Dalam teori kontrol, penjadwalan keuntungan adalah pendekatan untuk mengontrol sistem non-

linear yang menggunakan keluarga pengendali linier, yang masing-masing memberikan kontrol yang
memuaskan untuk titik operasi yang berbeda dari sistem.

Satu atau lebih variabel yang dapat diamati, disebut variabel penjadwalan, digunakan untuk
menentukan wilayah operasi sistem saat ini dan untuk mengaktifkan pengontrol linier yang sesuai.
Misalnya, dalam sistem kontrol penerbangan pesawat, ketinggian dan nomor Mach mungkin
menjadi variabel penjadwalan, dengan berbagai parameter pengontrol linier tersedia (dan secara
otomatis dicolokkan ke pengontrol) untuk berbagai kombinasi dari kedua variabel ini.

Keadaan lingkup seni yang relatif besar tentang penjadwalan gain telah dipublikasikan dalam (Survei
Analisis & Desain Gain-Scheduling, D.J.Leith, WE.Leithead). [1]
 Sistem kendali adaptif merupakan sistem kendali yang mempunyai parameter-
parameter kendali yang dapat beradaptasi. Parameter-parameter kendali tersebut beradaptasi
terhadap perubahan kondisi lingkungan disekitarnya, seperti adanya gangguan, serta
perubahan karakter internal dari sistem yang dikendalikan. Penggunaan sistem kendali
adaptif menunjukkan peningkatan kinerja sistem karena suatu sistem umumnya berada dalam
situasi yang mengandung derau dan gangguan serta kondisi internal dan eksternalnya
mengandung ketidakpastian. Sistem kendali adaptif telah banyak diaplikasikan
dalam berbagai bidang industri pengolahan bahan kimia, sistem penerbangan, serta sistem
otomotif. Dalam bidang pengolahan hasil bumi, pengolahan bahan dasar minyak CPO
(crude-palm oil). Sistem Kendali Adaptif banyak digunakan dalam industri pengolahan bubur
kertas dan kertas (pulp and paper).
Sistem kendali adaptif adalah sistem kendali yang dapat beradaptasi terhadap
perubahan lingkungan eksternal maupun internalnya untuk dapat mempertahankan kinerja
dan stabilitas sistem. Sistem kendali adaptif secara garis besar terdiri atas berbagai tipe, di
antaranya kendali adaptif model acuan (model reference adaptive control), kendali adaptif
swa-tala (self-tuning adaptive control), penjadwalan gain adaptif (adaptive gain scheduling),
dan kendali adaptif fungsi dualitas (dual-adaptif control).

Pada dasarnya kendali adaptif adalah kendali tak linier, sehingga banyak digunakan
untuk mengendalikan sistem-sistem tak linier. Dalam aplikasi industri ada tiga buah model
struktur kendali adaptif yang paling banyak digunakan, yaitu:
-          Kendali Penjadwalan Gain Adaptasi (Adaptif Gain Scheduling Control).
-          Kendali Adaptif Model Acuan (Model Reference Adaptif Control).
-          Kendali Adaptif Swa-Tala (Self-Tuning Adaptif Control).
Kendali penjadwalan gain adaptasi (PGA) merupakan kendali yang paling banyak digunakan
dalam industri pengolahan dan manufaktur. Kendali ini bekerja dengan mengadaptasi gain
kendali sesuai dengan perubahan kondisi operasi suatu proses di industri. Kendali ini juga
telah digunakan pada kendali penerbangan dimana gain kendali berubah sesuai perubahan
kondisi terbang.
 Gambar kendali penjadwalan gain adaptasi 

Kendali adaptif model acuan (AMA) digunakan dalam sistem kendali untuk
memaksakan agar proses kendalian berperilaku seperti model acuan (model reference). Pada
kasus ini proses kendalian umumnya mempunyai karakteristik yang buruk seperti tanggapan
yang lambat dan kestabilan yang kurang mantap. Selain itu karakteristik proses kendalian
sering berubah-ubah bahkan terkadang menuju kondisis operasi yang tidak stabil. Oleh
karena itu kendali AMA dirancang agar proses kendalian mengikuti perilaku model acuan
yang mempunyai tanggapan yang lebih cepat dan kestabilan yang lebih mantap.  
 Gambar kendali adaptif model acuan. 

