# Laporan Proyek Sistem Kendali PID pada Motor Listrik Pada Sistem Palang Gerbang Otomatis

**Mata Kuliah:** Sistem Kendali dan Mekanika (ACK3AB3)
**Dosen:** FCB
**Semester/Tahun:** Ganjil 2025/2026
**Kelas:** TK-47-04

---

## Identitas Asesmen & Capaian Pembelajaran (OBE)

**Bentuk Asesmen:** Tugas Besar CLO2 dan Tugas Besar CLO3
**Metode:** *Project-Based Learning (PjBL)*
**Level 3 AI [*Editing*]**: AI hanya untuk perbaikan tulisan, tanpa konten baru. Lampirkan *prompt* dan hasil lengkap *generate* AI jika menggunakan AI, serta nama *tools* AI yang digunakan.

### Pemetaan *Program Learning Outcome* (CPL - Capaian Pembelajaran Lulusan) dan *Course Learning Outcome* (CPMK - Capaian Pembelajaran Mata Kuliah)
Laporan Tugas Besar ini mengukur ketercapaian dua PLO utama sesuai RPS untuk memvalidasi ketercapaian dua CLO:

* **[PLO-3]** Kemampuan menyusun rancangan komponen, sistem dan/atau proses pada bidang teknik komputer untuk memenuhi kebutuhan yang diharapkan di dalam batasan-batasan realistis.
* *Fokus:* Perancangan parameter kendali (*tuning*) dan analisis kestabilan sistem.
* **[CLO-2]:** Mampu menyusun rancangan dan menganalisis sistem kendali loop tertutup dari kondisi transien hingga steady state untuk mencapai kestabilan.
* *(Dinilai dari Laporan Bab 1, 2, dan 4: Desain, Pemodelan, dan Analisis Grafik)*
* **[PLO-6]** Kemampuan menerapkan metode, keterampilan dan piranti teknik modern yang diperlukan untuk praktek keteknikan dalam bidang teknik komputer.
* *Fokus:* Implementasi algoritma pada mikrokontroler dan penggunaan sensor/driver motor.
* **[CLO-3]:** Mampu menentukan dan menerapkan penggunaan kendali proporsional, integral, atau derivatif pada motor listrik untuk mencapai kestabilan.
* *(Dinilai dari Laporan Bab 3 dan Demonstrasi Alat: Implementasi Hardware & Tuning PID)*
---

**IDENTITAS KELOMPOK:**
* **Nama Kelompok:** Kelompok 6
* **Nama Mahasiswa 1 :** Muhammad Alif Naufal (101032300098)
* **Nama Mahasiswa 2 :** Adinda Zakira Sofyan (101032300116)
* **Nama Mahasiswa 3 :** Muhamad Azzam Tamadansyah (101032300203)
* **Nama Mahasiswa 4 :** Varrel Aditya Pratama Avianto (101032300237)

---

## Daftar Isi
1. Pendahuluan
2. Desain dan Pemodelan Sistem
3. Implementasi dan Pengujian
4. Evaluasi dan Analisis Kinerja
5. Kesimpulan dan Saran
6. Lampiran/Dokumentasi

---

## 1. Pendahuluan

### 1.1 Latar Belakang
Saat ini, mengendalikkan gerakan motor listrik menjadi sangat penting dalam berbagai aplikasi, seperti di pabrik, robot, serta sistem transportasi, dan keamanan, termasuk palang gerbang otomatis.

Motor listrik sebagai aktuator utama dalam sistem ini memerlukan pengendalian yang akurat dan stabil agar dapat mencapai posisi target (buka atau tutup) dengan cepat tanpa overshoot berlebih, dan mampu menahan gangguan eksternal seperti angin kencang atau benturan ringan.

Oleh karena itu, projek ini bertujuan untuk merancang dan mengimplementasikan sistem kendali PID pada motor listrik untuk meggerakkan palang gerbang otomatis serta menganalisis ketahanan terhadap gangguan eksternal.

