IDENTIFIKASI PARAMETER SISTEM PADA PLANT ORDE DENGAN

METODE LEAST MEAN SQUARE

Rachmawati Tejaningrum1), Budi Setiyono2), dan Sumardi2)

Jurusan Teknik Elektro, Universitas Diponegoro Semarang

Jl. Prof. Sudharto, SH, Kampus UNDIP Tembalang, Semarang 50275, Indonesia
*)
E-mail: rachma.elektro2010@gmail.com

Abstrak

Identifikasi sistem adalah usaha untuk mendapatkan sebuah informasi yang berupa model matematik yang
didapat dari hasil analisa data masukan dan keluaran dari plant. Penelitian sebelumnya tentang identifikasi sistem on-
line yang telah dilakukan menggunakan metode Infinite Impulse Respon Least Mean Square. Sistem yang diidentifikasi
adalah sistem orde 1, orde 2 dan orde 3.dengan struktur model Auto Regressive (AR) Untuk memperkecil nilai error
dari penelitian sebelumnya maka dalam tugas akhir ini akan dilakukan identtfikasi dengan metode Least Mean
Square. Plant simulator yang diidentifikasi adalah sistem orde 1, orde 2, orde 3 dan orde 4 yang dapat divariasikan
dengan cara interkoneksi sistem. Parameter yang digunakan ialah laju konvergensi, dan struktur model Auto
Regressive (AR), Moving Average (MA), dan Auto Regressive Moving Average (ARMA).
Setelah melakukan pengambilan data dan pengujian semua plant memberikan hasil yang paling baik ketika
diberikan laju konvergensi sebesar 0,01.Setiap plant memiliki kecenderungannya masing – masing terhadap sebuah
struktur model. Sistem orde 1, 2 , 3 seri, 3 feedback, 4 parallel, dan 4 feedback memberikan nilai MSE paling kecil
dengan struktur model AR. Sistem orde 3 parallel dan 4 seri nilai MSE paling kecil ketika dikombinasikan dengan
struktur model ARMA.

Kata Kunci : identifikasi, sistem orde, least mean square, AR, MA, ARMA, interkoneksi sistem, laju konvergensi

Abstract
Identification of the system is the process to get informations from results involving analyses input and output
plant. Previously, research about online identification was carried out by using Infinite Impulse Respon Least Mean
Square methods. Plant that was used is orde 1, orde 2, and orde 3 and the model structur is Auto Rergressive (AR). In
this final assignment online identification was done with LMS methods to get mathematical equation. Plant was in orde
1, orde 2, orde 3, and orde 4 with an interconnection system. Parameters in this final assignment are convergence rate
and structur model Auto Regressive (AR), Moving Average (MA), dan Auto Regressive Moving Average (ARMA).
After get the input and output datas, the results are all of plant will give a good performance if was given by
konvergence rate 0,01. Orde 1, 2, 3 cascade, 3 feedback, 4 parallel, and 4 feedback have smallest MSE when they were
combined with AR structur model. The smallest MSE is found at orde 3 parallel and orde 4 cascade when they were
combined with ARMA structur model.

Keywords: Identification, orde system, least mean square, AR, MA, ARMA, system interconnection, convergence rate

1. Pendahuluan parameter sistem. Proses identifikasi sistem sendiri

Dalam perancangan sebuah sistem kendali
diperlukan pengetahuan mengenai plant yang
bersangkutan untuk membantu mendapatkan model
matematiknya. Untuk mendapatkan model matematik
tersebut diperlukan adanya proses identifikasi
1
1) Mahasiswa Teknik Elektro UNDIP
2) Dosen Teknik Elektro UNDIP
dapat diartikan sebagai proses analisa sistem yang
berdasarkan data eksperimental berupa masukan dan
keluaran dari sebuah plant. Proses identifikasi sendiri
dapat dilakukan secara off – line dan juga on – line.
Penelitian mengenai identifikasi sistem ini
telah dilakukan sebelumnya baik dengan cara off –
 2

