Desain Sistem Kontrol Ketinggian Air Bendungan Menggunakan Metode Optimasi Genetic Algorithm
Referensi: Setiawan, A., Zuhrie, M. S., Anifah, L., & Buditjahjanto, I. G. P. A. (2021). Desain Sistem Kontrol Ketinggian Air Bendungan Menggunakan Metode Optimasi Genetic Algorithm. JURNAL TEKNIK ELEKTRO, 10(2), 517-525.
1.Pendahuluan(kembali)
Bendungan adalah suatu wadah untuk menampung
maupun menahan air, dimana air tersebut dapat
dimanfaatkan untuk berbagai tujuan. Manfaat dari
bendungan sangat banyak sekali, salah satunya yaitu
sebagai pengendali banjir, sehingga tidak terjadi bencana
banjir dalam suatu wilayah tersebut.
Bendungan adalah suatu wadah untuk menampung
maupun menahan air, dimana air tersebut dapat
dimanfaatkan untuk berbagai tujuan. Manfaat dari
bendungan sangat banyak sekali, salah satunya yaitu
sebagai pengendali banjir, sehingga tidak terjadi bencana
banjir dalam suatu wilayah tersebut
2.Metode (kembali)
Pendekatan Penelitian
Penelitian ini disusun berdasarkan pada metode pendekatan
penelitian kuantitatif.
Instrumen Pengumpulan Data
Pada penelitian ini penulis menggunakan
software Matlab 2016a yang telah terinstal pada laptop
Desain Sistem
Perancangan Software
Karakteristik Sistem Orde Dua
Transfer fungsi close
loop dapat ditulis dengan rumus :
Genetic Algorithm
3.Hasil dan Pembahasan (kembali)
Pemodelan Sistem
Pada penelitian
ini menggunakan set point 10 cm dengan nilai fungsi
transfer dari nilai acuan jurnal sebelumnya sebagai berikut:
Perancangan Kontroller PID
4.Penutup (kembali)
Simpulan
Setelah mendapatkan hasil penelitian, didapatkan sebuah
kesimpulan bahwa metode optimasi Algoritma Genetika
dapat mengontrol ketinggian air bendungan dengan cukup
baik karena dapat memberikan suatu respon yang sama
dengan set point yang telah ditetapkan. Dengan optimasi
Genetic Algorithm didapatkan nilai Kp = 4.75, Ki = 0.069,
Kd = 59,666 yang mana pada respon yang dihasilkan tidak
terdapat overshoot
saran
Dalam hali ini penulis dapat memberikan saran kepada
peneliti selanjutnya untuk mencari model matematika baru
dengan parameter-parameter yang telah ditentukan atau
dapat menggunakan metode lainnya seperti Linear
Quadratic Regulator control (LQR), Adaptive Neuro Fuzzy
Inferance System (ANFIS) sehingga mendapatkan suatu
respon yang lebih baik lagi.
video materi GA
YANG DICOBAKAN OLEH TEMAN
5.Video (kembali)
video simulasi GA
video simulasi GA dari blog
video simulasi simulink
video simulasi Simulink dari blog
video materi GA
YANG DICOBAKAN OLEH TEMAN
6.Download File (kembali)
html
Download video simulink.mp4
Download video GA.mp4
Download simulink
Download jurnal.pdf
Download video yang dicobakan oleh teman