Desain Sistem Kontrol Ketinggian Untuk Pengambilan Citra Dengan Pendekatan Fuzzy-Pid Pada Quadcopter Berbasis Penguncian Gps

DESAIN SISTEM KONTROL KETINGGIAN UNTUK
PENGAMBILAN CITRA DENGAN PENDEKATAN FUZZYPID PADA QUADCOPTER BERBASIS PENGUNCIAN GPS

ANDRIA WANDANI

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
2016

PERNYATAAN MENGENAI SKRIPSI DAN SUMBER
INFORMASI SERTA PELIMPAHAN HAK CIPTA
Dengan ini saya menyatakan bahwa skripsi berjudul Desain Sistem Kontrol
Ketinggian untuk Pengambilan Citra dengan Pendekatan Fuzzy-PID pada
Quadcopter Berbasis Penguncian GPS adalah benar karya saya dengan arahan
dari komisi pembimbing dan belum diajukan dalam bentuk apa pun kepada
perguruan tinggi mana pun. Sumber informasi yang berasal atau dikutip dari karya
yang diterbitkan maupun tidak diterbitkan dari penulis lain telah disebutkan dalam
teks dan dicantumkan dalam Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.

Bogor, Februari 2016

Andria Wandani
NIM F14110043

ABSTRAK
ANDRIA WANDANI. Desain Sistem Kontrol Ketinggian Untuk Pengambilan
Citra Dengan Pendekatan Fuzzy-PID Pada Quadcopter Berbasis Penguncian GPS:
Dibimbing oleh MOHAMAD SOLAHUDIN.
Penginderaan jarak jauh telah dipergunakan secara luas pada kegiatan
monitoring lingkungan dan pertanian. Saat ini telah berkembang teknologi yang
digunakan dalam kegiatan monitoring kondisi lahan melalui foto udara dengan
perangkat quadcopter atau Unmanned Aerial Vehicle (UAV). Penggunaan
quadcopter dalam pengambilan citra dikarenakan kemudahannya dalam
pengendalian, karena memiliki VTOL (Vertical Take Off and Landing) yang tidak
membutuhkan landasan terbang. Namun pada pengaplikasiannya, quadcopter sulit
untuk dikendalikan dikarenakan faktor SDM dan faktor angin sehingga
dibutuhkan pengendalian quadcopter secara otomatis menggunakan sistem
kontrol. Oleh sebab itu, penelitian ini bertujuan untuk mendesain simulasi sistem
kontrol ketinggian untuk pengambilan citra menggunakan quadcopter dengan

pendekatan fuzzy PID berbasis penguncian GPS. Simulasi sistem kontrol
bertujuan untuk memudahkan proses perancangan sesuai dengan spesifikasi yang
digunakan pada quadcopter sehingga dapat mengurangi resiko kegagalan saat
pengujian langsung di lapangan. Berdasarkan hasil simulasi rancangan sistem
kontrol logika fuzzy dan PID dengan keluaran nilai sinyal kontrol yang berkisar
antara -255 sampai 255 memiliki hasil yang paling baik untuk mempercepat
proses pencapaian ketinggian dan mempertahankan ketinggian pada setpoint serta
menjamin keseragaman kualitas citra baik dari segi skala maupun ketajaman citra.
Hal tersebut dapat dilihat dari nilai rata – rata settling time sebesar 4.69 detik,
overshoot sebesar 0.324 m, rise time sebesar 6.23 detik, deviasi sebesar 0.009 m
dan osilasi sebesar 0.119 m.
Kata kunci : quadcopter, simulasi, sistem kontrol fuzzy PID

ABSTRACT
ANDRIA WANDANI. Altitude Control System Design For Image Acquisition
With Fuzzy-PID Approach at Quadcopter Based On GPS Locking. Supervised by
MOHAMAD SOLAHUDIN.
Remote sensing has been used extensively on environmental and
agricultural monitoring activities. Currently has grown the technology used in
monitoring the condition of the land through aerial photos with quadcopter device

or Unmanned Aerial Vehicle (UAV). Quadcopter use in image acquisition due to
ease in control, because it has a VTOL (Vertical Take Off and Landing) which
does not require runway. But in its application, quadcopter difficult to control due
to human factors and the wind factor that takes control quadcopter automatically
using the control system. Therefore, this study aims to design simulation of
altitude control systems for image acquisition using quadcoper with fuzzy PID
approach based on GPS locking. Simulation of the control system aims to
facilitate the planning process according to specifications of quadcopter in order
to reduce the risk of failure during directly test in the field. Based on the
simulation results of fuzzy logic and PID control system design with value of
signal control output that ranges from -255 to 255 have the best results to
accelerate reaching and maintaining altitude process at setpoint and can guarantee
uniformity of image quality both in terms of scale and sharpness of the image. It
can be seen from the value of average settling time is 4.69 seconds, overshoot is
0.324 m, rise time is 6.23 seconds, the deviation is 0.009 m and oscillation is
0.119 m.
Keywords : fuzzy PID system control, quadcopter, simulation

DESAIN SISTEM KONTROL KETINGGIAN UNTUK
PENGAMBILAN CITRA DENGAN PENDEKATAN FUZZYPID PADA QUADCOPTER BERBASIS PENGUNCIAN GPS

ANDRIA WANDANI

Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Teknik
pada
Departemen Teknik Mesin dan Biosistem

DEPARTEMEN TEKNIK MESIN DAN BIOSISTEM
FAKULTAS TEKNOLOGI PERTANIAN
INSTITUT PERTANIAN BOGOR
2016

44%7

7 0!'7!01/7
('1+($7
1!'!'7'14#7'/!$'7!1,7
''7'#1'7 3665773)*2-7+0!07

'4'!'7
7

&7

7 '+!7 ''!7

7

 



!014"4!7(% 7

+7.7( /7
/!/!'77

!#1 4!7 (% 7

'% $4$407 








0!7

PRAKATA
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa atas
segala berkat dan karunia-Nya sehingga karya ilmiah ini berhasil diselesaikan.
Topik yang dipilih dalam penelitian yang dilaksanakan sejak bulan Maret 2015 ini
berjudul Desain Sistem Kontrol Ketinggian Untuk Pengambilan Citra Dengan
Pendekatan Fuzzy-PID Pada Quadcopter Berbasis Penguncian GPS.
Terima kasih penulis ucapkan kepada Bapak Dr Ir Mohamad Solahudin,
MSi selaku dosen pembimbing tugas akhir serta Prof Dr Ir Bambang Pramudya,
M.Eng dan Dr Ir Sam Herodian, MS selaku dosen penguji pada sidang skripsi.
Terima kasih juga penulis ucapkan kepada seluruh dosen, staff dan mahasiswa
bagian Teknik Bioinformatika yang telah memberikan saran dan juga pelajaran
formal maupun moral selama ini, serta teman-teman Teknik Mesin dan Biosistem

angkatan 48. Disamping itu juga penulis ucapkan terima kasih atas segala doa,
dukungan serta kasih sayang dari keluarga dan seluruh pihak yang terkait selama
melaksanakan kegiatan penelitian.
Semoga karya ilmiah ini bermanfaat.
Bogor, Februari 2016

Andria Wandani

DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
PENDAHULUAN
Latar Belakang
Perumusan Masalah
Tujuan Penelitian
Manfaat Penelitian
TINJAUAN PUSTAKA
Quadcopter
Metode Fuzzy
Metode PID

