Gain Selection - Pemodelan Dan Analisa Sistem Kendali Dengan Matlab

GAIN SELECTION : PEMODELAN DAN ANALISA
SISTEM KENDALI DENGAN MATLAB
Elsa Dwi Handayani

Heru Dibyo Laksono
[DATE]
[COMPANY NAME]
[Company address]
Gambar 1 Diagram Blok Sistem Lingkar Tertutup
Fungsi alih dari blok diagram diatas yaitu:
( )
( )( ) ( )
Dengan k=1
( )
( )( ) ( )
Dengan menggunakan Matlab, tentukan fungsi alih lingkar terbuka dan fungsi alih lingkar
tertutup dari diagram blok sistem lingkar tertutup.
Program dengan matlab:
clc
clear all
close all
close all hidden
%
% Fungsi Alih Lingkar Terbuka
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
sys_ol = tf(num_ol,den_ol)
%
% Fungsi Alih Lingkar Tertutup
[num_cl,den_cl] = cloop(num_ol,den_ol,-1);
sys_cl = tf(num_cl,den_cl)
%
% Fungsi Alih Kesalahan
sys_e = tf(1,den_cl)
hasil program
sys_ol =
s^2 + 2 s + 1
----------------------------------------------
s^5 + 38.2 s^4 + 415.6 s^3 + 1085 s^2 + 1068 s
Continuous-time transfer function.
sys_cl =
s^2 + 2 s + 1
--------------------------------------------------
s^5 + 38.2 s^4 + 415.6 s^3 + 1086 s^2 + 1070 s + 1
sys_e =
1
--------------------------------------------------
s^5 + 38.2 s^4 + 415.6 s^3 + 1086 s^2 + 1070 s + 1
BAB I. SISTEM KENDALI
1.1 Pendahuluan
Bagian ini menjelaskan tentang pemodelan dan analisa sistem kendali. Adapun materi
yang dibahas meliputi pemodelan sistem kendali dan analisa sistem kendali. Untuk
pemodelan sistem kendali materi yang dibahas hanya fungsi alih dan untuk analisa sistem
kendali materi yang dibahas meliputi analisa kesalahan, analisa peralihan, analisa domain
frekuensi untuk fungsi alih lingkar terbuka, analisa domain frekuensi untuk fungsi alih lingkar
tertutup, analisa kestabilan dan analisa kekokohan. Analisa sistem kendali ini dilakukan
dengan bantuan perangkat lunak Matlab.
1.2 Pemodelan Sistem Kendali

Pemodelan sistem kendali yang digunakan dalam bagian ini dinyatakan dalam bentuk
fungsi alih. Dalam teori kendali, fungsi alih seringkali digunakan untuk mencirikan hubungan
masukan dan keluaran dari sistem linier parameter konstan. Konsep fungsi alih ini hanya
digunakan pada sistem linier parameter konstan. Fungsi alih sistem linier parameter konstan
didefinisikan sebagai perbandingan dari transformasi Laplace keluaran dan transformasi
Laplace masukan dengan asumsi semua kondisi awal bernilai nol. Sistem linier parameter
konstan dinyatakan dengan persamaan linier diferensial pada persamaan (1.1) berikut
n  n-1 m  m-1
a 0 y + a1 y +…+ a n-1y + a n y = b 0 x + b1 x +…+ b m-1x + b m x n  m (1.1)
dimana y adalah keluaran sistem dan x adalah masukan sistem. Fungsi alih dari persamaan
(1.1) diperoleh dengan mencari transformasi Laplace dari kedua persamaan (1.1) dengan
asumsi semua kondisi awal bernilai nol dan diperoleh persamaan (1.2) berikut
Y s b0s m + b1s m-1 + …+ b m-1s + b m
G s  = = (1.2)
X s  a 0s n + a1s n-1 + …+ a n-1s + a n
Selain itu jika diperhatikan diagram blok pada Gambar 1.1 berikut
R(s) E(s) C(s)
G(s)
+
-
B(s)
H(s)
G AMBAR 1.1 D IAGRAM B LOK SISTEM LINGKAR TERTUTUP
DIPEROLEH FUNGSI ALIH LINGKAR TERBUKA YANG DINYATAKAN DALAM BENTUK PERSAMAAN
(1.3) BERIKUT
b0s m + b1s m-1 +…+ b m-1s + b m
G(s)H(s)  (1.3)
a 0s n + a1s n-1 +…+ a n-1s + a n
DIPEROLEH FUNGSI ALIH LINGKAR TERTUTUP YANG DINYATAKAN DALAM BENTUK PERSAMAAN
(1.4) BERIKUT
C s  G(s)
= (1.4)
R s  1 + G(s)H(s)
Contoh 1.1: Untuk model sistem yang dinyatakan dalam bentuk Gambar 1.2 berikut
R(s) E(s) C(s)
G(s)
+
-
B(s)
H(s)
dimana G  s  dan H  s  dinyatakan oleh persamaan (1.5) dan (1.6) berikut
5s
G s  = (1.5)
s + 10s2 + 5s + 2
3
H s  = 1 (1.6)
DENGAN MENGGUNAKAN MATLAB, TENTUKAN FUNGSI ALIH LINGKAR TERBUKA DAN FUNGSI
ALIH LINGKAR TERTUTUP DARI DIAGRAM BLOK SISTEM LINGKAR TERTUTUP PADA GAMBAR 1.2.
Jawab :
Adapun kode Matlab untuk penentuan fungsi alih lingkar terbuka dan fungsi alih lingkar
tertutup sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 5];
den_ol = [ 1 10 5 2];
%
%
% Fungsi Alih Kesalahan
sys_e = tf(1,den_cl)
Hasil program
sys_ol =
5
----------------------
s^3 + 10 s^2 + 5 s + 2
sys_cl =
5
----------------------
s^3 + 10 s^2 + 5 s + 7
1.3 Analisa Sistem Kendali

Bagian ini menjelaskan analisa sistem kendali yang dilakukan dalam buku ini, Analisa
yang dilakukan meliputi analisa kesalahan, analisa peralihan, analisa domain frekuensi untuk
fungsi alih lingkar terbuka, analisa domain frekuensi untuk fungsi alih lingkar tertutup,
analisa kestabilan dan analisa kekokohan. Adapun penjelasan masing – masing bagian sebagai
berikut
1.3.1 Analisa Kesalahan

Untuk analisa kesalahan, parameter yang diamati adalah tipe sistem, konstanta
kesalahan posisi, konstanta kesalahan kecepatan, konstanta kesalahan percepatan, kesalahan
keadaan mantap terhadap masukan undak satuan, kesalahan keadaan mantap terhadap
masukan laju satuan dan kesalahan keadaan mantap terhadap masukan parabolik satuan.
Tinjau fungsi alih lingkar terbuka pada persamaan (1.7) berikut (Veloni & Palamides,
2012)
K(s  z1 )(s  z 2 )  (s  z m )
G(s)H(s)  G(s)  (1.7)
s N (s  p1 )(s  p 2 )  (s  p k )
dengan ketentuan
- k+n>m
- z1 , z 2 , z3 , , z m adalah zero dari G  s   0
- p1 , p 2 , p3 ,…,pk adalah pole dari G  s   0
Fungsi alih pada persamaan (1.1) melibatkan bentuk s n pada penyebutnya dimana
menyatakan pole rangkap N di titik asal dan juga menunjukan tipe sistem. Sistem akan
disebut tipe 0, tipe 1, tipe 2….. jika N = 0, N = 1, N = 2....... Jika angka tipe diperbesar maka
ketelitian menjadi semakin baik akan tetapi membesarnya angka tipe akan memperburuk
persoalan kestabilan. Kompromi antara ketelitian keadaan mantap dan kestabilan relatif selalu
diperlukan (Azzo & C.H, 2003). Dalam praktek jarang sekali dijumpai sistem tipe 3 atau lebih
tinggi karena biasanya sulit untuk mendisain sistem stabil yang mempuyai lebih dari dua
integrasi pada lintasan umpan maju.
Selain itu juga menurut (Azzo & C.H, 2003), konstanta kesalahan posisi, konstanta
konstanta kesalahan kecepatan dan konstanta kesalahan percepatan mengambarkan
kemampuan sistem untuk memperkecil atau menghilangkan keadaan mantap. Dengan kata
lain konstanta – konstanta kesalahan tersebut menunjukkan indikasi performansi kesalahan
keadaan dalam keadaan mantap. Biasanya diinginkan untuk memperbesar konstanta
kesalahan dengan menjaga tanggapan peralihan dalam daerah yang masih diterima. Selain itu
menurut (Ogata,2010), kesalahan keadaan mantap merupakan ukuran kebaikan sistem
kendali. Semakin tinggi nilai konstanta kesalahan maka nilai kesalahan keadaan mantap akan
semakin kecil.
Tinjau sistem lingkar tertutup yang diperlihatkan pada Gambar 1.3 berikut
R(s) E(s) C(s)

G(s)
+
-
B(s)
H(s)
Fungsi alih lingkar tertutup pada Gambar 1.3 dinyatakan dalam bentuk persamaan (1.8)
berikut
C s  G(s)
= (1.8)
R s  1 + G(s)H(s)
Fungsi alih antara sinyal masukan kesalahan e(t) dan sinyal masukan r(t) dinyatakan dengan
persamaan (1.9) berikut
E s  C(s)H(s) 1
=1-  (1.9)
R s  R(s) 1 + G(s)H(s)
Dimana sinyal kesalahan e(t) adalah selisih antara sinyal masukan dan sinyal umpan balik.
Dengan menggunakan teorema harga akhir dapat ditentukan performansi keadaan mantap
untuk sistem yang stabil karena E(s) dinyatakan dengan persamaan (1.10) berikut
1
E s   R s  (1.10)
1 + G(s)H(s)
Kesalahan keadaan mantap dinyatakan dalam bentuk persamaan (1.11) berikut
sR  s 
ess  lim e  t   lim (1.11)
t  s 0 1 + G(s)H(s)
Untuk kesalahan keadaan mantap terhadap masukan undak satuan dinyatakan dalam bentuk
s 1 1
ess  lim e  t   lim  (1.12)
t  s0 1 + G(s)H(s) s 1 + G(0)H(0)
Berdasarkan persamaan (1.12) diperoleh besarnya konstanta kesalahan posisi yang dinyatakan
dalam bentuk persamaan (1.13) berikut
K p  lim G(s)H(s)  G(0)H(0) (1.13)
s 0
Untuk sistem tipe 0, konstanta kesalahan posisi dihitung dengan persamaan (1.14) berikut
K(s  z1 )(s  z 2 )  (s  z m )

K p  lim K (1.14)
s 0 (s  p1 )(s  p 2 )  (s  p k )
Untuk sistem tipe 1 atau lebih tinggi, konstanta kesalahan posisi dihitung dengan persamaan
(1.15) berikut
K(s  z1 )(s  z 2 )  (s  z m )

K p  lim   N 1 (1.15)
s 0 s N (s  p1 )(s  p 2 )  (s  p k )
Berdasarkan persamaan (1.13) s/d (1.15) terlihat bahwa untuk sistem tipe 0, konstanta
kesalahan posisi bernilai terhingga, sedangkan untuk tipe 1 atau lebih tinggi konstanta
kesalahan posisi bernilai tak terhingga. Dengan demikian besarnya kesalahan keadaan mantap
terhadap masukan undak satuan dinyatakan dalam bentuk persamaan (1.16) dan (1.17) berikut
1
ess  (1.16)
1 + Kp
ess  0 (1.17)
Berdasarkan persamaan (1.16) dan (1.17) terlihat bahwa tanggapan sistem kendali berumpan
balik satu terhadap masukan undak satuan mempuyai kesalahan keadaan mantap jika tidak
ada integrasi pada lintasan umpan maju. Jika diinginkan kesalahan keadaan mantap nol untuk
masukan undak satuan maka tipe sistem harus satu atau lebih tinggi.
Untuk kesalahan keadaan mantap terhadap masukan laju satuan dinyatakan dalam
bentuk persamaan (1.18) berikut
s 1 1 1 1
ess  lim 2
 lim  lim
s0 1 + G(s)H(s) s s 0 1 + G(s)H(s) s s 0 sG(s)H(s)
(1.18)
Berdasarkan persamaan (1.18) diperoleh besarnya konstanta kesalahan kecepatan yang
dinyatakan dalam bentuk persamaan (1.19) berikut
K v  lim sG(s)H(s) (1.19)

s 0
Berdasarkan persamaan (1.19) diperoleh besarnya konstanta kesalahan kecepatan yang

1
ess = (1.20)
Kv
Istilah kesalahan kecepatan digunakan untuk menyatakan kesalahan keadaan mantap terhadap
masukan laju satuan. Dimensi kesalahan kecepatan adalah sama dengan kesalahan sistem.
Jadi kesalahan kecepatan bukan merupakan kesalahan dalam kecepatan tetapi merupakan
kesalahan posisi yang ditimbulkan oleh masukan laju satuan. Untuk sistem tipe 0, konstanta
kesalahan kecepatan dihitung dengan persamaan (1.21) berikut
sK(s  z1 )(s  z 2 )  (s  z m )
K v  lim 0 (1.21)
s 0 (s  p )(s  p )  (s  p )
1 2 k
Untuk sistem tipe 1, konstanta kesalahan kecepatan dihitung dengan persamaan (1.22) berikut
sK(s  z1 )(s  z 2 )  (s  z m )
K v  lim K (1.22)
s 0 s(s  p )(s  p )  (s  p )
1 2 k
Untuk sistem tipe 2 atau lebih tinggi, konstanta kesalahan kecepatan dihitung dengan
sK(s  z1 )(s  z 2 )  (s  z m )
K v  lim  N 1 (1.23)
s 0 s N (s  p )(s  p )  (s  p )
1 2 k
Untuk kesalahan keadaan mantap terhadap masukan parabolik satuan dinyatakan dalam
s 1 1 1 1
ess  lim 3
 lim 2
 lim 2 (1.24)
s 0 1 + G(s)H(s) s s 0 1 + G(s)H(s) s s 0 s G(s)H(s)
Adapun masukan parabolik dinyatakan dalam bentuk persamaan (1.25) dan (1.26) berikut
t2
r t= t  0 (1.25)
2
r t= 0 t  0 (1.26)
Berdasarkan persamaan (1.25) dan (1.26) diperoleh besarnya konstanta kesalahan terhadap
masukan masukan parabolik ini yang dinyatakan dalam bentuk persamaan (1.27) berikut
K a  lims2G(s)H(s) (1.27)
s 0
Selain itu konstanta kesalahan terhadap masukan masukan parabolik satuan ini dikenal juga
sebagai konstanta kesalahan percepatan. Berdasarkan persamaan (1.24) diperoleh besarnya
konstanta kesalahan percepatan yang dinyatakan dalam bentuk persamaan (1.28) berikut
1
ess = (1.28)
Ka
Istilah kesalahan percepatan digunakan untuk menyatakan kesalahan keadaan mantap
terhadap masukan parabolik satuan. Dimensi kesalahan percepatan adalah sama dengan
kesalahan sistem. Jadi kesalahan percepatan bukan merupakan kesalahan dalam percepatan
tetapi merupakan kesalahan posisi yang ditimbulkan oleh masukan parabolik satuan. Untuk
sistem tipe 0, konstanta kesalahan percepatan dihitung dengan persamaan (1.29) berikut
s 2 K(s  z1 )(s  z 2 )  (s  z m )

