PENGONTROLAN TORSI MESIN PADA MESIN PEMBAKARAN INTERNAL MENGGUNAKAN ALGORITMA GENETIKA KONTROL LOGIKA FUZZY ROBUST

Transkripsi

1 PENGONTROLAN TORSI MESIN PADA MESIN PEMBAKARAN INTERNAL MENGGUNAKAN ALGORITMA GENETIKA KONTROL LOGIKA FUZZY ROBUST Esa Apaska 1), As Twyatno 2), dan Bud Setyono 2) Juusan Teknk Elekto, Fakultas Teknk, Unvestas Dponegoo, Jln. Pof. Sudhato, Tembalang, Semaang, Indonesa Emal: Abstak Semakn menpsnya poduks bahan baka mnyak (BBM) dan menngkatnya pengguna kendaaan bemoto d Indonesa mengakbatkan pelunya suatu pekembangan teknolog d bdang kontol otomotf. Pengontolan tos mesn aga mencapa nla optmal meupakan salah satu caa yang tepat untuk mengatas pemasalahan tesebut. Sebaga mesn yang seng dgunakan dalam aplkas otomotf, mesn pembakaan ntenal memlk konds opeas yang cukup luas. Dengan demkan, kontole tunggal akan susah untuk mencapa pefomans yang dngnkan untuk semua konds. Kontole obust fuzzy telah tebukt mampu mengatas pemasalahan yang sama. Dalam penulsan tugas akh n, penuls mendesan sebuah kontole yang meupakan pengembangan da obust fuzzy, yakn algotma genetka kontol logka fuzzy obust (GA-RFLC). Sebaga salah satu teknk optmas global, algotma genetka dtambahkan dalam teo obust fuzzy yang sebelumnya memanfaatkan teknk optmas lokal dengan lnea quadatc ntegal tackng (LQIT) kaena teknk optmas global telah tebukt lebh bak dapada teknk optmas lokal. Selanjutnya, pengujan akan dlakukan dengan membandngkan nla ntegal aea eo (IAE) da hasl espon sstem menggunakan kontole GA-RFLC dan LQIT. Kata kunc : tos mesn, algotma genetka kontol logka fuzzy obust, ntegal aea eo, mesn pembakaan ntenal Abstact Deceasng poducton of fuel and nceasng the use of vehcle at Indonesa have effected n the need of automotve technology development. Contollng engne toque by achevng optmal value s one way to solve the poblems. As an engne whch s often used n automotve applcaton, spak gnton engne has wde opeatng pont. A sngle contolle wll be had to acheve the equements fo the whole condton. Robust fuzzy logc contolle has poven be able to solve the same poblem. Ths fnal eseach povde a development desgn of obust fuzzy logc contolle named genetc algothm obust fuzzy logc contol (GA-RFLC). As a global optmzaton technque, genetc algothm has been added nto obust fuzzy logc theoy whch used a local optmzaton wth lnea quadatc ntegal tackng (LQIT) snce global optmzaton technque had been poven to be bette than local optmzaton technque. Then, the value of ntegal aea eo (IAE) fom system espon usng GA-RFLC and wll be compaed to LQIT. Keywods : engne toque, genetc algothm obust fuzzy logc contol, ntegal aea eo, spak gnton engne 1. Pendahuluan Dewasa n, seng dengan menngkatnya kebutuhan manusa dengan alat tanspotas, penggunaan kendaaan bemoto d Indonesa cukup bekembang pesat [1]. D sampng tu, poduks bahan baka mnyak d Indonesa semakn menps, dtunjukkan dengan data