Pengembangan Model Jaringan Syaraf Tiruan untuk Mendeteksi Anomali Satelit LAPAN-TUBSAT
DOI:
https://doi.org/10.26418/jp.v5i2.32764Keywords:
Satelit, Backpropagation, JST, LAPAN-TUBSAT, Learning RateAbstract
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%.
References
Ahmad N, "Charging phenomena on LAPAN-A1 satellite", In Proceeding of IWSWI Conference, pp. 39-43, 2010
Y. Xue, S. Yang, Z.Chao, D. Ba, H. An, L. Chen, G. Gue, "Investigation Of Single Event Anomali", Journal of Nuclear Techniques, vol. 35, no. 9, pp. 692-697, 2012.
N. Najati, "Effect of space environment disturbance in LAPAN-TUBSAT satellite", Journal of Aerospace Technology, vol. 10, no. 1, pp. 21-26, 2012.
N. Ahmad, Neflia, " Analisis Kondisi Antariksa di Orbit LAPAN-A2 Menjelak Puncak Aktivitas Matahari Siklus 24 ", Jurnal Sains Dirgantara, vol. 8, pp. 187-201, 2011
N. Ahmad, K. Kusumaningrum," Flux And Distribution Of Particles The Cause Of Satellite Anomalies In Low Orbit ", Journal of Aerospace Sains, vol. 6, no. 2, pp. 133-142, 2011.
S.Andropov, A.Guirik, M.Budko, "Network Anomlay Detetction using Artificial Neural Network," in Proc 20th Conference of Open Innovations Association (FRUCT), 2017
D. Shin, D. Lee, K. Kim, J. Hwang, "Artificial neural network prediction model for geosynchronous electron fluxes", Space Weather Journal, vol. 14, no. 4, pp. 313-321, 2016.
J. Mahmoudi, A. Arjomand, M. Rezaei, H Mohammadi, " Predicting the earthquake magnitude using the multilayer perceptron neural network with two hidden layers, Civil Engineering Journal, vol. 2, no. 1, pp.1-12, 2016
Shinde A, Kale S, Samant R, Ataharya S, Gorpade S, "Heart disease prediction system using multilayered feed forward neural network and backpropagation neural network", International Journal of Computer Application, vol. 166, no. 7, pp 32-36, 2017.
Ankit C, "Rainfall prediction using backpropagation feed forward network", International Journal of Computer Application, vol. 119, no. 4, pp. 1-5, 2015.
T. Transpaset, C. Saiprasert, S. Thajchayapong, " Combining Unsupervised Anomaly Detection and Neural Networks for Driver Identification", Journal of Advanced Transportation , Volume 2017, Article ID 6057830, 13 pages https://doi.org/10.1155/2017/6057830
A. Doudkin, M. Maruskho, " Ensembles of Neural Network for Telemetry Multivariate Time Series Forecasting", in Proc PRIP 2016, pp. 53-62
Y. Gao, J. Feng, T. Yang, M. Xu, " A Neural Network Approach for Satellite Telemetry Data Prediction", in Proc International Conference on Electronics, Communications and Control, 2012
L. Banjanovic, A. Hajradrevic, M. Kantardizch, F. Mehmedovic, I. Dznanovic " Neural Network Based data driven modelling of anomaly detetction in thermal power plant, Journal of Control, Measurement, Electronics, Computing and Communications ,Vol. 58, 2017
T., Y., Kim, S., B., Cho, " Web traffic anomaly detection using C-LTSM nueral network", Expert Systems with applications, Vol. 106, pp 66-76, 2018, https://doi.org/10.1016/j.eswa.2018.04.004
E., E., Maruskho, A., A., Doudkin " Ensembles of neural networks for forecasting of time series of spacecraft telemetry ", Journal Optical Memory and Neural Networks, Vol 26, pp 47-54, 2017
