Hasil Pencarian  ::  Simpan CSV :: Kembali

"Identifikasi sistem dinamik merupakan tahapan awal dalam melakukan perancangan algoritma kendali pada suatu sistem dinamik. Namun, pada sistem dinamik yang multivariabel, tidak linier dan kopling tinggi-seperti pada misil AIM-9L Sidewinder-identifikasi sistem dinamik umumnya akan gagal dan sering terjadi simplifikasi pada sistem yang diidentifikasi, seperti dekopling dan linearisasi sistem. Pada penelitian ini, identifikasi sistem dinamik misil dilakukan dengan menggunakan algoritma artificial neural network dengan harapan karakteristik sistem dinamik tetap terjaga dengan baik. Penerbangan misil dilakukan dengan menggunakan simulator X-Plane dan akuisisi data penerbangannya dilakukan menggunakan bahasa pemrogramman python. Penerbangan dilakukan dengan sinyal referensi swept-sine dan zig-zag untuk mancakup banyak kemungkinan penerbangan misil. Hasilnya, artificial neural networks dapat melakukan pemetaan pola sistem dinamik misil dengan standardized MSE 7.155x10^(-2).

---

Dynamical system identification is the very first step in designing a control algorithm on a dynamic system. However, in the multivariate, nonlinear and coupled dynamical system-like the AIM-9L Sidewinder missile-dynamical system identifications are often failed and oversimplified the dynamical system, such as decoupling and linearization. In this research, system identification is done by using artificial neural networks algorithm with expectations that its characteristics will be maintained well. The missile flights are done by using the X-Plane flight simulator and the acquisition process is done by using python language. The flights use swept sine and zig-zag references to cover lots of missile flight conditions possibility. As a result, artificial neural networks can do missile dynamical pattern mapping with 7.155x10^(-2) standardized mean squared errors."

"Tulisan ini menyoroti keberlanjutan program misil balistik Iran setelah kesepakatan Join Comprehensive Plan of Action (JCPOA) di tahun 2015. Penulis berargumen bahwa hal tersebut didorong oleh adanya dinamika persenjataan konvensional yang melibatkan Iran dan negara-negara Gulf Cooperation Council (GCC). Melalui teori aksi reaksi, dapat dilihat bahwa aspek magnitude, timing, serta awareness dalam modernisasi persenjataan konvensional GCC berdampak cukup signifikan pada keputusan Iran untuk melanjutkan program balistiknya. Selain itu, keunggulan fitur yang dimiliki misil balistik dan kebutuhan strategik pengembangannya juga turut memperkuat keputusan Iran untuk tetap melanjutkan program misil balistik sebagai respon terhadap dinamika persenjataan tersebut. Dengan metode pengumpulan data studi pustaka, penulis berhasil mendapatkan berbagai data yang menunjukkan ketimpangan modernisasi persenjataan antara Iran dan negara-negara GCC. Di saat yang bersamaan, beberapa jurnal ilmiah maupun artikel lainnya menggambarkan kuatnya persepsi acaman Iran terhadap GCC sebagai basis terbentuknya model aksi reaksi dalam rivalitas Iran-GCC.

---

This thesis focuses on the continuity of Iranian ballistic missile programme after the implementation of Join Comprehensive Plan of Action (JCPOA) on 2015. The Author argues that the continuity of ballistic missile programme is related to the conventional arms dynamics which involved Iran and Gulf Cooperation Council (GCC) countries. By applying action reaction theory, it concludes that the magnitude, timing, and awareness  aspects in GCC modernization effort have a significant impact on Iran’s decision to continue its ballistic missile programme. Morover, it also argues that  the ballistic missile technical capability and strategic needs are also regarded as significant factor to boost Iran choice for ballistic missile as “reaction” to arms dynamic in gulf.  By using the method of document analysis in collecting data, this author found many kinds of data illustrating the military  modernization gap between Iran and GCC countries. Meanwhile several documents within journal articles and other sources have shown the Iranian threat perception toward GCC as a basis for action-reaction model in Iran-GCC rivalry."

"Pertahanan negara penting untuk menjaga negara dari ancaman dan gangguan yang ada. Namun, industri pertahanan yang untuk mendukung pertahanan negara masih kurang optimal, seperti kebutuhan misil yang belum bisa disediakan oleh industri pertahanan. Ketersediaan misil sangat terbatas karena bergantung pada politik dari negara yang membuatnya. Diperlukan solusi yang memungkinkan negara untuk mengembangkan misil secara mandiri tanpa melibatkan pihak luar negeri. Misil adalah suatu sistem dinamik yang bersifat non-linear, time-varying, multivariabel, dapat memiliki coupling, dan rentan gangguan ketika digunakan. Oleh karena itu, dibutuhkan pengendali yang dapat mengendalikan sistem misil yang rumit. Pada penelitian ini, diusulkan pengendali misil berbasis long-short term memory (LSTM) karena arsitekturnya yang cocok untuk data sekuensial seperti data pengendali. Pengendali misil berbasis LSTM menghasilkan hasil prediksi yang dapat mengikuti data asli dengan MSE rendah. Kinerja pengendali berbasis LSTM lalu dibandingkan dengan pengendali misil berbasis deep neural network. Hasil penelitian menunjukkan bahwa pengendali berbasis LSTM menghasilkan MSE pelatihan dan pengujian yang lebih rendah dari pengendali misil berbasis deep neural network.

---

National defense is essential to protect the country from existing threats and disturbances. However, the defense industry is still not optimal to support national defense, such as the need for missiles that the industry cannot provide. The availability of missiles is limited due to the politics of the country who made them. A solution is needed to allow our country to develop missiles independently without involving foreign parties. The missile is a dynamic system that is non-linear, time-varying, multivariable, coupled, and susceptible to interference when operated. Therefore, a controller is needed to control the complex missile system. This research proposes a long-short term memory (LSTM)-based missile controller because its architecture is suitable for sequential data, such as controller data. The LSTM-based missile controller produces results that can follow the original data with low MSE. The performance of the LSTM-based missile controller is then compared with the deep neural network-based missile controller. The results showed that the LSTM-based missile controller resulted in lower training and testing MSE than the deep neural network-based missile controller."