KONTROL POSISI SUDUT MOTOR DC MENGGUNAKAN KONTROLER PI MRAC PADA

CAMERA STABILIZER 3DOF

(Angle Position Control of DC Motor Using MRAC PI Controller On 3 DOF Camera Stabilizer)

Ikrar Dionata 1), Moch. Rusli 2), Erni Yudaningtyas 3)

1
Mahasiswa Teknik Elektro Universitas Brawijaya, 2,3Dosen Teknik Elektro Universitas Brawijaya
Jurusan Teknik Elektro Fakultas Teknik Universitas Brawijaya
Jalan MT. Haryono 167, Malang 65145, Indonesia
E-mail: ikrardionataa@gmail.com

ABSTRAK
Divisi FW merupakan salah satu kategori lomba pada Kontes Robot Terbang Indonesia (KRTI) yang
diadakan oleh DIKTI dengan tema “Monitoring dan Mapping Area Perkebunan” yang menggunakan kamera
pada pesawat tipe fixed-wing. Pesawat diharapkan mampu melakukan take off, mengirimkan data terbang,
mengirim dan menayangkan secara langsung video yang diperoleh ke Ground Control Station. Kualitas live
video seperti kejernihan, kontinuitas, dan fokus gambar menjadi unsur penting dalam penilaian. Aliran udara
yang tidak terduga akan menyulitkan pesawat dalam proses pengambilan gambar dan video. Salah satu
mekanisme yang sering digunakan untuk menjaga keseimbangan kamera yaitu camera stabilizer, dengan
motor DC sebagai aktuator, rotary encoder sebagai sensor posisi sudut motor DC dan IMU sebagai sensor
keseimbangan. Kontroler yang digunakan adalah Proportional Integral (PI). Motode penentuan parameter
kontroler PI menggunakan teknik model reference adaptive control (MRAC) dengan aturan MIT. Dari hasil
percobaan, respon sistem dengan gangguan pada motor DC 1, 2 dan 3 sebesar 27.7°, −12.56°, −14.33° serta
setpoint 30° memiliki nilai 𝑡𝑠 𝑌 1 = 1,281 𝑠, 𝑡𝑠 𝑌 2 = 0,967 𝑠, 𝑡𝑠 𝑌 3 = 1,007 𝑠, 𝑒 𝑌 1 = 2°, 𝑒 𝑌 2 =
1°, 𝑒 𝑌 3 = 1°, 𝑀 𝑌 1 = 0°, 𝑀 𝑌 2 = 0°, 𝑌 3 = 0°, recovery time 𝑌 1 = 3,202 𝑠, recovery time 𝑌 2 =
1,89 𝑠 dan recovery time 𝑌 3 = 1,375 𝑠.

Kata Kunci: Motor DC, Kontroler PI, MRAC, Aturan MIT, Camera Stabilizer, 3 DOF.

ABSTRACT
FW Division is one of the categories of competitions in Kontes Robot terbang Indonesia (KRTI) held
by DIKTI with the theme "Monitoring and Mapping of Plantation Areas" which uses cameras on fixed-wing
type aircraft. The aircraft is expected to be able to take off, send flying data, send and broadcast video directly
to the Ground Control Station. The quality of live videos such as clarity, continuity, and focus on images are
important elements in the assessment. Unexpected air flow will complicate the aircraft in the process of taking
pictures and videos. One mechanism that is often used to maintain the balance of the camera is a camera
stabilizer, with a DC motor as an actuator, a rotary encoder as a sensor for the angular position of the DC
motor and the IMU as a balance sensor. The controller used is Proportional Integral (PI). The method for
determining PI controller parameters using a model reference adaptive control (MRAC) technique with MIT
rules. From the result of the experiment, the response of the system with interference on DC motor 1, 2 and 3
is 27.7 °, -12.56°, -14.33° and a setpoint of 30° has value 𝑡𝑠 𝑌 1 = 1,281 𝑠, 𝑡𝑠 𝑌 2 = 0,967 𝑠, 𝑡𝑠 𝑌 3 =
1,007 𝑠, 𝑒 𝑌 1 = 2°, 𝑒 𝑌 2 = 1°, 𝑒 𝑌 3 = 1°, 𝑀 𝑌 1 = 0°, 𝑀 𝑌 2 = 0°, 𝑌 3 = 0°, recovery time
𝑌 1 = 3,202 𝑠, recovery time 𝑌 2 = 1,89 𝑠 and recovery time 𝑌 3 = 1,375 𝑠.