Kementan ESDM pada tahun 11 [2]. Hal nlah yang membuat pementah haus beusaha untuk melakukan bebeapa kebjakan dalam penghematan penggunaan bahan baka. Untuk mendukung hal tesebut, maka dpelukan pekembangan teknolog d bdang kontol otomotf yang bemanfaat dalam efektftas penggunaan bahan baka. Sebuah teknk pengontolan yang tepat dbutuhkan untuk dapat menunjang kebjakan penghematan penggunaan BBM pada kendaaan bemoto. Pengontolan tos mesn untuk mencapa nla optmal meupakan salah satu stateg yang tepat. Hal n tejad kaena tos mesn yang optmal dapat dah hanya dengan melakukan 1) Mahasswa Teknk Elekto UNDIP 2) Dosen Teknk Elekto UNDIP D1

2 D2 pembakaan bahan baka secaa sempuna d dalam slnde pembakaan, yang mengndkaskan penggunaan bahan baka yang efektf dan efsen. Dengan demkan, secaa tdak langsung akan menngkatkan pefoma mesn, menghemat penggunaan bahan baka dan menguang ems gas buang [3]. Pada tugas akh n, dlakukan stud kasus untuk pengontolan tos mesn pada mesn pembakaan ntenal dengan menggunakan metode algotma genetka kontol logka fuzzy obust. Metode n meupakan modfkas pengembangan da metode kontol obust fuzzy yang sebelumnya telah tebukt mampu menyelesakan kasus yang sama. Akan tetap, pada obust fuzzy yang sebelumnya menggunakan teknk optmas lokal dengan kontol optmal LQIT untuk langkah optmas. Penambahan algotma genetka yang meupakan salah satu teknk optmas global pada teo obust fuzzy dlakukan kaena peneltan yang dlakukan oleh Hong Bao dan Nan Yu [19] telah menunjukkan bahwa teknk optmas global adalah lebh bak da pada teknk optmas lokal. Dengan menggunakan algotma genetka kontol logka fuzzy obust dhaapkan dapat tecapa optmas penggunaan tos mesn pada semua konds opeas mesn yang mungkn. 2 Metode 2.1 Pemodelan Mesn Pembakaan Intenal Mesn pembakaan ntenal meupakan salah satu jens mesn baka yang membutuhkan pemcu beupa peckan bunga ap untuk meledakkan campuan udaa dan bahan baka dalam uang bakanya. Mesn pembakaan ntenal secaa umum memlk 4 sklus beuutan, yatu sklus hsap (ntake), sklus kompes (compesson), sklus pembakaan (combuston) atau sklus usaha (powe), dan sklus buang (exhaust). Gamba 1 menunjukkan skema sstem mesn pembakaan ntenal. Model matematka mesn pembakaan ntenal yang dgunakan adalah da peneltan yang dlakukan oleh Anna Stefanopoulou [6]. d dt P m = K m (m θ m cyl ), d mana K m = R. T V m (1) Dnamka udaa pada manfold ddeskpskan melalu pesamaan dfeensal ode satu yang menghubungkan tngkat peubahan tekanan pada manfold (P m ) dengan tngkat alan yang masuk dan kelua da ntake manfold (m θ dan m cyl ) [6]. m θ = f θ g(p m ) (2) d mana f θ = θ θ θ 3 (3) g P m = 1, f P m > P o 2 2 P o P m P o P m 2, f P m > P o 2 Banyaknya tngkat alan udaa yang masuk ke ntake manfold (m θ ) melalu fst thotle meupakan fungs da sudut bukaan thotle (θ), tekanan hulu (P o ), yang dasumskan sebaga tekanan atmosfe, sehngga P o = 1 ba, dan tekanan pada hl, yakn