line maupun on – line dengan sistem yang

diidentifikasi berupa sistem orde 1, orde 2 dan orde 3.
Identifikasi sistem secara off – line dilakukan oleh
Jody Roostandy dengan metode algoritma genetik.
Sedangkan identifikasi sistem secara on – line telah
dilakukan oleh Nikmah Dwi Indriati dengan metode
Least Mean Square. Pada penulisan Tugas Akhir ini Gambar 1. Rangkaian op-amp orde 1
akan dilakukan proses identifikasi secara on – line
dengan metode Least Mean Square dengan sistem
yang diidentifikasi berupa sistem orde 1, orde 2, orde
3 dan orde 4 yang dapat divariasi dari interkoneksi
sistem. Interkoneksi sistem yang akan digunakan ialah
interkoneksi cascade, parallel, dan feed back.
Proses identifikasi on – line adalah proses
identifikasi yang dilakukan secara langsung terhubung Gambar 2. Rangkaian op-amp orde 2
dengan plant simulator. Untuk menghubungkan antara
plant simulator dengan PC digunakan mikrokontroller
ATmega 8535.

2. Perancangan dan Implementasi Sistem

Gambar 3. Rangkaian op-amp orde 3, secara seri

(cascade)

Gambar 4. Rangkaian op-amp orde 3, secara

parallel

Gambar 9 Flowchart Identifikasi Sistem

Perancangan pada tugas akhir ini meliputi
perancangan perangkat keras yang berupa rangkaian
op-amp dan perancangan metode least mean square
itu sendiri.
Gambar 5. Rangkaian op-amp orde 3, secara
feedback
2.1 Perancangan Perangkat Keras
Sistem yang diidentifikasi pada tugas akhir
ini adalah plant simulator orde 1, orde 2, orde 3 dan
orde 4. Plant simulator tersebut merupakan sistem
rangkaian listrik yang terdiri dari komponen resistor
dan kapasitor serta komponen aktifnya yaitu penguat
operasional (Op-amp). Berikut gambar rangkaiannya :
Gambar 6. Rangkaian op-amp orde 4, secara seri
(cascade)

Gambar 7. Rangkaian op-amp orde 4, secara
parallel
Gambar 8. Rangkaian op-amp orde 4, secara
feedback
2.2 Perancangan Identifikasi dengan
Metode Least Mean Square
2.2.1 Pemodelan
Dalam perancangan model terdiri dari
beberapa tahap penting, antara lain:
1. Pengambilan Data
Langkah awal dalam pegidentifikasian
sistem adalah pengambilan data. Data
yang diambil pada tugas akhir ini adalah
secara langsung (online), sehingga data
input dan output merupakan data real
time. Agar data input dan output dapat
diambil secara real time digunakan blok
Simulink seperti pada gambar 3.11.
Gambar 9. Blok Simulink untuk
komunikasi serial
2. Pemilihan Struktur Model
3
Struktur model yan digunakan pada
tugas akhir ini terdiri dari tiga macam
struktur model tanpa noise, yaitu :
a. AR ( Auto Regressive )
b. MA ( Moving Average )
c. ARMA (Auto Regressive Moving
Average )
2.2.2 Proses Perhitungan dengan Metode
LMS
Pada proses perhitungan identifikasi dengan
metode LMS ini, dilakukan beberapa
tahapan, yaitu :
1. Inisialisasi kondisi awal,meliputi :
[ ] [ ]
[ ] [ ]
( ) ( )
2. Membaca informasi output (dk) dan
input sistem (xk).
3. Menghitung keluaran dari plant model
4. Menghitung nilai α (a) dan nilai β (b)
5. Menghitung nilai error
6. Menghitung MSE
∑
7. Update bobot
3. Pengujian dan Analisa
Rangkaian orde yang akan diuji dan dianalisa
meliputi delapan rangkaian orde, yang terdiri dari
rangakaian orde 1, orde 2, orde 3, dan orde 4 yang
tentunya telah divariasikan dengan cara interkoneksi.
Adapun parameter yang diujikan yaitu nilai keluaran
dari setiap rangkaian orde. Nilai keluaran yang
didapat nantinya akan diolah dan divariasikan struktur
modelnya, baik struktur model AR, MA, dan juga
ARMA.
3.1 Identifikasi Plant Secara Offline
dengan Metode LMS
proses identifikasi bisa dilakukan secara
offline maupun online. Pada proses offline tidak ada
proses pembobotan, sedangkan proses online ada
proses peng-update-an bobot. Proses perhitungan
identifikasi offline menggunakan algoritma LMS,
sesuai dengan persamaan 2.19 (AR), persamaan 2.22
(MA), dan persamaan 2.25 (ARMA). Berikut hasil
proses identifikasi offline yang dilakukan pada plant
orde 1 sampai orde 4 :
 4

