02 MATEMATIKA Analisis Sistem Dinamik New

II MATEMATIKA SISTEM DINAMIK
• Tujuan: Mhs mampu menyusun dan menyelesaikan model

matematika (persamaan keadaan) suatu sistem (proses)
sehingga dapat menjelaskan dinamika suatu system (proses)
• Materi:
1. Bilangan Kompleks
2. Transformasi Laplace: definisi, sifat-sifat transformasi
laplace
3. Penyelesaian PD dengan Transformasi Laplace:
prosedur, inversion, penyelesaian time delay
4. Karakteristik Respon Proses: variabel deviasi, respon
output, stabilitas
5. Linearisasi
Dr. Eng. Yulius Deddy Hermawan – Prodi. Teknik Kimia – FTI - UPNVY DINPRO / II / 1
2.1. Bilangan Kompleks
• Sebuah bilangan disebut kompleks jika bilangan
tsb tidak dapat dinyatakan sebagai bilangan
nyata (real); atau bilangan tsb adalah khayal
(imaginer)
• Bilangan Imaginer : −1 = i
• Bentuk cartesian : c =a+ib …… (2.1.1)
dimana: a = bagian real

b = bagian imaginer
Complex Plane
I
c=a+ib (a,b)
r
b
 Real Axis
a R
Notasi Polar
r  magnitude
  argument
Imagiray Axis
Notasi Polar Untuk Menyatakan Bilangan Kompleks:
magnitude r = c = a2 + b2 …… (2.1.2.a)
 −1  bb
argument  = tan   = arctan  …… (2.1.2.b)
a a
maka: a = r cos  dan b = r sin  …… (2.1.3)
 notasi cartesian
c = r (cos  + i sin  ) = r e i …… (2.1.4)
dimana: e i  (cos  + i sin  )
conjugate conj.(a + i b ) = (a − i b ) …… (2.1.5)
Operasi Bilangan Kompleks
Pertimbangkan: c = a + i b = r e
i dan p = v + i w = q ei 
Penjumlahan & Pengurangan: c  p = (a  v ) + i (b  w) …… (2.1.6)
Perkalian: cp = (a + ib )(v + iw)

= av + i 2bw + ibv + iaw
= (av − bw) + i(bv + aw)
…… (2.1.7)
( )( )
cp = r e i q e i  = rqe i ( +  ) …… (2.1.8)
Perkalian dg conjugate: (a + i b )(a − i b ) = a 2

+b = r
2 2
…… (2.1.9)
Operasi Bilangan Kompleks
c (a + ib ) (v − iw) (av + bw) + i(bv − aw)

Pembagian: = =
p (v + iw) (v − iw) v 2 + w2
 av + bw   bv − aw 
= 2  + i 2  …… (2.1.10)
v +w  v +w 
2 2
c re i r i ( −  ) …… (2.1.11)
Bentuk polar = i = e
p qe q
Pangkat: c n = r n e in …… (2.1.12)
Akar: n
c = n re i = n r e i ( + 2 k )/ n …… (2.1.13)
dimana k = 0, 1, 2, …, sampai diperoleh n akar
Contoh Soal 2.1.1: konversi bilangan kompleks menjadi polar
Bil. kompleks: a = 3 + i4 b = 8 − i6 c = −1 + i
Magnitude (r): a =5 b = 10 c = 1.414

−1 1
Argument ():  a = tan −1
4 −1 −6  c = tan
 b = tan −1
3 8
3
= 0.927 rad = −0.643 rad = rad
4
Polar: a = 5ei 0.927 b = 5e −i 0.643 b = 5e i (3 / 4 )
Contoh Soal: (lanjutan)
Complex Plane
6 I
4 a=3+i4
2
c = − 1 +i R
0
-10 -8 -6 -4 -2 0 2 4 6 8 10
-2
-4
-6
b=8−i6
-8
Contoh Soal: (lanjutan)
Perkalian: ac = (− 3 − 4) + i(3 − 4) = −7 − i
bc = (− 8 + 6) + i(8 + 6) = −2 + i 14
Bentuk polar: ac = 5e
i 0.927
1.414e i (3 / 4 ) = 7.07e i 3.2834
= 7.07(cos 3.2834 + i sin 3.2834) = −7 − i
a (3 + i 4) (8 + i 6) (24 − 24) + i(18 + 32)

Pembagian: = = = i 0.5
b (8 − i 6) (8 + i 6) 64 + 36
5e i 0.927
= 0.5(0 + i ) = i 0.5
a
Bentuk polar: = −i 0.643
= 0.5e i1.570
b 10e
2.2. Transformasi Laplace
Definisi
Dalam analisis dinamika proses, variabel proses dan sinyal kontrol
adalah fungsi waktu, t. Transformasi Laplace f(t) adalah:

F (s ) = L  f (t ) =  f (t ) e − st dt …… (2.2.1)
0
Dimana:
F(s) = Transformasi Laplace dari f(t)
s = Variable Transformasi Laplace, time-1
Jenis-Jenis Input
0 t  0
• Fungsi Tahap (step function) u (t ) = 
1 t  0


L u (t ) = u (t ) e

− st 1
1.0 dt = − e − st
s 0
0
0
t=0 t =−
1
(0 − 1) = 1
s s
• Fungsi Pulse 0 t  0, t  T
f (t ) = 
H 0  t  T
 T
L  f (t ) =  f (t ) e − st dt = H e − st dt