tekanan pada manfold (P m ) [6]. (4) m f = NP m NP 2 m N 2 P m (5) m cyl = θ c m f (6) Tngkat alan udaa yang dpompa pada mesn secaa umum meupakan fungs da tekanan pada manfold (P m ) dan engne speed (N) [6]. Tos yang dhaslkan oleh mesn begantung pada pengapan slnde, fomas pencampuan antaa udaa dan bahan baka, dan paamete paamete fsk mesn yang spesfk [6]. T b = m a AFR 0.85 AFR σ σ N N Nσ σm a 0.05σ 2 m a σm e (7) d mana m a : massa da udaa yang dskan (g/ntake event) A/F : a-to-fuel ato σ : sudut da spak advance N : engne speed (ad/sec) : skulas gas buang (g / ntake event) m e Gamba 1 Skema sstem mesn pembakaan ntenal [7] Geakan otas da cankshaft mesn ddapatkan da hubungan antaa mesn dengan momen nesa da kendaaan (J), pecepatan angula (ω dalam ad/sec 2 ) dan

3 D3 pebedaan antaa tos yang dhaslkan oleh mesn (T b Atuan Plant ke : dalam Nm) dan tos beban pada cankshaft (T l dalam Nm) IF x 1 t s M 1 and x n t s M n [6]. THEN u = K x (16) T = T b T l = Jω (8) (3.8) Tos beban pada cankshaft bsa depesentaskan sebaga sebuah fungs da pengeeman dalam katan dengan pegesean mesn (c df ), pengeeman aeodnams (c dv ) dan aso gea yang dplh (g ) [6]. T l = (c df + c dv g )ω 2 (9) (3.9) Total nesa adalah kombnas da nesa mesn (J e ) dan nesa kendaaan dan dbekan dalam pesamaan J = J c + m v ( ω g ) 2 (10) 2.2 Fuzzy Model Takag - Sugeno Sebuah model dnamk fuzzy Takag-Sugeno djelaskan dengan sebuah kumpulan atuan fuzzy IF THEN dan sstem dnamk lne kawasan waktu [10]. Sebuah atuan sstem Takag-Sugeno dapat dtuls sebaga bekut [11] : Atuan Plant ke : IF x 1 t s M 1 and x n t s M n THEN x = A x + B u (11) D mana x ϵ R nx 1 adalah vekto state, adalah jumlah ule, M y adalah kumpulan fuzzy, u ϵ R mx 1 u adalah masukan dan A ϵ R nxn adalah matks state, B ϵ R nxm adalah matks masukan. Dengan menggunakan sngleton fuzzfe, max poduct nfeence dan cente aveage defuzzfe, penjumlahan model fuzzy dapat dtuls [12] x = =1 ω x (A x+b u) =1 w (x) dengan ω adalah (12) n ω x = j =1 µ j (x j ) (13) D mana µ j adalah membeshp functon da j t kumpulan fuzzy dalam atuan ke-. Koefsen a adalah a = ω =1 w Kemudan pesamaan (12) dubah menjad [13] x = (14) =1 a x (A x + B u) = 1, 2, 3,, (15) D mana a > 0 dan =1 a = 1. Dengan menggunakan metode yang sama untuk membuat ule fuzzy Takag-Sugeno sebaga kontole, atuan kontole dapat dtuls sebaga bekut [11] Pesamaan kontole menjad sebaga bekut [12] u = =1 a x K x (17) 2.4 Metode Kontol Robust Fuzzy Ide dasa da desan kontole obust fuzzy adalah dengan membuat soft-swtchng dengan fuzzy model Takag-Sugeno, sebagamana dalam pesamaan (16) untuk solus kontol optmal d setap ttk opeas [14]. Untuk solus kasus optmas pada setap ttk opeas tesebut, bsa dgunakan LQIT (Lnea Quadatc Integal Tackng) ataupun metode optmas yang lan sesua dengan kebutuhan. Langkah dalam mendesan kontole obust fuzzy adalah sebaga bekut [14] : 1. Membuat model lne dengan metode pece-wse lneazaton da sstem nonlne [14] Pece-wse lneazaton secaa umum dgunakan untuk membuat model lne yang meepesentaskan tap ttk opeas da sstem. 