Sunarno1, Rohmad2
(1),(2)
Jurusan Fisika, Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Semarang, Semarang, Indonesia
E-mail: narnofisika91@gmail.com
Abstrak
METODE PENELITIAN
mulai 1
Model Matematika
sistem suspensi Penambahan kendali
Fuzzy
Analisis respon
Open loop
Tidak
Kriteria
tercapai?
Tidak
Kriteria 1 Ya
tercapai?
selesai
Ya
selesai
Input Output
e( )Defleksi suspensi
Gaya
de( ) Defleksi suspensi
Jumlah aturan fuzzy maksimal yang digunakan dalam membangun FLC (Fuzzy Logic Controller)
untuk sistem ¼ suspensi aktif ditunjukkan pada Tabel 2.
(Gaya) NB NM NS ZE PS PM PB
NB NB NB NB NB NM NS ZE
NM NB NB NB NM NS ZE PS
) Defleksi Vertikal
NS NB NB NM NS ZE PS PM
Kendaraan
ZE NB NM NS ZE PS PM PB
PS NM NS ZE PS PM PB PB
PM NS ZE PS PM PB PB PB
de(
PB ZE PS PM PB PB PB PB
c. Tahap ketiga, melakukan analisis hasil time).Hasil analisis FLC dilakukan dengan
peformansi sistem ¼ suspensi aktif mengimplementasikan aturan fuzzy yang
menggunakan kendali PID dan FLC. Hasil telah ditetapkan kedalam plant sehingga
analisis kendali PID ditampilkan dalam data dapat diketahui peformansi sistem kontrol
penguatan terhadap peformansi sistem yang yang diberikan.
dihasilkan. Hasil penelitian pada sistem
suspensi aktif mobil dengan kendali PID d. Tahap keempat, membandingkan hasil
dinyatakan dalam analisis domain waktu peformansi sistem dari kedua metode
(settling time, overshoot, rise time, peak kendali yang diamati dari keluaran
peformansi sistem yang dihasilkan sehingga kriteria dengan berbagai macam kelebihan
dapat memberikan informasi mengenai dan kekurangan dalam proses kendalinya.
kendali yang baik dan memenuhi desain
Sistem suspensi aktif mobil dibangun (2015) diperoleh beberapa nilai parameter model
berdasarkan model matematika yang telah yang diperlukan untuk simulasi, antara lain:
didapatkan dan diimplementasikan dalam a. Massa badan kendaraan = 290 Kg
Simulink Matlab. Sistem yang telah dibangun b. Massa suspensi = 59 Kg
tersebut dapat ditunjukkan pada Gambar 8, c. Konstanta pegas dari suspensi = 16812 N/m
Gambar 9, Gambar 10, Gambar 11. Berdasarkan d. Konstanta pegas dari roda = 190000
kajian pustaka dari beberapa jurnal, antara lain : N/m
Ibrahimi (2012), Ashraf (2014) dan Shehameta e. Koefisien redaman = 2000 Ns/m
Untuk melihat sistem bekerja dengan baik Pengujian dilakukan dengan memberikan
atau tidak, dapat ditentukan berdasarkan desain masukan fungsi Undak satuan (Step Function
kriteria yang telah ditetapkan terlebih dahulu, Unit). Tiga besaran yang ditampilkan dalam
yaitu:Overshoot = 2 % - 5 %, Rise time = 2 grafik Gambar 11 adalah Defleksi, kecepatan
sekon, Settling time = 3 sekon, SSE (steady state dan percepatan osilasi sistem suspensi mekanik.
error) = 0 %.
Simulasi sistem kendali Fuzzy dari suspensi
aktif dapat diperlihatkan dalam Gambar 11.
Peformansi sistem yang dihasilkan dari pada Tabel 4. Karakteristik performansi sistem
simulasi sistem kendali Fuzzy dapat ditunjukkan yang dilihat dari hasil simulasi tersebut adalah
lewatan maksimum (Maximum Overshoot),
waktu naik (rise time), waktu puncak (peak
time)waktu tunak (settling time), dan kesalahan
keadaan tunak (steady state error).
Pembuatan model matematika sistem ¼ lebih cepat stabil dengan nilai peak time yang
suspensi aktif dengan Simulink matlab telah lebih kecil. Perbandingan peformansi sistem dari
berhasil dilakukan seperti yang terlihat pada hasil simulasi pengujian sistem ¼ suspensi mobil
Gambar 8. Model simulink ini kemudian dibuat dengan kendali PID dan FLC ditunjukkan pada
dalam sub sistemnya untuk mengefisienkan tabel 4. Parameter settling time dan peak time
pembuatan model keseluruhan pada kendali fuzzy lebih baik daripada
Simulasi yang dilakukan dalam selang waktu peformansi pada kendali PID. Secara umum,
10 sekon dikarenakan dalam penetapan waktu peformansi sistem kendali PID dan kendali fuzzy
tersebut, respon keluaran sistem dapat terdata telah memenuhi desain kriteria yang ditetapkan
dengan baik. Respon keluaran sistem loop sebelumnya. Sistem yang dirancang bangun
terbuka menunjukkan ketidak sesuaian dengan dengan kendali fuzzy relatif lebih mudah
desain kriteria yang telah ditetapkan dilakukan dengan hasil peformansi sistem yang
sebelumnya, baik untuk overshoot, settling time, memenuhi desain kriteria, sehingga metode FLC
rise time, dan SSE (Steady State Error) yang lebih baik daripada metode kendali PID.
