Simulasi Hybrid Differential Evolution dan Particle Swarm Optimization untuk Tuning Pid pada Pengaturan Suhu Inkubator
DOI:
https://doi.org/10.59632/magnetic.v6i2.845Keywords:
Inkubator; PID; Evolusi diferensial; Optimasi swarm partikel; ITAEAbstract
Pengaturan suhu inkubator yang stabil dan presisi sangat penting untuk menjaga kondisi bayi prematur yang sensitif terhadap perubahan suhu. Namun, ketidakstabilan suhu akibat pengaruh lingkungan serta keterbatasan tuning PID konvensional dapat menyebabkan respons sistem kurang optimal. Penelitian ini bertujuan mengembangkan simulasi tuning parameter PID menggunakan metode Hybrid Particle Swarm Optimization–Differential Evolution (PSO-DE). Sistem inkubator dimodelkan sebagai sistem termal orde satu dan disimulasikan menggunakan MATLAB. Optimasi parameter PID dilakukan menggunakan metode PSO, DE, dan Hybrid PSO-DE dengan 10 kali percobaan untuk setiap metode. Kinerja sistem dievaluasi menggunakan indeks Integral of Time-weighted Absolute Error (ITAE). Hasil menunjukkan bahwa Hybrid PSO-DE menghasilkan nilai ITAE terbaik sebesar 0.4167, diikuti DE sebesar 0.4193 dan PSO sebesar 2.2599. Selain itu, Hybrid PSO-DE memiliki tingkat konsistensi tertinggi dengan keberhasilan menemukan solusi optimal pada 80% percobaan, dibandingkan DE 40% dan PSO 20%. Hasil ini menunjukkan bahwa Hybrid PSO-DE lebih andal untuk tuning PID pada sistem pengendalian suhu inkubator.
Downloads
References
[1] T. Taufik, “Development and Performance Study of Temperature and Humidity Regulator in Baby Incubator Using Fuzzy-PID Hybrid Controller,” Energies, vol. 14, pp. 1–21, 2021, doi: : https://doi.org/10.3390/en14206505.
[2] Y. Alif, K. Utama, E. Dhaniswara, and L. S. Budi, “Perbandingan Metode Tuning PID pada Pengaturan Suhu pada Inkubator,” in Seminar Nasional Sains dan Teknologi Terapan XI, Institut Teknologi Adhi Tama Surabaya, 2023, pp. 1–8.
[3] K. J. Marcdante and R. M. Kliegman, Nelson Essentials of Pediatrics, 8th ed. Philadelphia: Elsevier Ltd, 2019.
[4] A. F. Syamsu, Konservasi Energi Pada Bayi Baru Lahir Termoregulasi. Penerbit Eureka Media Aksara, 2023.
[5] R. S. Patil, S. P. Jadhav, and M. D. Patil, “Review of Intelligent and Nature-Inspired Algorithms-Based Methods for Tuning PID Controllers in Industrial Applications,” J. Robot. Control, vol. 5, no. 2, pp. 336–358, 2024, doi: 10.18196/jrc.v5i2.20850.
[6] A. Latif, H. A. Widodo, R. A. Atmoko, T. N. Phong, and E. T. Helmy, “Temperature and Humidity Controlling System for Baby Incubator,” vol. 2, no. 3, pp. 190–193, 2021, doi: 10.18196/jrc.2376.
[7] R. Boks and H. Wang, “A Modular Hybridization of Particle Swarm Optimization and Di erential Evolution,” 2020, doi: 10.1145/3377929.3398123.
[8] A. Sofiah, H. Setiadi, and R. W. W. Atmaja, “Intelligent Coordinated Control of PID-SMES and AVR based on Hybrid PSO-DE for Small Signal Stability Enhancement,” J. Adv. Technol. Multidiscip., vol. 1, no. 1, pp. 18–23, 2022, doi: 10.20473/jatm.v1i1.39627.
[9] R. W. Indrawan, H. Setiadi, M. A. Setiawan, and R. P. Prastio, “Comparison of PSO , DE and Hybrid DE-PSO for LFC of Wind Power Systems,” vol. 01, no. 02, pp. 59–63, 2022, doi: https://doi.org/10.20473/jatm.v1i2.40451.
[10] Eldin, “New PID Tuning Rule Using ITAE Criteria,” Int. J. Eng., pp. 597–608, 2023.
[11] A. Senen, ; Titi Ratnasari, ; Yoakim Simamora, J. T. Elektro, and I. T. Pln, “Perancangan Simulasi PID Controller Mengunakan Graphic User Interface dan Simulink,” J. Kilat, vol. 9, no. 2, pp. 181–191, 2020, [Online]. Available: https://doi.org/10.33322/kilat.v9i2.1015
[12] K. P. Sanoj and V. Dhanya Ram, “Optimal PID Controller Tuning for Multivariable Unstable Systems by Minimizing ITAE Criteria,” IFAC-PapersOnLine, vol. 57, pp. 391–396, 2024, doi: 10.1016/j.ifacol.2024.05.067.