Tabel 1. Tabel Persamaan Matematis Hasil Orde 4 ( ) ( ) ( )

Identifikasi Offline Seri ( ) ( ) ( )
Rangkai Persamaan Matematis ( ( (
an Orde AR MA ARMA ) ) )
Orde 1 ( ) ( ) ( ) ( ( (
( ) ( ) ( ) ) ) )
( ( ( ( ( (
) ) ) ) ) )
( ) ( ( (
Orde 2 ( ) ( ) ( ) ) ) )
( ) ( ) ( ) ( )
( ( ( (
) ) ) )
( ( ( (
) ) ) )
( ) (
( )
) Orde 4 ( ) ( ) ( )
Orde 3 ( ) ( ) ( ) parallel ( ) ( ) ( )
Seri ( ) ( ) ( ) ( ( (
( ( ( ) ) )
) ) ) ( ( (
( ( ( ) ) )
) ) ) ( ( (
( ( ( ) ) )
) ) ) ( ( (
( ) ) ) )
( ( )
) (
( )
) (
Orde 3 ( ) ( ) ( ) )
Parallel ( ) ( ) ( ) (
( ( ( )
) ) ) Orde 4 ( ) ( ) ( )
( ( ( Feedbac ( ) ( ) ( )
) ) ) k ( ( (
( ( ( ) ) )
) ) ) ( ( (
( ) ) ) )
( ( ( (
) ) ) )
( ( ( (
) ) ) )
Orde 3 ( ) ( ) ( ) ( )
Feedbac ( ) ( ) ( ) (
k ( ( ( )
) ) ) (
( ( ( )
) ) ) (
( ( ( )
) ) )
( )
(
) 3.2 Identifikasi Plant Secara Online
( dengan Metode LMS
) 3.2.1 Identifikasi Plant dengan Variasi
Laju Konvergensi
Pengujian yang dilakukan dalam tugas akhir ini juga
meliputi pengujian plant dengan variasi laju
konvergensi. Nilai laju konvergensi yang digunakan
dalam proses identifikasi sebuah plant sangatlah
berpengaruh terhadap nilai error plant itu sendiri.
 5