Sistem kendali adaptif model acuan yang dirancang dari pendekatan linier dari sistem tak
linier mampu untuk mengendalikan model tak linier seperti ditunjukkan pada dua kasus:
sistem pendulum terbalik dan sistem pengatur suhu ruang (yang mengandung model
karakteristik rele histeresis).
Pemilihan model acuan yang tepat adalah penting untuk menjamin bahwa sistem kendali
adaptif mampu memperbaiki kestabilan dan kinerja sistem tak linier.

Diagram kotak kendali adaptif model acuan dengan kendalian tak linier  

Sistem kendali adaptif adalah sistem kendali yang dapat beradaptasi terhadap perubahan
lingkungan eksternal maupun internalnya untuk dapat mempertahankan kinerja dan stabilitas
sistem. Sistem kendali adaptif secara garis besar terdiri atas berbagai tipe, di antaranya
kendali adaptif model acuan (model reference adaptive control), kendali adaptif swa-tala
(self-tuning adaptive control), penjadwalan gain adaptif (adaptive gain scheduling), dan
kendali adaptif fungsi dualitas (dual-adaptif control) . Untuk alasan tertentu, tipe kendali
adaptif yang dipilih pada penelitian ini adalah sistem kendali adaptif model acuan (SKAMA).
Kendali adaptif model acuan adalah sistem kendali yang memiliki pengendali dengan
parameter yang dapat beradaptasi sesuai mekanisme adaptasi yang telah ditetapkan.
Mekanisme ini berjalan seiring dengan adanya upaya untuk memaksakan sebuah kendalian
yang berkinerja lebih buruk (atau bahkan tidak stabil) agar mengikuti perilaku sebuah model
acuan yang memiliki kinerja yang labih baik (dan tentu saja stabil).
Urutan perancangan aturan kendali adaptif adalah pertama dengan menurunkan model tak
linier kendalian ke dalam bentuk linier. Selanjutnya gunakan mekanisme penurunan aturan
kendali adaptif model acuan dari model linier dalam bentuk persamaan ruang keadaan.
Aturan kendali tersebut diuji melalui simulasi kembali terhadap model tak linier.
Kendali adaptif swa-tala (AST) merupakan sistem kendali yang mempunyai parameter-
parameter yang dapat ditala (dituning) sesuai dengan perubahan kondisi eksternal dan
internal proses kendalian. Sistem kendali AST mengestimasi parameter-parameter proses
kendalian secara on-line. Dari data hasil estimasi tersebut, parameter kontroler ditala
sedemikian hingga karakteristik proses kendalian menjadi lebih baik. Bila parameter proses
berubah akibat perubahan lingkungan operasi plant, maka estimasi parameter juga berubah
secara on-line, sehingga parameter kontroler ditala kembali sedemikian hingga karakteristik
yang diharapkan dapat dipertahankan.
 Secara garis besar ada dua pilihan dalam mengimplementasikan sistem kendali
adaptif, yaitu dengan pengolahan sinyal analog dan sinyal digital. Gambar dibawah
menunjukkan bagan opsi implementasi sistem kendali adaptif. 

Gambar opsi dalam implementasi sistem kendali elektronik.

 Beberapa produk elektronik khusus untuk kendali adaptif yang telah dipasarkan antara lain:
  SattControl ECA40 dan Fisher Control DPR900
  EXACT: kontroller adaptif yang dikembangkan oleh Foxboro.
  Kontroller Temperatur Eurotherm, dikembangkan oleh Eurotherm, UK.
  Kontroller Adaptif ABB tipe STAR1, STAR2 dan STAR3, dikembangkan oleh Asea Brown
Boveri.
  MicroController Firstloop, dikembangkan oleh First Control Systems AB.