H
0 0 0
t=0 t=T t
H
= − e − st
s
T
0
=−
H
s
(
1 − e − sT )
Jenis-Jenis Input
• Fungsi Impulse Dirac delta function: (t)
0 t  0, t  0
  (t ) = 
 t = 0

L  (t ) =  (t ) e − st dt = 1

0
t=0 t 0
0
t=0 t
Jenis-Jenis Input
• Fungsi Sinus
2
Amplitude = 1 Frequency =  =
1 T
Period = T
0
e it − e −it
sin (t ) =
-1 2i
t=0 t=T t
• Fungsi Sinus (lanjutan)

e it − e −it − st
L sin (t ) =  e dt
2i
0

=
1
2i
 e (
− s −i )t

− e −(s +i )t dt
0

1  e −(s −i )t e −(s +i )t 
= − + 
2i  s − i s + i 
0

1  0 −1 0 −1  1  2i 
= − +  =  2 
2i  s − i s + i  0 2i  s +  
2

= 2
s +2
Tabel 2.2.1. Transformasi Laplace Untuk Fungsi-Fungsi Umum
f(t) F(s) = L [f(t)] f(t) F(s) = L [f(t)]

(t) 1 tne−at n!
(s + a )n +1

sin(t)
1
u(t)
s s2 +  2
s
at a cos(t) s2 +  2
s2

tn n!
e−at sin(t)
s n +1 (s + a )2 +  2
s+a
e−at 1 e−atcos(t)
s+a (s + a )2 +  2
te−at 1
(s + a )2
ASG 2.1.
ELEARNING
• Buktikan konversi dari f(t) menjadi F(s)

berdasarkan Tabel Tansformasi Laplace Untuk
Fungsi-Fungsi Umum (Lihat Tabel 2.2.1.)
Surat Pernyataan mengerjakan secara jujur dan

kelompok
Nama …. (NIM) … ttd
Sifat-Sifat Transformasi Laplace

• Linearity
TL merupakan operasi linear, hal ini berarti, jika a adalah
konstanta, maka: L af (t ) = aL  f (t ) = a F (s ) …… (2.2.2)
Sifat distributif: L a f (t ) + b g (t ) = a F (s ) + b G (s ) …… (2.2.3)
• Real Differentiation Theorem

 df (t ) 
L  = s F (s ) − f (0) …… (2.2.4)
 dt 

 d f (t )  d f (t ) − st
Pembuktian: L
 dt 
 = 
0
dt
e dt
− st d f (t )
Integral parsial: u=e dv = dt
dt
du = − se − st dt v = f (t )

 d f (t ) 
L
 dt 

= f (t )e 
− st
 −  f (t )(− se

0
− st
dt )
0

= 0 − f (0) + s f (t )e − st dt

s F (s )
0
= s F (s ) − f (0)
terbukti
Untuk derivatif order 2 :

 d 2 f (t )   d  d f (t ) 
L 2 
=L  
 dt   dt  dt 
 df (t )  df
= s L  −
 dt  dt t =0
= s LsF (s ) − f (0) −
df
dt t =0
= s F (s ) − s f (0) −
2 df
dt t =o
Secara umum, untuk n derivatif:

 d n f (t )  n −1
L n 
n
( ) n −1
( ) d
= s F s − s f 0 − ... − n −1
f …… (2.2.5)
 dt  dt t =0
Dalam pengendalian proses, kondisi awal adalah pada kondisi

tunak. Jadi time derivatifnya nol (zero), dan variabel adalah
deviasi dari kondisi awal, sehingga Laplace n derivative adalah:
 d n f (t ) 
L n 
= s n
F (s ) …… (2.2.6)
 dt 
• Real Integration Theorem

t  1 Pembuktiannya sama dengan
L  f (t )dt  = F (s )

cara real differentiation
theorem. …… (2.2.7)
0  s
  Coba anda buktikan di Rumah!
• Real Translation Theorem
L  f (t − t D ) = e − st D F (s ) …… (2.2.8)
f(t)
Teori ini berkaitan dengan
keterlambatan waktu (time delay) f(t-tD)
dalam merespon perubahan input,
dan selanjutnya dikenal sebagai
0
dead time.
t=0 t = tD t

Pembuktian: L f (t − t D ) =  f (t − t D )e − st dt
0
Misal,  = t – tD atau t = tD +  ∞
ℒ 𝑓 𝑡 − 𝑡𝐷 = න 𝑓 𝜏 𝑒 −𝑠 𝑡𝐷 +𝜏
𝑑 𝑡𝐷 + 𝜏
𝑡=−𝑡𝐷
∞
ℒ 𝑓 𝑡 − 𝑡𝐷 = 𝑒 −𝑠𝑡𝐷 න 𝑓 𝜏 𝑒 −𝑠𝜏 𝑑 𝜏
𝑡=−𝑡𝐷
∞
Catatan:
f( ) = 0 untuk  < 0 < (t – tD) = 𝑒 −𝑠𝑡𝐷 න 𝑓 𝜏 𝑒 −𝑠 𝑑𝜏
𝜏=0
∞
= 𝑒 −𝑠𝑡𝐷 න 𝑓 𝜏 𝑒 −𝑠 𝑑𝜏
0
terbukti = e − st D F (s )
• Final Value Theorem

