abe.

alkaff

Pengolahan Sinyal Pengaturan

(Identifikasi Sistem, Estimasi, Prediksi)
Abdullah Alkaff
 abe.alkaff

1.
Konsep
Pengolahan Sinyal Pengaturan dan Pemanfaatannya
(untuk identifikasi, estimasi, predikasi)
 abe.alkaff
Daftar Isi
1.1 Pengertian Pengolahan Sinyal Pengaturan
1.2 Variable Yang Sering Digunakan Dan Notasinya
1.3 Skema Umum Pengolahan Sinyal Pengaturan
1.4 Prinsip Pengolahan Sinyal Pengaturan
1.5 Skema Keacakan Dan Optimisasi Pengolahan
1.6 Konstruksi Pengolahan Sinyal Pengaturan
1.7 Beberapa Ilustrasi
1.8 Perkuliahan
 abe.alkaff

1.1 Pengertian Pengolahan Sinyal

Pengaturan
 abe.alkaff
Pengertian Pengolahan Sinyal Pengaturan
Adalah teknik pengolahan sinyal untuk memahami sistem yang menghasilkan sinyal
tersebut dalam usaha memudahkan pengaturan sistem tersebut
Prosesnya adalah sebagai berikut:
Mengukur sinyal keluaran system yang menyatakan besaran system yang menjadi
perhatian
Memasukkan hasil pengukuran keluaran sistem tersebut ke dalam suatu sistem
pengolah sinyal (sebut dengan prosesor)
 abe.alkaff
Pengertian Pengolahan Sinyal Pengaturan
Menggunakan prosesor tersebut untuk memperoleh informasi tentang:
Model system proses ini disebut identifikasi system yaitu untuk memperoleh
persamaan dinamika sistem
Kondisi (state) system proses ini disebut penyaringan (estimasi, prediksi,
penghalusan)
*Estimasi : Melakukan pengukuran sekarang untuk menentukan state sekarang
*Prediksi : Melakukan pengukuran sekarang untuk menentukan state nanti
*Penghalusan : Melakukan pengukuran sekarang untuk memperbaiki nilai state
yang sudah diperoleh pada waktu sebelumnya
Parameter system proses ini disebut estimasi parameter bila model konseptual
sudah diketahui
Permasalahan ini menjadi penting dan rumit karena adanya gangguan yang bersifat acak:
Gangguan pada pengukuran (measurement noise)
Gangguan pada dinamika system (system noise)
 abe.alkaff

1.2 Variabel yang Sering Digunakan

dan Notasinya
 abe.alkaff
Variabel yang Sering Digunakan dan Notasinya
Input system pada saat k: () atau
Keluaran system pada saat k: () atau
Hasil pengukuran pada saat k: () atau
State system pada saat k: () atau
Noise system pada saat k: () atau
Noise pengukuran pada saat k: () atau
Residu dari system terhadap model pada saat k: () atau
Estimasi (hasil pengolahan) dari pada saat berdasarkan pengukuran pada

saat k: (|)
atau () atau | atau .. Demikian juga untuk X
Prediksi (hasil pengolahan) dari pada saat + berdasarkan pengukuran pada
+ |) atau + atau
saat k: ( + |
Kesalahan estimasi pada saat k: () atau
Huruf besar pada umumnya untuk menyatakan variable bernilai acak dan huruf
kecil untuk variable bernilai deterministic (kecuali bila ada informasi lain)
 abe.alkaff

1.3 Skema Umum Pengolahan Sinyal

Pengaturan
 abe.alkaff
Skema Umum Pengolahan Sinyal Pengaturan
1. Tanpa gangguan pengukuran, tanpa masukan system, tanpa pengetahuan tentang dinamika sistem

Keluaran Hasil Hasil pengolahan:

Sistem Pengukuran pengukuran: Pengolahan Y(k) = f(Y(k-i), O(k-i)),
sistem: Y(k)
Z(k) = Y(k) i=1,2,
Populer diistilahkan dengan Identifikasi Sistem: pendekatan model Box-Jenkins dan variasinya
Contoh: Keluaran sistem

