Abstrak - BAGASWARA
Terbatas Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas Irwan Sofiyan
» Gedung UPT Perpustakaan
Sistem pengenalan objek visual konvensional yang diintegrasikan pada platform
Unmanned Aerial Vehicle (UAV) untuk misi pencarian dan penyelamatan (Search
and Rescue / SAR) memiliki ketergantungan yang sangat tinggi terhadap kondisi
pencahayaan optimal dan visibilitas atmosfer. Ketika dihadapkan pada skenario
lingkungan dengan jarak pandang rendah akibat kabut tebal, asap, atau hambatan
fisik berupa vegetasi / dedaunan, performa kamera optik akan mengalami
penurunan fungsional. Untuk mengatasi batasan tersebut, teknologi microwave
imaging berbasis gelombang milimeter menawarkan solusi yang tahan karena
memiliki kemampuan penetrasi yang mampu menembus medium dielektrik non
konduktif. Penelitian Tugas Akhir ini memfokuskan pada rekayasa dan
karakterisasi perangkat keras sub-sistem sensor serta sistem navigasi gelombang
mikro jarak dekat untuk menyediakan landasan pencitraan dua dimensi yang andal
bagi UAV.
Komponen penginderaan utama yang diimplementasikan dalam sistem ini adalah
modul sensor Pulsed Coherent Radar (PCR) Acconeer XM112 yang beroperasi
pada frekuensi 60,5 GHz dengan konsumsi daya maksimum rendah sebesar 81,3
mW. Meskipun frekuensi tinggi tersebut secara teoritis memberikan resolusi spasial
yang tajam karena panjang gelombangnya yang sangat pendek (5 mm), sensor ini
memiliki keterbatasan fisik bawaan berupa sudut pancaran setengah daya / Half-
Power Beamwidth (HPBW) pada bidang horizontal yang relatif lebar, yaitu
mencapai 70?. Sudut pancaran yang divergen ini menyebabkan gelombang
elektromagnetik pancaran melebar saat menabrak target, yang dapat menyebabkan
fenomena pikselasi berlebih yang membuat area yang memantulkan gelombang
menjadi melebar (blooming) serta menurunkan ketajaman batas tepi objek. Masalah
tersebut diselesaikan melalui perancangan komponen pembias berupa Integrated
Lens Antenna (ILA) plano-konveks yang diperpanjang menggunakan material
dielektrik padat Polylactic Acid (PLA) dengan indeks bias 1,57, yang didesain
secara analitis mengacu pada prinsip optik geometris dan Hukum Snellius.
Karakterisasi parameter fisik antena dilakukan melalui metode pengukuran pola
radiasi monostatik di medan jauh dengan memanfaatkan corner reflector trihedral
sebagai target pantul dengan nilai Radar Cross Section (RCS) tinggi. Pengambilan
data daya terima dilakukan pada bidang horizontal (azimuth) dengan resolusi sudut
antarsampel sebesar 10?. Hasil karakterisasi menunjukkan bahwa integrasi lensa
dielektrik PLA berhasil memfokuskan berkas gelombang mikro secara signifikan,
menyempitkan nilai HPBW pada bidang horizontal bawaan radar dari 71.44?
menjadi 13,36?, atau merepresentasikan efisiensi pemfokusan sudut pancaran
sebesar 81,31%.
Pengujian performa pencitraan spasial selanjutnya dilakukan melalui pemindaian
mekanis dua dimensi terhadap objek target konduktif berupa huruf ‘SOS’
berdimensi 20 x 12 cm yang diletakkan pada jarak 20 cm dibawah radar dengan
interval pemindaian sebesar 2 cm hingga membentuk matriks citra resolusi 12 x 25
piksel. Tingkat kemiripan dan ketajaman citra spasial dianalisis secara kuantitatif
menggunakan metrik Peak Signal-to-Noise Ratio (PSNR) terhadap matriks ideal
melalui pembatasan jarak dan kuantisasi amplitudo 8 level. Berdasarkan hasil
pengujian pada skenario tanpa penghalang (line-of-sight), penambahan lensa PLA
terbukti meningkatkan nilai PSNR dari 10,41 dB menjadi 12,76 dB. Pada skenario
penghalang styrofoam, lensa mempertahankan nilai PSNR tinggi pada angka 11,31
dB, sedangkan pada skenario penghalang daun-daun gugur, pemfokusan
beamwidth sensor Acconeer oleh lensa mampu meminimalkan efek scattering oleh
bahan organik dan membuat nilai PSNR citra pada level 9,547 dB. Keberhasilan
rekayasa sub sistem ini secara langsung menghasilkan data citra spasial yang tajam,
yang berfungsi sebagai penyedia input matriks amplitudo beresolusi tinggi untuk
diproses lebih lanjut oleh sub-sistem data processing yang mengimplementasikan
klasifikasi dengan Tiny Machine Learning (TinyML).
Perpustakaan Digital ITB