STUDI KOMPARASI SIMULASI SISTEM KENDALI PID PADA MATLAB, GNU OCTAVE, SCILAB DAN SPYDER

Abstract

Dalam penelitian ini perbandingan antara perangkat lunak MATLAB, GNU Octave, Scilab dan Spyder akan diamati. Proses yang menjadi obyek dalam penelitian ini adalah sistem kendali PID yang digunakan untuk mengendalikan plant yang berupa model motor DC. Fungsi alih dari motor DC merupakan model dari motor DC yang diturunkan dari hukum newton ke-2 dan hukum kirchoff tegangan. Simulasi dilakukan pada perangkat lunak menggunakan 2 cara yaitu kode program dan block programming. Jumlah baris kode program yang terpendek adalah MATLAB dengan 17 baris dan yang terpanjang adalah Spyder dengan 20 baris kode program. Untuk block programming hanya dapat dilakukan pada MATLAB dan Scilab karena perangkat lunak yang lain tidak memiliki fitur tersebut. Waktu eksekusi kode program diamati padan masing-masing perangkat lunak dan Spyder adalah yang tercepat dengan waktu 0.0682 detik. Hasil plot dari masing-masing perangkat lunak tidak banyak memiliki perbedaan. MATLAB adalah perangkat lunak yang terbaik dengan fiturnya namun diperlukan biaya lisensi dalam menggunakannya.

Full text

ELINVO (Electronics, Informatics, and Vocational Education), November 2019; 4(2):169-175
ISSN 2580-6424 (printed), ISSN 2477-2399 (online,) DOI: 10.21831/elinvo.v4i2. 28347
Studi Komparasi Simulasi Sistem Kendali PID pada
MATLAB, GNU Octave, Scilab, dan Spyder
Ardy Seto Priambodo1, Arya Sony2
1,2Program Studi Pendidikan Teknik Elektronika Fakultas Teknik Universitas Negeri Yogyakarta
E-mail: ardyseto@uny.ac.id
ABSTRACT
The speed of the process in a simulation process is essential to determine the number of iterations that
can be performed. In this study, a comparison between MATLAB, GNU Octave, Scilab, and Spyder software in a
PID Control System simulation was observed. The process that is the object of this research is the PID control
system used to control the plant in the form of a DC motor model. The transfer function of a DC motor is a model
of a DC motor derived from the 2nd Newton's law and the voltage Kirchoff law. Simulations performed on software
using two ways, namely program code and block programming. The shortest number of lines of program code is
MATLAB with 17 lines, and the longest is Spyder with 20 lines of program code. Block programming can only be
done on MATLAB and Scilab because other software does not have this feature. Program code execution time is
observed for each software, and Spyder is the fastest with a time of 0.0682 seconds. The plot results of each
software do not have much difference. MATLAB is the best software with its features, but a license fee is required
to use it.
Keyword: PID, MATLAB, GNU Octave, Scilab, Spyder
ABSTRAK
Kecepatan proses dalam sebuah proses simulasi adalah suatu yang penting untuk menentukan jumlah proses
iterasi yang dapat dilakukan. Dalam penelitian ini perbandingan antara perangkat lunak MATLAB, GNU Octave,
Scilab, dan Spyder dalam simulasi Sistem Kendali PID diamati. Proses yang menjadi obyek dalam penelitian ini
adalah sistem kendali PID yang digunakan untuk mengendalikan plant yang berupa model motor DC. Fungsi alih
dari motor DC merupakan model dari motor DC yang diturunkan dari hukum Newton ke-2 dan hukum Kirchoff
tegangan. Simulasi dilakukan pada perangkat lunak menggunakan 2 cara yaitu kode program dan block
programming. Jumlah baris kode program yang terpendek adalah MATLAB dengan 17 baris dan yang terpanjang
adalah Spyder dengan 20 baris kode program. Untuk block programming hanya dapat dilakukan pada MATLAB
dan Scilab karena perangkat lunak yang lain tidak memiliki fitur tersebut. Waktu eksekusi kode program diamati
padan masing-masing perangkat lunak dan Spyder adalah yang tercepat dengan waktu 0.0682 detik. Hasil plot dari
masing-masing perangkat lunak tidak banyak memiliki perbedaan. MATLAB adalah perangkat lunak yang terbaik
dengan fiturnya namun diperlukan biaya lisensi dalam menggunakannya.
Kata Kunci: PID, MATLAB, GNU Octave, Scilab, Spyder
PENDAHULUAN
Sistem kendali merupakan salah satu
bidang dalam ilmu teknik yang memiliki peran
penting dalam kehidupan manusia baik dalam
kehidupan sehari-hari maupun dunia industri [1].
Mulai dari peralatan seperti mesin cuci,
pendingin ruangan (AC), bahkan hingga robot
pada industri manufaktur, pesawat tanpa awak
semua ditanamkan sistem kendali agar peralatan
tersebut dapat bekerja dengan baik [2],[3].
Sehingga penguasaan terhadap pemahaman
sistem kendali menjadi sangat penting baik dari
sisi teori maupun praktiknya.
Ada beberapa tools yang dapat digunakan
untuk melakukan simulasi sistem kendali. Tools
tersebut adalah MATLAH, GNU Octave, Scilab,

