Optimalisasi Katalog Bintang Untuk Navigasi Sikap Satelit Menggunakan Metode Clustering Berbasis Densitas

Abstract

Membuat katalog bintang yang optimal merupakan hal yang penting dalam aplikasi sensor bintang. Sensor bintang sebagai sensor navigasi sikap satelit membutuhkan akurasi serta kecepatan memberikan informasi sikap satelit yang tinggi. Ukuran katalog yang besar dapat memberikan akurasi yang tinggi namun kecepatan proses identifikasi bintang menjadi lebih lambat. Akibat kedua faktor tersebut, maka diperlukan suatu katalog bintang yang optimal. Pada prinsipnya, katalog baru dibuat dengan cara mengurangi jumlah bintang dari katalog dasar. Teknik sederhana yang umum digunakan untuk mengurangi jumlah bintang adalah menggunakan Magnitude Filtering Method (MFM) yaitu mengurangi jumlah bintang dengan caro menapis daftar bintang berdasarkan nilai magnitudo tertentu yang tergantung pada sensitivitas sensor. Namun, teknik ini mempunyai kekurangan yaitu bintang dalam katalog tidak terdistribusi secara merata yang bisa menggagalkan proses identifikasi bintang di setiap arah bore sight Field of View (FOV). Dalam penelitian ini, diusulkan metode baru untuk menghasilkan katalog bintang menggunakan metode clustering berbasis densitas yaitu DBSCAN (Density-based Spatial Clustering of Application with Noise). Dengan menggunakan metode clustering berbasis densitas, bintang-bintang pada daerah dengan densitas tinggi akan teridentifikasi dalam cluster-cluster bintang. Reduksi jumlah bintang dilakukan dengan menyimpan bintang yang paling terang pada setiap cluster. Kandidat bintang navigasi dipilih semua bintang paling terang yang tersisa dari hasil reduksi ditambah dengan semua bintang yang bukan anggota cluster. Simulasi Monte Carlo dilakukan dengan membangkitkan FOV acak untuk melakukan pengujian keseragaman katalog baru. Proses identifikasi bintang menggunakan metode segitiga diterapkan untuk menghitung waktu proses identifikasi. Hasil penelitian menunjukkan bahwa metode clustering menggunakan algoritme DBSCAN menghasilkan katalog bintang yang optimal yang menghasilkan 840 bintang dengan akurasi 96%. Kesimpulan yang diperoleh adalah bahwa metode clustering berbasis densitas merupakan metode yang menjanjikan untuk digunakan dalam memilih bintang navigasi untuk bintang membuat katalog bintang. .