You are on page 1of 15

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/279469847

SIMULASI PENGENDALIAN LEVEL STEAM DRUM DENGAN PENGENDALI PID


BERBASIS FUZZY GAIN SCHEDULING

Article · January 2010

CITATIONS READS

0 1,393

1 author:

Imam Abadi
Institut Teknologi Sepuluh Nopember
12 PUBLICATIONS   18 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Developing Safety Integrity Level (SIL) Study for Pertamina Refinery View project

All content following this page was uploaded by Imam Abadi on 16 September 2015.

The user has requested enhancement of the downloaded file.


SIMULASI PENGENDALIAN LEVEL STEAM DRUM
DENGAN PENGENDALI PID BERBASIS FUZZY GAIN
SCHEDULING

Imam Abadi1

ABSTRACT
Steam is regarded as the main process in most industries, especially petrochemical industries.
Hence, the availability and quality of steam are considered as key factors in quality assurance. Steam
drum, which produce steam, will be able to produce good steam when all of significance variables in its
process are in a stable condition. One of the most influence variables that affect the quality of the steam
is water level on the steam drum. For that reason, in this research, we simulated control design of the
steam drum level using Fuzzy algorithms with gain-tuning PID controllers as Kp, Ki and Td. When the
set point is 50%, the simulation results show that the steam drum level is very good, with performance
index as follows; max overshoot 0.12%, settling time 272 seconds, and steady state error 0.48%.

Keywords: fuzzy, gain scheduling PID, steam drum, level

ABSTRAK
Sebagian besar proses industri, terutama industri petrokimia, dalam kelangsungan prosesnya
sangat bergantung pada steam sebagai kebutuhan utama proses produksi. Oleh karena itu ketersediaan
dan kualitas steam menjadi faktor penentu dalam menjamin kualitas produksi. Steam drum sebagai salah
satu mesin penghasil steam, akan mampu memproduksi steam dengan baik apabila variabel - variabel
proses penting di dalamnya berada pada kondisi stabil. Salah satu variabel proses yang paling
berpengaruh terhadap kualitas steam adalah level air pada steam drum. Untuk itu pada penelitian ini,
disimulasikan suatu pengendalian level pada steam drum dengan menerapkan Algoritma fuzzy dalam
melakukan tuning gain-gain pengendali PID seperti Kp, Ki, dan Td. Hasil simulasi menunjukkan bahwa
respon keluaran level steam drum sangat baik, dengan index performansi max overshoot, settling time
dan error steady state masing- masing 0,12%, 272 detik, dan 0,48% ketika setpointnya 50%.