K a  lim 0 (1.29)
s 0 (s  p1 )(s  p 2 )  (s  p k )
Untuk sistem tipe 1, konstanta kesalahan percepatan dihitung dengan persamaan (1.30)
berikut
s 2 K(s  z1 )(s  z 2 )  (s  z m )

K a  lim 0 (1.30)
s 0 s(s  p )(s  p )  (s  p )
1 2 k
Untuk sistem tipe 2, konstanta kesalahan percepatan dihitung dengan persamaan (1.31)
berikut
s 2 K(s  z1 )(s  z 2 )  (s  z m )

K a  lim K (1.31)
s 0 s 2 (s  p )(s  p )  (s  p )
1 2 k
Untuk sistem tipe 3 atau lebih tinggi, konstanta kesalahan percepatan dihitung dengan
s 2 K(s  z1 )(s  z 2 )  (s  z m )

K a  lim  N 1 (1.32)
s 0 s N (s  p )(s  p )  (s  p )
1 2 k
Dengan demikian besarnya kesalahan keadaan mantap terhadap masukan parabolik satuan
dinyatakan dalam bentuk persamaan (1.33), (1.34) dan (1.35) berikut
ess   UNTUK SISTEM TIPE 0 DAN TIPE 1

(1.33)
1
ess  UNTUK SISTEM TIPE 2 (1.34)
K
ess  0 UNTUK SISTEM TIPE 3 ATAU LEBIH TINGGI
(1.35)
Terlihat bahwa baik sistem tipe 0 maupun tipe 1 tidak mampu mengikuti masukan parabolik
pada keadaan mantap. Sistem tipe 2 dengan umpan balik satu dapat mengikuti masukan
parabolik dengan kesalahan keadaan mantap dengan nilai terhingga. Tabel 1.1 berikut
merupakan ringkasan kesalahan keadaan mantap sistem tipe 0, tipe 1 dan tipe jika dikenai
beberapa macam masukan (Ogata, 1996). Harga terhingga kesalahan keadaan mantap tampak
pada garis diagonal. Di atas diagonal ini kesalahan keadaan mantapnya tidak terhingga
sedangkan di bawah diagonal ini kesalahan keadaan mantapnya nol.
TABEL 1.1 K ESALAHAN K EADAAN M ANTAP D ALAM B ENTUK P ENGUATAN K

Masukan Masukan Masukan
undak Laju Percepatan
1
Sistem Tipe 0  
1+K
1
Sistem Tipe 1 0 
K
1
Sistem Tipe 2 0 0
K
Konstanta kesalahan posisi, konstanta kesalahan kecepatan dan konstanta kesalahan

percepatan menggambarkan kemampuan sistem untuk memperkecil atau menghilangkan
kesalahan keadaan mantap. Biasanya diinginkan untuk memperbesar konstanta kesalahan
dengan menjaga tanggapan peralihan dalam daerah yang masih dapat diterima. Selain itu
untuk memperbaiki performansi keadaan mantap, dapat dilakukan dengan menaikkan tipe
sistem dengan menambah satu integrator atau lebih pada lintasan umpan maju. Adapun fungsi
matlab yang digunakan untuk menghitung konstanta kesalahan dan kesalahan keadaan mantap
adalah errortf(num,den). Selain itu kode Matlab secara lengkap dapat dilihat pada akhir bab
ini. Untuk contoh analisa kesalahan diperlihatkan pada contoh 1.2 berikut
Contoh 1.2: Untuk model sistem yang dinyatakan dalam bentuk Gambar 1.4 berikut
R(s) E(s) C(s)
G(s)
+
-
B(s)
H(s)
dimana G  s  dan H  s  dinyatakan oleh persamaan (1.36) dan (1.37) berikut

5
G s  = 3 2
(1.36)
s + 10s + 5s + 2
H s  = 1 (1.37)
Dengan mennggunakan Matlab tentukan tipe sistem, konstanta kesalahan posisi, konstanta
kesalahan kecepatan, konstanta kesalahan percepatan, kesalahan keadaan mantap terhadap
masukan undak satuan, kesalahan keadaan mantap terhadap masukan laju satuan dan
kesalahan keadaan mantap terhadap masukan parabolik. Adapun kode Matlab untuk
penentuan parameter kesalahan sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 5];
den_ol = [ 1 10 5 2];
%
%
% Informasi Amalisa Kesalahan
Errortf(num_ol,den_ol)
Hasil program
sys_ol =
5
----------------------
s^3 + 10 s^2 + 5 s + 2
sys_cl =
5
----------------------
s^3 + 10 s^2 + 5 s + 7
Tipe Sistem adalah 0

Konstanta Kesalahan Posisi (Kp) adalah 2.5000
Konstanta Kesalahan Kecepatan (Kv) adalah 0.0000
Konstanta Kesalahan Percepatan (Ka) adalah 0.0000
Kesalahan Keadaan Mantap Untuk Masukan Undak adalah 0.2857
Kesalahan Keadaan Mantap Untuk Masukan Laju adalah Inf
Kesalahan Keadaan Mantap Untuk Masukan Parabolik adalah Inf
1.3.2 Analisa Peralihan
Bagian ini menjelaskan analisa peralihan sistem kendali untuk sistem orde 1, sistem
orde 2 dan sistem orde tinggi terhadap masukan undak satuan, laju satuan dan impulsa satuan.
Adapun parameter yang diamati terdiri waktu tunda, waktu naik, waktu puncak, waktu
keadaan mantap, lewatan maksimum dan nilai puncak untuk masukan undak satuan serta nilai
minimum, nilai waktu minimum, nilai maksimum, nilai waktu maksimum dan nilai waktu
keadaan mantap untuk masukan impulsa satuan dan laju satuan.
Untuk sistem orde satu dinyatakan dengan persamaan (1.38) berikut (Veloni &
Palamides, 2012)
C(s) 1
= (1.38)
R(s) Ts + 1
dimana
C s  : fungsi masukan
R s  : fungsi keluaran
T : konstanta waktu
Jika sistem orde satu diberi masukan undak satuan maka persamaan keluaran dari sistem orde
satu dinyatakan dalam bentuk persamaan (1.39) berikut
t
ct = 1 - e T
-
(1.39)
Untuk masukan laju satuan maka keluaran dari sistem orde satu dinyatakan dalam bentuk
t
c  t  = t - T + Te T untuk t  0
-
(1.40)
Untuk masukan impulsa satuan, keluaran dari sistem orde satu dinyatakan dalam bentuk
1 - Tt
c  t  = e untuk t  0 (1.41)
T
Untuk sistem orde dua dinyatakan dengan persamaan (1.42) berikut (Veloni & Palamides,
2012)
C(s) ω2n
= 2 (1.42)
R(s) s + 2ςωn s + ω2n
dimana
ς : rasio redaman
ωn : frekuensi tidak teredam atau frekuensi natural
Berdasarkan persamaan (1.42) dapat diturunkan persamaan karakteristik dari sistem orde dua
yang dinyatakan dalam bentuk persamaan (1.43) berikut
s2 + 2ςωns + ωn2  0 (1.43)
Untuk akar – akar persamaan karakteristik dari sistem orde dua dinyatakan dalam bentuk
persamaan (1.44) dan (1.45) berikut
s1 = -ςωn + ωn ς 2  1 (1.44)
s 2 = -ςωn - ωn ς 2  1 (1.45)
Untuk persamaan keluaran sistem orde dua jika diberi masukan undak satuan dan nilai rasio
redaman besar dari 0 dan kecil dari 1 diperlihatkan dalam bentuk persamaan (1.46) berikut
e-ςωn t  1- ς 2 
yt = 1 - sin  ωn 1- ς 2 t  tan 1  (1.46)
1- ς 2  ς 
 
redaman sama dengan 1 diperlihatkan dalam bentuk persamaan (1.47) berikut
y  t  = 1 - e-ωn t 1  ωn t  (1.47)
redaman besar dari 1 diperlihatkan dalam bentuk persamaan (1.48) berikut
 
 
y  t  = 1 - e-ςωn t cosh  ωn ς 2  1 t 

1
ς2 1

sinh ωn ς 2  1 t 

 (1.48)
redaman sama dengan nol diperlihatkan dalam bentuk persamaan (1.49) berikut
y  t  = 1 - cos ωn t (1.49)
Untuk persamaan keluaran sistem orde dua jika diberi masukan laju satuan dan nilai rasio
2ς e-ςωn t  1- ς 2 
yt = t - + sin  ωn 1- ς 2 t  2 tan 1  (1.50)
ωn ωn 1- ς 2  ς 
 
2ς 2 -ωn t  ωn t 
yt = t - + e 1   (1.51)
ωn ω n  2 
yt = t -
2ς 2ς 2 -1 - 2ς ς 2  1  ς 
+ e

ς 2 1 ωn t

2ς 2 -1 - 2ς ς 2  1
e
 
 ς- ς 2 1 ωn t
(1.52)
ωn 2ωn ς 2  1 2ωn ς 2  1
Untuk persamaan keluaran sistem orde dua jika diberi masukan impulsa satuan dan nilai rasio
ωn
yt = e-ςωn t sin ωn 1- ς 2 t (1.53)
1- ς 2
y  t  = ω2n te-ωn t (1.54)
yt =
ωn
e
 
 ς- ς 2 1 ωn t

ωn
e
 
 ς+ ς 2 1 ωn t
(1.55)
2 ς2 1 2 ς2 1
Adapun parameter – parameter dari analisa peralihan ini meliputi waktu tunda, waktu naik,
waktu puncak, waktu keadaan mantap, nilai lewatan maksimum dan nilai puncak. Adapun
perhitungan masing – masing parameter sebagai
a. Waktu Tunda
Waktu tunda adalah waktu yang diperlukan tanggapan untuk mencapai setengah harga akhir
yang pertama kali. Waktu tunda ini dihitung dengan persamaan (1.56) berikut (Nelson, 1998)
1.00 + 0.60ς  0.15ς 2

td = (1.56)
ωn
Adapun satuan dari waktu tunda ini adalah detik. Agar sistem kendali mempuyai performansi
yang baik maka diusahakan nilai waktu tunda sekecil mungkin.
b. Waktu Naik
Waktu naik adalah waktu yang diperlukan tanggapan untuk naik dari 10 % sampai 90 %, 5 %
sampai 95 % atau 0 sampai 100 % dari harga akhirnya. Untuk sistem orde kedua redaman
kurang biasanya digunakan waktu naik 0 sampai 100 % dan untuk sistem redaman lebih
biasanya digunakan waktu naik 10 % sampai 90 % . Waktu naik ini dihitung dengan
persamaan (1.57) berikut (Nelson, 1998)
1.00 + 1.10ς  1.40ς 2

tr = (1.57)
ωn
Untuk nilai rasio redaman antara 0.30 s/d 0.80, waktu naik juga bisa dihitung dengan
menggunakan persamaan (1.58) berikut (Skogestad & Postlethwaite, 1996)
2.16ς  0.60
tr = (1.58)
ωn
Selain itu waktu naik juga bisa dihitung dengan menggunakan persamaan (1.59) berikut
(Veloni & Palamides , 2012)
1  ς2 1 
tr = tan  
1
 (1.59)
ωn 1- ς 2  ς 
 
Adapun satuan dari waktu naik ini adalah detik. Agar sistem kendali mempuyai performansi
yang baik maka diusahakan nilai waktu naik sekecil mungkin.
c. Waktu puncak
Waktu puncak adalah waktu yang diperlukan tanggapan untuk mencapai puncak lewatan
pertama kali. Waktu puncak ini dihitung dengan persamaan (1.60) berikut (Nelson, 1998)
π
tp = (1.60)
ωn 1  ς 2
Adapun satuan dari waktu puncak ini adalah detik. Agar sistem kendali mempuyai
performansi yang baik maka diusahakan nilai waktu puncak sekecil mungkin.
d. Waktu Keadaan Mantap

Waktu keadaan mantap adalah waktu yang diperlukan kurva tanggapan untuk mencapai dan
menetap dalam daerah disekitar harga akhir yang ukurannya ditentukan dengan persentase
mutlak dari harga akhir biasanya 5 %, 2% atau 0.50 % dengan rasio redaman berkisar antara
0.00 s/d 0.90. Untuk kriteria lebih kurang dari 2 %, waktu keadaan mantap dihitung dengan
menggunakan persamaan (1.61) berikut (Nelson, 1998)
4
ts  (1.61)
n
Selain itu, waktu keadaan mantap untuk kriterai lebih kurang dari 2 % bisa juga dihitung
dengan menggunakan persamaan (1.62) berikut (Veloni & Palamides , 2012)
π
ts = (1.62)
ςωn
Untuk kriteria lebih kurang dari 5 %, waktu keadaan mantap dihitung dengan menggunakan
persamaan (1.63) berikut (Nelson, 1998)
3
ts  (1.63)
n
Untuk kriteria lebih kurang dari 0.50 %, waktu keadaan mantap dihitung dengan
menggunakan persamaan (1.64) berikut (Nelson, 1998)
5
ts  (1.64)
n
Adapun satuan dari waktu keadaan mantap ini adalah detik. Agar sistem kendali mempuyai
performansi yang baik maka diusahakan nilai waktu keadaan mantap sekecil mungkin.
e. Nilai Puncak
Nilai puncak adalah nilai yang dicapai tanggapan untuk mencapai puncak lewatan pertama
kali. Nilai puncak ini dihitung dengan persamaan (1.65) berikut
-ςπ
1ς 2
yp = 1.00 - e (1.65)
f. Lewatan maksimum
Lewatan maksimum adalah harga puncak maksimum dari kurva tanggapan yang diukur dari
satu. Jika harga keadaan mantap tanggapan tidak sama dengan satu maka digunakan
persentase lewatan maksimum yang dinyatakan dalam bentuk persamaan (1.66) berikut
c  tp   c 
Mp  100% (1.66)
c 
Selain itu persentase lewatan maksimum juga bisa dihitung dengan menggunakan persamaan
(1.67) berikut
-ςπ
1 ς 2
M p  100e (1.67)
Agar sistem kendali mempuyai performansi yang baik maka diusahakan nilai lewatan
maksimum kecil dari 20.00 %..
Jika harga-harga waktu tunda, waktu naik, waktu puncak, nilai puncak, lewatan
maksimum dan waktu keadaan mantap disebut juga dengan performansi sistem lingkar
tertutup dalam domain waktu. Selain itu jika harga-harga waktu tunda, waktu naik, waktu
puncak, nilai puncak, lewatan maksimum dan waktu keadaan mantap telah ditetapkan maka
bentuk kurva tanggapan peralihan diperlihatkan pada Gambar 1.5 berikut
c(t)
batas toleransi
Mp 0.05
1 or 0.02
Id
0.5
t
tr
tp
ts
G AMBAR 1.5 SPEFISIKASI TANGGAPAN P ERALIHAN
Selain itu untuk tanggapan peralihan pada sistem orde kedua, jika diinginkan pada sistem
tersebut adanya tanggapan yang cepat dengan redaman yang cukup maka rasio redaman harus
terletak antara 0.40 sampai dengan 0.80. Jika harga rasio redaman kecil dari 0.40 maka
dihasilkan lewatan berlebih pada tanggapan peralihan dan jika harga rasio redaman besar dari
0.80 maka dihasilkan tanggapan peralihan yang lambat. Selain itu menurut (Nise, 2004),
informasi performasi lingkar tertutup sistem kendali dalam domain waktu ini dapat
diklasifikasikan menjadi 2 (dua) bahagian yaitu kecepatan tanggapan dan kualitas tanggapan.
Untuk klasifikasi kecepatan tanggapan meliputi waktu naik, waktu puncak dan waktu keadaan
mantap serta untuk klasifikasi kualitas tanggapan meliputi nilai puncak dan lewatan
maksimum.
Selain itu diperlihatkan juga hubungan antara parameter satu dengan lainnya.
Diantaranya hubungan antara rasio redaman dengan nilai lewatan maksimum dinyatakan
dalam bentuk persamaan (1.68) berikut (Veloni & Palamides, 2012)
ln  M p  1
ς= (1.68)
π 2  ln 2  M p  1
Hubungan antara frekuensi tidak teredam dengan waktu puncak diperlihatkan pada persamaan
(1.69) berikut (Veloni & Palamides, 2012)
π
ωn = (1.69)
t p 1  ς2
Hubungan antara frekuensi tidak teredam dengan lewatan maksimum diperlihatkan pada
persamaan (1.70) berikut (Veloni & Palamides, 2012)
π
ωn = (1.70)
π  2 ln 2  M p  1
2
tp
π 2  ln 2  M p  1
Bentuk lain akar – akar persamaan karakteristik dari sistem orde dua juga dinyatakan dalam
bentuk persamaan (1.71) dan (1.72) berikut
s1 = -ςωn + jωn 1- ς 2 (1.71)
s 2 = -ςωn - jωn 1- ς 2 (1.72)
Hubungan akar – akar persamaan karakteristik dngan waktu puncak dinyatakan dalam bentuk
persamaan (1.73) dan (1.74) berikut (Veloni & Palamides , 2012)
π