Keywords: DC Motor, PI Controller, MRAC, MIT rules, Camera Stabilizer, 3 DOF

1. PENDAHULUAN kontinuitas, dan fokus gambar menjadi unsur penting

Divisi FW merupakan salah satu kategori lomba
pada Kontes Robot Terbang Indonesia (KRTI)
dengan tema “Monitoring dan Mapping Area
Perkebunan”. Dalam melaksanakan tugasnya, divisi
FW menggunakan pesawat tipe fixed-wing dengan
sebuah kamera pada sisi bawah pesawat. Pesawat
diharapkan mampu melakukan take off, mengirimkan
data terbang serta mengirim dan menayangkan secara
langsung video yang diperoleh ke Ground Control
Station. Kualitas live video seperti kejernihan,
dalam penilaian [7].
Aliran udara yang tidak terduga akan menyulitkan
pesawat pada proses pengambilan gambar dan video.
Salah satu mekanisme yang sering digunakan untuk
menjaga keseimbangan kamera pada sebuah pesawat
yaitu camera stabilizer.
Secara umum, prinsip kerja camera stabilizer
adalah dengan mengandalkan sebuah gyrosensor
yang dapat mendeteksi getaran pada kamera. Getaran
tersebut di kompensasi menggunakan aktuator berupa

1
motor DC. Agar dapat berfungsi dengan baik,
dibutuhkan sistem pengontrolan posisi sudut motor
DC. Salah satu jenis kontroler yang biasa digunakan
adalah kontroler Proportional Integral (PI).
Kontroler PI memiliki respon yang cukup cepat.
Penelitian sebelumnya, pengontrolan motor DC
pada camera stabilizer menggunakan metode Root
Locus pada proses penentuan parameter
kontrolernya. Metode tersebut menghasilkan
parameter kontroler yang bernilai konstan sehingga
menghasilkan respon yang kurang baik ketika Gambar 2. Blok Diagram Pada Motor DC
diterapkan pada kondisi yang tidak terduga. Pada
Keterangan:
penelitian tersebut, memiliki sistem 2 DOF dengan
1. 𝑈 merupakan setpoint atau posisi sudut yang
sumbu posisi pitch dan roll sehingga gangguan pada
diinginkan.
sumbu posisi yaw tidak dapat di minimalisir. Degrees
2. 𝐸(𝑡) merupakan selisih antara nilai yang
of Freedom (DOF) didefinisikan sebagai suatu
diinginkan dengan nilai respon motor DC
mekanisme yang mengacu pada jumlah parameter
3. 𝐸 (𝑡) merupakan selisih antara respon motor
input bebas yang diperlukan untuk menentukan posisi
DC dengan respon model referensi
relatif semua link [8].
4. 𝑈 (𝑡) merupakan sinyal terkontrol atau keluaran
Pada penelitian ini akan membahas
kontroler PI
pengembangan alat dan perancangan kontrol posisi
5. 𝑊(𝑡) merupakan respon motor DC berupa
sudut motor DC menggunakan kontroler PI dengan
teknik model reference adaptive control (MRAC) kecepatan
pada camera stabilizer 3 DOF. MRAC merupakan 6. 𝑌(𝑡) merupakan respon motor DC berupa posisi
salah satu teknik perancangan sistem kontrol adaptif. sudut
Sebuah kontroler adaptif adalah sebuah kontroler 7. 𝑌′(𝑡) merupakan respon motor DC ditambah
yang mampu mengubah perilaku responnya untuk dengan gangguan
mengubah dinamika proses dan karakter gangguan 8. 𝑋(𝑡) merupakan gangguan berupa
[2]. Dalam penggunaan sistem kontrol adaptif pada penyimpangan sudut
penelitian ini, diharapkan sistem dapat mengatasi 9. 𝑌 (𝑡) merupakan respon model referensi
kondisi yang tidak teduga untuk mencapai hasil yang 10. 𝑇(𝑡) merupakan parameter kontroler PI
maksimal. 11. 𝑌′1(𝑡) merupakan respon motor DC 1 ditambah
ditambah gangguan dengan arah pergerakan
2. METODE PENELITIAN pitch.
2.1. Perancangan Diagram Blok Sistem 12. 𝑌′2(𝑡) merupakan respon motor DC 2 ditambah
Untuk menjelaskan sistem kerja alat dan ditambah gangguan dengan arah pergerakan
mengetahui setiap blok dapat bekerja sesuai harapan, roll.
diperlukan perancangan blok diagram sistem seperti 13. 𝑌′3(𝑡) merupakan respon motor DC 3 ditambah
pada gambar 1 dan blok diagram pada setiap aktuator ditambah gangguan dengan arah pergerakan
pada gambar 2. yaw.