Kata kunci: fuzzy, gain scheduling PID, steam drum, level

1
Jurusan Teknik Fisika – FTI – ITS Surabaya, Kampus ITS Keputih Sukolilo. Surabaya 60111,
E-mail: imam@ep.its.ac.id
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008 219
1. PENDAHULUAN dengan controller PID plus compensator,
Pada proses industri khususnya (Herawaty, 2002) pengendalian level
petrokimia atau pupuk, untuk pada boiler dengan KLF (kontrol logika
memproduksi asam sulfat, amonia fuzzy) statis, (Rachmawardani, 2003,
maupun urea, salah satu kebutuhan dan Kosko, 1992) pengendalian level
utamanya adalah steam. Steam tersebut pada boiler dengan neural network
dapat dihasilkan oleh unit -unit controller. Berdasar hasil penelitian, bisa
pembangkit steam seperti Package diketahui bahwa kualitas steam yang
Boiler, Steam drum dan lain-lain yang dihasilkan sangat bergantung pada
berfungsi mengubah feed water yang pengendalian variabel-variabel proses
masih berupa fasa cair menjadi uap atau yang paling sensitif, seperti level dan
steam. tekanan serta ketangguhan dalam
Salah satu faktor dominan untuk mengatasi gangguan yang bersifat
mendapatkan steam yang berkualitas internal yakni proses plant dan eksternal
adalah level fluida cair pada drum. Hal yaitu lingkungan. Kelemahan yang
ini disebabkan level air pada drum secara ditemukan pada hasil penelitian
langsung turut mempengaruhi sebelumnya adalah respon keluaran
temperatur, tekanan steam yang sistem yang masih cukup lama untuk
diinginkan. Oleh sebab itu maka level di mencapai titik stabil dan eror yang masih
dalam steam drum tersebut harus tetap besar.
dijaga. Apabila level air pada steam Untuk itu dalam penelitian ini,
drum terlalu tinggi akan mengakibatkan dirancang suatu sistem pengendalian
carry-over yang bisa menimbulkan berbasis pengendali PID fuzzy gain
kerusakan pada turbin. Untuk schedulling yang diharapkan mampu
menghindari carry-over yang berlebihan, menghasilkan respon keluaran yang
maka feed water harus dihentikan cepat dan lebih akurat ketika sebuah
secaratotal. Keadaan ini, tentu dapat sistem mengalami gangguan.
mengganggu proses produksi steam pada
steam drum. Sedangkan jika level rendah 2. METODE
yang artinya jumlah air pada drum Steam drum/boiler adalah suatu
berkurang sedangkan pemanasan tetap pesawat yang berfungsi untuk
konstan, maka tekanan akan berubah mengkonversikan energi kimia pada
tinggi dan jika dibiarkan terus menerus bahan bakar menjadi energi panas,
bisa menyebabkan terjadinya ledakan. selanjutnya energi panas tersebut diserap
Untuk mempertahankan agar level air oleh air di dalam boiler sampai pada
pada drum sesuai dengan keinginan, kondisi tertentu, yakni melewati titik
perlu dilakukan pengendalian terhadap didihnya kemudian air tersebut akan
variabel ini secara otomatis sehingga berubah fase dari cair menjadi gas atau
tidak menghambat proses selanjutnya. uap. Uap ini yang kemudian disebut
Beberapa peneliti sebelumnya telah steam (Luyben, 1990).
melakukan penelitian pada plant yang Ditinjau dari komponennya, maka
sama yakni steam drum atau boiler boiler terdiri dari dua komponen utama,
diantaranya (Winarno, 1999) yaitu yaitu: dapur, sebagai alat mengubah
pengendalian tekanan pada boiler energi kimia menjadi energi panas, dan
220 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
alat penguapan (evaporator) yang Gas panas yang telah dipakai,
mengubah panas pembakaran (energi sebagian panasnya kemudian dialirkan
panas) menjadi energi panas uap. menuju superheater 1 dan evaporator.
Kedua komponen tersebut di atas Pada evaporator, panas yang masuk
telah memungkinkan suatu boiler untuk digunakan untuk mengubah feed water
berfungsi, sedangkan komponen yang masuk boiler menjadi fase uap
pendukung lainnya adalah: cerobong saturated. Exhaust gas yang keluar dari
asap, sistem pemipaan, yang evaporator merupakan gas sisa dari
memungkinkan sistem menghantar kalor proses penguapan, namun karena masih
yang efektif antara gas panas dengan mempunyai temperatur yang tinggi maka
boiler, dan sistem pemanasan lanjut, gas tersebut dilewatkan ke dalam
pemanas udara pembakaran serta evaporator untuk dimanfaatkan
pemanas air umpan boiler untuk panasnya sebagai preheater umpan
meningkatkan efisiensi boiler. boiler yang masuk.
Pada penelitian ini, media yang
digunakan untuk memanasi boiler atau 2.1 Pengendali PID
steam drum adalah gas exhaust (gas Pengendali PID merupakan
buangan) dari turbin, seperti pada gabungan antara tiga macam mode
Gambar 1 di bawah. Steam drum pengendali yaitu Proporsional (P),
tersebut terletak di samping unit turbin Integral (I), dan Derivative (D). Tujuan
gas yang mana exhaust gas dari turbin penggabungan ini adalah untuk
masuk ke steam drum melalui burner menutupi kekurangan dan menonjolkan
yang ditempatkan dalam ruang bakar. kelebihan dari masing-masing mode
Burner tersebut juga sebagai tempat pengendali (Ogatha, 1990, dan Gunterus,
pembakaran gas alam yang panas 1994). Misalnya mode P, berfungsi
pembakarannya akan bercampur dengan mempercepat rise time agar respon
panas exhaust gas turbine. Gas panas sistem lebih cepat mencapai setpoint,
tersebut masuk ke dalam superheater 2, namun dia masih memiliki kekurangan
tempat dimana temperatur exhaust gas yaitu meninggalkan offset. Kelemahan
paling tinggi sehingga dapat ini dapat diatasi dengan
menghasilkan steam dengan tekanan menggabungkannya dengan mode I yang
tinggi (high pressure steam). mampu menghilangkan offset dan juga
mengurangi terjadinya maximum
overshoot yang terlalu besar. Tetapi
mode I menyebabkan lambatnya respon
sistem, dan untuk menanggulanginya
maka pengendali ini digabungkan
dengan mode D.
Fungsi alih pengendali PID adalah
sebagai berikut:
t
Kc de
p = Kc.e + .∫ e.dt + Kc.τ D . + ps (1)
τI 0 dt
Kp, Ki, dan Kd adalah parameter
Gambar 1. PID steam drum pengendali. Kinerja pengendali sangat
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008 221
ditentukan oleh parameter–parameter ini. Dalam kaitannya dengan pengendali,
Penalaan parameter pengendali PID sistem fuzzy yang dijelaskan di atas
