ISSN 2407-9189 University Research Colloquium 2015

SISTEM KENDALI KECEPATAN MOTOR BLDC MENGGUNAKAN
ALGORITMA HYBRID PID FUZZY

Roedy Kristiyono1, Oyas Wahyunggoro2, Prapto Nugroho3
1) Jurusan Teknik Elektro –ATW Surakarta
Email : roedy_kristiyono@ymail.com
2) Jurusan Teknik Eektro dan Teknologi Informasi – UGM
Email : oyas@ugm.ac.id
3) Jurusan Teknik Elektro dan Teknologi Informasi – UGM
Email : pnugroho@jteti.gadjahmada.edu

Abstract

BLDC motors are widely used in many industrial applications because of its high efficiency,
high torque and low noise volume. BLDC motor speed control is a complex process. But
complexity is made comparable to the performance of the BLDC motor is high. Conventional
PID control proved to be able to show good performance in controlling the specific loading on
the plant. But any changes in the load of the plant, conventional PID control should be re-set
the parameters kp, ki and kd to target steady state according to the desired set point. The
purpose of this study is to design equipment for the control of BLDC motor that can
automatically tune the PID parameters by fuzzy logic. In the present study used a RISC AVR
microcontroller as the control center. While the software is used for algorithm programming
PID control and PID-fuzzy hybrid control in C language. In order to tune the proper PID
parameters in real time, then made a two-level control system. The first level to determine the
parameters of PID by finding the minimum and maximum value of kp, ki and kd the reaction
curve method. The second level designing fuzzy systems in order to automatically tune PID
reinforcement, then formulated into a combination of 49 fuzzy if-then rules to get the value of
kp, ki and kd right of errors and changes in the value of delta error. Testing changes in set point
and load changes resulting response characteristics of conventional PID control systems with
an average value that is the rise time (tr) 0.025 seconds, the preset time (ts) 0.1625 seconds,
amounting to 15.98% overshoot. While control Hybrid PID Fuzzy resulting average value of the
rise time (tr) 0.0025 seconds, the preset time (ts) 0.057 seconds, overshoot at 5.42%.
Keywords: BLDC Motor, Brushless DC Motor, Control, PID, Fuzzy, Auto-tuning

1. PENDAHULUAN atau meredam overshoot/undershoot. Agar
Sistem kendali PID paling banyak mendapatkan suatu keluaran yang tinggi dan
digunakan dalam pengendalian di industri. error yang kecil, maka kita dapat gabungkan
Keberhasilan pengendali PID tergantung kendali-kendali tersebut menjadi aksi PID.
ketepatan dalam menentukan konstanta Pada makalah ini sistem kendali yang
(penguatan) PID[1]. Dalam suatu sistem digunakan adalah sistem kendali PID digital.
kendali kita mengenal adanya beberapa Seiring dengan perkembangan sistem
macam aksi kendali, yaitu aksi kendali berbasis pengetahuan, penalaan konstanta
proporsional, aksi kendali integral, dan aksi PID ini dapat ditentukan dengan
kendali derivatif. Masing-masing aksi menganalisis tanggapan suatu sistem, hasil
kendali ini mempunyai keunggulan tertentu, analisis ini dibentuk dalam sejumlah aturan.
dimana aksi kendali proporsional mempunyai Dengan mengkombinasikan aturan,
keunggulan risetime yang cepat, aksi kendali pengaturan ini menjadi sebuah sistem fuzzy
integral mempunyai keunggulan untuk sebagai salah satu sistem berbasis
memperkecil error, dan aksi kendali derivatif pengetahuan sehingga konstanta PID dapat
keunggulannya untuk memperkecil derror ditala secara waktu nyata. Untuk mencapai

