Perpustakaan Digital ITB

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.