Oky Putra Pamungkas, 5301416028 (2020) OPTIMASI KENDALI PID PADA SPIN COATER MENGGUNAKAN GENETIC ALGORITHM (GA). Under Graduates thesis, Universitas Negeri Semarang.

PDF (OPTIMASI KENDALI PID PADA SPIN COATER MENGGUNAKAN GENETIC ALGORITHM (GA)) - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Teknologi film tipis memiliki peranan penting utamanya dalam bidang elektronika. Perkembangan teknologi film tipis telah dilakukan dengan kemajuan yang pesat pada industri Inegrated Circuit (IC). Terdapat beberapa metode deposisi film tipis diantaranya yaitu, Chemical Vapor Deposition (CVD), Physical Vapor Deposition (PVD), dan spin coating. Alat untuk deposisi dengan metode spin coating adalah spin coater. Untuk membuat spin coater yang optimal, kestabilan kecepatan motor merupakan faktor utama. Pada penelitian ini dirancang Spin coater digital. Dalam pembuatan sebuah sistem pemodelan menjadi hal yang sangat penting karena dapat mengefisiensikan secara biaya dan hasil. Memodelkan dengan sistem identifikasi cukup tepat dengan menggukan sinyal input multi level perturbation signal dan output dari sistem itu sendiri untuk mendapatkan pendekatan secara matematis yang nantinya dapat digunakan untuk pemodelan sistem secara keseluruhan. Model menggunakan 4 variasi yaitu Transfer Function Continous (TFC), Transfer Function Descreate (TFD), State Space Continous (SSC), dan State Space Descreate (SSD). Dari keempat model tersebut TFD adalah model yang memiliki pendekatan paling baik dibanding yang lain. Model terbaik ini digunakan untuk proses pemodelan pengontrolan menggunakan PID. Kontrol PID di optimasi parameternya dengan menggunakan Genetic Algorithm yang menggunakan fungsi objektif Integral Absolute Error dan Integral Sequare Error untuk mendapatkan respon sistem yang baik. Penelitian ini membandingkan hasil respon sistem yang menggunakan parameter berbeda hasil dari manual tuning, Ziegler Nichols tuning dan Genetic Algorithm Tuning. Hasil respon terbaik adalah control PID yang menggunakan Tuning GA-ISE.

Actions (login required)

View Item