Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Listrik yang dihasilkan oleh pembangkit listrik tenaga mikrohidro harus mempunyai frekuensi yang selalu berada pada daerah kerja yang diperbolehkan walaupun terjadi perubahan beban. Mekanisme pengontrolannya yaitu menggunakan dc servomotor sebagai penggerak untuk mengatur posisi bukaan gate sehingga aliran air yang masuk dapat disesuaikan dengan beban konsumen. Sistem PLTMH sangat kompleks dan mempunyai kerakteristik non linier maka digunakan pengendali model predictive control (MPC). Dengan menggunakan MPC keluaran sistem dapat diprediksi dalam rentang waktu yang telah ditentukan sehingga respon sistem cepat. MPC juga dapat memprediksi gangguan yang terukur sehingga waktu yang diperlukan sistem dalam mengatasi perubahan beban menjadi lebih cepat. Di samping itu, MPC dapat menyuguhkan nilai lebih berupa kemampuannya dalam memberikan batasan-batasan (constraints) baik untuk sinyal kendali maupun untuk keluaran sistem. Hasil simulasi yang dilakukan dengan menggunakan program bantu MATLABSIMULINK menunjukkan, bahwa keluaran sistem dengan pengendali MPC tanpa constraint selalu dapat mengikuti trayektori acuan yang diberikan, serta mampu mengatasi gangguan dengan cepat. Perbandingan kinerja pengendalian juga dilakukan antara algoritma MPC tanpa constraint dengan PID dan formula Ackermann, dimana algoritma MPC tanpa constraint menunjukkan performa yang lebih baik. ......Electricity generated by micro hydro power plant must have a frequency that is always in the working area allowed despite load changes. The controller mechanism used dc servomotor as an actuator to adjust the gate opening position, so that the incoming water flow can be adjusted with the consumer load. MHP system is very complex and has non linear characteristics, so that model predictive control (MPC) must be used. By using the MPC, system output can be predicted in the timeframe had been set so the system response will be fast. MPC can also predict the measurable disturbance, so the time needed to cope with changes in system load faster. Moreover, the MPC could deliver more value in the form of its ability in providing constraints for both control signals and system output. The simulation results taken using MATLAB-SIMULINK software show that the system output with MPC unconstraint controller always follow the reference trajectory. Comparing control performance is also taken between the MPC unconstraint algorithm, PID and Ackermann formula, in which the MPC unconstraint algorithm shows the better performance.

Abstrak :
Listrik yang dihasilkan oleh pembangkit listrik tenaga mikrohidro harus mempunyai frekuensi yang selalu berada pada daerah kerja yang diperbolehkan walaupun terjadi perubahan beban. Mekanisme pengontrolannya yaitu menggunakan dc servomotor sebagai penggerak untuk mengatur posisi bukaan gate sehingga aliran air yang masuk dapat disesuaikan dengan beban konsumen. Sistem PLTMH sangat kompleks dan mempunyai kerakteristik non linier maka digunakan pengendali model predictive control (MPC). Dengan menggunakan MPC keluaran sistem dapat diprediksi dalam rentang waktu yang telah ditentukan sehingga respon sistem cepat. MPC juga dapat memprediksi gangguan yang terukur sehingga waktu yang diperlukan sistem dalam mengatasi perubahan beban menjadi lebih cepat. Di samping itu, MPC dapat menyuguhkan nilai lebih berupa kemampuannya dalam memberikan batasan-batasan (constraints) baik untuk sinyal kendali maupun untuk keluaran sistem. Hasil simulasi yang dilakukan dengan menggunakan program bantu MATLABSIMULINK menunjukkan, bahwa keluaran sistem dengan pengendali MPC tanpa constraint selalu dapat mengikuti trayektori acuan yang diberikan, serta mampu mengatasi gangguan dengan cepat. Perbandingan kinerja pengendalian juga dilakukan antara algoritma MPC tanpa constraint dengan PID dan formula Ackermann, dimana algoritma MPC tanpa constraint menunjukkan performa yang lebih baik.

