Model Deteksi Single Event Latchup pada Satelit LAPAN-A1 menggunakan Jaringan Syaraf Tiruan Backpropagation
View/ Open
Date
2017Author
Herawan, Agus
Seminar, Boro Kudang
Kusuma, Ananta Wisnu
Metadata
Show full item recordAbstract
Satelit-satelit yang ditempatkan di orbit rendah dan orbit tinggi sering
mengalami kejadian anomali operasional baik pada sistem maupun pada sub sistem
satelit, mulai dari kegagalan fungsi instrumen yang ringan hingga dapat dipulihkan
(recovery) dalam waktu tertentu hingga kerusakan berat yang menyebabkan
instrumen sehingga menyebabkan misi satelit mengalami kegagalan total. Kasus
satelit mengalami latchup seringkali di temukan pada satelit-satelit yang beroperasi
pada orbit polar. Namun permasalahan yang muncul adalah kondisi satelit sering
berubah-ubah sehingga operator belum bisa mengantisipasi kondisi tersebut. Oleh
sebab itu, model prediksi kondisi satelit dapat berperan sebagai early warning
terhadap operator satelit untuk mempersiapkan strategi yang berkaitan dengan
kebijakan preventif terkait pencegahan ketika satelit mengalami kondisi tidak normal.
Tujuan pada penelitian ini adalah menerapkan Jaringan Syaraf Tiruan (JST)
Propagasi Balik dalam mendeteksi kondisi latchup pada satelit LAPAN-A1, serta
mengetahui tingkat akurasi dari proses deteksi tersebut sehingga diperoleh parameter
dan arsitektur jaringan JST terbaik.
Pada penelitian ini dibuat model prediksi single event latchup pada satelit
LAPAN-A1 dengan jaringan saraf tiruan (artificial neural network) metode
propagasi balik (backpropagation). Proses pembelajaran dan pengujian JST
menggunakan data kejadian latchup tahun 2009 sampai 2014. Arsitektur JST yang
digunakan adalah jumlah node input 4, dua hidden layer, jumlah node lapisan
tersembunyi (hidden neuron) divariasikan pada nilai 5, 10, 15 dan 20. Parameter
yang akan diberikan pada proses pembelajaran antara lain adalah fungsi aktivasi,
toleransi galat, jumlah epoch maksimal dan variasi nilai laju pembelajaran (learning
rate). Empat parameter input yang digunakan yakni elektron (mep0e1), proton
(mep0p1), indeks Kp serta indeks Dst. Hasil penelitian menunjukkan bahwa
arsitektur jaringan syaraf terbaik dihasilkan oleh jaringan dengan jumlah input node
empat, hidden neuron 20 dan 10, nilai learning rate sebesar 0.05 dengan 306 epoch,
menghasilan rata-rata akurasi sebesar 98.13%, serta nilai precision dan recall sebesar
98.21% dan 94.81%.
Sistem aplikasi dilengkapi dengan bagian front end dan back-end. Bagian
front-end yang berhubungan dengan pengguna yakni menerima input dan
memvisualisasikan output. bagian back-end merupakan jaringan syaraf tiruan yang
mampu mendeteksi kondisi satelit pada kelas data baru. Sistem aplikasi ini
bermanfaat untuk melakukan prediksi ketika sistem dimasukkan data baru, sehingga
sistem mampu menampilkan hasil kelas prediksi yaitu kelas normal atau kelas single
event latchup pada data baru. Hasil penelitian ini menunjukkan bahwa penerapan
jaringan syaraf tiruan backpropagation dalam melakukan deteksi latchup dapat
membantu operator satelit untuk mengantisipasi datangnya kejadian latchup.