2. Optmas setap pesamaan model lne da langkah 1 menggunakan skema teo kontol optmal [14] Pada peneltan n, setap pesamaan model lne doptmas menggunakan algotma genetka yang dpadukan dengan skema kontol optmal LQIT [14]. Kemudan aks kontol Takag-Sugeno sepet pada pesamaan (16) dubah menjad R : IF x 1 s F 1 and x 2 s F 2 and x n s F n and w 1 s G 1 and w 2 s G 2 and w m s G m and 1 s H 1 and 2 s H 2 and k s H k THEN x = A x + B u = 1, 2,, L u = K x x K w w + K (18) d mana, R = Atuan da model ke- L = Jumlah ttk opeas F j = Kumpulan fuzzy da vaabel state (x) G j = Kumpulan fuzzy da ntegal da eo antaa efeens dan output (w) H j = Kumpulan fuzzy da efeens () n = Jumlah da vaable state m = Jumlah da vaable ntegal eo k = Jumlah da vaable efeens K x = Gan optmal untuk umpan balk state K w = Gan optmal untuk ntegal eo K = Gan optmal untuk efeens nput 3. Menambahkan ttk opeas sebaga pengkonds snyal untuk mengubah fuzzy Takag-Sugeno sebaga soft-swtchng [14]

4 D4 Sebaga soft-swtchng, fuzzy Takag-Sugeno yang dubah dengan pehtungan algotma genetka sepet djelaskan pada pesamaan (18) dtambah masukan tambahan sebaga pengkonds snyal. Dengan penambahan bebeapa masukan, fuzzy Takag-Sugeno dalam pesamaan (18) dapat dubah menjad pembakaan ntenal. Gamba 3 menunjukkan aplkas sstem mesn pembakaan ntenal pada Matlab 08a. R I : IF c 1 s O 1 and c 2 s O 2 and c q s o q and x 1 s F 1 and x 2 s F 2 and x n s F n and w 1 s G 1 and w 2 s G 2 and w m s G m and 1 s H 1 and 2 s H 2 and k s H k x = A THEN x + B u = 1, 2,, L (19) u = K c c K x x K w w + K d mana O j = Kumpulan fuzzy da pengkonds snyal q = Jumlah da pengkonds snyal K c = Gan untuk pengkonds snyal (sebaga snyal pemcu, ddefnskan K c adalah zeo vecto) 4. Membangun hmpunan fuzzy da snyal pengkonds bedasakan data ttk opeas yang teseba sebaga pewaklan da sstem secaa keseluuhan, dan hmpunan fuzzy tunggal untuk masukan yang lan [14]. 5. Desan atuan fuzzy [14] Atuan fuzzy ddesan untuk membuat sstem softswtchng dalam memlh model dan kontole yang tepat bedasakan masukan pengkonds snyal. Jumlah da atuan haus sama dengan jumlah da model lne yang ddapatkan da pece-wse lneazaton dalam langkah petama. 2.3 Peancangan Smulas Peancangan smulas pada peneltan n ddesan bedasakan dagam blok pada gamba 2. Peancangan smulas n menggunakan pogam bantu yatu Matlab 08a. Pada aplkas pogam Matlab n dgunakan bebeapa sub pogam, yatu Matlab Command Wndow, Matlab Edto, FIS Edto, dan Matlab Smulnk. Gamba 2 Dagam blok peancangan sstem kontol Peancangan Plant Mesn Pembakaan Intenal Pesamaan (2.1) hngga pesamaan (2.16) meupakan pesamaan model matematka da sstem mesn Gamba 3 Sstem mesn pembakaan ntenal Peancangan Algotma Genetka Algotma genetka pada peneltan n dgunakan sebaga langkah optmas da teo desan obust