bukanlah hal yang mudah, karena setiap dapat digunakan untuk merancang suatu
plant mempunyai karakteristik yang pengendali berbasis fuzzy dengan
berbeda. langkah–langkah seperti berikut ini
Hal yang perlu diperhatikan dalam (Rochmanudin, 2000).
penalaan parameter pengendali PID Fuzzifikasi merupakan suatu proses
adalah: Gain Kp tidak boleh terlalu pemetaan dari masukan pengendali
besar, karena semakin besar Kp sistem (berupa data crisp/ variabel proses) ke
akan semakin sensitif dan cenderung bentuk himpunan fuzzy untuk semesta
tidak stabil, sedangkan jika Kp kecil pembicaraan tertentu. Data yang telah
akan mengakibatkan offset yang besar; dipetakan selanjutnya dikonversikan ke
Ti yang kecil akan bermanfaat untuk dalam bentuk linguistik yang sesuai
menghilangkan offset, tetapi cenderung dengan label dari himpunan fuzzy yang
membawa sistem menjadi lebih sensitif telah terdefinisi untuk variable input
dan mudah berosilasi. Sedangkan Ti system. Proses ini dapat dinyatakan
besar belum tentu efektif menghilangkan sebagai berikut:
offset dan juga membuat respon menjadi
lebih lambat; dan Td yang besar akan X = fuzzifier(Xo) (2)
membuat unsur derivative menjadi lebih
menonjol sehingga respon cenderung Dengan Xo merupakan vektor dari nilai
cepat, sedangkan Td yang kecil kurang crisp untuk satu variabel masukan dari
membantu pada saat pencapaian set proses, sedangkan X adalah vektor
point. himpunan fuzzy terdefinisi untuk
variabel itu, serta fuzzifier adalah suatu
2.2 Pengendali Fuzzy operator fuzzifikasi dengan efek yang
Dinamika proses yang bersifat memetakan data crisp ke himpunan
nonlinier tidak dapat direpresentasikan fuzzy.
melalui suatu harga mutlak yakni Unit basis pengetahuan terdiri dari
bernilai 0 atau 1 saja, sebab jika nilai ini basis data (Data Base) dan basis aturan
digunakan untuk merespon berbagai (Rule Base). Fungsi dari basis data yaitu
keadaan, maka akan diberlakukan sistem untuk mendefinisikan himpunan-
clustering untuk 2 keadaan saja yakni himpunan fuzzy dari sinyal masukan dan
keadaan yang berharga 0 dan 1. Tentu sinyal keluaran agar dapat digunakan
saja hal ini tidak mewakili kondisi yang oleh variabel linguistik dalam basis
sebenarnya. Berdasarkan hal tersebut di aturan. Sistem Fuzzy yang selalu
atas maka pada tahun 1960 an, Prof. dikaitkan dengan variabel linguistik pada
Lotfi A. Zadeh dari California University dasarnya berbentuk aturan IF...THEN
menggagas munculnya teori fuzzy. (jika–maka) dan pengetahuan pakar yang
Prinsip dasar yang digunakan dalam disebut aturan kendali.
teori ini adalah membagi keadaan yang Fuzzy Inference Engine merupakan
ada pada dinamika sebuah proses inti dari pengendali fuzzy yang
menjadi sebuah himpunan yang lebih mempunyai kemampuan seperti manusia
dikenal dengan himpunan fuzzy. dalam mengambil keputusan. Pende-
222 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
finisian besarnya derajat keanggotaan dikenal dengan istilah gain scheduling.
dan variabel linguistik dari aksi Gain scheduling didasarkan pada
pengendalian yang dilakukan untuk pengukuran kondisi operasi dari proses
masing-masing aturan kendali untuk mengimbangi variasi-variasi
berdasarkan fungsi implikasi yang perubahan parameter atau nonlinearitas
digunakan. Langkah yang dilakukan dari proses. Gain scheduling merupakan
pada tahap ini yaitu mengevaluasi cara yang ampuh untuk mereduksi
aturan; pengendali fuzzy mengolah dan pengaruh-pengaruh dari variasi parame-
menyimpulkan proses yang tersusun dari ter. Gain scheduling memungkinkan
rule IF...THEN, setiap rule mengha- untuk mendapatkan variabel pembantu
silkan satu output. Pada dasarnya satu yang berkorelasi dengan perubahan
rule akan aktif apabila kondisi input dalam dinamika proses, yang kemudian
memenuhi aturan pernyataan IF. mereduksi pengaruh-pengaruh dari
Pengaktifan aturan pernyataan IF variasi parameter dengan merubah
menghasilkan output kendali yang parameter pengendali sebagai fungsi
didasarkan pada aturan pernyataan variabel pembantu.
THEN. Dalam sistem fuzzy digunakan Masalah utama dalam merancang
banyak rule yang menyatakan satu atau sistem dengan gain schedulling adalah
lebih pernyataan IF. Suatu rule dapat untuk mendapatkan variabel scheduling
pula mempunyai beberapa kondisi input, yang sesuai. Ketika variabel scheduling
yang satu sama lainya dihubungkan didapatkan, maka penalaan parameter
dengan AND atau OR untuk mendapat- pengendali dihitung berdasarkan jumlah
kan rule output. kondisi operasi dengan menggunakan
Defuzzifikasi mempunyai fungsi metode perancangan yang sesuai.
yaitu untuk menstranformasikan kesim- Pengendali kemudian ditala untuk setiap
pulan yang bersifat fuzzy menjadi sinyal kondisi operasi. Gain schedulling
yang sebenarnya yang bersifat crisp mempunyai keuntungan lebih yaitu
dengan menggunakan operator defuzzy- bahwa parameter pengendali dapat
fie]. Pemetaan aksi pengendalian fuzzy berubah dengan cepat dalam
(dominan fuzzy) ke dalam ruang aksi menangggapi perubahan proses.
pengendalian non fuzzy (crisp) merupa- Pengendali PID fuzzy gain
kan dasar dari defuzzifikasi. scheduling merupakan salah satu
aplikasi dari teori himpunan fuzzy.
2.3 Pengendali PID Fuzzy Gain Logika fuzzy dibuat sedemikian rupa
Scheduling sehingga dapat menjadwal parameter-
Sering kali dinamika proses suatu parameter dalam pengendali PID, hingga
sistem berubah sejalan dengan kondisi sinyal kesalahan dapat dihilangkan
operasi proses. Salah satu sumber sampai pada batas yang diinginkan,
dinamika perubahan bisa dikarenakan bahkan sampai nol (Zhao et al., 2003).
nonliniearitas (Zhao et al., 2003). Berikut adalah struktur dasar fuzzy gain
Keadaan demikian dapat diatasi melalui scheduling PID controller (Gambar 2).
perubahan parameter-parameter dari
pengendali dengan memonitor kondisi
operasi proses. Penalaan gain atau
parameter pengendali tersebut, lebih
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008 223
Fungsi level air dalam drum boiler
terhadap volumenya dapat dinyatakan
dengan persamaan:
dV dL
= 0,5h (6)
dt dt
Sehingga persamaan 5 menjadi

