digilib@itb.ac.id +62 812 2508 8800

2003_DIS_PP_NADHIR_1.pdf
PUBLIC Irwan Sofiyan

Abstrak: Algoritma genetik merupakan salah satu metode yang digunakan untuk mencari solusi yang optimal suatu permasalahan. Pemakaian fungsi fitness akan menentukan pilihan solusi yang terbaik dalam satu generasi diantara banyak kandidat solusi. Terdapat beberapa parameter yang digunakan dalam algoritma genetik, diantaranya adalah parameter probabilitas pindah silang PG dan probabilitas mutasi Pm. Pemilihan parameter algoritma genetik yang sesuai dapat meningkatkan performansi sehingga hasil yang dicapai benar-benar optimal. Pada perancangan pengontrol Proporsional Derivatife (PD) akan dicari parameter pengontrol Kp dan Kd yang sesuai dengan plant. Algoritma genetik dapat disertakan dalam perancangan pengontrol PD yang akan berfungsi dalam menentukan parameter pengontrol Kp dan Kd yang optimal untuk setiap waktu. Sejumlah kandidat parameter pengontrol akan dihitung nilai fitnessnya oleh algoritma genetik sehingga dapat dipilih kandidat parameter pengontrol yang terbaik. Operator algoritma genetik (seleksi, pindah silang, dan mutasi) digunakan untuk membangkitkan populasi kandidat parameter pengontrol yang baru. Pemilihan parameter algoritma genetik dan parameter fungsi fitness Pm, P,;, al, a2, a3 disesuaikan dengan permasalahan sehingga dihasilkan aksi pengontrolan sesuai dengan yang diinginkan. Supervisory control berfungsi untuk menentukan harga optimal parameter algoritma genetik dan parameter fungsi fitness yang digunakan sebagai pengontrol. Dari studi yang telah dilakukan pada plant papan pendulum terbalik dapat diketahui bahwa pemakaian algoritma genetik dapat meningkatkan performansi aksi pengontrolan jika dibandingkan dengan pengontrolan tanpa menggunakan algoritma genetik. Peningkatan performansi ditand6ai dengan berkurangnya settling time yang diperlukan untuk mencapai kondisi mantap. Parameter optimal fungsi fitness dan algoritma genetik yang digunakan dalam pengontrol adalah Pm .05, PC 0.9, at=600 a2=10, a3=400. Parameter optimal algoritma genetik yang digunakan dalam supervisory control adalah Pm=0.OI, Pe=0.5