### 1.2 Tujuan (*sesuaikan isinya dengan proyek kelompok*)
1. Merancang sistem kendali tertutup (Closed Loop) menggunakan metode PID untuk mengontrol posisi dan kecepatan motor listrik dalam sistem palang gerbang otomatis.
2. Menganalisis respons transien sistem, termasuk parameter seperti rise time, settling time, dan overshoot, untuk mengevaluasi kinerja sistem dalam mencapai setpoint secara optimal.
3. Menguji ketahanan (robustness) sistem terhadap gangguan eksternal, seperti beban tambahan atau perubahan kondisi lingkungan, guna memastikan stabilitas dan keandalan operasional dalam kondisi nyata.

### 1.3 Spesifikasi Desain (Target *Performance*)
*(Isi target ini SEBELUM melakukan tuning. Ini adalah acuan keberhasilan proyek).*

| Parameter Kinerja | Simbol | Target Nilai | Alasan/Justifikasi (Mengapa memilih angka ini?) |
| :--- | :---: | :--- | :--- |
| **Settling Time** | $T_s$ | < 0.2 detik | *Agar servo dapat mencapai posisi target dengan cepat* |
| **Max. Overshoot** | $M_p$ | < 2% | *Sudut harus tepat agar palang dapat tidak melampaui posisi yang diinginkan* |
| **Steady State Error** | $e_{ss}$ | 2% | *Karena servo memiliki beban* |
| **Kriteria Kestabilan** | | 5% | *Sebagai toleransi bahwa sistem berjalan stabil* |

---

## 2. Desain dan Pemodelan Sistem

### 2.1 Diagram Blok Sistem

### 2.2 Pemodelan Matematis (Theoretical Modeling)

Bagian ini bertujuan untuk menunjukkan landasan teori sistem kendali yang digunakan. Sertakan referensi dari buku, jurnal bereputasi, dan/atau *datasheet*.

**A. Model Algoritma Kontroler (PID)**
Proportional-Integral-Derivative atau juga disingkat sebagai PID merupakan metode kendali yang paling luas digunakan dalam sistem kendali industri dan *embedded systems* karena PID dapat mengatur *steady-state error*, *rise time*, *overshoot*, *settling time* secara optimal.
Persamaan matematis kontroler PID, yaitu:
*$$u(t) = K_p e(t) + K_i \int e(t) dt + K_d \frac{de(t)}{dt}$$* dengan:
* $u(t)$ = sinyal kendali keluaran
* $e(t) = r(t) - y(t)$ = error antara set point $r(t)$ dan process variabel $y(t)$
* $K_p$ = gain proporsional
* $K_i$ = gain integral
* $K_d$ = gain derivatif

Namun, implementasi pada mikrokontroller tidak dapat menerapkan integral dan derivatif seraca kontinu, oleh karena itu PID diubah ke bentuk diskrit berdasarkan interval sampling $T_s$.

**Proportional Control**
*$$u_p(t) = K_p e(t)$$* Bentuk Diskrit: *$$u_p[k] = K_pe[k]$$*

**Integral Control**
*$$u_i(t) = Ki \int e(t)$$* Bentuk Diskrit: *$$u_i[k] = u_i[k - 1] + K_iT_se[k]$$*

**Derivative Control**
*$$u_d(t) = K_d \frac{de(t)}{dt}$$* Bentuk Diskrit: *$$
u_d[k] = K_d \frac{e[k] - e[k-1]}{T_s}$$*

**Persamaan PID Diskrit**
*$$u[k] = K_p\,e[k] + K_i\,T_s \sum_{i=0}^{k} e[i] + K_d\,\frac{e[k] - e[k-1]}{T_s}$$* Rumus yang di atas akan digunakan dalam proyek ini, menggunakan pendekatan *Forward Euler* yang merupakan metode standar dalam sistem *real-time* berbasis *sampling*.

