100 200
300 400
500 0.05
0.1 0.15
0.2
Frequency Hz Po
we r
Gambar 11:Spektrum signal frekuensi yang dipantulkan.
Untuk menguji algoritma di atas maka dengan menambahkan random noise seperti pada gambar 11
di atas. Pada gambar tersebut terjadi perubahan frekuensi sekitar 75 Hz dan pada signal frekuensi
rendah. Kemudian dengan algoritma spektrogram, maka signal dalam waktu dan frekuensi adalah seperti
pada gambar 12. Pada gambar tersebut, perubahan ciri chirp masih terlihat dengan jelas. Sedangkan pengaruh
noise hanya menambah offset dari frekuensi yang melatar belakangi.
Gambar 12: Spektrogram signal dengan noise.
Kemudian delay waktu dihitung seperti pada gambar 8, dan hasilnya seperti terlihat pada gambar 13
berikut.
100 200
300 400
500 0.2
0.4 0.6
0.8 1
1.2 1.4
Frequency Hz Pow
e r
Gambar 13:Perubahan frekuensi yang menunjukkan
perubahan delay.
Hasil perhitungan delay waktu antara gambar 9 dan gambar 13 menunjukkan nilai yang sangat mirip. Hal
ini menunjukkan bahwa dari hasil tersebut algoritma yang telah dikembangkan handal terhadap gangguan
noise SNR=1. Sedangkan gangguan noise yang lebih besar lagi
SNR=0.33, perubahan frekuensi masih dapat dideteksi seperti pada gambar 14 dibawah ini.
100 200
300 400
500 0.5
1 1.5
2 2.5
3
Frequency Hz Po
wer
Gambar 14: Hasil perhitungan frekeunsi saat SNR = 0.33.
4. KESIMPULAN
Pada sistem FDOA untuk RADAR sekunder, bandwidth signal chirp dan kecepatan lebih lebar dan
cepat akan menambah akurasi delay yang diukur. Untuk jarak maksimum roket 10 km bandwidth yang
diperlukan pada signal chirp minimal 40 kHz. Tambahan random noise hingga SNR = 0.33 tetap
dapat mengukur dengan baik, sehingga aplikasi FDOA ini juga cocok untuk RADAR sekunder.
Hardware signal chirp generator akan dibahas lebih detail dalam tulisan tersendiri.
UCAPAN TERIMAKASIH
Terimakasih kepada LAPAN yang telah memfasilitasi dan mendanai proyek pengembangan
RADAR sekunder.
DAFTAR REFERENSI
1. Wahyu Widada dan Sri Kliwati,” Desain Sistem
Passive RADAR Radio UHF Untuk Aplikasi Uji Terbang Roket ”, Posiding SITIA ITS-Surabaya
2008. 2.
Wahyu Widada dkk,” Metoda Kalibrasi TDOA Untuk Sistem Passive RADAR Trayektori Roket”,
IES ITS 2008 Surabaya. 3.
Wahyu Widada, Sri Kliwati,”Frequency-Domain TDOA Estimation Of Passive RADAR For Rocket
Flight Test”,Prosiding Seminar Nasional Fisika 2008 ITB Bandung.
4. Robert J. Purdy etal, Radar Signal Processing,
LINCOLN LABORATORY JOURNAL VOLUME 12, NUMBER 2, 2000.
9
5. Wahyu Widada, ”Rancangbangun Robot Pencari
Asal Arah Suara Berbasis Jaringan Saraf Tiruan”, Thesis Sarjana Engineering Waseda
University, Tokyo JAPAN 1994. 6.
Donald F. Breslin, “ADAPTIVE ANTENNA ARRAYS APPLIED TO POSITION LOCATION”,
Master Thesis Virginia Polytechnic Institute and State University.
10
Sistem Identifikasi Pesawat Menggunakan Kecepatan dan Radar Cross Section Pesawat Berbasis Jaringan Syaraf Tiruan
Backpropagation
Maman Darusman
1
, Arwin Datumaya Wahyudi Sumari
2
, Aciek Ida Wuryandari
3
1 2 3 Sekolah Teknik Elektro dan Informatika – ITB, Gedung Labtek VIII Kampus ITB, Jl. Ganesha No. 10 Bandung, 40132 – INDONESIA
2 Departemen Elektronika, Akademi TNI Angkatan Udara, Ksatrian Akademi TNI AU, Lanud Adisutjipto, Yogyakarta, 55002 - INDONESIA
1 maman_darusmanyahoo.com
, 2 arwin91aauyahoo.co.id
, 3 acieklskk.ee.itb.ac.id
ABSTRAK
Radar digunakan untuk mendeteksi adanya obyek yang digunakan baik itu untuk kepentingan militer maupun sipil. Dalam bidang militer, Radar digunakan untuk mendeteksi adanya pesawat terbang yang sedang
beroperasi di wilayah udara yang bersangkutan. Radar tidak hanya dapat mendeteksi pesawat tetapi juga dapat menerima informasi mengenai karakteristik pesawat, sehingga informasi karakteristik pesawat tersebut dapat
digunakan untuk mengidentifikasi jenis pesawat. Informasi pesawat terbang yang dapat diketahui melalui Radar di antaranya adalah kecepatan dan penampang atau Radar Cross Section RCS. Untuk kepentingan pertahanan
dan keamanan negara diperlukan aplikasi di Radar yang dapat mengolah informasi pesawat yang terdeteksi sehingga menghasilkan keluaran berupa jenis pesawat. Dalam makalah ini dibahas desain dan implementasi
perangkat lunak system identifikasi jenis pesawat terbang berbasis jaringan syaraf tiruan backpropagation menggunakan data kecepatan dan radar cross section sebagai parameter identifikasi. Aplikasi ini diberi nama
Sistem Identifikasi Pesawat Terbang Berbasis Backpropagation Network SIPT-BBPN. Aplikasi ini diimplementasikan menggunakan bahasa pemrograman MATLAB dengan memanfaatkan toolbox neural
network. Hasil simulasi terhadap perangkat lunak disertakan untuk menunjukkan bahwa perangkat lunak yang dibuat memiliki kemungkinan besar untuk dapat diterapkan pada sistem radar nyata untuk kepentingan
identifikasi pesawat terbang.
Kata kunci : Backpropagation, Identifikasi, Jaringan syaraf tiruan, Kecepatan, Radar, RCS
1. PENDAHULUAN