 ln  M p  1 
s1 = + j (1.73)
tp  π  2 ln  M p  1 
2 2
 
π
 ln  M p  1 
s2 =  - j (1.74)

tp  π  2 ln  M p  1 
2 2
 
Untuk sistem orde tinggi, tinjau sistem yang ditunjukkan pada Gambar 1.6 dengan fungsi alih
lingkar tertutupnya dinyatakan dalam bentuk persamaan (1.75) berikut
R(s) E(s) C(s)

G(s)
+
-
B(s)
H(s)
G AMBAR 1.6 D IAGRAM B LOK SISTEM K ENDALI
Berdasarkan Gambar 1.6 diperoleh fungsi alih lingkar tertutup yang dinyatakan dalam bentuk
C s  G s 
= (1.75)
R s  1 + G s  H s 
Pada umumnya G(s) dan H(s) diberikan sebagai rasio polinomial dalam s dengan bentuk
persamaan (1.76) dan (1.77) berikut (Ogata, 1996)
p s 
G s   (1.76)
q s
n s 
H s  = (1.77)
d s 
Dimana p(s), q(s), n(s) dan d(s) adalah polinomial dalam s. Fungsi alih lingkar tertutup yang
diberikan oleh persamaan (1.75) selanjutnya dapat ditulis dalam bentuk persamaan (1.78) dan
(1.79) berikut (Ogata, 1996)
C s  p s  d s 
= (1.78)
R s  q s  d s  + p s  n s 
C s  bos m + b1s m-1 +…+ b m-1s + bm

= (1.79)
R  s  a os n + a1s n-1 +…+ a n-1s + a n
Untuk menentukan tanggapan peralihan sistem pada persamaan (1.78) atau (1.79) terhadap
setiap masukan yang diberikan perlu diuraikan persamaan polinomial tersebut atas faktor-
faktornya. Setelah persamaan polinomial diuraikan atas faktor-faktornya maka persamaan
(1.78) atau (1.79) dapat ditulis dalam bentuk persamaan (1.80) berikut (Ogata, 1996)
C s  k  s + z1  s + z 2 
s + zm 
= (1.80)
R  s   s + p1  s + p2   s + pn 
Selanjutnya akan diuji perilaku tanggapan sistem ini terhadap masukan undak satuan.
Diasumsikan bahwa pole-pole lingkar tertutup berbeda satu sama lain. Untuk masukan undak
satuan persamaan (1.80) dapat ditulis menjadi persamaan (1.81) berikut (Ogata, 1996)
a n ai
C s    (1.81)
s i=1 s + pi
dimana a i adalah residu dari pole di s = -pi

Jika semua pole lingkar tertutup terletak disebelah kiri sumbu khayal bidang s maka
besar relatif dari residu menentukan kepentingan relatif dari komponen-komponen C(s) dalam
bentuk uraian tersebut. Jika ada suatu zero lingkar tertutup mempuyai harga yang hampir
sama dengan suatu pole lingkar tertutup maka residu pada pole ini adalah kecil dan koefesien
suku tanggapan peralihan yang berkaitan dengan pole ini menjadi kecil. Sepasang pole dan
zero yang letaknya berdekatan secara efektif akan saling menghilangkan. Jika suatu pole
terletak sangat jauh dari titik asal maka residu pada pole ini mungkin kecil. Tanggapan
peralihan yang ditimbulkan oleh pole yang jauh ini adalah kecil dan berlangsung dalam waktu
yang singkat. Suku-suku C(s) dalam bentuk uraian yang mempuyai residu sangat kecil
memberikan kontribusi yang kecil pada tanggapan peralihan sehingga suku-suku ini dapat
diabaikan. Jika ini dilakukan maka sistem orde tinggi dapat didekati dengan sistem berorde
rendah
Pole-pole dari C(s) terdiri dari pole-pole nyata dan pasangan-pasangan pole konjugasi
kompleks. Sepasang pole konjugasi kompleks menghasilkan bentuk orde kedua dalam s.
Bentuk uraian faktor dari persamaan karakteristik orde tinggi terdiri dari bentuk orde pertama
dan orde kedua maka persamaan (1.81) dapat ditulis kembali menjadi persamaan (1.82)
berikut (Ogata, 1996)
m
K  s + zi 
C s  i=1
= (1.82)
R s 
s  s + p j   s + 2ς k ωk s + ω
q
 
r
2 2
k
j=1 k=1
Dimana q + 2r = n. Jika pole-pole lingkar tertutup mempuyai harga yang berbeda-beda satu
sama lain maka persamaan (1.82) dapat diuraikan menjadi pecahan parsial seperti yang
dinyatakan pada persamaan (1.83) berikut (Ogata, 1996)
k  s + ς k ωk   c k ωk 1  ς k
2
a n aj r b
C s  =    (1.83)
s j=1 s + p j k=1 s 2 + 2ς k ωk s + ωk2
Pada persamaan (1.83) dapat dilihat bahwa tanggapan sistem orde tinggi tersusun dari
beberapa bentuk yang melibatkan fungsi-fungsi sederhana yang dijumpai pada tanggapan
sistem orde pertama dan kedua. Selanjutya tanggapan sistem terhadap masukan undak satuan
c(t) didapatkan dengan menggunakan transformasi Laplace balik dari C(s) pada persamaan
(1.84) berikut (Ogata, 1996)
n r r
c  t  = a   a je   bk e-ςk ωk t cos ωk 1  ς k2 t   bk e-ςk ωk tsin ωk 1  ς k2 t t  0
-p j t
j=1 k=1 k=1
(1.84)
Jika semua pole-pole lingkar tertutup berada disebelah kiri sumbu khayal bidang s maka suku-
suku ekspoensial dan suku-suku eksponensial teredam pada persamaan (1.82) mendekati nol
dengan membesarnya waktu t. Selanjutnya keluaran keadaan mantapnya adalah c c    = a
Contoh 1.3: Dengan menggunakan Matlab, lakukan analisa peralihan dari fungsi alih lingkar
tertutup pada persamaan (1.85) berikut
C s  10
= (1.85)
R s  2
s + 5s + 10
terhadap masukan impulsa satuan.
Jawab :
clc
clear all
close all
close all hidden
% Contoh 1.3
%
num = [ 0 0 10];
den = [ 1 5 10];
sys_cl = tf(num,den)
%
% Informasi Tanggapan Peralihan Terhadap Masukan Impulsa
Satuan
disp('Informasi Tanggapan Peralihan Terhadap Masukan Impulsa
Satuan')
[y,t] = impulse(sys_cl);
P = lsiminfo(y,t,0);
N_min = P.Min;
T_min = P.MinTime;
N_max = P.Max;
T_max = P.MaxTime;
Ts = P.SettlingTime;
%
fprintf('Nilai Minimum = %10.5g
detik\n',N_min)
fprintf('Nilai Waktu Minimum = %10.5g
detik\n',T_min)
fprintf('Nilai Maksimum = %10.5g
detik\n',N_max)
fprintf('Nilai Waktu Maksimum = %10.5g
detik\n',T_max)
fprintf('Nilai Waktu Keadaan Mantap = %10.5g detik\n',Ts)
%
% Tanggapan Peralihan Terhadap Masukan Impulsa Satuan
t = 0:0.01:10;
y1 = impulse(num,den,t);
plot(t,y1)
grid on
title('Tanggapan Peralihan Terhadap Masukan Impulsa Satuan ')
xlabel('detik')
ylabel('Keluaran')
Hasil program
sys_cl =
10
--------------
s^2 + 5 s + 10

Informasi Tanggapan Peralihan Terhadap Masukan Impulsa Satuan
Nilai Minimum = -0.023385 detik
Nilai Waktu Minimum = 1.971 detik
Nilai Maksimum = 1.3499 detik
Nilai Waktu Maksimum = 0.33157 detik
Nilai Waktu Keadaan Mantap = 1.5052 detik
Tanggapan persamaan (1.85) terhadap masukan impulsa satuan diperlihatkan pada Gambar
1.7 berikut ini
G AMBAR 1.7 TANGGAPAN P ERSAMAAN (1.85) TERHADAP M ASUKAN IMPULSA SATUAN
C s  15
= (1.86)
R s  2
s + 2s + 15
terhadap masukan undak satuan.
Jawab :
clc
clear all
close all
close all hidden
% Contoh 1.4
%
disp('Fungsi Alih Lingkar Tertutup')
num = [ 0.00 0.00 15.00];
den = [ 1.00 2.00 15.00];
%
disp('Analisa Peralihan Sistem Lingkar Tertutup')
P = stepinfo(sys_cl);
Tr = P.RiseTime;
Tp = P.PeakTime;
N_p = P.Peak;
Mp = P.Overshoot;
%
fprintf('Nilai Waktu Naik = %10.5g detik\n',Tr)
fprintf('Nilai Waktu Puncak = %10.5g detik\n',Tp)
fprintf('Nilai Puncak = %10.5g \n',N_p)
fprintf('Nilai Lewatan Maksimum = %10.5g Persen\n',Mp)
%
% Tanggapan Sistem Terhadap Masukan Undak Satuan
step(sys_cl)
grid on
title('Tanggapan Terhadap Masukan Undak Satuan ')
xlabel('detik')
ylabel('Keluaran')
Hasil program
Fungsi Alih Lingkar Tertutup
sys_cl =
15
--------------
s^2 + 2 s + 15
Analisa Peralihan Sistem Lingkar Tertutup

Nilai Waktu Naik = 0.32978 detik
Nilai Waktu Puncak = 0.82893 detik
Nilai Puncak = 1.4315
Nilai Lewatan Maksimum = 43.15 Persen
Tanggapan persamaan (1.86) terhadap masukan undak satuan diperlihatkan pada Gambar 1.8
berikut ini
G AMBAR 1.8 TANGGAPAN P ERSAMAAN (1.86) TERHADAP M ASUKAN U NDAK SATUAN
C s  5
= (1.87)
R s  2
s + 6s + 15
terhadap masukan laju satuan.
Jawab :
clc
clear all
close all
close all hidden
% Contoh 1.5
%
num = [ 0 0 5];
den = [ 1 6 15];
%
disp('Analisa Peralihan Sistem Lingkar Tertutup')
t = 0:0.1:10;
r = t;
y = lsim(num,den,r,t);
P = lsiminfo(y);
N_min = P.Min;
T_min = P.MinTime;
N_max = P.Max;
T_max = P.MaxTime;
%
fprintf('Nilai Minimum = %10.5g
detik\n',N_min)
detik\n',T_min)
fprintf('Nilai Maksimum = %10.5g
detik\n',N_max)
detik\n',T_max)
%
% Tanggapan Peralihan Terhadap Masukan Laju Satuan
plot(t,r,'b',t,y,'r')
grid on
title('Tanggapan Peralihan Terhadap Masukan Laju Satuan ')
xlabel('Detik')
ylabel('Keluaran')
Hasil program
sys_cl =
5
--------------
s^2 + 6 s + 15
Analisa Peralihan Sistem Lingkar Tertutup

Nilai Minimum = 0 detik
Nilai Waktu Minimum = 1 detik
Nilai Maksimum = 3.2 detik
Nilai Waktu Maksimum = 101 detik
Tanggapan persamaan (1.87) terhadap masukan laju satuan diperlihatkan pada Gambar 1.9
berikut ini
G AMBAR 1.9 TANGGAPAN P ERSAMAAN (1.87) TERHADAP M ASUKAN LAJU SATUAN
1.3.3 Analisa Domain Frekuensi Untuk Fungsi Alih Lingkar Terbuka