lim f (t ) = lim sF (s ) …… (2.2.9)
t → s →0
• Complex Differentiation Theorem

Lt f (t ) = − F (s )
d
…… (2.2.10)
ds
• Complex Translation Theorem

( )
L e at f (t ) = F (s − a ) …… (2.2.11)
• Initial Value Theorem

lim f (t ) = lim s F (s ) …… (2.2.12)
t →0 s →
2.3. Penyelesaian PD dengan TL
Anggapan: kondisi awal adalah pada keadaan tunak (steady state)
dan semua variabel dinyatakan dalam term deviasi.
Prosedur Penyelesaian TL
1. Ubah PD menjadi bentuk laplace dengan variabel s.
2. Buat hubungan antara variabel output (variabel tidak bebas/
dependent) dan variabel input.
3. Balik (invert) bentuk laplace menjadi bentuk waktu untuk
memperoleh respon output.
Catatan: dalam sistem pengendalian proses, PD menunjukkan
hubungan antara sinyal output, y(t), dan sinyal input, x(t).
Prosedur Penyelesaian PD (Model Matematika) dari
System Proses dengan TL untuk mengetahui respons
dinamisnya terhadap perubahan input:
1. Susun model matimatika (PD dalam time domain) dari suatu

proses.
2. Jika terdapat persamaan tak-linear, maka dilakukan linearisasi
terlebih dahulu.
3. Ubah PD linear dalam bentuk term deviasi.
4. Ubah PD linear term deviasi menjadi bentuk laplace dengan
variabel s.
5. Buat hubungan antara variabel output (variabel tidak bebas/
dependent) dan variabel input.
6. Balik (invert) bentuk laplace menjadi bentuk waktu untuk
memperoleh respon output.
TRANSFORMASI LAPLACE PD ORDER 1
PD Order-1: 𝑑𝑦 𝑡
𝑎1 + 𝑎0 𝑦 𝑡 = 𝑏𝑥 𝑡
𝑑𝑡
y = variabel output
x = variabel input
Initial condition (t = 0)
𝑦 0 = 𝑦ത dan 𝑥 0 = 𝑥ҧ
Tentukan Transformasi Laplace dari PD Order-1 tersebut
𝑑𝑦 𝑡
Penyelesaian 𝑎1
𝑑𝑡
+ 𝑎0 𝑦 𝑡 = 𝑏𝑥 𝑡
d 2 y (t ) dy (t )
Pertimbangkan: a2 + a1 + a0 y (t ) = b x(t ) …… (2.3.1)
dt 2 dt
x(t) disebut variabel input (force function)
y(t) disebut variabel output (dependent variable)
a0, a1, a2, dan b adalah konstanta
Kondisi awal = y(0), dan dy/dt|t=0 = 0
TL dari PD pangkat dua:
 d 2 y (t )   dy (t ) 
a2 L  2 
+ a1L   + a0 L y (t ) = bL x(t ) …… (2.3.2)
 dt   dt 
TL untuk masing-masing term:
 d 2 y (t )  0
Y (s ) − sy (0) −
dy
a2 L  2 
= s 2
 dt  dt t =0
TL untuk masing-masing term:

0
 dy (t ) 
a1L   = a1sY (s ) − y (0)
 dt 
a0 L y (t ) = a0Y (s )
0
bL x(t ) = b X (s )
Jadi diperoleh:
( 2
)
a2 s + a1s + a0 Y (s ) − (a2 s + a1 ) y (0) − a2
dy
dt
= bX (s ) …… (2.3.3)
t =0
Penyederhanaan (hubungan output dan input):
 
Y (s ) =   X (s ) …… (2.3.4)
Term di dalam kurung disebut b
FUNGSI TRANSFER  a s2 + a s + a 
 2 1 0 
Kebalikan dari TL Dengan Ekspansi Parsial:
Jika input berubah 1 unit fungsi tahap: X (s ) =

1
s
 1
Y (s ) = 
b  …… (2.3.5)
 a s2 + a s + a  s
 2 1 0 
Pengembangan (ekspansi) denominator:

(a s2
2
)
+ a1s + a0 s = a2 (s − r1 )(s − r2 )s …… (2.3.6)
dimana r1 dan r2 adalah akar kuadrat dari: a2 s + a1s + a0 = 0

2
Akar polynomial kuadarat:

− a1  a12 − 4a2 a0
r1, 2 = …… (2.3.7)
2a 2
Ekpansi parsial TL: Y (s ) =

A1 A2 A3
+ + …… (2.3.8)
s − r1 s − r2 s
Untuk akar-akar yang tidak berulang, berlaku:
Ak = lim (s − rk )Y (s ) …… (2.3.9)
s → rk
Berdasarkan Tabel TL, kebalikan (invert) dari laplace adalah:
y (t ) = A1e r1t + A2 e r2t + A3u (t )
Untuk akar-akar yang berulang, misalnya r1 = r2, berlaku:
Y (s ) =
A1 A2 A3
+ +
(s − r1 )2
s − r1 s …… (2.3.10)
Koefisien A3 dihitung seperti sebelumnya, A1 dan A2 dihitung

dengan cara:
A1 = lim (s − r1 )2 Y (s )
s → r1
…… (2.3.10a)
A2 = lim
1 d
s → r1 1! ds

