BAB 2

MATEMATIKA SEBAGAI
ALAT ANALISIS SISTEM KONTROL

Teknik untuk analisis dinamika proses:

1. Transformasi Laplace umum
2. Simulasi komputer lebih akurat dan detail

2. 1 Transformasi Laplace (TL):

Berlaku hanya pada Persamaan Differensial (PD) linear: merubah PD menjadi
persamaan aljabar
Dapat menggunakan teknik grafik untuk meramal performansi sistem tanpa
menyelesaikan PD

Pada kebanyakan proses: PD nonlinear linearisasi TL

TRANSFORMASI LAPLACE

Definisi:

F(s) = 0
f ( t ) e st dt

dengan:
F(s) : TL dari f(t)
F(t) : fungsi waktu (ingat: proses bersifat dinamik)

: simbol operasi integral Laplace 0
e st dt

s : variabel TL
t : waktu

Matematika Sebagai Alat Analisis SistemKontrol 13

Sinyal Uji

Sinyal
Respon
(Input) SISTEM
(Output)

Sulit/impossible Sinyal-sinyal uji

dalam praktek sebagai pembanding

Gambar 2.1 Urgensi sinyal uji

Dalam analisis sistem kontrol, sinyal diterapkan sebagai input ke sistem (seperti
gangguan atau disturbance, perubahan set point, dll) agar bisa dilakukan studi respon- nya.
Meski beberapa jenis sinyal biasanya sulit atau bahkan tidak dapat dicapai dalam
prakteknya, sinyal-sinyal uji bisa diterapkan sebagai perbandingan respon.
Berikut ini adalah contoh-sontoh penurunan Transformasi Laplace dari beberapa
sinyal uji:

1) Unit step function

u (t ) = {
0 t <0
1 t 0

= 0
u (t )e st dt
1

1
= e st
s 0

= -1/s (0 -1)
0
u(t)] = 1/s
t
t=0

Matematika Sebagai Alat Analisis SistemKontrol 14

2) Pulsa (sebesar H dan berdurasi T)
f (t ) = {0 t <0 ,t T
H 0 t <T

= 0
f (t )e st dt H

= 0
He st dt

H H sT
= e st = ( e 1)
s 0 s 0
H
= (1 e sT ) t
s
t=0 t=T

3) Fungsi impulsa satuan Dirac Delta function (

(t))
Ada 2 pendekatan:

Pendekatan Smith, dll.
(t ) = lim f (t ),
T 0

f (t ) = fungsi pulsa

dengan: HT = 1 (luas)
H = 1/T 0

(t)] = lim 1
(1 e sT ) = 10 (1 1) = 00
T 0 Ts t
t=0
(tdk didefinisikan)

Aturan :

(t)] = lim
d
dT (1 e ) = lim se
sT sT

=1
T0 d
dT (Ts ) T 0 s

(t)] = 1

du ( t )
Pendekatan Luyben: (t ) =
dt
u (t ) = lim (1 e t / T )
T 0

d
{
dt lim
T 0
(
1 e t / T

)}

Matematika Sebagai Alat Analisis SistemKontrol 15

 1
= lim [ ]
T1 e t / T = lim T1 = lim
1

s + T T 0 Ts + 1
T0 T0 1

(t)] = 1

4) Gelombang sinus (amplitudo satuan & frekuensi )

e i t e i t
sin t = ,i = 1
2i
1

sin te dt st
t] = 0
t
e i t e i t st 0
= 0 2i
e dt t=T

e ( s i ) t dt e ( s + i ) t dt
0 0
1
= 2i

s ( s i ) t s ( s + i )t
s i + s + i
1
= 2i
0

0 1 0 1 1 2 i
s i + s + i = 2i s 2 + 2
1
= 2i

t] =
s +2
2

Matematika Sebagai Alat Analisis SistemKontrol 16

 Tabel 2.1 Transformasi Laplace Sinyal Uji
NO NAME Time Function Laplace Figure
f(t) Transform F(s)
1. Unit impulse (t) 1

