Perpustakaan Digital ITB

Sistem nonlinier yang dihadapkan pada ketidakpastian parameter dan gangguan yang bersifat stokastik memerlukan pendekatan kontrol yang kokoh dan adaptif terhadap perubahan sistem yang dinamis. Kontrol sliding mode merupakan pendekatan kontrol nonlinier yang dirancang untuk menjamin kekokohan terhadap gangguan eksternal dan ketidakpastian parameter, dengan memaksa sistem bergerak menuju sliding surface dan mempertahankannya di permukaan tersebut. Mekanisme utama dari kontrol sliding mode terletak pada penggunaan switching gain yang secara adaptif menyesuaikan respon terhadap error sistem, sehingga sistem dapat mengikuti fungsi referensinya. Namun, kontrol sliding mode menghadapi keterbatasan ketika batas atas parameter tidak diketahui secara eksplisit, sehingga dibutuhkan mekanisme adaptif untuk mengatur switching gain secara real-time, guna menjaga kestabilan sistem tanpa menimbulkan osilasi atau chattering berlebih. Penelitian ini mengusulkan pendekatan kontrol sliding mode yang menggabungkan sliding surface dengan mekanisme adaptif untuk penyesuaian switching gain secara dinamis, serta memanfaatkan estimasi parameter secara real-time menggunakan Extended Kalman Filter (EKF). Rancangan kontrol ini memungkinkan sistem tetap stabil meskipun terdapat gangguan acak dan perubahan parameter yang tidak diketahui secara langsung. Untuk memperoleh performa rancangan kontrol sliding mode adaptif diterapkan pada model deterministik dan stokastik penyebaran COVID-19 dengan virus asli dan varian Omicron. Model stokastik dikembangkan dari bentuk deterministik, yang kemudian diperluas dengan dua aspek utama, yaitu mobilitas dan gangguan acak yang dikorelasikan antar kompartemen. Gangguan tersebut dimodelkan sebagai proses Wiener yang mencerminkan fluktuasi nyata seperti variasi mobilitas harian, pelaporan infeksi yang tidak konsisten, dan interaksi acak antarindividu. Validasi dilakukan dengan data aktual dan parameter COVID-19 di Jakarta dan Jawa Barat. Untuk memastikan kestabilan sistem, digunakan pendekatan Lyapunov-Itô, dengan memanfaatkan turunan Lyapunov. Analisis ini memastikan kestabilan sistem secara mean-square dan eksponensial mean-square, walaupun dalam kondisi gangguan dan ketidakpastian parameter. Hasil simulasi menunjukkan bahwa kontrol sliding mode adaptif yang dirancang mampu secara signifikan mengurangi jumlah infeksi COVID-19. Di Jakarta, infeksi virus asli menurun sebesar 55,29% dan infeksi varian Omicron menurun sebesar 72,61% Sedangkan di Jawa Barat penurunan masing-masing mencapai 70,79% dan 86,81%. Hasil ini menunjukkan bahwa pendekatan kontrol yang dikembangkan tidak hanya stabil secara teoretis, tetapi juga mampu mencapai tujuan kontrol yang ditentukan. Selain itu, kerangka kontrol ini memberikan kontribusi penting terhadap pengembangan strategi intervensi yang adaptif, kokoh, dan berbasis data, dengan potensi aplikasi luas pada sistem dinamis lainnya yang melibatkan ketidakpastian dan gangguan stokastik.