Analisa performansi sistem kendali dalam domain frekuensi untuk fungsi alih lingkar
terbuka ditunjukkan oleh parameter margin penguatan, frekuensi margin penguatan, margin
fasa dan frekuensi margin fasa. Selain itu hasil analisa performansi sistem kendali dalam
domain frekuensi untuk fungsi alih lingkar terbuka ini juga digunakan sebagai indikator
kestabilan relatif.
Margin penguatan adalah kebalikan dari besaran |G(j)| pada frekuensi di mana sudut
fasa 1800 . Frekuensi di mana sudut fasa 1800 dikenal sebagai frekuensi phase crossover (1)
sehingga margin penguatan Kg dinyatakan dalam bentuk persamaan (1.88) berikut
1
Kg  (1.88)
G ( j 1 )
Persamaan (1.88) dinyatakan dalam bentuk decibel (dB) dalam bentuk persamaan (1.89)
berikut
K g dB  20 log K g  20 log G ( j 1 ) (1.89)
MARGIN PENGUATAN YANG DIEKSPRESIKAN DALAM DECIBEL (D B), POSITIF JIKA KG > 1
DAN NEGATIF JIKA KG < 1. J ADI SUATU MARGIN PENGUATAN BERNILAI POSITIF (DALAM
DESIBEL) BERARTI SISTEM STABIL DAN MARGIN PENGUATAN BERNILAI NEGATIF (DALAM
DESIBEL) BERARTI SISTEM TIDAK STABIL. SISTEM STABIL DALAM FASA MINIMUM
DITUNJUKKAN OLEH MARGIN PENGUATANNYA YAITU SEBERAPA BESAR PENGUATAN DAPAT
DINAIKKAN SEBELUM SISTEM MENJADI TIDAK STABIL. SISTEM TIDAK STABIL DITUNJUKKAN
OLEH SEBERAPA BESAR PENGUATAN YANG HARUS DITURUNKAN AGAR SISTEM MENJADI
STABIL . SELAIN ITU AGAR PERFORMANSI SISTEM KENDALI MEMUASKAN MAKA
DIUSAHAKAN NILAI MARGIN PENGUATAN INI BESAR DARI 6 D B. (SAADAT , 1999).
Margin fasa adalah banyaknya fasa tertinggal yang ditambahkan pada frekuensi gain
crossover yang diinginkan agar sistem berbatasan dengan keadaan tidak stabil. Frekuensi gain
crossover adalah frekuensi di mana |G(j)|. Margin fasa γ adalah 1800 ditambah sudut fasa
 dari fungsi alih lingkar terbuka pada frekuensi gain crossover atau  = 1800 + . Pada
Gambar 1.8 terlihat bahwa dalam diagram polar sebuah garis harus digambar dari pusat ke
titik di mana lingkaran satuan berpotongan dengan diagram G(j). Sudut dari sumbu nyata
negatif ke garis ini adalah margin fasa. Margin fasa akan bernilai positif untuk  > 0 dan
negatif untuk  < 0. Untuk sistem fasa minimum (tidak terdapat pole atau zero di kanan
sumbu khayal bidang s) yang stabil, margin fasa harus positif. Selain itu agar performansi
sistem kendali memuaskan maka diusahakan nilai margin fasa berkisar antara 300 sampai 600
(Saadat, 1999). Dalam diagram logaritmik, titik kritis dalam bidang kompleks berkaitan
dengan garis 0 dB dan -1800 diperlihatkan pada Gambar 1.10 berikut
G dB G dB
margin penguatan margin penguatan
positif negatif
0 log  0 log 
0 0
 90 0  90 0
 180 0
 180 0
log  log 
 270 0  270 0
margin fasa
margin fasa positif negatif
Sistem stabil Sistem tidak stabil

G AMBAR 1.10 M ARGIN FASA DAN M ARGIN P ENGUATAN
Contoh 1.6: Untuk fungsi alih lingkar terbuka pada persamaan (1.90) berikut
1
G(s)  (1.90)
s + 26s2 +15s
3
DENGAN MENGGUNAKAN MATLAB, LAKUKAN ANALISA PERFORMANSI SISTEM KENDALI

UNTUK DALAM DOMAIN FREKUENSI UNTUK FUNGSI ALIH LINGKAR TERBUKA SISTEM PADA
PERSAMAAN (1.90)
Jawab :
clc
clear all
close all
close all hidden
%
num = [ 0 0 0 1];
den = [ 1 26 15 0 ];
%
% Fungsi alih Lingkar Tertutup
sys = tf(num,den)
%
% Performansi Lingkar Terbuka Dalam Domain Frekuensi
[Gm,Pm,Wcg,Wcp] = margin(num,den);
fprintf('Nilai Margin Penguatan (dB) =
%10.5g \n',mag2db(Gm))
fprintf('Nilai Margin Fasa (derjat) =
%10.5g \n',Pm)
fprintf('Nilai Frekuensi Margin Penguatan (rad/detik) =
%10.5g \n',Wcg)
fprintf('Nilai Frekuensi Margin Fasa (rad/detik) =
%10.5g \n',Wcp)
%
% Diagram Bode
margin(num,den)
grid on
Hasil program
sys =
1
-------------------
s^3 + 26 s^2 + 15 s
Nilai Margin Penguatan (dB) = 51.821

Nilai Margin Fasa (derjat) = 83.448
Nilai Frekuensi Margin Penguatan (rad/detik) = 3.873
Nilai Frekuensi Margin Fasa (rad/detik) = 0.066242
Adapun tanggapan dari analisa performansi sistem kendali untuk fungsi alih lingkar terbuka
dalam domain frekuensi dinyatakan dalam bentuk diagram bode pada Gambar 1.11 berikut
G AMBAR 1.11 D IAGRAM BODE P ERSAMAAN (1.90)
1.3.4 Analisa Domain Frekuensi Untuk Fungsi Alih Lingkar Tertutup

Analisa performansi sistem kendali dalam domain frekuensi untuk fungsi alih lingkar
tertutup ditunjukkan oleh nilai puncak resonansi, frekuensi puncak resonansi dan lebar pita
(Kuo, 1983). Adapun rumusan perhitungan nilai puncak resonansi, frekuensi puncak
resonansi dan lebar pita diturunkan berdasarkan diagram blok pada Gambar 1.12 berikut
R(s) E(s) C(s)
G(s)
+
-
B(s)
H(s)
G AMBAR 1.12 D IAGRAM B LOK SISTEM U MPAN B ALIK

Pada diagram blok Gambar 1.12, fungsi G(s) dan H(s) dinyatakan dengan persamaan (1.91)
dan (1.92) sebagai berikut
ω2n
G s  = (1.91)
s  s + 2ςωn 
H s  = 1 (1.92)
Nilai puncak resonansi adalah nilai magnituda tanggapan sistem lingkar tertutup pada saat
terjadinya resonansi (Philips & Harbors,1996). Berdasarkan persamaan (1.91) diperoleh nilai
puncak resonansi yang dinyatakan dengan persamaan (1.93) berikut
1
Mr  (1.93)
2ς 1  ς 2
Nilai puncak resonansi ini menunjukkan sifat dari tanggapan peralihan yang berkaitan
dengan redaman sistem dan lewatan maksimum. Agar sistem kendali mempuyai performansi
yang baik maka diusahakan nilai puncak resonansi bernilai antara 1.10 sampai 1.50
(Skogestad & Postlethwaite, 1996). Frekuensi puncak resonansi adalah frekuensi saat
tanggapan magnituda mengalami resonansi. Frekuensi puncak resonansi ini berkaitan dengan
kecepatan tanggapan peralihan (Ajit K Mandal, 2006). Frekuensi puncak resonansi ini
berkaitan dengan kecepatan tanggapan peralihan dan dihitung dengan persamaan (1.94)
berikut
ωr  ωn 1  2ς 2 (1.94)
Lebar pita adalah frekuensi saat tanggapan magnituda sistem lingkar tertutup sama dengan -3
dB. Lebar pita ini menunjukkan sifat dari tanggapan peralihan yang berkaitan dengan
kecepatan waktu naik (Nise, 2004). Untuk menghitung besarnya lebar pita  BW  dihitung
dengan persamaan (1.95) dan (1.96) berikut
  
0.5
ωc  ωn 1  2ς 2  4ς 4  4ς 2  2 (1.95)
BW= ωc (1.96)
Contoh 1.7: Untuk sistem orde kedua dengan umpan balik satuan dimana fungsi alih lingkar
terbuka dinyatakan dalam bentuk persamaan (1.97) berikut
225
G s  = (1.97)
s  s + 5
DENGAN MENGGUNAKAN MATLAB, LAKUKAN ANALISA PERFORMANSI SISTEM KENDALI

UNTUK DALAM DOMAIN FREKUENSI UNTUK FUNGSI ALIH LINGKAR TERTUTUP SISTEM PADA
PERSAMAAN (1.97)
Jawab :
clc
clear all
close all
close all hidden
%
num = [ 0 0 255];
den = [ 1 5 0 ];
%
% Fungsi alih Lingkar Terbuka
disp('Fungsi Alih Lingkar Terbuka')
sys = tf(num,den)
%
% Fungsi alih Lingkar Tertutup
sys_cl = feedback(sys,1)
%
% Performansi Lingkar Tertutup Dalam Domain Frekuensi
[gpeak,fpeak] = getPeakGain(sys_cl);
bw = bandwidth(sys_cl);
fprintf('Lebar Pita (rad/detik) = %10.5g
\n',bw)
fprintf('Nilai Puncak Resonansi = %10.5g
\n',gpeak)
fprintf('Nilai Puncak Resonansi (dB) = %10.5g
\n',mag2db(gpeak))
fprintf('Frekuensi Puncak Resonansi (rad/detik) = %10.5g
\n',fpeak)
%
% Diagram Magnitude Bode
bodemag(sys_cl)
grid on
Hasil program
Fungsi Alih Lingkar Terbuka
sys =
255
---------
s^2 + 5 s

sys_cl =
255
---------------
s^2 + 5 s + 255
Lebar Pita (rad/detik) = 24.371

Nilai Puncak Resonansi = 3.2336
Nilai Puncak Resonansi (dB) = 10.194
Frekuensi Puncak Resonansi (rad/detik) = 15.57
Adapun tanggapan dari analisa performansi sistem kendali untuk fungsi alih lingkar tertutup
dalam domain frekuensi dinyatakan dalam bentuk diagram magnitude bode pada Gambar 1.13
berikut
G AMBAR 1.13 D IAGRAM M AGNITUDE BODE P ERSAMAAN (1.97)
1.3.5 Analisa Kestabilan

Sebuah sistem dikatakan tidak stabil jika tanggapannya terhadap suatu masukan
menghasilkan osilasi yang keras atau bergetar pada suatu amplitudo tertentu. Sebaliknya suatu
sistem disebut stabil jika sistem tersebut akan tetap dalam keadaan diam atau berhenti kecuali
jika dirangsang (dieksitasi oleh suatu fungsi masukan dan akan kembali dalam keadaan diam
jika eksitasi tersebut dihilangkan). Ketidakstabilan merupakan suatu keadaan yang tidak
menguntungkan bagi suatu sistem lingkar tertutup sedangkan pada suatu sistem lingkar
terbuka tidak dapat tidak harus stabil. Jelas untuk memperoleh nilai yang memberikan
manfaat, praktis sebuah sistem kendali harus stabil. Masukan sistem tidak memberikan
pengaruh terhadap kestabilan suatu sistem sehingga jika sistem tersebut stabil terhadap suatu
masukan maka sistem akan stabil juga untuk masukan lain. Kestabilan hanya bergantung pada
karakteristik sistem itu sendiri .
Tanggapan suatu sistem stabil dapat dikenali dari adanya peralihan yang menurun
menuju nol terhadap pertambahan waktu. Ini berarti bahwa untuk mendapatkan sebuah sistem
yang stabil, koefesien-koefesien dari suku eksponensial yang terdapat dalam tanggapan
peralihan tersebut harus merupakan bilangan-bilangan nyata yang negatif atau bilangan
kompleks dimana bagian nyata adalah negatif. Untuk menentukan apakah suatu sistem
bersifat stabil atau tidak terdapat beberapa metoda yang dapat digunakan diantaranya dengan
menggunakan persamaan karakteristik, kriteria Routh, kriteria Hurwitz, kriteria Nyquist dan
kestabilan internal. Adapun penjelasan masing – masing metoda sebagai berikut
a. Persamaan Karakteristik
Dengan menggunakan persamaan karakteristik ini, dapat ditentukan kelakuan tanggapan
peralihan dan informasi mengenai kestabilan sistem tersebut. Pada Gambar 1.14 diperlihatkan
blok diagram untuk suatu sistem umpan balik sebagai berikut
R(s) E(s) C(s)
G(s)
+
-
B(s)
H(s)
Berdasarkan Gambar 1.14 diperoleh fungsi alih lingkar tertutup yang dinyatakan dalam
C s  G s 
= (1.98)
R  s  1+G  s  H  s 
Persamaan (1.98) kemudian diubah menjadi persamaan (1.99) berikut

G s  R s 
C s = (1.99)
1+ G  s  H  s 
Persamaan (1.99) menunjukkan bahwa tanggapan keluaran adalah perkalian antara fungsi alih
sistem terhadap fungsi masukan. Selanjutnya karena fungsi masukan tidak mempengaruhi
terhadap bentuk fungsi peralihan maka tidak ada hubungan apakah sistem tersebut stabil atau
tidak. Dengan demikian fungsi masukan yaitu pembilang atau numerator dari persamaan
(1.99) dapat dibuat nol tanpa mempengaruhi bentuk tanggapan peralihan sehingga persamaan
(1.99) diubah menjadi persamaan (1.100) dan (1.101) berikut
G  s  R  s  = C  s  1+G  s  H  s    0 (1.100)
atau
1 + G s H s   0 (1.101)
Persamaan (1.101) disebut persamaan karakteristik sistem lingkar tertutup, dimana dari
persamaan (1.101) ini dapat ditentukan apakah suatu sistem bersifat stabil atau tidak.
Persamaan karakteristik dapat dituliskan dalam bentuk yang lebih umum untuk orde-n yang
a osn + a1sn-1 +… + a n-1s + a n = 0 (1.102)
Akar-akar persamaan (1.102) dapat ditentukan sehingga bentuknya dapat diuraikan menjadi
D  s  + N  s    s + r1  s + r2 … s + rn  = 0 (1.103)
dimana -r1 , -r2 , …, -rn adalah akar-akar polinomial yang dinyatakan oleh persamaan (1.102)
atau (1.103). Akar – akar polinomial ini disebut juga akar-akar persamaan karakteristik
(Fiendland,1986). Selanjutnya dari persamaan (1.103) dapat ditentukan kestabilan sistem
dengan cara melihat apakah akar-akar persamaan karakteristik tersebut memenuhi terhadap
syarat kestabilan yaitu agar suatu sistem bersifat stabil maka bagian nyata dari akar-akar
persamaan karakteristiknya harus bernilai negatif. Selain itu dengan menggunakan perangkat
lunak Matlab dapat ditentukan akar – akar persamaan karakteristik.
Contoh 1.8: Sistem pada Gambar 1.15 dengan fungsi alih dinyatakan dalam bentuk
R + G C
-
G AMBAR 1.15 D IAGRAM B LOK SISTEM LINGKAR TERTUTUP U MPAN B ALIK N EGATIF
4
G s  = (1.104)
s  s + 5
1
H s  = (1.105)
s+5
Dengan menggunakan Matlab, periksa kestabilan dari sistem pada Gambar 1.15 dengan
menggunakan persamaan karakteristik.
Jawab :
clc
clear all
close all
close all hidden
%
% Sistem Lingkar Terbuka
num_G = [ 0 0 4];
den_G = [ 1 5 0];
num_H = [ 0 1];
den_H = [ 1 5];
[num_ol,den_ol] = series(num_G,den_G,num_H,den_H);
sys_ol = tf(num_ol,den_ol);
%
% Sistem Lingkar Tertutup
[num_cl,den_cl] = feedback(num_G,den_G,num_H,den_H,-1);
sys_cl = tf(num_cl,den_cl);
%
% Analisa Kestabilan Dengan Metoda Akar - Akar Persamaan
Karakteritik
fprintf('\n')
fprintf('Akar - Akar Persamaan Karakteristik \n')
damp(sys_cl)
%
figure
pzmap(sys_cl)
grid on
Hasil program
Akar - Akar Persamaan Karakteristik
Pole Damping Frequency Time Constant
(rad/seconds) (seconds)
-1.72e-01 1.00e+00 1.72e-01 5.83e+00
-4.00e+00 1.00e+00 4.00e+00 2.50e-01
-5.83e+00 1.00e+00 5.83e+00 1.72e-01
Grafik tempat kedudukan akar diperlihatkan pada Gambar 1.16 berikut
G AMBAR 1.16 AKAR – AKAR P ERSAMAAN K ARAKTERISTIK SISTEM P ADA G AMBAR 1.15
Berdasarkan hasil simulasi terlihat bahwa sistem pada Gambar 1.16 bersifat stabil karena
bagian nyata dari akar – akar persamaan karakteristik bernilai negatif.
b. Kriteria Routh
Penentuan kestabilan suatu sistem berdasarkan persamaan karakteristik akan
mengakibatkan kesulitan bagi persamaan yang tingkatannya yang lebih tinggi yaitu dalam
menentukan akar-akar persamaan karakteristik tersebut. Suatu cara lain untuk menentukan
kestabilan suatu sistem tanpa menghitung akar-akar persamaan karakteristiknya adalah
menggunakan kriteria Routh. Kriteria ini merupakan metode aljabar untuk menentukan
kestabilan dalam wawasan s (Laplace). Cara ini akan menunjukkan adanya akar-akar yang
tidak stabil beserta jumlahnya tetapi tidak menentukan nilai atau kemungkinan cara untuk
mencegah ketidakstabilan. Prosedur penentuan stabilitas berdasarkan kriteria Routh berikut
o Tuliskan persamaan karakteristik sistem dalam bentuk polinomial pada persamaan
(1.106) berikut
a osn + a1sn-1 +… + a n-1s + a n  0 (1.106)
dimana
a o , a1 , dst adalah koefesien dari persamaan tersebut.