2. Unit step U(t) 1

s

3. Unit ramp t 1
s2

4. n-th-order ramp tn n!
s n +1

5. Exponential e-at 1
s+a

6. n-th-order t n e-at n!
exponential (s + a )n + 1

7. Sine sin t
s +2
2

8. Cosine cos t s
s +2
2

9. Damped sine e-at sin t

(s + a )2 + 2

10. Damped cosine e-at cos t s+a

(s + a ) 2 + 2

11. Diverging sine t sin 2 s

(s + 2 ) 2
2

12. Diverging cosine t cos t s 2 2

(s 2 + 2 ) 2

Matematika Sebagai Alat Analisis SistemKontrol 17

2. 2 TEOREMA TL:

1. Linearitas
k.f k = constant
Sifat distributif:
f

2. Real Differentiation Theorem

df (t )
= sF ( s ) f (())
dt

d 2 f (t ) df
= s F ( s) sf (()) (0)
2
2
dt dt

Rumus umum:
d n f (t ) n 2 df d n 2 f d n 1 f
n = s n
F ( s ) s n 1
f ( 0 ) s (0 ) ... s n 2
(0 ) n 1
( 0)
dt dt dt dt

3. Real Integration Theorem

f (t ) dt = F ( s )
t 1
0 s

4. Complex Differentiation Theorem

[tf (t )] =
d
F (s)
ds

5. Real Translation Theorem (Dead Time)

[ f (t t 0 )] = e
st 0
F (s) f(t)
f(t-to)

Complex Translation Theorem 0 t=to

[ ]
e at f (t ) = F ( s a)

Matematika Sebagai Alat Analisis SistemKontrol 18

6. Final Value Theorem
lim f (t ) = lim sF ( s )
t s 0

7. Initial Value Theorem

lim f (t ) = lim sF ( s )
t 0 s

CONTOH:
Cari fungsi Laplace dari PD di bawah ini:
d 2 x (t ) dx (t )
2
+ 2n + n2 x (t ) = Kr (t )
dt dt
dx
dengan: K, n , konstanta dan x( 0 ) = ( 0) = 0
dt

Jawab:
Teorema 2 (bentuk sederhana):
s2 X(s) + 2nsX(s) + n 2X(s) = KR(s)
X(s)[s2 + 2ns + n2] = KR(s)
K
X ( s) = R(s )
s + 2 n s + n2
2

2. 3 SOLUSI PERSAMAAN DIFFERENSIAL

Pers. Differensial linear:

d n y(t ) d n 1 y(t ) d m x(t ) d m 1 x(t )

an + an 1 + ... + a0 y(t ) = bm + bm1 + ... + b0 x(t )
dt n dt n 1 dt m dt m1
dengan:
- a dan b adalah koefisien PD
- y(t) adalah fungsi keluaran (respon)
- x(t) adalah forcing function (variabel yang memaksa) variabel keluaran untuk berubah
atau fungsi masukan

Matematika Sebagai Alat Analisis SistemKontrol 19

- initial conditions
dy d n 1 y
y ( 0) = 0; (0 ) = 0;.......; (0 ) = 0
dt dt n 1
dx d m 1 x
x( 0) = 0; ( 0 ) = 0 ;.......; m 1 ( 0 ) = 0
dt dt

Prosedur penyelesian PD:

1. Ubahlah PD ke dalam p'-ersamaan aljabar variabel s (Iihat Teorema TL).
2. Selesaikan secara al abar untuk TL variabel keluaran Y(s) dan substitusikan TL
variabel masukan X(s) sehingga diperoleh rasio dua polinomial:
N (s)
Y (s) = dengan N(s) = numerator
D( s)
D(s) = denominator
3. Lakukan TL Balik (invers) sehingga diperoleh variabel keluaran sebagai fungsi waktu
y(t):
-1
y [Y(s)]
Dengan menggunakan prosedur di atas, maka:

N ( s ) bm s m + bm 1 s m 1 + b0
Y (s) = = X (s)
D( s ) an s n + an 1 s n 1 + a 0

diubah menggunakan metode ekspansifraksi-parsial menjadi:

N (s)
Y (s) = ke dalam sejumlah k fraksi:
( s r1 )( s 2 ).....( s rk )

A1 A2 Ai Ak
Y (s) = + + ... + + .... +
( s r1 ) ( s r2 ) ( s ri ) ( s rk )

Ada 4 kasus untuk (mencari akar-akarnya):

1. Akar nyata tak berulang.
2. Sepasang akar konjuingasi kompleks tak berulang.
3. Akar-akar berulang.
4. Adanya dead time.

