PENGENALAN DAN IDENTIFIKASI PESAWAT UDARA MILITER MENGGUNAKAN KECERDASAN ARTIFISIAL BACKPROPAGATION NETWORK DAN FUSI INFORMASI

Adinandra, Dimas Eka (2021) PENGENALAN DAN IDENTIFIKASI PESAWAT UDARA MILITER MENGGUNAKAN KECERDASAN ARTIFISIAL BACKPROPAGATION NETWORK DAN FUSI INFORMASI. Diploma thesis, Teknologi Informasi.

	Text Cover.pdf Download (878kB)
	Text Bab 1.pdf Download (167kB)
	Text Bab 2.pdf Download (840kB)
	Text Bab 6.pdf Download (17kB)
	Text Bab 4.pdf Download (834kB)
	Text Bab 7.pdf Download (10kB)
	Text Bab 3.pdf Download (782kB)
	Text Daftar Pustaka.pdf Download (317kB)
	Text Bab 5.pdf Download (1MB)
	Text Lampiran.pdf Download (7MB)

Abstract

Radar merupakan bagian dari Sistem Pertahanan Udara Nasional (Sishanudnas) yang berfungsi untuk mendeteksi, mengenali, dan mengidentifikasi pesawat udara militer yang terbang melintas di wilayah udara kedaulatan Indonesia. Pesawat udara militer musuh yang melakukan penyusupan akan menghindar dari pantauan radar dengan cara melakukan terbang rendah. Untuk itu pengamatan secara visual dari darat oleh prajurit Tentara Nasional Indonesia (TNI) sangat diperlukan agar tidak terjadi keterlambatan pengambilan keputusan. Pengenalan dan identifikasi dilakukan menggunakan sebuah sistem cerdas berbasiskan pada metode Kecerdasan Artifisial Back Propagation Network (BPN) yang dikombinasikan dengan fusi informasi pada data ciri-ciri pesawat udara militer berdasarkan pada bentuk, posisi, dan jumlah dari empat parameter utama pesawat udara militer yakni Wing, Engine, Fuselage, dan Tail (WEFT) guna memperoleh hasil identifikasi yang cepat dan akurat. Pengumpulan data ciri-ciri pesawat udara militer menggunakan teropong binokular dan pemasukan data ke dalam sistem dilakukan secara manual. Metode fusi informasi diterapkan untuk mempercepatproses pengenalan dengan cara menggabungkan 13 fitur WEFT pesawat udara militer menjadi empat fitur utama dan satu fitur tambahan. Metode Hamming Distance digunakan untuk mengidentifikasi hasil pengenalan dari BPN guna memperoleh jenis pesawat udara militer yang paling mirip. Pada penelitian ini digunakan 155 data pesawat udara yang terdiri atas pesawat udara militer dan pesawat udara non militer dengan pembagian 80% untuk data pelatihan dan 20% untuk data pengujian. Akurasi sistem dalam pengenalan dan identifikasi pesawat udara militer diperoleh sebesar 95,33% dalam pelatihan dan 87% dalam pengujian dengan hyper parameter optimal BPN yakni 300 neuron pada hidden layer dan learning rate sebesar 0,6. Di samping itu, kombinasi BPN dan fusi informasi mampu mempercepat pengenalan dan identifikasi pesawat udara militer sebesar 6 detik walau dengan akurasi lebih rendah sebesar 1,23% dibandingkan dengan tanpa fusi informasi. Kombinasi antara metode Backpropagation dan Fusi Informasi dapat bekerja dengan baik dan menghasilkan akurasi yang baik sehingga dapat membantu mempercepat proses pengenalan dan identifikasi pesawat udara militer.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Backpropagation Network, Fusi Informasi, Hamming Distance, Identifikasi, Kecerdasan Artifisial
Subjects:	A Computer Science > Artificial Intelligence
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	Dimas Eka Adinandra
Date Deposited:	14 Mar 2024 03:25
Last Modified:	14 Mar 2024 03:25
URI:	http://repota.jti.polinema.ac.id/id/eprint/583

Actions (login required)

View Item