SUMINDAR, GANJAR (2026) PENINGKATAN RESPON KECEPATAN MOTOR INDUKSI TIGA FASA BERBASIS ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM (ANFIS) YANG DIOPTIMASI GREY WOLF OPTIMIZER (GWO). S2 thesis, Universitas Mercu Buana Jakarta - Menteng.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (Cover)
55424110010-Ganjar Candra Sumindar-01 Cover - Ganjar Candra.pdf Download (1MB) |
|
Text (Bab 1)
55424110010-Ganjar Candra Sumindar-02 Bab 1 - Ganjar Candra.pdf Restricted to Registered users only Download (529kB) |
|
Text (Bab 2)
55424110010-Ganjar Candra Sumindar-03 Bab 2 - Ganjar Candra.pdf Restricted to Registered users only Download (2MB) |
|
Text (Bab 3)
55424110010-Ganjar Candra Sumindar-04 Bab 3 - Ganjar Candra.pdf Restricted to Registered users only Download (1MB) |
|
Text (Bab 4)
55424110010-Ganjar candra Sumindar-05 Bab 4 - Ganjar Candra.pdf Restricted to Registered users only Download (1MB) |
|
Text (Bab 5)
55424110010-Ganjar Candra Sumindar-06 Bab 5 - Ganjar Candra.pdf Restricted to Registered users only Download (294kB) |
|
Text (Daftar Pustaka)
55424110010-Ganjar Candra Sumindar-08 Daftar Pustaka - Ganjar Candra.pdf Restricted to Registered users only Download (410kB) |
|
Text (Lampiran)
55424110010-Ganjar Candra Sumindar-09 Lampiran - Ganjar Candra.pdf Restricted to Registered users only Download (778kB) |
Abstract
Motor induksi tiga fasa merupakan salah satu motor listrik yang banyak digunakan pada sistem industri karena memiliki konstruksi sederhana, kuat, andal, dan sesuai untuk berbagai aplikasi penggerak. Namun, karakteristik motor induksi yang nonlinier menyebabkan pengendalian kecepatan memerlukan metode yang mampu menghasilkan respons cepat, stabil, dan memiliki kesalahan keadaan tunak yang rendah. Penelitian ini mengembangkan pengendali Adaptive Neuro-Fuzzy Inference System (ANFIS) yang dioptimasi menggunakan Grey Wolf Optimizer (GWO) pada sistem pengendalian kecepatan motor induksi tiga fasa berbasis Indirect Field Oriented Control (IFOC). Penelitian menggunakan metode kuantitatif dengan pendekatan simulasi dan evaluasi numerik. Dataset yang digunakan terdiri atas 200.000 sampel dengan speed error (e) dan perubahan error (de/dt) sebagai input, serta referensi torsi elektromagnetik (T_e*) sebagai output. Data dibagi menjadi 70% data training dan 30% data checking. ANFIS Standard menggunakan tujuh Generalized Bell Membership Function pada setiap input sehingga membentuk 49 fuzzy rule, 42 parameter premise, dan 147 parameter consequent. GWO digunakan untuk mengoptimasi 42 parameter premise dengan populasi 20 wolf dan maksimum 30 iterasi. Pengujian closed-loop dilakukan pada kecepatan referensi 50 rad/s. Hasil pengujian menunjukkan bahwa ANFIS Standard menghasilkan rise time 0,052500 s, steady-state error 3,874150 rad/s, overshoot 8,437474%, dan belum mencapai settling time dalam 2 detik. Setelah optimasi, ANFIS-GWO menghasilkan rise time 0,046500 s, settling time 1,063000 s, steady-state error 0,448717 rad/s, dan overshoot 6,657061%. Dibandingkan ANFIS Standard, ANFIS-GWO menurunkan rise time sebesar 11,43%, steady-state error sebesar 88,42%, dan overshoot sebesar 21,10%. Hasil tersebut menunjukkan bahwa optimasi parameter premise ANFIS menggunakan GWO mampu meningkatkan karakteristik respons dinamis sistem pengendalian kecepatan motor induksi tiga fasa. Kata kunci: ANFIS, Grey Wolf Optimizer, motor induksi tiga fasa, IFOC, pengendalian kecepatan.
| Item Type: | Thesis (S2) |
|---|---|
| NIM/NIDN Creators: | 55424110010 |
| Uncontrolled Keywords: | ANFIS, Grey Wolf Optimizer, motor induksi tiga fasa, IFOC, pengendalian kecepatan. |
| Subjects: | 600 Technology/Teknologi > 600. Technology/Teknologi |
| Divisions: | Pascasarjana > Magister Teknik Elektro |
| Depositing User: | CLAUDIA ASTRIANI |
| Date Deposited: | 02 Sep 2026 04:03 |
| Last Modified: | 02 Sep 2026 04:06 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/103562 |
Actions (login required)
 |
View Item |