Matematika Sebagai Alat Analisis SistemKontrol 20

KASUS 1: Akar nyata tak berulang

Ai = lim (s - ri). Y(s)

sri

Contoh:
Cari c(t) dari PD linear orde-dua di bawah ini

d 2 c (t ) dc(t ) dc
2
+3 + 2c( t ) = 5u (t ) dengan c( 0) = 0; ( 0) = 0
dt dt dt
Jawab:
s2 C(s)+ 3sC(s) + 2C(s) = 5U(s).
C(s) (s2 + 3s + 2) = 5/s
A1 = lim (s + 1) C(s)
s-1
5 5
= lim = = 5
s 1 ( s + 2) s ( 1 + 2)( 1)
A2 = 5/2 dan A3 = 5/2

c(t) = -5e-t + 5/2.e -2t + 5/2. u (t)

KASUS 2: Sepasang akar konjungasi kompieks

Bila akar-akarnya terdapat bilangan imajiner i, maka:

A1 A2 A ( s a ) + A2 b
Y (s) = + = 1
( s a bi ) ( s a + bi ) ( s a) 2 + b 2

2
lim A1 lim [(s - a)2 + b2 ].Y(s)
sa+bi sa+bi

Matematika Sebagai Alat Analisis SistemKontrol 21

Contoh.
d 2 c(t ) dc (t ) dc
2
+2 + 5c (t ) = 3u (t ) dengan c (0) = 0; (0) = 0
dt dt dt
Jawab:
s2 C(s) + 2sC(s) + 5C(s) = 3U(s)

lim AI(s + 1) + A2 2 = lim [(s + 1)2 + 2 2

]. C(s)
s-1-2i s-1-2i

A1 (-1 - 2i + 1) + A2 2 = 3/(-1 - 2i)

Ruas kanan dikalikan akar sekawannya:

A1 (-2i) + A2 2 = -3/5 + 6/5.i maka:

A1 (-2 i) = 6/5i
A2 2 = -3/5 A2 =-3/10
A3 = 3/5

c(t) = -3/5.e-t cos 2t - 3/10.e-t sin 2t + 3/5 u(t)

KASUS 3: Akar~akar berulanq

N (s) A1 A2 A Ak
Y (s) = = + m 1
+ ... + m + ... +
( s r1 ) ...( s rk ) ( s r1 )
m m
( s r1 ) s r1 s rk

Ak = lim
1 d k 1
[ ]
( s r1 ) m Y ( s )
s r1 (k 1)! ds k 1

Contoh:
d 3 c( t ) d 2 c( t ) dc(t )
2
+3 2
+3 + c( t ) = 2u (t )
dt dt dt
dc d 2c
dengan c (0) = 0; ( 0) = 0; 2 (0) = 0
dt dt

Matematika Sebagai Alat Analisis SistemKontrol 22

Jawab:

s3 C(s) + 3s2 C(s) + 3sC(s) + C(s) = 2U(s)

2 2
C (s) = =
( s + 3s + 3s + 1) s ( s + 1) 3 s
3 2

A1 A2 A A
= + + 3 + 4
( s + 1) 3
( s + 1) 2
s +1 s
A1 = lim (s + 1)3 C(s) = -2
s-1
1 d 2 2
A2 = lim = lim 2 = 2
s 1 ( 2 1)! ds s
s 1 s

1 d2 2 1 d 2 1 4
A3 = lim = slim = slim = 2
s 1 ( 3 1)! ds 2
s 2 1 ds s 2 2 1 s3
A4 = 2
c(t) = -te-t - 2t e- 2 -2e-1 + 2u(t)

