1
Perancangan Sistem Pengendalian Daya Reaktor Nuklir Menggunakan Logika Fuzzy Di Pusat Teknologi Nuklir Bahan Dan Radiometri Badan Tenaga Nuklir Nasional (PTNBR Batan) Bandung Herry Gunawan W. Ir. Syamsul Arifin, MT
Department of Engineering Physics, Faculty of Industrial Technology ITS Surabaya Indonesia 60111
Abstract
Metode Fuzzy merupakan alternatif sistem kontrol dimana metode fuzzy di sini berfungsi memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk lingustik, kosep tidak pasti seperti ”sedikit”, ”lumayan”, dan ”sangat”. Dalam Tugas Akhir ini akan dilakukan pemodelan dan simulasi sistem fisik dari teras reaktor yang ada di reaktor nuklir BATANBandung. Serta perancangan sistem pengendalian reaktor nuklir oleh batang kendali (control rod) dengan metode Fuzzy. Untuk mengetahui performansi sistem dilakukan simusi dengan menggunakan program Simulink dari Matlab dan Fuzzy Logic Toolbox. Dari hasil simulasi tersebut maka dibutuhkan sistem pengendali yang dapat memperbaiki respon plant menuju suatu kondisi yang diinginkan Kata kunci : teras reaktor, reaktor nuklir, fuzzy
I. PENDAHULUAN Sistem kontrol adalah sebuah sistem yang terdiri atas satu atau beberapa peralatan yang berfungsi untuk mengontrol sistem lain yang berhubungan dengan sebuah proses. Dalam industri terdapat variabel proses seperti daya, temperatur dan laju aliran air yang harus dipantau setiap saat. Bila variabel proses tersebut berjalan tidak sesuai dengan yang diharapkan (set point), maka dengan menggunakan sistem kontrol dapat mengendalikan proses tersebut sehingga sistem dapat berjalan kembali sesuai dengan yang diharapkan. Sistem kontrol dapat diterapkan di dalam pabrik, gedung-gedung maupun Pembangkit Listrik Tenaga Nuklir (PLTN). Dalam mengendalikan sistem proses yang sangat kompleks serta plant yang sangat sensitif seperti Pembangkit Listrik Tenaga Nuklir (PLTN), pengendalian reaktor nuklir secara manual mempunyai kelemahan karena pada kendali manual unjuk kerjanya sangat bergantung pada kondisi fisik maupun mental psikologis operator, sedangkan jika menggunakan sangat sulit karena reaktor nuklir memiliki variabel dinamika yang non linear dan berubah-ubah, serta model matematis dari reaktor nuklir dan reaksi fisi sangat kompleks dan rumit karena itu tidak mudah menggunakan sistem kontrol optimal sebagai sistem kendali reaktor karena sistem ini membutuhkan model matematis yang menghubungkan antara masukan (input), proses dan keluaran (output) agar dapat mengontrol suatu plant. Untuk mengatasi kelemahan ini maka sistem kontrol logika Fuzzy dapat menjadi salah satu alternatif untuk sistem pengendalian reaktor nuklir yang dipergunakan dalam pembangkit listrik tenaga nuklir (PLTN).