2.2. Spesifikasi Desain

Respon sistem yang diinginkan pada penelitian
ini memiliki spesifikasi desain sebagai berikut :
1. Settling time kurang dari 3 detik.
Karena camera stabilizer membutuhkan respon
yang cepat ketika diberi nilai setpoint.
2. Error steady state kurang atau sama dengan 2
derajat.
Karena camera stabilizer membutuhkan respon
yang memiliki error steady state kurang dari 2
Gambar 1. Blok Diagram Sistem derajat dan sensor rotary encoder membaca
perubahan nilai setiap 1 derajat.

2
3. Overshoot kurang atau sama dengan 2 derajat.
Karena camera stabilizer membutuhkan respon
yang memiliki error steady state kurang dari 2
derajat dan sensor rotary encoder membaca
perubahan nilai setiap 1 derajat.
2.3. Pembuatan Perangkat Keras
Pembuatan perangkat keras dilakukan sebagai
salah satu langkah sebelum terbentuknya suatu sistem
beserta alghoritma programnya. Hal ini bertujuan
agar sistem kontrol camera stabilizer pada penelitian
ini dapat bekerja sesuai dengan deskripsi awal yang
telah direncanakan. Pembuatan perangkat keras yang
dilakukan pada penelitian ini seperti gambar 3, 4 dan
5.
2.4. Penentuan Fungsi Alih Motor DC
Fungsi alih motor DC didapat dari proses
pemodelan dengan cara membangkitkan sinyal
Pseudo Random Binary Sequence (PRBS) yang
digunakan sebagai input tegangan motor DC dan
mengamati perubahan output motor DC berupa
kecepatan. Setelah melakukan proses identifikasi
pada software matlab, didapatkan fungsi alih motor
DC 1 seperti pada persamaan (1).
( )
=
.
(1)
( ) . .
Fungsi alih motor DC 1 yang didapatkan masih
memiliki output kecepatan sudut, dalam penelitian ini
pengontrolan sistem secara keseluruhan berupa
pengontrolan posisi sudut sehingga fungsi alih yang
didapat perlu dikalikan dengan integrator dengan
gain sama dengan 1 sehingga didapat persamaan (2).

( ) .
( )
= . .
(2)

Dengan cara yang sama, didapatkan fungsi alih motor

DC 2 dan 3 seperti pada (2) dan (3)

( )
= (3)
Gambar 3. Desain Alat ( ) . .
( ) .
( )
= (4)
. .

2.5. Penentuan Model Referensi

Dalam menentukan struktur model referensi, hal
pertama yang harus dilakukan adalah mengetahui
bentuk fungsi alih sistem loop terutup. Diagram blok
sistem loop terutup ditunjukkan pada Gambar 3.24.