KASUS 4: Adanya dead time

N ( s) st st
Y (s) = e = [Y1 ( s )]e
0 0

D ( s )
N (s) A A A
Y1 ( s) = = 1 + 2 + ... + k
D( s ) s r1 s r2 s rk

y1 (t ) = A1 e + A2 e + ... + Ak e
r1t r2t rk t

Y(s) = e-st0 Y1 y1 (t - t 0 )]

-1
y [Y(s)] = y1 (t - t0 )

y(t) = -1 [Y(s)] = y1 (t - t 0 )
= A1 e r ( t t ) + A2 e r (t t ) + ... + Ak e r ( t t
1 0 2 0 k 0 )

Matematika Sebagai Alat Analisis SistemKontrol 23

Catatan:
Tidak bisa di- Laplace-kan secara langsung dari
A1 e st
0
A e st
0
A e st 0

Y (s) = + 2 + ... + k
s r1 s r2 s rk

Multiple delays:
N ( s) N (s)
Y ( s ) = 1 e st + 2 e st + .... = [Y1 ( s )]e st + [Y2 ( s )]e st + ....
01 02 01 02

D1 ( s ) D2 ( s )
y(t) = y1 (t - t01 ) + y2 (t - t02

Contoh:
dc (t )
+ 2 c(t ) = f ( t ) dengan c (0 ) = 0 tentukan responnya untuk:
dt
a) Perubahan unit step pada t = 1: f(t) = u(t - 1)
b) Fungsi tangga berundak (staircase) dari unit step pada setiap satuan waktu:
f(t) = u(t - 1) + u(t - 2) + u(t - 3) + ....

Jawab:

sC(s) + 2C(s) = F(s)

a) u(t - 1)] = e-s. 1 s

b) F(s) u(t - 1) + u(t - 2) + u(t - 3) +....
= 1 s (e-s + e-2s + e-3s + ...)

1
C (s) = F ( s) , maka
s+2
1 1 s
i) C ( s ) = e = C1 ( s) e s
s +2 s
1 1 A1 A
C 1 ( s) = = + 2
s+2 s s +2 s
A1 = -1/2 dan A2
-2t
c1
c(t) = c1 (t -1 1)[1 - e-2(t-1)]

Matematika Sebagai Alat Analisis SistemKontrol 24

Catatan: unit step u(t - 1) harus juga dikalikan dengan fungsi eksponensial untuk
mengindikasikan bahwa -c(t) = 0 untuk t<1

ii) Untuk fungsi staircase kita lihat bahwa

1 1 s
C (s) = ( 2s
e + e + .... )
s + 2 s
= C1 (s)e-s + C1 (s)e-2s
c(t) = c1 (t-1) + c1 (t-2
= 1)[1 - e-2(t-1)] + 2)[1 - e-2(t-2

No. Denominator Y(s) Fraksi Parsial y(t)

i) Akar tidak berulang a Aert
sr
ii) Akar konjugasi kompleks A ( s r ) + Bw ert(Acos wt + Bsin wt)
(s r)2 + B 2

t i 1
m
iii) Akar berulang Ai m

(s r) i e rt Ai
( i 1)!
i =1 i =1

iv) Dead time: y1 (t - t0 )

Y1 (s)e-sto

2. 4 EIGENVALUES DAN KESTABILAN

Persamaan Karakteristik dari PD dan dari sistem yang memiliki respon dinamik adalah

an sn + an-1 sn-1 + an-2 sn-2 1s + a0 = 0

dengan ao , a1 , a2 , ... an adalah, koefisien variabel tergantung dan turunannya pada

PD.

Eigenvalues: eigen (Jerman) berarti karakteristik atau diri, merupakan akar-akar

persamaan karakteristik.

Matematika Sebagai Alat Analisis SistemKontrol 25

Pentingnya e.v:
1. Merupakan definisi sifat PD.
2. Tidak tergantung masukan forcing function.
3. Menentukan apakah respon waktunya monoton (kasus 1 dan 3) atau berosilasi (kasus 2).
4. Menentukan apakah respon tersebut stabil atau tidak.