---

Electricity generated by micro hydro power plant must have a frequency that is always in the working area allowed despite load changes. The controller mechanism used dc servomotor as an actuator to adjust the gate opening position, so that the incoming water flow can be adjusted with the consumer load. MHP system is very complex and has non linear characteristics, so that model predictive control (MPC) must be used. By using the MPC, system output can be predicted in the timeframe had been set so the system response will be fast. MPC can also predict the measurable disturbance, so the time needed to cope with changes in system load faster. Moreover, the MPC could deliver more value in the form of its ability in providing constraints for both control signals and system output. The simulation results taken using MATLAB-SIMULINK software show that the system output with MPC unconstraint controller always follow the reference trajectory. Comparing control performance is also taken between the MPC unconstraint algorithm, PID and Ackermann formula, in which the MPC unconstraint algorithm shows the better performance.

Abstrak :
Moda transportasi kereta merupakan transportasi umum yang cukup diminati penduduk Indonesia. Namun, Moda transportasi ini masih sedikit menggunakan energi yang bersih. Kereta Api jarak jauh Indonesia masih menggunakan diesel. Bahan bakar diesel tentunya merupakan energi konvensional yang penggunaannya ingin dikurangi oleh dunia. Salah satu solusinya adalah dengan mengurangi pengurangan diesel pada kereta api jarak jauh. Untuk mengurangi penggunaan bahan bakar dan mengurangi emisi dari mesin, maka kereta api bisa dibuat secara hibrid dengan menggabungkan mesin diesel dengan sumber energi listrik, seperti baterai. Kereta hibrid memerlukan EMS (Energy Management System) untuk mengatur energi apa yang dipakai dengan cara yang optimal. Salah satu basis dari EMS ini adalah MPC (Model Predictive Control). Salah satu hal yang menjadi pertimbangan dari Model Predictive Control adalah prediktor nya. Dengan perkembangan Deep Learning, Long Short Term Memory Neural Network (LSTM) dikenal baik untuk memodelkan data sequence. LSTM bisa membuat model prediksi kecepatan dengan data yang telah dikumpulkan. Dengan prediksi daya yang akurat, Model Predictive Control bisa menghasilkan kontrol EMS yang lebih ekonomis dengan biaya komputasi yang bisa diimplementasikan. ......The train mode of transportation is public transportation that is quite attractive to the Indonesian population. However, this mode of transportation still uses little clean energy. Indonesian long-distance trains still use diesel. Diesel fuel is of course a conventional energy whose use the world wants to reduce. One solution is to reduce diesel reduction on long-distance trains. To reduce fuel use and reduce emissions from the engine, a hybrid train can be made by combining a diesel engine with a source of electrical energy, such as a battery. Hybrid trains require an EMS (Energy Management System) to regulate what energy is used in an optimal way. One of the bases of this EMS is MPC (Model Predictive Control). One of the things to consider in the Predictive Control Model is its predictors. With the development of Deep Learning, Long Short Term Memory Network (LSTM) is well known for modeling data sequences. LSTM can create a speed prediction model with the data that has been collected. With accurate power predictions, the Predictive Control Model can produce EMS control that is more economical with computational costs that can be implemented.

Abstrak :
Model sistem tata udara presisi dimodelkan sebagai sebuah sistem multivariable dengan dua output yaitu temperature dan kelembaban dan dua input yaitu kecepatan putaran motor dan bukaan valve. Pada model ini ada masalah coupling diantara input dan outputnya. Model Predictive Control (MPC) adalah salah satu cara untuk mengatasi masalah coupling dalam sistem multivariable. Pengendali MPC dirancang tanpa constraints untuk menentukan agoritma yang handal. Dari hasil simulasi nampak bahwa parameter-parameter pengendali yang terbaik adalah horizon Hp=10, Hu=4, matrik pembobotan R=0.1, dan Q=3. Dengan parameter ini respon keluarannya mengikuti sinyal set point.

---

Precision Air Conditioning model is defined as a multivariable system with two outputs Temperature and humidity and two inputs, the speed of motor compressor and valve opening. There will be a coupling problem between inputs and outputs. Model Predictive control (MPC) is a way to counter a coupling problems in multivariable system. MPC controller is designed without constraints addition to determine the reliable algorithm. From the simulation result, it can be seen that the best parameters controller are horizon Hp=10, Hu=4, weighting matrix R=0.1 and Q=3. In this parameter, the output response equal to the trajectory or set point signal.