Ardy Seto Priambodo, Arya Sony. Studi Komparasi Simulasi Sistem Kendali PID pada MATLAB, GNU Octave, Scilab ... 170
dan Spyder yang merupakan IDE dari bahasa
pemograman Python.
MATLAB adalah sebuah bahasa
pemrograman tingkat tinggi dan tertutup yang
ditujukan untuk komputasi numeris yang
dikembangkan oleh MathWorks, INC [4].
MATLAB sangat memiliki banyak tools yang
dapat digunakan banyak disiplin ilmu. Selain itu
MATLAB juga memiliki library yang dapat
digunakan untuk menjalankan simulasi model
matematika, pengolahan sinyal digital dan
sistem kendali. Selain menggunakan kode-kode
program dalam melakukan simulasi dapat pula
menggunakan Simulink yaitu pemrograman
yang menggunakan blok.
Selain MATLAB terdapat perangkat
lunak GNU Octave, yaitu aplikasi free dan open
source yang ditujukan untuk komputasi numerik
baik linier maupun non-linier [5]. GNU Octave
dikembangkan oleh GNU yang mengusung
perangkat lunak open source. Hampir semua
sintaks yang ada pada MATLAB kompatibel
dengan GNU Octave sehingga kode-kode yang
dituliskan pada MATLAB dapat dijalankan pula
di GNU Octave. Lisensi dari GNU Octave
adalah GNU General Public License.
Scilab adalah perangkat lunak open
source yang digunakan untuk menyelesaikan
permasalahan dalam komputasi numerik dan
visualisasi data [6]. Pada awalnya pengembang
aplikasi ini adalah INRIA dan ENPC namun
sekarang pengembangan dari perangat lunak ini
ada dibawah konsorsium Scilab. Perangkat
lunak dengan lisensi GNU GPL ini sangat mirip
dengan MATLAB Simulink karena juga terdapat
fitur pemograman menggunakan blok yaitu
xcos. Spyder merupakan singkatan dari The
Scientific Python Development Environment.
Sesuai dengan kepanjangannya, Sypder dibuat
untuk permasalahan-permasalahan terkait
saintifik yang mana bahasa pemrograman yang
digunakan adalah Python [7]. Tampilan dari
Spyder mirip sekali dengan MATLAB sehingga
ada beberapa yang menganggap Spyder dapat
digunakan sebagai pengganti MATLAB.
Pada penelitian yang dilakukan oleh A.P.
Leros [8] yang melakukan perbandingan dan
benchmarking antara MATLAB dan GNU
Octave berdasarkan waktu eksekusi dan tes
performa didapatkan hasil bahwa GNU Octave
adalah sebuah software yang dapat digunakan
untuk proses saintifik yang gratis sebagai
pengganti MATLAB.
Tujuan dari penelitian ini adalah
membandingkan hasil dari simulasi sistem
kendali PID yang akan digunakan untuk
menstabilkan sebuah sistem dengan model
berbentuk fungsi transfer yang akan
diaplikasikan dengan menggunakan Matlab,
GNU Octave, Scilab, dan Spyder.
METODE
Pada penelitian ini membandingkan
Matlab, GNU Octave, Scilab dan Spyder dalam
menjalankan simulasi sistem kendali PID. Ada
beberapa hal yang akan dibandingkan yaitu: 1)
Kode baris program, 2) Hasil plot grafik respon,
3) Waktu eksekusi program, 4) Fitur
pemrograman menggunakan blok diagram.
Sistem kendali PID yang dijalankan
bekerja dengan sebuah sistem dengan model
yang berbentuk fungsi transfer dari sebuah
model motor DC. Sistem kendali PID adalah
sebuah sistem kendali yang terdiri dari 3
komponen. Ketiga komponen tersebut adalah
Kendali Proporsional, Integral dan Derivatif
yang kemudian disingkat menjadi kendali PID
[9]. Sistem kendali PID merupakan sistem
kendali konvensional yang masih banyak
digunakan pada dunia industri karena mudah
diimplementasikan, mudah dilakukan penalaan
parameter yang digunakan, dan terbukti handal
dalam mengendalikan berbagai jenis obyek
sistem [10]. Diagram blok dari sistem kendali
PID ditunjukkan pada gambar 1.