(s − r1 )2 Y (s ) 
Berdasarlak Tabel TL, kebalikan (invert) dari laplace adalah:
y (t ) = A1te r1t + A2 e r1t + A3u (t ) …… (2.3.11)
Secara umum, jika r1 diulang m kali:
Y (s ) =
A1 A2 Am
+ + ... + + ... …… (2.3.12)
(s − r1 ) (s − r1 )
m m −1
s − r1
Koefisien-koefisien dihitung sebagai berikut:
A1 = lim (s − r1 )m Y (s )
s → r1
 
k −1 …… (2.3.13)
Ak = lim
1 d
(s − r1 Y (s )
)m
s → r1 (k − 1)! ds k −1
Untuk k = 2, …, m, maka Invert laplace adalah

 A1t m −1 A2t m − 2  rt
y (t ) =  + + ... + Am  e 1 + ... …… (2.3.14)
 (m − 1)! (m − 2)! 
Time Delay (Dead-time)
Pertimbangkan kasus dimana terdapat term ekponensial
Y (s ) = Y1 (s )e − st D …… (2.3.15)
Dengan Y1(s) tanpa term ekponensial
Y1 (s ) =
A1 A2 An
+ + ... + …… (2.3.16)
s − r1 s − r2 s − rn
Invert Y1(s) menghasilkan:
Y1 (t ) = A1e r1t + A2 e r2t + ... + An e rnt …… (2.3.17)
Jadi, Invert Y (s) menghasilkan:

 
y (t ) = L−1 e − st D Y1 (s ) = y1 (t − t D )
Jadi, dengan menggunakan real translation theorem:

y (t ) = A e r1 (t −t D ) + A e r2 (t −t D ) + ... + A e rn (t −t D ) …… (2.3.18)
1 2 n
Jika terdapat multi-delay:

Y (s ) = Y1 (s )e − st D1 + Y2 (s )e − st D 2 + ... + Yn (s )e − st Dn …… (2.3.19)
Jadi, dengan menggunakan real translation theorem:
y (t ) = y1 (t − t D1 ) + y 2 (t − t D 2 ) + ... + y n (t − t Dn ) …… (2.3.20)
Contoh 2.3.1 : menangani time delay

dc(t )
Diketahui PD berikut: + 2c(t ) = f (t )
dt
Dengan c(0) = 0, Tentukan respon output c(t), jika pada t = 1, input
berubah dengan satu unit step: f(t) = u(t – 1)!
Jadi: t D = 1 dan F (s ) = e
1 −s
s
TL dari PD dan substitusi F(s) menghasilkan:
C (s ) = F (s ) =
1 1 1 −s
e
s+2 s+2 s
misal: C (s ) = C1 (s )e − s
Invert dari C1(s):
C1 (s ) =
1 1 A1 B1
= +
s+2 s s+2 s
A1 = lim (s + 2)
1 1 1
=−
s → −2 (s + 2) s 2
1 1 1
A2 = lim s =
s →0 (s + 2 ) s 2
Jadi invert dari C1(s) menghasilkan (lihat Tabel 2.2.1):
c1 (t ) = − e + u (t )
1 − 2t 1
2 2
= u (t ) 1 − e − 2t
1
2
( )
Aplikasi real translation theorem:
c(t ) = L C1 (s )e
−1
 −s
 1
2

= c1 (t − 1) = u (t − 1)1 − e − 2(t −1) 
Catatan unit step u(t – 1) harus dikalikan dengan term eksponensial,
hal ini menunjukkan bahwa c(t) = 0 untuk t < 1.
2.4. Karakteristik Respon Proses
Beberapa pertanyaan yang relevan terhadap respon:
1. Apakah respon stabil? Yaitu respon terjaga pada nilai tertentu.

2. Jika stabil, berapa nilai tunak baru?
3. Apakah responnya monoton atau berosilasi?
4. Jika monoton dan stabil, berapa waktu yang diperlukan untuk
mencapai kondisi stabil (tunak baru)?
5. Jika bersosilasi, berapa periode osilasi dan berapa waktu
berosilasi sampai akhirnya stabil?
Variabel Deviasi
Y (t ) = y (t ) − y (0) …. (2.4.1)
Dimana: y(t) = nilai variabel total

y(0) = nilai variabel pada kondisi awal
Dari definisi variabel deviasi, maka variabel deviasi pada kondisi

awal selalu nol (0): Y(0) = y(0) – y(0) = 0
Pertimbangkan PD linear order n:
d n y (t ) d n −1 y (t )
an n
+ an −1 n −1
+  + a0 y (t )
dt dt
d m x(t ) d m −1 x(t )
= bm m
+ bm −1 m −1
+  + b0 x(t ) + c …. (2.4.2)
dt dt
Dimana n > m, y(t) = output, x(t) = input, dan c = konstanta

