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
Pada proses industri khususnya
petrokimia atau pupuk, untuk
memproduksi asam sulfat, amonia
maupun urea, salah satu kebutuhan
utamanya adalah steam. Steam tersebut
dapat dihasilkan oleh unit -unit
pembangkit steam seperti Package
Boiler, Steam drum dan lain-lain yang
berfungsi mengubah feed water yang
masih berupa fasa cair menjadi uap atau
steam.
Salah satu faktor dominan untuk
mendapatkan steam yang berkualitas
adalah level fluida cair pada drum. Hal
ini disebabkan level air pada drum secara
langsung turut mempengaruhi
temperatur, tekanan steam yang
diinginkan. Oleh sebab itu maka level di
dalam steam drum tersebut harus tetap
dijaga. Apabila level air pada steam
drum terlalu tinggi akan mengakibatkan
carry-over yang bisa menimbulkan
kerusakan pada turbin. Untuk
menghindari carry-over yang berlebihan,
maka feed water harus dihentikan
secaratotal. Keadaan ini, tentu dapat
mengganggu proses produksi steam pada
steam drum. Sedangkan jika level rendah
yang artinya jumlah air pada drum
berkurang sedangkan pemanasan tetap
konstan, maka tekanan akan berubah
tinggi dan jika dibiarkan terus menerus
bisa menyebabkan terjadinya ledakan.
Untuk mempertahankan agar level air
pada drum sesuai dengan keinginan,
perlu dilakukan pengendalian terhadap
variabel ini secara otomatis sehingga
tidak menghambat proses selanjutnya.
Beberapa peneliti sebelumnya telah
melakukan penelitian pada plant yang
sama yakni steam drum atau boiler
diantaranya (Winarno, 1999) yaitu
pengendalian tekanan pada boiler
220 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
dengan controller PID plus compensator,
(Herawaty, 2002) pengendalian level
pada boiler dengan KLF (kontrol logika
fuzzy) statis, (Rachmawardani, 2003,
dan Kosko, 1992) pengendalian level
pada boiler dengan neural network
controller. Berdasar hasil penelitian, bisa
diketahui bahwa kualitas steam yang
dihasilkan sangat bergantung pada
pengendalian variabel-variabel proses
yang paling sensitif, seperti level dan
tekanan serta ketangguhan dalam
mengatasi gangguan yang bersifat
internal yakni proses plant dan eksternal
yaitu lingkungan. Kelemahan yang
ditemukan pada hasil penelitian
sebelumnya adalah respon keluaran
sistem yang masih cukup lama untuk
mencapai titik stabil dan eror yang masih
besar.
Untuk itu dalam penelitian ini,
dirancang suatu sistem pengendalian
berbasis pengendali PID fuzzy gain
schedulling yang diharapkan mampu
menghasilkan respon keluaran yang
cepat dan lebih akurat ketika sebuah
sistem mengalami gangguan.
2. METODE
Steam drum/boiler adalah suatu
pesawat yang berfungsi untuk
mengkonversikan energi kimia pada
bahan bakar menjadi energi panas,
selanjutnya energi panas tersebut diserap
oleh air di dalam boiler sampai pada
kondisi tertentu, yakni melewati titik
didihnya kemudian air tersebut akan
berubah fase dari cair menjadi gas atau
uap. Uap ini yang kemudian disebut
steam (Luyben, 1990).
Ditinjau dari komponennya, maka
boiler terdiri dari dua komponen utama,
yaitu: dapur, sebagai alat mengubah
energi kimia menjadi energi panas, dan
alat penguapan (evaporator) yang
mengubah panas pembakaran (energi
panas) menjadi energi panas uap.
Kedua komponen tersebut di atas
telah memungkinkan suatu boiler untuk
berfungsi, sedangkan komponen
pendukung lainnya adalah: cerobong
asap, sistem pemipaan, yang
memungkinkan sistem menghantar kalor
yang efektif antara gas panas dengan
boiler, dan sistem pemanasan lanjut,
pemanas udara pembakaran serta
pemanas air umpan boiler untuk
meningkatkan efisiensi boiler.
Pada penelitian ini, media yang
digunakan untuk memanasi boiler atau
steam drum adalah gas exhaust (gas
buangan) dari turbin, seperti pada
Gambar 1 di bawah. Steam drum
tersebut terletak di samping unit turbin
gas yang mana exhaust gas dari turbin
masuk ke steam drum melalui burner
yang ditempatkan dalam ruang bakar.
