NAMA : M.

AZZAM ASHAR
NIM : 210431100094
KELAS : C
Nama: M. Azzam Ashar NIM : 210431100094

MODUL III
PENGENDALI P-I-D

3.1 Tujuan Praktikum

A. Mahasiswa mampu mengenal pengendali PID
B. Mahasiswa dapat memahami karakteristik pengendali PID
C. Mahasiswa mampu menggunakan pengendali PID dalam pengendalian sistem kendali

3.2 Dasar Teori

A. Pengertian PID
PID adalah kependekan dari Proportional-Integral-Derivative. Metode ini
digunakan dalam sistem kontrol otomatis untuk mengatur variabel output berdasarkan
perbedaan antara setpoint (nilai yang diinginkan) dan nilai aktual yang diukur dari
variabel input. Kontroler PID bekerja dengan menghitung sinyal kontrol yang
mengendalikan tindakan perangkat keras (seperti katup atau motor) dalam sistem agar
mencapai setpoint. Sistem kontrol PID juga digunakan untuk meningkatkan presisi
sistem instrumen dengan memanfaatkan umpan balik (feedback) dalam sistem
tersebut.
PID merupakan kombinasi dari proportional, integral dan derivative model
control adalah PID controller, ada banyak variasi dari PID controller. Berikut adalah
variasi yang paling sederhana, yaitu :

Pengendalian PID (Proporsional Integral Derivatif) adalah salah satu sistem

pengendalian proses yang sering digunakan dalam industri pabrik[1]. Sistem
pengendalian PID membantu operator dalam menjalankan dan memantau proses
pabrik. Control PID merupakan jenis pengendali yang populer di pabrik. Selain itu,
pengendalian PID dapat dengan mudah digabungkan dengan metode pengendalian lain
seperti Fuzzy dan Robust, sehingga menghasilkan sistem pengendalian yang efektif.
Komponen-komponen PID adalah:
1. Komponen Proporsional (P):
Nama: M. Azzam Ashar NIM : 210431100094

Komponen proporsional menghasilkan respons yang sebanding dengan

selisih antara setpoint (nilai yang diinginkan) dan nilai nyata saat ini.
Respons proporsional dihitung dengan mengalikan error (selisih) antara
setpoint dan nilai nyata dengan koefisien proporsional (Kp). Respons ini
memberikan kontribusi langsung terhadap aksi kontrol proporsional, di mana
semakin besar perbedaan antara setpoint dan nilai nyata, semakin besar
respons proporsionalnya.
2. Komponen Integral (I):
Komponen integral mengatasi kesalahan statis yang mungkin terjadi pada
sistem. Kesalahan statis adalah kesalahan yang tetap ada bahkan ketika
setpoint dan nilai nyata sama. Komponen integral mengintegrasikan error
(selisih) antara setpoint dan nilai nyata seiring waktu.
3. Komponen Derivatif (D):
Komponen derivatif merespons perubahan cepat dalam error (selisih) antara
setpoint dan nilai nyata. Komponen ini membantu mengantisipasi perubahan
mendadak dan mengurangi respons yang berlebihan atau osilasi[1].
Penggabungan tiga elemen ini dalam kontroler PID membolehkan pengendalian
yang efektif terhadap sistem dengan memperhitungkan tanggapan yang sebanding
dengan kesalahan saat ini (elemen proporsional), akumulasi kesalahan seiring waktu
(elemen integral), dan perubahan yang cepat dalam kesalahan (elemen derivatif).
Selain elemen-elemen tersebut, kontroler PID juga memiliki waktu sampel yang perlu
ditentukan, yaitu interval waktu antara pengambilan sampel untuk menghitung
kesalahan dan menghasilkan aksi pengendalian. Penyetelan koefisien Kp, Ki, dan Kd
pada kontroler PID sangat penting untuk mencapai kinerja optimal. Metode penyetelan
yang umum digunakan melibatkan percobaan dan iterasi untuk mengoptimalkan
pengaturan koefisien sesuai dengan karakteristik sistem yang dikendalikan.
Berikut adalah rumus matematis dan persamaan yang menggambarkan setiap
komponen PID:
1. Komponen Proporsional (P):
Respons proporsional dihitung dengan mengalikan error (e) dengan
koefisien proporsional (Kp).
Nama: M. Azzam Ashar NIM : 210431100094