o Koefesien – koefesien persamaan tersebut disusun dalam suatu barisan yang
menyerupai sebuah matriks dengan bentuk persamaan (1.107) berikut
a o ,a 2 ,a 4 ,a 6 ..................................
a1 ,a 3 ,a 5 ,a 7 ..................................
b1 ,b3 ,b5 ,b7 ..................................
c1 ,c3 ,c5 ,c7 ..................................
d1 ,d3 ,d5 ,d 7 ..................................
dan seterusnya
(1.107)
dimana cara penyusunannya
- Baris pertama adalah koefesien-koefesien yang terdiri dari indeks genap

 a o ,a 2 ,a 4 ,a 6 , dst 
- Baris kedua adalah koefesien-koefesien yang terdiri dari indeks ganjil
 a1 ,a 3 ,a 5 ,a 7 , dst  yang dimulai dari angka satu
- Baris ketiga dinyatakan oleh b1 ,b3 ,b5 ,b7 , dst , dimana harga b1 ,b3 ,b5 ,b7 , dst
ditentukan dari harga-harga dari baris pertama dan kedua
- Baris ketiga dinyatakan oleh c1 ,c3 ,c5 ,c7 , dst , dimana harga c1 ,c3 ,c5 ,c7 , dst
ditentukan dari harga-harga dari baris kedua dan ketiga
- Baris keempat dinyatakan oleh d1 ,d3 ,d5 ,d 7 ,……dst , dimana harga d1 ,d3 ,d5 ,d 7 ,……dst
ditentukan dari harga-harga dari baris ketiga dan keempat
- Demikian seterusnya
Jumlah baris ini bergantung pada orde persamaan karakteristik tersebut. Susunan barisan ini
disebut barisan Routh. Untuk menentukan harga-harga b1 ,b3 ,b5 ,b7 , ;
c1 ,c3 ,c5 ,c7 , dst . Susunan barisan ini dianggap suatu determinan sehingga harga-harga
tersebut dapat ditentukan seperti pada persamaan (1.108) s/d (1.109) berikut
a0 a2
a1 a3 a1a 2  a 0a 3
b1 =  (1.108)
a1 a1
a0 a4
a1 a5 a1a 4  a 0a 5
b3 =  (1.109)
a1 a1
a0 a6
a1 a7 a1a 6  a 0a 7
b5 =  (1.110)
a1 a1
dan seterusnya
Selanjutnya harga-harga c1 ,c3 ,c5 ,c7 , dst ditentukan pada persamaan (1.111) s/d (1.112)
berikut
a1 a 3
b b b a -a b
c1 = 1 3  1 3 1 3 (1.111)
b1 b1
a1 a 5
b b5 b1a 5 -a1b5
c3 = 1  (1.112)
b1 b1
a1 a 7
b b ba -a b
c5 = 1 7  1 7 1 7 (1.113)
b1 b1
dan seterusnya
Selanjutnya harga d1 ,d 3 ,d 5 , ; ditentukan dengan cara yang sama. Dengan demikian pada
pada akhirnya akan diperoleh suatu susunan barisan yang lengkap berbentuk segitiga dimana
jumlah baris adalah sebanyak pangkat tertinggi dari s ditambah satu. Berarti untuk persamaan
orde-dua jumlah baris adalah 3 (tiga), untuk persamaan orde-tiga menjadi 4 (empat) dan
seterusnya. Setelah itu periksa kolom pertama dari persamaan (1.107) apakah terjadi
perubahan tanda. Jika tidak terjadi perubahan tanda pada kolom pertama berarti sistem
bersifat stabil dan begitu pula sebaliknya jika terjadi perubahan tanda pada kolom pertama
berarti sistem tidak stabil.
R + G C
-
G AMBAR 1.17 D IAGRAM B LOK SISTEM U MPAN B ALIK N EGATIF

4
G s  = (1.114)
s  s + 5
10
H s  = (1.115)
s+3
menggunakan kriteria Routh.
Jawab :
Kode Matlab untuk penyelesaian sistem pada Gambar 1.17 sebagai berikut
clc
clear all
close all
close all hidden
%
num_G = [ 0 0 4];
den_G = [ 1 5 0];
num_H = [ 0 10];
den_H = [ 1 3];
%
%
% Kriteria Routh
K = myRouth(den_cl)
Hasil program
K =
[ 1, 15]
[ 8, 40]
[ 10, 0]
[ 40, 0]
kolom pertama dari deret Routh tidak terjadi perubahan tanda.
c. Kriteria Hurwitz
Cara lain menetukan stabilitas sebuah sistem adalah metoda Hurwitz (Ogata, 1996).
Dengan metoda Hurtwitz ini dilakukan pemeriksaan apakah semua akar-akar persamaan
karakteristik memiliki bagian nyata yang negatif. Hal ini ditentukan dengan cara
menggunakan determinan. Persamaan karakteristik dinyatakan dalam bentuk persamaan
(1.116) berikut
a nsn + a n-1sn-1 +… + a1s + a 0  0 (1.116)
Persamaan (1.116) dinyatakan dalam bentuk determinan yang dinyatakan dalam bentuk
persamaan (1.117) s/d (1.119) berikut
1  a n-1 (1.117)
a n-1 a n-3
2   a n-1a n-2 - a n a n-3 (1.118)
an a n-2
a n-1 a n-3 a n-5

3  a n a n-2 a n-4 (1.119)
0 a n-1 a n-3
dan seterusnya sampai Δ n-1 . Akar-akar persamaan karakteristik dari persamaan (4.1) akan
mempuyai bagian nyata yang negatif jika dan hanya jika Δi  0 untuk i=1,2,3,…,n . Sebagai
ilustrasi bila n = 3 maka diperoleh persamaan (1.120) s/d (1.122) berikut
1  a n-1  a 2 (1.120)
a n-1 a n-3 a 2 a0
2   = a 2 a1  a 3a 0 (1.121)
an a n-2 a 3 a1
a n-1 a n-3 a n-5 a 2 a0 0

3  a n a n-2 a n-4  a 3 a1 0  a 2a1a 0 -a 02a 3 (1.122)
0 a n-1 a n-3 0 a2 a0
Agar semua akar-akar pada persamaan (1.120) s/d (1.122) memiliki bagian nyata yang negatif
maka harus dipenuhi sebagai berikut
Δ1 > 0  a 2 >0 (1.123)
 2  0  a 2 a1  a 3 a 0  0 (1.124)
3  0  a 2a1a 0 -a 02a 3  0 (1.125)

Selain itu analisa kestabilan dengan kriteria Hurwitz ini bisa juga diselesaikan dengan
menggunakan Matlab. Adapun fungsi Matlab yang digunakan adalah hurwitz(p) dimana p
adalah koefesien polinomial persamaan karakteritik.
R + G C
-

4
G s  = (1.126)
s  s + 5
10
H s  = (1.127)
s+3
menggunakan kriteria Hurwitz.
Jawab :
clc
clear all
close all
close all hidden
%
num_G = [ 0 0 4];
den_G = [ 1 5 0];
num_H = [ 0 10];
den_H = [ 1 3];
%
%
% Kriteria Hurwitz
hurwitz(den_cl)
Hasil program
Nilai Determinan ke 1: 8
semua determinan dari persamaan karakteristik bernilai positif.
d. Kriteria Nyquist
Kriteria kestabilan Nyquist adalah kriteria kestabilan yang merelasikan tanggapan
frekuensi lingkar terbuka G(jω)H(jω) dengan banyaknya pole dan zero dari 1 + G(jω)H(jω)
yang terletak di sebelah kanan sumbu khayal bidang s. Kriteria ini sangat berguna karena
kestabilan mutlak sistem lingkar tertutup dapat ditentukan secara grafis dari kurva tanggapan
frekuensi lingkar terbuka sehingga tidak perlu mencari pole-pole lingkar tertutup. Kurva
tanggapan frekuensi lingkar terbuka yang diperoleh secara analitis maupun yang diperoleh
secara eksperimental dapat digunakan untuk analisis kestabilan. Kriteria kestabilan Nyquist
didasarkan pada teorema dari teori variabel kompleks. Misalkan suatu sistem yang
mempunyai persamaan karakteristik 1 + G(s)H(s) dituliskan sebagai persamaan (1.113)
berikut
(s  z 1 )(s  z 2 )
q (s)  (1.128)
(s  p 1 )(s  p 2 )
Akar - akar bidang kompleks terlihat pada Gambar 1.19 berikut

j
Bidang s
o z1
x x
p1 p 2 0 
oz
2
G AMBAR 1.19 POSISI AKAR – AKAR B IDANG KOMPLEKS
Akar yang terletak di sebelah kanan (dalam hal ini zero), kemudian dilingkupi dengan sebuah
lintasan tertutup yang bergerak searah dengan arah perputaran jarum jam dan akar tersebut
sebagai titik pusatnya. Setelah itu gambar diagram pada Gambar 1.19 dialihkan menjadi
gambar dalam diagram polar pada bidang G(s)H(s) yang diperlihatkan pada Gambar 1.20
berikut
 270 0
bidang lintasan
G(s)H(s) 1+G(s)H(s)
 180 0 0 00
 90 0
Lintasan yang melingkupi titik pusat (0,0) adalah lintasan 1 + G(s)H(s) pada bidang
G(s)H(s). Bila akar yang terletak di sebelah kanan sumbu khayal adalah pole, maka proses
yang sama diberlakukan, hanya saja arah pergerakan lintasan yang melingkupinya berlawanan
arah dengan perputaran arah jarum jam seperti yang terihat pada Gambar 1.21 berikut
j  270 0
bidang G(s)H(s) lintasan
1+G(s)H(s)
Bidang s
x p1  180 0 0 00
o x
z1 p3 0
x 
p2
 90 0
Bila terdapat m zero di sebelah kanan sumbu imajiner bidang s, maka akan terjadi m kali
mengelilingi pusat (0,0) bidang G(s)H(s) searah dengan arah jarum jam. Bila terdapat n pole
di sebelah kanan sumbu khayal bidang s maka akan terjadi n kali mengelilingi pusat (0,0)
bidang G(s)H(s) berlawanan arah dengan arah jarum jam. Jadi jumlah pole dan zero 1 +
G(s)H(s) di sebelah kanan sumbu khayal bidang s ditentukan oleh berapa kali dan bagaimana
gambar lintasan 1 + G(s)H(s) mengelilingi titik pusat (0,0) bidang G(s)H(s). Kriteria Nyquist
dapat dinyatakan dengan persamaan (1.129) berikut
Z=N+P (1.129)
Z adalah jumlah zero 1 + G(s)H(s) yang terletak di sebelah kanan sumbu khayal bidang s. P
adalah jumlah pole 1 + G(s)H(s) yang terletak di sebelah kanan sumbu khayal bidang s dan N
adalah jumlah lintasan yang mengelilingi titik pusat (0,0) pada bidang G(s)H(s) . Pada
kenyataannya, penggambaran pada bidang G(s)H(s) adalah fungsi alih lingkar terbuka
G(s)H(s) bukan untuk 1 + G(s)H(s) sehingga perlu dilakukan transformasi koordinat ke dalam
bentuk bidang polar seperti yang diperlihatkan pada Gambar 1.22 berikut
 2700
lintasan
bidang G(s)H(s) 1+G(s)H(s)
 180 0 -1 0 00
lintasan G(s)H(s)
 90 0
G AMBAR 1.22 H ASIL TRANSFORMASI B IDANG POLAR
Lintasan 1 + G(s)H(s) berpusat di (0,0) sedangkan lintasan G(s)H(s) berpusat di (-1,0).