fuzzy. Sklus algotma genetka yang dgunakan menyeupa sklus Davd Goldbeg [8]. Skema optmas yang dgunakan adalah LQIT sepet pada gamba 4. Gamba 4 Dagam skema LQIT pada sstem Pada skema LQIT yang dtunjukkan oleh gamba 4 tedapat 3 jens paamete kontol, yatu K, Kw dan Kx. Paamete kontol tulah yang nantnya akan dca nlanlanya dengan menggunakan algotma genetka. Mengngat model sstem lne yang doptmas adalah ode 2, maka paamete Kx ada 2 vaabel. Dengan demkan, ada 4 vaabel yang dca nlanya oleh algotma genetka. Keempat vaabel tesebut nantnya akan djadkan sebaga gen pembentuk ndvdu dalam algotma genetka dengan fungs ftness beupa nla IAE. Paamete algotma genetka yang dgunakan adalah sebaga bekut. Tabel 1 Paamete algotma genetka No Paamete Nla 1 P m 0,3 2 P c 0,9 3 Populas 4 Iteas 30

5 D5 Penentuan populas dan teas dlakukan secaa coba-coba dengan petmbangan nla IAE dan lamanya waktu unnng pogam algotma genetka, sehngga ddapatkan paamete yang palng efektf. Adapun untuk nla P m dan P c dtentukan bedasakan petmbangan yang dsampakan oleh Sutojo, Mulyanto dan Suhatono [8] Peancangan Fuzzy Model Takag - Sugeno Fuzzy model Takag-Sugeno n dgunakan untuk estmas nla state sstem yang dhaslkan jka dbe nla masukan atau dsebut juga fuzzy state estmato. Nla state n yang nantnya akan dgunakan untuk masukan kontole. Cond 1 Cond 2 x x = 0 0 A B K 0 u e c d mana : x = State estmas A = Matks A B = Matks B K = Matks K Cond 1 = Sudut bukaan thottle Cond 2 = Poss gg x = Vaabel state u = Masukan sstem e = Eo model c = Konstanta () Pada fuzzy model n tedapat 6 vaabel masukan yatu cond1, cond2, x 1, x 2, u dan e. Vaabel masukan cond1 mewakl konds sudut bukaan thottle dengan 5 fungs keanggotaan yang bebentuk tapesum. Nla ange da setap fungs keanggotaan cond1 memlk nla yang sama yatu 0-, -, -, - dan Vaabel masukan cond2 mewakl konds poss gg dengan 4 fungs keanggotaan yang juga bebentuk tapesum. Adapun vaabel lan hanya memlk fungs keanggotaan tunggal yang bebentuk tapesum. Gamba 7 Blok dagam fuzzy state estmato Peancangan Kontol Logka Fuzzy Robust Kontol logka fuzzy obust dgunakan sebaga softswtchng dalam pemlhan nla gan K, Kw dan Kx da optmas yang dlakukan oleh algotma genetka. Dalam pemlhan nla gan n dsesuakan dengan konds opeas yang aktf. cond1 cond2 output = 0 0 K x K K w 0 x w c (21) Ket: output = Nla keluaan da kontole Kx = Nla penguatan da state K = Nla penguatan untuk efeens Kw = Nla penguatan da nla ntegal eo x = Nla vaabel state = Nla efeens w = Nla ntegal eo c = Konstanta Gamba 8 Blok dagam kontol logka fuzzy obust Gamba 5 Fungs keanggotaan cond1 Gamba 6 Fungs keanggotaan cond2 Pada kontole fuzzy obust n tedapat 6 vaabel masukan yatu cond1, cond2,, w, x 1 dan x 2. Vaabel masukan cond1 mewakl konds sudut bukaan thottle dengan 5 fungs keanggotaan yang bebentuk tapesum. Nla ange da setap fungs keanggotaan cond1 memlk nla yang sama yatu 0-, -, -, - dan Vaabel masukan cond2 mewakl konds poss gg dengan 4 fungs keanggotaan yang juga bebentuk tapesum. Desan n sama dengan desan pada fuzzy model untuk state estmato. Adapun untuk vaabel

