Simulasi Prediksi Sintilasi Ionosfer Menggunakan Aplikasi Matlab Dengan Metode Regresi Logistik
Abstract
Abstrak—Sintilasi ionosfer menjadi permasalahan yang mengganggu frekuensi radio yang ditransmisikan oleh satelit GNSS (Global Navigation Satellite System). Peran satelit GNSS dapat memberikan berbagai macam informasi data dan mendapatkan data dengan mudah seperti informasi posisi. Akibat dari sintilasi terhadap satelit GNSS menjadi tidak stabil dan informasi jadi tidak tersampaikan. Faktor sintilasi ionosfer yang dipengaruhi oleh kecepatan (v), aktivitas matahari (F10.7), dan aktivitas geomagnetik (Kp). Penilitian tugas akhir ini membutuhkan pemodelan untuk memprediksi terjadinya sintilasi ionosfer sesaat setelah matahari terbenam. Penelitian ini menggunakan regresi logistik untuk membuat pemodelan terjadinya sintilasi ionosfer. Data sebanyak 427 poin pada setiap parameter dipartisi 70% untuk data latih dan 30% untuk tes data logistik yang digunakan. Metode ini dilakukan dengan mengkombinasikan berbagai prediktor kedalam pengujian. Dari hasil latih model regresi logistik menggunakan parameter v sebagai masukan mendapatkan akurasi hasil 84,3750%, kombinasi v dan F10.7 mendapatkan akurasi hasil 84,3750%. Kombinasi v dan Kp mendapatkan akurasi hasil 82,0313%. Kombinasi hasil terbaik dari latih dan tes adalah kecepatan dan aktivitas matahari. Nilai akurasi termasuk konsisten tidak memiliki perbedaan yang signifikan.
Kata kunci— sintilasi, F10.7, Kp, kecepatan, regresi
References
Ekawati Sri, “Efek Sintilasi Ionosfer Terhadap Gangguan Komunikasi Satelit,” Berita Dirgantara, vol. 11. No. 4 pp. 106-112, Desember 2010.
Piubati N. Roci, Warsito Ali, Husin Asnawi, “Analisis Perbandingan Kemunculan Sintilasi Ionosfer di Kuprang Dan Darwin,” Jurnal Fisika, Vol.3, No. 1, pp.21-29, April 2018
Ekawati, Sri & Anggarani, Sefria & Marlia, Dessi. (2017). “Perbandingan Karakteristik Aktivitas Sintilasi Ionosfer Di Atas Manado, Pontianak Dan Bandung Dari Data Penerima Gps,” Jurnal Sains Dirgantara. 14. 1. 10.30536/j.jsd.2016.v14.a2330.
Li, X.; Zhou, C.; Tang, Q.; Zhao, J.; Zhang, F.; Xia, G.; Liu, Y. Forecasting Ionospheric foF2 Based on Deep Learning Method. Remote Sens. 2021, 13, 3849. https://doi.org/10.3390/rs13193849
Reddy, Venkat & Reddy, P.. . “Impact Due To Sunspot Activity on Climate Change: Some Salient Results,” International Journal of Earth Sciences and Engineering, Vol. 09, No. 01, February 2016
Taylor, H.; Vreugdenburg, M.; Sangalli, L.; Vincent, R. RMCSat: An F10.7 Solar Flux Index CubeSat Mission. Remote Sens. 2021, 13, 4754. https://doi.org/10.3390/rs13234754
Matzka, J., Stolle, C., Yamazaki, Y., Bronkalla, O., & Morschhauser, A. (2021). The geomagnetic Kp index and derived indices of geomagnetic activity. Space Weather, 19, e2020SW002641. https://doi.org/10.1029/2020SW002641
D. P. Nade, S. S. Potdar, and R. P. Pawar, "Study of Equatorial Plasma Bubbles Using ASI and GPS Systems", in Geographic Information Systems in Geospatial Intelligence. London, United Kingdom: IntechOpen, 2020 [Online]. Available: https://www.intechopen.com/chapters/67938 doi: 10.5772/intechopen.85604
Natchalee Srimaneekarn, Anthony Hayter, Wei Liu, Chanita Tantipoj, "Binary Response Analysis Using Logistic Regression in Dentistry", International Journal of Dentistry, vol. 2022, Article ID 5358602, 7 pages, 2022. https://doi.org/10.1155/2022/5358602
LaValley Michael P, “Logistic Regression”, Circulation, vol. 117. Issue 18 pp. 2395–2399, Mei 2008 https://doi.org/10.1161/CIRCULATIONAHA.106.682658
Park, Hyeoun-Ae “An Introduction to Logistic Regression: From Basic Concepts to Interpretation with Particular Attention to Nursing Domain,” J Korean Acad Nurs, Vol.43 No.2 April 2013. https://doi.org/10.4040/jkan.2013.43.2.154
S. Santoso, “Model Logit (Logistic Regression) Sebagai Model Probabilitas Linier Alternatif, Dalam Contoh Aplikasi Teknik Industri”, JTI, vol. 2, no. 1, pp. 59–64, May 2010.
Peng Chao-Ying Joanne, Lee Kuk Lida, Ingersoll Gary M. “An Introduction to Logistic Regression Analysis and Reporting”, The Journal of Educational Research, Vol. 96 No. 1 Oktober 2002.
Tapping, K. F. (2013), The 10.7 cm solar radio flux (F10.7),Space Weather,11, 394–406,doi:10.1002/swe.20064
Takahashi Kazue, Toth Bruce A., Olson John V., “An automated procedure for near-real-time Kp estimates,” Journal of Geophysical Research: Space Physics, vol. 106. Issue A10 pp. 21017-21032, Oktober 2010.