Abstrak :
Sistem kendali pressurizer merupakan hal penting dalam operasional dan keselamatan PLTN type PWR. Pengendalian dilakukan agar tekanan didalam pressurizer tetap konstan dan heater selalu terendam dalam air. Dilakukan desain kendali pressurizer dengan menggunakan LQR( Linear Quadratic Regulator ) dan Explicit-MPC (Model Predictive Control) sebagai alternative kendali pressurizer, yang selama ini menggunakan PI (Proporsional Integral). Kendali Explicit-MPC berbentuk lookup tabel yang diperoleh menggunakan optimasi multiparametric programming dengan memperhatikan semua batasan input, output dan state. Hasil simulasi kendali LQR menunjukkan tekanan pressurizer dapat mengikuti setpoint saat naik dan tidak bisa mengikuti setpoint saat tekanan turun karena adanya batas saturasi dari sinyal kendali spray 0-36 kg/s dan heater 0-1600 kW. Simulasi Explicit?MPC menunjukkan kendali ini dapat digunakan untuk menaikkan dan menurunkan tekanan mengikuti perubahan setpoint walaupun ada batasan saturasi sinyal kendali. Tidak terjadi overshoot saat tekanan naik mengikuti perubahan setpoint 154-156 bar. Explicit-MPC juga dapat digunakan untuk menjaga tekanan tetap konstan dari gangguan surge dengan errror steady state sebesar 0.021%. ...... The pressurizer control system is an important thing in operation and safety of PWR nuclear power plants It is designed in order to keep pressure of pressurizer constant and heater always submerged in water.LQR (Linear Quadratic Regulator) and Explicit-MPC (Model Predictive Control) have been used as control methods instead of PI (Proportional Integral ) control. Explicit-MPC is realized using lookup table that is obtained from multiparametric programming by taking into account all constraints of input, output and state. Simulation results show that LQR control of pressurizer can follow setpoint while ascending and can't follow while setpoint pressure down because of the saturation of control signals spray 0-36 kg/s and heater 0-1600 kW. Explicit-MPC has resulted no overshoot response and followed setpoint change setpoint 154-156 bar. Explicit-MPC could be used to maintain pressure during surge disturbance with steady state error 0.021 %.

Abstrak :
Kebutuhan energi di dunia semakin meningkat. Hal ini mendorong terbentuknya penelitian berbasisi Energi Baru dan Terbarukan (EBT) salah seperti biomassa dan salah satunya adalah biohidrogen. Unit penting dalam proses pembuatan biohidrogen adalah gasifier dan char combustor. Gasifier adalah unit reaksi pembentukan biohidrogen. Untuk mengoptimasi kinerja unit proses awal pabrik bioidrogen dari biomassa ini maka akan dipasangkan sistem pengendalian dengan metode MPC. Pengendali MPC bergantung pada model empirik FOPDT yang diperoleh dengan melakukan identifikasi sistem. Pemodelan empirik melalui PRC menghasilkan pengendali MPC yang tidak lebih baik dari pengendali PI. Setelah dilakukan MPC tuning dan reidentifikasi, kinerja MPC menjadi lebih baik dibandingkan PI. Hal tersebut ditunjukkan dengan nilai IAE yang kecil. Untuk IAE pada pengendalia suhu gasifier nilaie IAE nya 184,47 dengan kenaikan performa pengendalia 100% disbanding PI, untuk char combustor IAEnya sebesar 61,12 dengan kenaikan performa pengendali sebesar 78,9% dan pada unit cooler IAEnya menjadi 12,76 dengan kenaikan kinerja pengendali 81,11%. Hal tersebut menjadikan kinerja pengendali meningkat 70% hingga 80% dan ketigaya dapat bekerja dengan baik pada proses menyeluruh.

---

Need of energy source increasing each year. It lead researcher to find another source of newable and renewabale energy such biomass energy based as an example biohydrogen. The important proses unit in biohydrogen plant is gasifier and char combustor. Gasifer is reactor that produce biohydrogen from biomethane. To optimize plant performance, plant will utilize with proses control equipment with MPC method. MPC controller depend on empirical model from system identification. Result of empirical modeling with PRC method is MPC model that has not better performance than PI method controller. But, after MPC tuning and reidentification of empirical model, the MPC controller have better performance than PI method. It proven by smaller IAE number. In gasifier IAe humber is 184.47%, it has 100% increases of performances char combustor temperature control the IAE number is 61,12%, it performance is increase in 78%. IAE number in cooler is 12,67 it performance is increase 81,18% . It make proses control performance increase for 70% up to 80%. Proses Control work very well in overall process.