Menurut teori, nilai laju konvergensi yang semakin Tabel 3. Tabel Persamaan Matematis Hasil
mendekati 0 akan memberi dampak paling baik Identifikasi Offline
terhadap plant, khususnya terhadap nilai error. Rangkaia Persamaan Matematis
Berikut hasil pengujian plant orde 1 sampai orde 4 n Orde AR MA ARMA
dengan struktur model AR dan variasi laju Orde 1 ( ) ( ) ( )
konvergensi 0,01, 0,05, 0,1, 0,5, dan 1 : ( ) ( ) ( )
( ( (
) ) )
Tabel 2. Tabel Perbandingan Nilai MSE dengan
( )
Variasi Laju Konvergensi Orde 2 ( ) ( ) ( )
Nilai Nilai MSE ( ) ( ) ( )
Laju 1 2 3 3 3 4 4 4 ( ( (
Konv Ser Par Fee Ser Par Fee ) ) )
ergen i alle dba i alle dba ( ( (
si l ck l ck )
) )
0,01 0,7 0,6 0,5 0,6 0,39 0,9 0,3 0,11 ( )
00 42 49 775 26 93 082 80
(
3 3 3 2
)
0,05 0,8 0,6 0,6 0,7 0,58 1,0 0,6 0,63
Orde 3 ( ) ( ) ( )
21 76 78 315 91 63 821 22
Seri ( ) ( ) ( )
2 5 1 4
( ( (
0,1 0,9 0,8 0,7 0,9 0,78 1,1 0,8 0,78
) ) )
62 36 76 282 20 23 448 83
( ( (
7 4 9 6
0,5 1,0 0,9 0,8 1,0 0,80 1,1 0,9 0,84 ) ) )
56 88 53 902 09 91 479 49 ( ( (
2 8 0 9 ) ) )
1 1,1 1,0 0,9 1,1 0,90 1,2 1,0 0,94 ( )
16 88 53 400 09 91 479 44 (
2 8 0 9 )
(
)
Dari tabel di atas terlihat bahwa nilai MSE
Orde 3 ( ) ( ) ( )
paling kecil ketika nilai lau konvergensinya 0,01. Parallel ( ) ( ) ( )
Semakin besar nilai laju konvergensi yang digunakan ( ( (
semakin besar pula nilai MSE-nya. Hal ini sudah ) ) )
sesuai dengan teori, nilai laju konvergensi yang ( ( (
mendekati 0 akan memberikan nilai MSE yang kecil. ) ) )
Dari hasil pengujian di atas, maka pada tugas akhir ini ( ( (
nilai laju konvergensi yang digunakan ialah 0,01 ) ) )
karena memiliki nilai MSE yang paling kecil ( )
dibandingkan dengan yang lain. (
)
(
3.3 Identifikasi Plant dengan Variasi )
Struktur Model Orde 3 ( ) ( ) ( )
Feedback ( ) ( ) ( )
3.3.1 Algoritma LMS dengan Struktur ( ( (
Model AR ) ) )
Data masukan dan keluaran yang telah tersaji ( ( (
pada tabel 4.1 akan diolah dengan algoritma LMS, ) ) )
bobot awal bernilai 0 dan struktur model AR untuk ( ( (
mendapatkan persamaan matematis dari rangkaian ) ) )
( )
orde 1. Proses perhitungannya dibantu dengan
(
perangkat lunak Matlab. Hasil dari perhitungan yang )
dilakukan merupakan nilai b dan a yang merupakan (
unsur penting dari persaman matematis. Berikuttabel )
penyajian hasil identifikasi setiap orde :
 6

Orde 4 ( ) ( ) ( ) dan orde 4 seri nilai MSE dari struktur model ARMA
Seri ( ) ( ) ( ) memiliki nilai paling kecil.
( ( (
) ) )
( ( ( 1.2
AR
) ) )
( ( ( 1 MA
) ) )
( ( ( ARMA
) ) ) 0.8
( )
( 0.6
)
(
) 0.4
(
) 0.2
Orde 4 ( ) ( ) ( )
parallel ( ) ( ) ( )
( ( ( 0
) ) )
( ( (
) ) )
( ( (
) ) )
( ( (
) ) ) Gambar 4.10 Grafik Perbandingan Nilai MSE
( )
(
) 3.4.2 Perbandingan Hasil Identifikasi
( Offline dan Online
) Ditinjau dari persamaan matematis yang
(
didapat dari proses identifikasi terdapat sedikit
)
Orde 4 ( ) ( ) ( ) perbedaan antara nilai akhir a dan b dari identifikasi
Feedback ( ) ( ) ( ) offline dan online. Perbedaan nilai tersebut
( ( ( dikarenakan pada proses online melalui proses peng-
) ) ) update-an bobot, sehingga semakin banyak iterasi
( ( ( yang dilakukan pada proses identifikasi maka nilai a
) ) ) dan b akan berubah pula. Proses peng –update-an
( ( ( bobot itu sendiri cendurung memperbesar nilai a dan
) ) ) b, tapi memperkecil niali MSE-nya. Jadi besarnya
( ( ( nilai a dan b hasil proses identifikasi online cenderung
) ) ) lebih besar jika dibandingkan dengan hasil identifikasi
( )
offline. Sedangkan besarnya nilai a dan b sendiri tidak
(
)
berpengaruh pada faktor apapun.
(
) 4. Kesimpulan
( Berdasarkan hasil pengujian yang dilakukan,
)
didapatkan beberapa kesimpulan yaitu :
1. Plant simulator yang diuji merupakan plant
3.4 Perbandingan Hasil Identifikasi simulator linier yang dapat dikombinasikan
3.4.1 Perbandingan Nilai MSE dengan struktur model AR, MA, dan ARMA.
Dari proses perhitungan yang telah dilakukan di 2. Nilai laju konvergensi yang paling baik yang
atas dapat dibandingkan nilai MSE antara ketiga telah diuji untuk plant pada tugas akhir ini
struktur model tersebut pada setiap orde. Pada gambar ialah 0,01.
4.1 di bawah ini telah tersaji perbandingan nilai MSE, 3. Salah satu cara untuk menentukan struktur
terlihat bahwa pada plant orde 1, orde 2, orde 3 seri, model yang paling tepat untuk sebuah plant
orde 3 feedback, orde 4 parallel, dan orde 4 feedback ialah dengan melihat nilai MSE, semakin
struktur model AR memiliki nilai MSE yang lebih kecil kecil nilai MSE yang dimiliki maka semakin
dibandingkan dengan nilai MSE dari struktur model tepat struktur model tersebut untuk sebuah
MA dan ARMA. Sedangkan untuk plant orde 3 parallel plant.
 7