II. DASAR TEORI 2.1 Fuzzy Logic Controller Konsep logika fuzzy merubah konsep logika klasik menjadi konsep yang memetakan suatu variabel pada kemungkinan yang tidak eksak sehingga dapat sistem linguistik dan permasalahan yang tidak pasti atau tidak presisi serta permasalahan probabilitas. Beberapa faktor penting yang menjadi bahasan dalam logika fuzzy sebagai berikut 2.1.1. Himpunan Fuzzy Himpunan Crisp dapat dinyatakan sebagai nilai yang sebenarnya untuk menyatakan konsep relative, misalnya seperti kecepatan dan posisi. Di dalam penggunaannya, himpunan ini sangatlah terbatas berbeda dengan ekspresi linguistik. Himpunan fuzzy memberikan kerangka untuk menyatakan ekspresi pendekatan variabel linguistic di atas. 2.1.2. Struktur Dasar Logika Fuzzy Pada dasarnya struktur logika digambarkan seperti berikut:
fuzzy
dapat
Basis Pengetahuan output
input Fuzzifikasi
Fuzzy
Defuzzifikasi Logika Pengambilan Keputusan
Fuzzy
Gambar 2.1 Struktur Dasar Logika Fuzzy [5] Fungsi dari bagian-bagian di atas adalah sebagai berikut [5]: Fuzzifikasi Berfungsi untuk mentransformasikan sinyal masukan yang bersifat crisp ( bukan fuzzy ) ke himpunan fuzzy dengan menggunakan operator fuzzifikasi. Basis Pengetahuan Berisi basis data dan aturan dasar yang mendefinisikan himpunan fuzzy atas daerah – daerah masukan dan keluaran dan menyusunnya dalam perangkat aturan kontrol. Logika Pengambil Keputusan merupakan inti dari Logika Fuzzy yang mempunyai kemampuan seperti manusia dalam mengambil keputusan. Aksi atur fuzzy disimpulkan dengan menggunakan implikasi fuzzy dan mekanisme inferensi fuzzy.
2 Defuzzifikasi berfungsi untuk mentransformasikan kesimpulan tentang aksi atur yang bersifat fuzzy menjadi sinyal sebenarnya yang bersifat crisp dengan menggunakan operator defuzzifikasi 2.2 Reaktor Nuklir Reaktor adalah suatu alat proses tempat di mana terjadinya suatu reaksi berlangsung, baik itu reaksi kimia atau nuklir dan bukan secara fisika. Dengan terjadinya reaksi inilah suatu bahan berubah ke bentuk bahan lainnya, perubahannya ada yang terjadi secara spontan alias terjadi dengan sendirinya atau bisa juga butuh bantuan energi seperti panas (contoh energi yang paling umum). Perubahan yang dimaksud adalah perubahan kimia, jadi terjadi perubahan bahan bukan fasa misalnya dari air menjadi uap yang merupakan reaksi fisika. Terdapat 2 jenis reaktor, yaitu reaktor kimia dan reaktor nuklir. Kedua jenis reaktor tersebut berbeda dalam beberapa hal, yang paling mencolok adalah dalam reaktor kimia hukum kekekalan massa memegang peranan yang sangat penting, karena tidak ada massa yang hilang dalam reaksi ia hanya berubah dari satu jenis bahan ke bahan ke jenis yang lain. Sedangkan reaktor nuklir tidak seperti itu, dalam reaktor ini ada massa yang hilang untuk diubah ke bentuk energi yang memang untuk inilah reaktor nuklir dirancang.
2.2.3 Teras Reaktor
2.2.1 Tanki Reaktor TRIGA 2000 Bandung Reaktor TRIGA 2000 Bandung adalah suatu jenis reaktor yang bertipe tangki (tank type). Tangki reaktor terbuat dari bahan alumunium (Al) dan ditambahkan dalam coran beton seperti tampak pada gambar 2.15 Pada tangki reaktor ditempatkan difuser yang berfungsi untuk memutar air di dalam tangki reaktor sehingga akan menahan atau memperlambat air teras reaktor yang mengandung radiasi mancapai permukaan tangki. Tingkat daya dari reaktor dikendalikan oleh 5 (lima) batang kendali. Semua batang kendali ini berisi bahan penyerap neutron yang terbuat dari Boron-Karbida (B4C).
Gambar 2.3 Teras reaktor 2.2.4 Sistem Pendingin Sistem pendingin reaktor TRIGA 2000 Bandung terdiri dari sistem Pendingin primer dan sistem pendingin sekunder,. Sistem pendingan primer, yang mengambil panas dari teras melalui proses konveksi alamiah. Sistem pendingin sekunder berfungsi mengambil panas dari sistem pendingin primer untuk kemudian dibuang ke lingkungan. Gambaran sistem pendingin pada reaktor terdapat pada gambar 4
Teras reaktor merupakan tempat di dalam reaktor, yang digunakan untuk menempatkan rak bahan bakar (grid plate). Di dalam teras reaktor terjadi reaktor fisi berantai.
