Klasifikasi Data Radar Menggunakan Algoritma Convolutional Neural Network (CNN)

Candra Nur Ihsan

doi:10.25273/doubleclick.v4i2.8188

Klasifikasi Data Radar Menggunakan Algoritma Convolutional Neural Network (CNN)

Candra Nur Ihsan

Abstract

Penelitian ini berlandaskan pada masalah data radar di lokasi studi kasus, yaitu Lembaga Penerbangan dan Antariksa Nasional (LAPAN). Sistem sebelumnya yang sudah dibangun menggunakan radar kapal untuk mendeteksi cuaca yang diberi nama SANTANU. Terkadang saat pengamatan terjadi gangguan gangguan yang menyebabkan radar tidak menghasilkan data secara utuh sehingga sistem ini menghasilkan data yang tidak normal. Penelitian ini bertujuan untuk bisa mengenali data data yang tidak normal tersebut, sehingga jika dalam pengamatannya sering muncul data tidak normal dapat dilakukan penanganan pada radar cuaca tersebut. Hasil yang didapatkan dengan menggunakan algoritma CNN didapat nilai akurasi latih (training accuracy) sebesar 98.2% dan 96.6% pada akurasi validasi. Hasil ini menunjukan data yang sudah diklasifikasi menggunakan algoritma CNN menghasilkan akurasi yang baik.

Keywords

CNN; Klasifikasi; Data; Radar; Cuaca;

Full Text:

PDF

References

Abadi, M. et al. (2016) ‘TensorFlow: A System for Large-Scale Machine Learning’, 12th USENIX Symposium on Operating Systems Design and Implementation, pp. 265–283.

Ari Nugroho, G. and Sinartra, T. (2018) Sistem Pemantauan Hujan (Santanu). Bandung: Antasena.

Chollet, F. (2017) ‘Xception: Deep learning with depthwise separable convolutions’, Proceedings - 30th IEEE Conference on Computer Vision and Pattern Recognition, CVPR 2017, 2017-Janua, pp. 1800–1807. doi: 10.1109/CVPR.2017.195.

Eka Putra, W. S. (2016) ‘Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101’, Jurnal Teknik ITS, 5(1). doi: 10.12962/j23373539.v5i1.15696.

Fadlia, N. and Kosasih, R. (2019) ‘Klasifikasi Jenis Kendaraan Menggunakan Metode Convolutional Neural Network (Cnn)’, Jurnal Ilmiah Teknologi dan Rekayasa, 24(3), pp. 207–215. doi: 10.35760/tr.2019.v24i3.2397.

Keras Documentation (2020) Keras. Available at: https://keras.io.

Li Deng and Dong, Y. (2013) ‘Deep Learning Methods and Applications’, Foundations and Trends® in Signal Processing. doi: 10.1136/bmj.319.7209.0a.

Maulana, F. F. and Rochmawati, N. (2019) ‘Klasifikasi Citra Buah Menggunakan Convolutional Neural Network’, Journal of Informatics and Computer Science, 01, pp. 104–108. Available at: jurnalmahasiswa.unesa.ac.id › article.

Santoso, A. and Ariyanto, G. (2018) ‘Implementasi Deep Learning Berbasis Keras Untuk Pengenalan Wajah’, Emitor: Jurnal Teknik Elektro, 18(01), pp. 15–21. doi: 10.23917/emitor.v18i01.6235.

Saputra, W. A., Naf’an, M. Z. and Nurrochman, A. (2019) ‘Implementasi Keras Library dan Convolutional Neural Network Pada Konversi Formulir Pendaftaran Siswa’, Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 1(10), pp. 524–531.

Sukardi1, Zainal Arifin2, M. R. (2017) ‘Klasifikasi Penentuan Gambar Berbasis Tensorform Dan Framework Dengan Algoritma Cnn’, Seminar Nasional Aptikom (Semnastikom), (November), pp. 1–4.

Syahrudin, A. N. and Kurniawan, T. (2018) ‘Input Dan Output Pada Bahasa Pemrograman Python’, Jurnal Dasar Pemrograman Python STMIK, (January), pp. 1–7.