116

Sedangkan sensor) atau dengan gulungan Back Electomotive kendali derivatif (turunan) bekerja berdasarkan Force. sensitivitasnya akan semakin tinggi. akurasi. karena aksi kendali ini mampu mereduksi error. II. Brushless DC Motor faktor penguatan ini merupakan konstanta Brushless motor DC (Motor BLDC) semakin proposional dari sistem. Aras pertama PID ) adalah sistem kendali PID konvensional. Motor tersebut memiliki rotor inersia yang feedback. dan banyak atau bahkan tidak memerlukan kecepatan perubahan ouput nya tersebut perawatan. Dalam mode sensor. dimana Kp menpunyai tanggapan yang mereka memiliki banyak keuntungan. Dalam kendali integral. dimana Kd ini mempengaruhi kestabilan dari sistem. Sinyal output merupakan penguatan ALGORITMA HYBRID PID-FUZZY dari sinyal kesalahan dengan faktor tertentu. Dalam aksi kendali proposional. dimana Ki ini mempunyai universal yang memakai sikat. yang dibutuhkan untuk mencapai kestabilan lebih Komutasi disediakan baik oleh sensor posisi (hall cepat.University Research Colloquium 2015 ISSN 2407-9189 hal tersebut sistem kendali dibentuk menjadi b. maka: (4) (5) 117 . a. sensitivitas yang tinggi. Dengan Q1 Q3 Q5 ia Ra L penggabungan aksi kendali PID ini maka Ua ea diharapkan akan mendapat suatu tanggapan yang + Vdc ib Ub Rb M L mempunyai tingkat kestabilan yang tinggi. tetapi waktu Komutasi ini dikendalikan secara elektronik. motor BLDC laju perubahan simpangan. Karaktristik yang umum digunakan dalam Aras kedua adalah sistem fuzzy yang menala pengaturan suatu sistem antara lain meliputi stabilitas. Semakin besar nilai Ki. output nya BLDC tidak memiliki sikat sehingga tidak selalu berubah selama terjadi penyimpangan. maka kecil. yaitu dengan cara Juga memiliki berat yang baik untuk rasio ukuran mereduksi error yang dihasilkan dari sinyal daya. kecepatan respon dan konstanta PID secara waktu nyata. Motor Drive dan ekuivalen BLDC Motor kendali PID[4] pada komputer. Tidak menghasilkan suara atau sebanding dengan penyimpangannya. kendalier ini selalu digunakan bersama-sama rotor dan hall sensor dengan kendalier proposional dan integral. demikian pula sebaliknya. atau nilai Setting Hall Sensor Point = Preset Value[4]. eb Un M PID digital merupakan proses dari suatu Rc L M Q4 Q6 Q2 Uc ec program yang dijalankan dengan menggunakan ic komputer. sehingga jenis biasanya terdiri dari tiga bagian utama: stator. Untuk dapat mengimplementasikan sistem Gbr 1. Motor tinggi/cepat. dimana kita memasukkan suatu nilai BLDC Motor Setting Point (SP) dan Preset Value (PV) yang A B C kemudian data tersebut diproses sehingga error yang didapatkan sama dengan 0. Kumparan yang melekat pada stator. Kendali Proposional Integral Derivatif ( sistem kendali dua aras[2]. Konstanta dinyatakan dengan Kd. PID harus diubah TABEL 1 ke dalam persamaan diskrit : Motor BLDC dengan arah putar jarum jam Hall EMF Gate Logic (1) Sensor A B C A B C Q1 Q2 Q3 Q4 Q5 Q6 0 0 0 0 0 0 0 0 0 0 0 0 Kemudian diturunkan 0 0 1 0 -1 1 0 0 0 1 1 0 (2) 0 1 0 -1 1 0 0 1 1 0 0 0 0 1 1 -1 0 1 0 1 0 0 1 0 1 0 0 1 0 -1 1 0 0 0 0 1 (3) 1 0 1 1 -1 0 1 0 0 1 0 0 1 1 0 0 1 -1 0 0 1 0 0 1 1 1 1 0 0 0 0 0 0 0 0 0 Dikalikan dengan Ts. konstanta kebisingan dibandingkan dengan motor dc dinyatakan dengan Ki. yang dinyatakan dengan banyak digunakan dalam aplikasi motor karena Kp. SISTEM KENDALI KECEPATAN output dari sistem kendali akan sebanding dengan MOTOR BLDC MENGGUNAKAN input nya. sensitivitas[3].

