2
zainudin_bonok67@yahoo.com
I. PENDAHULUAN
Integrasi atau penggabungan data dari beberapa
sensor telah diketahui dapat meningkatkan
ketelitian dalam aplikasi penjejakan target,
pengawasan wilayah, atau dalam aplikasi yang Gambar 1. Kejadian false alarm
bukan bidang pertahanan seperti monitoring proses
industri dan diagnosis medik.[1]
Pada suatu sistem radar yang terdiri dari
beberapa sensor, setiap sensor dalam sekali putaran
(scan) akan menghasilkan informasi berupa titik
(plot) dari obyek (misalkan pesawat terbang) yang
melintas di wilayah cakupan sensor tersebut. Untuk
memasangkan titik-titik yang berkorespondensi
dengan satu obyek yang sama dalam setiap scan
diperlukan proses penjejakan. Hasil dari proses Gambar 2. Kejadian miss detection
penjejakan tersebut adalah lintasan obyek yang
pada prinsipnya berupa posisi dan kecepatan dari
titik tersebut. Selanjutnya lintasan obyek yang Oleh karena itu, persoalan yang muncul dalam
dihasilkan oleh proses penjejakan itu akan sebuah sistem radar multi sensor adalah bagaimana
diteruskan pada suatu tampilan sistem. menentukan jumlah target yang benar, dimana
dalam hasil pengukuran bercampur antara palsu dan juga untuk asosiasi pengukuran target
pengukuran yang benar (berasal dari target) dan yang tidak lengkap disebabkan oleh kehilangan
pengukuran yang tidak benar (false alarm). deteksi (miss detection) tersebut, sebuah
Masalah ini diketahui sebagai masalah penugasan pengukuran dummy zs0 (is=0) ditambahkan pada
multidimensi (multidimensional assignment setiap himpunan pengukuran dari masing-masing
problem), dan untuk menyelesaikan masalah ini sensor. Suatu tanda palsu dari suatu himpunan data
diperlukan suatu algoritma pendekatan heuristik. Z(k) dinyatakan sebagai dengan =
Beberapa penelitian untuk penjejakan sasaran (0,0, … ,0, , 0, … ,0,0) , dan miss detection
jamak berbasis pada metodologi pencarian untuk dinyatakan sebagai dengan =
menyelesaikan multidimensional assignment ( , ,…, , 0, ,…, , ).
problem telah dilakukan. Dalam penelitian- Fungsi cost untuk mengasosiasikan suatu
penelitian ini menggunakan genetic algorithm[3], pengukuran N-tuple dengan suatu target t diberikan
dan tabu search[4]. Dalam beberapa penelitian oleh
yang menerapkan metodologi pencarian, yaitu
genetic algorithm (GA), simulated annealling (SA), 1
= { ( )[ − [ − ]
dan ant colony optimization (ACO), untuk traveling
, …,
2
salesman problem menunjukkan bahwa ACO
√2
menghasilkan solusi yang lebih baik dibandingkan + ]
dengan algoritma yang lainnya.[5] .
− 1 − ( ) [1 − ]} (1)
Ant Colony Optimization adalah suatu konsep Dengan u(is) adalah fungsi indikator, yang
baru dalam kecerdasan buatan, yang merupakan mengindikasikan bahwa jika is≠0, yaitu sensor s
model perilaku semut yang diketahui dapat mendeteksi target t, maka u(is)=1,sebaliknya jika
menemukan jarak terpendek antara sarang dan is=0, yaitu sensor s tidak mendeteksi target t, maka
sumber makanan mereka. u(is)=0. adalah rerata pengukuran, Ψ adalah
Pada makalah ini akan diuraikan bagaimana suatu volume dari wilayah pengamatan (field of view)
sistem multi sensor mengkombinasikan data sensor s.
pengamatan dari beberapa sensor dan suatu metode Tujuannya adalah bahwa suatu pengukuran
yang disarankan untuk memisahkan antara menyatakan sebuah target atau menyatakan tanda
pengukuran yang berasal dari target dan tanda palsu. palsu, dan setiap pengukuran ditugaskan hanya
untuk satu target, maka masalah ini dapat
diformulasikan menjadi masalah penugasan
II. MULTI SENSOR UNTUK PENJEJAKAN MULTI
TARGET multidimensi berikut [6]
meminimumkan:
Andaikan terdapat N sensor yang digunakan
∑ ∑ …∑ (2)
untuk menemukan target dalam suatu wilayah. , …, , …,
IV. SIMULASI 2
z posisi (km)
menemukan target. Jumlah pengukuran dari setiap 1
, , =∑ { ( )[ − [ − ]+
]
√ 2.4
.