Rumus: P = Kp * e
2. Komponen Integral (I):
Respons integral dihitung dengan mengalikan integral dari error (∫e) dengan
koefisien integral (Ki).
Rumus: I = Ki * ∫e
3. Komponen Derivatif (D):
Respons derivatif dihitung dengan mengalikan turunan dari error terhadap
waktu (de/dt) dengan koefisien derivatif (Kd).
Rumus: D = Kd * (de/dt)
Dalam bentuk persamaan umum kontroler PID, rumusnya adalah: Output = P + I + D.
Dalam praktiknya, untuk mengimplementasikan kontroler PID, rumus-rumus ini akan
disesuaikan dengan sistem yang dikendalikan dan metode penyetelan yang
digunakan[2]. Selain itu, persamaan-persamaan tersebut dapat ditulis dalam bentuk
persamaan diferensial atau persamaan dalam domain waktu diskrit, tergantung pada
implementasi spesifik kontroler PID.
B. Kelebihan dan Kekurangan PID
PID (Proportional-Integral-Derivative) adalah sebuah metode pengendalian yang
sering digunakan dalam sistem kontrol. Berikut ini adalah beberapa kelebihan dan
kekurangan dari PID:
1. Kelebihan PID
▪ Sederhana dan Mudah Diterapkan: PID adalah metode pengendalian
yang relatif sederhana dan mudah untuk diterapkan dalam sistem
kontrol. Algoritma PID relatif mudah dimengerti dan dapat
diimplementasikan dengan menggunakan perangkat keras atau
perangkat lunak yang umum tersedia.
▪ Kecepatan dan Responsif: PID memiliki kemampuan untuk merespons
perubahan keadaan sistem dengan cepat. Hal ini karena PID dapat
secara otomatis menyesuaikan tindakan pengendalian berdasarkan
perbedaan antara nilai setpoint (nilai yang diinginkan) dan nilai aktual
sistem.
Nama: M. Azzam Ashar NIM : 210431100094

▪ Stabilitas: PID dapat digunakan untuk mencapai stabilitas sistem yang

baik. Dengan mengatur parameter proporsional, integral, dan diferensial
yang tepat, PID dapat menghilangkan osilasi dan memastikan sistem
tetap berada pada nilai setpoint yang diinginkan.
▪ Stabilitas: PID dapat digunakan untuk mencapai stabilitas sistem yang
baik. Dengan mengatur parameter proporsional, integral, dan diferensial
yang tepat, PID dapat menghilangkan osilasi dan memastikan sistem
tetap berada pada nilai setpoint yang diinginkan.
2. Kekurangan PID
▪ Sensitif terhadap Perubahan Parameter: PID membutuhkan penyetelan
parameter yang tepat agar berfungsi dengan baik. Perubahan parameter
yang signifikan dapat mempengaruhi kinerja PID, dan penyetelan
parameter yang buruk dapat menyebabkan osilasi, overshoot, atau
response yang lambat.
▪ Terbatas pada Sistem Linier dan Stasioner: PID memiliki keterbatasan
dalam mengendalikan sistem yang nonlinier atau sistem yang
mengalami perubahan dinamis secara signifikan. PID dirancang untuk
sistem linier dan stasioner, sehingga mungkin tidak efektif dalam
mengendalikan sistem yang kompleks.
▪ Tidak Memperhitungkan Perubahan Masa Depan: PID hanya
merespons perubahan saat ini berdasarkan perbedaan antara setpoint
dan nilai aktual. PID tidak memiliki informasi tentang perubahan masa
depan dalam sistem, sehingga mungkin tidak efektif dalam
mengendalikan sistem dengan dinamika yang kompleks atau berubah-
ubah secara cepat.
▪ Kurang Responsif terhadap Perubahan Besar: PID mungkin tidak
responsif secara optimal terhadap perubahan besar dalam sistem. Pada
saat respons PID yang terlalu lambat, terjadi overshoot yang signifikan
atau jika nilai proporsional yang terlalu tinggi digunakan, dapat
menyebabkan osilasi.
Nama: M. Azzam Ashar NIM : 210431100094

Meskipun PID memiliki beberapa kekurangan, ia tetap merupakan metode

pengendalian yang populer dan sering digunakan dalam berbagai aplikasi
industri karena kesederhanaan dan fleksibilitasnya[3].
Nama: M. Azzam Ashar NIM : 210431100094

3.3 Alat dan Bahan

a. Modul Praktikum
b. Laptop/PC yang sudah terinstal Matlab dan Simulink
c. Tabel Pengamatan

