PERANCANGAN DAN IMPLEMENTASI KONTROLER
PID PREDIKTIF PADA PROSES LANDING
UAV (UNMANNED AERIAL VEHICLE)
Pande Made Agus Upadana (2209106064)
e-mail: danaupa@yahoo.com,
Jurusan Teknik Elektro, Fakultas Teknologi Industri, Institut Teknologi Sepuluh Nopember,
Surabaya 60111.
Abstrak- Perkembangan teknologi dewasa ini telah merambah
segala aspek kehidupan. Salah satunya dalam bidang
penerbangan dan aeromodeling. Sistem UAV (Unmanned Aerial
Vehicle) merupakan merupakan perkembangan dari sistem
pesawat tanpa awak yang masih menggunakan sistem kendali
manual. Sehingga untuk aplikasi sebagai pesawat pencari dan
monitoring khususnya untuk jarak yang relatif tidak bisa
digunakan. Untuk mengatasi hal tersebut diperlukan suatu sistem
kontrol autopilot yang bisa menjalankan fungsi seperti halnya
pilot yang sebenarnya.Pada Tugas Akhir ini membahas tentang
metode kontrol yang digunakan untuk mengontrol landing sistem
UAV menggunakan metode PID Prediktif. Dengan
mengintegrasikan GPS, Sonar, Gyroscop dan Akselerometer
maka data posisi dan arah akan dapat diketahui setiap waktu
yang kemudian dijadikan sebagai dasar perhitungan kontroler
PID Prediktif untuk menggerakkan kemudi elevator. Dari
implementasi ini diperoleh kestabilan dan proses landing dapat
mengikuti rancangan gerak yang diinginkan. Implementasi
kontroler PID Prediktif pada pesawat model sudah bisa
mengikuti rancangan gerak yang diinginkan dengan keadaan
error maksimal 2.4 m dan error sudut maksimal 10(satu derajat) .
Kata kunci: Unmanned Aerial Vehicle, Landing, PID Prediktif.
1. Pendahuluan
Kemajuan teknologi dewasa ini banyak mendorong
perkembangan teknik sistem pengaturan dalam dunia industri.
Selain penerapan pada dunia industri sistem pengaturan juga
diterapkan untuk mendukung kehidupan manusia yang dalam
tugas akhir ini menekankan tenatang sistem penerbangan dan
pengendalian pesawat UAV. Pada dasarnya UAV (Unmanned
Aerial Vehicle) merupakan sebuah pesawat udara tanpa awak
yang dikontrol secara manual dari jarak pesawat ini dapat
digunakan untuk pekerjaan yang berbahaya seperti memata-
matai musuh pada saat perang atau menjangkau daerah yang
cukup berbahaya untuk misi penyelamatan. Karena ukurannya
yang mini dan tidak mengeluarkan suara bising layaknya
kendaraan udara lain seperti pesawat. Namun karena secara
penuh dikontrol oleh pilot yang berada jauh dari pesawat,
seringkali menjadikannya tidak stabil sehingga rawan
mengalami kecelakaan terbang.
Autopilot pertama kali dikembangkan untuk sebuah
peluru kendali, seiring perkembangan zaman saat ini autopilot
banyak digunakan sebagai dasar pada sistem navigasi
transportasi udara maupun perairan. Autopilot merupakan suatu
sistem yang dapat memandu gerak terbang pesawat tanpa
adanya campur tangan dari manusia. Dengan adanya
sistem ini seorang pilot tidak harus mengontrol secara penuh
pesawatnya tanpa takut terjadi kecelakaan. Karena didalam
autopilot yang paling sederhana terdapat unit berisi perintah,
kontroler dan sistem pengaturan terbang. Dengan mengisikan
perintah-perintah khusus, seorang pilot dapat mengontrol
pesawatnya tanpa harus berada pada pesawat. Saat ini
penggunaan sistem autopilot banyak digunakan pada sistem
pelayaran kapal dan sistem penerbangan pesawat komersil.
Sistem autopilot UAV yang dibahas dalam tugas akhir ini
khusus mengenai sistem autolanding pesawat tentang metode
kontrol yang digunakan untuk mengontrol sistem landing UAV
menggunakan metode PID prediktif. Sistem autolanding yang
memerlukan pengaturan respons yang relatif cepat
menyebabkan sistem PID biasa kurang baik diterapkan dalam
sistem ini, oleh karena itu diperlukan sistem kontrol yang bisa
meningkatkan kestabilan sistem dan meningkatan kecepatan
respons dalam menentukan aksi terhadap pesawat saat
landing. Sistem kontrol prediktif merupakan salah satu
algoritma sistem kontrol berbasis model yang mendapat
perhatian besar di kalangan peneliti dan industri. Hal ini
disebabkan karena model sistem kontrol PID Prediktif
kebutuhan respons yang relatif cepat dan hasil respons yang
memiliki eror sistem yang relatif kecil. Sehingga harapannya
kontroler PID prediktif yang di rancang memiliki kelebihan
dari PID analitik sehingga bisa menjawab kebutuhan akan
sistem kontrol yang tepat dengan sistem landing pesawat UAV.
2. UAV dan Fase Landing Pesawat
2.1 Unmanned Aerial Vehicle (UAV)
Perkembangan dunia penerbangan dan aeromodeling
beberapa tahun terakhir mengakibatkan banyak teknologi-
teknologi pendukung yang diperuntukan untuk menunjang
pasilitas penerbangan. Salah satunya adalah dibuatnya