  Kesuksesan Aplikasi Kendali Adaptif dalam Bidang Industri

Beberapa contoh aplikasi kendali adaptif yang telah sukses diterapkan dalam industri, antara
lain:

APLIKASI INDUSTRI PENGOLAHAN PRODUK PERTANIAN:

      Industri Kertas dan Bubur Kertas (pulp and paper) Kontrol pengering kertas (pulp dryer),
kontrol pembuatan bubuk kertas (pulp digester), kontrol ketebalan kertas (rolling mill).
      Industri Pengolahan CPO (crude-palm oil), yaitu bahan dasar minyak dari kelapa sawit.
APLIKASI INDUSTRI PENGOLAHAN DAN REAKSI BAHAN KIMIA
      Kontrol reaksi kimia dalam tabung reaktor
      Kontrol temperatur dalam kolom distilasi
      Industri Semen: pencampuran material mentah semen (cement raw material mixing).
APLIKASI PADA KENDALI PENERBANGAN (Flight Control)
      Kendali lateral dan longitudinal pesawat terbang komersil
      Kendali lateral dan longitudinal serta dinamika serang pesawat militer.
APLIKASI BIDANG OTOMOTIF
      Kontrol rasio pencampuran antara bahan bakar-udara (air-fuel ratio),
      Kontrol jelajah kendaraan (cruise control) untuk meningkatkan daya jelajah.
(Keduanya telah dikembangkan oleh Ford Motor Company sejak pertengahan 1980-an)
APLIKASI BIDANG KEDOKTERAN
      Sistem kendali Ultrafiltrasi, yang banyak membantu pasien yang mengalami kerusakan
ginjal. Dalam dialysis, darah dibersihkan dan kelebihan air dalam darah diatur, serta
electrolytes dalam darah dinormalisasi.
(Telah dikembangkan metode monitoring kendali aliran fluida darah oleh Gambro AB di
Lund, Swedia).
Sejauh ini studi literatur telah direalisasikan dengan merancang model aturan kendali
adaptif yang menjamin ketegaran stabilitas (stability robustness) dan ketegaran kinerja
(performance robustness) dari Sistem Kendali daptif Model Acuan (Model Reference Adaptif
Control) yang sangat banyak digunakan dalam aplikasi industri.
  
sumber :(Bahan Ajar Kuliah)
Diposting oleh ADMIN di 12/17/2012 05:14:00 AM
Label: non power, teknik elektro
Simulasi Self Tuning Regulator (STR) untuk Pengendalian Plant Motor DC
dengan Simulink Matlab December 19, 2008

Filed under: sistem kontrol,Uncategorized — jagong @ 4:17 pm

Eka Fitriyadi (L2F005531)

Jurusan Teknik Elektro, Fakultas Teknik, Universitas Diponegoro,
Jln. Prof. Sudharto, Tembalang, Semarang, Indonesia

Abstrak
Makalah ini menyajikan simulasi dari Self Tuning Regulator menggunakan metode kontroler
proporsional integral (PI) untuk mengontrol motor DC. Pengambilan data motor DC diambil
berdasarkan pengambilan struktur model motor DC. Dasar untuk memilih model adalah dari
parameter motor DC yang diestimasi dengan metode Least Mean Square (LMS). Parameter
tersebut akan digunakan untuk perancangan kontroler menggunakan metode Pole Placement.
Ketika parameter dari motor DC berubah, parameter kontrol akan berubah juga. Estimasi
yang dilakukan akan mengupdate parameter kontroler sesuai parameter dari motor DC.
Simulasi pada makalah ini dilakukan dengan software Simulink Matlab 7..0.1.
Kata kunci : STR, Algoritma LMS, , kontroler PI, motor DC

I. PENDAHULUAN
1.1 Latar Belakang
Sistem adaptive dirancang agar dapat beradaptasi dengan lingkungannya, yaitu beradaptasi
dengan adanya perubahan lingkungan yang menyebabkan perubahan-perubahan pada
parameter plant. Teknik kontrol adaptive mempunyai kelebihan karena mempunyai loop
umpan balik dan loop yang digunakan untuk mekanisme adaptasi. Adanya mekanisme
adaptasi tersebut menyebabkan sistem dapat mengatasi adanya perubahan parameter yang ada
pada plant yang tidak dapat dilakukan oleh control konvensional. Algoritma pengadaptasian
akan menentukan parameter dari kontroler berdasarkan data dari input-output dan data
parameter proses.
Pada pengendalian putaran motor dc dengan menggunakan perancangan teknik kontrol
konvensional diperlukan adanya pengetahuan yang lengkap akan parameter dari motor dc
tersebut. Pada banyak kasus, parameter motor dc tidak diketahui, sehingga untuk
mengontrolnya diperlukan mekanisme kontrol yang tidak memerlukan data parameter plant,
seperti teknik kontrol adaptive.

