Namalainnya yaitu jalu, digunakan untuk pijakan kaki di sepeda listrik. 28. Controller. Untuk mengatur seberapa cepat atau lambat sepeda listrik saat melaju, lebih singkatnya mengatur gerak sepeda listrik saat digunakan. 29. Back Holder. Sebagai sandaran untuk orang yang dibonceng ketika mengendarai sepeda listrik. 30. Screw Reflector

A hill, which is in real circumstance can have a different incline in a continuous road, is one of the obstacle that a vehicle, in this case a bike, must overcome. That is why, a controlling action which can adapt the various loading condition is needed. A well-tuned PI controller can produce a good output in a linear load, however, it will struggle to adapt in a load that is constantly changing. A speed control system using a fuzzy logic base to self-tune PI parameters is used to fine tune PI controller gain parameters, so that the PI controller can adapt such loading condition. In this research, a no-load system performance is compared to those with load, with the setpoint of 120 rpm. Discover the world's research25+ million members160+ million publication billion citationsJoin for free Jurnal EECCIS Vol. 10, No. 1, Bulan Juni 2016  Abstract— A hill, which is in real circumstance can have a different incline in a continuous road, is one of the obstacle that a vehicle, in this case a bike, must overcome. That is why, a controlling action which can adapt the various loading condition is needed. A well-tuned PI controller can produce a good output in a linear load, however, it will struggle to adapt in a load that is constantly changing. A speed control system using a fuzzy logic base to self-tune PI parameters is used to fine tune PI controller gain parameters, so that the PI controller can adapt such loading condition. In this research, a no-load system performance is compared to those with load, with the setpoint of 120 rpm. Keywords Electric Bicycle, Steady State Error, PI Controller, Fuzzy Logic Abstrak–-Pada kendaraan sepeda, salah satu beban yang dihadapi adalah tanjakan, di mana sebuah tanjakan dalam keadaan sebenarnya dapat memiliki kemiringan yang berbeda–beda dalam suatu jalan. Karena itu, dibutuhkan sebuah aksi pengontrolan yang dapat beradaptasi dengan kondisi pembebanan yang berubah – ubah tersebut. Sebuah kontroler PI dengan parameter penguatan yang telah ditala sedemikian rupa dapat menghasilkan keluaran yang baik pada beban linier, namun akan kesulitan beradaptasi terhadap pembebanan yang berubah–ubah. Sistem kontrol kecepatan menggunakan metode self-tuning parameter PI dengan metode logika fuzzy digunakan untuk menala parameter penguatan kontroler PI, agar kontroler PI dapat beradaptasi dengan pembebanan tersebut. Pada penelitian ini, dibandingkan performansi sistem dengan kondisi tanpa beban dan kondisi berbeban dengan setpoint 120 rpm. Kata Kunci Sepeda Listrik, Error Steady State, Kontroler PI, Logika Fuzzy I. PENDAHULUAN ISTEM transportasi merupakan suatu hal yang harus ada. Mayoritas masyarakat Indonesia menganggap bersepeda sebagai aktivitas sampingan yang dilakukan pada hari libur, dengan tujuan olahraga dan rekreasi. Namun di beberapa negara seperti Cina, Jepang, dan Belanda, sepeda menjadi alat transportasi alternatif Mochamad Adityo Rachmadi, M. Aziz Muslim, Dr. Ir. Erni Yudaningtyas, are with the Electrical Engineering Department of Brawijaya University, Malang, Indonesia corresponding author provide phone 0341-554166; email untuk bepergian. Seiring dengan tingginya tingkat mobilitas masyarakat, Sepeda listrik merupakan salah satu alternatif bagi masyarakat karena tidak menghasilkan emisi gas buang. Sepeda listrik menggunakan motor arus searah tanpa sikat atau dikenal dengan brushless DC BLDC yang menghasilkan efisiensi tinggi, torsi tinggi, kecepatan tinggi dan biaya perawatan yang rendah [1]. Sistem