2.2.2 Elemen Bahan Bakar Reaktor TRIGA 2000 Bandung Elemen bahan bakar reaktor TRIGA 2000 Bandung berbentuk batang silinder padat yang berisi pelet bahan bakar seperti tampak pada gambar 2.16 Pelet beton terbuat dari campuran homogen dari paduan Uranium dan ZirkoniumHidrida (U-ZrH).
Gambar 2.4 Diagram Sistem Pendingin Reaktor TRIGA 2000 Bandung
Gambar 2.2 Elemen bahan bakar
3 III. METODE
3.2. Pemodelan Kontroler Pada sistem pengendalian reaktor nuklir ini variabel yang akan dikendalikan, antara lain : pergerakan/ posisi batang kendali, daya reaktor dan jumlah neutron. Masukanan yang akan diberikan pada sistem ini adalah daya demand dari operator. Keluaran yang dihasilkan berupa posisi batang kendali pada teras reaktor. Diagram blok dari sistem ini dapat dilihat pada gambar 3.6 berikut ini.
Mulai
Studi Literatur
Tidak
Pemodelan Plant
Pemodelan Controller
Validasi Pemodelan Plant
Validasi Pemodelan Controller
Tidak
Sesuai dengan data karakteristik controller?
Sesuai dengan data plant?
Ya
YA
Integrasi Pemodelan Plant dan Controller
Simulasi
Analisa Hasil Simulasi dan Pembahasan
Selesai
3.1. Pemodelan Plant Plant untuk sistem pengendalian reaktor nuklir adalah teras reaktor. Pemodelan plant ANFIS dilakukan dengan mengumpulkan data masukan-keluaran yang berasal dari plant sesungguhnya. Data pasangan masukan keluaran yang digunakan dalam pemodelan plant ini adalah data masukan yang berupa posisi batang kendali dan keluaran yang berupa daya reaktor. Pemodelan ini melalui dua tahap, yaitu training dan validasi. Sebanyak 80% data masukan-keluaran plant tersebut akan digunakan untuk proses pelatihan (training) dan sisanya, akan digunakan untuk proses validasi.
Gambar 3.5 Struktur ANFIS
SP
Kontr ol Logik a Fuzzy
Bata ng Kend ali
Teras Reak tor
Daya
Transmitter Gambar 3.6 Diagram Blok Sistem Pengendalian Reaktor Nuklir Untuk merancang sistem fuzzy logic pengendali pada reaktor nuklir yang digunakan untuk penelitian ini tidak diperlukan model matematis, tetapi diperlukan hubungan data masukan keluaran, serta data linguistic dari operator untuk menentukan semesta pembicaraan dan fungsi keanggotaan. Untuk membuat pemodelan kontroller dengan metode fuzzy langkah yang dilakukan adalah menentukan variabel masukan, variabel keluaran, fungsi keanggotaan, yang meliputi jenis fungsi yang digunakan dan batas-batas dari fungsi tersebut, serta rule atau aturan untuk melakukan aksi control, dan metode defuzifikasi. 3.3.1 Penentuan Masukan Fuzzy Logic Controller Tujuan dalam sistem pengendalian yang ingin dicapai adalah menjaga suatu variabel pada nilai setpoint yang diinginkan. Untuk mencapai tujuan tersebut, maka pengendali melakukan pengendalian error, agar error yang terukur selalu kecil. Error tersebut didapatkan dari selisih pengukuran variabel ukur pada proses plant (umpan balik) yang dikendalikan dengan nilai set point yang diinginkan. Spesifikasi daya maksimum yang dapat dimanipulasi batang kendali (control rod) pada tugas akhir ini adalah 2000kW. Jangkauan proses variable yang harus dikendalikan antara 0 kW sampai dengan 2000 kW. Kondisi error ini, dibagi menjadi tiga kelompok, yaitu : 1. Error negative, yaitu kondisi dimana nilai variabel terukur bernilai lebih besar daripada setpoint. 2. Error positif, yaitu kondisi dimana nilai variabel terukur lebih kecil dari nilai setpoint. 3. Error bernilai mendekati nol, atau berada pada daerah setpoint. Berdasarkan kondisi error yang telah didefinisikan di atas, maka ditentuan fungsi keanggotaan masing-masing error, yaitu sebagai berikut :
4
