Article Sidebar

Download
PDF

Main Article Content

Abstract





Ketinggian gelombang laut merupakan parameter penting yang dapat digunakan di berbagai aplikasi seperti mitigasi bencana tsunami, penentu keberangkatan kapal penumpang serta keperluan surveillance atau pengawasan untuk kajian pembangunan platform offshore. Mengingat pentingnya aplikasi tersebut saat ini dikembangkan buoy yang mampu mengirimkan informasi ketinggian gelombang laut berbasis sensor IMU yang umum digunakan seperti yang dimiliki NDBC (National Data Buoy Center) Amerika Serikat. Kelemahan utama sensor IMU adalah karakteristik data yang memiliki ripple atau riak ketika diterapkan untuk pengukuran ketinggian gelombang laut, sehingga informasi ketinggian puncak atau ketinggian rata – rata gelombang laut menjadi bias. Kelemahan tersebut mampu diminimalkan melalui filter sinyal, salah satunya adalah Extended Kalman Filter (EKF). Berdasarkan simulasi dengan sinyal sinus dan cosinus generator yang diberi noise dengan distribusi normal, penerapan EKF pada sensor GY 955 secara simulasi mampu mendapatkan simpangan baku sebesar: 0.239 cm dari yang sebelumnya: 0.680 cm untuk sinyal sinus dengan noise gaussian. Dan mendapatkan simpangan baku sebesar 0.335 cm dari yang sebelumnya = 0.7413 untuk sinyal cosinus dengan noise gaussian. Sedangkan pada saat pengambilan data dengan ketinggian puncak gelombang (peak amplitude) 100 cm yang diberikan pada periode berulang yaitu tiap 20 detik. Terlihat bahwa sistem monitoring pada penelitian ini mampu meredam noise dengan baik dan mampu mengikuti pola ketinggian gelombang laut aktual dengan selisih sebesar ± 5 cm.





Keywords

GY 955 Filter Sinyal Ketinggian Gelombang Laut Extended Kalman Filter

Article Details

License

Copyright (c) 2023 Ryan Yudha Adhitya

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

References

  1. O. S. Suharyo, “Rancang Bangun Alat Pengukur Gelombang Permukaan Laut Presisi Tinggi (A Prototype Design)”, Applied Technology and Computing Science Journal, vol. 1(1), pp. 18-29, Dec. 2018.
  2. Azhari, M. I. Jumarang, and A. Muid, “Pembuatan Prototipe Alat Ukur Ketinggian Air Laut Menggunakan Sensor Inframerah Berbasis Mikrokontroler Atmega 328”, POSITRON, vol. 4(2), pp. 64-70, 2014.
  3. M. Yakob, N. Sagita, and R. A. Putra, “Rancang Bangun Alat Pendeteksi Ketinggian Pemukaan Air Berbasis Mikrokontroler Arduino Uno”, JURUTERA-Jurnal Umum Teknik Terapan, Aceh, vol. 6(1), pp. 10-13, 2019.
  4. F. Setyawan, A. A. Fikri, A. N. Fuad, R. Rohim, and R. Firmansyah, “Telemetri Flowmeter Menggunakan RF Modul 433MHz Berbasis Arduino”, JEEE-U (Journal of Electrical and Electronic Engineering-UMSIDA), Sidoarjo. Indonesia, vol. 1(1), pp. 8-14, 2017.
  5. Y. Zhang, L. Qi, J. Dong, Q. Wen, and L. Mindong, “Data Processing Based on Low Precision IMU Equipment to Predict Wave Hieght and Wave Period”. International Conference on Data Intelligence and Security (ICDIS), USA, vol. 2, pp.103-107, 2017.
  6. R. A. Darmawan, “Perencanaan Lintasan Pesawat Udara Nir Awak (PUNA) dengan Menggunakan Pythagorean Hodograph”, Bachelor Degree Thesis, Sepuluh Nopember Institute of Technology, Suarbaya, Indonesia, 2010.
  7. A. Gumilar, “Estimasi Peluru Kendali pada Lintasan Menggunakan Unscented Kalman Filter”, Bachelor Degree Thesis, Sepuluh Nopember Institute of Technology, Surabaya, Indonesia, 2011.
  8. J. M. Jose, “Performance Comparison of Extended and Unscented Kalman Filter Implementation in INS-GPS Integration”, Master Degree Thesis, Czech Technical University, Prague, 2009.
  9. R. Kleinbauer, “Kalman Filtering Implementation with Matlab”, OPUS - Publication Server of the University of Stuttgart, Helsinki, 2004. DOI : http://dx.doi.org/10.18419/opus-3692
  10. D. Luknanto, “Model Matematika”, 1st ed, Yogyakarta, Indonesia: Universitas Gadjah Mada, 2003.
  11. S. Pancahayani, “Estimasi Lintasan Misil dengan Metode Ensemble Kalman Filter (EnKF)”, bachelor Degree Thesis, Sepuluh Nopember Institute of Technology, Surabaya, Indonesia, 2011.
  12. K. D. Purnomo, “Aplikasi Metode Ensemble Kalman Filter pada Model Populasi Plankton”, Master Degree Thesis, Sepuluh Nopember Institute of Technology, Surabaya, Indonesia, 2008.
  13. Subchan and R. Zbikowski, “Computational optimal control: Tools and practice. 1.”, United Kingdom: John Wiley & Sons, 2009.
  14. E. A. Wan and R. V. D. Merwe, “The unscented Kalman filter for nonlinear estimation”, in Proceedings of the IEEE 2000 Adaptive Systems for Signal Processing, Communications, and Control Symposium (Cat. No. 00EX373), 2000, p.153-158.
  15. G. Welch and G. Bishop. “An Introduction to The Kalman Filter”, Chapel Hill: University of Carolina, 1997.
  16. R. D. Wicaksono, “Penerapan Extended Kalman Filter Untuk Mendeteksi Waktu Terjadinya Kerak pada Alat Penukar Panas”, Bachelor Degree Thesis, Sepuluh Nopember Institute of Technology, Surabaya, Indonesia, 2010.