171 ELINVO (Electronics, Informatics, and Vocational Education), November 2019; 4(2):169-175
Gambar 1. Diagram Blok dari Sistem Kendali PID
(Proporsional-Integral-Derivatif)
Pada gambar 1,  merupakan model
dari plant yang ingin dikendalikan, dan dalam
penelitian ini adalah model matematika dari
motor DC yang direpresentasikan menggunakan
fungsi alih. Blok sistem kendali terlihat pada
blok sebelum plant yaitu Proporsional, Integral,
dan Derivatif yang ditandai dengan adanya ,
, . Simbol  atau error adalah selisih antara
 yang merupakan set poin dengan pembacaan
umpan balik dari sistem yang dalam aktual
biasanya menggunakan sensor.
Keluaran dari sistem kendali PID atau 
yang merupakan masukan dari plant dapat
dihitung pada domain waktu yang ditunjukkan
pada persamaan (1).
  

Dimana  merupakan keluaran dari
sistem kendali PID. , ,  adalah koefisien
untuk Proporsional, Integral dan Derivatif. 
merupakan kesalahan yang dihitung dari selisih
antara set poin dengan nilai yang terukur.
Transformasi laplace dari persamaan (1)
ditunjukkan pada persamaan (2).

  

Penelitian ini menggunakan plant yang
berupa model sebuah model motor DC. Sistem
kendali PID yang dirancang bertujuan untuk
mengatur kecepatan dari motor DC. Rangkaian
elektronika dari sebuah motor DC ditunjukkan
pada gambar 2.
Gambar 2. Rangkaian elektronika dari sebuah Motor DC
Pada gambar 2 ditunjukkan  adalaj
tegangan sumber yang bekerja pada armature
circuit dan keluaran dari motor dc ini adalah
kecepatan putar . Dengan asumsi rotor dan
shaft adalah rigid kita dapat menentukan bahwa
torsi yang dihasilkan sebading dengan kecepatan
putar dari shaft. Tabel 1 menunjukkan parameter
fisik yang digunakan.
Tabel 1. Parameter fisik dari motor DC [11]
Simbol
Keterangan
Nilai

Momen inersia


Konstanta gaya
gesek mekanikal


Konstanta gaya
gerak listrik


Konstanta torsi


Resistansi


Induktansi

Secara umum, torsi yang dihasilkan oleh
motor DC sebanding dengan arus jangar dan
besar medan magnet yang terjadi. Dalam kasus
ini berasumsi besar medan magnet adalah
konstan sehinga torsi sebanding dengan arus 
dengan faktor konstanta  yang persamaannya
ditunjukkan pada persamaan (3). Besar
konstanta back emf atau  adalah sebanding
dengan kecapatan putar dari shaft dengan faktor
konstanta  yang persamaannya ditunjukkan
pada persamaan (4). dalam satuan SI, torsi motor
dan konstanta back emf adalah sama sehingga
  oleh karena itu selanjutnya akan
digunakan simbol  untuk merepresentasikan
keduanya.

