Cover
PUBLIC karya Abstrak dan Abstract
PUBLIC karya Lembar Pengesahan
PUBLIC karya Tesis
PUBLIC karya
Algoritma tracking digunakan untuk memprediksi state (posisi, kecepatan,
percepatan) dari target bergerak yang berada dalam jangkauan sistem tertentu,
misalnya radar. Algoritma tracking harus mampu mengestimasi state dari target
dengan berbagai jenis pergerakan, baik konstan maupun bermanuver. Hingga saat
ini, algoritma tracking pada target bermanuver masih menjadi topik yang menarik
untuk diteliti. Dalam penelitian ini, algoritma tracking yang dikembangkan
berfokus pada prediksi target berupa pesawat terbang dan akan diuji menggunakan
data pengukuran sesungguhnya (real) dari hasil pengolahan sinyal Automatic
Dependent Surveillance–Broadcast (ADS-B). Sebelum dilakukan pengujian pada
data riil, algoritma akan diuji pada tiga jenis lintasan yang dibangkitkan dalam
simulasi. Ketiga lintasan ini menggambarkan jenis pergerakan yang mungkin
dilakukan sebuah pesawat terbang termasuk gerakan manuvernya.
Algoritma IMM merupakan sistem estimasi hybrid yang paling efektif untuk
memprediksi target manuver. Algoritma ini banyak diterapkan untuk mengatasi
berbagai kasus nyata untuk men-tracking pesawat yang bermanuver. Pada
algoritma IMM, proses tracking dilakukan dengan menggunakan beberapa model
filter secara paralel dengan menggunakan pendekatan soft switching atau self
adaptation. Pada umumnya, algoritma IMM dikembangkan dengan menggunakan
model dinamika target Constant Veocity (CV) dan Constant Turn (CT) atau CV dan
Constant Acceleration (CA). Namun, saat ini belum ada yang membahas
perbandingan kinerja kedua algoritma ini untuk mendeteksi target manuver. Dalam
penelitian ini, dilakukan evaluasi kedua algoritma tersebut ditinjau dari nilai errornya dan waktu komputasinya dibandingkan dengan Kalman Filter mode tunggal
CV. Selain itu, kinerjanya juga akan dibandingkan dengan algoritma IMM dengan
model dinamika target CV, CA dan CT. Berdasarkan hasil simulasi dan
implementasi, diperoleh kesimpulan bahwa algoritma IMM-CVCT memiliki
kinerja error yang paling baik untuk semua jenis lintasan yang diujikan. Dari
penelitian ini juga dapat disimpulkan bahwa algoritma IMM membutuhkan waktu
komputasi yang jauh lebih lama dibandingkan dengan Kalman Filter model
tunggal, namun peningkatan akurasinya jauh lebih signifikan dibandingkan
peningkatan waktu komputasi tersebut.