IDENTIFIKASI SISTEM NONLINIER PADA PERGERAKAN MANUVER KAPAL MENGGUNAKAN RANDOM VECTOR FUNCTIONAL LINK NETWORK

Abstract

Perkembangan teknologi kecerdasan buatan atau AI (Artificial Intelligent) saat ini sudah sangat masif dalam berbagai bidang termasuk dalam sektor industri maritim, dimana salah satunya dapat digunakan untuk mendukung teknologi kapal otonom. Untuk mengetahui dinamika pergerakan manuver kapal yang cukup kompleks maka diperlukan identifikasi sistem nonlinier. Jaringan Saraf Tiruan (JST) terbukti sangat teruji dalam mengatasi permasalahan sistem nonlinier. Sehingga dalam tulisan ini akan dibahas identifikasi sistem nonlinier berbasis jaringan saraf tiruan untuk pergerakan manuver kapal menggunakan Random Vektor Functional Link Network (RVFLN). RVFLN adalah versi pembelajaran cepat menggunakan least square atau pseudo-inverse dari bentuk Single Layer Feedforward Network (SLFN) dan sudah diujicobakan untuk memodelkan data eksperimen real dari pergerakan manuver kapal secara zigzag. Hasil pengujian didapatkan bahwa RVFLN mempunyai kecepatan pembelajaran model hingga dibawah 200 ms dan presisi model hingga mencapai 95.8% dengan kemampuan generalisasi serta dapat melakukan prediksi dinamika pergerakan manuver kapal. Sehingga hasil tersebut dapat digunakan untuk pengembangan lebih lanjut AI pembelajaran cepat untuk kendali kapal otonom.