Gambar 3.7 Fungsi keanggotaan untuk masukan error Batas-batas fungsi keanggotaan ditentukan dengan jangkauan antara -1 dan 1. Batas-batas fungsi keanggotaan error ini menentukan kecepatan pengendali untuk mencapai setpoint atau menentukan Settling time pengendali. Semakin sempit jangkauan yang diberikan untuk batas fungsi keanggotaan error ini, maka pengendali semakin cepat mencapai setpoint, tetapi memberikan efek respon lebih berosilasi. Berdasarkan gambar 3.7 di atas, fungsi keangotaan untuk error negative dan positif masing-masing secara berurutan memiliki nilai maksimum pada variabel error maksimal, -1 dan 1. Hal ini berarti, apabila hasil perhitungan error antara variabel terukur dengan setpoint bernilai -1 atau +1, maka pengendali akan memberikan respon maksimum sistem, atau pada reaktor TRIGA 2000 Bandung ini batang kendali naik 100% dan menghasilkan daya sebesar 2000 kW, dan batang kendali turun 100% menghasilkan daya sebesar 0 kW. Fungsi keanggotaan pas, pada gambar 3.7 di atas merepresentasikan kondisi error saat mendekati nol. Dengan demikian untuk error mendekati nol ini, dikondisikan agar memiliki nilai yang maksimal saat nilai error tersebut nol. Untuk mengurangi osilasi respon pengendali, maka perlu ditambahkan varibel delta error. Delta error merupakan selisih antara error yang terjadi pada waktu t dengan (t-1). Sistem pengendali yang stabil, tidak berosilasi memiliki karakteristik delta error yang kecil. Oleh karena itu, pada sistem ini ditentukan batas fungsi keanggotaan delta error adalah 10% terhadap fungsi keanggotaan error. Adapun pengelompokan jenis perubahan error dikelompokkan menjadi tiga kategori, yaitu : 1. Delta error negatif, yaitu saat perubahan error saat t dan (t-1) bernilai negative 2. Delta error positif, yaitu saat perubahan error saat t dan (t-1) bernilai positif. 3. Delta error nol, yaitu saat tidak terjadi perubahan error, atau saat respon pengendali telah stabil. Fungsi keanggotaan untuk masukan delta error ditunjukkan pada gambar 3.8 berikut ini:
Gambar 3.8 fungsi keanggotaan delta error 3.3.2.Penentuan Variabel Keluaran fuzzy logic pengendali Variable keluaran pada sistem fuzzy ini adalah sinyal pengendali untuk mengendalikan posisi batang kendali. Fungsi keanggotaan untuk keluaran ditentukan seperti gambar 3.9 di bawah ini.
Gambar3.9 fungsi keanggotaan keluaran Fungsi keangotaan untuk variabel keluaran ini dibagi menjadi lima jenis, yaitu : 1. Batang Kendali turun sedikit, atau NS Yaitu sinyal pengendali yang diberikan untuk menurunkan batang kendali. 2. Batang kendali tidak berubah, atau ZE Yaitu sinyal pengendali yang mengkondisikan agas batang kendali tidak berubah. 3. Batang Kendali naik sedikit atau PS Yaitu sinyal pengendali yang diberikan untuk menaikkan batang kendali. 3.3.3
Penentuan strategi pengendalian (Rule) Penentuan stategi pengendalian pada Fuzzy Logic Controller ini berdasarkan sistem kepakaran. Berdasarkan strategi pengendalian kepakaran, diperoleh aturan, yaitu apabila daya yang diinginkan (Process variable) terlalu kecil (berada di bawah setpoint) atau error bernilai positif, maka batang kendali harus dinaikkan atau jika daya yang diinginkan terlalu besar (berada di atas Berdasarkan strategi pengendali di atas, maka dapat disusun suatu rule sebagai berikut: Error Positif ZE Negatif Del Positif PS ZE NS ta ZE PS ZE NS error Negatif PS ZE NS
5 IV. HASIL PENELITIAN Data – data proses variabel yang digunakan dalam perancangan sistem pengendalian daya reaktor nuklir ini didapat dari data yang ter-record pada Log book ReaktorBATAN Bandung. Plant yang dimodelkan adalah Teras Reaktor pada Pusat Teknologi Nuklir Bahan dan Radiometri (PTNBR) BATAN Bandung.Data yang digunakan adalah daya reaktor dan posisi batang kendali.Data inputoutput diambil dari real plant selama 3 tahun sebanyak 177 data.