kontrol PI adalah sistem paling umum dipakai pada aplikasi kontrol di dunia industri. Pada kontrol Propotional-Integral PI konvensional, penalaan pada kondisi tertentu tanpa memperhitungkan perubahan pembebanan yang terjadi pada plant dan gangguan yang muncul mendapatkan hasil kontrol yang sudah bagus dan teruji. Tetapi jika terjadi perubahan pembebanan pada plant, maka perlu diadakan setting ulang untuk membuat kontrol PI menghasilkan unjuk kerja yang baik [2]. Pada aplikasi kontrol kecepatan motor, kontroler PI dapat menghilangkan steady-state error pada output motor, namun berdampak pada settling time yang lambat dalam mencapai nilai steady [3]. Seiring dengan perkembangan sistem berbasis pengetahuan, penalaan parameter PI dapat ditentukan dengan menganalisis output suatu sistem, dan hasil analisis tesebut dibentuk dalam sejumlah aturan. Dengan mengkombinasikan sejumlah aturan, pengaturan ini menjadi sebuah kontrol logika fuzzy sebagai salah satu sistem berbasis pengetahuan sehingga parameter PI dapat ditala secara real time. Dengan penggabungan aksi kontroler PI dan kontrol logika fuzzy untuk menala parameter PI, diharapkan akan didapatkan suatu tanggapan yang mempunyai tingkat kestabilan yang tinggi, dan dengan nilai settling time yang cepat. II. METODE PENELITIAN A. Diagram Blok Sistem Diagram blok sistem kontrol kecepatan pada sepeda listrik dapat dilihat dalam Gambar 1. Setpoint SP adalah masukan berupa nilai kecepatan yang diberikan oleh pengguna. Nilai setpoint akan disimpan ke dalam mikrokontroler. Error adalah deviasi atau simpangan antara pembacaan aktual kecepatan motor dari rotary encoder dan nilai setpoint. Kedua Sistem Kontrol Kecepatan Sepeda Listrik Menggunakan Metode Self-Tuning Parameter PI dengan Metode Logika Fuzzy Mochamad Adityo Rachmadi, M. Aziz Muslim, dan. Erni Yudaningtyas Jurnal EECCIS Vol. 10, No. 1, Bulan Juni 2016 nilai tersebut akan dikalkulasi dan diolah oleh mikrokontroler. Nilai yang dikalkulasi adalah manipulated variable MV atau sinyal kontrol yang akan digunakan sebagai masukan pada driver motor. Driver motor ini akan menggerakan motor brushless DC sesuai dengan sinyal kontrol keluaran mikrokontroler. B. Pengujian Motor Brushless DC Pengujian pada motor brushless DC dilakukan dengan tujuan untuk mengetahui karakteristik motor terhadap kenaikan tegangan input motor. Hasil pengujian dapat dilihat dalam Gambar 2. Dari Gambar 2 dapat diketahui bahwa semakin besar input tegangan yang diberikan, maka semakin besar pula kecepatan motor tersebut. C. Pengujian Driver Motor Tiga Fasa Pengujian pada driver motor tiga fasa dilakukan dengan tujuan mengetahui karakteristik, kinerja, dan output rangkaian driver motor tiga fasa. Hasil pengujian dapat dilihat dalam Gambar 3. Dari Gambar 3 dapat diketahui bahwa semakin besar duty cycle yang diberikan, maka semakin besar pula tegangan efektif output driver tersebut. D. Pengujian Rotary Encoder Pengujian pada rotary encoder dilakukan dengan tujuan untuk mengetahui tingkat kelinieran dari rotary encoder dalam pembacaan putaran motor BLDC. Hasil pengujian dapat dilihat dalam Gambar 4. Dari Gambar 4 dapat diketahui bahwa pembacaan rotary encoder mulai linear pada duty cycle 5%. E. Penentuan Fungsi Alih Motor Brushless DC Fungsi alih dari motor brushless DC didapatkan melalui identifikasi dengan cara membangkitkan sinyal Pseudo Random Binary Sequence PRBS, dengan langkah sebagai berikut 1. Mencari nilai yang linier dari hasil kecepatan motor terhadap duty cycle PWM. 2. Memasukkan nilai batas atas dan bawah berdasarkan nilai yang linier untuk membangkitkan sinyal PRBS. 3. Sinyal PRBS yang telah dibangkitkan kemudian digunakan sebagai masukan motor BLDC. 4. Setelah didapatkan data sinyal PRBS dan data kecepatan motor BLDC lihat Gambar 5, selanjutnya adalah melakukan identifikasi dengan menggunakan software MATLAB. 