Penelitian Terdahulu
METODOLOGI
Waktu dan Tempat
Alat dan Bahan
Tahapan Penelitian
Kriteria Perancangan
Metode Perancangan dan Pengujian Simulasi Sistem Kontrol Ketinggian
Identifikasi Parameter Pada Quadcopter
HASIL DAN PEMBAHASAN
Rancangan Simulasi Sistem Kontrol Ketinggian Quadcopter
Sistem Kontrol Fuzzy PID
Simulasi Sistem Kontrol Ketinggian Quadcopter
SIMPULAN DAN SARAN
Simpulan
Saran
DAFTAR PUSTAKA
LAMPIRAN
RIWAYAT HIDUP

xii

xii
1
1
2
2
2
2
2
4
5
7
7
7
7
7
8
9
11
12
12

17
22
29
29
29
30
31
37

DAFTAR TABEL
1
2
3
4
5

Pengaruh putaran keempat motor terhadap pergerakan quadcopter tipe X
Karakteristik kontrol proportional, integral, dan derivative
Karakteristik step response, deviasi dan osilasi rancangan model pertama
Karakteristik step response, deviasi dan osilasi rancangan model kedua

Karakteristik step response, deviasi dan osilasi rancangan model ketiga

3
6
24
26
28

DAFTAR GAMBAR
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33

Ilustrasi quadcopter model X dan arah putaran motor
Ilustrasi kecepatan keempat motor saat pitch up
Bentuk fungsi keanggotaan fuzzy
Alur tahapan pada kontrol logika fuzzy
Blok diagram kontrol PID
Diagram alir tahapan penelitian
Rancangan model pertama simulasi sistem kontrol
Rancangan model kedua simulasi sistem kontrol
Rancangan model ketiga simulasi sistem kontrol
Modifikasi model quadcopter dari Matlab
Blok switch
Quadcopter actuator mixing dan throttle mixing
Air frame dalam model quadcopter
6DOF Quaternion parameters
Blok environment
Fuzzy logic designer pada Matlab
Rule editor pada fuzzy logic designer
Fungsi implikasi dan aggregasi kontrol logika fuzzy
Fungsi keanggotaan eror
Fungsi keanggotaan beda eror
Fungsi keanggotaan keluaran konstanta proporsional rancangan model
pertama
Fungsi keanggotaan keluaran konstanta integral rancangan model pertama
Fungsi keanggotaan keluaran konstanta proporsional rancangan model
Ketiga
Fungsi keanggotaan keluaran konstanta derivative rancangan model ketiga
Input variabel initPosNED pada workspace
Workspace dan editor pada Matlab
Signal builder
Simulation configuration parameter
Ruleviewer fuzzy saat proses simulasi rancangan model pertama
Rata – rata perubahan ketinggian pada rancangan model pertama
Rata – rata perubahan ketinggian pada rancangan model kedua
Ruleviewer fuzzy saat proses simulasi rancangan model ketiga
Rata – rata perubahan ketinggian pada rancangan model ketiga

3
4
4
5
6
8
12
12
13
13
14
14
15
16
16
17
17
17
18
18
19
20
21
22
22
23
23
23
24
25
27
28
29

DAFTAR LAMPIRAN
1
2
3
4
5
6

Diagram alir sistem kontrol ketinggian rancangan model pertama
Diagram alir sistem kontrol ketinggian rancangan model kedua
Diagram alir sistem kontrol ketinggian rancangan model ketiga
Basis data fuzzy rancangan model pertama
Basis data fuzzy rancangan model ketiga
Perhitungan penggunaan jenis motor dan ukuran propeller

31
32
33
34
35
36

PENDAHULUAN
Latar Belakang
Penginderaan jarak jauh telah dipergunakan secara luas pada kegiatan
monitoring lingkungan dan pertanian. Monitoring vegetasi dan keanekaragaman
hayati dilakukan melalui udara atau pencitraan satelit, metode ini membutuhkan
biaya yang tinggi saat membutuhkan resolusi yang baik (Colomina 2014). Saat ini
telah berkembang teknologi yang digunakan dalam kegiatan monitoring kondisi
lahan melalui foto udara (aerial photography) dengan perangkat quadcopter atau
Unmanned Aerial Vehicle (UAV), seperti yang dilakukan oleh Solahudin (2015)
untuk memprediksi presentase serangan virus Gemini pada perkebunan cabai.
Mengingat wilayah pertanian Indonesia yang luas, terdapat kendala yang dihadapi
dalam monitoring lahan skala luas menggunakan quadcopter. Quadcopter masih
memiliki keterbatasan kemampuan sensor dan stabilitas yang rendah sehingga
pengambilan citra dengan kualitas seragam sulit didapatkan. Kualitas citra yang
tidak seragam berdasarkan skala piksel dapat disebabkan oleh pengendalian dan
pengambilan citra menggunakan quadcopter secara manual.
Penggunaan quadcopter dalam pengambilan citra dikarenakan
kemudahannya dalam pengendalian, karena memiliki sistem VTOL (Vertical Take
Off and Landing) yang tidak membutuhkan landasan terbang. Namun pada
pengaplikasiannya, quadcopter sulit untuk dikendalikan dikarenakan oleh
beberapa faktor seperti faktor SDM dan faktor angin. Manusia sebagai pengendali
menggunakan remote control membutuhkan keahlian untuk mengendalikannya
sehingga tidak jarang quadcopter sulit untuk mengatur dan mempertahankan
ketinggian. Angin adalah faktor eksternal yang membuat quadcopter tidak tetap
pada posisi koordinat yang diinginkan sehingga mempengaruhi ketinggian setiap
pengambilan citra. Selain itu, jika pengambilan citra dilakukan pada lahan yang
cukup luas akan membutuhkan waktu yang relatif lebih lama dengan adanya
perpindahan dari satu lokasi pengambilan citra ke lokasi lainnya. Oleh karena itu,
quadcopter yang telah dilengkapi dengan sistem kontrol menjadi sangat
berpengaruh dalam pengambilan citra, karena dapat mengatur ketinggian secara
otomatis pada ketinggian yang diinginkan untuk mendapatkan foto lahan yang
luas dengan resolusi yang baik dalam waktu yang relatif lebih singkat.
Pengendalian ketinggian quadcopter dapat dilakukan dengan pendekatan
metode FLC (Fuzzy Logic Control) atau dapat disebut kontrol logika fuzzy dan
kontrol PID (Proportional Integral Derivative). Kontrol PID memerlukan nilai
KP (Konstanta Proportional), KI (Konstanta Integral) dan KD (Konstanta
Derivative) sebagai input dengan nilai yang tetap. Penggabungan kontrol fuzzyPID membuat kontrol yang mampu melakukan perubahan secara otomatis alias
auto-tunning pada nilai KP, KI dan KD. Hasil dari fuzzy-PID dapat beradaptasi
dengan besar error (E) yang ada sehingga tidak diperlukan pencarian KP,KI, dan
KD secara manual yang sesuai pengalaman membutuhkan waktu yang lama
(Wicaksono 2014).