Gambar 4. Perancangan Perangkat Keras Gambar 6. Diagram Blok Sistem Loop Tertutup

Bentuk fungsi alih dari sistem loop tertutup diperoleh

dari persamaan (5).
( ) ∙ ∙
( )
= ∙ ∙
(5)

Dimana:
𝐴 = 𝐾𝑝 + (6)
𝐵 = (7)
𝐶 = (8)

Gambar 5. Foto Alat Dengan mensubtitusikan persamaan (6) hingga (8)

kedalam persamaan (5), didapat persamaan fungsi
3
alih sistem loop tertututp seperti pada persamaan (9) error didefinisikan sebagai selisih antara respon
hingga (11). model plant y dan respon model referensi 𝑦 (𝑒 =
𝑦 − 𝑦 ) sehingga memungkinkan untuk didapatkan
( )
parameter kontroler 𝐾 dan 𝐾 dengan menerapkan
( )
( )
= (9) aturan MIT seperti pada persamaan (14).
( )

( ) 𝐽(𝜃) = 𝑒 (14)
= ∙ (10)
( ) ( ) ( )
( ) Untuk mendapatkan nilai 𝐽 yang kecil, merupakan hal
= (11)
( ) ( ) yang beralasan untuk mengubah parameter dalam
arah gradien dari 𝐽 [4], seperti pada persamaan (15)
Model referensi ditentukan melalui derajat
relatif sistem. Derajat relatif model referensi sistem
harus sama dengan derajat relatif sistem. Derajat = −𝛾 = −𝛾𝑒 (15)
relatif adalah selisih antara derajat polinomial pole
dengan derajat polinomial zero [3]. Orde model Dengan mengintegralkan persamaan (15), maka
referensi disesuaikan dengan orde sistem, sehingga didapat persamaan (16).
model referensi dapat diasumsikan dalam bentuk
fungsi alih orde 4 seperti pada persamaan (12). 𝜃= 𝑒 (16)
( )
= (12)
( ) Terapkan aturan MIT untuk mengatur nilai parameter
kontroler PI [4], seperti pada persamaan (17) dan
Respon model referensi didapat dengan cara try
(18).
and error sesuai dengan keinginan penulis, model
referensi yang diinginkan yaitu dapat mengikuti
karakteristik plant, respon yang stabil, memiliki error = −𝛾 = −𝛾 (17)
steady state yang kecil, tidak terdapat osilasi dan
memiliki settling time yang kecil. Penentuan model = −𝛾 = −𝛾 (18)
referensi dapat dilakukan dengan cara melihat respon
model referensi melalui aplikasi Simulink di Matlab.
Setelah melakukan try and error, didapat persamaan Dimana :
model referensi seperti persamaan (13) dan respon
transien model referensi seperti pada Gambar 7. 𝑒 =𝑌−𝑌 (19)
=1 (20)
( ) , ∙
= (13)
( ) , , , ∙ =𝑒 (21)

Dengan menggunakan hubungan persamaan (17)

hingga (21) sehingga didapat persamaan sebagai
berikut :

= −𝛾 = −𝛾 𝑒 (22)

= −𝛾 = −𝛾 𝑒 (23)

Untuk mendapatkan adalah dengan cara

Gambar 7. Respon Transien Model Referensi menyederhanakan persamaan (22) sehingga didapat
persamaan berikut :
2.6. Desain Kontroler PI MRAC
Dalam mendesain kontroler PI MRAC, 𝑌 𝑎 𝑆 + 𝑎 𝑆 + (𝑎 + 𝑏 ∙ 𝐾 )𝑆 + (𝑏 ∙ 𝐾 )𝑠 =
perubahan parameter kontroler terhadap waktu 𝑈 𝑏 𝐾 𝑠 + 𝑏𝐾 (24)
dinyatakan dalam model pendekatan gradien dimana
4
Dengan memisalkan ruas kiri pada persamaan (18) 2.7. Flowchart Program Utama
adalah A dan ruas kanan adalah B maka didapat Flowchart program utama ditunjukkan pada
persamaan (25). gambar 8.

𝑌 𝑎 𝑆 + 𝑎 𝑆 + (𝑎 + 𝑏 ∙ 𝐾 )𝑆 + 𝑏 ∙

𝐾 𝑠 = 𝑈 𝑏 𝐾 𝑠 + 𝑏𝐾 (25)

(𝐴) = (𝐵) (26)

Dengan mendiferensialkan A dan B maka didapat

persamaan (27) hingga (29).

