1

MODUL PERKULIAHAN

Kendali Proses

Kriteria Kinerja Sistem

Pengendalian

Abstrak Sub-CPMK

Pada modul kedelapan Mampu menganalisis

menganalisis kinerja sistem kinerja sistem pengendalian dengan
pengendalian dengan menentukan nilai ISE, IAE,ITAE .
menentukan nilai ISE,
IAE,ITAE

Fakultas Program Studi Tatap Muka Disusun Oleh

Oki Teguh Karya, S.Pd., M.T

Fakultas Teknik Teknik Elektro
08
Pendahuluan
Sebelum masuk pada pembahasan utama ada satu sub-bab penting yang kami coba untuk
akhirkan pembahasannya, agar berdekatan dengan pembahasan tuning PID, yaitu
pembahasan model IPDT (Integrating Plus Dead Time). IPDT merupakan sebuah proses
yang dikategorikan sebagai Non Self Regulating.

Proses dapat didekati oleh model matematis IPDT jika untuk sebuah perubahan tangga
input kontrol - CO pada keadaan steady atau titik kesetimbangannya, output proses – PV
tersebut akan terus menerus membesar atau terus menerus mengecil tergantung dari sifat
prosesnya itu sendiri (apakah bersifat direct atau reverse).

Gambar dibawah ini menunjukan secara tipikal model proses IPDT direct dan IPDT reverse
terhadap perubahan input kontrol disekitar nilai kesetimbangannya.

Gambar 8.1 Relasi input-output untuk model IPDT

(jenis proses: kiri—direct; kanan--reverse)
Untuk kepentingan perancangan dan tuning kontroler-nya, hubungan input-output seperti
yang nampak pada gambar diatas pada dasarnya dapat dicirikan hanya oleh dua parameter
proses saja: process transport delay (L) dan process integrative Gain (K*).
 Process transport delay (keterlambatan transportasi proses) - L:
Keterlambatan output proses dalam menanggapi perubahan output kontroler
(penjelasan teknisnya hampir sama dengan proses FOPDT)
 Process integrative gain (Gain integratif proses) - K*: Perbandingan antara
perubahan kemiringan (slope) output proses dengan besar perubahan (magnitude)
sinyal kontroler. Jika keadaan awal proses telah berada dalam titik kesetimbangan
atau keadaan steady-nya (keadaan kesetimbangan ini secara praktis pada
kenyataannya sangat sulit dicapai) maka berdasarkan grafik pada gambar 8.1
diatas, besarnya gain integrative dapat dirumuskan:

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

2 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
 Eq. 8.1
Dalam hal ini K* akan bernilai positive jika prosesnya bersifat direct seperti pada
gambar 8.1 (kiri) dan akan bernilai negative jika prosesnya bersifat reverse seperti
pada gambar 8.1 (kanan) (Ingat pengetahuan sifat proses ini sangat penting untuk
menentukan mode kontroler PID yang harus dipilih: Reverse atau Direct)
Seperti halnya model proses FOPDT, besarnya gain integrative pada proses IPDT
secara langsung pada dasarnya menunjukan kesensitifan model proses tersebut :
semakin besar nilai gain integratif, maka proses IPDT akan semakin sensitif.

Salah satu contoh proses nyata di industri untuk model IPDT ini adalah pengontrolan level
fluida pada tangki dengan menggunakan pompa penghisap sebagai penggerak pada sisi
outletnya seperti ditunjukan pada gambar dibawah ini.

Gambar 8.2 Pengontrolan level tanki lewat pompa

Dalam kasus pengontrolan level tersebut, debit fluida output pada dasarnya hanya
tergantung pada besar sinyal kontrol penggerak pompa (tidak tergantung terhadap level
fluida), hal ini akan berbeda jika penggerak yang digunakan adalah control valve.

Dengan menganggap tidak terjadi perubahan debit fluida input (𝑞𝑖 = 0) serta sistem telah
berada dalam kesetimbangannya (debit fluida input - 𝑄𝑖 = debit fluida output-𝑄𝑜𝑢𝑡 ), maka
perubahan level fluida di dalam tangki (dalam hal ini berlaku sebagai output proses - 𝑝𝑣)
tentunya hanya tergantung pada perubahan debit fluida output yang disebabkan oleh
perubahan sinyal kontrol penggerak pompa (𝑐𝑜): Jika sinyal kontrol diperkecil dari keadaan
steady awalnya, maka debit fluida output juga akan semakin mengecil, semakin kecil debit
fluida output maka level fluida akan semakin naik (hal sebaliknya terjadi jika sinyal kontrol
diperbesar). Disekitar nilai steady atau titik kesetimbangannya tersebut, dinamika