Kurva Proses Reaksi (8) P Pada kondisi akhir. (15) Sistem kendali hybrid PID-Fuzzy dalam penelitian ini merupakan sistem Fuzzy Logic 118 . Tetapi bisa menerapkan suatu kemampuan manusia untuk dengan. Sistem ini banyak en-1 = error 1 kali sebelumnya dikembangkan dalam bidang teknik kendali. dimana tidak lagi memakai cara konvensional untuk mendapatkan suatu hasil yang diinginkan dengan memakai (12) persamaan matematika. Steady State (6) (7) Sehingga persamaan. Perhitungan auto tuning PID menurut Ziegler maka overshoot/undershoot yang dihasilkan akan Nichols dapat dicari dengan persamaan : sangat peka. 2). jika kendalier di set sangat sensitif. Kp = Konstanta Proposional sistem ini disebut dengan sistem kendali logika Ki = Konstanta Integral fuzzy. Ts = time sampling Pada aplikasi industri yang membutuhkan suatu sistem kendali dengan kecepatan tinggi dan data Untuk mendapatkan harga Kp. yaitu dengan aturan- Vo = Output aturan. maka Sinyal Feedback Gbr 3. Td (Kd) output yang akurat maka pemakaian aksi kendali maka ditentukan dengan kurva proses reaksi PID mungkin masih dianggap kurang (Gbr. dimana sistem dijalankan secara open memuaskan. tetapi waktu yang dibutuhkan akan semakin lama. If – then Rules adalah suatu pengendalian Von-1 = Output sebelumnya yang akan mengikuti pendekatan secara bahasa. Karena jika menggunakan aksi loop[5] kendali PID. en-2 = error 2 kali sebelumnya terutama untuk sistem nonlinear dan dinamis. Ti = 1/Ki. sehingga osilasi yang ditimbukan akan lebih tinggi. Kendali Hybrid PID-Fuzzy Hasil akhir dai persamaan PID menjadi: Teknologi telah berkembang. menjadi : 10% Time Time Lagging L T = Time Konstan σ L = Time Lagging Rise Time T Gbr 2. sedangkan bila kendalier diset kurang peka maka terjadinya (13) overshoot/undershoot dapat diperkecil. dan ini(14) akan menjadi suatu masalah dalam suatu proses industri. SP + I Proses (9) - PV (10) D Disubtitusikan kedalam persamaan. Kendali PID (11) c. Dimana sistem kendali logika fuzzy ini Kd = Konstanta Derivatif tidak memiliki ketergantungan pada variabel- en = error sekarang variabel proses kendali[6].ISSN 2407-9189 University Research Colloquium 2015 Output ( % ) Harga ΔVo merupakan harga perubahan output 100 % yang didapat dari output sekarang dikurangi dengan output sebelumnya. mengendalikan sesuatu. perubahan Δ pada error error Output sebelumnya dapat di distribusikan menjadi.

e2.7 e merupakan spesifikasi Motor BLDC yang Inference u Normalization Fuzzifier Defuzzifier Denormalization digunakan sebagai plant. Ne2) .9 Ampere. +1) kecepatan motor BLDC dengan pembebanan dan dalam proses denormalization. ωref[n] adalah hasil dead time dan delay time dengan kecepatan referensi. (17) Dalam sistem kendali logika fuzzy. Penalaan Kp. Fungsi Keanggotaan untuk e dan de (16) III.University Research Colloquium 2015 ISSN 2407-9189 untuk menala penguatan kendali PID. Zero (Z). Error dihitung dengan mengurangi kecepatan referensi rotor dengan kecepatan motor yang 0 e1. Kd menggambarkan fungsi keanggotaan yang error SP + Kendali PID Proses Output digunakan untuk fuzzify dua nilai masukan (e1. e2) dan satu output (u) ditunjukkan pada Gbr 5. dua parameter normalisasi (Ne1 . derror Fuzzy Kontrol tujuh variabel linguistik didefinisikan sebagai: Negatif Big (NB). nilai output tertentu. Gbr 4. fungsi keanggotaan segitiga fuzzy pada gbr 4.Blok diagram Fuzzy Logic Controller simulator PSIM. Sinyal Feedback Positif Medium (PM). arus 2. Dalam proses normalisasi. nilai-nilai kp. Dimana dari motor yang sebenarnya. Ki dan Kd secara crips (u) dengan proses defuzzifier. di mana e1[n -1] adalah nilai error sebelumnya. dan output defuziffy (u) dari kendalier fuzzy. dari kendalier fuzzy dikonversi ke nilai tergantung Sistem utama adalah kendali PID. tegangan 24 Volt. Negative Small (NS). Untuk tujuan otomatis terhadap pembebanan seperti terlihat ini. Kendali ini parameter denormalization (Nu) didefinisikan kemudian dicoba untuk diimplementasikan pada untuk output. sebagai berikut: -2500 -1250 -833. Kendali PID tuning Fuzzy NB NM NS Z PS PM PB 1 d. pada terminal elemen kendali. motor BLDC dilakukan percobaan pembebanan untuk mendapatkan dimana e1[n] adalah error.u . dan Positif Big (PB). Ki. Pada gbr. Gbr 6. Positif Small(PS).e max + e max sebenarnya. nilai- sistem untuk mengendalikan plant yaitu nilai masukan yang ditingkatkan antara (-1.33 1250 2500 Gbr 6. METODE PENELITIAN DAN HASIL Langkah awal yang dilakukan adalah Knowledge Base mempelajari plant yang akan digunakan dalam sistem kendali ini. Desain Fuzzy Logic Controller (FLC) Diagram blok FLC dengan dua input (e1. untuk input dan satu 119 . ki dan kd maksimal dan minimal dengan metode Ziegler Nichols. didefinisikan untuk setiap masukan dan nilai output dengan tujuh cluster. PV error Selama tujuh kelompok di fungsi keanggotaan. Data flow Kemudian dengan simulasi rangkaian percobaan dengan menggunakan program Gbr 5. sedangkan logika Fuzzy disini berfungsi untuk Nilai-nilai kabur diperoleh dari mekanisme memperbaiki tanggapan dan recovery time inferensi fuzzy harus dikonversi ke nilai output dengan cara menala nilai Kp.33 0 833. e2) . Negatif Medium (NM). dan ωr[n] adalah kecepatan metode kurva proses reaksi. Perubahan dalam hasil kurva reaksi ini nanti akan diperoleh kesalahan dihitung dengan persamaan (17). serta data parameter motor Signal flow diperoleh melalui pengujian dilaboratorium. dengan daya 60 Mechanism Watt. de 3500 rpm.