5. Dengan menggunakan sintaks ident pada command window pada MATLAB, data sinyal PRBS dan data kecepatan motor yang telah disimpan kemudian di import pada blok System Identification Toolbox. Tampilan blok System Identification Toolbox dapat dilihat dalam Gambar 6. Gambar 6. Tampilan aplikasi ident di software MATLAB Gambar 5. Output sinyal PRBS Gambar 4. Perubahan kecepatan motor terhadap duty cycle Gambar 3. Perubahan tegangan output driver terhadap duty cycle Gambar 2. Perubahan kecepatan motor terhadap input tegangan Gambar 1. Diagram blok sistem secara umum Jurnal EECCIS Vol. 10, No. 1, Bulan Juni 2016 6. Setelah melakukan beberapa estimasi model berdasarkan data yang telah di-import, didapatkan fungsi alih motor dengan best fits sebesar 81,78. Output motor BLDC yang telah diidentifikasi dapat dilihat dalam Gambar 7. 7. Dari hasil identifikasi, fungsi alih motor yang didapat adalah  1 8. Dengan memberikan masukan unit step pada program MATLAB didapatkan output dengan didapatkan nilai settling time sebesar 0,169 detik dengan output maksimal berada di 0,594. Output motor BLDC yang telah diidentifikasi dapat dilihat pada Gambar 8. F. Validasi Fungsi Alih Motor Brushless DC Validasi fungsi alih motor dilakukan dengan cara membandingkan output motor BLDC yang didapatkan dari identifikasi dan output kecepatan motor BLDC yang didapatkan dari pembacaan rotary encoder dengan memberikan masukan pulsa unit step. Perbandingan kedua output dapat dilihat pada gambar 9. Dari Gambar 9 dapat dilihat bahwa output motor BLDC yang telah didapat dari proses identifikasi hampir menyerupai output kecepatan motor BLDC. Oleh karena itu, fungsi alih yang telah didapatkan dianggap dapat mewakili pemodelan plant motor BLDC. G. Perancangan Perangkat Keras Skema pembuatan sistem pengontrolan kecepatan sepeda listrik dapat dilihat dalam Gambar 10. H. Perancangan Kontrol Logika Fuzzy Algoritma fuzzy dirancang dengan menggunakan 2 buah masukan, yaitu error dan delta error dari kecepatan. Error adalah selisih antara setpoint dan output yang dibaca oleh sensor rotary encoder. Error berfungsi untuk mengetahui seberapa besar deviasi yang terjadi pada sistem. Delta error berfungsi untuk mengetahui tingkat kesalahan error tersebut, yaitu seberapa besar perubahan error sekarang terhadap error sebelumnya. Dalam perancangan algoritma fuzzy dibuatlah sebuah fungsi keanggotaan untuk masing-masing input dan output. Setiap keanggotaan dideskripsikan dalam bahasa linguistik seperti NB Negatif Besar, NK Negatif Kecil, ZE Zero/ Nol, PK Positif Kecil, dan PB Positif Besar. Range nilai digunakan negatif hingga positif agar error dan delta error dapat tercakup secara keseluruhan mulai positif dan negatif. Begitu juga pada keluaran agar parameter Kp dan Ki mampu fluktuasi mengikuti setpoint. Untuk fungsi keanggotaan error dan delta error ditunjukkan dalam Gambar 11 dan 12, serta fungsi keanggotaan Kp dan Ki ditunjukkan dalam Gambar 13 dan 14. Gambar 13 Membership function output untuk Kp Gambar 12 Membership function input untuk turunan error Gambar 11 Membership function input untuk error Gambar 10. Skema perangkat keras Gambar 9. Validasi fungsi alih dengan output motor BLDC Gambar 8. Output fungsi alih motor BLDC dengan masukan unit step Gambar 7. Hasil estimasi model Jurnal EECCIS Vol. 10, No. 1, Bulan Juni 2016 Secara umum, hubungan antara error e dan delta error de terhadap nilai Kp dan Ki dijabarkan sebagai berikut 1. Saat e relatif besar, maka kontroler akan memperbesar nilai Kp dan membuat nilai Ki sama dengan 0. 2. Saat e dan de relatif sesuai maka kontroler akan memperkecil nilai Kp agar mengurangi overshoot. Nilai Ki tidak berubah. 