Abstrak :
Seiring berkembangnnya teknologi, energi listrik menjadi semakin penting. Setiap aspek yang menggerakan dunia pada era ini bergantung dengan adanya energi ini. Namun salah satu sumber terbesar dari energi ini menghasilkan gas rumah kaca yang memicu pemanasan global. Oleh karena itu, muncul banyak dorongan untuk meminimalisasi kegunaan bahan bakar tak terbarukan yang salah satunya adalah bahan bakar disel. Bahan bakar ini sangat penting untuk menggerakan transportasi. Maka dari itu diperlukannya perkembangan dalam kendaraan hibrid, dimana kegunaan mesin diesel dapat diturunkan dan secara langsung menurunkan emisi gas rumah kaca. Dalam ranah itu, Model Predictive Control mulai dikembangkan untuk mengendalikan distribusi daya pada kendaraan hibrid. Dengan mengoptimasi kegunaan mesin diesel maka konsumsi dari bahan bakar juga semakin minim. Dengan perkembangan strategi ini, sebuah long shrinking horizon diakomodasikan pada strategi MPC biasa dengan sampling time yang lebih panjang. Penambahan ini menghasilkan sebuah pengendali MPC yang dapat melakukan optimasi terhadap keseluruhan perjalanan dan mendapatkan hasil yang lebih efisien dengan dengan mengorbankan waktu komputas. Setelah melakukan simulasi, MH-MPC dapat menggunakan baterai untuk 44.13% perjalanan sedangakan MPC biasa hanya dapat mengguanakan 33.53% ......With the development of technology, the need of electricity has been even more evident. Every aspect that governs the world revolves around this energy. However, one of the biggest sources of energy is also one of the biggest contributors to the emission of green house gasses. With that in mind, there has been a major push in the effort of minimizing the usage of these sources, one of them being diesel. This fuel is very important especially in the realms of transportation. With that being the case, the need of hybrid vehicles is becoming more relevant in which, the usage of the diesel engine will be reduced as will the emission of green house gasses. In this realm, the usage of Model predictive controllers has been heavily researched as a Energy Management System. One of the outcomes of this research is an additional shrinking horizon to add on the conventional MPCs. This addition creates a Model Predictive Controller that can essentially optimize the condition for the entire trip in exchange for computational effort. After the simulations, the MHMPC is able to use the battery for 44.13% of the trip while the conventional MPC is only able to achieve 33.53%.

Abstrak :
Sistem tata udara presisi atau yang lebih dikenal dengan Precision Air Conditioning (PAC) merupakan mesin refrigerasi yang bekerja berdasarkan konsep termodinamika. Sistem tata udara presisi digunakan di ruang pusat data untuk menjaga temperatur dan kelembaban di dalam kabinet agar peralatan IT di dalam kabinet tidak cepat rusak. Temperatur ideal yang harus dicapai di dalam kabinet berkisar antara 20º - 25ºC, sedangkan kelembaban relatif (RH) yang harus dijaga di dalam kabinet berkisar antara 45-55%. Namun untuk mencapai keadaan tersebut, dibutuhkan pengendalian sistem supaya sistem dapat bekerja dengan keluaran seperti yang diinginkan. Model predictive control merupakan salah satu metode pengendali prediktif yang populer digunakan di dunia indutri. Sistem tata udara presisi yang dikendalikan dalam penelitian ini merupakan sistem multi input single output (MISO) dengan masukan berupa kecepatan putaran kipas kompresor dan kecepatan aliran udara volumetrik, dan keluaran yang dikendalikan adalah suhu keluaran dari kondenser kedua yang menuju kabinet dari sistem tata udara presisi. Diuji tiga model sistem tata udara presisi, model linier, model nonlinier tanpa beban heat sensible peralatan IT, dan model nonlinier dengan beban sensible peralatan IT yang divariasikan dengan pendekatan model linier biasa hasil identifikasi PO-MOESP dan model linier dengan vektor bias hasil identifikasi menggunakan metode kuadrat terkecil. Hasil pengendalian MPC untuk ketiga plant sistem tata udara presisi menujukkan performa yang baik dalam pengendalian, dilihat dari keluaran sistem yang mengikuti trajektori acuan yang diberikan.

