Metode Analitik Berbasis Filter Kalman Dengan Persamaan Constraint Linear State

Sejak era teknologi analog hingga teknologi digital, filtering merupakan isu penting yang selalu
menarik perhatian para pakar elektronika. Teknologi filtering yang terus berkembang sejak akhir Perang Dunia ke-2 membuat makin luasnya penggunaan filter. Salah satu jenis filter yang namanya makin dikenal sejak era 1960an ialah filter Kalman. Banyak penelitian yang telah dilakukan dalam mengembangkan filter Kalman, baik dalam modifikasi bentuk dasarnya maupun implementasinya di dunia keteknikan. Dalam pemodelan sistem dinamis sering kali terdapat hubungan antar state yang sulit dimasukkan ke dalam kerangka kerja filter Kalman. Biasanya constraint berupa persamaan state ini diabaikan begitu saja. Hal ini tentu saja bisa mengurangi akurasi estimasi state yang dihasilkan. Oleh karenanya dalam makalah ini dilakukan pendekatan analitik yang berusaha memasukkan constraint persamaan state ke dalam kerangka kerja filter Kalman. Constraint state yang digunakan pada makalah
ini merupakan constraint linear dengan parameter konstan. Dari hasil simulasi diperoleh bahwa kinerja estimasi filter Kalman ber-constraint selalu lebih efektif daripada filter Kalman tanpa constraint . Untuk pemberian nilai parameter awal tertentu, ternyata nilai RMS (root mean square) eror estimasi filter Kalman ber-constraint (baik W=I maupun W = Σ−1) mempunyai nilai akurasi 4 kali lebih baik daripada filter Kalman tanpa constraint .