2

Perumusan Masalah
Kegiatan monitoring lahan saat ini sudah dilakukan dengan menggunakan
teknologi quadcopter. Tetapi masih terdapat beberapa kendala dalam
pengendalian quadcopter karena sulitnya pengendalian menggunakan remote
control agar berada pada posisi dan ketinggian yang diinginkan dan mendapatkan
kualitas citra yang baik. Pengendalian secara manual dengan remote control
membutuhkan waktu yang relatif lebih lama untuk membuat quadcopter bertahan
pada posisi dan ketinggian yang diinginkan. Oleh karena itu, dibutuhkan sebuah
pengendalian ketinggian secara otomatis dengan metode gabungan, yaitu fuzzy
dan PID agar quadcopter dapat mempertahankan ketinggian pada ketinggian yang
telah ditentukan sebelum dilakukan pengambilan citra menggunakan kamera.
Nilai acuan ketinggian yang digunakan sebagai input sistem didapatkan dari GPS
(Global Positioning System). Pada penelitian akan dilakukan tahap awal dari
penelitian pengendalian quadcopter dalam bentuk simulasi untuk memperoleh
konstanta PID yang diperlukan pada sistem kontrol nyata.

Tujuan Penelitian
Tujuan penelitian ini adalah :
1. Mendesain simulasi sistem kontrol ketinggian untuk pengambilan citra
menggunakan quadcopter dengan pendekatan fuzzy PID berbasis
penguncian GPS.
2. Memperoleh konstanta PID yang diperlukan pada sistem kontrol nyata.

Manfaat Penelitian
Manfaat penelitian ini adalah membuat simulasi sistem kontrol ketinggian
pada quadcopter untuk pengambilan citra dan memudahkan proses perancangan
yang sesuai dengan spesifikasi yang digunakan serta mengurangi resiko kegagalan
saat pengujian langsung di lapangan. Sistem kontrol ketinggian quadcopter yang
baik membuat pengambilan citra dapat dilakukan pada ketinggian yang seragam
dan menjamin keseragaman kualitas citra baik dari segi skala maupun ketajaman
citra.

TINJAUAN PUSTAKA
Quadcopter
Quadcopter adalah pesawat tanpa awak atau UAV (Unmanned Aerial
Vehicle) yang dikendalikan menggunakan remote control secara manual atau
otomatis menggunakan sistem kontrol. Terdapat 2 model quadcopter yang biasa
digunakan, yaitu model Plus dan model X. Komponen minimum yang harus

3

dimiliki oleh sebuah quadcopter adalah 4 buah propeller, 4 buah motor brushless,
4 buah Electronic Speed Controller (ESC), Inertial Measurement Unit (IMU)
seperti accelerometer dan gyroscope, dan sebuah kontrol board (Wicaksono
2013). Quadcopter memiliki 3 buah motion gerak, yaitu pitch, roll, dan yaw
(Salih 2010). Selain itu quadcopter memiliki motion gerakan lain, yaitu throttle
sebagai gerak untuk menaikkan atau menurunkan kecepatan semua propeller
dalam jumlah yang sama (Hamdani 2013).
Pengaturan yang harus dilakukan pada quadcopter adalah arah dari putaran
motor yang mengarah pada bagian dalam dengan tujuan untuk meniadakan gaya
sentrifugal sehingga quadcopter dapat terangkat. Jika hal tersebut tidak dilakukan
maka yang akan terjadi pada quadcopter bukannya akan terangkat melainkan
bergerak memutar di dasar landasan. Berikut ini adalah ilustrasi quadcopter model
X dan arah putaran motor yang menuju ke bagian dalam (Gambar 1).

Gambar 1 Ilustrasi quadcopter model X dan arah putaran motor
Sumber : Wicaksono (2013)

Perubahan kecepatan putaran keempat buah motor pada quadcopter dapat
membuat pergerakan maju, mundur, kanan, kiri, atas, bawah dan rotasi.
Pergerakan maju dan mundur dikenal dengan istilah pitch, pergerakan kanan dan
kiri dikenal dengan istilah roll, dan pergerakan rotasi kiri dan kanan dikenal
dengan istilah yaw. Ilustrasi dari perubahan kecepatan putar dari motor
quadcopter terhadap pergerakannya dapat di lihat pada (Gambar 2) sesuai dengan
dinamika gerak pada (Tabel 1).
Tabel 1 Pengaruh putaran keempat motor terhadap pergerakan quadcopter tipe X
Gerak
Motor 1
Motor 2
Motor 3
Motor 4
Pitch up
Cepat
Cepat
Pelan
Pelan
Pitch down
Pelan
Pelan
Cepat
Cepat
Roll left
Pelan
Cepat
Cepat
Pelan
Roll right
Cepat
Pelan
Pelan
Cepat
Yaw CC
Pelan
Cepat
Pelan
Cepat
Yaw CCW
Cepat
Pelan
Cepat
Pelan
Sumber: Wicaksono (2013)

4

Gambar 2 Ilustrasi kecepatan keempat motor saat pitch up
Sumber : Wicaksono (2013)

Metode Fuzzy
Kontrol logika fuzzy merupakan bagian sekaligus perluasan dari logika
Boolean yang perbedaannya terletak pada derajat kebenaran. Derajat kebenaran
pada logika Boolean adalah 0 atau 1 sedangkan derajat kebenaran pada kontrol
logika fuzzy adalah 0 sampai dengan 1. Kontrol logika fuzzy mampu menangani
ketidakjelasan, ketidakpastian, variabel input stokastik dan sifat dinamis dari
berbagai variable yang digunakan (Aly 2005). Kontrol logika fuzzy memiliki
beberapa fungsi keanggotaan yang biasanya digunakan, yaitu bentuk kurva
segitiga, trapesium dan Gaussian (Suratno 2011). Bentuk dari kurva dapat dilihat
pada (Gambar 3).

(b)
(c)
(a)
Gambar 3 Bentuk fungsi keanggotaan fuzzy: (a) tipe segitiga,
(b) tipe trapesium, (c) tipe gaussian
Sumber : Suratno (2011)

Fungsi keanggotaan untuk representasi kurva segitiga adalah sebagai berikut

-

m

-

{

-

}

mn

-

-

-

-

(1)

5

Fungsi keanggotaan untuk representasi kurva trapesium adalah sebagai berikut

-

p

m

m

mn

-

-

-

-

-

(2)

-

{

}

Fungsi keanggotaan untuk representasi kurva gaussian adalah sebagai berikut
-

(3)

-

Kontrol logika fuzzy memiliki berbagai macam implikasi diantaranya adalah
min operation (Mamdani), product operation (Larsen), bounded product, drastic
product dan arithmetic rule (Zadeh). Model fuzzy Mamdani paling sering
digunakan dalam kontrol logika fuzzy karena metode ini memiliki beberapa
kelebihan yang berdasarkan penalaran manusia, yaitu intuitif, diterima oleh
banyak pihak, dan masukan berasal dari manusia (Kusumadewi 2002). Kontrol
logika fuzzy terdiri dari 4 tahap, yaitu fuzzifier, Fuzzy rule base, inference engine,
dan defuzzifier. Berikut ini adalah alur tahapan dari kontrol logika fuzzy yang
dapat dilihat pada (Gambar 4).

Gambar 4 Alur tahapan pada kontrol logika fuzzy
Sumber: www.eenets.com/Files/Download/chapter_5.pdf

Metode PID
Kontrol PID adalah salah satu mekanisme umpan balik yang banyak
digunakan dalam sistem pengaturan industri. Sebuah kontrol PID menghitung
nilai kesalahan sebagai perbedaan antara variabel proses terukur dan setpoint yang
diinginkan (Hendriawan 2012). Komponen kontrol PID terdiri dari 3 jenis, yaitu
proportional, Integral, dan derivative. Ketiganya dapat digunakan secara
bersamaan maupun sendiri – sendiri, tergantung dari respon yang diinginkan
terhadap suatu plant. Blok diagram kontrol PID dapat dilihat pada (Gambar 5).