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

3 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
perubahan input-output proses diatas secara matematis dapat direpresentasikan dalam
bentuk persamaan diferensial linear berikut:

Eq.8.2
dalam hal ini:
𝑲∗ : gain integratif proses
𝑳 : delay transportasi proses
𝒄𝒐 : deviasi (perubahan) input proses atau output kontroler disekitar nilai steady-nya
𝒑𝒗 : deviasi (perubahan) output proses disekitar nilai steady-nya
𝒅𝒑𝒗(𝒕)
: laju perubahan output proses disekitar nilai steady-nya.
𝒅𝒕

𝒑𝒗(𝟎): deviasi output proses awal sebelum terjadi perubahan input. Karena proses
sebelum terjadi perubahan input telah dalam keadaan steady (menetap), maka
tentu saja nilai deviasi awalnya akan sama dengan nol.
Jika disajikan dalam bentuk fungsi alihnya, maka persamaan Eq.8.2 akan berbentuk:

Eq.8.3
Perlu diperhatikan disini bahwa untuk model proses kontrol level dengan pompa ini, gain
integratifnya (𝐾 ∗ ) akan bernilai negative (level fluida akan semakin menurun untuk setiap
perubahan positive pada output kontrol penggerak pompa) Sekarang, bagaimana jika debit
fluida input untuk proses diatas mengalami perubahan dari nilai steady awalnya?
Dalam kasus ini perubahan debit fluida input pada dasarnya berlaku sebagai input
gangguan-disturbance. Dengan cara analisis yang relatif sama seperti penjelasan
sebelumnya, dapat dibuktikan bahwa secara matematis hubungan antara perubahan debit
fluida input terhadap perubahan level fluida untuk kasus tersebut pada dasarnya juga akan
memiliki model IPDT:

Eq.8.4
Dalam hal ini nilai gain integratif gangguan (𝐾𝑒∗ ) pada persamaan Eq. 8.4 akan bernilai
positive (level fluida akan semakin naik untuk setiap perubahan positive pada debit fluida
input).
Dengan menggabungkan persamaan Eq.8.3 dan Eq.8.4, maka dinamika perubahan level
fluida karena pengaruh perubahan output kontroler dan perubahan debit fluida input
(sebagai gangguan) secara lengkap dapat direpresentasikan seperti terlihat pada
persamaan Eq.8.5 (Persamaan tersebut pada dasarnya juga berlaku untuk model IPDT
lainnya).

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

4 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
 Eq.8.5
Gambar 8.3 dan 8.4 dibawah ini berturut-turut memperlihatkan contoh blok Simulink dan
salah satu hasil simulasi untuk model proses IPDT (misal dalam hal ini sistem kontrol level
pada gambar 8.2) dengan persamaan dinamika berikut:
−1 −𝑠5 1
𝑝𝑣(𝑠) = 𝑒 . 𝑐𝑜(𝑠) + 𝑒 −𝑠0.5 𝑞𝑖𝑛 (𝑠); 𝐾 ∗ = −1, 𝐾𝑑∗ = 1, 𝐿 = 5, 𝐿𝑑 = 0.5
𝑠 𝑠

Gambar 8.3 Blok diagram Simulink untuk model IPDT

Gambar 8.4 Hasil simulasi untuk gambar 8.3

Setelah pembahasan ini, baru kita masuk pada pembahasan utama yaitu, kriteria sistem
pengedalian pada PID

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

5 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
Kriteria Kinerja Sistem Pengendalian
Pada setiap penerapan pengendalian pada sistem proses, dapat dibedakan dua macam
kriteria, yaitu
 kriteria tanggapan tunak
 kriteria tanggapan dinamik.
Kriteria tanggapan tunak biasanya dinyatakan dengan tidak adanya kesalahan atau galat
(error) pada saat keadaan tunak. Dalam hampir semua kondisi pengendalian, kriteria ini
tidak dapat dicapai, kecuali digunakan pengendali PI atau PID.
Kriteria tanggapan dinamik didasarkan atas tanggapan transien lingkar tertutup yang
menghasilkan galat sekecil mungkin. Kriteria ini dibedakan menjadi di dua macam, yaitu
 kriteria sederhana
 kriteria integral.
Kriteria sederhana didasarkan atas karakteristik tanggapan undak (step) lingkar tertutup.
Dengan kriteria ini hanya dibutuhkan sedikit titik tanggapan. Besaran yang menentukan
adalah:
 overshoot,
 waktu naik,
 waktu mantap,
 decay ratio, dan
frekuensi osilasi (lihat kembali karakteristik sistem orde dua). Dari seluruh kriteria ini, yang
paling populer karena sering digunakan adalah kriteria decay ratio yang tidak lain adalah
kriteria redaman seperempat amplitudo.
Kriteria integrasi membutuhkan data tanggapan mulai dari t = 0 hingga mencapai keadaan
tunak. Dengan demikian kriteria ini didasarkan pada seluruh tanggapan dari proses yang
bersangkutan. Kriteria yang paling sering digunakan adalah:
a) ISE (integral of square error),
b) IAE (integral of absolute error), dan
c) ITAE (integral of product of time and the absolute error).
Secara umum tujuan kriteria integral adalah untuk mendapatkan nilai ISE, IAE, atau
ITAE sekecil mungkin. Pemilihan kriteria tergantung pada karakteristik sistem proses dan
beberapa syarat tambahan yang diperoleh dari tanggapan loop tertutup.
ISE mengintegrasikan kuadrat kesalahan dari waktu ke waktu. Galat yang kecil saja akan
menghasilkan ISE yang besar. Dengan meminimalkan ISE cenderung menghilangkan
kesalahan besar dengan cepat, tetapi akan mentolerir Kailahun kecil yang bertahan untuk