Daya (kW)
Data Reaktor Triga Gambar 4.2 Uji tracking setpoint naik
2200 2000 1800 1600 1400 1200 1000 800 600 400 2000
Batang kendali 1 Batang kendali 2 Batang kendali 3 400 500 600 700 800
Batang kendali 4
Posisi batang kendali (mm)Batang kendali 5 Grafik 4.1 Data Reaktor Triga 4.1 Uji Respon Setpoint Sinyal Step Pada pengujian ini akan dilakukan pengujian sistem pengendalian daya reaktor nuklir dengan fuzzy. Pada pengujian setpoint yaitu sebesar 1000 kW terlihat bawah daya output system pengendalian bisa mengikuti setpoint yang diinginkan walau terlihat ada nya error yang kecil.
Gambar 4.1 Hasil uji respon setpoint pada 1000kW. Pada gambar di atas, garis warna hijau adalah output daya dan garis warna biru adalah setpoint daya yg ingin dicapai. Pada gambar terlihat mulai steady pada waktu detik ke-3.3 dengan error steady state sebesar 7 dan maximum overshoot sebesar 5.35%. 4.2 Uji Tracking Setpoint Naik dan Turun Pada uji tracking setpoint ini, akan diuji performa dari system pengendalian daya dengan fuzzy yang telah di desain. Uji tracking setpoint dilakukan dengan menggunakan setpoint daya 500kw kemudian mengubah setpoint daya menjadi 1000 kW. Untuk uji tracking setpoint turun dilakukan dengan mengubah setpoint daya dari 1000 kW menjadi 500 kW
Gambar 4.3 Uji tracking setpoint turun Berdasarkan Gambar 4.7 dan Gambar 4.8 di atas, maka diketahui kriteria kulitatif masing-masing pengendali pada uji perubahan setpoint naik dan turun adalah Untuk uji tracking setpoint naik : Saat set point 500 didapatkan performa Max. Overshoot = 0% Settling Time = 11.7 detik Error Steady state =9 Saat set point 1000 didapatkan performa Max. Overshoot = 1.1% Settling Time = 52.28 detik Error Steady state =7 Untuk uji tracking setpoint turun: Saat set point 1000 didapatkan performa Max. Overshoot = 5.3% Settling Time = 3.3 detik Error Steady state =7 Saat set point 500 didapatkan performa Max. Overshoot = 0% Settling Time = 53 detik Error Steady state =9 4.3 Uji Kestabilan Uji ini dimaksudkan untuk memperlihatkan seberapa kemampuan kontroller untuk mengikuti setpoint yang berubah-ubah. Pada uji ini terlihat output plant dapat mengikuti setpoint 500, 1000 dan 2000 kw walau mulai berosilasi pada setpoint 2000 kW, hal ini disebabkan karena daya yang mampu dioperasikan oleh reaktor adalah 2000 kW
6 sehingga saat daya lebih dari 2000 kW maka sulit untuk sesuai dengan setpoint. Hal tersebut hampir sama pada plant nyata di reaktor TRIGA 2000 Bandung yaitu saat daya melebihi 2000 kW maka reaktor akan mati secara darurat.