6

Gambar 5 Blok diagram kontrol PID
Sumber: library.binus.ac.id/

Menurut Ogata, 1970 persamaan dasar aksi pengontrolan PID adalah:

∫

(4)

dimana, u adalah variabel keluaran kontrol, e adalah eror (e = r – y), merupakan
perbedaan antara nilai setpoint dan nilai yang terukur y. Variabel kontrol u(t)
adalah penjumlahan tiga bagian: P sebanding dengan eror, bagian I sebanding
dengan eror dan bagian D sebanding dengan deferensial eror. Parameter kontrol
sebanding dengan penguatan K, waktu integral Ti, dan waktu diferensial Td.
Kontroler proportional akan memiliki efek mengurangi rise time tetapi tidak
pernah menghilangkan steady state error. Kontrol integral akan memiliki efek
menghilangkan steady state error, tetapi dapat membuat respon buruk. Kontrol
derivative akan memiliki efek meningkatkan stabilitas sistem mengurangi
overshoot dan meningkatkan respon. Efek dari masing – masing kontroler Kp, Ki
dan Kd pada sistem tertutup dapat dilihat dalam (Tabel 2).
Tabel 2 Karakteristik kontrol proportional, integral, dan derivative
Response
Rise time
Overshoot
Settling time
Steady state eror
Sedikit
Kp
Berkurang
Bertambah
Berkurang
perubahan
Ki

Berkurang

Bertambah

Bertambah

Menghilangkan

Kd

Sedikit
perubahan

Berkurang

Berkurang

Sedikit perubahan

Sumber: Leong et al. (2012)

Karakteristik tersebut mungkin tidak persis akurat, karena konstanta
proportional, konstanta integral dan konstanta derivative bergantung satu dengan
yang lain. Perubahan satu dari variabel tersebut dapat mengubah efek dari kedua
variabel lainnya. Oleh karena itu, tabel hanya dapat digunakan sebagai referensi
ketika menentukan nilai konstanta proportional, konstanta integral dan konstanta
derivative.

7

Penelitian Terdahulu
Penelitian mengenai desain sistem kontrol ketinggian dengan pendekatan
fuzzy-PID sudah pernah dilakukan oleh Wicaksono (2014), ia menggunakan sonar
sensor sebagai sensor ketinggian pada quadcopter dan membandingkannya
dengan pendekatan Neural Network Backpropagation menggunakan software
Delphi lite 7. Sistem kontrol ketinggian juga dilakukan oleh Leong et al. (2012),
dengan pendekatan PID dan LQR (Linear Quadratic Regulation) serta sonar
sensor sebagai informasi ketinggian. Penelitian desain sistem kontrol ketinggian
ini dilakukan dengan membuat simulasi kontrol ketinggian menggunakan
pendekatan fuzzy-PID seperti yang dilakukan oleh Wicaksono. Pembuatan
simulasi dilakukan untuk memudahkan proses perancangan sesuai spesifikasi
quadcopter yang digunakan dan mengurangi resiko kegagalan saat pengujian
langsung di lapangan guna mempermudah pengguna dalam monitoring lahan
melalui pengambilan citra menggunakan quadcopter.

METODOLOGI
Waktu dan Tempat
Penelitian dilaksanakan pada bulan Maret 2015 – Oktober 2015 dengan
pelaksanaannya bertempat di Laboratorium Teknik Bioinformatika, Departemen
Teknik Mesin dan Biosistem, Fakultas Teknologi Pertanian, Institut Pertanian
Bogor.

Alat dan Bahan
Peralatan yang digunakan adalah laptop acer, dengan software Matlab
2015a. Sedangkan bahan yang digunakan adalah model quadcopter yang tersedia
pada Matlab 2015a, blockset fuzzy, blockset PID, dan spesifikasi motor.

Tahapan Penelitian
Desain sistem kontrol ketinggian untuk pengambilan citra dengan metode
fuzzy PID pada quadcopter berbasis penguncian GPS dilakukan dengan metode
prototipe pada lingkungan simulasi. Tahapan penelitian yang dilakukan adalah
sebagai berikut (Gambar 6):
1. Mengidentifikasi masalah berkenaan dengan kinerja quadcopter dan
perumusan penyelesaiannya.
2. Analisis rancangan sistem kontrol untuk mendapatkan sistem kontrol
ketinggian quadcopter yang optimum.

8

3. Pembuatan sistem kontrol untuk pengambilan citra.
4. Simulasi atau pengujian sistem kontrol dengan memberikan perbedaan
ketinggian untuk mengetahui kinerja dari sistem kontrol.
5. Analisis hasil simulasi dari sistem kontrol.

Mulai
Identifikasi masalah dan
studi pustaka
Perumusan Masalah
Analisis rancangan
Pembuatan rancangan
Simulasi rancangan

Tidak

Berhasil
Ya

Analisis hasil simulasi
Selesai
Gambar 6 Diagram alir tahapan penelitian

Kriteria Perancangan
Pengembangan simulasi sistem kontrol ketinggian ini bertujuan untuk
memudahkan proses perancangan sesuai spesifikasi quadcopter yang digunakan
dan mengurangi resiko kegagalan saat pengujian langsung di lapangan serta
mendapatkan konstata PID untuk digunakan pada sistem kontrol nyata. Kriteria
dari sistem kontrol pada quadcopter yang akan dibuat adalah sebagai berikut:
1. Quadcopter mampu mengudara menggunakan motor brushless 650 KV dengan
ukuran propeller 1147 (Lampiran 6).
2. Quadcopter mampu mempertahankan ketinggian sesuai dengan setpoint atau
ketinggian yang diinginkan.
3. Apabila ketinggian pada setpoint dapat dipertahankan maka kamera dapat
melakukan pengambilan citra dengan toleransi deviasi ketinggian maksimum
sebesar 0.01 m.