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

6 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
jangka waktu yang lama. Respon paling cepat,dengan, amplitudo cukup rendah, tetapi
berosilasi.
IAE mengintegrasikan kesalahan mutlak dari waktu ke waktu. Hal ini menghasilkan respon
lebih lambat dari sistem ISE optimal, tetapi osilasinya lebih berkurang sehingga lebih cepat
teredam.
ITSE memiliki pengali waktu tambahan dari galat fungsi yang menitik beratkan pada
lamanya durasi galat , oleh karena itu kriteria ini paling sering diterapkan dalam sistem
membutuhkan waktu penetapan yang cepat.
ITAE mengintegrasikan kesalahan mutlak dikalikan dengan waktudari waktu ke waktu.
Galat yang kecil akan menghasilkan ITAE yang besar setelah waktu yang lama. Kelemahan
dari tuning ITAE juga menghasilkan overshoot yang paling tinggi

A. The Integral Time Absolute Error (ITAE)

The Integral Time Absolute Error (ITAE) adalah kriteria kinerja populer yang digunakan
untuk desain sistem kontrol. Indeks diusulkan oleh Graham dan Lathrop (1953), yang
menurunkan satu set koefisien fungsi transfer yang dinormalisasi dari orde ke-2 ke orde ke-
8 untuk meminimalkan kriteria ITAE untuk input step. Sejak itu, himpunan koefisien ini telah
banyak digunakan sebagai Prototipe Sistem untuk desain sistem kontrol untuk
meminimalkan kriteria ITAE. Contoh terbaru adalah MATLAB File Exchange submission
yang ditulis oleh Dr. Duane Hanselman dengan judul System Prototype for ITAE Optimum
Step Response.
Banyak penulis telah mengadopsi tabel koefisien sebagai bahan standar dalam buku teks
Teknik Kontrol, seperti "Sistem Kontrol Modern" oleh R.D. Dorf dan R.H. Bishop, edisi ke-
9, Prentice-Hall, Inc., 2001.
Koefisien asli diturunkan melalui komputer analog. Oleh karena itu, optimalitasnya
dipertanyakan terutama untuk sistem orde tinggi. Himpunan koefisien telah ditinjau kembali
oleh penulis pada tahun 1989 dan seperangkat koefisien baru telah diturunkan
menggunakan teknik optimasi numerik dalam komputer digital. Koefisien baru mengarah
pada kriteria ITAE yang jauh lebih rendah. Sayangnya, karya itu diterbitkan dalam jurnal
Cina. Sedikit perhatian telah ditarik sejak saat itu. Pengajuan ini terinspirasi oleh pengajuan
Dr. Hanselman, di mana koefisien lama yang tidak optimal digunakan untuk menghitung
sistem prototipe.
Model Simulink untuk kontrol PID, dengan deskripsi ITAE, dibuat seperti yang ditunjukkan
pada Gambar 8.5, di mana nama variabel yang akan dioptimalkan adalah Kp, Ki, Kd dan
fungsi tujuan adalah kriteria ITAE. Pada Gambar 8.6, desain pengontrol yang optimal
dieksplorasi untuk menghitung gain, kutub dan nol dari kompensator lag memimpin fase

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

7 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
yang diinginkan dengan mengurangi fungsi tujuan (ITAE kriteria). Untuk kedua pengontrol,
fungsi MATLAB fmincon dapat digunakan untuk menyelesaikan masalah optimasi
terkendala.