kendaraan udara tanpa awak. Kendaraan udara jenis inilah
yang biasa disebut sebagai UAV (Unmanned Aerial Vehicle).
UAV (Unmanned Aerial Vehicle) merupakan istilah yang
digunakan untuk mereprentasikan benda terbang dengan suplay
daya sendiri yang bisa digunakan berulang kali tanpa di
operasikan oleh manusia secara langsung di dalamnya. Oleh
karena itu bom atau misil bukan merupakan jenis UAV karena
hanya dapat digunakan satu kali dalam pengoperasiannya.
Dengan penjelasan tersebut maka pesawat RC mini bisa
digolongkan ke dalam UAV. Hampir semua UAV memiliki
remote control berfungsi untuk mengontrol UAV agar dapat
terhindar dari benturan-benturan akibat kegagalan pada saat
terbang otomatis.
Penggunaan UAV (Unmanned Aerial Vehicles) saat ini
sangat dibutuhkan baik untuk keperluan militer maupun sipil
misalnya untuk pencariandan penyelamatan korban bencana
alam serta penginderaan jarak jauh seperti monitoring hutan,
lalu lintas dan daerah perbatasan. UAV dapat digunakan untuk
pekerjaan yang berbahaya sekalipun seperti memata-matai
musuh pada saat perang atau menjangkau daerah yang cukup
berbahaya untuk misi penyelamatan. Karena ukurannya yang
mini dan tidak mengeluarkan suara bising layaknya kendaraan
udara lain seperti pesawat, UAV dapat terbang menyatu dengan
langit dan sulit untuk diketahui oleh manusia. Walaupun
terbang dalam ketinggian yang rendah kemampuan untuk
menyerupai binatang seperti serangga atau burung
membuatnya sulit untuk diketahui. Oleh karena itu penggunaan
UAV lebih banyak digunakan oleh departemen pertahanan
dalam melakukan pengawasan wilayah. Namun karena
ketinggian terbang yang cukup rendah dan secara penuh
dikontrol oleh pilot yang berada jauh dari pesawat, seringkali
menjadikannya tidak stabil sehingga rawan mengalami
kecelakaan terbang. Karena itu menciptakan UAV yang stabil
dengan sistem kontrol yang handal didalamnya merupakan
suatu keharusan agar semua kelebihannya dapat dimanfaatkan
dengan baik Gambar 1 berikut memperlihatkan jenis pesawat
UAV tipe EPP FPV yang diproduksi oleh Hobby King dapat
dilihat pada Gambar 1 berikut ini:
Gambar 1. Pesawat UAV tipe EPP FPV
(Sumber: Data dokumentasi tim UAV)
2.1. Fase Landing Pesawat Terbang
Pada penerbangan komersial, pesawat terbang harus
menjalani beberapa fase saat melakukan proses pendaratan
(landing) yaitu, alignment, glide-slope tracking, flare
manoeuvre, touchdown, dan taxiing, sebagaimana
diilustrasikan pada Gambar 2. Pada fase alignment, pesawat
terbang bergerak lurus sejajar dengan perpanjangan garis
landasan pada ketinggian konstan. Dan pada fase glide-slope
tracking, pesawat terbang mengikuti lintasan garis lurus
menurun dengan sudut konstan 2.50 dengan tetap menjaga
posisi pesawat tepat lurus di atas sumbu landasan. Ketika
pesawat terbang telah mendekati landasan, sudut kemiringan di
perkecil sampai 00 (nol derajat) sehingga lintasan menurun
bukan lagi berupa garis lurus, tapi berbentuk menyerupai kurva
eksponensial turun, fase ini disebut dengan flare manoeuvre,
seperti diilustrasikan pada Gambar 3.
Gambar 2. Fase Landing Pesawat Terbang[1]
Pengaruh perilaku sudut pitch pesawat terbang saat
melakukan flare manoeuvre ditunjukkan pada Gambar 3
Touchdown merupakan kondisi saat pesawat terbang pertama
kali menyentuh permukaan landasan. Ketika pesawat terbang
menyentuh landasan kecepatan pesawat terbang dikurangi
sampai mencapai nol, fase ini disebut dengan taxiing.
Gambar 3. Perilaku Sudut Pitch Saat Flare Manoeuvre[1]
3. Perancangan Sistem
Perancangan sistem kontrol UAV menggunakan
kontrol ardupilot planer, bertujuan untuk membentuk atau
mengatur gerak dari pesawat UAV. Program yang tertanam
dalam mikrokontroler akan diaktifkan secara manual dari
remote kontrol jika mode sudah dirubah dari remote kontrol
maka program akan menjalankan algoritma kontrol yang
tertanam dalam mikrokontroler ATMega2560 dari algoritma
tersebut maka track planer untuk fase landing akan eksekusi
sesuai dengan jalanya program yang diinginkan. Track planer
adalah algoritma yang digunakan untuk menentukan lintasan
yang harus dilewati oleh pesawat, track planer akan menjadi
set point dari sistem kontrol untuk dikoreksi. Blok diagram
untuk sistem autolanding dapat dilihat pada Gambar 4.
 identifikasi dihentikan, pesawat diturunkan dan data log yang
tersimpan pada ardupilot di download pada komputer. Untuk
mendapatkan Transfer Function plant dari hubungan input
output pada tugas akhir ini menggunakan function ARX pada
Software Matlab Simulink sehingga nilai transfer function
dapat diketahui.