(𝐴) = 𝑌𝑏𝑠 + (𝑎 𝑆 + 𝑎 𝑆 + (𝑎 + 𝑏 ∙

𝐾 )𝑆 + (𝑏 ∙ 𝐾 )𝑠) ) (27)

(𝐵) = 𝑏𝑠𝑈 (28)

𝑌𝑏𝑠 + 𝑎 𝑆 + 𝑎 𝑆 + (𝑎 + 𝑏 ∙ 𝐾 )𝑆 + (𝑏 ∙

𝐾 )𝑠 = 𝑏𝑠𝑈 (29)

Dengan menyamakan bentuk persamaan (29) maka

didapat persamaan (30).
Gambar 8. Flowchart Program Utama
= ( ∙ ) ( ∙ )
(𝑈 − 𝑌) (30)
3. HASIL DAN PEMBAHASAN
3.1. Pengujian Simulasi
Dengan cara yang sama untuk mendapatkan Pengujian simulasi sistem dilakukan untuk
maka didapat persamaan (31) mengamati respon sistem sebelum
diimplementasikan langsung ke camera stabilizer.
= (𝑈 − 𝑌) (31) Dengan 𝑇𝑠 = 0.05 𝑠 dan gain parameter yang
( ∙ ) ( ∙ ) digunakan seperti pada tabel 1.

Dengan mensubstitusikan persamaan (30) dan (31) Tabel 1. Gain Parameter Kontroler
kedalam persamaan (22) dan (23) maka didapat Kontroler 𝛾 𝛾
persamaan (32) dan (33). 1 0.002 0.000002
2 0.02 0.00008
= −𝛾 𝑒 (𝑢 − 𝑌) 3 0.015 0.0001
( ∙ ) ( ∙ )
(32)
3.1.1. Pengujian Sistem Tanpa Gangguan
= −𝛾 𝑒 (𝑢 − 𝑌)
( ∙ ) ( ∙ ) Pada pengujian sistem tanpa gangguan dengan
(33) setpoint 30° didapatkan respon sistem seperti pada
gambar 9 dan tabel 2.
Dengan mengintegralkan persamaan (32) dan (33)
maka didapat persamaan parameter kontroler seperti
pada persamaan (34) dan (35).
.
𝐾 = 𝑒 (𝑢 − 𝑌) (34)
. . .
.
𝐾 = 𝑒 . . .
(𝑢 − 𝑌) (35)

5
 Gambar 12. Respon Kontroler 3 pada Pengujian
Gambar 9. Respon Sistem pada Pengujian Simulasi Simulasi Sistem tanpa Gangguan
Sistem tanpa Gangguan
Tabel 3. Nilai Parameter Kontroler PI pada
Tabel 2. Respon Sistem pada Pengujian Simulasi Pengujian Simulasi Sistem tanpa Gangguan
Sistem tanpa Gangguan Motor DC 𝐾 𝐾
Motor DC 𝑡 (𝑠) 𝑒 𝑀 1 3.7 1.28 ∙ 10
1 1.43 0.0015° 0. 0018° 2 3.65 3.9 ∙ 10
2 1.4 0.0338° 0.11° 3 3.47 6.9 ∙ 10
3 1.5 0. 06° 0.23°
3.1.2. Pengujian Sistem Dengan Gangguan
Pada pengujian simulasi sistem tanpa gangguan Pada pengujian sistem dengan gangguan 10°,
dengan setpoint 30° didapatkan nilai parameter −10° dan setpoint 30° didapatkan respon sistem
kontroler PI seperti pada gambar 10, 11, 12 dan tabel seperti pada gambar 13 dan tabel 4.
3.

Gambar 10. Respon Kontroler 1 pada Pengujian Gambar 13. Respon Sistem pada Pengujian
Simulasi Sistem tanpa Gangguan Simulasi Sistem dengan Gangguan

Tabel 4. Data Respon Sistem pada Pengujian

Simulasi Sistem dengan Gangguan
Motor Recovery
𝑡 (𝑠) 𝑒 𝑀
DC time (s)
1 1,43 0,0015° 0,0018° 0,35
2 1,4 0,0338° 0,11° 0,5
3 1,5 0,06° 0,23° 0,505

Pada pengujian simulasi sistem dengan

Gambar 11. Respon Kontroler 2 pada Pengujian gangguan dan setpoint 30° didapatkan nilai
Simulasi Sistem tanpa Gangguan parameter kontroler PI seperti pada gambar 14, 15, 16
dan tabel 5.