Pada kondisi tunak awal, semua fungsi derivatif waktu adalah nol
sehingga: a0 y (0) = b0 x(0) + c …. (2.4.3)
Pers. (2.4.2) – Pers. (2.4.3) :
d nY (t ) d n −1Y (t )
an n
+ an −1 n −1
+  + a0Y (t )
dt dt
d m X (t ) d m −1 X (t )
= bm + bm −1 +  + b0 X (t ) …. (2.4.4)
dt m dt m −1
Dimana: Y(t) = y(t) – y(0) dan X(t) = x(t) – x(0)
Respon Output
Untuk menunjukkan hubungan antara respon output dan akar-akar dari
denominator fungsi transfer, maka penyelesaian TL dari pers. (2.4.4)
dalam term deviasi:
 bm s m + bm −1s m −1 +  + b0 
Y (s ) =  n −1  X (s ) …. (2.4.5)
 an s + an −1s +  + a0 
n
Denominator pers. (4.5) dapat difaktorkan menjadi derajat n berikut:
 bm s m + bm −1s m −1 +  + b0 
Y (s ) =   X (s ) …. (2.4.6)
 an (s − r1 )(s − r2 ) (s − rn ) 
Dimana r1, r2, …, rn adalah akar polynomial denominator. Disamping
n faktor (lihat pers 2.4.6), terdapat faktor lain dari X(s) yang tergantung
pada jenis input (step, pulse, ramp, dll.)
Pengembangan dalam fraksi parsial:
Y (s ) = + term dari X (s )
A1 A2 An
+ ++ …. (2.4.7)
s − r1 s − r2 s − rn
Kebalikan laplace pers. (4.7) menghasilkan:
Y (s ) = A1e r1t + A2 e r2t +  + An e rnt + term dari X (s ) …. (2.4.8)
Akar-Akar Nyata:
Akar positif : respon naik seiring naiknya waktu → TIDAK STABIL
Akar negatif : meluruh sampai nol → STABIL
 Jika semua akar denominator dari FT adalah nyata:
☺ respon monotonic (non-oscillatory)
☺ respon stabil jika semua akarnya negatif
(lihat Gambar 2.4.1)
Gambar 2.4.1. Respon untuk akar-akar nyata
Y1
Y(t) Y(t)
tk t t
(a) Stabil, akar nyata negatif (b) Tidak Stabil, akar nyata
positif
Y1 = kondisi tunak baru
−5
tk = …. (2.4.9)
rk
Pasangan Akar Complex Conjugate:
r1 =  + i  r2 =  − i 
dimana:  = bagian real;  = bagian imaginer

Pengembangan FT:
Y (s ) =
A1 A2
+ +
s −  − i s −  + i
=
( A1 + A2 )(s −  ) i ( A1 − A2 )
+ +
(s −  ) + 
2 2
(s −  ) + 
2 2
B(s −  ) C
= + + …. (2.4.10)
(s −  ) +  (s −  ) + 
2 2 2 2
dimana: B = A1 + A2 dan C = i (A1 – A2)
Jadi invert dari pers. (2.4.10) menghasilkan (lihat Tabel 2.2.1):

Y (t ) = Be  t cos t + Ce  t sin t + 
= e  t B cos t + C sin t  + 
Penyederhanaan menggunakan bentuk trigonometri:
sin (t +  ) = sin  cos t + cos  sin t
menghasilkan: Y (t ) = De sin ( t +  ) + 
t
…. (2.4.11)
dimana: D = B2 + C 2 → Amplitudo awal
B
 = arctan  → Phase angle, dalam radian
C 
Y (t ) = De sin ( t +  ) + 
t
Berdasarkan pers. (2.4.11), disimpulkan:

☺ Respon berosilasi
☺ Osilasi menjadi TIDAK STABIL, jika bilangan kompleks
conjugate mempunyai akar bagian real positif
Perhatikan term e t:
 positif → Amplitudo semakin besar dengan waktu
 negatif → Amplitudo meluruh
Frekuensi gelombang sinus merupakan bagian imaginer dari akar, 
dalam radian/waktu.
Periode osilasi: waktu yang diperlukan untuk menempuh satu siklus
gelombang. atau, waktu yang diperlukan untuk menaikkan argumen
gelombang sinus ( t + ) sebesar 2 radian.
2
T= …. (2.4.12)

Gambar 2.4.2. Respon untuk akar-akar complex conjugate
Y(t) Y(t)
Y1
ts t t
(a) Stabil, akar nyata negatif
(b) Tidak Stabil, akar nyata
Y1 = kondisi tunak baru
positif
−5
ts = …. (2.4.13)

Decay ratio = e  T = e 2 /  …. (2.4.14)
Kondisi Tunak Baru

Kondisi tunak baru dapat dicari dengan final value theorem
Asumsi input berubah dengan fungsi tahap dimana X(t) = x u(t)
atau X(s) = x / s → substitusi ke pers. (2.4.5)
 bm s m + bm −1s m −1 +  + b0  x b0 x … (2.4.15)
Y = lim s  −  =
 an s + an −1s +  + a0  s
s →0 n n 1
a0 s
Kriteria Kestabilan
Sistem akan STABIL jika semua akar denominator dari FT adalah
NEGATIF, yaitu: negatif untuk akar nyata dan negatif untuk bagian real
dari akar complex. Lihat Gambar bidang kompleks (Gambar 2.4.3)
Gambar 2.4.3. Complex Plane

I
STABIL
STABIL
2.5. Linearisasi
Mengapa perlu linearisasi?
Salah satu kesulitan dalam analisis respon dinamik untuk proses adalah sifat
ketidak-linearan proses tersebut. Metode Transformasi Laplace (TL) yang
telah kita pelajari dapat menggambarkan dinamika sistem proses. Sayangnya,
hanya sistem linear saja yang dapat dianalisa dengan TL. Dan, tidak ada
teknik lainnya yang dapat digunakan untuk analisis dinamik sistem non-linear.
Linearisasi digunakan untuk mendekati respon sistem non-linear dengan

