<![CDATA[Motor DC banyak digunakan dalam sistem penggerak industri sehingga membutuhkan sistem kendali kecepatan yang presisi dan stabil terhadap gangguan. Kontroler Proportional Integral Derivative (PID) merupakan metode yang umum digunakan, namun performanya sangat bergantung pada proses penalaan parameter. Penelitian ini mengusulkan penalaan parameter PID menggunakan algoritma Ant Colony Optimization (ACO) berbasis model matematis motor DC hasil identifikasi sistem. Model dinamis motor DC diperoleh melalui pendekatan black-box system identification menggunakan sinyal Pseudo Random Binary Sequence (PRBS) sebagai masukan dan kecepatan putar (RPM) sebagai keluaran. Struktur model AutoRegressive with eXogenous Input (ARX) digunakan dan diestimasi menggunakan metode Recursive Least Squares (RLS). Hasil identifikasi menghasilkan model diskrit dengan nilai best fit sebesar 92,43%. Parameter PID awal diperoleh melalui autotuning MATLAB dan selanjutnya dioptimasi menggunakan algoritma ACO dengan fungsi objektif Integral of Time-weighted Absolute Error (ITAE). Hasil optimasi menghasilkan parameter optimal ?? = ?.?????, ?? = ?.?????, dan ?? = ?.??????. Hasil simulasi menunjukkan bahwa kontroler PID berbasis ACO mampu menghasilkan rise time dan settling time yang lebih cepat serta overshoot yang lebih kecil dibandingkan metode autotuning. Pengujian pada sistem nyata juga menunjukkan bahwa kontroler PID hasil ACO memiliki performa yang baik dalam mengikuti setpoint dan menolak gangguan beban. Dengan demikian, algoritma ACO terbukti efektif dalam meningkatkan performa kontrol kecepatan motor DC. Kata Kunci — ACO, Arduino, MATLAB, Motor DC, PID, PRBS. ]]>