Gambar 8.5 Analisis performa sistem dengan kriteria ITAE menggunakan simulink
MATLAB

Gambar 8.6. Model Simulink dari kompensator yang dioptimalkan berdasarkan kriteria
ITAE
Gambar 8.7 dibawah adalah blok diagram kontrol Proporsional integral derivative
(PID) dengan pengukuran kriteria ITAE menggunakan Simulink Matlab.
Fungsi transfer motor DC :

Kendali PID memiliki persamaan:

Dengan parameter PID:

KP=0.3836, KI= 0.9815, KD= 0.3037,N=91.2881

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

8 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
Gambar 8.7 Model Simulink untuk kontrol kecepatan Motor DC menggunakan kontroler PID.

B. IAE (Integral of Absolute Error)

Kriteria integrasi membutuhkan data tangapan mulai dari hingga mencapai keadaan tunak.
Dengan demikian kriteria ini didasarkan pada seluruh tangapan dari proses yang
bersangkutan. Kriteria integral yang digunakan pada penelitian ini adalah kriteria IAE
Integral of Absolute Error) yang bertujuan untuk mendapatkan nilai IAE sekecil mungkin
dengan pemilihan kriteria tergantung pada karakteristik sistem proses dan beberapa syarat
tambahan yang diperoleh dari tanggapan loop tertutup. Kriteria IAE lebih populer
dikalangan praktisi industri sebab mudah dalam pemakaiannya sertasangat cocok untuk
menekan error yang kecil

Gambar 8.8 berikut adalah blok diagram kontrol Proporsional integral derivative (PID)
dengan pengukuran kriteria IAE menggunakan Simulink Matlab.
Fungsi transfer motor DC :

Kendali PID memiliki persamaan:

Dengan parameter PID:

𝐾𝑃 = 0.3836, 𝐾𝐼 = 0.9815, 𝐾𝐷 = 0.3037, 𝑁 = 91.2881

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

9 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
 Gambar 8.8 Model Simulink untuk kontrol kecepatan Motor DC menggunakan kontroler PID.

C. ISE (integral of square error)

Jika kita ingin menekan kesalahan besar, ISE lebih baik daripada IAE, karena
kesalahannya dikuadratkan dan dengan demikian berkontribusi lebih pada nilai integral.
Untuk menekan kesalahan kecil, IAE lebih baik daripada ISE karena ketika kita kuadratkan
kesalahan kecil mereka menjadi lebih kecil. Untuk menekan kesalahan yang bertahan lebih
lama, kriteria ITAE lebih baik
Gambar 8.9 berikut adalah blok diagram kontrol Proporsional integral derivative (PID)
dengan pengukuran kriteria ISE menggunakan Simulink Matlab.
Fungsi transfer motor DC :

Kendali PID memiliki persamaan:

Dengan parameter PID :

𝐾𝑃 = 0.3836, 𝐾𝐼 = 0.9815, 𝐾𝐷 = 0.3037, 𝑁 = 91.2881

Gambar 8.9 Model Simulink untuk kontrol kecepatan Motor DC menggunakan kontroler PID.

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

10 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/
D. Integral of time-weighted square error (ITSE)
Gambar 8.6 berikut adalah blok diagram kontrol Proporsional integral derivative (PID)
dengan pengukuran kriteria ITSE menggunakan Simulink Matlab.
Fungsi transfer motor DC :

Kendali PID memiliki persamaan:

Dengan parameter PID :

𝐾𝑃 = 0.3836, 𝐾𝐼 = 0.9815, 𝐾𝐷 = 0.3037, 𝑁 = 91.2881

Gambar 8.10 Model Simulink untuk kontrol kecepatan Motor DC menggunakan kontroler
PID.

Daftar Pustaka
Instrumentation & Control Process Control Fundamentals
(https://www.academia.edu/36548458/Instrumentation_and_Control_Process_Control_Fu
ndamentals)
Systems Engineering and Process Control: Lecture Notes, Department of Automatic
Control, Lund University, Sweden
(book.dvi (lth.se))
Arindya, Radita (2014). Instrumentasi dan Kontrol Proses, GRAHA ILMU
Setiawan, I. (2013). Kontrol PID untuk proses industri. Elex Media Komputindo

Marlin, Thomas E. (2015). Process Control : Designing Processes and Control Systems
for Dynamic Performance , 2nd Edition (Textbook Download (mcmaster.ca)

Ir. Heriyanto, M.T,”Pengendalian Proses,” Bahan Ajar dalam Kurikulum Berbasis

Kompetensi (Kurikulum 2007). 2010
https://www.academia.edu/6306719/Pengendalian_Proses_1_PENGENDALIAN_PROSE
S

2021 Kendali Proses Biro Bahan Ajar E-learning dan MKCU

11 Oki Teguh Karya, S.Pd., MT http://pbael.mercubuana.ac.id/