PD disebut stabil bila respon waktunya tetap terbatas untuk forcing function yang
terbatas r harus negatif, agar nilai ert mengecil/terbatasi. Jadi agar stabil, maka semua e.v
harus punya harga r negatif.

2. 5 MENCARI AKAR POLINOMIAL

Beberapa metode yang biasa digunakan:
1. Metode Newton
Cocok untuk perhitungan manual, khususnya bila dikombinasikan dengan metode
Nested Multiplication.
2. Metode Newton- Bairstow
Cocok untuk konjungasi kompleks dan akar nyata kalkulator yang bisa diprogram.
3. Metode Muller
Cocok untuk mencari akar nyata ataupun kompleks komputer
Di sini hanya dibicarakan metode Newton saja.

Polinomial derajat ke-n:

f n (s) = an sn + an-1 sn-1 + an-2 sn-2 1s + a0

Syarat: f n (s) = 0 atau ada toleransi kesalahannya

f ( sk )
Rumus iterasinya: sk + 1 = sk
f ' ( sk )
f n ( s)
Polinomial derajat ke-(n-1): f n1 ( s) = ,
s r1
r1 = akar yang sudah diperoleh

Matematika Sebagai Alat Analisis SistemKontrol 26

Dengan Nested Multiplication (memperbaiki Newton):
tidak perlu mencari f(sk ) dan sk)
tidak perlu mencari f n-1 (s) dengan rumus di atas

Kalkulasi yang dilakukan:

1. bn = an dan cn = bn
2. untuk i = n-1, n-2, ...1,0 bi = ai + bi+1 sk
3. untuk i = n-1, n-2 1 ci = bi +ci+1 sk
4. f(sk)= b0 dan sk) = c1
5. f n-1 (s) = bn sn-1 + bn-1 sn-2 2s + b1

Contoh:

d 3 c( t ) d 2 c( t ) dc(t )
3
+ 2 2
+3 + 4c (t ) = 4 (t )
dt dt dt
s3 C(s) + 2s2 C(s) + 3sC(s) + 4C(s) = 4.1

4
C (s) =
s 3 + 2 s 2 + 3s + 4
f(s) = s3 + 2s2 + 3s + 4

Aproksimasi awal: so = -1
Iterasi 1
(3) (2) (1) (0)
a3 = 1 a2 = 2 a1 = 3 a0 = 4
s0 = -1 b3 s=-1 b2 s=-1 b1 s=-2
b3 = 1 b2 = 1 b1 = 2 b0 = 2 = f(-1)
c3 s=-1 c2 s=0
c3 = 1 c2 = 0 c1 = 2 1)

Matematika Sebagai Alat Analisis SistemKontrol 27

 Iterasi 5
(3) (2) (1) (0)
a3 = 1 a2 = 2 a1 = 3 a0 = 4
s4 = -1,651 b3 s=-1,651 b2 s=-0,577 b1 s=-4
b3 = 1 b2 = 0,349 b1 = 2,423 b0 = 0
=f(-1,651)
f 2 (s) = s2 + 0,349s + 2,423

0,349 0,1218 4( 2,423)

r2 , 3 = = 0,174 1,547i
2.1
4
C (s) =
( s + 1,651)( s + 0,174 1,547i )( s + 0,174 + 1,547i )
A1 A2 (s + 0,174 ) + A3 1,547
= +
( s + 1,651 ) ( s + 0 ,174 ) 2 + 1,547 2

A1 = 0,875 A2 = -0,874 dan A3 = 0,834

maka:

c(t) = 0,875e-1,651t + e-0,174t(-0,874 cos 1,547t + 0,834 sin 1,547t)

2.6 LINEARISASI DAN VARIABEL DEVIASI

Transformasi Laplace (TL) hanya dipakai pada PD linear

Proses di industri nonlinear
Agar TL bisa digunakan, maka harus ada: LINEARISASI. Ini memunculkan satu vaeiabel
baru: variabel deviasi/pasturbasi.