---

Precision Air Conditioning (PAC) is a refrigerant machine that works based on thermodynamics concept. PAC is in implemented data center in order to stabilize the temperature and the humidity in cabinet in order to prevent IT damage integrated in the cabinet. The desired ideal temperature for the cabinet is from 20oC to 25oC and the desired relative humidity (RH) is from 45-55%. However, to achieve such a state, it takes control of the system so that the system can work with the output as desired. Model predictive control is a predictive control method which is popularly used in industries world. Precision air conditioning system are controlled in this study is a multi-input single output (MISO) system with input in the form of fan rotation speed of the compressor and the air volumetric flow rate, and the controlled output is the temperature of the output of the second condenser to the cabinet of the precision air conditioning system. Tested three models of precision air conditioning system, linear models, nonlinear models without the burden of sensible heat IT equipment, and nonlinear models with variation of sensible heat IT equipment load with ordinary linear model approach to the identification of PO-MOESP and linear models with bias the results of identification using the method least squares. MPC control results for the third plant of PAC systems showed good performance in control, viewed from the system output to follow a given reference trajectory.

Abstrak :
Latar Belakang : Siprofloksasin adalah salah satu antibiotik yang paling banyak digunakan untuk mengobati ISK yang paling sering disebabkan oleh Escherichia coli. Nilai konsentrasi hambat minimum (KHM)/ minimal inhibitory concentration (MIC) digunakan sebagai uji kepekaan kuantitatif yang rutin dilakukan di laboratorium mikrobiologi. Sehubungan dengan meningkatnya resistensi siprofloksasin pada pasien ISK, perlu dilakukan evaluasi batas ambang uji KHM/MIC sebagai dasar penentuan dosis siprofloksasin sesuai farmakokinetik dan farmakodinamiknya. Dilihat juga riwayat ISK berulang dan penggunaan antibiotika 3 bulan terakhir sebagai faktor risiko yang mempengaruhi terjadinya peningkatan nilai KHM/MIC. Metode : Studi potong lintang dengan eksperimental laboratorium dilakukan pada tahun 2019-2020. Isolasi uropatogen dilakukan pada 106 sampel urin pasien dengan diagnosis klinis ISK yang berobat ke Puskesmas dan RSUD di kota Tangerang Selatan, serta beberapa RS di Jakarta. Uji kepekaan dilakukan dengan melihat nilai KHM/MIC beberapa antibiotik untuk ISK. Selanjutnya dilakukan uji Mutant Prevention Concentration (MPC) siprofloksasin terhadap E. coli, dengan cara menilai konsentrasi siprofloksasin terendah yang mampu membunuh 1010 koloni E. coli yang ditumbuhkan pada agar Mueller-Hinton, yang diinkubasi pada suhu 370C sampai dengan 96 jam. Nilai MPC dibandingkan dengan peningkatan nilai KHM/MIC dan faktor risiko yang mempengaruhinya. Hasil : Hasil kultur urin ≥100.000 CFU/ml ditemukan pada 95 (89,6%) dari 106 pasien dewasa dengan diagnosis klinis ISK, yang terdiri dari 67,4% perempuan dan 32,6% laki-laki. E. coli merupakan penyebab terbanyak ISK yaitu 58,6%, dengan 36,2% isolat terdeteksi sebagai ESBL. Pola kepekaan siprofloksasin pada E. coli kurang dari 50%, dan lebih rendah lagi pada bakteri ESBL. Mutan E. coli ditemukan di semua isolat yang sensitif, terutama pada nilai KHM/MIC yang berada di batas ambang yang sensitif. Riwayat penggunaan antibiotik 3 bulan terakhir lebih tinggi risikonya dibandingkan riwayat ISK berulang untuk peningkatan nilai KHM/MIC pada mutan E. coli resisten siprofloksasin. Kesimpulan : Penggunaan siprofloksasin untuk pengobatan ISK harus digunakan secara bijak. Nilai batas ambang sensitif KHM/MIC perlu diturunkan untuk mencegah kegagalan terapi disebabkan keberadaan mutan E. coli resisten siprofloksasin. Riwayat penggunaan antibiotik 3 bulan terakhir dan ISK berulang berisiko untuk peningkatan nilai KHM/MIC pada mutan E. coli resisten siprofloksasin ......Background : Ciprofloxacin is one of the most widely used antibiotics to treat the UTIs commonly caused by Escherichia coli. Minimum inhibitory concentration (MIC) value is used as a quantitative susceptibility test, routinely carried out in the microbiology laboratory. Due to the increasing resistance of ciprofloxacin in UTI patients, it is necessary to evaluate the MIC threshold as a basis for determining the dose of ciprofloxacin accordingly to pharmacokinetics and pharmacodynamics. Assessment of recurrent UTI and antibiotic used in the last 3 months is also conducted as risk factors affecting the increase of MIC value. Methods : A cross-sectional study and laboratory experiments were conducted in 2019-2020. Isolation of uropathogen was conducted on 106 urine samples from patients with a clinical diagnosis of UTI who went to the community health centre and regional hospital in South Tangerang, as well as several hospitals in Jakarta. Susceptibility testing was performed to detect the MIC value of several antibiotics for UTIs. After that, the Mutant Prevention Concentration (MPC) test of ciprofloxacin was carried out against E. coli, by assessing the lowest ciprofloxacin concentration which was able to kill 1010 E. coli colonies grown on Mueller-Hinton agar, incubated at 370C for up to 96 hours. The MPC value is compared with the increasing MIC value and the risk factors that influence it. Results : Urine culture results of ≥100,000 CFU/ ml were found in 95 (89.6%) of 106 adult patients with a clinical diagnosis of UTI, consisting of 67.4% female and 32.6% male. E. coli was the most common cause of UTI, i.e. 58.6%, including 36.2% of the isolates detected as ESBL. The sensitivity pattern of ciprofloxacin against E. coli was less than 50%, and lower in ESBL bacteria. E. coli mutants were found in all sensitive isolates, especially in isolates with MIC value on the sensitivity threshold. Antibiotics used in the last 3 months had a higher risk than recurrent UTIs for increasing MIC values in E. coli mutants resistant to ciprofloxacin. Conclusion : The use of ciprofloxacin for the treatment of UTIs must be used wisely. The sensitivity threshold of MIC value should be reduced to prevent treatment failure due to the presence of E. coli mutants resistant to ciprofloxacin. Antibiotics used for the last 3 months and recurrent UTIs are at risk for increasing of MIC values in E. coli mutants resistant to ciprofloxacin.