Sistem

Contoh:
Cari Model Y = 1 , Orde 1
Sistem Y = 1 , 2 , , , 1 , Orde
Banyak
 abe.alkaff

Skema Umum Pengolahan Sinyal Pengaturan

2. Dengan gangguan pengukuran/penyaluran, dengan informasi model keacakan keluaran
system (tanpa/dengan model dinamika system)

Gangguan
pengukuran: V(k)

Keluaran Pengukuran/ Hasil Hasil pengolahan:

Sistem Pengolahan
system: Y(k) penyaluran pengukuran:Z(k)
() = (( )),
i=1,2,

Populer diistilahkan dengan penyaringan atau Filtering Tidak Berbasis Model (System):
Wiener Filter + variasinya
 abe.alkaff

Skema Umum Pengolahan Sinyal Pengaturan

3. Dengan gangguan pengukuran, dengan masukan system, dengan pengetahuan tentang dinamika sistem

Gangguan Gangguan
sistem: W(k) pengukuran: V(k)

Hasil Hasil
Masukan Sistem Keluaran
Pengukuran Pengolahan
system: u(k) (State X(k)) system:Y(k) pengukuran:Z(k)
pengolahan: ()

Model system: Model pengukuran:

X(k) = A X(k-1) + Bu(k-1) + W(k) Z(k) = CX(k) + V(k)

Populer diistilahkan dengan penyaringan atau filtering berbasis model (system): Kalman Filter + variasinya
 abe.alkaff

Skema Umum Pengolahan Sinyal Pengaturan

Dua model terakhir diatas disebut sebagai proses filtering yang berfungsi menghasilkan
nilai sinyal sebenarnya dari nilai pengukuran yang terganggu oleh noise system dan
pengukuran
Filtering tidak berbasis model
Terdapat 2 macam filtering
Filtering berbasis model

Semua gangguan adalah acak sehingga merupakan proses stokastik. Ini berakibat
bahwa semua variable akan menjadi varaibel acak: variable state, variable output,
variable pengukuran
Untuk memahami proses pengolahan sinyal pengaturan harus memahami proses
stokastik, antara lain tentang: pengertian proses stokastik, fungsi korelasi, mean,
varians/kovarians, dan respons system linier terhadap input acak
 abe.alkaff

1.4 Prinsip Pengolahan Sinyal

Pengaturan
 abe.alkaff

Prinsip Pengolahan Sinyal Pengaturan

Mengingat sifat acak dari beberapa variable yang terlibat dalam permasalahan ini, maka
tidak mungkin merancang suatu prosesor yang mampu menghasilkan nilai sebenarnya dari
kondisi atau model system yang akan dikendalikan
Yang dapat dilakukan hanya membuat perkiraan (estimation) atau prakiraan (prediction)
kondisi atau model system sebenarnya
Perkiraan tersebut harus dibuat yang terbaik, dalam arti kesalahannya adalah minimum
yaitu sedekat mungkin dengan nol
Dalam kata lain prosesor tersebut harus optimal terhadap suatu kriteria kesalahan tertentu
yang dipilih
Pada umumnya yang dipakai adalah minimum mean squared error (MSE) atau least
squared error (LSE) dimana error didefinisikan sebagai selisih antara nilai keluaran prosesor
dengan nilai kondisi/model system sebenarnya
* Least Squared Error (LSE) yang dimaksud adalah Least dari MSE
 abe.alkaff
Prinsip Pengolahan Sinyal Pengaturan
*Smoothing: Z(k) dipakai untuk menentukan
Y =
*Estimating: Z(k) dipakai untuk menentukan
= *Predicting: Z(k) dipakai untuk menentukan +

j Langkah
Y
SISTEM PENGUKURAN SMOOTHING

Y
SISTEM PENGUKURAN ESTIMATING

Y +
SISTEM PENGUKURAN PREDICTING
 abe.alkaff
Prinsip Pengolahan Sinyal Pengaturan