1.2 Tujuan
Tujuan dari makalah ini adalah :
1. Membuat simulasi untuk mengaplikasikan teknik kontrol adaptif dengan metode Self
Tuning Regulator (STR) pada pengendalian kecepatan motor DC.
2. Menganalisis pengaruh perubahan referensi dan setting point pada respon sistem.

1.3 Batasan Masalah

Dalam pembuatan makalah ini penulis membatasi permasalahan sebagai berikut :
1. Pengendalian dengan metode STR ini tidak dibandingkan dengan metode lain.
2. Algoritma yang digunakan untuk estimasi parameter adalah algoritma LMS.
3. Kontroler yang digunakan adalah kontroler PI.
4. Perancangan sistem menggunakan fungsi basis orde 1.
II. DASAR TEORI
2.1 Self Tuning Regulator (STR)
STR merupakan salah satu metode perancangan dalam teknik kontrol adaptif. Gambar 1
menunjukkan diagram blok dari STR.

Gambar 1 Diagram Blok dari Model Self Tuning Regulator

Kontroler adaptif secara umum mempunyai dua loop, inner loop terdiri dari proses dan
umpan balik kontroler dan outer loop yang merupakan proses untuk mendapatkan parameter
kontroler. Pada estimator terjadi proses estimasi terhadap perubahan parameter proses yang
dilakukan secara terus-menerus. Sinyal kontroler yang dihasilkan akan dapat mengikuti
adanya perubahan parameter proses.

2.5 Kontroler Proporsional Integral (PI)

Kontroler PI merupakan regulator konvensional dengan rumus dalam kawasan kompleks
sebagai berikut :
c(s)= Kp∙e(s)+ Ki/s∙e(s) (2)
dimana
c(s) : sinyal kontrol PI,
e(s) : sinyal error,
Kp : konstanta proporsional,
Ki : konstanta integral.
PI digital merupakan suatu program yang dijalankan dengan komputer. Untuk dapat
mengimplementasikan kontrol PI pada komputer, PI harus diubah ke dalam bentuk diskrit:

Dikalikan Ts sehingga:

Hasil akhir ke dalam persamaan diskrit:

Dalam persamaan tersebut kontroler PI dapat dijalankan pada komputer. Secara umum,
penambahan Kp akan mempercepat rise time respon sistem. sedangkan penambahan Ki akan
memperkecil kesalahan respon sistem terhadap referensi pada steady state. Penggabungan
kedua kontroler tersebut bertujuan untuk mendapatkan kelebihan dari keduanya.

2.3 Pengontrolan Motor DC

Pada pengoperasian motor listrik terjadi perubahan dari energi listrik ke dalam energi
mekanik. Prinsip kerjanya berdasarkan atas prinsip bahwa apabila suatu penghantar yang
dialiri arus listrik diletakkan dalam suatu medan magnet, maka akan timbul gaya mekanik.
Pada Gambar 3 diperlihatkan diagram skematik suatu motor dc dengan pengontrolan jangkar.

Gambar 3 Diagram skematik motor dc dengan pengontrolan jangkar.

Komponen pendukung motor listrik adalah :

Kumparan medan, untuk menghasilkan medan magnet.
Kumparan jangkar, untuk mengimbaskan ggl pada koduktor-konduktor yang terletak pada
alur-alur jangkar.
Celah udara, yang memungkinkan berputarnya jangkar dalam medan magnet.
Berdasarkan hukum Kirchoff serta hukum rotasi mekanis Newton, persamaan fungsi alih
yang menggambarkan dinamika rotasi kecepatan putar motor dc dengan pengontrolan jangkar
sebagai berikut
(3)
dengan ω(s) adalah kecepatan putar motor dc dalamkawasan-s, Ea(s) adalah tegangan jangkar
dalam kawasan-s, Km adalah konstanta penguatan motor, dan Tm adalah konstanta waktu
motor. Kecepatan putaran motor dc merupakan plant dengan orde satu. Jika persamaan (3)
tersebut akan diubah menjadi persamaan keadaan dalam kawasan waktu kontinyu
sebagai berikut.
(4)
Persamaan keadaan dalam kawasan waktu kontinyu dapat diubah menjadi persamaan
keadaan dalam kawasan waktu diskrit adalah sebagai berikut :
(5)
Dalam transformasi Z, maka persamaan tersebut menjadi:
(6)