Ardy Seto Priambodo, Arya Sony. Studi Komparasi Simulasi Sistem Kendali PID pada MATLAB, GNU Octave, Scilab ... 172
  
  
Dari gambar 2 kita dapat memperoleh
persamaan berdasarkan hukum newton ke-2 dan
hukum kirchoff tegangan yang ditunjukkan pada
persamaan (5) dan (6).
 

    
Dengan mengaplikasikan transformasi laplace
pada persamaan (5) dan (6) kita dapat
menuliskan persamaan tersebut sehingga
memiliki nilai  yang ditunjukkan pada
persamaan (7) dan (8).
 
  
Persamaan (7) dan (8) dapat dibuat
menjadi sebuah open-loop transfer function
dengan menghilangkan  antara kedua
persamaan tersebut dimana kecepatan putar
motor DC adalah keluaran dan tegangan jangkar
adalah inputnya seperti ditunjukkan pada
persamaan (9).

 
   
Persamaan (2) dan persamaan (9) akan
digunakan dalam simulasi sistem kendali PID
dengan obyek plant adalah sebuah motor DC.
Model dari motor DC pada simulasi
menggunakan parameter sesuai dengan table 1
sehingga fungsi alihnya menjadi seperti yang
ditunjukkan pada persamaan (10).

 
 
Gambar 5. Kode Python untuk Simulasi sistem
kendali PID untuk pengendalian Motor DC
Persamaan (2) dan (10) tersebut kita bisa
tuliskan kedalam sebuah kode MATLAB seperti
yang ditunjukkan pada gambar 3. Pada GNU
Octave, kode yang pada MATLAB juga dapat
digunakan namun perlu memanggil paket /
modul control terlebih dahulu dengan perintah
pkg load control. Selain kode utama dari
simulasi sistem kendali PID ada tambahan kode
di awal dan akhir program untuk mencatat waktu
eksekusi program sebagai pembanding antar
masing-masin software.
Gambar 3. Kode MATLAB dan GNU Octave untuk
Simulasi sistem kendali PID untuk pengendalian
Motor DC
Gambar 4 dan 5 menunjukkan kode
program pada perangkat lunak Scilab dan
Spyder. Ada sedikit perbedaan sintaks yang
digunakan pada Scilab yaitu terutama pada
pembentuk fungsi alih dan dalam membuat
feedback dari sistem.

173 ELINVO (Electronics, Informatics, and Vocational Education), November 2019; 4(2):169-175
Gambar 4. Kode Scilab untuk Simulasi sistem
kendali PID untuk pengendalian Motor DC
Selain menggunakan kode program, simulasi
sistem kendali PID dapat dilakukan dengan
menggunakan penggambaran blok-blok
diagram. Namun tidak semua perangkat lunak
dapat melakukan hal ini, hanya MATLAB
dengan simulink-nya dan Scilab dengan xcos-
nya yang dapat melakukan simulasi dengan
menggunakan blok diagram. Blok diagram pada
simulink dan xcos ditunjukkan pada gambar 6
dan 7.
Gambar 6. Blok diagram simulasi kendali PID pada
Scilab xcos
Gambar 7. Blok diagram simulasi kendali PID pada
MATLAB simulink
HASIL DAN PEMBAHASAN
Komputer yang digunakan pada
penelitian ini memiliki spesifikasi seperti yang
tertera pada tabel 2. Hasil dari masing-masing
perangkat lunak akan dibandingkan satu dengan
lainnya. MATLAB merupakan program
berbayar sedangkan 3 lainnya adalah program
gratis dan open source.
Jumlah baris kode dari MATLAB
adalah yang paling sedikit yaitu 17 sedangkan
GNU Octave karena diharuskan memanggil
modul control, jumlah barisnya adalah 18.
Untuk Scilab jumlah kode baris adalah 19 dan
untuk kode yang dituliskan pada Spyder adalah
yang terbanyak yaitu 20 baris. Grafik jumlah
baris kode pada masing-masing perangkat lunak
ditunjukkan pada gambar 8.
Hasil plot dari progam ditunjukkan pada
gambar 9. Gambar 9a adalah hasil plot untuk
software MATLAB, gambar 9b adalah hasil plot
untuk GNU Octave, gambar 9c adalah hasil plot
untuk Scilab dan gambar 9d adalah hasil plot
untuk Spyder.
Gambar 8. Jumlah baris kode pada masing-masing
perangkat lunak (MATLAB, GNU Octave, Scilab
dan Spyder (Python))
Tabel 2. Spesifikasi Komputer
No
Komponen
Spesifikasi
1.
CPU
AMD FX-7500
2.
RAM
16384MB
3.
DISK
SSD 240GB
Sebelum dieksekusi untuk Spyder perlu
memanggil beberapa library control dan
matplotlib. Dengan memanggil from
control.matlab import *, perintah baris kode
yang ada sama dengan MATLAB karena
pengembang dari library tersebut membuat
perintah-perintahnya sama dengan MATLAB.
Sehingga untuk membuat fungsi alih sama
dengan MATLAB menggunakan perintah tf.
Library matplotlib digunakan untuk membuat
plot dari hasil perhitungan yang dijalankan saat
simulasi.
Secara standar hasil plot dari masing-
masing software terlihat sangat identik dengan
beberapa hal yang sedikit terlihat berbeda.
Terlihat hasil yang ditampilkan pada Spyder
jarak skala yang tertampil sedikit melebihi nilai
minimal dan maksimal dari hasil respon

