Prediksi Umur Orbit Objek Antariksa Buatan Kategori LEO dengan Metode Linear Regression, Random Forest, dan Artificial Neural Network
Masalah prediksi orbit terkadang membutuhkan waktu komputasi yang lebih lama untuk mendapatkan hasil prediksi dengan galat yang kecil dan akurasi yang baik. Berangkat dari hal tersebut maka penelitian ini dibuat dengan tujuan untuk memprediksi umur orbit objek antariksa buatan kategori Low Earth Orbit (LEO) dengan menggunakan metode Linear Regression, Random Forest, dan Artificial Neural Network serta membandingkan hasil akurasi prediksi umur orbit dari ketiga metode pembelajaran mesin yang diuji. Umur orbit dipengaruhi oleh adanya gangguan eksternal yang bekerja pada objek buatan yang mengorbit bumi sehingga membuat orbit objek tersebut tidak bertahan lama. Gangguan eksternal membuat elemen orbit berubah terhadap waktu secara sekuler dan periodik. Penelitian ini menggunakan sampel Two-Line Element (TLE) objek antariksa buatan yang diperkaya dengan data Smoothing Sunspot Number (SSN) dan fase siklus matahari. Hasil prediksi dari ketiga metode dievaluasi dengan menggunakan metode RMSE, MAPE, dan R2. Hasilnya, hutan acak atau random forest menjadi model dengan skor evaluasi yang terbaik dari ketiga model dengan R2 = 1; MAPE = 3,88 %; dan RMSE = 62,6 hari dengan menggunakan data validasi. Sementara itu, dengan menggunakan data uji hutan acak mendapatkan skor evaluasi R2 = 0,99; MAPE = 263,62%; dan RMSE = 319,71 hari. Meskipun begitu, model yang paling cocok digunakan untuk memprediksi umur orbit adalah regresi linear atau linear regression. Regresi linear memiliki waktu komputasi yang lebih cepat dari kedua metode dan skor evaluasi yang tidak jauh lebih buruk dari hutan acak. Regresi linear juga tidak sensitif terhadap perubahan rentang data variabel terikat jika ditambahkan data baru.
URI
https://repo.itera.ac.id/depan/submission/SB2309270040
Keyword