2.4 Algoritma Least Mean Square

Pada proses pengadaptasian dengan umpan balik, nilai vektor bobot Wk diperoleh secara
rekursif berulang-ulang, sehingga error yang merupakan selesih antara output model yk dan
output yang diinginkan dk, mempunyai nilai minimal:

Jika kesalahan dikuadratkan untuk mendapatkan squared error maka persamaan di atas
menjadi:

Pada kebanyakan proses adaptasi yang menentukan vektor bobot untuk dapat mencari
kesalahan secara minimal adalah dengan cara menggunakan metode gradien. Gradien
diwakili ∇, persamaannya adalah:
(7)
Sedangkan untuk bobot baru adalah sama dengan bobot lama ditambahkan dengan koreksi
yang proporsional dengan nilai negatif dari gradien squared error pada bobot baru tersebut
sehingga:
(8)
dimana μ adalah laju pengadaptasian.
Bobot baru parameter-parameter dari model matematika :

(9)
dengan μ adalah konstanta yang berkisar antara 0 hingga 1 dan berpengaruh terhadap
kecepatan dan kestabilan pengadaptasian.

III. PERANCANGAN SISTEM

3.1 Persamaan Model
Persamaan model dari plant dapat diketahui dengan mengetahui karaketeristik plant yang
akan diatur. Selain model persamaan dari plant tersebut, hal lain yang perlu diketahui adalah
perumusan persamaan yang akan digunakan dalam blok estimasi, blok desain kontroller dan
blok kontroller sesuai dengan algoritma-algoritma yang akan digunakan untuk estimasi dan
kontroller pada model STR. Berdasar dari persamaan output model dengan teknik kontrol
adaptive dan persamaan keadaan plant motor dc pada persamaan (1) dan (6), maka dapat
diketahui bahwa bobot parameter-parameter proses yang akan diestimasi adalah bobot
parameter dan bobot parameter . Jadi jika direpresentasikan ke dalam persamaan (1),
persamaan modelnya adalah:
(10)
Bobot A = =
Bobot B =
Dari skema STR pada Gambar 1 dapat dilihat bahwa blok “Estimasi” akan mengestimasi
bobot-bobot parameter plant berdasarkan pasangan data input-output dengan algoritma LMS.
Dalam sistem ini, plant motor dc yang akan diatur telah dimodelkan dalam persamaan (10),
sehingga akan didapatkan output model y(k). Dari persamaan (10), persamaan yang akan
digunakan pada blok “Estimasi” sebagai berikut.

(11)
(12)
Setelah didapatkan bobot-bobot parameter proses dari blok “Estimasi” maka perlu
dirumuskan persamaan untuk mendapatkan bobot-bobot parameter kontroller berdasarkan
bobot-bobot parameter proses yang sudah didapatkan. Dari blok “Desain Kontroller”, dari
persamaan (2) dan (6) didapatkan persamaan sebagai berikut.

(13)

Pada algoritma pole placement harus ditentukan terlebih dahulu letak pole yang diinginkan
berdasar respon yang dibutuhkan pada sistem ini. Jika pole yang diinginkan diletakkan pada z
= am dengan zero diletakkan pada z = bm, maka jika disesuaikan dengan persamaan keadaan
plant motor dc didapatkan persamaan keadaan yang diinginkan sebagai berikut.

(14)

Dari persamaan (13) dan (14) maka didapatkan

dan
Sehingga dengan algoritma pole placement, nilai gain k1 dan k2 bisa didapatkan dengan
persamaan

(15)

Untuk mendapatkan respon sistem yang baik dan cepat pada sistem ini, selain itu juga untuk
didapatkan kesederhanaan pada persamaan yang akan digunakan maka respon yang
diinginkan adalah dengan fungsi alih pulsa sehingga pada perancangan ini pole dan zero yang
diinginkan sesuai dengan persamaan (15) di
atas adalah am = 0 dan bm = 1, sehingga parameter kontroller yang didapatkan dengan
menggunakan persamaan sebagai berikut.
(16)

Setelah didapatkan nilai gain k1 dan k2 dari blok “Desain Kontroler” maka parameter
kontroler tersebut dapat diberikan pada blok “Kontroler” sesuai pada persamaan (1), sehingga
didapatkan besar nilai sinyal kontrol ea(k) yang akan dikirimkan ke plant motor dc dan blok
“Estimasi”.