(0,5hL) d
Gambar 2. Struktur dasar Fuzzy Gain ρW d + ( ρ V VV ) = m& W - m& b - m& V
Schedulling PID Controller dt dt
(7)
2.4 Dinamika Proses dan Pemodelan
Untuk melinierkan persamaan di atas
Dengan menggunakan persamaan
digunakan metode pertubasi:
kesetimbangan massa (kontinuitas),
maka model matematis proses steam
d d (0,5LhP + 0,5h LP )
drum adalah (Marlin,1995): (ρW )+
Fase Liquid: dt dt
Massa in = massa out d2 d
2
(ρVVVP +VV ρVP ) = (m& W −m &b −m
& V ) (8)
m& W = WV + m& D + m& b dt dt
dV L
m& W = WV + ρ w &b
+ m
dt d 2 LP d2 P d2 P
dV L 0,5ρW h + VV ( ρV ) + ρV (VV ) =
ρw = m & W - WV - m& b (3) dt 2 dt 2 dt 2
dt
Fase Vapor: d
Massa in = massa out (m& W − m& b − m& V ) (9)
dt
d ( ρV VV )
WV = m &V +
dt Sedangkan volume uap dalam steam
d ( ρ V VV ) drum boiler:
= WV - m &V (4)
dt
Dengan mensubstitusikan kedua VV = Vtot − 0,5hL (10)
persamaan, diperoleh:
d ( ρ V VV ) d ( ρ V VV ) Dengan mensubstitusikan persamaan (9)
=m &W - m & b - ( m& V + ) ke persamaan (10) didapat persamaan
dt dt
dV d ( ρ V VV )
ρw L + = m & W - m& b - m& V (5) 0,5hd 2 LP
dt dt ρW +
dt2
dimana  d2 d2 
Vtot − 0,5hL 2 (ρ PV) + ρV 2 (Vtot − 0,5hLP ) =
m& W laju massa water  dt dt 
& b laju massa blowdown
m d
(m& W − m& b − m& V ) (11)
m& V laju massa vapor dt