**B. Metode Tuning Ziegler-Nichols (Z-N)**

Metode *Ziegler-Nichols (Z-N)* merupakan pendekatan penalaan PID yang dikembangkan oleh J. G. Ziegler dan N.B. Nichols pada tahun 1942. Untuk proyek ini, digunakan metode *Ziegler-Nichols* Tipe 2 (Kurva Reaksi) yang lebih cocok untuk sistem *position control*.

* **Tipe 2 (Kurva Reaksi):** *Metode Ziegler-Nichols* atau metode Kurva Reaksi adalah teknik penalaan parameter PID berdasarkan karakteristik respons open-loop. metode ini dilakukan dengan memberikan sinyal step pada sistem tanpa feedback terlebih dahulu, selanjutnya mengamati bentuk kurva respons output terhadap waktu.
1. **($L$)- Delay Time**
Bagian awal kurva respons biasanya datar atau tidak berubah, lalu mulai meningkat pada titik tertentu. Jarak waktu dari awal step hingga titik perubahan awal disebut ($L$). Nilai ($L$) pada proyek ini menggambarkan kelambatan mekanik, elektronik, maupun program dalam sistem. Pada sistem palang gerbang otomatis, ($L$) muncul karena inersia motor, waktu sampling mikrokontroller, maupun delay sinyal sensor.
2. Time Constant ($T$)
Konstanta waktu ($T$) ditentukan dari gradien kurva bagian linier tersebut. Nilai ($T$) menggambarkan seberapa cepat sistem merespons setelah melewati *settling time*. Pada sistem mekanik servo pada proyek palang gerbang otomatis, nilai ($T$) dipengaruhi oleh karakteristik aktuator, beban menanik, dan redaman.

**C. Model Plant (Motor)**

* **Motor Servo (Position Control)**
Pada proyek palang parkir kendaraan otomatis berbasis Arduino Uno, aktuator yang digunakan adalah motor servo yang berfungsi mengatur posisi sudut bukaan palang (𝜃). Pergerakan servo dikendalikan berdasarkan jarak kendaraan yang dideteksi oleh sensor ultrasonik HC-SR04.

Sensor ultrasonik mengukur jarak kendaraan (𝑑) dan menghasilkan sinyal waktu pantulan yang kemudian dikonversi oleh Arduino menjadi sinyal kontrol (PWM) untuk mengatur sudut servo. Dengan demikian, jarak objek menjadi input sistem, sedangkan posisi sudut servo menjadi output sistem. Sistem dapat dimodelkan dengan fungsi transfer sebagai berikut:
$$G(s) = \frac{\theta(s)}{d(s)} = \frac{K}{\tau s + 1}$$
dengan:
* ($K$) = gain sistem (konversi jarak menjadi sudut servo)
* $τ$ = konstanta waktu servo
* $θ$(s) = posisi sudut palang (derajat)
* $d$(s) = jarak objek dari sensor ultrasonik (cm)

### 2.3 Spesifikasi Perangkat Keras
* **Motor:** Micro Servo (Tipe: SG90, Tegangan: 4.8V - 6V, Torsi Max: ±1.8 kgcm)
* **Driver:** Tidak menggunakan driver eksternal karena servo memiliki driver internal yang dapat menerima sinyal PWM langsung dari mikrokontroller.
* **Sensor:** Ultrasonic Sensor HC-SR04, (Resolusi Jarak: 1-2cm, tegangan operasi: 5V, Frekuensi: 40KHz, Trigger Pulse: 10 μs, Echo Pulse: Proporsional dengan jarak (58 μs/cm))
* **Kontroler:** Arduino UNO R3, Clock Speed: 16 MHz