Abstrak :
Perawatan dengan injeksi insulin secara kontinu setiap harinya diperlukan bagi penderita Diabetes Mellitus tipe I yang telah kronis, di mana pankreas sama sekali tidak menghasilkan insulin, untuk mengontrol kadar gula darahnya. Model minimal Bergman terdiri dari tiga persamaan diferensial yang memodelkan dengan cukup akurat penderita DM tipe I sesederhana mungkin. Simulai model ini dilakukan dengan memberikan sinyal masukan laju insulin dengan batasan antara 0 sampai 100 mU/min dan gangguan glukosa makanan dimodelkan sebagai fungsi eksponensial 1,157 exp(-0,05.t) mmol/L.min yang dimulai pada menit ke-100, dengan batasan perubahan laju insulin eksternal yang merupakan sinyal kendali sistem sebesar ± 16,667 mU/min. Sinyal masukan insulin diberikan untuk mengurangi kadar gula darah, tetapi tetap menjaga agar tidak terjadi hypoglycemia (< 3,33 mmol/L). Perancangan pengendali MPC (Model Predictive Control) dengan constraints yang berbasiskan metode aktif set menggunakan persamaan ruang keadaan linier, dan analisa simulasi dilakukan dengan mengubah parameter-parameter pengendali berupa control horizon, prediction horizon, batas maksimal dan batas minimal sinyal kendali serta matriks bobot R dan Q.

---

Diabetes Mellitus refers to condition in which the pancreas produces no effective insulin. Treatment consist of daily injection or continuous infusions of insulin to maintain blood glucose levels between critical values (3,33 ? 6,67 mmol/L). The Bergman minimal model consist of three differential equations as powerful modeling to describe the dynamics of type 1 diabetic system as simply as possible. This simulation model is done by giving inputs are the manipulated insulin infusion rate with range between 0 and 100 mU/min, and the meal glucose disturbance described as exponential function (1,157 exp(-0,05.t) mmol/L.min) and simulated at minute 100. The manipulated insulin infusion rate is given for prevention of long-term complications due to hyperglycemia and hypoglycemia (<3,33 mmol/L). MPC (Model Predictive Control) with constraints is designed based on active set method using linier state space equation and analyze the simulation by altering controller parameters are control horizon (Hu), prediction horizon (Hp), maximum and minimum of control signal (Umaks and Umin), and also weight matrix of R and Q.