PD linear yang kemudian dapat dianalisa dengan TL
Pendekatan linear terhadap sistem non-linear dapat diterima (valid) untuk

daerah yang dekat dengan beberapa titik dasar (base point) yang dibuat.
Maka, kita akan memilih kondisi tunak awal sebagai base point.
2.5. Linearisasi
Beberapa fungsi non-linear yang umum:

☺ Entalpi (H), sebagai fungsi suhu (T):
H T (t ) = H 0 + a1T (t ) + a2T 2 (t ) + a3T 3 (t ) + a4T 4 (t ) … (2.5.1)

dimana: H0, a0, a1, a2, a3, dan a4 adalah konstanta.
☺ Pers. Antoine: tekanan uap (p0) sebagai fungsi suhu (T)

p 0 T (t ) = e A− B T (t )+C  … (2.5.2)
dimana: A, B, dan C adalah konstanta.
☺ Fraksi mol uap setimbang (y), sebagai fungsi fraksi mol cairan (x)
x(t )
yx(t ) = … (2.5.3)
1 + ( − 1)x(t )
dimana:  adalah volatilitas relatif, biasanya diasumsikan konstan.
2.5. Linearisasi
☺ Laju aliran (f), sebagai fungsi pressure drop (p):
f p(t ) = k p(t ) … (2.5.4)
dimana: k adalah koefisian kunduktansi konstan.
☺ Laju perpindahan panas radiasi q, sebagai fungsi suhu (T)
qT (t ) = AT 4 (t ) … (2.5.5)
dimana: , , dan A adalah konstanta.
☺ Pers. Arhenius: ketergantungan koef. laju reaksi (k) terhadap (T)
k T (t ) = k 0 e − E RT (t ) … (2.5.6)
dimana:  k0, E, dan R adalah konstanta.
☺ Pers. Laju reaksi (r): sebagai fungsi suhu (T), dan konsentrasi CA, CB.
r T (t ), c A (t ), c B (t ),... = k T (t )c Aa (t )c Bb (t )... … (2.5.7)
dimana: k[T(t)] = pers. (2.7.6); a, dan b adalah konstanta.
2.5. Linearisasi
Linearisasi Fungsi Satu Variabel
Semua fungsi dapat dikembangkan ke dalam deret Taylor sekitar base point:
1 d2 f
f x(t ) = f (x ) + x(t ) − x  +  ( ) 
df
x t − x 2
+  … (2.5.8)
dx x 2! dx 2
x
dimana: x adalah base value x disekitar fungsi yang diekspansi.
Dalam linearisasi, bentuk order dua atau lebih dari pers. (2.5.8) dapat
diabaikan, sehingga menjadi:
f x(t ) = f (x ) + x(t ) − x 
df
… (2.5.9)
dx x
Pers. (2.5.9) adalah fungsi dasar linearisasi yang diilustrasikan pada

Gambar 2.5.1. Karena x adalah konstan, maka persamaan disebelah
kanan tanda sama dengan adalah linear dalam variabel x(t)
2.5. Linearisasi
Gambar 2.5.1 Pendekatan linear adalah tangen dari fungsi non-linear

pada base point x
Garis tangen df
1
dx x
f x(t ) f (x ) Fungsi non-linear
x x(t)
2.5. Linearisasi
Contoh 2.5.1:Linearisasi Pers. Arrhenius
( )
Base point: k T = 100 sec  −1
Energi aktivasi, E = 22000 kcal/kmol, & R = 1.987 kcal/kmol-K
Perkirakan error pada slope dalam rentang 10oC di sekitar T = 300oC
Penyelesaian:
Aplikasi Pers. (2.5.9) ke (2.5.6):
k T (t ) = k T +( )
dk
dT
T (t ) − T 
T
Dimana: dk
dT
=
d
dT

k 0 e − E (RT (t ) ) T 
T
= k0e − E (RT ) E
2
=kT
E
( )
RT RT 2
2.5. Linearisasi
sec −1
= (100)
dk 22000
Slope: = 3.37
dT 300 Co (1.987)(300 + 273) 2 o
C
Jadi diperoleh pendekatan linear: 

k T (t ) = 100 + 3.37 T (t ) − T 
Dalam range 290 – 310 oC, diperoleh nilai actual dan slope:
T = 290 o C , k (T ) = 70.95 sec −1 , dk dT T = 2.48 sec −1/ o C
T = 310 o C , k (T ) = 139.3 sec −1 , dk dT T = 4.54 sec −1/ o C