Burner tersebut juga sebagai tempat
pembakaran gas alam yang panas
pembakarannya akan bercampur dengan
panas exhaust gas turbine. Gas panas
tersebut masuk ke dalam superheater 2,
tempat dimana temperatur exhaust gas
paling tinggi sehingga dapat
menghasilkan steam dengan tekanan
tinggi (high pressure steam).
Gambar 1. PID steam drum
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
Gas panas yang telah dipakai,
sebagian panasnya kemudian dialirkan
menuju superheater 1 dan evaporator.
Pada evaporator, panas yang masuk
digunakan untuk mengubah feed water
yang masuk boiler menjadi fase uap
saturated. Exhaust gas yang keluar dari
evaporator merupakan gas sisa dari
proses penguapan, namun karena masih
mempunyai temperatur yang tinggi maka
gas tersebut dilewatkan ke dalam
evaporator untuk dimanfaatkan
panasnya sebagai preheater umpan
boiler yang masuk.
2.1 Pengendali PID
Pengendali PID merupakan
gabungan antara tiga macam mode
pengendali yaitu Proporsional (P),
Integral (I), dan Derivative (D). Tujuan
penggabungan ini adalah untuk
menutupi kekurangan dan menonjolkan
kelebihan dari masing-masing mode
pengendali (Ogatha, 1990, dan Gunterus,
1994). Misalnya mode P, berfungsi
mempercepat rise time agar respon
sistem lebih cepat mencapai setpoint,
namun dia masih memiliki kekurangan
yaitu meninggalkan offset. Kelemahan
ini dapat diatasi dengan
menggabungkannya dengan mode I yang
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
pengendali. Kinerja pengendali sangat
221
ditentukan oleh parameter–parameter ini.
Penalaan parameter pengendali PID
bukanlah hal yang mudah, karena setiap
plant mempunyai karakteristik yang
berbeda.
Hal yang perlu diperhatikan dalam
penalaan parameter pengendali PID
adalah: Gain Kp tidak boleh terlalu
besar, karena semakin besar Kp sistem
akan semakin sensitif dan cenderung
tidak stabil, sedangkan jika Kp kecil
akan mengakibatkan offset yang besar;
Ti yang kecil akan bermanfaat untuk
menghilangkan offset, tetapi cenderung
membawa sistem menjadi lebih sensitif
dan mudah berosilasi. Sedangkan Ti
besar belum tentu efektif menghilangkan
offset dan juga membuat respon menjadi
lebih lambat; dan Td yang besar akan
membuat unsur derivative menjadi lebih
menonjol sehingga respon cenderung
cepat, sedangkan Td yang kecil kurang
membantu pada saat pencapaian set
point.
2.2 Pengendali Fuzzy
Dinamika proses yang bersifat
nonlinier tidak dapat direpresentasikan
melalui suatu harga mutlak yakni
bernilai 0 atau 1 saja, sebab jika nilai ini
digunakan untuk merespon berbagai
keadaan, maka akan diberlakukan sistem
clustering untuk 2 keadaan saja yakni
keadaan yang berharga 0 dan 1. Tentu
saja hal ini tidak mewakili kondisi yang
sebenarnya. Berdasarkan hal tersebut di
atas maka pada tahun 1960 an, Prof.
Lotfi A. Zadeh dari California University
menggagas munculnya teori fuzzy.
Prinsip dasar yang digunakan dalam
teori ini adalah membagi keadaan yang
ada pada dinamika sebuah proses
menjadi sebuah himpunan yang lebih
dikenal dengan himpunan fuzzy.
222 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
Dalam kaitannya dengan pengendali,
sistem fuzzy yang dijelaskan di atas
dapat digunakan untuk merancang suatu
pengendali berbasis fuzzy dengan
langkah–langkah seperti berikut ini
(Rochmanudin, 2000).
Fuzzifikasi merupakan suatu proses
pemetaan dari masukan pengendali
(berupa data crisp/ variabel proses) ke
bentuk himpunan fuzzy untuk semesta
pembicaraan tertentu. Data yang telah
dipetakan selanjutnya dikonversikan ke
dalam bentuk linguistik yang sesuai
dengan label dari himpunan fuzzy yang
telah terdefinisi untuk variable input
system. Proses ini dapat dinyatakan
sebagai berikut:
X = fuzzifier(Xo) (2)
Dengan Xo merupakan vektor dari nilai
crisp untuk satu variabel masukan dari
proses, sedangkan X adalah vektor
himpunan fuzzy terdefinisi untuk
variabel itu, serta fuzzifier adalah suatu
operator fuzzifikasi dengan efek yang
memetakan data crisp ke himpunan
fuzzy.