Gambar 4. Blok diagram integrasi sistem UAV

3.1 Blok diagram sistem kontrol Prediktif

Sistem kontrol otomatis pesawat terbang meliputi sistem
kontrol sudut pitch, sistem kontrol sudut roll, sistem kontrol
ketinggian, sistem kontrol kecepatan, sistem kontrol pendaratan
otomatis yang mencakup sistem kontrol otomatis flare
manoeuvre, sistem kontrol arah, dan sistem kontrol heading.
Pada penelitian Tugas Akhir ini hanya akan dibahas mengenai Gambar 6. Grafik hasil identifikasi
sistem kontrol sudut pitch untuk mengatur sistem kontrol glide- (Sumber: Data identifikasi kelompok)
slope dan sistem kontrol otomatis flare manoeuvre. Nantinya
pada pada aplikasinya kontrol yang digunakan hanya akan Setelah data input-output diperoleh selanjutnya data tersebut
mengatur besar sudut depleksi elevator yang diperlukan untuk didentifikasi dengan menggunakan metode ARX dimana
mengikuti perancangan gerak yang sudah dirancang persamaan transfer function plant dapat dilihat pada persamaan
sebelumnnya, sedangkan untuk pengaturan proses yang lainnya (2).
semisal kontrol kestabilan dan kecepatan mengikuti sub
program yang berbeda sistem kontrol untuk pengaturan 3.3 Perancangan kontroler PID Prediktif
lintasan landing dengan menggunakan kontroler PID Prediktif Pada penelitian ini perancangan kontroler PID
dapat dilihat pada Gambar 5. Prediktif dilakukan berdasarkan model matematik plant yang
Lintasan
diaplikasikan pada kecepatan nominal dan metode yang
Rancangan
+
€h + €θ
Uθ
Kinematic And
digunakan untuk perancangan kontroler dilakukan secara
eksperimental. Kontroler yang digunakan pada penelitian ini
Set Point PID PID Prediktif Motor Servo
Gerak Landing Dinamic Aircraft
Sudut Pitch
-
θ _

berupa mikrokontroler ATMega 2560, implementasi kontroler

PID Prediktif pada mikrokontroler membutuhkan pengolahan
data secara digital. Oleh karena itu Persamaan kontroler PID
Gyroscop

Sonar + GPS Prediktif perlu dirubah terlebih dahulu ke bentuk digital.