Sebagai perbandingan: dituliskan pendekatan linear berikut:
k(290oC) = 100 + 3.37(290 – 300) = 66.3 sec-1 → error = –6.6%
k(310oC) = 100 + 3.37(310 – 300) = 133.7 sec-1 → error = –4%
2.5. Linearisasi
Linearisasi Fungsi Dua Variabel atau Lebih
Ekspansi deret Taylor untuk dua variabel atau lebih:
f x1 (t ), x2 (t ),  = f (x1 , x2 , ) + x1 (t ) − x1  + x2 (t ) − x2  +  (2.5.10)

df df
dx1 dx2
f f
dimana: = dan x1 , x2 ,  adalah base value dari
xk xk ( x , x ,) masing-masing variabel
1 2
Contoh 2.5.2: kasus sederhana luas (a) segi empat adalah fungsi dari
panjang (w) dan lebar (h):
aw(t ), h(t ) = w(t )h(t )
Linearisasi: aw(t ), h(t ) = a w , h + ( ) a

w (w , h )
w(t ) − w  + a 
h (w , h )
h(t ) − h 
( )
aw(t ), h(t ) = a w , h + h w(t ) − w  + w h(t ) − h  
2.5. Linearisasi
Gambar 2.5.2 Error pendekatan linear dari luas segi empat
w [h(t) – h]
error
h [w(t) – w]
h(t)
h a(w,h) = w h
w
w(t)
Asumsi: w = 2 m dan h = 1 m → Luas pada base point: a = 2 m2

Increment: w(t) = 2.2 m dan h(t) = 1.1 m → aactual = 2.42 m2
Luas pendekatan = 2 + 1(0.2) + 2(0.1) = 2.40 m2
error = 2.42 – 2.40 = 0.02 m2 Luas daerah arsiran = (0.2)(0.1) = 0.02 m2
2.5. Linearisasi
Contoh 2.5.3: Linearisasi Pers. densitas gas ideal sbg fungsi tekanan dan suhu
Mp(t )
  p(t ), T (t ) =
RT (t )
Fungsi densitas non-linear
Untuk evaluasi, kita menggunakan gas udara:

M = berat molekul = 29 [kg/kmol] ; IB = tekanan absolut = 101.3 kPa
T = suhu absolut [K] ; & R = 8.314 kPa-m3/kmol-K
Penyelesaian:
Aplikasi Pers. (2.5.10):

(
p
)
  p(t ), T (t ) =  p, T +  p(t ) − p  +

T
T (t ) − T  
   Mp(t )  M
Dimana: =   =
p dp  RT (t )  ( p ,T ) RT
2.5. Linearisasi
   Mp(t )  Mp
=   =−
T dT  RT (t )  ( p ,T ) RT 2
Jadi pendekatan fungsi densitas linear
  p(t ), T (t ) =
Mp M
+
RT RT
 p(t ) − p  − 2 T (t ) − T
Mp
 
RT
Secara numerik:

  p(t ), T (t ) = 1.178 + 0.01163 p(t ) − p  − 0.00393 T (t ) − T 
Dengan satuan:  = [kg/m3], p = [kPa], T = [K]
2.5. Linearisasi
Linearisasi Persamaan Diferensial
Pertimbangkan PD Order satu dengan satu input berikut:
dy (t )
= g x(t ), y (t ) + b … (2.5.11)
dt
dimana: g[x(t),y(t)] adalah fungsi non-linear dengan input x(t), output y(t),
dan b adalah konstanta.
Pada kondisi tunak awal: 0 = g (x , y ) + b … (2.5.12)
Base point: x = x(0), y = y (0)
Pers. (2.5.11) – (2.5.12):

dy (t )
= g x(t ), y (t ) − g (x , y ) … (2.5.13)
dt
2.5. Linearisasi
Linearisasi fungsi multi-variabel dari pers. (2.5.13):
dy (t ) g g
= x(t ) − x  + y(t ) − y  … (2.5.14)
dt x ( x , y ) y ( x , y )
Term deviasi
 Diperoleh PD linear dalam term deviasi:

dY (t )
= a1 X (t ) + a2Y (t )
… (2.5.15)
dt
dimana: a1 = g x
(x , y )
dan a2 = g y ( x , y )
Catatan:
1. Konstanta b di pers. (2.5.11) hilang. Tidak ada suatu konstanta
dalam persamaan yang dinyatakan dalam term deviasi (2.5.15).
2. Pada kondisi awal: Y(0) = y(0) – y(0) = 0
2.5. Linearisasi
Contoh 2.5.4: Linearisasi PD multi variabel

Dari neraca massa RATB, dihasilkan PD non-linear berikut:
dc A (t ) 1
= f (t )c Ai (t ) − f (t )c A (t ) − k T (t )c A (t )
1
dt V V
k[T(t)] = pers. non-linear yang telah dilinearkan (lihat contoh 2.5.1)
V dianggap konstan, f(t) = laju alir reaktan, cAi = konsetrasi reaktan masuk
reaktor, cA = konsetrasi reaktan keluar reaktor, T(t) = suhu keluar reaktor
Penyelesaian:
dc A (t )
= g  f (t ), c Ai (t ), T (t ), c A (t )
dt
= f (t )c Ai (t ) − f (t )c A (t ) − k T (t )c A (t )
1 1
V V
2.5. Linearisasi
Aplikasi pers. (2.5.15):
dC A (t )
= a1 F (t ) + a2C Ai (t ) + a3(t ) + a4C A (t )
dt
dimana: C A (t ) = c A (t ) − c A , F (t ) = f (t ) − f , C Ai (t ) = C Ai (t ) − C Ai
(t ) = T (t ) − T adalah variabel-variabel deviasi
a1, a2, a3, dan a4 diperoleh dengan turunan parsial fungsi g berikut:
g c Ai − c A g f
a1 = = a2 = =
f V c Ai V
a3 =
g
= −k T
E
c
2 A
( ) a4 =
g
c A
f
= − −k T
V
( )
T RT
2.5. Linearisasi
Pindah term CA(t) ke kiri, dan bagi dengan –a4, diperoleh:
dC A (t )
 + C A (t ) = K1 F (t ) + K 2C Ai (t ) + K 3(t )
dt
dimana:
1 V a1 c Ai − c A
 =− = K1 = − =
a4 f + Vk T ( ) a4 ( )
f + Vk T
a2 f a3 Vk (T )Ec A
K2 = − = K3 = − =−
a4 f + Vk T ( ) a4 RT 2  f + Vk (T )
Dengan Transformasi Laplace, diperoleh:
C A (s ) = F (s ) + C Ai (s ) + (s )
K1 K2 K3
s + 1 s + 1 s + 1
Latihan: Linerkan PD tak-linear berikut:
dT (t ) 1  
= f (t )Ti (t ) − f (t )T (t ) − T (t ) − Tst (t )
1
dt V V V V
V = volume cairan [m3]; konstan
= tetapan laju volumetrik [m3/detik]
f(t) = laja alir volumetrik [m3/detik]
Ti(t) = suhu cairan masuk tangki [oC]
T(t) = suhu cairan keluar tangki [oC]
Tst(t) = suhu steam [oC]
Dr. Eng. Yulius Deddy Hermawan – Prodi. Teknik Kimia – FTI - UPNVY