3. Saat e dan de nilainya sangat kecil maka kontroler akan memperbesar nilai Kp dan Ki. Dengan acuan yang telah dijabarkan, diperoleh tabel aturan fuzzy untuk Kp dan Ki dalam Tabel 1 dan Tabel 2. Dari Tabel 1 dan Tabel 2 dapat digambarkan ruang solusi fuzzy untuk aturan fuzzy untuk Kp dalam Gambar 15, dan ruang solusi fuzzy untuk aturan fuzzy untuk Ki dalam Gambar 16. Setelah didapatkan fungsi keanggotaan dan aturan fuzzy, dapat ditentukan metode untuk inferensi dan defuzzifikasi dari sistem kontrol fuzzy tersebut. Pada penelitian ini, metoode inferensi yang digunakan adalah metode Min – Max, sedangkan untuk defuzzifikasi digunakan metode Weighted Average. I. Perancangan Kontroler Proporsional Integral Dalam kawasan waktu kontroler PI dapat dinotasikan dengan persamaan berikut    2 dengan ct adalah keluaran kontroler, Kp adalah gain proporsional, Ti adalah waktu konstanta Integal atau reset time dan et adalah error yang terjadi. Persamaan 2 dapat diubah menjadi kawasan frekuensi dengan Transformasi Laplace sehingga menjadi persamaan berikut   3 Persamaan 3 belum bisa dimasukkan kedalam mikrokontroler. Maka dari itu persamaan kontinyu tersebut harus diubah kedalam bentuk diskrit melalui Transformasi Z. Dalam Transformasi Z dibutuhkan waktu sampling Ts. Digunakan metode Billinear Transform sehingga nilai notasi s pada Laplace setara dengan     4 persamaan 3 disubstitusikan ke dalam persamaan 4 menjadi   5 Berikutnya adalah memodifikasi persamaan agar dapat disederhanakan. Kedua ruas dikalikan dengan 1-z-1.         6 kemudian persamaan 6 disusun kembali menjadi output kontroler     7 persamaan 7 diubah kedalam persamaan beda sehingga didapatkan persamaan 8.            8 Dimana k-1 adalah kondisi sebelumnya. Persamaan diatas lalu dimasukkan kedalam program pada mikrokontroler. Pada kontroler PI, dibutuhkan sebuah parameter awal yang berfungsi untuk memperbaiki settling time dan steady-state error pada output. Untuk menentukan parameter tersebut digunakan metode Symmetrical Optimum. Tuning parameter dengan metode Symmetrical Optimum pertama dikemukakan oleh Kessler pada 1958. Metode ini memaksimalkan phase margin dari sistem kontrol dan mengarahkan ke fasa yang simetris dan karakteristik amplitudo [4]. Metode Gambar 16 Ruang solusi fuzzy untuk Ki Gambar 15 Ruang solusi fuzzy untuk Kp TABEL 2 ATURAN FUZZY UNTUK KI TABEL 1 ATURAN FUZZY UNTUK KP Gambar 14 Membership function output untuk Ki Jurnal EECCIS Vol. 10, No. 1, Bulan Juni 2016 tersebut dipilih karena sistem memiliki keunggulan berupa kemantapan pada parameter phase margin, gain margin, dan dinamika sistem itu sendiri [5] Untuk mententukan parameter dengan metode Symmetrical Optimum, pertama – tama, persamaan fungsi alih dimodifikasi menjadi open loop system seperti berikut   9 Untuk membentuk persamaan plant 9 maka fungsi alih motor perlu diubah, di mana Gm adalah nilai gain dari motor yang telah dimodifikasi dan Tm adalah time constant motor. Oleh Karena itu, persamaan 1 harus diubah terlebih dahulu ke bentuk persamaan 10.    10 Mulanya bagian penyebut diakarkan menjadi seperti persamaan 11.   11      37   Maka nilai Gcw adalah 0,596 dan Tcw = T1 = 0,054 . Nilai Tmn ditetapkan dengan Tmn = 1. Dengan menentukan nilai faktor redaman D maka dapat ditentukan nilai Kp dan Ti melalui persamaan 12.            12 Nilai-nilai dari variabel Tcw, Gcw, Tmn dan D diolah menggunakan MATLAB dan hasilnya ditampilkan dalam bodeplot untuk mengetahui kestabilan sistem. Pada Gambar 17 dapat diketahui dari bodeplot tersebut bahwa sistem stabil, dengan frequency crossover pada margin terletak pada fasa maksimumnya. Dengan nilai D = 0,707 didapatkan nilai Kp = 12,938 dan Ti = 0,3133. Sehingga nilai Kp = 12,938 dan Ki = 41,298. Nilai Kp dan Ki tersebut disimulasikan pada toolbox Simulink untuk mengetahui output sistem tanpa beban dengan kontroler PI. Jika masukan berupa sinyal unit step maka didapatkan grafik yang dapat dilihat dalam Gambar 18, dengan besarnya nilai settling time