224 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
Dengan melakukan kompensasi tekanan digunakan level transmitter tipe
dan temperatur pada pengukuran steam electronic differential transmitter.
flow variable densitas uap dapat
dihilangkan sehingga persamaan menjadi Sensor dan transmitter aliran feed
d 2 LP water
( ρ w − ρV )0,5h = Berdasarkan penelitian di lapangan
dt 2
untuk transmitter dengan menggunakan
d
( m& W − m& b − m& V ) (12) metode pengukuran differential pre-
dt ssure, diperoleh data time constant (TC)
sebesar 0,2 detik, pada elemen ini
Dari persamaan (12) di atas didapatkan sebagai masukannya adalah BFW (boiler
transformasi Laplace sebagai berikut feed water) dengan laju aliran 80T/H
atau 22,2 kg/detik dan sebagai keluar-
0,5h(ρW − ρV )s2 L(s) = sm
& W (s) − sm
& b (s) − sm
&V (s) annya adalah arus sebesar 4-20 mA.
0,5h(ρW − ρV )s L(s) = m & W (s) − m & b (s) − m
& V (s) Dengan persamaan gain dari
transmitter,
1
L(s) = [m&W (s) −m& b (s) −m&V (s)]  SpanOutput
G T = 


0,5h(ρw − ρV )s
 SpanInput 
(13)
Sedangkan dari data-data lapangan
Berdasarkan data di lapangan diperoleh diperoleh harga gain transmitter sebesar
data-data teknis sebagai berikut:  20 − 4  m . A. det
GT =   = 0 ,72
h = 14 m  22 . 2  kg
ρ W = 965,5 kg/m3
ρV = 803 kg/m3 Sensor dan transmitter aliran uap
Dari pengamatan di lapangan untuk
Sesuai dengan persamaan (13) maka
transmitter dengan menggunakan
didapat fungsi sebagai berikut
metode pengukuran differential pressure
1
L( s) = [m& W ( s) − m& b (s) − m& V (s)] buatan Yamatake-Honeywell, diperoleh
1137,5s data time constant (TC) sebesar 0,2 detik.
(14) Pada elemen ini sebagai masukannya
adalah uap air dengan laju aliran 60T/h
2.5 Fungsi Transfer Elemen–Elemen atau 16,8kg/detik dan sebagai keluaran
Pengendalian transmitternya adalah arus sebesar 4-20
Pada sistem pengendalian yang mA.
dirancang ini, digunakan 3 buah sensor Dengan menggunakan data-data dari
dan transmitter, yaitu sensor laju aliran lapangan diperoleh harga gain
feed water, laju aliran uap serta transmitter sebesar:
perubahan level steam drum WHB
 20 − 4  m. A. det
(waste heater boiler). GT =   = 0,952
Untuk mengukur steam flow dan feed  16 ,8  kg
water flow digunakan elemen ukur
orifice dan dilengkapi converter P/I yang Sensor dan Transmitter Level Steam
mengubah sinyal tekanan menjadi Drum
tekanan listrik, sedangkan untuk Type transmitter yang digunakan
mengukur perubahan level steam drum adalah differential pressure transmitter,
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008 225
dimana pengukuran ketinggian air dalam 15 − 3( psi )
Gτ = = 0, 75 psi / mA
drum (level) berdasarkan perbedaan 20 − 4 ( mA )
tekanan dalam drum, masukan dari
transmitter ini adalah level drum = -875 Sehingga diperoleh gain total control
~ -525mm (1,4m) dan keluaran berupa valve
sinyal arus listrik sebesar 4-20mA. KV = K. Gτ
Transmitter ini mempunyai time
= 1,85 . 0,75
constant 0,2 detik,
= 1,38 (kg dt/mA)
diperoleh:
20 − 4
GL = = 11,429 mA / m Time constant efektif control valve
1,4 diperoleh berdasarkan hubungan waktu
Sehingga didapatkan fungsi alih stroke, perfreksional terhadap posisi
transmitter level sebagai berikut valve dan perbandingan konstanta waktu
L(s) 11 , 429 inferent terhadap waktu stroke yang
=
I L (s) 0 ,2 s + 1 dinyatakan

Control Valve aliran Air TCv = TV . ( ∆V +RV)