Dengan demikian, maka kriteria kestabilan Nyquistnya berubah dalam bentuk persamaan
(1.130) berikut
Z=N+P (1.130)
dimana Z adalah jumlah zero 1 + G(s)H(s) yang terletak di sebelah kanan sumbu khayal
bidang s . P adalah jumlah pole 1 + G(s)H(s) yang terletak di sebelah kanan sumbu khayal
bidang s dan N adalah jumlah lintasan yang mengelilingi titik pusat (-1,0) pada bidang
G(s)H(s). Bila N>0 maka lintasan yang mengelilingi titik (-1,0) lebih banyak yang searah
dengan arah jarum jam. Bila N<0 maka lintasan yang mengelilingi titik (-1,0) lebih banyak
yang berlawanan arah dengan arah jarum jam. Kesimpulan bila diagram Nyquist melingkupi
titik (-1,0) maka sistem tidak stabil karena kriteria Nyquist mengamati akar-akar persamaan
karakteristik yang berada di sebelah kanan sumbu khayal bidang s, dari ketentuan sebelumnya
telah diketahui bahwa akar yang terletak di kanan sumbu khayal menyebabkan sistem tidak
stabil. Adapun fungsi Matlab yang digunakan untuk diagram Nyquist adalah
- nyquist(num,den)
- nyquist(num,den,w)
- nyquist(A,B,C,D)
- nyquist(A,B,C,D,w)
- nyquist(A,B,C,D,iu,w)
- nyquist(sys)
- [re,im,w]= nyquist(num,den)
- [re,im,w]= nyquist(num,den,w)
- [re,im,w]= nyquist(A,B,C,D)
- [re,im,w]= nyquist(A,B,C,D,w)
- [re,im,w]= nyquist(A,B,C,D,iu,w)
- [re,im,w]= nyquist(sys)
Selain itu ada fungsi lain yang bisa digunakan untuk menentukan kestabilan dengan kriteria
Nyquist ini yaitu newnyq(num,den) dimana
- w : vektor frekuensi
- re : bagian real dari tanggapan frekuensi
- im : bagian imaginer dari tanggapan frekeunsi
- num : numerator fungsi alih lingkar terbuka
- den : denumerator fungsi alih lingkar terbuka
R + G C
-

4
G s  = (1.131)
s  s + 5
10
H s  = (1.132)
s+3
menggunakan kriteria Nyquist.
Jawab :
clc
clear all
close all
close all hidden
%
num_G = [ 0 0 4];
den_G = [ 1 5 0];
num_H = [ 0 10];
den_H = [ 1 3];
%
%
% Kriteria Nyquist
newnyq(num_ol,den_ol)
grid on
Hasil program
stable k range
0 < k < 3
Untuk grafik diagram Nyquist diperlihatkan pada Gambar 1.24 berikut
7
x 10
2
Imaginary Axis
1
0 0 2 1
-1
-2
-1.4 -1.2 -1 -0.8 -0.6 -0.4 -0.2 0

Real Axis
0.1
Imaginary Axis
0.05
0 0 2 1
-0.05
-0.1
-0.6 -0.4 -0.2 0 0.2 0.4 0.6
Real Axis
G AMBAR 1.24 D IAGRAM N YQUIST U NTUK SISTEM P ADA G AMBAR 1.23
Berdasarkan hasil simulasi terlihat bahwa sistem pada Gambar 1.24 bersifat stabil dengan
batas penguatan minimum sebesar 0.0000 dan batas penguatan maksimum sebesar 3.0000.
d. Kestabilan Internal
Untuk analisa kestabilan internal dilakukan berdasarkan diagram blok pada Gambar
1.25 berikut
G AMBAR 1.25 D IAGRAM B LOK U NTUK ANALISA K ESTABILAN INTERNAL
Berdasarkan digram blok pada Gambar 1.25 didapatkan fungsi alih yang dinyatakan dalam
 CP P 
1 + CP 1 + CP 
Tt    (1.133)
 C 1 
1 + CP 1 + CP 
Sistem akan bersifat stabil internal jika akar – akar persamaan karakteristik dari fungsi alih
pada persamaan (1.133) mempuyai nilai bagian nyata yang bernilai negatif.

4
G s  = (1.134)
s  s + 5
C s  = 1 (1.135)
Dengan menggunakan Matlab, periksa kestabilan internal dari sistem pada Gambar 1.26.
Jawab :
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 4];
den_ol = [ 1 5 0];
%
sys_cl = feedback(sys_ol,-1);
%
% Fungsi Alih Pengendali
C = 1;
%
% Analisa Kestabilan Internal
P = sys_ol;
L = C * sys_ol;
L = minreal(L);
T11 = L/(1 + L);
T11 = minreal(T11);
T12 = P/(1 + L);
T12 = minreal(T12);
T21 = C/(1 + L);
T21 = minreal(T21);
T22 = 1/(1 + L);
T22 = minreal(T22);
%
% Informasi Analisa Kestabilan Internal
fprintf('\n')
disp('Informasi Analisa Kestabilan Internal ')
damp(T11)
damp(T12)
damp(T21)
damp(T22)
Hasil program
Informasi Analisa Kestabilan Internal
-1.00e+00 1.00e+00 1.00e+00 1.00e+00
-4.00e+00 1.00e+00 4.00e+00 2.50e-01

-1.00e+00 1.00e+00 1.00e+00 1.00e+00
-4.00e+00 1.00e+00 4.00e+00 2.50e-01

-1.00e+00 1.00e+00 1.00e+00 1.00e+00
-4.00e+00 1.00e+00 4.00e+00 2.50e-01

-1.00e+00 1.00e+00 1.00e+00 1.00e+00
-4.00e+00 1.00e+00 4.00e+00 2.50e-01
Berdasarkan hasil simulasi diperoleh informasi bahwa sistem pada diagram blok Gambar 1.26
bersifat stabil internal. Hal ini dikarenakan akar – akar dari persamaan karakteristik dari
masing – masing fungsi alih mempuyai nilai negatif pada bagian nyata.
1.3.6 Analisa Kekokohan

Analisa kekokohan dilakukan dengan menggunakan kriteria puncak maksimum.
Kriteria puncak maksimum ini terbagi atas 2 bahagian yaitu nilai puncak maksimum
sensitivitas dan nilai puncak maksimum sensitivitas komplementer. Adapun nilai puncak
maksimum sensitivitas dihitung dengan persamaan (1.136) berikut
Ms  max S  jω (1.136)

ω
DAN NILAI PUNCAK MAKSIMUM SENSITIVITAS KOMPLEMENTER DIHITUNG DENGAN DENGAN

PERSAMAAN (1.137) BERIKUT
MT  max T  jω (1.137)

ω
Dimana S(s) adalah fungsi sensitivitas dan T(s) adalah fungsi sensitivitas komplementer.
Persamaan matematis fungsi sensitivitas S(s) dan fungsi sensitivitas komplementer T(s)
didapatkan berdasarkan Gambar 1.27 berikut
d(s)
r(s) K(s)


G (s)

y(s)
u(s)

 n(s)
G AMBAR 1.27 D IAGRAM B LOK SISTEM U MPAN B ALIK M ULTIVARIABEL
Berdasarkan Gambar 1.27 diperoleh persamaan (1.138) dan (1.139) berikut
1
Ss  = (1.138)
1 + L s 
L s 
T s  =  1  S s  (1.139)
1+ L  s 
DIMANA
L s   G s  K s  (1.140)
L(s) adalah fungsi alih umpan maju. Untuk sistem yang bersifat stabil nilai M s bernilai
kurang dari 2 (6 dB) dan M T kurang dari 1.25 (2 dB) (Skogestad & Postlethwaite, 1996).
Jika nilai M s dan M T bertambah besar maka performansi sistem dalam frekuensi dan
kekokohan sistem akan semakin jelek.
Contoh 1.13: Dengan menggunakan Matlab, tentukan nilai puncak maksimum sensitivitas
dan nilai puncak maksimum sensitivitas komplementer dari fungsi alih sistem lingkar tertutup
pada persamaan (1.141) berikut
C(s) 5
 2 (1.141)
R  s  s + 2s + 15
Jawab :
clc
clear all
close all
close all hidden
%
num = [ 0 0 5];
den = [ 1 2 15];
T = tf(num,den);
S = 1 - T;
%
disp('Informasi Kekokohan')
Ms =norm((1 - T),inf,1e-4);
Mt =norm(T,inf,1e-4);
fprintf('Nilai Puncak Maksimum Sensitivitas =
%10.5g \n',Ms)
fprintf('Nilai Puncak Maksimum Sensitivitas Komplementer =
%10.5g \n',Mt)
Hasil program
Informasi Kekokohan
Nilai Puncak Maksimum Sensitivitas = 1.3093
Nilai Puncak Maksimum Sensitivitas Komplementer = 0.66815
Berdasarkan hasil simulasi diperoleh informasi bahwa sistem dengan persamaan (1.141)
bersifat kokoh, mampu meredam derau pada frekuensi tinggi dan mempuyai kecepatan yang
cepat terhadap masukan tertentu. Hal ini dibuktikan dengan nilai puncak maksimum
sensitivitas yang lebih besar dari 2.0000 dan nilai puncak maksimum sensitivitas
komplementer yang lebih besar dari 1.2500.
1.4 Rangkuman
Bagian ini membahas tentang pemodelan dan analisa sistem kendali. Untuk pemodelan
sistem kendali materi yang dibahas adalah fungsi alih sedangkan untuk analisa sistem kendali
materi yang dibahas terdiri dari analisa kesalahan, analisa peralihan, analisa domain frekuensi
untuk fungsi alih lingkar terbuka, analisa domain frekuensi untuk fungsi alih lingkar tertutup,
analisa kestabilan dan analisa kekokohan.
1.5 Kode – Kode Matlab Untuk Analisa Sistem Kendali

Bagian ini menjelaskan kode – kode Matlab yang dipergunakan untuk analisa kesalahan
sebagai berikut
function sserrors(num,den)
[z,p,k]=tf2zp(num,den);
p=-p;
z=-z;
sysm=0; sysn=0;
systype=0;
km=1;
kn=1;
n=length(p);
m=length(z);
for i=1:m
if(z(i))==0
sysm=sysm+1;
else,end
if(z(i)) ~= 0
if(z(i)) ~=-inf
km=km*z(i);
else
end
else
end
end
for i=1:n
if(p(i))== 0
sysn=sysn+1;
else
if(p(i)) ~=-inf
kn=kn*p(i);
end
end
end
Kc=k*km/kn;
systype=sysn-sysm;
if(systype)==0
Kp = Kc; Kv = 0; Ka = 0;
EssStep = 1/(1+Kc); EssRamp = inf; EssParab = inf;
end
if(systype)== 1
Kp = inf; Kv = Kc; Ka = 0;
EssStep = 0; EssRamp = 1/Kv; EssParab = inf;
end
if(systype)== 2
Kp = inf; Kv = inf ; Ka = Kc;
EssStep = 0; EssRamp = 0; EssParab = 1/Ka;
end
if(systype) > 2
Kp = inf; Kv = inf ; Ka = inf;
EssStep = 0; EssRamp = 0; EssParab = 0;
end
if(systype) < 0
Kp = 0; Kv = 0 ; Ka = 0;
EssStep = inf; EssRamp = inf; EssParab = inf;
end
fprintf('Tipe Sistem adalah %2.0f \n',systype)
fprintf('Konstanta Kesalahan Posisi (Kp) adalah %5.4f
\n',Kp)
fprintf('Konstanta Kesalahan Kecepatan (Kv) adalah %5.4f
\n',Kv)
fprintf('Konstanta Kesalahan Percepatan (Ka) adalah %5.4f
\n',Ka)
fprintf('Kesalahan Keadaan Mantap Untuk Masukan Undak adalah
%5.4f \n',EssStep)
fprintf('Kesalahan Keadaan Mantap Untuk Masukan Laju adalah
%5.4f \n',EssRamp)
fprintf('Kesalahan Keadaan Mantap Untuk Masukan Parabolik
adalah %5.4f \n',EssParab)
BAB II. PEMODELAN GAIN SELECTION
2.1 Pendahuluan
Bagian ini menjelaskan tentang pemodelan gain selection. Model dari sistem rotasi
mek ini dinyatakan dalam bentuk fungsi alih dan zero – pole – gain (ZPK). Untuk
memperoleh fungsi alih dan zero – pole – gain dari gain selection ini diperoleh dengan
bantuan perangkat lunak Matlab.
2.2 Pemodelan Matematis GAIN SELECTION

Bagian ini menjelaskan kode Matlab yang digunakan untuk pemodelan matematis dari
gain selection. Hasil dari pemodelan ini berupa fungsi alih dan zero – pole – gain (ZPK).
Untuk gain selection diperlihatkan pada Gambar 2.1 berikut
Gambar 2.1 gain selection

Dengan nilai Gc = 1
( ) ( )
( ) ( )( ) ( )
Untuk fungsi alih lingkar terbuka dan fungsi alih lingkar tertutup ini diperoleh dengan
bantuan perangkat lunak Matlab dengan kode sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
disp('Fungsi Alir Lingkar Terbuka')
%
disp('Fungsi Alir Lingkar Tertutup')
[num_cl,den_cl] = feedback(sys_ol,1);
Hasil program
Fungsi Alir Lingkar Terbuka
sys_ol =
s^2 + 2 s + 1
----------------------------------------------
s^5 + 38.2 s^4 + 415.6 s^3 + 1085 s^2 + 1068 s
Fungsi Alir Lingkar Tertutup
sys_cl =
s^2 + 2 s + 1
--------------------------------------------------
s^5 + 38.2 s^4 + 415.6 s^3 + 1086 s^2 + 1070 s + 1
Selanjutnya untuk representasi gain selection dalam bentuk zero – pole – gain (ZPK)
dilakukan dengan kode Matlab sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
[num_cl,den_cl] = feedback(num_ol,den_ol,numh,denh,-1);
%
% Zero - Pole - Gain Untuk Sistem Lingkar Terbuka
disp('ZPK Sistem Lingkar Terbuka')
[Z_ol,P_ol,K_ol] = tf2zpk(num_ol,den_ol)
%
% Zero - Pole - Gain Untuk Sistem Lingkar Tertutup
disp('ZPK Sistem Lingkar Tertutup')
[Z_cl,P_cl,K_cl] = tf2zpk(num_cl,den_cl)
Hasil program
ZPK Sistem Lingkar Terbuka
ZPK Sistem Lingkar Terbuka
Z_ol =
-1
-1
P_ol =
0.0000 + 0.0000i
-20.0000 + 0.0000i
-15.0000 + 0.0000i
-1.6000 + 1.0000i
-1.6000 - 1.0000i
K_ol =
1
ZPK Sistem Lingkar Tertutup
Z_cl =
-1
-1
P_cl =
-20.0106 + 0.0000i
-14.9856 + 0.0000i
-1.6015 + 1.0001i
-1.6015 - 1.0001i
-0.0009 + 0.0000i
K_cl =
1
2.3 Rangkuman
Pada bab ini dilakukan pemodelan gain selection. Hasil dari pemodelan gain selection
ini dalam bentuk fungsi alih dan zero-pole-gain (ZPK). Nantinya hasil pemodelan gain
selection ini akan digunakan dalam analisa kesalahan, analisa peralihan, analisa domain
frekuensi untuk fungsi alih lingkar terbuka, analisa domain frekuensi untuk fungsi alih lingkar
tertutup, analisa kekokohan dan analisa kestabilan.
BAB III. ANALISA GAIN SELECTION DALAM DOMAIN WAKTU
3.1 Pendahuluan
Pada bagian ini dibahas tentang analisa Gain Selectiondalam domain waktu. Analisa
yang dilakukan meliputi analisa kesalahan dan analisa peralihan.
3.2 Analisa Kesalahan Gain Selection
3.3 Analisa Peralihan Gain Selection