9

Metode Perancangan dan Pengujian Simulasi Sistem Kontrol Ketinggian
Rancangan simulasi sistem kontrol ketinggian dibuat dalam tiga model yang
berbeda dengan tujuan untuk memberikan perbandingan antara sistem kontrol
fuzzy PID dan sistem kontrol PID serta rentang sinyal keluaran dari PID. Sinyal
keluaran disesuaikan dengan kemampuan dari mikrokontroler, yaitu arduino mega
2560 yang dapat mengeluarkan nilai sinyal sebesar 0 sampai 255. Model pertama
menggunakan kontrol logika fuzzy dan kontrol PID dengan keluaran nilai sinyal
kontrol berkisar antara 0 sampai 255 (Lampiran 1), model kedua hanya
menggunakan kontrol PID dengan keluaran nilai sinyal kontrol antara 0 sampai
255 (Lampiran 2), model ketiga menggunakan kontrol logika fuzzy dan kontrol
PID dengan keluaran nilai sinyal kontrol berkisar antara -255 sampai 255
(Lampiran 3).
Pengujian dilakukan pada 10 ketinggian pengaktifan sistem kontrol
ketinggian yang berbeda, yaitu ketinggian 10 m, 12 m, 14 m, 16 m, 18 m, 22 m,
24 m, 26 m, 28 m dan 30 m dengan setpoint sebesar 20 m. Pada saat pengaktifan
sistem kontrol diberikan sinyal dari remote transmitter sebesar 500. Selanjutnya
didapatkan eror dan beda eror ketinggian dari perbedaan ketinggian dengan
setpoint selama pengoperasian. Eror dan beda eror dari ketinggian tersebut
kemudian digunakan sebagai input untuk sistem kontrol logika fuzzy. Sistem
kontrol logika fuzzy berfungsi untuk menghasilkan suatu nilai konstanta yang akan
digunakan dalam sistem kontrol PID. Konstanta tersebut yang akan menentukan
respon dari kontrol PID dan menghasilkan sinyal keluaran ke flight controller
untuk mengatur kecepatan putar dari motor. Nilai awal konstanta PID dari masing
– masing model ditentukan dari keluaran fuzzy dan manual input untuk rancangan
model kedua. Konstanta PID dari setiap model rancangan didapatkan secara trial
and error melalui pengujian.
Pada rancangan model pertama dan kedua, penyesuaian ketinggian
dilakukan dengan menggunakan sistem switch karena nilai keluaran yang hanya
berkisar antara 0 sampai 255. Sistem switch berfungsi mengatur keluaran sinyal
kontrol jika quadcopter melebihi atau kurang dari setpoint. Sedangkan pada
rancangan model ketiga tidak dibutuhkan sistem switch karena memiliki nilai
keluaran yang berkisar antara -255 sampai 255. Ketika sistem kontrol sudah
mampu mengatur dan mempertahankan ketinggian quadcopter pada setpoint,
kamera yang terpasang pada quadcopter dapat melakukan pengambilan citra.
Simulasi dilakukan menggunakan simulink pada matlab berdasarkan waktu
sampel (Ts) sebesar 0.01 detik. Waktu yang digunakan dalam satu kali simulasi
adalah sebesar 100 detik, sehingga didapatkan 10.000 sampel data. Keberhasilan
dari sistem kontrol ditunjukan dengan menggunakan karakteristik step response,
yaitu rise time, settling time, dan overshoot. Rise time adalah lama nya waktu
yang dibutuhkan oleh sistem kontrol untuk mencapai ketinggian atau setpoint.
Settling time adalah lama nya waktu yang dibutuhkan sistem kontrol untuk dapat
mempertahankan ketinggian pada setpoint berdasarkan selang kepercayaan
sebesar 2%. Sedangkan overshoot adalah besarnya simpangan ketinggian dari
setpoint sesaat setelah rise time. Selain itu digunakan deviasi rata – rata dan
osilasi untuk memperlihatkan akurasi kontrol.

10

Sistem Kontrol Logika Fuzzy
Sistem kontrol fuzzy terdiri dari 4 tahap yaitu fuzzifier, Fuzzy rule base,
inference engine, dan defuzzifier. Fuzzifier berfungsi untuk menentukan sinyal
masukan eror (E) dan beda eror (dE) yang bersifat tegas (crisp) ke himpunan
fuzzy. Eror didapatkan dari selisih antara setpoint ketinggian dengan ketinggian
aktual, sedangkan beda eror adalah selisih antara eror dengan eror sebelumnya
seperti persamaan berikut.
E

(5)
-

(6)

dimana, E adalah eror, dE adalah beda eror, Hs adalah ketinggian setpoint, Ha
adalah ketinggian aktual, En adalah eror yang sedang terukur dan En-1 adalah eror
pada saat sebelumnya.
Setiap variabel yang didapatkan dicari derajat keanggotaannya. Penentuan
derajat keanggotaan (μ) dicari dengan menggunakan persamaan fungsi
keanggotaan seperti yang dapat dilihat pada Persamaan 1 dan Persamaan 2, sesuai
dengan jenis fungsi keanggotaan yang digunakan. Selanjutnya dilakukan
pencarian nilai keluaran (U), pengambilan keputusan nilai keluaran menggunakan
matriks keputusan atau basis aturan dasar berdasarkan fungsi dari eror dan beda
eror.
Inference engine berfungsi untuk mengekspresikan hubungan antara
variabel input dengan variabel output. Salah satu fungsi implikasi yang dapat
digunakan adalah implikasi min (minimum), fungsi ini akan memotong output
himpunan fuzzy (Irfani 2011). Kemudian digunakan fungsi aggregasi max yang
berfungsi untuk mengambil nilai max dari output yang sudah dipotong. Bentuk
umum dari hubungan antara variabel tersebut adalah IF x is A THEN y is B dengan
x dan y skalar, A dan B adalah himpunan fuzzy. Aturan ini dapat diperluas dengan
menggunakan operator fuzzy dalam bentuk logika IF THEN di bawah ini.

Proses terakhir adalah defuzzifier yang merupakan suatu proses pengubahan
fuzzy output ke output yang bernilai tunggal (crisp). Terdapat beberapa metode
defuzzifier, namun metode yang sering digunakan adalah metode titik pusat atau
centroid. Perhitungan untuk mendapatkan nilai titik pusat adalah sebagai berikut
(Marimin 2002).
∫

∫

(7)

dimana, z adalah domain himpunan fuzzy dan µ adalah derajat keanggotaan.
Sistem kontrol PID pada Matlab
Kontrol PID digunakan untuk menghitung nilai kesalahan sebagai
perbedaan antara variabel proses terukur dan setpoint yang telah ditentukan.

11

Komponen PID terdiri dari 3 jenis, yaitu proportional, Integral, dan derivative.
Persamaan dasar pengontrolan PID dengan menggunakan Matlab adalah sebagai
berikut.

-

D

-

(8)

dimana, u(z) adalah keluaran kontrol, P adalah konstanta proportional, I adalah
konstanta integral, D adalah konstanta derivative, Ts adalah sampel waktu dan z
adalah waktu sampel.

Identifikasi Parameter Pada Quadcopter
Model quadcopter yang digunakan dalam simulasi adalah model yang
tersedia pada Matlab 2015a, yaitu quacopter project. Model tersebut dimodifikasi
dengan penambahan sistem kontrol fuzzy dan PID untuk mengontrol pemberian
sinyal throttle. Terdapat beberapa parameter yang digunakan dalam model
quadcopter, seperti di bawah ini.
1. Massa quadcopter 1150 g
2. Motor

Ampere 0
2
4
6
8
10
12
Thrust
0 1152 2008 2528 3192 3644 4156

3. Pengali sinyal

Pitch
Roll
Yaw
Throttle

0.3787
0.3787
0.3787
3.0200

Selain itu terdapat beberapa asumsi yang dilakukan pada simulasi
menggunakan simulink Matlab, yaitu :
1. GPS atau sensor ketinggian berfungsi dengan sangat baik.
2. Gaya yang diberikan terjadi pada bagian tengah objek (quadcopter), dan
memiliki massa dan inertia yang konstan.
3. Lingkungan tidak terlalu berpengaruh terhadap pergerakan quadcopter.