Selisih antara () dan ()
atau selisih antara X() dan () disebut kesalahan
= ()
atau Y ()
*Minimum Variance Squared Error
MSE adalah error setiap saat dibagi banyaknya data
2
=1 ()
= = [ 2 ]

Ada kriteria lain yang juga dapat dipakai: Maximum Likelihood (ML), Maximum a Posteriori
(MAP), dan lainnya
 abe.alkaff

1.5 Skema Keacakan dan Optimisasi

Pengolahan
 abe.alkaff

Skema Keacakan dan Optimisasi Pengolahan

Gangguan Gangguan
sistem: W(k) pengukuran: V(k)
acak optimal
acak acak
Masukan Keluaran Hasil Hasil

sistem: u(k)
Sistem sistem:Y(k)
Pengukuran pengukuran:Z(k) Pengolahan
pengolahan: ()

X(k) = AX(k-1) + Bu(k-1) + W(k) Z(k) = CX(k) + V(k)

(model sistem) (model pengukuran) acak

-
kesalahan

Catatan: Bila model system tidak diketahui, maka tidak ada Minimum variance atau
informasi tentang X dan hasil pengolahan adalah maximum probability
 abe.alkaff

Skema Keacakan dan Optimisasi Pengolahan

* Varian Kesalahan

[ ] = 0 Ketetapan (idealnya)
[ 2 ] 0
[ 2 ] > 0
Grafik kesalahan

Var = [(- ]2
= [ 2 2 + []2 ]
Var = [ 2 ] 2 + []2
= [ 2 ] =0 =0
=
Jadi Varian Kesalahan ( Var ) sama dengan MSE
 abe.alkaff

1.6 Konstruksi Pengolahan Sinyal

Pengaturan
 abe.alkaff
Konstruksi Pengolahan Sinyal Pengaturan
Perancangan pengolah sinyal pengaturan
(prosesor) memerlukan sejumlah informasi:
Variabel yang terlibat:
Kriteria yang dipergunakan
Keluaran sistem dan/atau state sistem
Minimum variance (MSE)
Gangguan pengukuran Maximum probability
Gangguan sistem (ML/MAP)
Model yang menyatakan keterkaitan Model atau algoritma
antar variable: prosesor yang sesuai:
Model system Box-Jenkins Model
Model pengukuran/penyaluran Wiener Filters
Model gangguan Kalman Filters
(Adaptive Filters)
 abe.alkaff

1.7 Beberapa Ilustrasi

 abe.alkaff
Ilustrasi 1
Sinyal acak dengan fungsi autokorelasi tidak mengalami gangguan. Beberapa
pengukuran terakhir memberikan nilai Y1, Y2,, Yk. Apakah estimasi terbaik untuk ?
Sinyal yang sama mengalami gangguan berupa white noise dengan spektrum kerapatan
daya Skk = N (konstan). Ingin dirancang sebuah filter yang dapat memperkirakan nilai
dengan MSE minimum
Informasi yang tersedia:
Variabel:
Keluaran system
Gangguan N
Model:
Model keacakan keluaran
Model gangguan: white noise
Kriteria:
MSE
Model prosesor:
Wiener Filter
 abe.alkaff
Ilustrasi 2
Pengukuran terhadap nilai sinyal keluaran dari suatu system menghasilkan
nilai-nilai sebagai berikut

Sinyal
Sistem
keluaran

Tentukan model yang tepat (menghasilkan kesalahan perkiraan minimum)

untuk menyatakan dinamika system dengan sinyal keluaran diatas
Konstruksi Model Pengolahan Sinyal:
Variabel: Keluaran system
Model: Gangguan white noise yang menyebabkan keacakan keluaran
Kriteria: MSE
Model prosesor: Box-Jenkins
 abe.alkaff
Ilustrasi 3

Sinyal acak dengan model sinyal seperti diatas disalurkan melalui kanal yang menyebabkan
sinyal tersebut terdistorsi dengan model kanal seperti diatas.
Tentukan nilai koefisien filter w untuk memperkirakan nilai sinyal sebenarnya dengan MSE
minimum
 abe.alkaff
Konstruksi Model Pengolahan Sinyal