Bagian ini mendeskripsikan kode matlab yang digunakan dalam analisa peralihan Gain
Selectionterhadap masukan impulsa satuan, undak satuan dan laju satuan. Adapun parameter
yang dihitung dari analisa peralihan terhadap masukan undak satuan meliputi waktu naik,
waktu puncak, waktu keadaan mantap, nilai puncak dan nilai lewatan maksimum sedangkan
untuk analisa peralihan terhadap masukan impulsa satuan dan laju satuan ditunjukkan oleh
nilai minimum, nilai waktu minimum, nilai maksimum, nilai waktu maksimum dan nilai
waktu keadaan mantap. Adapun kode Matlab untuk analisa peralihan terhadap masukan
undak satuan sebagai berikut:
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
% Analisa Peralihan Sistem Lingkar Tertutup Gain Slection
fprintf('Nilai - Nilai Parameter Peralihan Terhadap Masukan
Undak Satuan\n')
P = stepinfo(sys_cl);
Tr = P.RiseTime;
Tp = P.PeakTime;
N_p = P.Peak;
Mp = P.Overshoot;
%
fprintf('Nilai Waktu Naik = %10.5g detik\n',Tr)
55
fprintf('Nilai Waktu Puncak = %10.5g detik\n',Tp)
fprintf('Nilai Puncak = %10.5g \n',N_p)
fprintf('Nilai Lewatan Maksimum = %10.5g Persen\n',Mp)
%
% Tanggapan Peralihan Gain Slection Terhadap Masukan Undak
Satuan
stepplot(sys_cl);
ylabel('Posisi')
xlabel('Waktu')
grid on
title('Tanggapan Peralihan Gain Slection Terhadap Masukan
Undak Satuan ')
Hasil program
Nilai - Nilai Parameter Peralihan Gain Selection Terhadap
Masukan Undak Satuan
Nilai Waktu Naik = 2348.6 detik
Nilai Waktu Puncak = 11273 detik
Nilai Waktu Keadaan Mantap = 4181 detik
Nilai Puncak = 0.99997
Nilai Lewatan Maksimum = 0 Persen
Tanggapan peralihan dari Gain Selection terhadap masukan undak satuan diperlihatkan pada
Gambar 3.2 berikut
Gambar 3.1 Tanggapan Peralihan Gain Selection Terhadap Masukan Undak Satuan
56
Adapun kode Matlab untuk analisa peralihan terhadap masukan impulsa satuan sebagai
berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
% Informasi Tanggapan gain selection Terhadap Masukan Impulsa
Satuan
fprintf('Informasi Tanggapan gain selection Terhadap Masukan
Impulsa Satuan\n')
[y,t] = impulse(sys_cl);
N_min = P.Min;
T_min = P.MinTime;
N_max = P.Max;
T_max = P.MaxTime;
Tset = P.SettlingTime;
%
fprintf('Nilai Minimum = %10.5g \n',N_min)
detik\n',T_min)
fprintf('Nilai Maksimum = %10.5g \n',N_max)
detik\n',T_max)
fprintf('Nilai Waktu Keadaan Mantap = %10.5g
detik\n',Tset)
%
% Tanggapan gain selection Terhadap Masukan Impulsa Satuan
impulseplot(sys_cl);
grid on
title('Tanggapan gain selection Terhadap Masukan Impulsa
Satuan')
Hasil program
57
Informasi Tanggapan gain selection Terhadap Masukan Impulsa
Satuan
Nilai Minimum = 0
Nilai Maksimum = 0.0025838
Nilai Waktu Maksimum = 0.25775 detik
Nilai Waktu Keadaan Mantap = NaN detik
Tanggapan peralihan dari Gain Selection terhadap masukan impulsa satuan diperlihatkan
pada Gambar 3.3 berikut
Gambar 3.2 Tanggapan Peralihan Gain Selection Terhadap Masukan Impulsa Satuan
Adapun kode Matlab untuk analisa peralihan terhadap masukan laju satuan sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
58
%
numh = 1;
denh = 1;
%
% Informasi Tanggapan Gain Selection Terhadap Masukan Laju
Satuan
fprintf('Informasi Tanggapan Gain Selection Terhadap Masukan
Laju Satuan\n')
t = 0:0.01:10;
r = t;
y = lsim(sys_cl,r,t);
N_min = P.Min;
T_min = P.MinTime;
N_max = P.Max;
T_max = P.MaxTime;
Tset = P.SettlingTime;
%
fprintf('Nilai Minimum = %10.5g \n',N_min)
detik\n',T_min)
fprintf('Nilai Maksimum = %10.5g \n',N_max)
detik\n',T_max)
fprintf('Nilai Waktu Keadaan Mantap = %10.5g
detik\n',Tset)
%
% Tanggapan Gain Selection Terhadap Masukan Laju Satuan
plot(t,r,'b',t,y,'r');
grid on
title('Tanggapan Gain Selection Terhadap Masukan Laju Satuan
')
Hasil program
Informasi Tanggapan Gain Selection Terhadap Masukan Laju
Satuan
Nilai Minimum = 0
Nilai Maksimum = 0.055438
Nilai Waktu Maksimum = 10 detik
59
Nilai Waktu Keadaan Mantap = NaN detik
Tanggapan peralihan dari Gain Selectionterhadap masukan laju satuan diperlihatkan pada
Gambar 3.4 berikut
Gambar 3.3 Tanggapan Peralihan Gain Selection Terhadap Masukan Laju Satuan
3.4 Rangkuman
Pada bab ini dilakukan analisa domain waktu Gain Slection. Analisa yang dilakukan
terdiri dari analisa kesalahan dan analisa peralihan. Untuk analisa kesalahan, parameter yang
dihitung meliputi tipe sistem, konstanta kesalahan posisi, konstanta kesalahan kecepatan,
konstanta kesalahan percepatan, kesalahan keadaan mantap terhadap masukan undak satuan,
kesalahan keadaan mantap terhadap laju satuan dan kesalahan keadaan mantap terhadap
parabolik satuan sedangkan untuk analisa peralihan, parameter yang dihitung meliputi waktu
naik, waktu puncak, waktu keadaan mantap, nilai puncak dan nilai lewatan maksimum untuk
masukan terhadap undak satuan sedangkan untuk analisa peralihan terhadap masukan impulsa
satuan dan laju satuan ditunjukkan oleh nilai minimum, nilai waktu minimum, nilai
maksimum, nilai waktu maksimum dan nilai waktu keadaan mantap.
60
BAB IV. ANALISA GAIN SLECTION DALAM DOMAIN FREKUENSI
4.1 Pendahuluan
Pada bagian ini dibahas tentang analisa Gain Slection dalam domain frekuensi. Analisa
yang dilakukan meliputi analisa domain frekuensi untuk fungsi alih lingkar terbuka, analisa
domain frekuensi untuk fungsi alih lingkar tertutup.
4.2 Analisa Domain Frekuensi Gain Slection Untuk Fungsi Alih Lingkar Terbuka
Bagian ini menjelaskan kode Matlab yang digunakan untuk analisa domain frekuensi
Gain Slection untuk fungsi alih lingkar terbuka. Adapun parameter yang dihitung meliputi
margin penguatan, frekuensi margin penguatan, margin fasa dan frekuensi margin fasa dan
diperoleh dari diagram Bode. Adapun kode Matlab untuk analisa Gain Slection dalam
domain frekuensi untuk fungsi alih terbuka sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
% Informasi Performansi Lingkar Terbuka Dalam Domain Frekuensi
fprintf('\n')
[Gm,Pm,Wgm,Wpm] = margin(sys_ol);
fprintf('Nilai - Nilai Parameter Performansi Lingkar Terbuka
Dalam Domain Frekuensi \n')
fprintf('Margin Penguatan = %10.5g
\n',Gm)
fprintf('Margin Penguatan (dB) = %10.5g
\n',mag2db(Gm))
fprintf('Margin Fasa (Derjat) = %10.5g
\n',Pm)
fprintf('Frekuensi Margin Penguatan = %10.5g
\n',Wgm)
fprintf('Frekuensi Margin Fasa = %10.5g
\n',Wpm)
%
61
figure
bode(sys_ol)
grid on
Hasil program
Nilai - Nilai Parameter Performansi Lingkar Terbuka Dalam
Domain Frekuensi
Margin Penguatan = 12022
Margin Penguatan (dB) = 81.599
Margin Fasa (Derjat) = 90.053
Frekuensi Margin Penguatan = 18.498
Frekuensi Margin Fasa = 0.00093633

Adapun diagram Bode dari tanggapan Gain Slection diperlihatkan pada Gambar 4.1 berikut
Gambar 4.1 Diagram Bode Gain Slection
62
4.3 Analisa Domain Frekuensi Gain Slection Untuk Fungsi Alih Lingkar Tertutup
Bagian ini menjelaskan kode Matlab yang digunakan untuk analisa Gain Slection
dalam domain frekuensi untuk fungsi alih lingkar tetutup. Adapun parameter yang dihitung
terdiri dari lebar pita, nilai puncak resonanasi, frekuensi puncak resonansi dan diperoleh dari
diagram Magnitude Bode. Adapun untuk analisa Gain Slection dalam domain frekuensi untuk
fungsi alih tertutup sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
% Analisa Performansi Lingkar Tertutup Dalam Domain Frekuensi
fprintf('\n')
[gpeak,fpeak] = getPeakGain(sys_cl);
bw = bandwidth(sys_cl);
fprintf('Nilai - Nilai Parameter Performansi Lingkar Tertutup
Dalam Domain Frekuensi \n')
fprintf('Lebar Pita (rad/detik) = %10.5g
\n',bw)
fprintf('Nilai Puncak Resonansi = %10.5g
\n',gpeak)
fprintf('Nilai Puncak Resonansi (dB) = %10.5g
\n',mag2db(gpeak))
fprintf('Frekuensi Puncak Resonansi (rad/detik) = %10.5g
\n',fpeak)
%
figure
bodemag(sys_cl)
grid on
Hasil program
Nilai - Nilai Parameter Performansi Lingkar Tertutup Dalam

Domain Frekuensi
Lebar Pita (rad/detik) = 0.00093325
63
Nilai Puncak Resonansi = 1
Nilai Puncak Resonansi (dB) = 0
Frekuensi Puncak Resonansi (rad/detik) = 0
Adapun diagram Magnitude Bode dari tanggapan Gain Slection diperlihatkan pada Gambar
4.2 berikut
Gambar 4.2 Diagram Magnitude Bode Gain Slection
4.4 Analisa Kekokohan Gain Slection

Bagian ini menjelaskan kode Matlab yang digunakan dalam analisa kekokohan Gain
Slection . Parameter yang dihitung dalam analisa kekokohan ini terdiri dari nilai puncak
maksimum senstivitas, nilai puncak maksimum senstivitas komplementer, margin penguatan
dan margin fasa. Adapun kode Matlab yang digunakan dalam analisa kekokohan Gain
Slection ini sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
64
%
numh = 1;
denh = 1;
%
% Fungsi Alih Fungsi Sensitivitas Komplementer
T = sys_cl;
% Fungsi Alih Fungsi Sensitivitas
S = 1 - T;
%
% Informasi Kekokohan
Ms =norm((1 - sys_cl),inf,1e-4);
Mt =norm(sys_cl,inf,1e-4);
fprintf('Nilai - Nilai Parameter Kekokohan \n')
fprintf('Nilai Puncak Maksimum Sensitivitas =
%10.5g \n',Ms)
fprintf('Nilai Puncak Maksimum Sensitivitas Komplementer =
%10.5g \n',Mt)
%
% Penentuan Nilai Margin Penguatan dan Margin Fasa
Gm_s = Ms/ (Ms - 1);
Pm_s = 2*asind(1/(2*Ms));
fprintf('Nilai Margin Penguatan =
%10.5g \n',Gm_s)
fprintf('Nilai Margin Penguatan (dB) =
%10.5g \n',mag2db(Gm_s))
fprintf('Nilai Margin Fasa =
%10.5g \n',Pm_s)
%
% Tanggapan Fungsi Sensitivitas dan Fungsi Sensitivitas
Komplementer
figure
loops = loopsens(tf(num_ol,den_ol),1);
bode(loops.Si,loops.Ti)
grid on
Hasil program
Nilai - Nilai Parameter Kekokohan
Nilai Puncak Maksimum Sensitivitas = 1.0002
Nilai Puncak Maksimum Sensitivitas Komplementer = 1
Nilai Margin Penguatan = 4412.4
Nilai Margin Penguatan (dB) = 72.893
Nilai Margin Fasa = 59.985
65
Untuk nilai puncak sensitivitas dan nilai puncak sensitivitas komplementer dari tanggapan
Gain Slection diperlihatkan oleh diagram Bode pada Gambar 4.3 berikut
Gambar 4.3 Nilai Puncak Sensitivitas dan Nilai Puncak Sensitivitas Komplementer Gain
Slection
4.5 Rangkuman
Pada bab ini dilakukan analisa domain frekuensi Gain Slection untuk fungsi alih
lingkar terbuka, untuk fungsi alih lingkar tertutup dan analisa kekokohan. Untuk analisa
domain frekuensi Gain Slection fungsi alih lingkar terbuka, parameter yang dihitung meliputi
margin penguatan, frekuensi margin penguatan, margin fasa dan frekuensi margin fasa dan
diperoleh dari diagram Bode. Untuk analisa domain frekuensi Gain Slection fungsi alih
lingkar tertutup, parameter yang dihitung meliputi lebar pita, nilai puncak resonanasi,
frekuensi puncak resonansi dan diperoleh dari diagram Magnitude Bode. Untuk analisa
kekokohan, Parameter yang dihitung meliputi nilai puncak maksimum senstivitas, nilai
puncak maksimum senstivitas komplementer, margin penguatan dan margin fasa
66
BAB V. ANALISA KESTABILAN GAIN SELECTION
5.1 Pendahuluan
Pada bagian ini dibahas tentang analisa kestabilan Gain Selection. Adapun metoda yang
digunakan untuk analisa kestabilan Gain Selection ini diantaranya metoda persamaan
karakteristik, kriteria Routh, kriteria Hurwith, kriteria Nyquist dan kestabilan internal.
5.2 Analisa Kestabilan Gain Selection Menggunakan Persamaan Karakteristik

Bagian ini memperlihatkan kode Matlab yang digunakan dalan analisa kestabilan Gain
Selection menggunakan metoda akar – akar persamaan karakteristik. Adapun Kode Matlab
untuk analisa kestabilan Gain Selection dengan menggunakan metoda akar – akar persamaan
karakteristik sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
% Analisa Kestabilan Dengan Metoda Akar - Akar Persamaan
Karakteritik
fprintf('\n')
fprintf('Akar - Akar Persamaan Karakteristik \n')
damp(sys_cl)
%
figure
pzmap(sys_cl)
grid on
Hasil program
Akar - Akar Persamaan Karakteristik
Pole Damping Frequency Time

Constant
67
(rad/seconds)
(seconds)
-9.35e-04 1.00e+00 9.35e-04

1.07e+03
-1.60e+00 + 1.00e+00i 8.48e-01 1.89e+00 6.24e-
01
-1.60e+00 - 1.00e+00i 8.48e-01 1.89e+00 6.24e-
01
-1.50e+01 1.00e+00 1.50e+01 6.67e-
02
-2.00e+01 1.00e+00 2.00e+01 5.00e-
02
Untuk posisi akar – akar persamaan karakteristik dari tanggapan Gain Selection diperlihatkan
pada Gambar 5.1 berikut
Gambar 5.1 Posisi Akar – Akar Persamaan Gain Selection
5.3 Analisa Kestabilan Gain Selection Menggunakan Kriteria Routh

