Penerapan arsitektur Stacked Long Short-Term Memory (LSTM) untuk deteksi dan klasifikasi rudal berbasis pola pergerakan lintasan

Dinah, Azalia Fathimah (2026) Penerapan arsitektur Stacked Long Short-Term Memory (LSTM) untuk deteksi dan klasifikasi rudal berbasis pola pergerakan lintasan. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (225kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (213kB) | Preview
Preview	Text (SK BEBAS PLAGIARISME) 3_skbebasplagiarism.pdf Download (148kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (266kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (503kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (672kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (513kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (176kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (352kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Keamanan maritim Indonesia menghadapi tantangan strategis akibat perkembangan teknologi Rudal Jelajah Anti-Kapal (Anti-Ship Cruise Missile/ASCM) yang memiliki karakteristik terbang rendah (sea-skimming) dan kecepatan tinggi. Kendala utama pada sistem radar saat ini adalah ketergantungan pada operator manusia yang rentan terhadap human error akibat saturasi data. Upaya membangun sistem otomatis berbasis kecerdasan buatan sering terhambat oleh ketiadaan data latih militer yang bersifat rahasia. Penelitian ini mengusulkan pengembangan sistem deteksi dan klasifikasi otomatis menggunakan arsitektur Stacked LSTM melalui pendekatan klasifikasi bertingkat. Guna mengatasi keterbatasan data, metode Simulasi Monte Carlo diterapkan untuk membangkitkan dataset lintasan yang realistis berdasarkan parameter fisik dari basis data CSIS dan FAA. Metodologi penelitian mengacu pada kerangka kerja CRISP-DM yang mencakup enam skenario eksperimen untuk menguji pengaruh penyeimbangan data dan metode normalisasi terhadap performa model. Hasil pengujian pada data simulasi menunjukkan bahwa penggunaan StandardScaler merupakan faktor penentu kemampuan model dalam mengenali rudal supersonik. Skenario 6 dengan volume data lima belas kali lipat ditetapkan sebagai konfigurasi terbaik dengan nilai Recall, Akurasi, dan F1-Score mencapai 1,00 pada data uji simulasi. Sistem kemudian diimplementasikan dalam prototipe berbasis Streamlit yang dilengkapi mekanisme Confidence Threshold 70% sebagai pengaman terhadap klasifikasi pada data yang ambigu.

Actions (login required)

View Item