---

## 3. Implementasi dan Pengujian

> **⚠️ Syarat data yang harus ada:**
> 1. **Analisis Komparatif:** **Minimal** **3 Variasi *Tuning*** (Misal: Hanya Proporsional vs PI vs PID Optimal).
> 2. **Uji Konsistensi (*Repeatability*):** Pada *tuning* terbaik, lakukan **minimal 5x percobaan** berulang untuk mendapatkan rata-rata dan standar deviasi.
> 3. **Uji Gangguan (*Disturbance*):** Minimal satu grafik yang menunjukkan respons sistem saat diberi beban atau gangguan tiba-tiba.
>
> *Catatan: Untuk poin 1 dan 2, lebih banyak lebih baik, karena akan semakin menghasilkan banyak data untuk dianalisis dan dibandingkan.*

### 3.1 Karakteristik Open-Loop (Linearitas Plant)

Lakukan pengujian respon motor **tanpa algoritma PID** (*Open Loop*) untuk melihat perilaku aslinya.

* **Skenario B (Servo/Stepper - Posisi):** Pada proyek ini, akan diukur sudut aktual tersebut menggunakan busur dan membandingkan dengan nilai target.

| No | Derajat | Sudut Aktual |
| --- | ----------- | ------------ |
| 1 | 30$^\circ$ | 30$^\circ$ |
| 2 | 60$^\circ$ | 60$^\circ$ |
| 3 | 90$^\circ$ | 90$^\circ$ |
| 4 | 120$^\circ$ | 120$^\circ$ |
| 5 | 180$^\circ$ |180$^\circ$ |

**Grafik Karakteristik:**
Grafik hubungan Jarak Sensor (*Input*) vs Sudut Servo (*Output*):

* **Sumbu X (*Input*):** Jarak objek dari sensor ultrasonik (cm)
* **Sumbu Y (*Output*):** Respon terukur (Sudut Aktual)

**Analisis:**
1. Apakah grafik membentuk garis lurus?
Grafik yang dihasilkan tidak membentuk garis lurus, karena sistem menunjukkan karakteristik non-linear yang terbagi ke dalam tiga zona dengan perilaku yang berbeda. Pada zona saturasi dengan jarak 1–9 cm, grafik berbentuk garis horizontal pada sudut 90°, yang menandakan bahwa output tetap konstan meskipun terjadi perubahan input. Selanjutnya, pada zona transisi dengan jarak 10–14 cm, grafik membentuk garis lurus menurun dengan gradien negatif sebesar −15°/cm, yang merupakan satu-satunya bagian sistem yang bersifat linear. Pada zona mati untuk jarak ≥15 cm, grafik kembali menunjukkan garis horizontal pada sudut 0°, yang mengindikasikan tidak adanya respons output terhadap perubahan input.

2. Pada *input* berapa motor baru mulai bergerak?
Motor mulai bergerak pada jarak 1 cm dengan langsung melompat ke sudut 90°. Berdasarkan grafik, pada jarak 0 cm sudut servo berada pada 0° yang menunjukkan posisi awal atau palang tertutup, sedangkan pada jarak 1 cm sudut servo langsung berubah menjadi 90° atau terbuka penuh.
3. Apakah ada titik ketika *input* dinaikkan tetapi *output* tidak bertambah lagi?
Iya, terdapat dua zona saturasi dimana input berubah tetapi output tidak bertambah, pada kondisi sudut maksimum dan sudut minimum servo. Saturasi output maksimal terjadi pada rentang jarak 1–9 cm, di mana sudut servo berada konstan pada 90° dan tidak mengalami peningkatan meskipun input jarak terus bertambah. Kondisi ini berlangsung selama rentang 8 cm dan berfungsi untuk mempertahankan palang dalam keadaan terbuka penuh demi alasan keamanan. Sebaliknya, saturasi output minimal terjadi pada jarak ≥15 cm, di mana sudut servo tetap pada 0° dan tidak berkurang lebih lanjut walaupun input terus meningkat, sehingga kondisi ini menjadi keadaan default sistem ketika tidak terdapat objek di sekitar palang.