Asumsi dasar:
Respon aproksimasi linear mewakili respon proses pada daerah sekitar titik operasi
(operating point/base point)

Matematika Sebagai Alat Analisis SistemKontrol 28

Variabel deviasi:
Beda antara harga suatu variabel/sinyal dan harga titik operasi.
X (t ) = x (t ) x

dengan:
X (t ) : variabel deviasi

x(t ) : variabel absolut

x : harga x pada titik operasi

variabel deviasi:
deviasi suatu variabel
dari harga titik operasinya.
Transformasi dari absolut ke harga
deviasi dari suatu variabel ekivalen
dengan menggerakkkan nol pada aksis
variabel tsb. ke base value.

d n X(t ) d n x (t )
x : konstanta = untuk n = 1, 2, 3
dt n dt n
: harga awal (initial value) biasanya : pada keadaan
tunak (steady state)

x(0) = x X(0) = 0
d n X( 0)
=0 untuk n = 1, 2, 3
dt n
d n X(t ) n
n = s X( s )
dt
Segi lain: konstanta hilang dari PD linearisasi, jika base value adalah initial steady state
condition

1. Linearisasi Fungsi Satu Variabel

dx (t )
PD orde satu: = f [ x (t )] + k (2-56)
dt
f[x(t)] : fungsi nonlinear dari x
k : konstanta

Matematika Sebagai Alat Analisis SistemKontrol 29

 Deret Taylor:
df 1 d2 f
f [ x(t )] = f ( x ) + ( x)[ x(t ) x ] + ( x )[ x(t ) x] 2
dx 2! dx 2 (2-57)
1 d3 f
+ ( x )[ x(t ) x]3 + .....
3! dx 3
eliminasi pangkat dua ke atas (harganya terlalu kecil):

df
f [ x(t )] = f ( x) + ( x ) X (t ) (2-58)
dx

df
f [ x(t )] = f ( x) + ( x )[ x (t ) x ] (2-59)
dx
Beda antara aproksimasi linear dan fungsi
aktual:
Kecil: dekat titik operasi
Besar: jauh dr ttk operasi
Daerah di mana aproksimasi linear cukup
akurat untuk menggambarkan fungsi
nonlinear sulit ditaksir. Makin nonlinear,
makin kecil daerahnya.

Substitusi persamaan 2-59 ke 2-56:

dx (t ) df (2-60)
= f (x ) + ( x ) X (t ) + k
dt dx
dx
Kondisi awal: x( 0 ) = 0 , ( 0 ) = 0 , dan X( 0 ) = 0
dt
df
Maka: 0 = f ( x) + ( x )(0 ) + k
dx
d X (t ) df
f ( x) + k = 0 = ( x ) X (t ) (2-61)
dt dx
(tidak ada konstanta)
Tahap intermediet bisa diabaikan, bisa langsung dari pers. 2-56 ke pers. 2-61.

Matematika Sebagai Alat Analisis SistemKontrol 30

Contoh-contoh fungsi nonlinear:
1. Arrhenius: k (T ) = k 0 e ( E / RT )

2. Vapor Pressure (Persamaan Antoine): p 0 (T ) = e[ A B /(T + C )]

x
3. Kesetimbangan uap-cair (relative volatility): y ( x) =
1 + ( 1) x

4. Pressure drop melalui fitting dan pipa: P( F ) = kF 2

5. Laju perpindahan panas (radiasi): q(T ) = AT 4

6. Enthalpi: H (T ) = H 0 + AT + BT 2 + CT 3 + DT 4

Linearisasi persamaan Arrhenius :

k (T ) = k 0 e ( E / RT )

dk
kT ) = k (T ) + (T )(T T )
dT

dk E E
(T ) = k 0 e ( E / R T ) = k (T )
2 2
dT RT RT
E
k (T ) k (T ) + k (T ) 2
(T T )
RT
E
K (T ) k (T ) 2
T di mana
RT