12

HASIL DAN PEMBAHASAN
Rancangan simulasi sistem kontrol ketinggian quadcopter
Simulasi sistem kontrol ketinggian dilakukan dengan bantuan software
Matlab 2015a, yaitu simulink. Simulink digunakan untuk menirukan operasioperasi atau proses – proses yang terjadi dalam suatu sistem quadcopter dengan
landasan beberapa asumsi, seperti yang sudah disebutkan sebelumnya. Asumsi
tersebut digunakan karena keterbatasan dalam menirukan beberapa parameter
yang mempengaruhi kinerja dari quadcopter. Pertama diasumsikan bahwa GPS
atau sensor ketinggian dalam simulasi dapat berkerja dengan sangat baik karena
memiliki akurasi yang tinggi dan real time, berbeda dengan GPS u-blox 6 yang
tidak memiliki perangkat untuk menentukan akurasi secara vertikal. Kedua
diasumsikan bahwa gaya yang diberikan terjadi pada bagian tengah objek
(quadcopter), dan memiliki massa dan inertia yang konstan sesuai yang
diasumsikan oleh blok 6DOF (Quaternion) pada simulink. Ketiga diasumsikan
bahwa lingkungan tidak terlalu berpengaruh terhadap pergerakan quadcopter,
seperti kecepatan angin, suhu dan tekanan atmosfir.

Gambar 7 Rancangan model pertama simulasi sistem kontrol

Gambar 8 Rancangan model kedua simulasi sistem kontrol

13

Gambar 9 Rancangan model ketiga simulasi sistem kontrol
Berdasarkan hasil pengujian didapatkan kombinasi kontrol PID yang sesuai
untuk ketiga rancangan model. Rancangan model pertama menggunakan sistem
kontrol fuzzy dan kontrol proportional integral (PI) dengan keluaran nilai sinyal
kontrol 0 sampai 255 (Gambar 7). Penggunaan kontrol derivative (D) hanya
membuat sedikit fluktuasi pada sinyal keluaran tanpa mempengaruhi pergerakan
dari quadcopter, oleh karena itu kontrol derivative tidak digunakan dalam
rancangan model pertama. Rancangan model ketiga menggunakan sistem kontrol
fuzzy dan kontrol proportional derivative (PD) dengan keluaran nilai sinyal
kontrol -255 sampai 255 (Gambar 8). Penggunaan kontrol integral (I) pada
rancangan model ketiga membuat perubahan yang cepat pada sinyal kontrol
sehingga meningkatkan overshoot dan settling time, oleh karena itu kontrol
integral tidak digunakan dalam rancangan model ketiga. Sedangkan pada
rancangan model kedua hanya menggunakan sistem kontrol PID dengan keluaran
nilai sinyal kontrol 0 sampai 255 (Gambar 9).

Gambar 10 Modifikasi model quadcopter dari matlab
Model yang digunakan dalam simulasi sistem kontrol ketinggian
quadcopter menggunakan model quadcopter yang terdapat pada matlab yang
kemudian dimodifikasi seusai dengan rancangan penelitian. Terdapat beberapa
bagian penting dalam model quadcopter tersebut, seperti switch, flight controller,
environment, air frame, 6DOF Quaternion, dan position on earth (Gambar 10).
Switch berfungsi untuk mengatur keluaran sinyal kontrol jika quadcopter melebihi

14

atau kurang dari setpoint (Gambar 11). Ketika quadcopter berada dibawah
setpoint, sinyal dari remote transmitter akan ditambahkan dengan sinyal kontrol
untuk mempercepat putaran motor. Ketika quadcopter melebihi setpoint, sinyal
dari remote transmitter akan dikurangkan dengan sinyal kontrol untuk
memperlambat putaran dari motor. Pada umumnya quadcopter berada pada
keadaan hover ketika nilai sinyal throttle sebesar 500 kemudian akan naik jika
sinyal throttle bertambah dan akan turun jika sinyal throttle berkurang. Oleh
karena itu digunakan sinyal dari remote transmitter sebesar 500 sebagai input saat
pengaktifan kontrol.

Gambar 11 Blok switch
Flight controller berfungsi sebagai pengatur sinyal yang masuk dengan
membagi sinyal kepada keempat motor, seperti yang terlihat pada Gambar 12.
Nilai keempat sinyal tersebut berkisar antara 0 sampai dengan 1000 sesuai
keluaran sinyal dari remote transmitter. Terdapat modifikasi pada flight
controller, yaitu dengan mengganti pengali sinyal pitch, roll, yaw dan throttle
agar sesuai dengan spesifikasi motor yang digunakan dalam rancangan. Penentuan
nilai pengali sinyal didapatkan secara trial and error dengan cara mengganti
pengali sinyal throttle (dThrottle) hingga quadcopter dapat mendekati diam pada
ketinggian tertentu (hover) tanpa melebihi nilai maksimum dari thrust pada motor,
yaitu sebesar 4156 g. Berdasarkan percobaan didapatkan nilai sinyal pengali
throttle sebesar 3.02 atau setara dengan 3020 g thrust. Sisa thrust dari motor
digunakan untuk sinyal pitch, roll dan yaw, yaitu masing – masing sebesar 378.67
g setara dengan nilai pengali sinyal sebesar 0.37867.

Gambar 12 Quadcopter actuator mixing dan throttle mixing

15

Air frame berfungsi sebagai penghitungan gaya yang terjadi saat
pengoperasian quadcopter. Terdapat beberapa bagian dalam air frame, yaitu
Gravity force calculation, drag calculation, motor forces and torques, applied
force calculation, dan applied torque calculation (Gambar 13). Applied forces
calculation merupakan perhitungan beberapa faktor yang mempengaruhi
pergerakan dari quadcopter, yaitu gaya gravitasi, hambatan udara dan gaya
angkat. Gaya angkat yang didapatkan dari motor memberikan arah gaya ke atas
berlawanan dengan gaya gravitasi dan hambatan udara. Quadcopter akan terbang
ketika gaya angkat yang dihasilkan oleh motor lebih besar dari penjumlahan gaya
gravitasi dan hambatan udara. Selain itu dilakukan perhitungan rolling momen,
pitching momen dan yaw momen pada bagian applied torque calculation. Momen
didapatkan dari perbedaan kecepatan putar atau gaya angkat pada keempat motor
pada quadcopter seperti yang diperlihatkan pada Tabel 1.

Gambar 13 Air frame dalam model quadcopter
Gaya dan momen yang dihasilkan dari blok air frame digunakan sebagai
input blok 6DOF Quaternion. Blok 6DOF Quaternion berupa persamaan dalam
bentuk matriks yang mewakili pergerakan quadcopter dalam enam derajat
kebebasan. Terdapat beberapa variabel yang harus ditentukan sebagai kondisi
awal dari keadaan quadcopter seperti posisi awal, kecepatan awal, sudut euler,
kecepatan putar, massa, inertia dan pengali normalisasi quaternion (Gambar 14).
Posisi awal quadcopter terdiri dari tiga elemen vektor, yaitu X, Y dan Z dengan
menggunakan sistem koordinat North East Down (NED) dimana nilai Z akan
bernilai negatif untuk menunjukan ketinggian aktual dari quadcopter. Sedangkan
kecepatan awal, sudut euler dan kecepatan putar memiliki nilai nol agar
quadcopter berada dalam keadaan diam ketika sistem kontrol diaktifkan. Massa
dari quadcopter menggunakan tipe fixed atau tetap selama proses simulasi, yaitu
sebesar 1,150 g. Nilai inertia yang digunakan dalam rancangan menggunakan nilai
yang sama dengan model quadcopter pada matlab. Nilai inertia digunakan untuk
memperhitungkan pergerakan momen pitch, roll dan yaw sedangkan pergerakan
tersebut tidak digunakan dalam rancangan karena quadcopter hanya bergerak naik
atau turun sesuai sinyal yang diberikan. Selain itu nilai dari pengali normalisasi
quaternion juga memiliki nilai yang sama dengan model quadcopter pada matlab,
yaitu bernilai 1.

