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
6. Menghitung MSE
∑
Gambar 8. Rangkaian op-amp orde 4, secara
feedback
7. Update bobot
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
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.