Unit basis pengetahuan terdiri dari
basis data (Data Base) dan basis aturan
(Rule Base). Fungsi dari basis data yaitu
untuk mendefinisikan himpunan-
himpunan fuzzy dari sinyal masukan dan
sinyal keluaran agar dapat digunakan
oleh variabel linguistik dalam basis
aturan. Sistem Fuzzy yang selalu
dikaitkan dengan variabel linguistik pada
dasarnya berbentuk aturan IF...THEN
(jika–maka) dan pengetahuan pakar yang
disebut aturan kendali.
Fuzzy Inference Engine merupakan
inti dari pengendali fuzzy yang
mempunyai kemampuan seperti manusia
dalam mengambil keputusan. Pende-
finisian besarnya derajat keanggotaan
dan variabel linguistik dari aksi
pengendalian yang dilakukan untuk
masing-masing aturan kendali
berdasarkan fungsi implikasi yang
digunakan. Langkah yang dilakukan
pada tahap ini yaitu mengevaluasi
aturan; pengendali fuzzy mengolah dan
menyimpulkan proses yang tersusun dari
rule IF...THEN, setiap rule mengha-
silkan satu output. Pada dasarnya satu
rule akan aktif apabila kondisi input
memenuhi aturan pernyataan IF.
Pengaktifan aturan pernyataan IF
menghasilkan output kendali yang
didasarkan pada aturan pernyataan
THEN. Dalam sistem fuzzy digunakan
banyak rule yang menyatakan satu atau
lebih pernyataan IF. Suatu rule dapat
pula mempunyai beberapa kondisi input,
yang satu sama lainya dihubungkan
dengan AND atau OR untuk mendapat-
kan rule output.
Defuzzifikasi mempunyai fungsi
yaitu untuk menstranformasikan kesim-
pulan yang bersifat fuzzy menjadi sinyal
yang sebenarnya yang bersifat crisp
dengan menggunakan operator defuzzy-
fie]. Pemetaan aksi pengendalian fuzzy
(dominan fuzzy) ke dalam ruang aksi
pengendalian non fuzzy (crisp) merupa-
kan dasar dari defuzzifikasi.
2.3 Pengendali PID Fuzzy Gain
Scheduling
Sering kali dinamika proses suatu
sistem berubah sejalan dengan kondisi
operasi proses. Salah satu sumber
dinamika perubahan bisa dikarenakan
nonliniearitas (Zhao et al., 2003).
Keadaan demikian dapat diatasi melalui
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
dikenal dengan istilah gain scheduling.
Gain scheduling didasarkan pada
pengukuran kondisi operasi dari proses
untuk mengimbangi variasi-variasi
perubahan parameter atau nonlinearitas
dari proses. Gain scheduling merupakan
cara yang ampuh untuk mereduksi
pengaruh-pengaruh dari variasi parame-
ter. Gain scheduling memungkinkan
untuk mendapatkan variabel pembantu
yang berkorelasi dengan perubahan
dalam dinamika proses, yang kemudian
mereduksi pengaruh-pengaruh dari
variasi parameter dengan merubah
parameter pengendali sebagai fungsi
variabel pembantu.
Masalah utama dalam merancang
sistem dengan gain schedulling adalah
untuk mendapatkan variabel scheduling
yang sesuai. Ketika variabel scheduling
didapatkan, maka penalaan parameter
pengendali dihitung berdasarkan jumlah
kondisi operasi dengan menggunakan
metode perancangan yang sesuai.
Pengendali kemudian ditala untuk setiap
kondisi operasi. Gain schedulling
mempunyai keuntungan lebih yaitu
bahwa parameter pengendali dapat
berubah dengan cepat dalam
menangggapi perubahan proses.
Pengendali PID fuzzy gain
scheduling merupakan salah satu
aplikasi dari teori himpunan fuzzy.
Logika fuzzy dibuat sedemikian rupa
sehingga dapat menjadwal parameter-
parameter dalam pengendali PID, hingga
sinyal kesalahan dapat dihilangkan
sampai pada batas yang diinginkan,
bahkan sampai nol (Zhao et al., 2003).
Berikut adalah struktur dasar fuzzy gain
scheduling PID controller (Gambar 2).
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
keadaan normal yaitu keluaran laju
steam
Gambar 12. Respon sistem pengendalian level
dengan uji beban pada PID
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

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
sedang berjalan dan dalam keadaan
steady state yaitu pada posisi 500 detik
Dari hasil simulasi menunjukkan bahwa
walaupun sistem tetap mengalami
osilasi, sistem mampu bertahan dan
memberikan respon yang tetap berada
Gambar 14. Respon sistem pengendalian level
dengan gangguan noise pada KLF
dalam kestabilan yang diijinkan. Dari
pengujian ini diperoleh Ess sebesar 0,35
% (Gambar 14).