Dengan asumsi bahwa control valve
yang digunakan mempunyai TCV = time constant control valve (dt)
karakteristik aliran yang linier, maka TV = waktu stroke penuh (1,3 dt)
fungsi transfer control valve dapat RV = perbandingan konstanta waktu
didekati dengan persamaan orde satu inverent terhadap waktu stroke (RV =
sebagai berikut : 0,03)
aliran _ max − aliran _ min
∆V =
Ms KV aliran _ max
=
Gτ T CV + 1 = 22 , 2 − 11, 6 = 0 , 48
22 , 2
KV = Gain control Valve (kg (det.mA)-1) TCv = 1,3 . (0,48+0,03) = 0,66
TCV = time constant control valve (dt)
M s (s) 1,38
=
Untuk mendapatkan gain control valve, G C ( s ) 0 , 66 s + 1
dapat diperoleh dengan menggunakan
persamaan 3. HASIL DAN DISKUSI
3.1 Simulasi Open Loop
laju _ aliran _ maks Simulasi pada open loop ini
K =
perubahan _ tekanan _ masukan dilakukan untuk mengetahui sejauh
mana performansi sistem tanpa
22 , 2 ( kg / dt ) pengendali. Uji open loop dilakukan
K = = 1,85 kg / dt . psi
15 − 3( psi ) dengan memberikan input berupa sinyal
Gain I/P adalah step.

226 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
Setpoint ini merupakan setpoint yang
sesuai dengan kondisi operasi normal
sistem yang diinginkan di real plant.
Hasil simulasi untuk Uji 1 ditunjukkan
pada Gambar 4.

Gambar 3. Grafik respon open loop


Gambar 3 menunjukkan bahwa dengan
uji open loop tanpa adanya pengendali,
Level tidak bisa mencapai nilai setpoint.
Karena performansi sistem tersebut, Gambar 4. Respon sistem pengendalian level
jauh dari level yang diinginkan yaitu terhadap input step pada FGS (fuzzy gain
sebesar 70cm dan 80cm, maka hal inilah schedulling ) PID
yang menjadikan pentingnya pengguna-
an controller pada plant ini untuk Pada simulasi ini respon keluaran
mengendalikan level. pada level menunjukkan overshoot
sebesar 0,12%. Ess (steady state error)
3.2 Simulasi close loop sebesar 0,48% dan mencapai kondisi
Hasil simulasi fuzzy gain schedulling steady state setelah 272 detik dari
ditampilkan dalam bentuk grafik respon keadaan start up. Respon sistem
keluaran sistem. Sistem yang telah pengendalian level dengan input step
dirancang diuji dengan lima pengujian, dengan controller berbasis fuzzy statis
yaitu uji respon masukan sinyal step, uji (KLF) seperti pada Gambar 5.
tracking setpoint, uji noise pengukuran,
uji beban dan uji gabungan. Sebagai
Pembanding digunakan sistem pengen-
dali fuzzy statis dan sistem pengendalian
PID dimana sistem ini yang dipakai pada
plant yang sama. Sistem pengendalian
ini digunakan untuk melihat seberapa
handal performansi dari sistem
pengendalian yang telah dirancang
dalam penelitian ini.
Gambar 5. Respon sistem pengendalian
Uji 1: Uji Respon Masukan Step level terhadap input step pada KLF
Pada pengujian ini diberikan setpoint
sebesar 50% atau 70cm, skala 0% Pada simulasi ini respon keluaran
menunjukkan ketinggian/level 0 cm dihi- pada level menunjukkan overshoot
tung dari dasar drum dan skala 100% sebesar 0,1%. Ess sebesar 0,52% dan
menunjukkan level 140cm (1,4 meter). mencapai kondisi steady state setelah
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008 227
280,4 detik dari keadaan start up keadaan tunaknya sebesar 0,49%.
(Gambar 6). Settling time kedua sebesar 80cm dicapai
dalam waktu 210,16 detik dari setpoint
pertama dengan overshoot sebesar
0,12% dan kesalahan keadaan tunaknya
sebesar 0,425%. Untuk setpoint ketiga
sebesar 60cm dicapai dalam waktu 350,5
detik dari setpoint kedua dan kesalahan
keadaan tunaknya sebesar 0,33%
(Gambar 8).