### 3.2 Analisis Perbandingan Respons (*Step Response*)
*(Tampilkan grafik perbandingan dari 3 skenario tuning atau lebih).*

**Tabel 1. Perbandingan Parameter Respons Transien**

| Skenario *Tuning* | Nilai *Gain* ($K_p, K_i, K_d$) | *Delay Time* ($T_d$) | *Rise Time* ($T_r$) | *Peak Time* ($T_p$) | *Settling Time* ($T_s$) | *Overshoot* (%) | *Steady State Error* |
|:------------------- |:------------------------------:|:--------------------:|:-------------------:|:-------------------:|:-----------------------:|:---------------:|:--------------------:|
| #1 (Sebelum Tuning) | $K_p$=0,5, $K_i$=2, $K_d$=0 (Secara acak) | 0,1s | 0,3s | 0,8s | 1,8s | 2,88 | 0 |
| #2 (Hanya $K_p$) | $K_p$=0.1, $K_i$=0, $K_d$=0 | 0,7s | 2,7s | 4,3s | 4,4s | 0 | 0 |
| #3 (Terjadi Osilasi Ekstrim) | $K_p$=0, $K_i$=1,5, $K_d$=0,2 | x | x | x | x | x | x |
| #4 (PID Optimal) | $K_p$=1, $K_i$=0, $K_d$=0 | 0 | 0 | 0,1s | 0,1s | 0 | 0 |

### 3.3 Uji Konsistensi (Repeatability Test)
*(Ambil Skenario #3 (Optimal), jalankan 5 kali atau lebih dari posisi diam ke setpoint).*

**Tabel 2. Statistik Konsistensi Kinerja (Misal N=5)**

| Percobaan Ke- | *Settling Time* ($T_s$) | *Overshoot* (%) |
|:------------------------------:|:-----------------------:|:---------------:|
| 1 | 0,1 | 0 |
| 2 | 0,1 | 0 |
| 3 | 0,1 | 0 |
| 4 | 0,1 | 0 |
| 5 | 0,1 | 0 |
| **Rata-rata ($\mu$)** | **0,1** | **0** |
| **Standar Deviasi ($\sigma$)** | **0** | **0** |

*(Nilai standar deviasi yang kecil menunjukkan sistem kelompok Anda reliabel, data valid, dan konsisten).*

### 3.4 Uji Gangguan (Disturbance Rejection)
Gambar di atas menunjukkan respons sistem dengan parameter $K_p$=1, $K_i$=0, $K_d$=0, yang menghasilkan kinerja yang paling optimal dengan settling time yang cepat dan tanpa overshoot.

Gambar di atas menunjukkan respons sistem dengan parameter $K_p$=0, $K_i$=1,5, $K_d$=0,5, yang terjadinya osilasi karena dominasi aksi integral tanpa penguatan proporsional, yang menyebabkan akumulasi error berlebih dan respon sistem menjadi tidak stabil.

* **Analisis:** Berapa detik waktu yang dibutuhkan sistem untuk kembali stabil (*Recovery Time*)?
Waktu yang dibutuhkan sistem untuk kembali stabil (recovery time) dapat dikatakan mendekati nol detik. Hal ini disebabkan karena aktuator yang digunakan adalah motor servo yang telah memiliki sistem kontrol internal, sehingga pergerakan dan posisi sudutnya sudah diatur secara presisi. Setelah sistem mencapai nilai set point, posisi servo dapat dipertahankan secara konsisten tanpa terjadi gangguan atau penyimpangan yang signifikan, sehingga tidak diperlukan waktu pemulihan tambahan.

---

## 4. Evaluasi dan Analisis Kinerja

### 4.1 Validasi Spesifikasi
Berdasarkan uji coba yang sudah dilakukan, sistem menunjukkan performa yang baik dan seluruh target berhasil dicapai. Settling time yang sudah didaparkan sebesar 0,1 detik, dengan standar deviasi nol, sudah jauh memenuhi target yang ditetapkan yaitu 0,2 detik. Selain itu, sistem tidak mengalami maximum overshoot sama sekali, dengan nilai rata-rata 0% dan standar deviansi 0%, sehingga kinerja respons transien berada jauh dibawah batas maksimum 2% yang ditargetkan.