120 . Motor BLDC dengan beban torque 0. Kd’ dan α.01Nm Gbr 10. Rangkaian Percobaan Simulator PSIM defuzyfikasi ketiga parameter Kp’.ISSN 2407-9189 University Research Colloquium 2015 Gbr 9.5Nm Dengan hasil pada gbr 9 dan 10. Kd dan Ki akan berubah-ubah sesuai dengan pembacaan hasil Gbr 8. dimasukan pada persamaan (18). (19) dan (20) (18) (19) Gbr 7. Motor BLDC dengan beban torque 6. Sehingga dapat direalisasikan pada rutin fuzzy kedalam bahasa pemrograman mikrokendalier. Kd’ dan α adalah seperti diagram alir gbr 11. Tahap pertama adalah membentuk definisi keanggotaan error dan derror kedalam struktur array. (23): (21) (22) (23) Dari persamaan diatas nilai Kp . Data Parameter Motor (20) Sehingga diperoleh persamaan (21). kemudian membentuk fungsi keanggotaan tiap variabel keanggotaan error dan derror. (22). Sedangkan pembacaan nilai Kp’.

Untuk menghasilkan keluaran proporsional maka nilai error dikalikan dengan penguatan proporsional. Setelah ketiga parameter PID didapatkan kemudian akan diumpankan ke kendali. 121 . Dan harga keluaran derivatif adalah harga perubahan error dikalikan dengan penguatan derivatif. Kd’ dan α Output Integral Input : I = I+Ki. Diagram Alir Kendali PID dimasukkan kedalam fungsi keanggotaannya.(en-en-1). Proses ini terjadi selama satu perioda sampling sebesar waktu tunda (ts). Diagram alir Kp’.T Pembacaan crips e=SV-PV Error dan derror Kiim Output PID Output Proposional PID=P+I+D 2 P=Kp.12 dapat dilakukan proses inferensi.Δe / T Tidak Fungsi Defuzzyfikasi Ya error dan derror Kp’. Selanjutnya harga error selama satu perioda sampling perlu diperbarui untuk perhitungan nilai derivatif berikutnya. set_point (SP) melalui penekanan keypad. Kd’ dan α Ke parameter PID Derivative Input : Kd.T Next Process Variabel (PV) sampling Tidak Ya Output Derivative Hitung error D=Kd. sistem akan defuzyfikasi merupakan nilai tegas yang menunggu apakah ada penekanan keypad nantinya digunakan oleh kendali PID sebagai jika ada. Kd’ dan α.e Ke Controller Delay(Ts) Update error Gbr 11. terjadi end eksekusi program di setiap waktu sampling maka besar nilai crips error dan derror akan Gbr 12.(en-en-1). Sedangkan harga keluaran integral merupakan besarnya akumulasi error dikalikan dengan penguatan integral. Nilai hasil terjadi periode waktu sampling. kemudian memasukkan nilai variabel penalaannya. Kd’ dan α en-1 = en Dari diagram alir gbr 11. Kemudian besaran variabel process (PV) akan selalu dibaca nilainya dan digunakan sebagai nilai pengurang terhadap SP untuk mendapatkan harga error.Δe / T Set_Point (SP) Output crips Kp’. Hasil dari pembacaan fungsi keanggotaan Dari diagram alir gbr. selanjutnya direalisasi kedalam bahasa pemrograman dilakukan proses defuzzyfikasi untuk mikrokendalier sebagai berikut : Ketika menentukan nilai Kp’.University Research Colloquium 2015 ISSN 2407-9189 Start 2 Keanggotaan Proses Inferensi error dan derror Integral Baru Next sampling Ki.