4.5 Performansi Pengendali PID
Harga konstanta dan perubah keadaan yang digunakan dalam reaktor PTNBR BATAN Bandung[4] adalah sebagai berikut: 𝑋1 = 1000 𝑘𝑊𝑎𝑡𝑡; 𝑋2 = 500 𝑛 ; 𝑐𝑚3 𝑋3 = 31℃; 𝑋4 = 27℃; 𝛽 = 0.0027; 𝛬 = 0.000028 𝑑𝑒𝑡𝑖𝑘; −1 𝜆 = 0.0768𝑑𝑒𝑡𝑖𝑘 ; 𝑀𝑓 = 169.500𝑔𝑟𝑎𝑚; 𝐶𝑓 = 0.005899 𝑐𝑎𝑙 𝑔𝑟℃ ;
𝑀𝑐 = 19605.000 𝑔𝑟𝑎𝑚; 𝛼𝐹 = −0.0000306 ∆𝑘 ; 𝑘. 𝐶−1 𝛼𝑚 = −0.00054 ∆𝑘 ; 𝑘. 𝐶−1 𝜏𝑓 = 1.5𝑑𝑒𝑡𝑖𝑘; 𝜏𝑐 = 25.2𝑑𝑒𝑡𝑖𝑘; 𝑔𝑟 𝑊 = 9600 ; 𝑑𝑒𝑡𝑖𝑘
Transfer function dari plant reaktor sebagai berikut : Gambar 4.8 Uji kestabilan set point 4.4 Uji noise Uji performansi control fuzzy, dengan memberikan noise yang memberikan gangguan pada sistem pengendalian. Sinyal gangguan yang diberikan disini berupa sinyal Uniform random number (sinyal acak tak berbentuk) dapat dilihat pada gambar 4.10 dan hasil simulasi pada gambar 4.11. Pada hasil simulasi (Gambar 4.11) memperlihatkan bahwa system masih mampu meredam atau mereduksi gangguan yang ada.
Gambar 4.9 Sinyal Gangguan Uniform Random Number
𝑂(𝑠) 𝐼(𝑠)
=
3.57∗10 7 𝑠 3 +6.304∗10 7 𝑠 2 +2.805∗10 7 𝑠+1.798∗10 6 𝑠 4 +98.2𝑠 3 +164.8𝑠 2 +65.35𝑠+0.1506
Berdasarkan transfer function di atas maka dapat diketahui performansi dari system pengendalian daya reaktor menggunakan pengendali PID, yaitu :
Gambar 4.11 Tanggapan transient pengendalian daya reaktor dengan PID Gambar di atas menunjukkan hasil dari tanggapan transient dari system pengendalian daya menggunakan pengendali PID.. Dimana performansi pengendalian daya reaktor dengan PID yaitu : Max. Overshoot = 0% Settling Time = 1. 67*103 detik Error Steady state = 190 Dari hasil-hasil uji performa pada daya 1000 kW dnegan menggunakan fuzzy dan PID dapat dibandingkan untuk mengetahui mana kah yang lebih baik. Maka hasil dapat dilihat pada tabel berikut : Tabel 4.1 Performansi Pengendalian Jenis Pengendalian Fuzzy JST[8] PID
Gambar 4.10 Simulasi dengan sinyal gangguan
max. overshoot (%)
5.35
0
settling time (detik)
3.3
39
Ess
7
8.34
0 1.67*103 190
Berdasarkan Uji hasil performansi pada tiap tiap pengendalian didapatkan bahwa dengan menggunakan pengendalian fuzzy
7 didapatkan keunggulan berupa settling time yang cepat 3.3 detik dan Error steady state yang paling kecil yaitu 7 dari pada dengan menggunakan jaringan syaraf tiruan (JST) dan PID. Untuk maximum overshoot masih ada pada pengendalian fuzzy dengan nilai 5.35% dibandingkan dengan pada JST dan PID yang memiliki maximum overshoot 0%.
6.