### 4.2 Analisis Mendalam

1. **Analisis Pengaruh *Gain*:** Kp: peningkatan Kp membuat sistem lebih responsif pada grafik ditampilkan rise time dan settling time jauh lebih cepat, serta tidak muncul overshoot. Ki: Ki efektif untuk menghilangkan error steady-state namun nilai Ki yang besar menyebabkan akumulasi error berlebihan. Kd: pada skenario 3 Kd = 0,2 dan hasilnya tetap osilasi, jadi Kd hanya efektif jika dikombinasikan dengan Kp dan tidak berdiri sendiri.
2. **Analisis Stabilitas:**
a. Berdasarkan Uji Gangguan (Bab 3.4), seberapa tangguh sistem kelompok Anda? Apakah terjadi osilasi berlebih saat beban dilepas?

Pada sistem palang parkir kendaraan yang menggunakan motor servo dengan driver internal, kestabilan sistem sudah tercapai meskipun tanpa penerapan kendali PID eksternal. Hal ini disebabkan oleh servo yang telah memiliki sistem kontrol bawaan sehingga mampu menjaga posisi secara otomatis. Berdasarkan pengujian gangguan, sistem tetap stabil dan tidak mengalami osilasi berlebih saat beban dilepas. Peningkatan nilai Kp justru membuat respons palang menjadi lebih cepat dan tegas tanpa mengganggu kestabilan, sehingga pengaruh PID eksternal terhadap ketangguhan sistem relatif tidak signifikan.

b. Apakah metode *tuning* PID yang kelompok Anda gunakan sudah optimal untuk membuat sistem stabil dan mempertahankan kestabilannya?

Metode tuning PID yang digunakan dapat dikatakan optimal karena menghasilkan respons yang cepat, stabil, tanpa overshoot, dan tanpa error steady-state. Sistem juga tidak menunjukkan osilasi berkelanjutan sehingga kestabilan jangka panjang tetap terjaga. Namun, perlu dicatat bahwa pada sistem palang parkir yang menggunakan motor servo, kestabilan sebenarnya telah tercapai bahkan sebelum proses tuning dilakukan, karena servo memiliki driver dan sistem kontrol internal. Penambahan gain Kp eksternal berfungsi sebagai penyempurnaan respons dengan membuat pergerakan palang menjadi lebih cepat dan lebih tegas, sehingga performa sistem menjadi semakin optimal.
4. **Trade-off Desain:** Apa yang kelompok Anda korbankan untuk mencapai kestabilan? Sistem sudah stabil tanpa adanya trade-off tetapi, implementasi PID tidak terlalu signifikan dalam pencapaian kestabilan sistem
5. **Evaluasi Hardware:**
a. Apakah ada batasan fisik (seperti driver motor atau resolusi sensor rendah) yang menghambat pencapaian target sesuai desain?
Ada, sensor terkadang tidak selalu membaca jarak objek terhadap sensor dengan akurat, dikarenakan kemampuan memancarkan gelombang ultrasonic dan jenis material objek dapat mempengaruhi hasil pembacaan gelombang balik.
b. Apakah ada faktor mekanik (*gears, backlash*, gesekan) yang mengganggu hasil kendali?
Tidak ada, servo berjalan dengan lancar dan tidak mempengaruhi berjalannya sistem tersebut.
---

## 5. Kesimpulan dan Saran

### 5.1 Kesimpulan
1. Sistem kendali PID **berhasil** diimplementasikan pada sistem palang gerbang otomatis menggunakan arduino uno dan motor servo. Namun, karena motor servo sudah memiliki kontrol internal berbasis posisi, penerapan algoritma PID eksternal tidak memberikan pengaruh yang signifikan terhadap dinamika sistem.
2. Kinerja sistem mencapai $T_s = 0.1$ detik (< 0.2 detik target) dan Overshoot = $0\%$ (<2% target) dan, Steady-state error = $0\%$
3. Tingkat konsistensi sistem ditunjukkan dengan standar deviasi sebesar 0 pada 5 kali pengulangan meskipun demikian, pencapaian ini mencerminkan kemampuan servo internal daripada algoritma PID yang dirancang.