Gambar 5. Blok Diagram Sistem Kontrol Landing Penurunan rumus kontroler PID Prediktif ke dalam bentuk
diskrit dapat dilihat pada Persamaan (1) berikut:
3.2 Identifikasi Sistem
Proses identifikasi yang digunakan adalah model Persamaan diskrit kontroler PID Prediktif :
pendekatan stokastik dengan struktur ARX. Proses ini
dilakukan dengan cara memberikan sinyal acak melalui remote u(k) = Kpe(k) + Ki 𝑛=1 𝑒(𝑛)+
𝑘
Kd(e(k) − e(k − 1)) (1)
control yang berupa variasi perubahan trotel (v1, v2, v3)
variasi perubahan sudut (Rudder, Elevator dan Aleron) pada Perancangan kontroler PID Prediktif pada Tugas Akhir ini
pesawat EPP-FPV yang selanjutnya nilai dari sinyal acak digunakan untuk mengatur sudut pitch dari UAV. Nilai sudut
yang bervariasi dari remote control yang berupa sinyal PWM pitch dari UAV ditentukan oleh besar kecinya defleksi elevator.
dengan lebar pulsa 1 – 2 milidetik (menunjukkan defleksi Semakin besar defleksi elevator mak semakin besar sudut
elevator antara -17° sampai 17°, rudder antara -200 samapai pitch, begitu pula sebaliknya. Proses perancangan kontroler
200 dan Aleron berkisar antara 200 sampai 200) dengan periode PID Prediktif dijelaskan sebagai berikut:
20 milidetik sudut input dan sudut output defleksi Pitch, Roll 1. Menentukan transfer function Plant yang akan digunakan
dan Yaw sudut yang dihasilkan pesawat akan direkam dan dalam penelitian. Untuk transfer function Plant yang
disimpan pada data log, baik data input maupun data output. diunakan adalah transfer function sudut Pitch dengan
Ketika semua data yang dibutuhkan sudah di dapat maka input kecepatan pertama yaitu sebesar (0.21).
 dua adalah fase Flare Manoeuvre. Untuk perancangan gerak
3.438 s − 8.507
𝐺(𝑠) S 2 + 8.943 s + 2.427 (2) pesawat sendiri pada phase simulasi menggunakan software
Matlab, hasil rancangan gerak sendiri dapat dilihat pada
Gambar 7 , dimana untuk sumbu (y) pada gambar merupakan
2. Mengubah TF (Transfer Function) ke dalam bentuk
ketinggian aktual pesawat sedangkan sumbu (x) merupakan
Persamaan state space.
fungsi waktu.
X(k + 1) = AX(k) + Bu(k), (3)

y(k) = CX(k), (4)

0.4021 −0.1598 0.0658

X (k + 1) = x(k)+ u(k) (5)
0.0658 0.9908 0.0038

𝑦 𝑘 = 3.4380 8.5070 𝑥(𝑘) +[0] u(k) (6)