6
 Tabel 6. Gain Parameter Kontroler
Kontroler 𝛾 𝛾
1 0,2 1
2 0,35 2,3
3 0,6 3,3

3.2.1. Pengujian Sistem Tanpa Gangguan

Pengujian sistem tanpa gangguan dilakukan
untuk mengetahui performansi sistem ketika tidak
Gambar 14. Respon Kontroler 1 pada Pengujian diberi gangguan. Pada pengujian ini digunakan nilai
Simulasi Sistem dengan Gangguan setpoint 30° seperti pada gambar 17 dan tabel 7.

Gambar 15. Respon Kontroler 2 pada Pengujian

Simulasi Sistem dengan Gangguan
Gambar 17. Respon Sistem pada Pengujian Alat
tanpa Gangguan

Tabel 7. Data Respon Sistem pada Pengujian Alat

tanpa Gangguan
Motor DC 𝑡 (𝑠) 𝑒 𝑀
1 1.358 0.97° 0°
2 1.045 1° 1°
3 0.89 0° 0°

Gambar 16. Respon Kontroler 3 pada Pengujian Pada pengujian sistem tanpa gangguan dan
Simulasi Sistem dengan Gangguan setpoint 30° didapatkan nilai parameter kontroler PI
seperti pada gambar 18, 19, 20 dan tabel 8.
Tabel 5. Nilai Parameter Kontroler PI pada
Pengujian Simulasi Sistem dengan Gangguan
𝑋=0 𝑋 ≠0
Motor
DC 𝐾 𝐾 𝐾 𝐾
1 3,7 1,28 ∙ 10 3,82 3,92 ∙ 10
2 3,65 3,9 ∙ 10 3,78 1,3 ∙ 10
3 3,47 6,9 ∙ 10 3,73 1,9 ∙ 10

3.2. Pengujian Alat

Pengujian alat dilakukan untuk mengetahui
apakah alat yang telah dibuat dapat berfungsi dengan Gambar 18. Respon Kontroler 1 pada Pengujian
baik sesuai dengan perancangan yang telah Alat tanpa Gangguan
ditentukan. Pada pengujian ini, nilai 𝑇𝑠 = 0.05 𝑠 dan
gain parameter yang digunakan seperti pada tabel 6.

7
Gambar 19. Respon Kontroler 2 pada Pengujian
Alat tanpa Gangguan
Gambar 21. Respon Sistem pada Pengujian Alat
dengan Gangguan

Tabel 9. Data Respon Sistem pada Pengujian Alat

dengan Gangguan
Motor DC 𝑡 (𝑠) 𝑒 𝑀 Recovery
time (s)
1 1.281 2° 0° 3.202
2 0.967 1° 0° 1.89
3 1.007 1° 0° 1.375

Gambar 20. Respon Kontroler 3 pada Pengujian Pada pengujian sistem dengan gangguan dan
Alat tanpa Gangguan setpoint 30° didapatkan nilai parameter kontroler PI
seperti pada gambar 22, 23, 24 dan tabel 11.
Tabel 8. Nilai Parameter Kontroler PI pada
Pengujian Alat tanpa Gangguan
Motor DC 𝐾 𝐾
1 0.98 0.12
2 0.91 0.14
3 1.41 0.19

3.2.2. Pengujian Sistem Dengan Gangguan

Pengujian sistem dengan gangguan dilakukan
untuk mengetahui performansi sistem ketika diberi
gangguan. Pada pengujian ini diberi nilai gangguan Gambar 22. Respon Kontroler 1 pada Pengujian
sebesar 27.7°, −12.56°, −14.33° dan setpoint 30° Alat dengan Gangguan
seperti pada gambar 21 dan tabel 9.