### 5.2 Saran Pengembangan
Untuk penelitian selanjutnya, disarankan agar aktuator pada sistem palang gerbang otomatis tidak menggunakan motor servo, melainkan diganti dengan motor DC yang dikendalikan melalui rangkaian driver. Hal ini dikarenakan motor servo telah memiliki sistem kontrol internal, sehingga respons dan kestabilan posisi sudah tercapai tanpa memerlukan pengendali PID eksternal. Akibatnya, penerapan dan analisis pengendali PID pada sistem ini menjadi kurang signifikan. Dengan menggunakan motor DC tanpa kontrol internal, pengaruh parameter PID terhadap performa sistem, seperti waktu tanggap, overshoot, dan kestabilan, dapat dianalisis secara lebih nyata dan komprehensif.

---

## Lampiran
* **Kode Program Utama (Arduino/C++):** *https://github.com/nrvaa/parking-gate.git*
* **Tautan Video Demonstrasi:*https://drive.google.com/drive/folders/1TO8_ykkc9muLHNMOuKmDp99ziA8-Hw9t?usp=sharing*
* **Dokumentasi Foto Alat:** *https://drive.google.com/drive/folders/1TO8_ykkc9muLHNMOuKmDp99ziA8-Hw9t?usp=sharing*

---

## Panduan Checklist Kelengkapan (Alat bantu saja untuk memastikan tidak ada yang terlewat. Sesuaikan dengan yang sebenarnya.)
- [x] Target Spesifikasi (Bab 1.3) terisi jelas.
- [x] Pemodelan Matematis ada (Bab 2.2).
- [x] Grafik Open Loop (Linearitas) ada (Bab 3.1).
- [x] Tabel Perbandingan minimal 3 variasi tuning ada (Bab 3.2).
- [x] Tabel Statistik Repeatability (5x data) ada (Bab 3.3).
- [x] Grafik Uji Gangguan ada (Bab 3.4).

## 6. Rubrik Penilaian dan Pembobotan
* **[PLO-3]** Kemampuan menyusun rancangan komponen, sistem dan/atau proses pada bidang teknik komputer untuk memenuhi kebutuhan yang diharapkan di dalam batasan-batasan realistis.
* **[CLO-2]:** Mampu menyusun rancangan dan menganalisis sistem kendali loop tertutup dari kondisi transien hingga steady state untuk mencapai kestabilan.

### A. RUBRIK TUGAS BESAR CLO 2 (*Design & Analysis*)
**Bobot:** 5% dari Nilai Akhir Mata Kuliah.

**Aspek 1: Desain Spesifikasi dan Pemodelan (40 Poin)**
| Level | Poin | Deskripsi Kriteria |
| :--- | :---: | :--- |
| **_Exemplary_** | **40** | Target spesifikasi ($T_s, M_p$) memiliki **alasan kuantitatif**. Diagram blok lengkap (*Closed-loop*) dan model matematis *Plant*, Z-N, atau PID dijelaskan dengan referensi yang benar. |
| **_Satisfactory_** | **30** | Diagram blok benar dan target spesifikasi ada. Alasan penetapan angka kurang kuat atau model matematis hanya bersifat umum. |
| **_Needs Improvement_** | **15** | Diagram blok tidak lengkap atau salah. Tidak ada target spesifikasi jelas, atau model matematis salah konsep. |
| **_Unsatisfactory_** | **0** | Tidak ada bab desain atau terindikasi plagiasi. |