6 Nla vaabel state D6 lan hanya memlk fungs keanggotaan tunggal yang bebentuk tapesum. fuzzy state estmato dapat dgunakan sebaga masukan yang vald untuk kontole. 0.1 Pengujan Fuzzy State Estmato X1 - State Sstem X1 - State Estmas X2 - State Sstem X2 - State Estmas Gamba 9 Fungs keanggotaan tunggal yang belaku untuk vaabel x 1, x 2, u, e, dan w 3. Hasl dan Analsa Pada bagan n tebag menjad dua tahap, yatu pengujan tehadap fuzzy state estmato dan pengujan pebandngan espon sstem antaa kontole algotma genetka kontol logka fuzzy obust kontole LQIT. 3.1 Pengujan tehadap Fuzzy State Estmato Pada bagan n dlakukan pengujan tehadap fuzzy state estmato yang ddesan menggunakan fuzzy model Takag-Sugeno. Pengujan n betujuan untuk membandngkan nla keluaan state sstem dengan nla keluaan da fuzzy model. Dalam pengujan n, sstem dangka secaa open loop. Gamba 10 menunjukkan angkaan smulnk da pengujan fuzzy model Waktu(s) Gamba 11 Hasl pengujan state untuk sudut bukaan thottle 10 deajat dan poss gg Pengujan Pebandngan Respon Sstem dengan Algotma Genetka Kontol Logka Fuzzy Robust dan Kontol Optmal Pada bagan n dlakukan pebandngan espon sstem mesn pembakaan ntenal dengan metode kontol algotma genetka kontol logka fuzzy obust dan kontol optmal LQIT. Penentuan efeens tos mesn yang optmal ddapatkan da sumbe yang sama dengan peneltan sebelumnya oleh As Twyatno, Mohammad Nuh, A Santoso, I Nyoman Sutanta [3]. Hasl keluaan sstem yang dbandngkan adalah nla tos mesn. Gamba 12 adalah angkaan smulnk da pengujan pebandngan espon sstem dengan algotma genetka fuzzy obust dan kontol optmal LQIT. Gamba 10 Smulnk pengujan fuzzy model Gamba 11 menunjukkan hasl yang ddapatkan da pengujan fuzzy state estmato untuk sudut bukaan thottle 10 deajat dan poss gg 1. Pada gamba 11 dapat kta lhat bahwa peubahan nla state sstem juga dkut oleh peubahan nla state hasl da fuzzy state estmato untuk tap satuan waktu. Hal yang sama juga tejad pada vaas masukan yang lan d mana nla state estmas sudah sesua dengan nla state sstem, sehngga dapat dkatakan bahwa fuzzy state estmato dapat bekeja dengan bak. Dengan demkan, hasl state estmas da Gamba 12 Smulnk pengujan pebandngan espon sstem mesn pembakaan ntenal dengan algotma genetka kontol logka fuzzy obust dan LQIT Setelah dlakukan pengujan, ddapatkan bahwa untuk setap konds yang mungkn pada mesn kontole GA- RFLC mampu mengkut efeens tos mesn optmal yang dngnkan dan kontole LQIT tdak mampu mengkut efeens untuk bebeapa konds yang mungkn, sepet dtunjukkan pada gamba 13. Selan tu, konds d mana kedua kontole mampu mengkut efeens juga ddapatkan saat pengujan. Akan tetap, hasl espon sstem dengan kontole GA-RFLC lebh bak da pada kontole LQIT. Hal tesebut dtunjukkan pada gamba 14 dan 15.