16

Gambar 14 6DOF Quaternion parameters
Blok position on earth berfungsi untuk mengubah posisi quadcopter dari
posisi datar bumi (flat earth position) dengan referensi ketinggian sebesar 0 m
kedalam latitude, longitude dan altitude. Latitude dan longitude digunakan untuk
menentukan lokasi suatu tempat di permukaan bumi. Sedangkan altitude adalah
posisi vertikal suatu objek dari suatu titik tertentu. Quadcopter akan memiliki
perubahan hanya pada ketinggian atau altitude sesuai dengan sinyal yang
diberikan. Perubahan ketinggian dari quadcopter akan menghasilkan eror dan
beda eror terhadap setpoint yang kemudian digunakan sebagai masukan sistem
kontrol fuzzy PID dan blok switch.
Blok environment berfungsi untuk memberikan pengaruh lingkungan,
seperti yang terlihat pada Gambar 15. Pengaruh lingkungan yang digunakan
dalam rancangan yaitu gaya gravitasi sebesar 9.82 m/s2 dan densitas udara sebesar
1.121 kg/m3. Densitas udara didapatkan sesuai dengan kondisi lingkungan di
daerah Bogor, yaitu dengan suhu rata-rata tiap bulan sebesar 26oC, ketinggian
maksimum dari permukaan laut sebesar 330 m dan kelembaban udara sebesar
70% yang didapat dari situs kotabogor.go.id. Perhitungan densitas udara
dilakukan menggunakan aplikasi air density calculator pada situs denysshen.

Gambar 15 Blok environment

17

Sistem Kontrol Fuzzy PID
Sistem kontrol fuzzy PID dirancang untuk mempertahankan ketinggian
quadcopter pada setpoint dengan waktu yang relatif singkat. Pembuatan sistem
kontrol fuzzy dilakukan dengan bantuan software Matlab, yaitu fuzzy logic
designer (Gambar 16). Terdapat dua operator yang digunakan dalam fuzzy tipe
mamdani, yaitu operator and dan or yang digunakan untuk membuat hubungan
antara variabel dalam basis data sistem kontrol fuzzy (Gambar 17). Operator and
akan mengambil nilai terkecil (min) antar elemen pada himpunan – himpunan
yang bersangkutan. Sedangkan operator or akan mengambil nilai terbesar (max)
antar elemen pada himpunan – himpunan yang bersangkutan. Fungsi implikasi
dan aggregasi yang digunakan adalah max - min yang berfungsi memotong
keluaran himpunan fuzzy dan kemudian mengambil nilai maksimum untuk
mencari nilai keluaran yang selanjutnya akan di defuzzifikasi sebagai keluaran
(Gambar 18).

Gambar 16 Fuzzy logic designer pada Matlab

Gambar 17 Rule editor pada fuzzy logic designer

Gambar 18 Contoh fungsi implikasi dan aggregasi kontrol logika fuzzy
Sumber : http://k12008.widyagama.ac.id/ai/diktatpdf/Logika_Fuzzy.pdf

18

Kontrol logika fuzzy memiliki dua variabel input yaitu eror dan beda eror
yang bertujuan agar sistem kontrol lebih responsif tidak hanya pada perubahan
eror ketinggian dengan setpoint melainkan juga perubahan eror ketinggian yang
terukur dengan eror ketinggian sebelumnya sesuai dengan matriks keputusan yang
terdapat dalam fuzzy. Kontrol fuzzy memiliki variabel input dengan fungsi
keanggotaan yang sama untuk kedua model rancangan. Fungsi keanggotaan untuk
eror dan beda eror memiliki 5 himpunan yang sama, yaitu negatif besar (NB),
negatif kecil (NK), zero (Z), positif kecil (PK) dan positif besar (PB). Variabel
eror memiliki semesta atau keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy, yaitu berkisar antara -50 m sampai 50 m.
Sedangkan variabel beda eror memiliki semesta yang berkisar antara -0.025 m
sampai 0.025 m. Setiap himpunan memiliki domain atau keseluruhan nilai yang
diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu
himpunan fuzzy. Domain dari setiap himpunan didapatkan secara trial and error
melalui percobaan, seperti yang dapat dilihat pada Gambar 19 untuk fungsi
keanggotaan eror dan Gambar 20 untuk fungsi keanggotaan beda eror.

Gambar 19 Fungsi keanggotaan eror

Gambar 20 Fungsi keanggotaan beda eror
Besarnya nilai keluaran dari sistem kontrol fuzzy didapat berdasarkan basis
data dan fungsi keanggotaan dari variabel output. Basis data dan fungsi
keanggotaan variabel output didapatkan secara trial and error dengan
menyesuaikan karakteristik dari kontrol PID (Tabel 2), karena output dari kontrol
fuzzy akan digunakan sebagai input dari kontrol PID. Rancangan model pertama
memiliki basis data dengan dua variable output, yaitu konstanta proportional dan
konstanta integral. Sedangkan pada rancangan model ketiga memiliki basis data
dengan dua variable output, yaitu konstanta proportional dan konstanta derivatife.
Berikut adalah sebagian dari basis data dari rancangan model pertama, untuk lebih

19

jelasnya dari basis data rancangan model pertama dan ketiga dapat dilihat pada
Lampiran 4.
IF Eror is NB and Beda Eror is NB then (Kp is B), (Ki is N)
IF Eror is NB and Beda Eror is NK then (Kp is B), (Ki is N)
IF Eror is NB and Beda Eror is Z then (Kp is B), (Ki is N)
IF Eror is NB and Beda Eror is PK then (Kp is B), (Ki is N)
IF Eror is NB and Beda Eror is PB then (Kp is B), (Ki is Z)
Variabel Output Fuzzy-PID Rancangan Model Pertama
Fungsi keanggotaan konstanta proporsional pada rancangan model pertama
memiliki 3 himpunan dengan semesta antara 0 sampai 0.5. Masing – masing
himpunan memiliki domain, yaitu berkisar antara 0 sampai 0.005 untuk himpunan
kecil (K), 0.005 sampai 0.2 untuk himpunan sedang (S) dan 0.2 sampai 0.5 untuk
himpunan besar (B), seperti yang dapat dilihat pada Gambar 21. Pada rancangan
model pertama, nilai dari konstanta proporsional akan bernilai besar (B) ketika
nilai eror ketinggian quaccopter berada sangat jauh dari nilai nol atau berada
antara -50 m sampai -6 m (NB) dan antara 6 m sampai 50 m (PB). Konstanta
proporsional akan bernilai sedang (S) ketika nilai eror ketinggian mulai
mendekati nilai nol atau berada antara -6 m sampai -1 m (NK) dan antara 1 m
sampai 6 m (PK). Kemudian konstanta proporsional akan bernilai kecil (K) ketika
nilai eror ketinggian mendekati nilai nol atau berada antara -1 m sampai 1 m (Z).
Semakin besar nilai konstanta proporsional akan mempercepat quadcopter
mencapai ketinggian setpoint, tetapi akan meningkatkan bersarnya overshoot jika
konstanta proporsional tetap bernilai besar. Oleh karena itu, konstanta
proporsional akan semakin berkurang ketika mendekati setpoint. Beda eror dari
ketinggian quadcopter memberikan pengaruh yang berbeda pada keluaran
konstanta proporsional, yaitu ketika nilai beda eror ketinggian berada pada
himpunan NB dan PB dan ketika eror ketinggian berada pada himpunan NK dan
PK dengan memberikan nilai besar pada konstanta proporsional. Hal tersebut
dimaksudkan agar ketika quadcopter memiliki percepatan yang besar dan
melebihi setpoint, sistem kontrol mampu mengembalikan ketinggian untuk
mendekati setpoint dengan cepat.
B