3.2 Pembuatan Simulasi

Untuk mempermudah pembuatan simulasi seluruhnya maka dibuat dulu diagram blok
dasarnya. Pembuatannya langsung menggunakan simulink yang diperlihatkan pada. Gambar
4. Blok Estimasi, Desain Kontroler dan Kontroler merupakan Blok subsistem. Di dalam
ketiganya terdapat Blok Embeded Matlab Function yang sudah disediakan oleh Matlab. pada
Blok Embeded Matlab Function kita dapat membuat simulasi fungsi dengan menggunakan
bahasa pemrograman Matlab seperti pada M-File.
Gambar 4 Diagram Blok simulasi

3.2.1 Simulasi Plant

Plant yang disimulasikan adalah plant motor DC. Pada plant ini terdapat komponen linier
dengan fungsi alih yang ditentukan oleh penulis. Fungsi alih yang digunakan penulis adalah:

3.2.2 Simulasi blok Estimasi

Perancangan simulasi RBF dilakukan pada blok Embeded Matlab Function. Listing codenya
sebagai berikut :
function [u,a1,b1]= fcn(d,y)
db1=0;
dy=0;
da1=0;
du=0;
d_alpha=0;
d_beta=0;
d_err_est=0;
laju=0.001;
Tc=0.1;
err_est=d-y;
a1=da1+2*laju*err_est*d_alpha;
b1=db1+2*laju*err_est*d_beta;
y=b1*dy+a1*du;
alpha=du+a1*d_alpha;
beta=dy+b1*d_beta;

a1=da1+2*laju*err_est*d_alpha;
b1=db1+2*laju*err_est*d_beta;
a1=a1;
b1=b1;
u = y;

3.2.3 Simulasi blok Desain Kontroler

Perancangan simulasi desain kontroler dilakukan pada blok Embeded Matlab Function.
Listing codenya sebagai berikut :
function [p, Ti] = fcn(u,a1,b1)
Tc=0.1;
To=5;
b=a1/(1-b1);
T=-(Tc/log(b1));
Kp=(T/(To*b));
Ti=T;
p = Kp;

3.2.4 Simulasi blok Kontroler

Perancangan simulasi dari persamaan kontroler dilakukan pada blok Embeded Matlab
Function. Listing codenya sebagai berikut :

function q = fcn(Ti,p,ref,d,y)
Tc=2;
err_con=ref-d;
u=d+(p*err_con)-(p*derr_con)+((p*Tc*err_con)/Ti);
if u=5 then u=5;
else u==u;
q = u;

IV. PENGUJIAN DAN ANALISA

Pengujian yang dilakukan adalah dengan memberikan respon step pada sistem, pemilihan
bobot awalnya ditentukan secara random. Pengujian juga dilakukan tanpa perubahan beban.
Selanjutnya juga dilakukan pengujian dengan laju konvergensi yang berubah. Simulasi
diagram blok pengujian selengkapnya diperlihatkan pada Gambar 15.

V. PENUTUP
Kesimpulan
Dari hasil pengujian dan analisis dapat disimpulkan hal – hal penting sebagai berikut :
Respon kecepatan putaran keluaran sistem sangat bergantung pada pemilihan parameter
sistem, yaitu nilai gain adaptasi dan laju konvergensi
Pemilihan gain adaptasi yang kecil menghasilkan respon sistem yang lambat dalam
mengikuti model, sedangkan untuk gain adaptasi yang semakin besar, respon sistem akan
semakin berosilasi di sekitar modelnya.
Pemilihan nilai laju konvergensi yang semakin besar akan menyebabkan bertambahnya
osilasi
Sistem kontrol adaptif mempunyai kehandalan dan kestabilan dalam mengatasi dan
mengeliminasi gangguan dari luar.

DAFTAR PUSTAKA

Wahyudi, Perancangan Teknik Kontrol Adaptive Self-Tuning Regulator pada Pengaturan

Kecepatan Putaran Motor DC, Transmisi, Vol. 8, No. 2, Desember 2004 : 11 – 14

BIOGRAFI
Eka Fitriyadi (L2F005531)
Lahir di Temanggung. Saat ini sedang menyelesaikan pendidikan S1 di jurusan Teknik
Elektro dengan konsentrasi Kontrol Universitas Diponegoro Semarang.