K (T ) = k (T ) k (T ) dan T = T T

Jika:

k0 = 8.109 s-1 , E = 22.000 cal/gmol, T = 373 K,

dan R = 1,987 cal.g.mol.K
maka:

k(T ) = 8.109 .e-(22000/1,987x373) = 1,0273x10-3 s-1

(T ) = (1,0273 x10 3 )
dk 22000
= 8,175 x10 5
dT 1,987 x373 2
persamaan yang dilinearisasi:

k (T ) = 1,0273x10 3 + 8,175 x10 5 (T 373)

K (T ) 8,175 x10 5 T

Matematika Sebagai Alat Analisis SistemKontrol 31

2. Linearisasi Fungsi Dua Variabel atau Lebih
Deret Taylor:
f
[ f
] [
f [x( t ), y( t ) ] = f ( x, y ) + ( x, y) x (t ) x + ( x, y ) y (t ) y +
x y
]
1 2 f
2! x 2
[
( x, y ) x(t ) x
2
]
+
1 2 f
2! y 2
( x, y ) [
y (t ) y ]
2
+
2 f
xy
[ ][ ]
( x, y ) x (t ) x y (t ) y + ....... (2 - 62)

Aproksimasi linear orde 2 dan orde tinggi (pers. 2-63):

f [x( t ), y( t ) ] = f ( x , y ) +
f
x
[ ] f
[ ]
( x, y) x( t ) x + ( x , y ) y (t ) y Kesalahan
y
aproksimasi

linear kecil pada x dan y di dekat x dan y .

w( h h ) ( h h )( w w)

h a ( h, w ) = h .w h ( w w)

h
h
Luas bujur sangkar sebagai fungsi h dan w: a(h,w) = hw

a a
=w =h
h w

Aproksimasi linear: ( h , w) = ( h , w ) + w( h h ) + h ( w w )
Kesalahan: bujur sangkar kecil yang luasnya
(h h )( w w )

Kesalahan akan kecil bila h dan w dekat dengan h dan w .

Variabel deviasi: A (h , w ) wH + hW
Rumus umum fungsi n variabel x 1 , x 2 , xn :

Matematika Sebagai Alat Analisis SistemKontrol 32

 (
f ( x1 , x2 ,...., xn ) f x1 , x 2 ,..., x n + ) f
dx1
(x x )+ dxf (x
1 1 2
)
x 2 + ....... +
f
dxn
(x n xn ) (2-64)
2

( ) f
( )
n
f ( x1 , x2 ,...., x n ) f x1 , x 2 ,..., x n + xk x k
k =1 dx k

di mana
f
dx k
merupakan turunan parsial yang dievaluasi pada (x , x ,..., x )
1 2 n .

CONTOH:
1. Tentukan aproksimasi linear dari fungsi non-linear:

f ( x, y , z ) = 2 x 2 + xy 2 3
y
pada x = 1, y = 2 , z = 3
z

(
f ( x, y , z ) = f x , y, z + ) f
x
x x +
f
y
(yy +
f
y
)zz ( ) ( )
f f 3 f 3y
= 4x + y2, = 2 xy , dan = 2
x y 2 z z

f = 2 (1 ) + 1(2 ) 3
2 2 2
base point: =4
3

f f f 2
= 8, = 3 dan =
x y z 3

Fungsi yang dilinearisasi:

f ( x, y , z ) = 4 + 8 (x 1 ) + 3( y 2 ) + ( z 3)
2
3
2
F = 8 X + 3Y + Z
3

Mp
2. Densitas gas ideal: = , M (udara) = 29,
RT

p =101.3 N/m2 , T = 300 K, dan R = 8.314 N.m/kg.mol.K

Maka:

= +

T
(
T T +

p
)
p p ( )
Mp
= =
T RT 2
T

Matematika Sebagai Alat Analisis SistemKontrol 33

 M
= =
p RT p
base condition:
Mp
= = 1 .178
RT
1 .178
= = = 0 .00393
T T 300
1 .178 5
= = = 1 .163 x10
p p 101 ,300

Persamaan yang dilinearisasi:

= 1.178 0.00393(T 300 ) + 1.163x10 5 ( p 101300)

R = -0.00393T + 1.163x10-5

Matematika Sebagai Alat Analisis SistemKontrol 34