positive dan delta. maka dapat Pada penelitian menggunakan fungsi ditentukan aturan ketiga konstanta PID. Dari aturan pada gbr 14.ISSN 2407-9189 University Research Colloquium 2015 Nilai error dibagi kedalam tujuh aras ( NB. M. Nilai masukan ADC NS B B B S B B B digunakan sebagai nilai pengurang terhadap Z B B S S S B B PS B B B S B B B set point untuk menghasilkan besarnya PM B B S S S B B error. S dan Z berarti big. bentuk segitiga sebab bentuk fungsi segitiga Selengkapnya sesuai persamaan (24). (24) 122 . Sehingga rentang kecepatan motor PB S S S S S S S yang dapat dibaca sebesar 100 sampai 3000. DPB). Huruf pertama N. DPS. lebih mudah diterapkan dalam pembuatan dan (26) pernyataan fuzzy tersebut dapat program. sedangkan nilai perubahan derror juga dibagi kedalam (25) tujuh aras (DNB. small dan zero. PS. P dan D berarti negative. set point dikalikan dengan 10 yang kemudian akan di masukkan sebagai ue data pemrograman mikrokendalier yang NB NM NS Z PS PM PB digunakan system kendali hybrid PID-Fuzzy untuk mengatur BLDC motor. DNS. Fuzzy system penala kendali PID Tabel 2 Aturan untuk Kp’ DNB DNM DNS DZ DPS DPM DPB NB B B B B B B B 0 NM de S B B B B B S 0 20 30 -30 -20 -10 10 NS S S B B B S S Z S S S B S S S PS S S B B B S S (b) PM S B B B B B S PB B B B B B B B Gbr 13. PM. Pers Kp’ Kp Fuzzy System (24) e(t) Kd’ Kd 0 0 0 0 0 0 0 e Fuzzy System (25) 00 0 0 0 0 0 -3 -20 -10 10 20 30 de(t) Ki Ki’ (26) Fuzzy System (a) ude NB NM NS Z PS PM PB 1 Gbr 14. Didalam rutin program fuzzy nilai ditabelkan pada tabel 2. DPM. NM. Z. (a) Keanggotan input error (b)Keanggotaan Input derror Tabel 3 Aturan untuk Kd’ DNB DNM DNS DZ DPS DPM DPB NB S S S S S S S dikurangi nilai dari kecepatan motor melalui NM B B S S S B B masukan ADC 10 bit. DNM. Nilai error yang terbaca dapat dipetakan menurut fungsi keanggotaan input derror dan perubahan derror seperti gbr 13. (25). NS. PB). tabel 3 dan tabel 4. medium. DZ. (26) sedangkan huruf kedua B.

Set point 1500rpm dengan beban yang dilakukan dengan mengubah-ubah set point (kecepatan) dari 500 rpm sampai 3500rpm. Perubahan set point 1000rpm ke 1500rpm tanpa beban 123 . Gbr 17.5kg.5 kg. juga dilakukan uji perubahan set point dari 1500 rpm menuju 1000 rpm dengan selang waktu 0. Gbr 19. Set point 1500 rpm tanpa beban Gbr 20. Perubahan set point 1000rpm ke 1500rpm dengan Gbr 15-20 merupakan gambar data-data beban pengukuran hasil uji dilakukan dengan memperlakukan BLDC Motor pada variasi kecepatan 1000 rpm dan 1500 rpm dengan tanpa beban serta dengan beban 0. Perubahan set point 1500rpm ke 1000rpm tanpa beban Gbr 15.5 detik.University Research Colloquium 2015 ISSN 2407-9189 Tabel 4 Aturan untuk α DNB DNM DNS DZ DPS DPM DPB NB 2 2 2 2 2 2 2 NM 3 3 2 2 2 3 3 NS 4 3 3 2 3 3 4 Z 5 4 3 3 3 4 5 PS 4 3 3 2 3 3 4 PM 3 3 2 2 2 3 3 PB 2 2 2 2 2 2 2 Gbr 18. Juga dilakukan pula uji percobaan dengan mengubah set point secara tiba-tiba dalam selang waktu 0. Perubahan set point 1500rpm ke 1000rpm dengan beban Tabel 5 menunjukkan hasil uji percobaan Gbr 16.5 detik dari set point 1000 rpm menuju ke 1500 rpm tanpa beban dan dengan beban 0.