setelah diberi kontroler adalah 1,04 s dan mampu mencapai setpoint. J. Perancangan Kontroler self-tuning Parameter PI Setelah melakukan perancangan kontrol logika fuzzy dan kontroler PI, maka kedua sistem tersebut akan digabungkan. Secara umum, sistem kontrol akan bekerja dengan kontrol logika fuzzy berfungsi untuk menala parameter PI secara real time, dan kontroler PI berfungsi untuk mengolah sinyal error, dan memberikan sinyal kontrol. Diagram blok sistem secara keseluruhan dapat dilihat dalam Gambar 19. Agar kontroler PI dapat bekerja secara optimal, maka diperlukan perancangan kontroler PI yang bobot parameter PI-nya dapat diubah, dan dapat bersinkronisasi dengan output parameter PI hasil penalaan kontrol logika Fuzzy. Diagram blok rancangan subsistem kontroler PI tersebut dapat dilihat dalam Gambar 20. III. PENGUJIAN SISTEM A. Simulasi Sistem Tanpa Beban Simulasi dilakukan dengan memberikan setpoint berupa unit step yang berfungsi sebagai sinyal tes untuk mengetahui performansi sistem. Kemudian, setpoint dimasukkan ke dalam blok penjumlahan summing dan dikurangkan terhadap output sistem, untuk mendapatkan error. Gambar 20. Rancangan blok subsistem kontroler PI Gambar 19. Diagram blok perancangan kontroler self-tuning parameter PI Gambar 18. Simulasi output sistem tanpa beban dengan kontroler PI Gambar 17. Hasil Bodeplot dengan metode Symmetrical Optimum Jurnal EECCIS Vol. 10, No. 1, Bulan Juni 2016 Error selisih antara setpoint dan umpan balik yang telah didapat kemudian dimasukkan kedalam blok fuzzy. Error dibagi menjadi dua di mana salah satu masukan diberi blok fungsi diferensial, yang berfungsi untuk mengubah error menjadi delta error selisih antara error saat ini dan error sebelumnya. Diagram blok simulasi pada SIMULINK dapat dilihat dalam Gambar 21. Hasil simulasi dari output sistem tanpa beban ditunjukkan dalam Gambar 22, dan diketahui bahwa sistem stabil, memiliki settling time ts sebesar s, memiliki maximum overshoot Mp sebesar dan tidak memiliki error steady–state. B. Simulasi Sistem Berbeban Linier Gambar 23 adalah blok simulasi secara keseluruhan, setelah ditambahi beban linier berupa fungsi bidang miring ramp dengan nilai 0,577. Hasil simulasi dari output sistem tanpa beban ditunjukkan dalam Gambar 24, dan diketahui bahwa sistem stabil, memiliki settling time ts sebesar 1,109 s, memiliki maximum overshoot Mp sebesar 9,3%, dan memiliki error steady–state sebesar 2,2%. C. Pengujian Perbandingan Bobot Penalaan Parameter Sistem Pengujian dilakukan dengan tujuan untuk mencari perbandingan parameter hasil penalaan dari kontrol logika fuzzy dan parameter tetap kontroler PI, dengan harapan kerja sistem menjadi optimal. Penentuan perbandingan dilakukan dengan proses trial and error, dengan mencoba berbagai nilai perbandingan ke dalam sistem yang dijalankan tanpa beban dengan setpoint sebesar 120 rpm. Perbandingan yang digunakan dalam pengujian ini adalah 1 1 dan 3 1, dengan ketentuan parameter hasil penalaan logika fuzzy dan parameter tetap. Gambar 25 dan 26 merupakan output sistem dengan pembobotan parameter 1 1 dan 3 1, serta Gambar 27 dan 28 merupakan perubahan parameter Kp dan Ki yang didapatkan dari pengujian. Karena nilai maximum overshoot Mp terletak di dalam batas toleransi sebesar 10%, maka perbandingan parameter 3 1 tersebut digunakan dalam implementasi sistem secara keseluruhan. Gambar 28. Perubahan parameter Kp dan Ki pada sistem dengan perbandingan bobot 3 1 Gambar 27. Perubahan parameter Kp dan Ki pada sistem dengan perbandingan bobot 1 1 Gambar 26. Output sistem dengan pembobotan parameter 3 1 Gambar 25. Output sistem dengan pembobotan parameter 1 1 Gambar 24. Hasil simulasi output sistem berbeban linier Gambar 23. Skema blok simulasi berbeban linier dengan MATLAB SIMULINK Gambar 22. Hasil simulasi output sistem tanpa beban Gambar 21. Skema