Gambar 21 Fungsi keanggotaan keluaran konstanta proporsional rancangan
model pertama

20

Fungsi keanggotaan konstanta integral pada rancangan model pertama
memiliki 3 himpunan dengan semesta antara -0.2 sampai 0.2. Masing – masing
himpunan memiliki domain, yaitu berkisar antara -0.2 sampai -0.04 untuk
himpunan negatif (N), -0.04 sampai 0.04 untuk himpunan zero (Z) dan 0.04
sampai 0.2 untuk himpunan positif (P), seperti yang dapat dilihat pada Gambar
22. Konstanta integral memiliki nilai negatif dan positif dimaksudkan agar sistem
kontrol dapat beroperasi dengan baik ketika diaktifkan pada ketinggian di atas
setpoint dan di bawah setpoint. Ketika quadcopter berada dibawah setpoint atau
eror bernilai positif, nilai dari konstanta integral harus bernilai positif agar
keluaran dari sistem kontrol PI memiliki nilai (tidak nol) dan begitu sebaliknya.
Oleh karena itu, matriks keputusan konstanta integral pada rancangan model
pertama berbentuk diagonal agar konstanta integral bernilai positif pada
ketinggian dibawah setpoint dan bernilai negatif ketika berada diatas setpoint.
Sebagai contoh, ketika eror ketinggian berada pada himpunan PB dan beda eror
ketinggian berada pada himpunan NK, konstanta integral akan bernilai positif
agar sistem kontrol PI memiliki nilai dan meningkatkan kecepatan putar dari
motor. Ketika nilai eror mendekati nilai nol dengan beda eror yang sama,
konstanta integral akan samakin berkurang hingga bernilai negatif untuk
memperlambat kecepatan putar dari motor dan menyesuikan ketinggian.
N

Gambar 22 Fungsi keanggotaan keluaran konstanta integral rancangan model
pertama
Variabel Output Fuzzy-PID Rancangan Model Ketiga
Fungsi keanggotaan konstanta proporsional pada rancangan model ketiga
memiliki 3 himpunan dengan semesta antara 0 sampai 1000. Masing – masing
himpunan memiliki domain, yaitu berkisar antara 0 sampai 333.3 untuk himpunan
kecil (K), 333.3 sampai 666.7 untuk himpunan sedang (S) dan 666.7 sampai 1000
untuk himpunan besar (B), seperti yang dapat dilihat pada Gambar 23. Pada
rancangan model ketiga, nilai dari konstanta proporsional akan bernilai sedang
(S) ketika nilai eror ketinggian berada dalam himpunan negatif besar (NB) dan
positif besar (PB). Konstanta proporsional akan bernilai kecil (K) ketika nilai eror
ketinggian mulai mendekati nilai nol atau berada dalam himpunan negatif kecil
(NK) dan positif kecil (PK). Kemudian konstanta proporsional akan bernilai besar
(B) ketika nilai eror ketinggian mendekati nilai nol atau berada dalam himpunan
zero (Z). Secara singkat, konstanta proporsional akan semakin berkurang ketika
eror ketinggian mulai mendekati setpoint dan bernilai besar ketika eror ketinggian
mendekati nilai nol. Hal tersebut berbeda dengan rancangan model pertama

21

karena disebabkan oleh perbedaan keluaran sinyal kontrol yang berkisar antara 255 sampai 255.
Konstanta proporsional yang besar pada awal pengaktifan sistem kontrol
akan mempercepat quadcopter mencapai setpoint. Ketika quadcopter terbang
mendekati setpoint, konstanta proporsional akan bernilai kecil untuk mengurangi
besarnya overshoot. Nilai konstanta proporsional yang besar ketika eror
ketinggian berada pada himpunan zero akan meningkatkan kemampuan
quadcopter untuk mempertahankan ketinggian dengan eror ketinggian yang kecil.
Matriks keputusan konstanta proporsional dari rancangan model ketiga memiliki
bentuk dan fungsi yang sama dengan rancangan model pertama, yaitu
mempercepat quadcopter untuk kembali mendekati setpoint.

Gambar 23 Fungsi keanggotaan keluaran konstanta proporsional
rancangan model ketiga
Fungsi keanggotaan konstanta derivative pada rancangan model pertama
memiliki 3 himpunan dengan semesta antara 0 sampai 1000. Masing – masing
himpunan memiliki domain, yaitu berkisar antara 0 sampai 250 untuk himpunan
kecil (K), 250 sampai 800 untuk himpunan sedang (S) dan 800 sampai 1000 untuk
himpunan besar (B), seperti yang dapat dilihat pada Gambar 24. Pada rancangan
model ketiga, nilai dari konstanta derivative akan bernilai kecil (K) ketika eror
ketinggian quadcopter berada dalam himpunan negatif besar (NB) dan positif
besar (PB). Konstanta derivative akan bernilai sedang (S) ketika nilai eror
ketinggian mulai mendekati nilai nol atau berada dalam himpunan negatif kecil
(NK) dan positif kecil (PK). Kemudian konstanta derivative akan bernilai besar
ketika nilai eror ketinggian mendekati nilai nol atau berada dalam himpunan zero
(Z). Bertambahnya konstanta derivative ketika eror ketinggian mendekati nilai
nol, akan memperlambat kecepatan putar atau mengurangi gaya angkat dari
keempat motor sehingga semakin mengurangi besarnya overshoot. Matriks
keputusan konstanta derivative pada rancangan model ketiga memiliki bentuk
yang sama dengan matriks keputusan konstanta proporsional. Hal tersebut
dimaksudkan agar ketika quadcopter memiliki percepatan perubahan ketinggian
yang besar, konstanta derivative akan semakin memperlembat kecepatan putar
atau gaya angkat dari keempat motor dan mengurangi overshoot.

22

Gambar 24 Fungsi keanggotaan keluaran konstanta derivative
rancangan model ketiga
Rancangan model kedua hanya menggunakan sistem kontrol PID dan
memiliki ketiga nilai konstanta yang tetap. Besarnya nilai konstanta yang
digunakan masing – masing adalah konstanta proporsional sebesar 1, konstanta
integral sebesar 20 dan konstanta derivative sebesar 200. Konstanta tersebut
didapatkan secara trial and error sesuai karakteristik PID pada ketinggian
pengaktifan sistem kontrol 10 m. Selanjutnya digunakan kombinasi PID yang
sama untuk setiap ketinggian pengaktifan sistem kontrol.

Simulasi Sistem Kontrol Ketinggian Quadcopter
Simulasi dilakukan dengan mendefinisikan variabel input terlebih dahulu
melalui feature editor yang kemudian akan tersaji pada workspace ketika proses
running dilakukan (Gambar 26). Selain itu, variabel dapat dibuat secara langsung
pada workspace dengan menggunakan feature tambah variabel. Variabel yang
dibuat dalam workspace harus menggunakan nama label yang sama seperti yang
digunakan dalam setiap blok pada simulink agar variabel tersebut terhubung.
Terdapat beberapa