05 beban [2] Wang. Elex Media Komputindo.075 ini.175 0.05 beban New Jersey.025 22.00 0. Englewood beban Cliffs.50 0.25 0. Englewood Cliffs.025 9. waktu penetapan Data hasil uji percobaan (ts) 0.50 0.05 beban 263. Falsafah Dasar: 500 dengan 0. New Jersey: beban Prentice-Hall International. New Jersey.00 0.175 0.075 Systems.057 detik. REFERENSI 500 tanpa 0. dapat disimpulkan bahwa proses kendali dengan sistem penalaan parameter kendali PID dengan logika Fuzzy yang diaplikasikan untuk mengatur Motor BLDC dapat memperbaiki kinerja kendali PID konvensional.25 0. 1000 tanpa 0.50 0.175 0. Prentice Hall Inc.075 beban 1000 – 1500 0.00 0. Dapat disimpulkan bahwa kendali Kecepatan Kendali PID Kendali hybrid PID Fuzzy mampu meningkatkan hybrid PID-Fuzzy Rise Over.175 0. Depenbrok.1875 0.50 0.KESIMPULAN Dari hasil penelitian dan pembahasan.50 0.0025 20.044 Terimakasih kepada Jurusan Teknik dengan beban Elektro Akademi Teknologi Warga Surakarta 1500 – 1000 0.T Lin. On Power beban Electronics 3 (1988) 420. overshoot sebesar 15.075 [3] M.25 0.075 Sistem Pengendalian Proses. 2000 tanpa 0.175 0.25 0. Proceedings of the IEEE PES beban Winter Meeting.0025 5.50 0.0025 10.50 0.1625 detik.05 beban [4] J. 1997.05 UCAPAN TERIMAKASIH tanpa beban 1000 – 1500 0.0025 12.00 0. beban Prentise Hall Inc.025 9. Pengujian perubahan set point dan perubahan beban.50 0.025 17.05 tanpa beban yang telah memberi fasilitas dalam penelitian 1500 – 1000 0.00 0. waktu penetapan (ts) 0.50 0. 257- 1500 tanpa 0.05 beban [1] Gunterus.50 0. L.S Lee.M Jacob.0025 25.00 0.0025 17.50 0.175 0.0025 15.25 0. 1999.025 17.50 0. Kepada Wiyono dan Budi Nugroho yang dengan beban telah banyak membantu dan memberi dukungan.175 0. jakarta.0025 37.025 22. C.0025 0 0.025 22. Inc: pp.025 37.25 0. Lai.50 0. Industrial Control 2000 dengan 0.47 3000 tanpa 0.025 7.025 20.0025 7. 1996 3500 tanpa 0.075 Systems and Control. Settling Rise Over.150 0.025 27.0025 0 0. Set Point Time shoot Time Time shoot Time ( sec ) (%) ( sec ) ( sec ) (%) ( sec ) V.05 beban 3500 dengan 0.0025 detik. IV. ISSN 2407-9189 University Research Colloquium 2015 Tabel 5. beban PT. 1988.00 0.50 0.50 0.50 0.50 0.20 0.025 32. Neural Fuzzy 3000 dengan 0. 1994.025 7. Frans. A Course in Fuzzy 1000 dengan 0.025 12.025 32.00 0.25 0.50 0.50 0.0025 22.50 0. 2500 tanpa 0.0025 0 0.50 0. 2500 dengan 0.50 0. 1500 dengan 0. IEEE Trans.025 37.05 beban [6] C.Settling kinerja dari kendali PID konvensional. S. p.98%.42%.075 0.075 Electronics Application and Design. kenaikan (tr) 0.075 [5] Y.0025 0 0. overshoot sebesar 5.0025 32. dihasilkan karakteristik tanggapan sistem kendali PID konvensional dengan nilai rata-rata yaitu waktu kenaikan (tr) 0.025 12. Sedangkan kendali hybrid PID Fuzzy dihasilkan nilai rata-rata waktu 124 .0025 35.0025 30..1375 0.0025 27.025 detik. X.025 27.20 0.