PERBANDINGAN ANTARA ENSEMBLE KALMAN FILTER DAN FUZZY KALMAN FILTER : APLIKASI PADA ESTIMASI POSISI AUTONOMOUS UNDERWATER VEHICLE

NGATINI, . (2016) PERBANDINGAN ANTARA ENSEMBLE KALMAN FILTER DAN FUZZY KALMAN FILTER : APLIKASI PADA ESTIMASI POSISI AUTONOMOUS UNDERWATER VEHICLE. In: Tugas Akhir.

[img]
Preview
Text
1214201041-Paper.pdf - Published Version

Download (634kB) | Preview
[img]
Preview
Text
1214201041-Presentasi.pdf - Published Version

Download (1MB) | Preview

Abstract

Pemantauan terhadap kondisi bawah laut yang tidak terstruktur dan berbahaya memerlukan suatu alat (wahana) bawah air yang mampu mengatasi kondisi tersebut. Salah satu wahana yang dapat digunakan untuk pemantauan bawah laut tersebut adalah wahana nir awak bawah air yaitu AUV. AUV adalah perangkat robotik yang dikendalikan di dalam air dengan menggunakan sistem penggerak, dikontrol dan dikemudikan (dikendalikan) oleh perangkat komputer, dan bermanuver pada tiga dimensi. Penelitian ini mengembangkan estimasi posisi AUV menggunakan metode Ensemble Kalman Filter (EnKF). EnKF digunakan sebagai metode estimasi posisi AUV yang bermanuver dalam 6 DOF (Degrees of Freedom)sesuai dengan lintasan yang ditentukan. Hasil estimasi tersebut dibandingkan dengan hasil estimasi pada penelitian sebelumnya yang menggunakan metode Fuzzy kalman Filter. Hasil estimasi tersebut disimulasikan dengan bantuan program Matlab. Simulasi menampilkan hasil estimasi posisi AUV menggunakan metode EnKF dengan beberapa jumlah ensemble yang berbeda dan perbandingan hasil estimasi antara metode Ensemble Kalman Filter dengan Fuzzy kalman Filter. Perbandingan tersebut menunjukan bahwa metode Ensemble Kalman Filter menghasilkan estimasi yang lebih bagus pada lintasan persamaan dinamik gerak AUV dengan error estimasi EnKF 92% lebih kecil pada posisi x dan posisi y, 6,5% lebih kecil pada posisi z, 93% lebih kecil pada sudut dan waktu komputasi 50% lebih cepat dibandingkan dengan estimasi FKF. Sedangkan Fuzzy Kalman Filter menghasilkan estimasi yang lebih bagus pada lintasan yang ditentukan.

Item Type: Conference or Workshop Item (Paper)
Uncontrolled Keywords: AUV, Ensemble Kalman Filter, Fuzzy Kalman Filter
Subjects: Q Science
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: NGATINI NGATINI
Date Deposited: 16 Jun 2016 14:50
Last Modified: 27 Dec 2018 03:05
URI: http://repository.its.ac.id/id/eprint/328

Actions (login required)

View Item View Item