7 Engne Toque (Nm) Engne Toque (Nm) u (deg) Engne Toque (Nm) Engne Toque (Nm) D7 Engne Toque Opt 90 Engne Toque Opt Respon LQIT - Desed ET Respon GA-RFLC Tme(s) Gamba 13 Hasl espon sstem untuk sudut bukaan thottle 50 deajat dan poss gg 2 Respon LQIT 30 Desed ET Respon GA-RFLC Tme(s) Gamba 16 Hasl espon sstem untuk sudut bukaan thottle 90 deajat dan poss gg Snyal Kontol Thottle Engne Toque Opt Respon LQIT 30 Desed ET Respon GA-RFLC Tme(s) Gamba 14 Hasl espon sstem untuk sudut bukaan thottle 50 deajat dan poss gg Engne Toque Opt Respon LQIT 30 Desed ET Respon GA-RFLC Tme(s) Gamba 15 Hasl espon sstem untuk sudut bukaan thottle 70 deajat dan poss gg 3 Meskpun demkan, ada bebeapa konds d mana kedua kontole memlk sama-sama tdak mampu mencapa nla efeens yang dngnkan. Hal n dkaenakan nla efeens yang dngnkan melebh batas maksmum kemampuan mesn dalam menghaslkan tos mesn, sehngga dapat dkatakan bahwa konds-konds tesebut tdak mungkn tejad pada mesn. Konds-konds tesebut adalah saat vaas masukan sudut bukaan thottle 90 deajat pada poss gg 1, 2 dan 3. Gamba 16 menunjukkan salah satu hasl espon sstemnya. Gamba 17 menunjukkan snyal kontol da ketga konds tesbut yang sudah mencapa nla batas maksmum masukan yang mungkn tejad pada mesn, yakn 90 deajat Snyal Kontol LQIT Snyal Kontol GA-RFLC Tme(s) Gamba 17 Snyal kontol yang dhaslkan untuk sudut bukaan thottle 90 deajat dan poss gg 1, 2 dan 3 Rata-ata ntegal aea eo (IAE) dgunakan untuk menganalss secaa umum kontole mana yang memlk pengontolan lebh bak. Semakn kecl nla IAE menunjukkan output sstem semakn bak. Tabel 5 mempelhatkan pebandngan nla IAE kedua kontole. Tabel 2 Pebandngan ata-ata nla IAE Vaas masukan Nla IAE No. Sudut Poss Thottle gg GA - RFLC LQIT , , , , , , ,13 17, , , ,14 112, , , , , , , , , , , , , , , , , , , , , , , , , , , , ,8955 Rata-ata nla IAE 791, ,5862 Da tabel 2 dapat kta lhat bahwa kontole GA-RFLC memlk ata-ata nla IAE elatf lebh kecl jka dbandngkan dengan kontole LQIT untuk semua

8 D8 konds. Akan tetap, mash ada bebeapa konds yang nla IAE kedua kontole hamp sama. Hal n tejad kaena kedua kontole menghaslkan snyal kontol yang sama, sepet yang dtunjukkan pada gamba Kesmpulan Da hasl smulas dapat dsmpulkan bahwa penggunaan kontole GA-RFLC yang ddesan pada peneltan n mampu beopeas dengan bak untuk ttk opeas yang luas dengan kaakte tap ttk opeas yang cukup bebeda. Penggunaan kontole n akan mampu membekan pean yang pentng dalam mempenbak pefoma mesn kaena telah mampu mencapa nla tos optmal yang bepengauh pada konds deal pembakaan sempuna pada mesn. Adapun penggunaan kontole tunggal sepet kontol optmal LQIT telah tebukt tdak mampu mencapa nla efeens untuk sstem dengan konds yang memlk ttk opeas yang cukup luas. Sebaga saan untuk pengembangan selanjutnya, dapat dlakukan modfkas poses mutas dan pndah slang yang adaptf pada algotma genetka aga poses teas yang dlakukan menjad lebh efektf. Selan tu, pengontolan tos mesn akan menjad lebh aplkatf apabla dsetakan juga dengan pengontolan subsstem lan dalam kontol otomotf, sepet pengontolan kecepatan puta