3.4 Langkah Percobaan

a. Nyalakan Laptop/PC lalu buka Matlab.
b. Pada toolbar Home klik “Simulink”, lalu pilih “Blank Mode”, klik “Library Browser”.
c. Buatlah blok diagram dari komponen pada Library Browser dengan search komponen:
1. Step
2. Sum
3. PID Controller
4. Transfer fcn
5. Mux dengan 2 input, 1 output
6. Scope
d. Setelah komponen disusun sesuai urutan, selanjutnya dilakukan wearing/pengkabelan pada
komponen.
e. Klik pada Sum lalu ganti ++ menjadi +-.
f. Klik pada Transfer fcn lalu mengganti Denominator Coefficient menjadi [1 15 30].
g. Selanjutnya melakukan percobaan sesuai pada tabel pengamatan.
h. Percobaan Konstanta Proposional
1. Klik pada PID lalu setting nilai Proposional (P) sesuai tabel (250 dan 600).
2. Klik oke, lalu buka scope.
3. Run pada scope tunggu hingga grafik miuncul.
4. Lalu screenshots grafik dan ditempel pada tabel pengamatan.
i. Percobaan Konstanta Integral
1. Klik pada PID lalu setting nilai Integral (I) sesuai tabel (25 dan 45).
2. Klik oke, lalu buka scope.
3. Run pada scope tunggu hingga grafik muncul.
4. Lalu screenshots grafik dan ditempel pada tabel pengamatan.
j. Percobaan Konstanta Derivativ
Nama: M. Azzam Ashar NIM : 210431100094

1. Klik pada PID lalu setting nilai Derevativ (D) sesuai tabel (12 dan 85).
2. Klik oke, lalu buka scope.
3. Run pada scope tunggu hingga grafik muncul.
4. Lalu screenshots grafik dan ditempel pada tabel pengamatan.
k. Percobaan PID anti-overshoot
1. Klik pada PID, pada main cari Autimated pilih “Transfer Function….”, Klik apply,
lalu kilik pada “Turn..” tunggu hingga muncul grafik.
2. Pada Transfer Behavior arahkan hingga kursor berada paling kanan.
3. Setelah itu klik “Update Block”.
4. Selanjutnya screenshots nilai hasil turning PID.
5. Klik oke, lalu buka scope.
6. Run pada scope tunggu hingga grafik muncul.
7. Lalu screenshots grafik dan ditempel pada tabel pengamatan.
l. Percobaan PID minimum Response Time
1. Klik pada PID, pada main cari Autimated pilih “Transfer Function…”, klik apply, lalu
klik pada “Turn..” tunggu hingga muncul grafik
2. Pada Respons Time (Seconds) arahkan hingga kursor berada paling kanan
3. Setelah itu klik “Update Blok:
4. Selanjutnya screenshots nilai hasil turning PID
5. Klik oke, lalu buka scope
6. Run pada scope tunggu hingga grafik muncul
7. Lalu screenshots grafik dan ditempel pada tabel pengamatan
3.5 Hasil Percobaan

LEMBAR PENGAMATAN MODUL 3

Nama Praktikan : M. Azzam Ashar

Nama Asprak : Pandu Saputra

1. Tabel Pengamatan Konstanta Proporsional

a. Konstanta Proporsional = 250
Kp 250 Ki 0 Kd 0
Grafik Hasil Simulasi

b. Konstanta Proporsional = 600

Kp 600 Ki 0 Kd 0
Grafik Hasil Simulasi
2. Tabel Pengamatan Konstanta Integral
a. Konstanta Integral = 25
Kp 0 Ki 25 Kd 0
Grafik Hasil Simulasi

b. Konstanta Integral = 45
Kp 0 Ki 45 Kd 0
Grafik Hasil Simulasi

3. Tabel Pengamatan Derivatif

a. Konstanta Derivatif = 12
Kp 0 Ki 0 Kd 12
Grafik Hasil Simulasi

b. Konstanta Derivatif = 85
Kp 0 Ki 0 Kd 85
 Grafik Hasil Simulasi

4. Tabel Pengamatan PID anti-overshoot

Grafik Hasil Simulasi

Hasil Tuning PID

Koefisien Proporsional (Kp) 75.1373993024702
Koefisien Integral (Ki) 149.767555794297
Koefisien Derivatif (Kd) 4.98668657891236
Koefisien Filter (N) 574.130817313692
 6. Tabel Pengamatan PID Minimum Response Time