Ardy Seto Priambodo, Arya Sony. Studi Komparasi Simulasi Sistem Kendali PID pada MATLAB, GNU Octave, Scilab ... 174
sedangkan untuk ketiga lainnya jarak adalah
sesuai dengan nilai minimal dan maksimal dari
hasil respon. Warna garis yang tertampil pada
hasil plot untuk Scilab tidak berwarna biru
berbeda dibandingkan ketiga lainnya. Hasil plot
juga terdapat kotak dibagian luar grafik untuk
MATLAB, GNU Octave dan Spyder sedangkan
tidak ada pada Scilab.
Gambar 9. Gambar plot dari respon sistem dengan set poin sinyal step pada software
(a) MATLAB (b) GNU Octave (c) Scilab (d) Spyder
Selain dari hasil plot yang diamati
adalah lama waktu eksekusi program pada
masing-masing perangkat lunak. Pada
MATLAB, GNU Octave dan Scilab ada perintah
tic dan toc untuk mencatat waktu eksekusi yan
ditambahkan diawal dan akhir program. Untuk
Spyder yang menggunakan bahasa pemograman
Python adalah dengan menggunakan library
time yang kemudian mencatat waktu awal dan
akhir dari program dieksekusi dan waktu
eksekusi dihitung dari pengurangan waktu akhir
dan awal. Untuk proses penghitungan eksekusi
program pada Spyder dapat dilihat pada baris 1-
2 dan 19. Program dijalankan sebanyak 10 kali
untuk masing-masing perangkat lunak dan
kemudian diambil nilai rata-rata dari 10 kali
tersebut. Hasil dari waktu eksekusi pada masing-
masing perangkat lunak dapat dilihat pada grafik
yang ditunjukkan pada gambar 10.
Dari grafik pada gambar 10 terlihat
Spyder merupakan perangkat lunak yang
tercepat dalam eksekusi program yaitu 0.0682
detik disusul setelahnya yaitu MATLAB dengan
waktu eksekusi 0.1604 detik dan kemudian 2
terakhir adalah Scilab dan GNU Octave dengan
waktu eksekusi 0.5168 detik dan 1.2421 detik.
Gambar 10. Rerata waktu eksekusi program simulasi
kendali PID
Perbandingan terakhir adalah terkait
dengan simulasi dengan menggunakan
penggambaran diagram blok. Scilab dan Spyder
merupakan perangkat lunak yang tidak bisa
melakukan hal tersebut sehingga hanya
MATLAB dengan Simulink dan Scilab dengan
xcos yang dapat melakukan. Penggambaran
diagram blok pada penelitian ini juga sederhana,
pada Simulink terdapat 5 komponen sedangkan
(a)
(b)
(c)
(d)