mesn, A/F (A to Fuel ato), gnton tme atau EGR (Exhaust Gas Recculaton). Refeens [1] Badan Pusat Statstk, (11), Jumlah Kendaaan Bemoto d Indonesa tahun 08-11, [19 Me 12] [2] Kementan ESDM, (11), Poduks, Konsums dan Impo BBM Indonesa 05-10, [19 Me 12] [3] Twyatno, A., Nuh, M., Santoso, A. dan Sutanta I. N., (11), Engne Toque Contol of Spak Ignton Engne Usng Robust Fuzzy Logc Contol, IACSIT Jounal Intenatonal of Engneeng and Technology, vol. 3, no. 4, hal [4] Twyatno, A., Nuh, M., Santoso, A. dan Sutanta I. N., (12), Engne Toque Contol of Spak Ignton Engne Usng Fuzzy Gan Schedulng, Telkomnka, vol. 10, no. 1, hal [5] Twyatno, A., (11), Optmal-Fuzzy Contol Desgn : Case Study of Engne Toque Contol of Spak Ignton Engne, Intenatonal Confeence on Infomatcs fo Development 11 [6] Stefanopoulou, A. (1996), Modelng and Contol of Advanced Technology Engne, Ph.D. Thess, Electcal Engneeng: Systems, The Unvesty of Mchgan. [7] Lambeson, D.M. (03), Toque Management of Gasolne Engne, Tess Maste, Mechancal Engneeng, Unvesty of Calfona at Bekeley [8] Sutojo, T., Mulyanto, E. dan Suhatono, V., (11) Kecedasan Buatan, Penebt ANDI Yogyakata [9] Kuswad, Son., (07) Kendal Cedas Teo dan Aplkas Paktsnya, Penebt And, Yogyakata. [10] T. Takag dan M. Sugeno, Fuzzy dentfcaton of systems and ts applcatonsto modelng and contol, IEEE Tans. Syst., Man, Cyben., vol. SMC-15, pp , May [11] Mastoaks, N.E. (04), Modellng dynamcal systems va the Takag-Sugeno fuzzy model, Poceedngs of the 4th WSEAS Intenatonal Confeence on Fuzzy sets and Fuzzy Systems, Udne, Italy, Mach [12] Twyatno, As., Mohammad Nuh., A Santoso., I NyomanSutanta., Fuzzy State Obseve Desgn fo Engne Toque Contol System of Spak Ignton Engne, Dssetaton, InsttutTeknologSepuluh Novembe, Suabaya, 11. [13] F. Khabe, K. Zeha, dan A. Hamzaou, State feedback contolle desgn va Takag-Sugeno fuzzy model: LMI appoach, Intenatonal Jounal of Computaton Intellgence, Vol 2, No 2, pp , 05. [14] Twyatno, As., Mohammad Nuh., A Santoso., I Nyoman Sutanta., A New Method of Robust Fuzzy Contol: Case Study of Engne Toque Contol of Spak Ignton Engne, Insttut Teknolog Sepuluh Novembe, Suabaya, 11. [15] Lews, Fank, dkk. Optmal Contol, John Wley & Sons, Inc, [16] Ogata, Katsuhko (02) Moden Contol Engneeng, Unvesty of Mnnesota, New Jesey : Pentce Hall. [17] ---,Tansent Response Analyss, Oktobe 12. [18] Ston, R. dan Pce, K. Dffeental Evoluton A Smple and Effcent Heustc fo Global Optmzaton ove Contnuous Spaces, Jounal of Global Optmzaton, Kluwe Academc Publshes, Nethelands, 11: , 1997 [19] Yu, Hong Bao dan Nan Yu, Applcaton of Genetc Algothms to Vehcle Suspenson Desgn, Mechancal Engneeng Depatment, The Pennsylvena State Unvesty. Bogaf Esa Apaska (L2F009043) lah d Sukohajo, pada tanggal 18 Oktobe Telah menempuh penddkan da MI Nege Sukohajo, SMP Nege 1 Sukohajo seta SMA Nege 1 Sukohajo. Saat n penuls sedang menjalankan masa penddkan untuk mendapatkan gela sajana d S1 Teknk Elekto Unvestas Dponegoo. Mengetahu dan Mengesahkan Dosen Pembmbng I D. As Twyatno, S.T.,M.T. NIP Dosen Pembmbng II Bud Setyono, S.T.,M.T. NIP