keseluruhan blok simulasi dengan MATLAB SIMULINK Jurnal EECCIS Vol. 10, No. 1, Bulan Juni 2016 D. Pengujian Pada Alat Pengujian ini dilakukan 2 dua kali, yaitu pada saat sistem berjalan tanpa beban, dan pada saat sistem berjalan dengan beban, dengan setpoint sebesar 120 rpm. Hasil pengujian ditunjukkan pada Gambar 29, 30, 31, dan 32. Dalam gambar 29, dapat diketahui bahwa sistem stabil, memiliki settling time ts sebesar 6,9 s, memiliki maximum overshoot Mp sebesar 9,3%, dan tidak memiliki error steady–state. Dalam gambar 30, dapat diketahui bahwa hasil penalaan Kp dan Ki berubah relatif terhadap waktu, yaitu dengan menuju pada nilai positif maksimal pada awal sistem berjalan, kemudian menurun ke nilai negatif untuk Kp dan nilai positif kecil untuk Ki ketika hampir mencapai settling-time, dan stabil setelah sistem mencapai keadaan steady state, pada waktu 15 s. Dalam Gambar 31, dapat diketahui bahwa sistem stabil, memiliki settling time ts sebesar 4,9 s, tidak memiliki maximum overshoot Mp dan tidak memiliki error steady–state. Dalam gambar 32, dapat diketahui bahwa hasil penalaan Kp dan Ki berubah relatif terhadap waktu, yaitu dengan menuju pada nilai positif maksimal pada awal sistem berjalan, kemudian menurun ke nilai negatif ketika sistem telah mencapai settling-time, dan stabil setelah sistem mencapai keadaan steady state, pada waktu 11 s, dan kembali menurun pada waktu 18 s dikarenakan adanya gangguan. IV. PENUTUP A. Simpulan 1. Berdasarkan data output sistem yang diperoleh dari pengujian dengan menggunakan sinyal Pseudo-Random Binary Sequence PRBS, didapatkan nilai fungsi alih Fs =  dengan nilai best-fit sebesar 81,78. 2. Berdasarkan metode penalaan Symmetrical Optimum didapatkan batas penalaan parameter kontroler PI dengan nilai Kp di antar -12,938 sampai dengan 12,938 dan nilai Ki di antara -41,298 sampai dengan 41,298. Berdasarkan pengujian perbandingan bobot, didapatkan perbandingan untuk optimasi kerja sistem sebesar 3 1 untuk parameter hasil penalaan Kontrol Logika Fuzzy terhadap parameter kontroler PI. 3. Berdasarkan hasil implementasi tanpa beban, didapatkan output sistem yang memiliki settling time ts sebesar 6,9 s, memiliki maximum overshoot Mp sebesar 9,3%, dan tidak memiliki error steady–state. Berdasarkan hasil implementasi berbeban, didapatkan output sistem yang memiliki settling time ts sebesar 4,9 s, tidak memiliki maximum overshoot Mp, dan tidak memiliki error steady–state. B. Saran Saran yang dapat diberikan untuk penelitian selanjutnya adalah dengan menggunakan penelitian yang telah dilakukan untuk diimplementasikan ke dalam kendaraan elektrik yang lebih besar dengan motor brushless DC sebagai aktuator sistem, memperhitungkan koefisien gesek sebagai parameter pembebanan sistem, dan menggunakan rangkaian elektronik yang lebih baik untuk efisiensi dan performansi sistem yang lebih baik. REFERENSI [1] Hamdi, I. T. 2015. Rancang Bangun Three Phase Six Step PWM Inverter sebagai Pedal Assisted System PAS Sepeda Listrik. Skripsi. Tidak dipublikasikan. Malang Universitas Brawijaya. [2] Kristiyono, R. 2015. Sistem Kendali Kecepatan Motor BLDC Menggunakan Algoritma Hybrid PID Fuzzy. University Research Colloquium 2015. [3] Shyam, A. 2013. A Comparative Study on the Speed Response of BLDC Motor Using Conventional PI Controller, Anti-windup PI Controller and Fuzzy Controller, 2013 International Conference on Control Communication and Computing ICCC. [4] Putra, D. A. 2015. Penerapan Kontroler Self Tuning Parameter PI dengan Metode Logika Fuzzy Pada Mobile Robot. Skripsi. Tidak dipublikasikan. Malang Universitas Brawijaya. [5] Barbosa, A. L. S.,Júnior, G. A.,Barros P. R. 2014. Symmetrical Optimum Based PI Control Redesign. 