dihasilkan sangat jauh dari desain yang
ditetapkan. Karena sistem belum sesuai, PENUTUP
diperlukan sistem kendali untuk memperbaiki
kinerja sistem suspensinya. Analisis model ¼ suspensi aktif dengan kendali
Simulasi pengujian pada FLC dilakukan PID dan Fuzzy Logic Controller (FLC) telah
dengan 49 aturanfuzzyseperti yang ditunjukkan berhasil dilakukan. Beberapa kesimpulan yang
pada Tabel 2. Range variabel fuzzygaya yang dapat ditarik dari hasil pengujian simulasi, yaitu:
dikenakan pada sistem yaitu [-100 100] dengan
besarnya penguatan (gain) sebesar 100 kali, a. Peformansi sistem ¼ suspensi aktif mobil
yang ditunjukkan pada Gambar 11. Peformansi pada kondisi loop terbuka, respon keluaran
sistem yang dihasilkan pada kendali FLC dalam defleksi kendaraan yang dihasilkan belum
waktu 1.05 sekon telah mengalami kestabilan. sesuai dengan masukan yang diberikan.
Nilai rise time, settling time, overshoot dan peak Peformansi overshoot, settling time, rise time,
time pada kendali fuzzy yang sesuai Tabel 4 dan SSE (Steady State Error)yang dihasilkan
menunjukkan bahwa sistem yang dirancang pada keadaan loop terbuka sangat jauh dari
bangun telah sesuai dengan desain kriteria yang desain yang ditetapkan. Karena sistem belum
ditetapkan. Faktor keamanan secara vertikal dan sesuai, diperlukan sistem kendali untuk
faktor kenyamanan juga dapat ditingkatkan memperbaiki kinerja sistem suspensinya.
dengan baik. Respon percepatan vertikal badan
kendaraan pada kendali fuzzy mengalami getaran b. Penguatan kendali PID dilakukan dengan
diawal. Getaran yang terjadi disebabkan karena metode PID tuning secara berulang kali
adanya usaha kendali dalam memperbaiki hingga mendapatkan peformansi yang
parameter respon settling time pada kendali PID, optimal (sesuai dengan desain kriteria).
sehingga defleksi kendaraan yang dihasilkan Pemberian penguatan sebesar =
9558.3589, =57244.9325, = 22.9008 Pfeiffer, F. 2007. Deregularization of a Smooth
menghasilkan peformansi sistem yang System-Example Hydraulics.
optimal yaitu settling time = 1.7 sekon, Nonlinear Dyn. 47: 219–233.
dengan overshoot = 2.09%, peak time = 1.02, Sakman, L. E., Guclu, R., & Yagiz, N. 2005.
rise time = 0.304 sekon. Pengujian dengan Fuzzy logic control of vehicle
metode FLC dilakukan dengan 49 suspensions with dry friction non-
aturanfuzzy. Hasil peformansi sistem kendali linearity. Sadhana-Academy
FLC dengan 49 aturan fuzzy yaitu settling Proceedings in Engineering
time = 1.05 sekon, overshoot = 2.78%, peak Sciences, 30(5): 649–659.
time = 0.51, rise time = 0.4 sekon. Shehata, A., Metered, H., & Walid A.H. 2015.
Vibration Control of Active Vehicle
c. Secara umum, Metode FLC lebih mudah Suspension System Using Fuzzy
dilakukan dengan hasil peformansi sistem Logic Controller. Springer
yang lebih baik daripada kendali PID. International Publishing Switzerland.
Parameter settling time dan peak time pada Proceedings of VETOMAC X. UK:
pengujian FLC lebih baik daripada pengujian University of Manchester.
dengan kendali PID. Hasil peformansi sistem Tesna, D. 2012. Perancangan Sistem Suspensi
dengan pengujian FLC paling sesuai dengan Aktif Nonlinier Tipe Paralel dengan
desain kriteria yang ditetapkan. Faktor Kendali HYbrid Fuzzy PID Pada
keamananan secara vertikal dan kenyaman Model Kendaraan Seperempat.
pada mobil dapat ditingkatkan dengan metode Skripsi. Semarang: UNDIP.
kendali PID dan FLC.
The MathWorks, Inc. 2014. Fuzzy Logic
Toolbox™ User's Guide ©
DAFTAR PUSTAKA COPYRIGHT.
Anggoro, A. 2013. Aplikasi Fuzzy Logic
Control Pada Sistem Suspensi Semi-
Aktif Model Kendaraan Seperempat.
Skripsi. Semarang: UNDIP.
Ashraf, E. 2014. Desain a semi-Active
Suspension System for a Quarter
Vehicle Model using Fuzzy Logic
Control (FLC). International Research
Journal of Scientific Findings,Vol. 1
(2):030-036, May.
Ebrahimi, N.,& Gharaveisi,A. 2012. Optimal
Fuzzy Supervisor Controller for an
Active Suspension System.
International Journal of Soft
Computing and Engineering
(IJSCE):36-39, Vol. 2, September.
Oni, B., Sumardi & Aris, T. 2013. Desain Auto
Tuning PID Menggunakan Logika
Fuzzy Pada Sistem Suspensi Aktif
Tipe Paralel Nonlinear Model
Kendaraan Seperempat. Jurnal
Teknik Elektro, 15(3): 114-120.
Semarang: Universitas Diponegoro.
Ozgur, D., & Ilknur, K. 2012. Modeling and
Control of a Nonlinear Half-Vehicle
Suspension System: a Hybrid Fuzzy
Logic Approach. Springer
Science+Business Media B.V,
67:2139–2151.