3. Menentukan nilai Np (prediksi horizon), Nc (Kontrol

Horizon), rw =Konstanta respon close loop. Gambar 7. Rancangan Gerak
Nc =3 dan , rw = 0.9, dimana rw ≥ 0
Dimana Np= variabel. Rancangan gerak yang dijelaskan pada Gamba 7. Nantinya
4. Menghitung nilai Φ, R, ΔU(k) dengan mengunakan akan menjadi acuan atau set point untuk implementasi program
Persamaan (7) sampai Persamaan (9) pada proses landing pesawat UAV, dimana hasil dari
implementasi rancangan gerak diatas dapat dilihat pada
R= rw. I(NcxNc) (7) Gambar 10
Dan,
𝐶. 𝐵 0 0 … 0
𝐶. 𝐴. 𝐵 𝐶. 𝐵 0 … 0 4. Pembahasan
Φ = 𝐶. 𝐴2 B 𝐶. 𝐴. 𝐵 𝐶. 𝐵 … 0 (8) Berdasarkan perancangan sistem yang telah dilakukan
⋮ ⋮ 𝐶. 𝐴. 𝐵 … ⋮
𝐶𝐴𝑁𝑝−1 . B 𝐶. 𝐴𝑁𝑝−2 B 𝐶. 𝐴𝑁𝑝−3 B … 𝐶. 𝐴𝑁𝑝−𝑁𝑐 B pada point 3, langkah berikutnya adalah pengujian sistem,
mensimulasikan hasil desain dan dilanjutkan dengan
implementasi pada sistem yang sesungguhnya.
ΔU(k) = (ΦTΦ + R)-1 ΦTe(k) = KTe(k) (9)
5. Menghitung nilai Kd, Kp, dan Ki dari nilai ΔU(k) yang 4.1 Hasil Simulasi
telah diperoleh dimana langkah perhitungannya dapat Dari hasil perancangan kontroler maka langkah
dilakukan dengan menggunakan Persamaan (10) sampai selanjutnya adalah melakukan simulasi hasil perancangan
persamaan (13)sehinga nilai parameter kontrol dapat kontroler pada software matlab dimana model dinamika
dihitung. pesawat sebagai plant yang dikontrol, Gambar 8
memperlihatkan simulasi hasil kontroler lintasan landing
ΔU(k) = [q0 q1 q0] T (10) sedangkan Gambar 9 menyatakan hasil simulasi sudut pitch.

Dimana :
q0 = Kp+ Ki +Kd (11)
q1 = -Kp - 2Kd (12)
q2 = Kd (13)
6. Substitusikan nilai Kd, Kp, dan Ki kedalam Persamaan
(14) segingga diperoleh nilai kontrlol Δu(k): Gambar 8. Simulasi Tracking Lintasan
(Sumber: Hasil Simulasi rancangan gerak)
Δu(k)=Kp[e(k)−e(k −1)]+
====Kie(k)+Kd[e(k)−2e(k−1)+e(k−2) (14) Dari hasil simulasi dapat dilihat bahwa kontroler PID Prediktif
cukup baik dalam mengatasi error yang disebabkan oleh
3.4 Perancangan Gerak setpoint yang berubah seiring waktu (lintasan landing).
Pada perancngan gerak sistem landing pesawat UAV Sehingga dapat dinyatakan simulasi hasil tracking lintasan
seperti yang dijelaskan pada Gambar. 2, terdapat 2 fase utama dengan menggunakan kontroler PID Prediktif dapat
pada sistem landing yang pertama fase glide-slope dan yang ke
diimplementasikan. Disamping itu, sudut pitch pesawat dapat
mengikuti sudut lintasan yang dibutuhkan dalam proses
landing dari rancangan gerak yang telah dibuat (-18 derajat)
sudut akan terus berubah sampai mencapai sudut (nol derajat)
dalam waktu 15 detik. Dimana respons hasil simulasi dapat
dilihat pada Gambar 9 berikut:

’
Gambar 11. Respons sudut pitch hasil rancangan dan hasil
implementasi program PID prediktif.
(Sumber: data implementasi program)

Dari respons pada Gambar 7 jika dibandingkan antara

rancangan gerak pada Gambar 10 dengan hasil implementasi
maka diperoleh nilai error seperti pada Gambar 12 besaran
error maksimal adalah 2.3 m.
Gambar 9. Simulasi Sudut Tracking
(Sumber: Rancangan gerak sudut)

4.2 Hasil Implementasi

Implementasi sistem kontrol otomatis pada proses
landing menggunakan kontroler PID Prediktif dimana set point
lintasan yang dimasukkan berubah-ubah sesuai dengan
rancangan gerak yang diinginkan, set point ini berupa sudut
defleksi elevator yang berubah persatuan waktu dengan time
sampling 0.1 detik. Pada implementasi yang dilakukan
kecepatan pesawat sekitar 10% dari keadaan trotel beban
penuh, Dari hasil perhitungan dengan memasukkan nilai Np=30
maka didapatkan nilai Kd, Kp, dan Ki berturut-turut adalah Gambar 12. Error lintasan hasil implementasi dengan rancangan
0.9167, 0.9908, 0.871. Rancangan gerak pada Gambar 10 gerak proses landing.
(Sumber: Data implementasi dan Rancangan gerak)
sedangkan hasil implementasi perancangan gerak dapat dilihat
pada Gambar 11.
Dari respons sudut pitch hasil implementasi pada Gambar 11
jika dibandingkan nilai set point maka dapat diperoleh nilai
error seperti yang digambarkan pada Gambar 13 berikut ini

