respon yang cepat dan stabil
dengan fit to estimate date 100%. Hal ini juga dikarenakan perubahan output
data yang begitu cepat.
 Meskipun model telah dibawa ke keadaan state space respon sistem masih
menunjukan bahwa model berada dalam keadaan critical damp.

38
 Perubahan specify value, yang lebih besar akan mengakibatkan sistem tidak
stabil dan error.

39
 Untuk process model :

Untuk process model data3,

 Setelah di peroleh transfer function model dan state space model. Maka akan
dilakukan process model. Hal ini bertujuan untuk memperbaik respon process
setelah didapat transfer function dan state space.
 Dari banyak percobaan maka diputuskan digunakan pole 2, delay dan dalam
keadaan allreal.

40
 Zero digunakan untuk memperbaiki persamaan model sebelumnya sehingga
persamaan yang baru akan memperbaiki hasil akhir dari respon process model.
 Keadaan all real menunjukan keadaan proses yang sebenarnya.
 Perubahan dengan mengilangkan atau menambah dari keadaan yang ditetapkan
maka akan mengakibatkan sistem tidak stabil dan error.
 Dari respon sistem, model masih menunjukan keadaan critical damp meskipun
telah dilakukan pemodelan proses.

41
 Sehingga untuk grafik respon keseluruhan respon :

Untuk keseluruhan model data3,

 Setelah diperbaiki baik untuk transfer function model, state space model dan
process model. Grafik respon masih menunjukan bahwa model berada dalam
keadaan critical damp.
 Dari grafik diketahui bahwa kecepatan respon menjadi lebih cepat.
 Kestabilan lama dicapai dikarenakan masukan data langsung berubah dan
merespon menjadi naik dengan cepat.

42
43
4.5 Percobaan 4
 Data percobaan

 Sampling time 1 :

 Masukan data4 dengan starting time 1 dan Sampling time 5 :

44
 Untuk transfer function model :

Untuk transfer function model data4,

 Dari banyak percobaan maka diputuskan digunakan pole 2 dan zero 1. Hal ini
bertujuan untuk mendapat grafik respon yang smoth dan stabil dengan fit to
estimate date 100%. Sehingga akan memudahkan untuk state space model dan
process model.
 Dari respon sistem dapat diketahui bahwa transfer function model merupakan
keadaan critical damp.
 Perubahan pole dan zero yang tidak sesuai (pole 3 zero 1) akan menyebabkan
respon akan menjadi rusak dan tidak stabil.

45
 Meskipun transfer function model data3 dan transfer function model data4 sama-
sama merupakan keadaan critical damp. Tetapi kecepatan respon sistem data4
untuk stabil jauh lebih cepat di banding data3.

46
 Untuk state space model :

Untuk state space model data3,

 Setelah di peroleh transfer function model maka akan dilakukan state space
model. Dari banyak percobaan maka diputuskan digunakan specifity value 2.
Matriks orde 2 bertujuan untuk mendapat grafik respon yang cepat dan stabil
dengan fit to estimate date 100%.
 Meskipun model telah dibawa ke keadaan state space respon sistem masih
menunjukan bahwa model berada dalam keadaan critical damp.

47
 Perubahan specify value, yang lebih besar akan mengakibatkan sistem tidak
stabil dan error.
 Respon grafik untuk data4 lebih cepat dibandingkan dengan data3.

48
 Untuk process model :

Untuk process model data4,

 Setelah di peroleh transfer function model dan state space model. Maka akan
dilakukan process model. Hal ini bertujuan untuk memperbaik respon process
setelah didapat transfer function dan state space.
 Dari banyak percobaan maka diputuskan digunakan pole 1, delay dan dalam
keadaan all real.
 Zero digunakan untuk memperbaiki persamaan model sebelumnya sehingga
persamaan yang baru akan memperbaiki hasil akhir dari respon process model.

49
 Keadaan all real menunjukan keadaan proses yang sebenarnya.
 Perubahan dengan mengilangkan atau menambah dari keadaan yang ditetapkan
maka akan mengakibatkan sistem tidak stabil dan error.
 Dari respon sistem, data4 model masih menunjukan keadaan critical damp
meskipun telah dilakukan pemodelan proses dengan kecepatan untuk sabil
menjadi lebih cepat.

50
 Sehingga untuk grafik keseluruhan respon model :

Untuk keseluruhan model data4,

 Setelah diperbaiki baik untuk transfer function model, state space model dan
process model. Grafik respon masih menunjukan bahwa model berada dalam
keadaan critical damp tetapi dengan keadaan untuk mencapai stabil menjadi
lebih cepat.
 State space model menggunakan orde 1 dikarenakan pada output data, data akan
merespon setelah menggalami delay yang cukup lama sebelum merespon.

51
 V. Penutup

a. Kesimpulan

Dari praktek untuk pemodelkan sistem maka dapat diperoleh beberapa

kesimpulan yaitu:
 Respon data bergantung pada masukan ouput dan input data. Masukan input
output dalam matlab akan mempengaruhi persamaan didalamnya baik untuk
tranfer function, state space maupun procees model.
 Respon orde dua dibagi menjadi overdamp, underdamp, dan critical damp.
 Sampling time mempengaruhi proses pengambilan sampel data
 Perubahan masukan akan terus dilakukan sampai diperoleh grafik respon yang
sesuai dengan karakteristik model orde 2.
 Persamaan dan masukan baik untuk menentukan pole dan zero, state space,
process model ditentukan dari bagus dan benarnya grafik respon yang
dihasilkan.
 Dari keempat percobaan, diperoleh bahwa percobaan ke dua merupaka
percobaan yang paling bagus dikarenakan sesuai dengan karakteristik sistem
dilapangan dan juga menghasilkan grafik yang bagus dan sesuai.

b. Saran
 Sebaiknya dilakukan banyak metode trial and error untuk mengetaui nilai
masukan mana yang sesuai dengan data dan keadaan model
 Masukan data untuk mencari transfer function, state space dan process model
harus disesuaikan dengan hasil dari grafik respon yang diperoleh.

52