175 ELINVO (Electronics, Informatics, and Vocational Education), November 2019; 4(2):169-175
xcos terdapat 6 komponen. Yang membedakan
antara Simulink dan xcos adalah pada bagian
scope, pada xcos membutuhkan pewaktu
eksternal yang berupa timer sedangkan pada
Simulink tidak membutuhkan.
SIMPULAN
Terdapat beberapa aspek yang diamati
dalam perbandingan penggunaan perangkat
lunak MATLAB, GNU Octave, Scilab dan
Spyder dalam menjalankan simulasi sistem
kendali PID. Pada aspek sisi biaya langganan,
MATLAB adalah yang paling besar sedangkan
ketiga perangkat lunak lainnya dapat digunakan
secara gratis. Berkaitan dengan block
programming, MATLAB menjadi yang terbaik
karena dukungan modul yang sangat
memudahkan pengguna karena lengkapnya
dokumentasi dan contoh blok yang tersedia.
Selain MATLAB, Scilab memiliki xcos yang
bentuknya sangat mirip sekali dengan Simulink
yang ada pada MATLAB. Penggunaan xcos
untuk simulasi sistem kendali PID sangat mirip
dengan Simulink yang ada pada MATLAB
sehingga tidak ada perbedaan yang signifikan.
Dalam pengamatan kecepatan eksekusi program,
Spyder adalah yang tercepat dengan waktu
proses 0.0682 detik dan yang paling lama waktu
proses adalah GNU Octave dengan waktu
1.2421 detik. Dengan mengamati beberapa
aspek pada ke-4 software tersebut kita dapat
berkesimpulan bahwa penulis
merekomendasikan MATLAB apabila
pembiayaan bukan suatu masalah sedangkan
GNU Octave merupakan software open source
yang dapat dipilih selanjutnya karena dukungan
komunitas yang sangat baik.
REFERENSI
[1] R. Pratiwi, A. Waris, and S. Salengke,
“Rancang Bangun Sistem Kendali
Kecepatan Putaran Motor Dc Berbasis
Logika Fuzzy Untuk Mesin Pengaduk
Hasil Pertanian (Studi Kasus Pengadukan
Biji Kedelai),” J. Agritechno, 2019, doi:
10.20956/at.v12i1.185.
[2] J. Zhao, L. Han, L. Wang, and Z. Yu,
“The fuzzy PID control optimized by
genetic algorithm for trajectory tracking
of robot arm,” in Proceedings of the
World Congress on Intelligent Control
and Automation (WCICA), 2016, doi:
10.1109/WCICA.2016.7578443.
[3] J. SUN and L. L. CHENG, “Robust PID
Controller for AR Drone,” 2017, doi:
10.1142/9789813146426_0138.
[4] M. L. Rajaram, E. Kougianos, S. P.
Mohanty, and U. Choppali, “Wireless
Sensor Network Simulation
Frameworks: A Tutorial Review:
MATLAB/Simulink bests the rest,”
IEEE Consum. Electron. Mag., 2016,
doi: 10.1109/MCE.2016.2519051.
[5] R. Brum, M. C. S. De Castro, and F. A.
B. Silva, “A whole-cell simulator in
GNU Octave,” in AIP Conference
Proceedings, 2017, doi:
10.1063/1.5012406.
[6] Priyadarshni and J. S. Sohal,
“Improvement of artificial neural
network based character recognition
system, using Scilab,” Optik (Stuttg).,
2016, doi: 10.1016/j.ijleo.2016.05.106.
[7] Z. Hussain and M. Siyab Khan,
“Introducing Python Programming for
Engineering Scholars,” 2018.
[8] A. P. Leros, A. Andreatos, and A.
Zagorianos, “Matlab - Octave science
and engineering benchmarking and
comparison,” in International
Conference on Computers - Proceedings,
2010.
[9] K. Ogata and J. W. Brewer, “Modern
Control Engineering,” J. Dyn. Syst.
Meas. Control, 1971, doi:
10.1115/1.3426465.
[10] R. De Keyser, C. M. Ionescu, and C. I.
Muresan, “Comparative evaluation of a
novel principle for PID autotuning,” in
2017 Asian Control Conference, ASCC
2017, 2018, doi:
10.1109/ASCC.2017.8287335.
[11] G. Tan, W. Shu, Y. Guo, and M. Liu,
“The application of fuzzy control in
brushless DC motor for pure electric
vehicle,” in 2015 IEEE International
Conference on Communication Problem-
Solving, ICCP 2015, 2016, doi:
10.1109/ICCPS.2015.7454229.