2014 IEEE Conference on Control Applications CCA. Gambar 32. Perubahan parameter Kp dan Ki pada sistem berbeban Gambar 31. Output sistem berbeban Gambar 30. Perubahan parameter Kp dan Ki pada sistem tanpa beban Gambar 29. Output sistem tanpa beban ... Rule base adalah sekelompok aturan fuzzy dalam berhubungan dengan keadaan sinyal masukan dan sinyal keluaran. Proses evaluasi rule ini berfungsi untuk mencari suatu nilai fuzzy output dari fuzzy input [11]. ...Farhan FabiantoSuhariningsih SuhariningsihRachma Prilian EviningsihMotor DC merupakan suatu perangkat yang berfungsi untuk mengubah energi listrik menjadi energi kinetik. Perangkat ini dapat disebut sebagai Motor Arus Searah dan perangkat ini memiliki 2 input tegangan yaitu kumparan jangkar dan kumparan medan, agar dapat menggerakannyaDidalam klasifikasi Motor DC, banyak sekali jenis Motor DC yang digunakan. Pada Jurnal ini Motor DC yang digunakan adalah Motor DC Penguat Terpisah. Sesuai namanya, Motor DC Penguat Terpisah ini mempunyai dua tegangan masukan yang mempunyai sumber individu, yang mana salah satunya untuk menyuplai tegangan pada kumparan jangkar dan salah satunya untuk menyuplai tegangan pada kumparan medanPada jurnal ini akan dibuat sebuah pemodelan SIMO Buck Converter yang mempunyai tegangan keluaran banyak yang digunakan untuk menyuplai Motor DC Penguat Terpisah dan mengatur kecepatan menggunakan pengaturan tegangan masuk pada Motor DC Penguat Terpisah. Untuk mengatur kecepatan dari Motor DC Penguat Terpisah, maka dibutuhkan pengaturan tegangan sedemikian rupa guna mencapai kecepatan yang diinginkan dengan cara mengatur Duty Cycle pada setiap keluaran pada konverter menggunakan Fuzzy Logic Control, agar pengaturan tegangan keluar dari konverter menjadi halus dan tidak menimbulkan Overshoot disaat menggunakan untuk mensuplai Motor DC Penguat Terpisah. Hasil simulasi menunjukkan bahwa sebelum adanya kontrol fuzzy Motor DC memiliki rise time sebesar dan untuk mencapai kondisi steady state dari 0s sebesar sedangkan setelah adanya kontrol fuzzy Motor DC memiliki rise time sebesar untuk mencapai kondisi steady state dari 0s sebesar dan mempunyai overshoot sebesar 11 RPM dari setpoint yang telah ditentukan. Ketika Motor DC dengan logika fuzzy diberi gangguan pada detik 0,4s respon fuzzy sangat baik, dan Ketika dirubah setpoint menjadi 1000 RPM dan 500 RPM respon dari fuzzy sangat dc motors BLDC are widely used for various applications because of high torque, high speed and smaller size. This type of motors are non linear in nature and are affected highly by the non-linearities like load disturbance. Speed control of this motor is traditionally handled by conventional PI and PID controllers. This paper presents the speed control of BLDC motor using anti wind up PI controller. Problems like rollover can arise in conventional PI controller due to saturation effect. In order to avoid such problems anti wind up schemes are introduced. As the fuzzy controller has the ability to control and as it is simple to calculate, a fuzzy controller is also designed for speed control of BLDC motor. The control and simulation of BLDC motor have been done using software MATLAB/SIMULINK. The simulation results using anti wind up PI controller and fuzzy controller are compared with PI Kendali Kecepatan Motor BLDC Menggunakan Algoritma Hybrid PID FuzzyR KristiyonoKristiyono, R. 2015. Sistem Kendali Kecepatan Motor BLDC Menggunakan Algoritma Hybrid PID Fuzzy. University Research Colloquium Kontroler Self Tuning Parameter PI dengan Metode Logika Fuzzy Pada Mobile RobotD A PutraPutra, D. A. 2015. Penerapan Kontroler Self Tuning Parameter PI dengan Metode Logika Fuzzy Pada Mobile Robot. Skripsi. Tidak dipublikasikan. Malang Universitas Optimum Based PI Control RedesignA L S BarbosaG A JúniorP R BarrosBarbosa, A. L. S.,Júnior, G. A.,Barros P. R. 2014. Symmetrical Optimum Based PI Control Redesign. 2014 IEEE Conference on Control Applications CCA.