**Aspek 2: Analisis Kritis Respon Transien (60 Poin)**
| Level | Poin | Deskripsi Kriteria |
| :--- | :---: | :--- |
| **_Exemplary_** | **60** | Analisis tajam menjelaskan **korelasi fisik** *gain* PID terhadap grafik ($T_d, T_r, T_p, M_p, T_s$). Menjelaskan *trade-off* desain dengan logis. |
| **_Satisfactory_** | **45** | Penjelasan benar secara teori namun bersifat **deskriptif** (hanya membaca grafik) tanpa analisis yang mendalam. |
| **_Needs Improvement_** | **25** | Analisis dangkal atau keliru. Kesimpulan bertentangan dengan data grafik. Hanya menyalin teori buku. |
| **_Unsatisfactory_** | **0** | Tidak ada analisis. |

---
---
* **[PLO-6]** Kemampuan menerapkan metode, keterampilan dan piranti teknik modern yang diperlukan untuk praktek keteknikan dalam bidang teknik komputer.
* **[CLO-3]:** Mampu menentukan dan menerapkan penggunaan kendali proporsional, integral, atau derivatif pada motor listrik untuk mencapai kestabilan.
---

### B. RUBRIK TUGAS BESAR CLO 3 (*Implementation & Tools*)
**Bobot:** 20% dari Nilai Akhir Mata Kuliah.

**Aspek 1: Metodologi *Tuning* dan Validitas Data (40 Poin)**
| Level | Poin | Deskripsi Kriteria |
| :--- | :---: | :--- |
| **_Exemplary_** | **40** | Ada grafik *Open-Loop*. Melakukan minimal **3 variasi *tuning***. Menyertakan bukti **Uji Repetisi (minimal 5x)** dengan standar deviasi kecil (data valid). |
| **_Satisfactory_** | **30** | Ada tuning PID dan alat jalan. Data perbandingan minim (<3) atau tidak ada uji repetisi (hanya sekali coba). |
| **_Needs Improvement_** | **15** | Metode tuning tidak jelas (*trial-error* acak). Grafik respon tidak jelas skalanya atau terlihat fiktif. |
| **_Unsatisfactory_** | **0** | Data fiktif atau tidak ada data. |

**Aspek 2: Kestabilan dan *Robustness* (30 Poin)**
| Level | Poin | Deskripsi Kriteria |
| :--- | :---: | :--- |
| **_Exemplary_** | **30** | Sistem stabil ($e_{ss} \approx 0$). Mampu ***Self-Recovery* (kembali stabil)** dengan cepat saat diberi gangguan fisik. Ada grafik bukti respon gangguan. |
| **_Satisfactory_** | **20** | Sistem stabil mencapai *setpoint*. Respon gangguan lambat atau berosilasi lama. Dokumentasi gangguan kurang jelas. |
| **_Needs Improvement_** | **10** | Sistem mencapai *setpoint*, tetapi tidak stabil (getar atau *drift*), gagal, atau berhenti saat diberi gangguan kecil. |
| **_Unsatisfactory_** | **0** | Alat tidak berfungsi. |

**Aspek 3: Demonstrasi Alat & Tanya Jawab (30 Poin) --> *Penilaian Individu***
| Level | Poin | Deskripsi Kriteria |
| :--- | :---: | :--- |
| **_Exemplary_** | **30** | Demo sempurna dan rapi. Mahasiswa menjawab pertanyaan teknis (seperti pemrograman dan rangkaian) dengan lancar dan paham secara mendetail. |
| **_Satisfactory_** | **20** | Demo ada kendala minor. Menjawab pertanyaan cukup baik meski ragu pada detail teknis. |
| **_Needs Improvement_** | **10** | Alat sering *error* saat demo. Mahasiswa bingung dengan alatnya sendiri (tidak menguasai). |
| **_Unsatisfactory_** | **0** | Tidak hadir demonstrasi dan presentasi. |

---