Grafik Hasil Simulasi

Hasil Tuning PID

Koefisien Proporsional (Kp) 91.3542952514901
Koefisien Integral (Ki) 206.94196838762421
Koefisien Derivatif (Kd) 6.4376289206126
Koefisien Filter (N) 689.763666182576
Nama: M. Azzam Ashar NIM : 210431100094

B. Analisa
Dari hasil eksperimen yang telah dilakukan pada modul ketiga kali ini mengenai
kendali PID, dapat disimpulkan bahwa kendali PID dapat dilakukan secara efektif
menggunakan software MATLAB dengan mengacu pada tabel yang diperoleh dari hasil
eksperimen. Dalam simulasi tersebut, dilakukan penyesuaian nilai sesuai dengan tabel dan
juga dilakukan penyetelan (tuning) yang diperlukan. Dalam percobaan ini, terdapat
pengamatan mengenai konstanta proporsional dengan menggunakan dua nilai yang berbeda,
yaitu 250 dan 600. Berdasarkan hasil grafik yang diperoleh, terlihat bahwa nilai konstanta
250 menghasilkan peningkatan yang lebih kecil dibandingkan dengan nilai konstanta 600.
Dari hal ini, dapat disimpulkan bahwa perbedaan nilai konstanta akan memiliki dampak pada
tinggi gelombang, di mana semakin besar nilai konstanta, maka semakin besar juga tinggi
gelombang yang dihasilkan. Selanjutnya, dalam percobaan mengenai konstanta integral,
juga dilakukan dua kali percobaan dengan menggunakan dua nilai yang berbeda, yaitu 25
dan 45. Simulasi menunjukkan bahwa nilai konstanta integral 25 menghasilkan gelombang
yang hampir sejajar dengan garis biru, sementara nilai konstanta 45 menghasilkan
gelombang yang lebih besar dibandingkan sebelumnya. Pada percobaan mengenai konstanta
derivatif, dilakukan juga dua kali percobaan dengan menggunakan dua nilai yang berbeda,
yaitu 12 dan 85. Hasil percobaan menunjukkan bahwa gelombang dari percobaan derivatif
berada di bawah garis biru atau lebih kecil dibandingkan percobaan proporsional dan
integral. Semakin besar nilai konstanta yang diberikan, maka semakin besar pula tinggi
gelombang yang dihasilkan. Perlu diperhatikan bahwa hasil dengan nilai konstanta derivatif
12 memiliki panjang gelombang yang lebih pendek dibandingkan hasil dengan nilai
konstanta derivatif 85 yang mendekati garis biru. Pada percobaan selanjutnya, yaitu
mengenai PID anti-overshoot, dilakukan penyetelan hingga tidak terjadi overshoot, yaitu
gelombang yang tidak melebihi atau sejajar dengan garis biru. Dari penyetelan tersebut,
diperoleh koefisien proporsional (Kp) sebesar 75.1373993024702, koefisien integral (Ki)
sebesar 149.767555794297, koefisien derivatif (Kd) sebesar 4.98668657891236, dan
koefisien filter (N) sebesar 574.130817313692. Percobaan terakhir adalah mengenai PID
minimum response time, di mana response time diupayakan untuk menjadi sekecil mungkin.
Secara keseluruhan, hasil grafik pada percobaan ini hampir sama dengan percobaan
sebelumnya, namun terdapat sedikit overshoot pada awalnya. Dari penyetelan PID,
Nama: M. Azzam Ashar NIM : 210431100094

diperoleh koefisien proporsional (Kp) sebesar 91.3542952514901, koefisien integral (Ki)

sebesar 206.941968387.
Nama: M. Azzam Ashar NIM : 210431100094

3.6 Tugas Modul

1) Pertanyaan
1
a) Ubah tranfer Fcn menjadi dan step menjadi
16𝑠2 +(𝑛𝑖𝑚_𝑎𝑠𝑝𝑟𝑎𝑘)𝑠+(𝑛𝑖𝑚_𝑝𝑟𝑎𝑘𝑡𝑖𝑘𝑎𝑛)

