IMPLEMENTASI JARINGAN SARAF TIRUAN UNTUK KENDALI KECEPATAN MOTOR DC PADA SISTEM ELEKTRONIKA DAYA

Abstract

Kendali kecepatan motor DC merupakan aspek penting dalam berbagai aplikasi industri dan otomasi. Penelitian ini mengimplementasikan jaringan saraf tiruan (Artificial Neural Network/ANN) untuk mengoptimalkan kendali kecepatan motor DC pada sistem elektronika daya. Metode yang digunakan adalah implementasi arsitektur feedforward neural network
dengan algoritma backpropagation untuk mengatur kecepatan motor DC berdasarkan parameter input berupa tegangan referensi dan feedback kecepatan aktual. Sistem dikembangkan menggunakan mikrokontroler ARM Cortex-M4 dengan driver motor berbasis PWM (Pulse Width Modulation). Data pelatihan diperoleh dari karakteristik operasional motor DC 24V/5A
selama 200 siklus operasi dengan variasi beban 0-100%. Hasil pengujian menunjukkan bahwa sistem ANN mampu menghasilkan respon kendali dengan rise time 0.8 detik, setting time 2.1 detik, dan overshoot maksimum 3.2%. Dibandingkan dengan kontroler PID konvensional, sistem ANN menunjukkan peningkatan performa dengan pengurangan steady-state error sebesar 85% dan peningkatan stabilitas sistem sebesar 72%. Implementasi ANN juga menunjukkan adaptabilitas yang baik terhadap variasi beban dengan akurasi kendali ±2% dari setpoint. Penelitian ini membuktikan efektivitas jaringan saraf tiruan sebagai solusi alternatif yang superior untuk kendali kecepatan motor DC dalam aplikasi sistem elektronika daya.