Gambar 6. Respon sistem pengendalian level


terhadap input step pada PID

Pada simulasi ini respon keluaran


pada level menunjukkan overshoot
sebesar 4,09%, Ess sebesar 0,5% dan
mencapai kondisi steady state setelah
1055,5 detik dari keadaan start up.
Uji 2: Uji Tracking Setpoint
Pada simulasi ini setpoint awal pada
kondisi normal yaitu 70cm, setpoint Gambar 8. Respon sistem pengendalian level
kedua sebesar 80cm dan setpoint ketiga dengan uji tracking setpoint pada KLF
60cm. Hasil simulasi ditunjukkan pada
Pada simulasi ini respon keluaran
Gambar 7.
untuk setpoint pertama sebesar 70cm
tercapai dalam waktu 295,7 detik dengan
overshoot sebesar 0,12% dan kesalahan
keadaan tunaknya sebesar 0,59%.
Settling time kedua sebesar 80cm dicapai
dalam waktu 245,6 detik dari setpoint
pertama dengan overshoot sebesar
0,12% dan kesalahan keadaan tunaknya
sebesar 0,51%. Untuk setpoint ketiga
sebesar 60cm tercapai dalam waktu
Gambar 7. Respon sistem pengendalian level 277,8detik dari setpoint kedua dan
dengan uji tracking setpoint pada FGS (fuzzy kesalahan keadaan tunaknya sebesar
gain schedulling) PID 0,45% dan mengalami undershoot
sebesar 0,457% (Gambar 9).
Pada simulasi ini respon keluaran
untuk setpoint pertama sebesar 70cm
dicapai dalam waktu 276,3 detik dengan
overshoot sebesar 014% dan kesalahan
228 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
sebesar 16,05 kg/s. Hasil yang didapat
dari pengujian ini ditunjukkan pada
Gambar 10.
Dalam pengujian ini beban
diberikan pada detik ke 500 dari keadaan
steady state. Hasil yang didapatkan
adalah berkurangnya level sebesar
0,32% (Gambar 11).

Gambar 9. Respon sistem pengendalian level


dengan uji tracking setpoint pada PID

Pada simulasi ini respon keluaran


untuk setpoint pertama sebesar 70cm
tercapai dalam waktu 1072 detik dengan
overshoot sebesar 3,72% dan kesalahan
keadaan tunaknya sebesar 0,46%.
Settling time kedua sebesar 80cm dicapai Gambar 11. Respon sistem pengendalian level
dalam waktu 1760 detik dari setpoint dengan uji beban pada KLF
pertama dengan overshoot sebesar
5,43% dan kesalahan keadaan tunaknya
sebesar 1,96%. Untuk setpoint ketiga
sebesar 60cm tercapai dalam waktu 735
detik dari setpoint kedua dan kesalahan
keadaan tunaknya sebesar 0,58% dan
mengalami undershoot sebesar 2,7%.

Uji 3: Uji Beban


Pada pengujian ini dilakukan pengu-
rangan laju aliran steam keluar dari
steam drum sebesar 11,67 kg/s dari Gambar 12. Respon sistem pengendalian level
keadaan normal yaitu keluaran laju dengan uji beban pada PID
steam
Dalam pengujian ini beban
diberikan pada detik ke 3000 dari
keadaan steady state. Hasil yang
didapatkan adalah berkurangnya level
sebesar 2,1% dan Sistem kembali ke
keadaan steady state setelah 270 detik
sejak gangguan diberikan (Gambar 12).

Uji 4: Uji Noise


Pengujian noise merupakan penguji-
an dengan penambahan noise pengukur-
Gambar 10. Respon sistem pengendalian level
dengan uji beban FGS PID an yang terjadi akibat kesalahan pengu-
kuran pada transmitter (Gambar 13).
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008 229
bertahan dan memberikan respon yang
cepat dan tetap berada dalam kondisi
stabil, yaitu dengan Ess sebesar
mencapai 1,2%, yang berarti masih lebih
besar dari simulasi pertama (Gambar
15).

Gambar 13. Respon sistem pengendalian level


dengan gangguan noise pada FGS PID

Pada uji noise ini, sistem diberi


noise berupa sinyal random. Uji noise
diberikan pada saat kondisi sistem Gambar 15. Respon sistem pengendalian level
sedang berjalan dan dalam keadaan dengan gangguan noise pada PID
steady state yaitu pada posisi 500 detik
Dari hasil simulasi menunjukkan bahwa Pada pengujian ini, sinyal noise
walaupun sistem tetap mengalami diberikan pada saat kondisi sistem
osilasi, sistem mampu bertahan dan sedang beroperasi yaitu pada detik ke
memberikan respon yang tetap berada 3000, Dari hasil simulasi menunjukkan
bahwa sistem mampu bertahan dan
memberikan respon yang baik dengan
nilai kesalahan pada keadaan tunak (Ess)
sebesar 1,42%.