Konsep dari sepeda listrik sebenarnya simpel. dan relatif sama untuk setiap jenis sepeda. Batere menyediakan arus listrik yang dibutuhkan untuk mensuplai motor/dinamo. Banyaknya arus dan besarnya voltase yang dibutuhkan oleh motor, diatur oleh kontroler. Dari semua sepeda listrik, itu adalah komponen utama yang ada Motor, Batere, dan Kontroler 1. Motor Gambar Kumparan Direct Drive Hub Motor Berfungsi sebagai penggerak dari sepeda listrik. Terdiri dari kumparan tembaga yg dililit di sekitar magnet. untuk lebih mudahnya mirip seperti dinamo pada mainan anak. Tipe dari motor terbagi menjadi 2, Brushed atau brushless. Umumnya pada motor generasi sekarang menggunakan motor jenis brushless karena lebih minim perawatan dan awet Sistem motor sendiri terdapat berbagai macam jenis. diantaranya direct drive hub motor,geared hub motor, central mid drive,friction drive dan lain lain setiap jenis sistem motor memiliki kelebihannya masing2, sehingga dalam pemilihan sistem motor harus disesuaikan dengan kebutuhan agar tercipta sistem yang optimal. Sebagai contoh, geared hub cocok untuk keadaan stop and go di kota dan direct drive hub motor cocok untuk setup yang menggunakan watt yg besar Gambar Geared Hub Motor 2. Batere Merupakan elemen pentingdari sebuah sepeda istrik, dan biasanya merupakan yang paling mahal. Sehingga dalam memilih batere dibutuhkan perencanaan yang matang serta memperkirakan aspek kebutuhan di masa yang akan datang. Parameter yang sering digunakan pada sebuah batere antara lain adalah amperea,voltv, dan c rate. ampere merupakan besarnya arus listrik yang mengalir, atau bisa diibaratkan seperti besarnya arus air yang mengalir voltase merupakan beda potensial listrik, atau diibaratkan seperti besarnya beda tekanan diantara dua titik, yang menunggu untuk dibuka. c rate merupakan parameter internal dari batere yang menunjukkan kemampuan ampere dari batere untuk dipakai tanpa merusak batere tersebut. Sebagai contoh, batere dengan kapasitas 10 ah dan memiliki rating 2c, maka mampu mensuplai 20 a. Tentunya kapasitas batere 10 ah yg mensuplai 20 a akan habis dalam waktu setengah dari batere 10 ah yg mensuplai 10 a. Setiap jenis batere memiliki karakteristiknya masing-masing, tergantung dari sifat bahan ini batere terdiri dari berbagai jenis. diantaranya adalah SLA, NIMh, Li-ion,Lipo,LiFePO4, NMC, dll. Masing masing batere memiliki nilai voltase,life cycle dan ampere yang berbeda-beda tergantung dari contoh batere jenis SLA yang memiliki life cycle 300x hingga batere jenis LIFePO4 yang memiliki life cycle hingga 3000x. Gambar LiPo Pack buatan sendiri 3. Kontroler Merupakan otak dari sebuah sepeda listrik. Berfungsi untuk mengatur penyaluran arus dan voltase dari batere ke oleh chip mosfet yang siesuaikan dengan supply voltase oleh batere. batere yg memiliki rating 48 v harus menggunakan kontroler minimum untuk batere 48 volt. Beberapa kontroler memiliki fungsi pemrograman sehingga besarnya arus ke motor dapat diatur sesuai keperluan. Input kontroler didapat dari berbagai input dari pengemudi seperti misalnya tuas gas dan PAS pedal assist system. Dari situ kontroler akan mengatur berapa besarnya arus yang akan disalurkan. 4. Monitoring Tools Merupakan tools tambahan yang menurut saya penting ada di sepeda sebagai info status kondisi sepeda listrik. Mulai dari kecepatan, jarak, hingga besarnya Arus dan voltase realtime dan kapasitas batere yang telah digunakan. Gambar cycle analyst Pada salah satu merk monitoring tools yangsudah mendunia, Cycle analyst, bahkan dapat meng overide kontroler sehingga setting max ampere, kecepatan, dan voltase dari sepeda dapat dilakukan secara langsung dan mudah. Contoh lainnya adalah merk speedict yang dapat terhubung dengan ponsel android dalam melakukan setting sepeda listrik secara wireless. sumber gambar

skema controller sepeda listrik