Random Number dengan ketentuan mean = 0, Variance = 1, Seed = 0, dan Sample

time = 3.
b) Tuning nilai PID sampai tidak ada overshoot dengan respons time relative kecil.
c) Tuning nilai PID sampai respons timenya kecil dan menghasilkan overshoot satu kali.
2) Jawaban
a)

b)

c)
Nama: M. Azzam Ashar NIM : 210431100094

3.7 Penutup
a. Kesimpulan
Dalam modul ketiga praktikum sistem kendali yang membahas tentang Pengendali
PID, dapat disimpulkan bahwa Pengendali PID (Proportional-Integral-Derivative)
memiliki beberapa kelebihan yang membuatnya menjadi salah satu metode kontrol yang
paling umum digunakan dalam industri. Kelebihan tersebut meliputi kesederhanaan,
stabilitas, dan adaptabilitas. Pengendali PID dapat diimplementasikan dengan mudah,
menjaga stabilitas sistem, memberikan respons cepat terhadap perubahan, dapat
beradaptasi dengan berbagai jenis sistem, memiliki penyetelan parameter yang efektif,
toleransi terhadap gangguan, dan kemampuan komputasi yang efisien. Pengendali PID
juga dapat diterapkan dalam berbagai industri dan aplikasi, seperti pengendalian suhu,
level, kecepatan, tekanan, dan banyak lagi. Namun demikian, meskipun memiliki
kelebihan yang signifikan, pengendali PID juga memiliki beberapa kekurangan.
Kekurangan tersebut antara lain sensitivitas terhadap perubahan sistem yang kompleks,
keterbatasan dalam pemodelan sistem, dan kebutuhan akan penyetelan parameter yang
cermat. Oleh karena itu, penting untuk mempertimbangkan karakteristik sistem yang akan
dikendalikan dan tujuan kontrol yang diinginkan sebelum memutuskan penggunaan
pengendali PID. Meskipun demikian, secara keseluruhan, pengendali PID tetap menjadi
metode kontrol yang populer dan efektif dalam banyak aplikasi industri. Namun,
penyesuaian dan pemilihan yang cermat diperlukan untuk mencapai kinerja kontrol yang
optimal. Dalam simulasi praktikum ini, pengguna menggunakan software MATLAB.
MATLAB merupakan lingkungan komputasi numerik dan bahasa pemrograman yang
dikembangkan oleh MathWorks. MATLAB memiliki berbagai fungsi dan alat yang
memudahkan pengolahan data, analisis numerik, dan pemodelan simulasi. Software ini
digunakan secara luas di berbagai bidang seperti ilmu teknik, ilmu komputer, matematika,
fisika, keuangan, dan lain-lain. Selain itu, MathWorks juga menyediakan produk-produk
terkait seperti Simulink untuk pemodelan simulasi sistem dinamis, dan MATLAB
Compiler untuk mengompilasi kode MATLAB menjadi aplikasi mandiri. Secara
keseluruhan, MATLAB merupakan lingkungan komputasi numerik yang kuat dan
Nama: M. Azzam Ashar NIM : 210431100094

fleksibel yang digunakan secara luas dalam berbagai disiplin ilmu dan industri untuk
analisis data, pemodelan, simulasi, dan pemecahan masalah numerik.
b. Saran
Saya memiliki beberapa saran untuk praktikum sistem kendali pada modul 3 yang
membahas Pengendali PID. Salah satunya adalah bahwa saat melakukan simulasi, saya
merasa sedikit kesulitan dalam memahami fungsi dan tujuan dari setiap simulasi yang
dilakukan, terutama ketika tidak memiliki penjelasan yang jelas mengenai kegunaannya.
Saya juga ingin mengucapkan terima kasih kepada asisten praktikum yang dengan tekun
telah berusaha menjelaskan materi kepada saya.
Nama: M. Azzam Ashar NIM : 210431100094

Daftar Pustaka

[1] Maarif, A., Puriyanto, R. D., & Hasan, F. R. T. (2020). Robot Keseimbangan Dengan Kendali
Proporsional-Integral-Derivatif (PID) dan Kalman Filter. IT Journal Research and Development, 4(2).

[2] Muhammad, M., Maharani, A., & Leni, M. (2019). Optimasi Pengendalian Flow Control DEA
Absorber Menggunakan Proportional Integral Derivative (PID) Control Dengan Metode Respon Surface
Methodology (RSM). Jurnal Teknologi Kimia Unimal, 7(2), 152-162.

[3] Surindra, M. D., Widyaningsih, W. P., Margana, M., Supriyo, S., & Mulud, T. H. (2020, December).
Sistem Kontrol Proportional Integral Derivative (PID) Untuk Mengatur Kecepatan Motor DC Menggunakan
Mikrokontroller. In Prosiding Seminar Nasional NCIET (Vol. 1, No. 1, pp. 528-525).
Nama: M. Azzam Ashar NIM : 210431100094