Gambar 23. Respon Kontroler 2 pada Pengujian

Alat dengan Gangguan

8

Gambar 24. Respon Kontroler 3 pada Pengujian
Alat dengan Gangguan
Tabel 11. Nilai Parameter Kontroler PI pada
Pengujian Alat dengan Gangguan
Motor DC X 𝐾 𝐾 4.
1 27.7° 2.28 0.28
2 −12.56° 1.56 0.25
3 −14.33° 2.51 0. 34
4. KESIMPULAN DAN SARAN
A. Kesimpulan
Setelah melakukan pengujian dan analisis
didapatkan beberapa kesimpulan sebagai berikut :
1. Dalam merancang kontroler PI menggunakan
teknik MRAC, struktur model referensi
ditentukan berdasarkan fungsi alih sistem loop
tertutup. Untuk mendapatkan respon sistem
yang mampu mengikuti respon model referensi,
parameter kontroler PI mengalami perubahan
sebanding dengan selisih antara respon sistem
dan respon model referensi. Salah satu
mekanisme yang dapat digunakan dalam proses
perhitungan parameter kontroler yaitu aturan
MIT 𝐽(𝜃) = 𝑒 .
2. Berdasarkan hasil pengujian alat, respon sistem
setiap motor DC dengan setpoint 30° dan
gangguan masing-masing motor DC sebesar
27,7°, −12,56°, −14,33° memiliki respon yang
menyerupai spesifikasi desain dan memiliki
settling time sebesar ±1,281 𝑠, error steady
state sebesar ±1,33°, overshoot sebesar 0° dan
recovery time sebesar ±2,15 𝑠.
3. Berdasarkan hasil pengujian alat ketika sistem
diberi setpoint 30°, parameter kontroler PI
mengalami perubahan sebanding dengan selisih
antara respon sistem dan respon model referensi.
Parameter kontroler PI akan kembali mengalami
perubahan ketika diberi gangguan berupa
penyimpangan sudut pada masing-masing motor
DC sebesar 27,7°, −12,56° dan −14,33°.
9
B. Saran
Didalam perancangan dan pembuatan alat ini
masih terdapat beberapa kekurangan dan kelemahan.
Saran yang dapat diberikan untuk penelitian
selanjutnya adalah :
1. Menggunakan mikrokontroler yang berbeda
pada proses perhitungan model referensi dan
perhitungan sistem loop tertutup untuk
mendapatkan selisih respon sistem dan respon
model referensi yang sesuai.
2. Memberikan gangguan berupa perubahan nilai
setpoint untuk melihat respon sistem ketika
diberi gangguan yang berbeda.
3. Menggunakan sensor rotary encoder dengan
tingkat ketelitian yang lebih tinggi.
Diperlukan konstruksi mekanik yang lebih baik
agar jangkauan sudut putar camera stabilizer
lebih besar.
5. Menambahkan gear banding untuk
mendapatkan putaran sudut yang lebih baik.
5. DAFTAR PUSTAKA
[1] Aswintara, U. H. 2017. Penentuan Gain
Kontroler PI Digital Sebagai Kontroler Camera
Stabilizer Dengan Menggunakan Metode Root
Locus. Skripsi. Tidak dipublikasikan. Malang,
Universitas Brawijaya.
[2] Astrom, K. J dan B. Wittenmark. (1995).
Adaptive Control. Second Edition. Dover
Publication.
[3] Ibrahim, M. E. (2016). Penggunaan Teknik
Model Reference Adaptive Control Pada Tuning
Pengontrol PI Pada Sistem Kontrol Kecepatan
Sepeda. Skripsi. Tidak dipublikasikan. Malang:
Universitas Brawijaya.
[4] Kungwalrut, P. dkk. 2011. Design MRAC PID
Control for Fan and Plate Process. IEEE. SICE
Annual Conference 2011.
[5] Ogata, K. (1995). Teknik Kontrol Automatik
(Sistem Pengaturan). Terjemahan: Edi Leksono.
Jakarta: Erlangga.
[6] Ramadhani, D. 2017. Penalaan Struktur PI-D
Menggunakan Teknik Model Reference Adaptive
Control (MRAC) pada Pengendalian Tegangan
Output Generator DC 73411. Skripsi. Tidak
dipublikasikan. Malang, Universitas Brawijaya.
[7] RISTEKDIKTI. (2018). Panduan KRTI. Jakarta
Pusat.
[8] Sharma, C. S dan Purohit K. (2006). Theory of
Mechanisms and Machines. PHI Learning.
10