Variabel:

Model:

Kriteria:

Model prosesor:
 abe.alkaff
Ilustrasi 4

Candy, J.A. Contoh 1.1

V (Noise)

(Filter)
(Estimasi)
e e out
Sistem Pengukuran Pengolahan
 abe.alkaff
Konstruksi Model Pengolahan Sinyal

Variabel:

Model:

Kriteria:

Model prosesor:
 abe.alkaff
Ilustrasi 5
Brown, R.G. Bab 4.4
Noise system
(white noise (f))

Noise
Noise
Generator
Pengukuran (V)

Y Z
Gyro Pengukuran Pengolahan

= + = +
 abe.alkaff
Konstruksi Model Pengolahan Sinyal
Variabel:

Model:

Kriteria:

Model prosesor:
 abe.alkaff

1.8 Perkuliahan
 abe.alkaff
Rencana Kuliah
Pengertian dan Pemanfaatan Pengolahan Sinyal Pengaturan
Ulasan Ringkas Probabilitas dan Proses Stokastik
Identifikasi System: Model ARMA, ARMAX, ARIMA, (Lattice)
Filter Linear: Least Square (LS) Filter, Filter Wiener Digital, (Filter Wiener Recursive)
Filter Kalman: Standard/Basic, Augmented, Extended, (Unscented)
Aplikasi
Pembahasan dibatasi hanya pada ruang waktu diskrit (bukan waktu kontinyu):
Sinyal diskrit
Sistem diskrit
 abe.alkaff
Prasyarat
Probabilitas dan Proses Stokastik
Aljabar linier (matriks, vektor)
MATLAB
 abe.alkaff
Penilaian

Rencana penilaian dan pembagian bobotnya

Tugas : 6 kali @ 5%
Ujian : 2 kali @ 10% (UTS dan UAS)
Proyek : 3 kali @ 15% (Identifikasi, Wiener, Kalman)
Partisipasi : 5%
 abe.alkaff

Capaian Pembelajaran
Menguasai pengetahuan factual, konseptual, procedural, dan metakognitif
yang diperlukan untuk mengolah sinyal pengaturan secara optimal
Mampu menggunakan pengetahuan tersebut untuk secara kritis dan kreatif
menyelesaikan permasalahan nyata terkait kebutuhan:
mengidentifikasi model matematika terbaik untuk menyatakan dinamika suatu sistem
dan/atau estimasi parameter model tersebut
merancang filter optimal pengolah sinyal statis
merancang filter optimal pengolah sinyal dinamis untuk dipergunakan mengestimasi dan
memprediksi kondisi sistem dinamis yang menghasilkan sinyal tersebut
Mampu mengomunikasikan penguasaan dan kemampuan pengolahan sinyal
pengaturan yang dimiliki dalam bahasa tulis dan lisan yang jelas dan efektif
Bersikap jujur, disiplin, professional, kooperatif/kolaboratif, dalam
menyelesaikan permasalahan-permasalahan pengolahan sinyal pengaturan
yang dihadapi
 abe.alkaff
Buku Acuan
Alkaff, A. Diktat Kuliah Teknik Penyaringan Optimal
Candi, J.A., Model Based Signal Processing, Wiley-IEEE, 2006
Brown, R.G. dan Y.C. Hwang, Introduction to Random Signals and Applied Kalman
Filtering, 4th ed, Wiley, 2012
Alkaff, A., Diktat Kuliah Proses Stokastik (atau yang baru)
 abe.alkaff

Tugas 1
1. Lengkapi paparan ini dengan yang dijelaskan di kelas
2. Baca Bab 1 Buku JA Candy dan kerjakan salah satu soal yang
diberikan pada Bab 1
3. Kumpulkan pada hari Sabtu paling lambat Jam 24:00 melalui email
ke abealkaff@gmail.com dengan:
a. Subyek: Tugas 1 Konsep PSP/ISEP oleh .
b. Nama file pada Lampiran: Tugas 1 Konsep PSP/ISEP oleh