IDENTIFIKASI PLANT SIMULATOR SECARA ONLINE MENGGUNAKAN METODE JARINGAN SARAF TIRUAN DENGAN STRUKTUR MODEL NARX (NONLINEAR AUTOREGRESSIVE EXOGENOUS)

Sari

Abstrak

Pada Analisa sebuah sistem, hal ini dapat dilakukan lebih mudah jika diketahui persamaan model matematikanya. Salah satu caramendapatkan persamaan matematika adalahmenggunakan identifikasi sistem.. Identifikasi sistem adalah usaha untuk mendapatkan sebuah informasi yang berupa  model matematika yang didapat dari hasil analisa data masukan dan keluaran dari sistem. Pada penelitian ini dilakukan identifikasi secara online atau secara langsung terhubung dengan plant yang bersifat black-box. Metode identifikasi yang digunakan adalah algoritma Neural Network dengan model NARX(Nonlinear Auto Regressive Exogenous). Nilai masukan dan keluaran pada plant simulator akan diidentifikasi menggunakan model NARX dengan pelatihannya menggunakan algoritma Levenberg Marquardt. Hasil yang diperoleh dari identifikasi ini adalah berupa jaringan model. Berdasarkan hasil identifikasi menggunakan struktur model NARX, simulator plant sudah bisa direpresentasikan dalam bentuk jaringan model. Jaringan model ini dapat dibuat dalam persamaan matematika. Salah satu hasil identifikasi yang terbaik ditunjukkan dengan nilai MSE validasi pada rangkaian op-amp orde 3 dengan interkoneksi umpan balik yaitu 0,075.

Kata kunci: Identifikasi, Sistem Black-box, Jaringa Saraf Tiruan

Abstract

In system analysis, it becomes easier if the mathematical equation can be known. One way to get the equation is using system identification. System identification is the discipline to obtain system information in the form of mathematical equation, starting from experimental data, the input and the output value.  In this research, the identification was online or directly connected with the black-box system. Neural network methods were used to identify the system. The input and output value of simulator plant were identified with NARX (Nonlinear Auto Regressive Exogenous) model and the training algorithm used Levenberg-Marquardt algorithm. The result from this identification was a model network. Based on the results, the simulator plant can be represented by the network models. The networks model show by mathematic equation form. The best identification gave by op-amp circuit order 3 with feedback interconnection. The MSE validation value of this network model was 0,075.

Keywords: Identification, Black-box System, Neural Network