4. Plant orde 1, orde 2, orde 3 seri,orde Semarang, Oktober 2014

3feedback,orde 4 parallel, dan orde 4
feedback tepat jika dikombinasikan dengan Mengetahui dan Mengesahkan
struktur model AR.
Dosen Pembimbing I
5. Struktur model ARMA paling teat jika
dikombinasikan dengan plant orde 3 parallel
dan orde 4 seri.
6. Perbedaan nilai a dan b pada hasil
identifikasi online dan offline dikarenakan
Budi Setiyono, S.T., M.T.
adanya proses peng-update-an bobot pada
NIP. 1970052120001210001
proses identifikasi online.

Dosen Pembimbing II
Referensi
[1] Bonard, Renaldi. Perbandingan Kinerja LMS dan
Algoritma Genetik Untuk Filter Adaptif Penghilang
Noise, Tugas Akhir, Universitas Diponegoro, 2002.
[2] Hariyono A. Tjokronegoro : Identifikasi Parameter
Sistem, Jurusan Teknik Sumardi, S.T., M.T.
Fisika, Institut Teknologi Bandung, 1996. NIP. 196811111994121001
[3] Dimitris G. John. Pemrosesan Sinyal Digital.
Prenhallindo.Jakarta . 1997.
[4] Indriati, Nikmah Dwi. Identifikasi Parameter Sistem
Pada Plant Simulator Secara On – Line .Laporan
Tugas Akhir Teknik Elektro Undip. 2004.
[5] Iriawan, Feriza A. Buku Pintar Pemograman
MATLAB. MediaKom. 2012.
[6] Ogata, Katsuhiko. Teknik Kontrol Automatik.
Erlangga. 1995.
[7] Roostandy, Jody. Pengidentifikasian Parameter Fungsi
Alih Sistem Pada Plant Simulasi Orde Tiga dan
Empat Dengan Metode Algoritma Genetik. Laporan
Tugas Akhir Teknik Elektro Undip. 2003.
[8] Rusdianto. Pemodelan Sistem Melalui Identifikasi
Parameter.Pelatihan PC Based Control
[9] Sugiharto, Arie. Pemograman GUI dengan Matlab.
ANDI.2006
[10] Setiyono, Budi, Buku Ajar Pemodelan dan Identifikasi
Sistem. Teknik Elektro Universitas Diponegoro. 2011.
[11] Tim Praktikum Pemodelan dan Identifikasi Sistem.
Praktikum Pemodelan dan Identifikasi Sistem.
Laporan Praktikum Teknik Elektro Universitas
Diponegoro.2013.

Biodata Penulis

Rachmawati Tejaningrum
(21060110141083) dilahirkan
di Semarang, 19 Juni 1992.
Telah menempuh pendidikan
di MIT Ya Ummi Fatimah
Pati, SMPIT BIAS Pati,
SMAIT BIAS Pati dan
sekarang masih menempuh
pendidikan di Jurusan Teknik
Elektro konsentrasi Kontrol
dan Instrumentasi, Fakultas
Teknik, Universitas
Diponegoro Semarang.