Pengembangan Model Jaringan Syaraf Tiruan untuk Mendeteksi Anomali Satelit LAPAN-TUBSAT

Abstract

Kasus satelit mengalami anomali 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 deteksi kondisi satelit dapat berperan sebagai early warning operator satelit untuk mempersiapkan strategi yang berkaitan dengan kebijakan preventif terkait pencegahan ketika satelit mengalami kondisi tidak normal. Tujuan penelitian ini adalah menerapkan Jaringan Syaraf Tiruan (JST) bakcpropagation dalam mendeteksi kondisi anomali pada satelit LAPAN-TUBSAT, serta mengetahui tingkat akurasi dari proses deteksi tersebut sehingga diperoleh parameter dan arsitektur jaringan JST terbaik. Proses pembelajaran dan pengujian JST menggunakan data kejadian anomali 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 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%.

Keywords

• satelit
• backpropagation
• jst
• lapan-tubsat
• learning rate