Gambar 10. Respons implementasi rancangan gerak

(Sumber: Data hasil implementasi)

Sebagaimana terlihat pada Gambar 10, pesawat model dapat
melakukan proses landing secara otomatis dengan lintasan
terbang menyerupai kurva eksponensial menurun sesuai
dengan lintasan landing yang diharapkan. Nilai rata-rata error
tracking maksimal 2.3 meter. pada saat proses berjalan
bersamaan sudut pitch pesawat model berubah perlahan dari -
200 sampai 00, sebagaimana terlihat pada Gambar 12,
sedangkan untuk error sudut maksimal adalah 1.60.
Gambar 11. Error sudut Pitch hasil implementasi
(Sumber: Data implementasi Sudut Pitch dan Rancangan Sudut)
Dapat dilihat bahawa error maksimal antara sudut hasil
rancangan dengan hasil implementasi sekitar 3.6 0 dari hasil
tersebut dapat dinyatakan bahwa respons sudut hasil
implementasi sudah bisa mengikuti respons sudut hasil
rancangan yang dibuat untuk mengatur proses landing.
5. Kesimpulan Riwayat Penulis

Dari pengujian dan analisis yang telah dilakukan pada
pengerjaan Tugas Akhir ini, maka dapat diambil beberapa
kesimpulan yaitu :
1. Pada saat implementasi kontroler PID Prediktif pesawat
model sudah bisa mengikuti rancangan gerak yang
diinginkan dengan keadaan eror yang relatif kecil, dimana
jika ditambahkan dengan noise kontrol masih tetap bisa
mengikuti lintasan hasil rancangan.
2. Pesawat model berhasil melakukan pendaratan dengan
cukup baik baik tanpa mengalami kegagalan saat pertama
kali menyentuh landasan (touchdown).
Pande Made Agus Upadana dilahirkan di
manggis 22 tahun lalu, pada bulan Agustus
2006 SMAN 1 Amlapura. Setelah
menamatkan jenjang SMA, Pada tahun
2009 penulis melanjutkan studi kejenjang
Strata 1 di Jurusan Teknik Elektro Institut
Teknologi Sepuluh Nopember dengan
bidang studi yang ditekuni oleh penulis
adalah Bidang Studi Teknik Sistem Pengaturan. Pada bulan
Januari 2012 penulis mengikuti seminar dan ujian Tugas Akhir
di Bidang Studi Teknik Sistem Pengaturan Jurusan Teknik.

Daftar Pustaka

[1] Yuliansyah, Rendy, “ Desain Dan Implementasi

Kontroler PID Untuk Glide-Slope Tracking Pada Fixed-
Wing UAV (Unmanned Aerial Vehicle)”, Tugas Akhir,
Program Studi Teknik Sistem Pengaturan Teknik Elektro
FTI-ITS, Surabaya, 2011.
[2] Khozin, Mokhamad, “ Desain Dan Implementasi
Automatic Flare Manoeuvre Pada Proses Landing
Pesawat Terbang Menggunakan Kontroler PID”, Tugas
Akhir, Teknik Sistem Pengaturan Teknik Elektro FTI-
ITS, Surabaya, 2011.
[3] McLean, Donald. 1990. Automatic Flight Control
Systems. Prentice Hall, Hertfordshire,UK.
[4] Kenny Uren dan George van Schoor, “Predictive PID
Control of Non-Minimum Phase Systems”, Advances in
PID Control, Editor Valery D.Yurkevich, Seri Control
Enggineering, IntechOpen, Halaman 1-22, 2011.
[5] ---------------, Algoritma Kontrol Prediktif-Adaptif
Dengan Pemodelan Berbasis Neuro-Fuzzy,
Yogyakarta,2003
[6] M. R. Katebi and M. H. Moradi” Predictive PID
controllers” Department of Electronic and Electrical
Engineering, University of Strathclyde, Glasgow GI lQE,
UK. IEE Proceedings online no. 20010786.
[7] K. J. Astrom & T. Hagglund, 1995. PID Controllers:
Theory, Design, and Tuning. Research Triangle Park, NC
: Instrument Society of America.
[8] Ari Heryanto,Wisnu Adi. 2008. Pemrograman bahasa C
untuk mikrokontroler ATMEGA8535. Yogyakarta : Andi.