Uji noise diberikan pada saat kondisi
sistem sedang berjalan yaitu pada detik
ke 500. Dari hasil simulasi menunjukkan
bahwa sistem mengalami osilasi sesaat,
akan tetapi secara umum sistem mampu
230 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
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 15. Respon sistem pengendalian level
dengan gangguan noise pada PID
Pada pengujian ini, sinyal noise
diberikan pada saat kondisi sistem
sedang beroperasi yaitu pada detik ke
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
controller FGS PID dijalankan dengan
menambahkan sinyal beban sebesar 30%
dari kondisi normal dan noise
pengukuran pada saat sistem berada pada
steady state. Pengujian dilakukan pada
detik ke 500, dan dari respon keluaran
sistem diperoleh bahwa sistem tidak me-
ngalami overshoot serta didapatkan
kesa-lahan keadaan tunak (Ess) sebesar
0.94% (Gambar 17).

Gambar 16. Respon sistem pengendalian level
dengan uji gabungan pada FGS PID
Gambar 17. Respon sistem pengendalian level
dengan uji gabungan.pada KLF
Sama dengan pengujian sebelumnya
yaitu uji 5, simulasi ini dijalankan
dengan menambahkan beban dan noise
pada sistem saat sistem dalam kondisi
steady state. Pengujian dilakukan pada
detik ke 500. Dapat diketahui bahwa
pada pengujian ini tidak terjadi osilasi,
dan sistem mampu merespon dengan
cepat dan smooth. Pada pengujian ini
didapatkan kesalahan keadaan tunak
sebesar 1,3%. Ini berarti kinerja
controller masih dibawah controller
FGS PID (Gambar 18).
Sedangkan pada sistem dengan
controller PID, pengujian dilakukan
pada detik ke 3000. Dalam pengujian ini,
tampak sistem cenderung berosilasi
Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
Gambar 18. Respon sistem pengendalian
level dengan uji gabungan pada 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
mencapai setpoint dalam waktu 272
detik dengan maximum overshoot 0,12%
dan kesalahan keadaan tunak 0,48%
dibawah toleransi 2% (standar perfor-
mansi).
Pada variasi pengujian lainnya
seperti perubahan setpoint, noise
pengukuran, perubahan beban dan
pengujian gabungan, menunjukkan
bahwa pengendali fuzzy gain scheduling
PID dapat mengatasi semua perubahan
dan gangguan yang terjadi secara lebih
cepat dan toleransi kesalahan pada
keadaan tunak lebih kecil.
Algoritma pengendali fuzzy gain
scheduling PID pada loop pengendalian
level, secara umum mampu memberikan
performansi pengendalian yang lebih
baik dari pada pengendali fuzzy statis
maupun PID biasa.
231
 DAFTAR PUSTAKA
Abadi, I. (1999), Sistem Fuzzy, Jurusan
Teknik Fisika FTI-ITS Surabaya.
Gunterus, F. (1994), Falsafah Dasar:
Sistem Pengendalian Proses, Elex
Media Komputindo, Jakarta.
Herawaty, R. (2002), Perancangan
Sistem Pengendalian Level Boiler
Dengan Metode Logika Fuzzy,
Teknik Fisika FTI-ITS Surabaya.
Kosko, B. (1992), Neural Network and
Fuzzy System: A Dynamical System
Approach to Machine Intellegence,
Prentice-Hall, International Inc.
Luyben, W.L. (1990), Process
Modelling, Simulation, and Control
for Chemical Engineer, McGraw-
Hill Publishing Company.
Marlin, T.E. (1995), Process Control:
Designing Processes and Control
232 Jurnal Sains dan Teknologi EMAS, Vol. 18, No. 4, November 2008
View publication stats
Systems for Dynamic Performance,
McGraw-Hill Company.
Rochmanuddin, M. (2000), Fuzzy
Control Systems, Laboratorium Instru-
mentasi dan Kontrol ITB.
Ogata, K. (1990), Modern Control
Engineering, Prentice-Hall Interna-
tional Edition.
Kusumadewi, S. (2002), Analisis dan
Desain Sistem Fuzzy Menggunakan
Toolbox Matlab, Graha Ilmu, Yogya-
karta.
Winarno, A. (1999), Perancangan
Sistem Pengendalian Level Boiler
dengan Controller PID Plus
Kompensator, Teknik Fisika.
Zhao, Z.Y., Tomizuka, M., and Isaka,
S. (2003), Fuzzy Gain Scheduling of
PID Controller IEE Transactions On
Systems. MAN, Cybernetics Vol. 23,
No. 5, September/Oktober).