− 1 − ( ) [1 − ]}, (8)
2.3
meminimumkan:
z posisi (km)
2.2
∑ ∑ ∑ , , , , (9)
2.1
dengan kendala:
2
25
24
20
23
15 22
21
y posisi (km) 10 20
= 1, = 1, … ,
x posisi (km)
= 1, = 1, … ,
10
, , 8
z posisi (km)
= 1, = 1, … ,
4
, ,
2
30
25
20
∈ {0,1}
20
, ,
10 15
10
, , y posisi (km) 0 5
x posisi (km)
diperoleh:
x posisi (km)
z posisi (km)
20
(:,:,1) =
0
10 -50
0 0 0
-100
0
0 0 0
30 20 10 0 -150 x posisi (km)
-10 -20 -30 -40 -50
y posisi (km)
0 0 (1)
(:,:,2) = Gambar 8. Hasil pengukuran terpilih hingga 100 scan
0 0 0
1 0 0
0 0 (1) V. KESIMPULAN
(:,:,3) = Pada penelitian ini telah berhasil diterapkan
0 0 0 algoritma sistem semut untuk menyelesaikan
0 0 0 masalah penugasan multidimensi yang terjadi pada
0 0 (1) sistem radar multi sensor. Sistem semut mampu
(:,:,4) = menentukan yang mana hasil pengukuran yang
0 0 (1) berasal dari target dan mana yang merupakan tanda
0 0 (1) palsu. Penelitian dilakukan untuk tiga target dengan
(1) (0) (1) manuver yang berbeda.
Tanda kurung menyatakan titik-titik pada daerah Tahapan selanjutnya yang akan dilakukan dalam
tanda palsu. Angka 1 bertanda kurung menunjukkan penelitian ini adalah mengestimasi keadaan target
tanda palsu, sedangkan angka 1 yang tidak bertanda yaitu posisi, kecepatan dan percepatan masing-
kurung menunjukkan hasil pengukuran yang berasal masing target.
dari target. Jadi, pengukuran N-tuple yang berasal REFERENSI
dari target terletak pada titik (2,1,2), yang nilai [1] D.L. Hall and J. Llinas, Multisensor Data Fusion, Handbook of
reratanya diperlihatkan pada Gambar 7. Multisensor Data Fusion, New York,CRC Press, 2001, hal. 1-10
[2] G.W. Stimson, Introduction to Airborne Radar,2nd Ed., New York,
Scitech Publishing Inc., 1998.
[3] G. Chen, L. Hong, A Genetic Algorithm based Multi-dimensional Data
Association Algorithm for Multi-sensor Multi-target Tracking,
Pergamon, Mathl. Comput. Modelling, 1997, Vol. 26, No. 4: hal. 57-69.
3.5
3
[4] I. Turkmen, K. Guney Tabu searh tracker with adaptive neuro-fuzzy
2.5 inference system for multiple target tracking, Progress In
z posisi (km)
1
13 [6] R.L. Popp, K.R. Pattipati, Y. Bar-Shalom, m-Best S-D Assignment
12
21.5 Algorithm with Application to Multitarget Tracking, IEEE Transactions
on Aerospace and Electronic Systems, 2001, Vol. 37, No. 1, hal. 22-39.
21
20.5
11 20
y posisi (km) 10 19
19.5
[7] T. Pellonpera, Ant Colony Optimization and The Vihicle Routing
Problem, University of Tampere, School of Informatics Sciences, 2014,
x posisi (km)