Model Deteksi Single Event Latchup pada Satelit LAPAN-A1 menggunakan Jaringan Syaraf Tiruan Backpropagation

Abstract

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.