Selection menggunakan kriteria Routh. Adapun Kode Matlab untuk analisa kestabilan Gain
Selection menggunakan kriteria Routh sebagai berikut
clc
68
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
% Analisa Kestabilan Dengan Kriteria Routh
fprintf('\n')
fprintf('Deret Routh \n')
K = myRouth(den_cl)
Hasil Program :
Deret Routh
K =
[ 1, 10389/25, 1070]
[ 191/5, 5428/5, 1]
[ 1848599/4775, 204365/191, 0]
[ 9058352497/9242995, 1, 0]
[ 48443108492064/45291762485, 0, 0]
[ 1, 0, 0]
5.4 Analisa Kestabilan Gain Selection Menggunakan Kriteria Hurwitz

Selection menggunakan kriteria Hurwitz. Adapun Kode Matlab untuk analisa kestabilan Gain
Selection dengan kriteria Hurwitz sebagai berikut
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
69
%
numh = 1;
denh = 1;
%
% Analisa Kestabilan Dengan Kriteria Hurwitz
fprintf('\n')
fprintf('Nilai Determinan \n')
hurwitz(den_cl)
Hasil program
Nilai Determinan
1.0e+10 *
0.0000 0.0000 0.0014 1.5502 1.5502
System is stable
5.5 Analisa Kestabilan Gain Selection Menggunakan Kriteria Nyquist

clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
% Analisa Kestabilan Dengan Kriteria Nyquist
fprintf('\n')
fprintf('Batasan Penguatan \n')
nyquist(num_ol,den_ol)
grid on
Hasil Program
70
Batasan Penguatan
Adapun diagram Nyquist dari Gain Selection diperlihatkan pada Gambar 5.2 berikut
Gambar 5.2 Diagram Nyquist Gain Selection
5.6 Analisa Kestabilan Internal Gain Selection

Bagian ini memperlihatkan kode Matlab yang digunakan dalan analisa kestabilan
internal Gain Selection . Adapun Kode Matlab untuk analisa kestabilan internal sistem
clc
clear all
close all
close all hidden
%
num_ol = [ 0 0 0 1 2 1];
den_ol = [ 1 38.2 415.56 1084.6 1068 0];
%
%
numh = 1;
denh = 1;
%
71
% Analisa Kestabilan Internal Gain Selection
C = 1;
P = sys_ol;
L = C * sys_ol;
L = minreal(L);
T11 = L/(1 + L);
T11 = minreal(T11);
T12 = P/(1 + L);
T12 = minreal(T12);
T21 = C/(1 + L);
T21 = minreal(T21);
T22 = 1/(1 + L);
T22 = minreal(T22);
%
% Informasi Analisa Kestabilan Internal Gain Selection
fprintf('\n')
disp('Informasi Analisa Kestabilan Internal Gain Selection ')
damp(T11)
damp(T12)
damp(T21)
damp(T22)
Hasil program
Informasi Analisa Kestabilan Internal Gain Selection
Pole Damping Frequency Time

Constant
-9.35e-04 1.00e+00 9.35e-04 1.07e+03

-1.60e+00 + 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.60e+00 - 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.50e+01 1.00e+00 1.50e+01 6.67e-02
-2.00e+01 1.00e+00 2.00e+01 5.00e-02

-9.35e-04 1.00e+00 9.35e-04 1.07e+03

-1.60e+00 + 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.60e+00 - 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.50e+01 1.00e+00 1.50e+01 6.67e-02
-2.00e+01 1.00e+00 2.00e+01 5.00e-02

-9.35e-04 1.00e+00 9.35e-04 1.07e+03
72
-1.60e+00 + 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.60e+00 - 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.50e+01 1.00e+00 1.50e+01 6.67e-02
-2.00e+01 1.00e+00 2.00e+01 5.00e-02

-9.35e-04 1.00e+00 9.35e-04 1.07e+03

-1.60e+00 + 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.60e+00 - 1.00e+00i 8.48e-01 1.89e+00 6.24e-01
-1.50e+01 1.00e+00 1.50e+01 6.67e-02
-2.00e+01 1.00e+00 2.00e+01 5.00e-02
5.7 Rangkuman
Pada bab ini dilakukan analisa kestabilan Gain Selection. Analisa kestabilan yang
dilakukan dengan menggunakan metoda persamaan karakteristik, kriteria Routh, kriteria
Hurwitz, kriteria Nyquist dan kestabilan internal. Hasil simulasi memperlihatkan bahwa Gain
Selection bersifat stabil baik kestabilan mutlak, kestabilan relatif dan kestabilan internal.
73
GLOSARIUM
Fungsi Alih : Perbandingan dari transformasi

Laplace keluaran dan transformasi
masukan dengan asumsi semua
kondisi awal bernilai nol.
Kesalahan : Ukuran ketelitian suatu sistem
kendali yang disebabkan oleh
masukan undak satuan, masukan laju
satuan dan masukan parabolik.
Tanggapan Peralihan : Tanggapan dengan kondisi dan
variabel yang berubah terhadap
waktu
Margin Penguatan : Besar penguatan yang dapat
dinaikkan sebelum sistem menjadi tidak
stabil
Margin Fasa : Banyaknya fasa tertinggal yang
ditambahkan pada frekuensi gain
crossover yang diinginkan agar sistem
berbatasan dengan keadaan tidak stabil
Nilai Puncak Resonansi : Nilai magnituda tanggapan sistem
lingkar tertutup pada saat terjadinya
resonansi
Lebar Pita : Frekuensi saat tanggapan
magnituda sistem lingkar tertutup
sama dengan -3 dB.
Frekuensi Puncak Resonansi : Frekuensi saat tanggapan
magnituda mengalami resonansi.
Kestabilan : Kemampuan dari suatu sistem
kendali untuk tetap dalam keadaan diam
atau berhenti kecuali jika dirangsang
(dieksitasi) oleh suatu fungsi masukan
dan akan kembali dalam keadaan diam
jika eksitasi tersebut dihilangkan
Kekokohan : Kemampuan dari sistem kendali
untuk menghilangkan gangguan,
meredam derau pada frekuensi
tinggi dan perubahan parameter
74
DAFTAR PUSTAKA
1. Azzo, J. & C.H, H., 2003. Linear Control System Analysis And Design With Matlab.
New York : Marcel Dekker.
2. Fiendland, B., 1986. Control System Design. New York : McGraw Hill.
3. Graham, R., 1999. Power System Oscillations. Massachusetts : Kluwer Academic
Publisher .
4. Laksono, H. D. & Akbar , F., 2019. Pemodelan Dinamika Sistem Kendali. 1 penyunt.
Padang : Teknosain .
5. Mandal, A. K., 2006. Introduction To Control Enigneering. New Delhi : New Age
International .
6. Nelson, R. C., 1998. Flight Stability and Automatic Control. 2nd penyunt. Singapore :
McGraw Hill .
7. Ogata, K., 1996. Teknik Kontrol Automatik. Jakarta : Penerbit Erlangga .
8. Philips, C. & Harbors, R. D., 1996. Feedback Control Systems. New Jersey: Prentice
Hall.
9. Saadat, H., 1999. Power System Analysis. New York: McGraw Hill.
10. Sahib, M., 2015. A Novel Optimal PID Plus Second Oder Drivative Cntroller for AVR
system. Engineering Science and Technology, 18(2), pp. 194 - 206.
11. Skogestad, S. & Postlethwaite, I., 1996. Multivariable Feedback Control Analysis and
Design. New York : McGraw Hill.
12. Veloni, A. & Palamides , A., 2012. Control Systems Problems. 1st penyunt. London :
CRC Press .
75
INDEKS
B koefesien kesalahan posisi, 12

bandwidth, 33 konjugasi, 24
Bode, 31, 32, 34 konstanta kesalahan kecepatan, 13
bodemag, 34 konstanta kesalahan percepatan, 13
konstanta kesalahan posisi, 11
D kriteria kestabilan nyquist, 43
determinan, 41 kriteria nyquist, 44
diagram blok, 8, 11, 40, 42, 46, 48, 50 kriteria puncak maksimum, 49
diagram Nyquist, 45 kriteria Routh, 38
diagram polar, 44 kualitas tanggapan, 21
domain waktu, 20, 21
E L
eksponensial, 24 laju satuan, 12, 13
errortf, 15 lebar pita, 32, 33
excess variation, 20, 21 lewatan berlebih, 21
lewatan maksimum, 20, 21, 33
F
fasa minimum, 29, 30 M
frekuensi margin fasa, 29 magnituda, 33, 75
frekuensi margin penguatan, 29 magnitude puncak resonansi, 32
frekuensi puncak resonansi, 32 margin, 7
Frekuensi puncak resonansi, 33 margin fasa, 7, 29, 30
fungsi alih, 7, 10, 22, 30, 33, 36, 44, 45, 50 margin penguatan, 7, 29
fungsi alih lingkar tertutup, 35 Matlab, 15, 24, 26, 27, 30, 33, 37, 40, 42,
Fungsi alih lingkar tertutup, 11 45, 46, 48, 50
mekanika, 61, 62
G N
getPeakGain, 33 nilai puncak maksimum sensitivitas, 49
nilai puncak, 20, 21
nilai puncak maksimum, 49, 50
H nilai puncak maksimum sensitivitas
Hurwitz, 41, 42 komplementer, 49
nilai puncak resonansi, 7, 32, 33
nyquist, 45
K
kecepatan tanggapan, 21, 33
kekokohan, 49, 50 P
kesalahan keadaan mantap, 10, 12, 13, 14 parabolik, 13, 14
kestabilan, 10, 35, 43, 45 Penguatan K, 14
Koefesien kesalahan kecepatan, 12 performansi, 11, 18, 19, 20, 33, 50
76
performansi sistem lingkar tertutup, 20
persamaan karakteristik, 24, 35, 36, 37, 38,
39, 40, 41, 42, 43, 45, 46, 48
pole, 10, 23, 24, 30, 43, 44, 45
polinomial, 22, 23, 36, 38, 42
R
rasio redaman, 7, 17, 21
S
sistem lingkar tertutup, 8, 9, 11, 35
sistem orde satu, 16, 17
stabil, 10, 11, 35, 36, 38, 45, 50
sumbu imajiner, 44
T
tanggapan frekuensi, 43, 45
tanggapan peralihan, 14, 21, 23, 33, 35, 36
tanggapan persamaan, 26, 27, 29
teorema harga akhir, 11
tipe, 10, 12, 13, 14, 15
transformasi Laplace, 24
U
umpan balik satu, 14
undak satuan, 11, 12, 23, 24, 25, 27, 28
W
waktu keadaan mantap, 20, 21
waktu naik, 20, 21, 33
waktu puncak, 20, 21
waktu tunda, 20
Z
zero, 10, 30, 43, 44, 45
77
78

Gain Selection - Pemodelan Dan Analisa Sistem Kendali Dengan Matlab

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

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

Gain Selection - Pemodelan Dan Analisa Sistem Kendali Dengan Matlab

Diunggah oleh

Hak Cipta:

Format Tersedia

GAIN SELECTION : PEMODELAN DAN ANALISA

SISTEM KENDALI DENGAN MATLAB

Elsa Dwi Handayani

Program dengan matlab:

BAB I. SISTEM KENDALI

1.2 Pemodelan Sistem Kendali

G AMBAR 1.1 D IAGRAM B LOK SISTEM LINGKAR TERTUTUP

G AMBAR 1.2 D IAGRAM B LOK SISTEM LINGKAR TERTUTUP

dimana G  s  dan H  s  dinyatakan oleh persamaan (1.5) dan (1.6) berikut

Continuous-time transfer function.

Continuous-time transfer function.

1.3 Analisa Sistem Kendali

1.3.1 Analisa Kesalahan

R(s) E(s) C(s)

G AMBAR 1.3 D IAGRAM B LOK SISTEM LINGKAR TERTUTUP

K(s  z1 )(s  z 2 )  (s  z m )

K(s  z1 )(s  z 2 )  (s  z m )

K v  lim sG(s)H(s) (1.19)

Berdasarkan persamaan (1.19) diperoleh besarnya konstanta kesalahan kecepatan yang

s 2 K(s  z1 )(s  z 2 )  (s  z m )

s 2 K(s  z1 )(s  z 2 )  (s  z m )

s 2 K(s  z1 )(s  z 2 )  (s  z m )

s 2 K(s  z1 )(s  z 2 )  (s  z m )

ess   UNTUK SISTEM TIPE 0 DAN TIPE 1

TABEL 1.1 K ESALAHAN K EADAAN M ANTAP D ALAM B ENTUK P ENGUATAN K

Konstanta kesalahan posisi, konstanta kesalahan kecepatan dan konstanta kesalahan

G AMBAR 1.4 D IAGRAM B LOK SISTEM LINGKAR TERTUTUP

dimana G  s  dan H  s  dinyatakan oleh persamaan (1.36) dan (1.37) berikut

Continuous-time transfer function.

Continuous-time transfer function.

Tipe Sistem adalah 0

s2 + 2ςωns + ωn2  0 (1.43)

y  t  = ω2n te-ωn t (1.54)

1.00 + 0.60ς  0.15ς 2

1.00 + 1.10ς  1.40ς 2

d. Waktu Keadaan Mantap

s1 = -ςωn + jωn 1- ς 2 (1.71)

s 2 = -ςωn - jωn 1- ς 2 (1.72)

R(s) E(s) C(s)

G AMBAR 1.6 D IAGRAM B LOK SISTEM K ENDALI

C s  bos m + b1s m-1 +…+ b m-1s + bm

dimana a i adalah residu dari pole di s = -pi

j=1 k=1 k=1

terhadap masukan impulsa satuan.

Continuous-time transfer function.

G AMBAR 1.7 TANGGAPAN P ERSAMAAN (1.85) TERHADAP M ASUKAN IMPULSA SATUAN

terhadap masukan undak satuan.

Continuous-time transfer function.

Analisa Peralihan Sistem Lingkar Tertutup

terhadap masukan laju satuan.

Continuous-time transfer function.

Analisa Peralihan Sistem Lingkar Tertutup

1.3.3 Analisa Domain Frekuensi Untuk Fungsi Alih Lingkar Terbuka

Sistem stabil Sistem tidak stabil

DENGAN MENGGUNAKAN MATLAB, LAKUKAN ANALISA PERFORMANSI SISTEM KENDALI

Continuous-time transfer function.

Nilai Margin Penguatan (dB) = 51.821

1.3.4 Analisa Domain Frekuensi Untuk Fungsi Alih Lingkar Tertutup

G AMBAR 1.12 D IAGRAM B LOK SISTEM U MPAN B ALIK

DENGAN MENGGUNAKAN MATLAB, LAKUKAN ANALISA PERFORMANSI SISTEM KENDALI

Continuous-time transfer function.

Fungsi Alih Lingkar Tertutup