02 MATEMATIKA Analisis Sistem Dinamik New

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

02 MATEMATIKA Analisis Sistem Dinamik New

Diunggah oleh

Hak Cipta:

Format Tersedia

II MATEMATIKA SISTEM DINAMIK

• Tujuan: Mhs mampu menyusun dan menyelesaikan model

dimana: a = bagian real

Notasi Polar Untuk Menyatakan Bilangan Kompleks:

dimana: e i  (cos  + i sin  )

conjugate conj.(a + i b ) = (a − i b ) …… (2.1.5)

Operasi Bilangan Kompleks

Penjumlahan & Pengurangan: c  p = (a  v ) + i (b  w) …… (2.1.6)

Perkalian: cp = (a + ib )(v + iw)

Perkalian dg conjugate: (a + i b )(a − i b ) = a 2

Operasi Bilangan Kompleks

c (a + ib ) (v − iw) (av + bw) + i(bv − aw)

dimana k = 0, 1, 2, …, sampai diperoleh n akar

Contoh Soal 2.1.1: konversi bilangan kompleks menjadi polar

Magnitude (r): a =5 b = 10 c = 1.414

Contoh Soal: (lanjutan)

a (3 + i 4) (8 + i 6) (24 − 24) + i(18 + 32)

f(t) F(s) = L [f(t)] f(t) F(s) = L [f(t)]

• Buktikan konversi dari f(t) menjadi F(s)

Surat Pernyataan mengerjakan secara jujur dan

Sifat-Sifat Transformasi Laplace

Sifat distributif: L a f (t ) + b g (t ) = a F (s ) + b G (s ) …… (2.2.3)

• Real Differentiation Theorem

Untuk derivatif order 2 :

Secara umum, untuk n derivatif:

Dalam pengendalian proses, kondisi awal adalah pada kondisi

• Real Integration Theorem

• Real Translation Theorem

• Final Value Theorem

• Complex Differentiation Theorem

• Complex Translation Theorem

• Initial Value Theorem

1. Susun model matimatika (PD dalam time domain) dari suatu

Tentukan Transformasi Laplace dari PD Order-1 tersebut

TL untuk masing-masing term:

Kebalikan dari TL Dengan Ekspansi Parsial:

Jika input berubah 1 unit fungsi tahap: X (s ) =

Pengembangan (ekspansi) denominator:

dimana r1 dan r2 adalah akar kuadrat dari: a2 s + a1s + a0 = 0

Akar polynomial kuadarat:

Ekpansi parsial TL: Y (s ) =

Untuk akar-akar yang tidak berulang, berlaku:

Berdasarkan Tabel TL, kebalikan (invert) dari laplace adalah:

y (t ) = A1e r1t + A2 e r2t + A3u (t )

Untuk akar-akar yang berulang, misalnya r1 = r2, berlaku:

Koefisien A3 dihitung seperti sebelumnya, A1 dan A2 dihitung

Secara umum, jika r1 diulang m kali:

Untuk k = 2, …, m, maka Invert laplace adalah

Dengan Y1(s) tanpa term ekponensial

Invert Y1(s) menghasilkan:

Y1 (t ) = A1e r1t + A2 e r2t + ... + An e rnt …… (2.3.17)

Jadi, Invert Y (s) menghasilkan:

Jadi, dengan menggunakan real translation theorem:

Jika terdapat multi-delay:

Jadi, dengan menggunakan real translation theorem:

Contoh 2.3.1 : menangani time delay

TL dari PD dan substitusi F(s) menghasilkan:

Invert dari C1(s):

Jadi invert dari C1(s) menghasilkan (lihat Tabel 2.2.1):

1. Apakah respon stabil? Yaitu respon terjaga pada nilai tertentu.

Dimana: y(t) = nilai variabel total

Dari definisi variabel deviasi, maka variabel deviasi pada kondisi

Dimana n > m, y(t) = output, x(t) = input, dan c = konstanta

sehingga: a0 y (0) = b0 x(0) + c …. (2.4.3)