Ikhwan, Muhammad. 2003. Perancangan Kontroller Neuro-Fuzzy Pada Pengendalian Daya Reaktor Nuklir. Institut Teknologi Sepuluh Nopember : Institut Teknologi Sepuluh Nopember, 2003.
7.
Katsuhiko, Ogata. 1994. Solving Control Engineering Problems with MATLAB. New Jersey : Prentice-Hall, Inc, 1994.
8.
Kloatubun, Margaretha Maria Lucia. 2010. Perancangan Sistem Pengendalian Daya Reaktor Nuklir Menggunakan Jaringan Syaraf Tiruan (JST) Levenberg Marquardt Di Pusat Teknologi Nuklir Bahan Dan Radiometri Badan Tenaga Nuklir Nasional (PTNBR Batan) Bandung. Surabaya : Institut Teknologi Sepuluh Nopember, 2010.
9.
Kusumadewi, Sri. 2002. Analisis & Desain Sistem Fuzzy Menggunakan Tool Box Matlab. Yogyakarta : Graha Ilmu, 2002.
V. KESIMPULAN 5.1 Kesimpulan Dari permasalahan yang di jabarkan dalam bab pertama, maka diperoleh hasil dari penelitian Tugas Akhir ini sebagai berikut: 1. Pemodelan plant dengan ANFIS yang terbaik didapat dengan 3 fungsi keanggotaan, bentuk fungsi keanggotaan yaitu dsigmf, dengan tipe output fungsi keanggotaan linear hal ini diketahui dari error yang di dapatkan yaitu 0.0043934. 2. Simulasi pengendalian logika fuzzy mamdani yang diperoleh respon sistem memberikan hasil yang baik, hal ini dapat diketahui dari uji noise dimana sistem masih dapat mempertahankan setpoint pada titik 1000 KW. 3. Pengendalian daya menggunakan logika fuzzy menghasilkan settling time yang lebih singkat yaitu 3.3 detik jika dibandingkan dengan pengendalian daya menggunakan PID yaitu 1. 67*103 detik. 5.2 Saran Beberapa saran yang perlu disampaikan dalam laporan ini dalam rangka pengembangan penelitian ini antara lain adalah sebagai berikut: 1. Untuk pengembangan penelitian selanjutnya bisa dengan memperbaiki system pencatatan data agar bisa tercatat data yang lebih banyak. 2. Untuk mengembangan penelitian ini maka perlu dilakukan penelitian dengan menggunakan logika pengendalian yang lain. VI. DAFTAR PUSTAKA 1.
Agung, Alexander. Yogyakarta : UGM.
2.
Controlling the power output of a nuclear reactor with fuzzy logic. Ruan, Da, J, Arian and wal, van der. 1998. s.l. : ELSEVIER, 1998, Vol. 110.
3.
Cruz, José Humberto Pérez, Read, Jorge Samuel Benítez and Gorbatch, Alexander Poznyak. 2007. On The Observa-bility of The Point Kinetic Equations of a Nuclear Reactor. Mexico : s.n., 2007.
4.
Gayani, Didi. 2010. Instrumentasi dan Kendali Reaktor, Kursus Penyegaran bagi Operator dan Supervisor. Bandung : s.n., 2010.
5.
Hartadi, Dwi. 2006. Perancangan Sistem Pengendalian Temperatur Menggunakan Metode Fuzzy Gain Schedulling PID Controller Pada Continous Tank Reaktor (CSTR). Surabaya : Institut Teknologi Sepuluh Nopember, 2006.
Dinamika
Reaktor
Nuklir.
BIODATA PENULIS
Nama : Herry Gunawan Wibisono NRP : 2406 100 008 Tanggal Lahir : Lumajang, 11Juni 1989 Alamat : Jalan Kyai Ilyas 98-D Riwayat Pendidikan 1994 – 2000 : SD Katolik Santo Yoseph Lumajang 2000 – 2003 : SMP Katolik Bhara Widya Lumajang 2003 – 2006 : SMA Negeri 2 Lumajang 2006 – sekarng : Teknik Fisika ITS, Surabaya