Uji 5: Uji Gabungan


Uji gabungan merupakan gabungan
dari uji noise pengukuran dan uji beban.
Hasil pengujian ini ditunjukkan pada
Gambar 16.
Pada pengujian ini, sistem dengan
Gambar 14. Respon sistem pengendalian level controller FGS PID dijalankan dengan
dengan gangguan noise pada KLF menambahkan sinyal beban sebesar 30%
dalam kestabilan yang diijinkan. Dari dari kondisi normal dan noise
pengujian ini diperoleh Ess sebesar 0,35 pengukuran pada saat sistem berada pada
% (Gambar 14). steady state. Pengujian dilakukan pada
Uji noise diberikan pada saat kondisi detik ke 500, dan dari respon keluaran
sistem sedang berjalan yaitu pada detik sistem diperoleh bahwa sistem tidak me-
ke 500. Dari hasil simulasi menunjukkan ngalami overshoot serta didapatkan
bahwa sistem mengalami osilasi sesaat, kesa-lahan keadaan tunak (Ess) sebesar
akan tetapi secara umum sistem mampu 0.94% (Gambar 17).
230 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
Gambar 18. Respon sistem pengendalian
level dengan uji gabungan pada PID
Gambar 16. Respon sistem pengendalian level
dengan uji gabungan pada FGS PID dengan maximum overshoot 15% dengan
kesalahan keadaan tunak sebesar 2,4%.
Dengan demikian dari segi performansi,
sistem dengan controller PID, lebih
rendah bila dibandingkan dengan 2 mode
controller sebelumnya.

4. KESIMPULAN
Pada pengujian respon step tanpa
adanya perubahan beban untuk
pengendalian level, sistem dapat
Gambar 17. Respon sistem pengendalian level mencapai setpoint dalam waktu 272
dengan uji gabungan.pada KLF detik dengan maximum overshoot 0,12%
dan kesalahan keadaan tunak 0,48%
Sama dengan pengujian sebelumnya dibawah toleransi 2% (standar perfor-
yaitu uji 5, simulasi ini dijalankan mansi).
dengan menambahkan beban dan noise Pada variasi pengujian lainnya
pada sistem saat sistem dalam kondisi seperti perubahan setpoint, noise
steady state. Pengujian dilakukan pada pengukuran, perubahan beban dan
detik ke 500. Dapat diketahui bahwa pengujian gabungan, menunjukkan
pada pengujian ini tidak terjadi osilasi, bahwa pengendali fuzzy gain scheduling
dan sistem mampu merespon dengan PID dapat mengatasi semua perubahan
cepat dan smooth. Pada pengujian ini dan gangguan yang terjadi secara lebih
didapatkan kesalahan keadaan tunak cepat dan toleransi kesalahan pada
sebesar 1,3%. Ini berarti kinerja keadaan tunak lebih kecil.
controller masih dibawah controller Algoritma pengendali fuzzy gain
FGS PID (Gambar 18). scheduling PID pada loop pengendalian
Sedangkan pada sistem dengan level, secara umum mampu memberikan
controller PID, pengujian dilakukan performansi pengendalian yang lebih
pada detik ke 3000. Dalam pengujian ini, baik dari pada pengendali fuzzy statis
tampak sistem cenderung berosilasi maupun PID biasa.

Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008 231
DAFTAR PUSTAKA Systems for Dynamic Performance,
Abadi, I. (1999), Sistem Fuzzy, Jurusan McGraw-Hill Company.
Teknik Fisika FTI-ITS Surabaya. Rochmanuddin, M. (2000), Fuzzy
Gunterus, F. (1994), Falsafah Dasar: Control Systems, Laboratorium Instru-
Sistem Pengendalian Proses, Elex mentasi dan Kontrol ITB.
Media Komputindo, Jakarta. Ogata, K. (1990), Modern Control
Herawaty, R. (2002), Perancangan Engineering, Prentice-Hall Interna-
Sistem Pengendalian Level Boiler tional Edition.
Dengan Metode Logika Fuzzy, Kusumadewi, S. (2002), Analisis dan
Teknik Fisika FTI-ITS Surabaya. Desain Sistem Fuzzy Menggunakan
Kosko, B. (1992), Neural Network and Toolbox Matlab, Graha Ilmu, Yogya-
Fuzzy System: A Dynamical System karta.
Approach to Machine Intellegence, Winarno, A. (1999), Perancangan
Prentice-Hall, International Inc. Sistem Pengendalian Level Boiler
Luyben, W.L. (1990), Process dengan Controller PID Plus
Modelling, Simulation, and Control Kompensator, Teknik Fisika.
for Chemical Engineer, McGraw- Zhao, Z.Y., Tomizuka, M., and Isaka,
Hill Publishing Company. S. (2003), Fuzzy Gain Scheduling of
Marlin, T.E. (1995), Process Control: PID Controller IEE Transactions On
Designing Processes and Control Systems. MAN, Cybernetics Vol. 23,
No. 5, September/Oktober).

232 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008

View publication stats