SIMULASI PREDIKSI SINTILASI IONOSFER MENGGUNAKAN APLIKASI MATLAB DENGAN METODE NEURAL NETWORK

Authors

  • Syihab Agung Satriotomo Telkom University
  • Umar Ali Ahmad Umar Telkom University
  • Prayitno Abadi Abadi Telkom University

Abstract

     Untuk tercapainya sebuah kestabilan pertukaran informasi diperlukan satelit untuk transmisi sebuah sinyal, namun secanggih apapun teknologi yang manusia ciptakan pasti ada suatu hal yang mengganggu dalam aktivitas tersebut. Salah satu gangguan yang biasanya dialami oleh satelit adalah fenomena alam yaitu Sintilasi Ionosfer, karena fenomena tersebut dapat mengganggu frekuensi gelombang radio yang ditransmisikan oleh satelit Global Navigation Satellite System (GNSS). GNSS berperan untuk penentuan posisi GPS. Fenomena sintilasi ionosfer merupakan salah satu yang dapat mengganggu sinyal dari satelit, GPS akan mengalami fluktuasi yang cepat pada amplitudo dan fasa sinyalnya saat diterima di receiver akibat ketidakaturan kerapatan elektron, sehingga receiver GPS tidak dapat menerima informasi secara akurat. Faktor faktor terjadinya sintilasi ionosfer yaitu dipengaruhi oleh kecepatan lapisan ionosfer pada sore hari (v), aktivitas matahari (F10.7), dan aktivitas geomagnetikik (Kp). Faktor parameter v merupakan komponen yang paling dominan untuk yang menyebabkan terjadinya sintilasi ionosfer, semakin besar v semakin besar peluang terjadinya sintilasi ionosfer. Penelitian ini dibutuhkan sebuah pemodelan sederhana namun akurat dalam memprediksi terjadinya fenomena sintilasi ionosfer yang sering terjadi pasca terbenamnya matahari. Penelitian ini menggunakan metode neural network (NN) untuk membangun pemodelan kejadian sintilasi ionosfer.

 

Kata kunci: aktivitas geomagnetik, F10.7, kecepatan sintilasi, neural network, prediksi, sintilasi ionosfer

References

Ekawati, S. “Efek Sintilasi Ionosfer terhadap Gangguan Komunikasi Satelit.” Berita Dirgantara, vol. 11(4), pp. 106 – 112, Apr. 2011.

Anderson, D. N., & Redmon, R. J. “Forecasting scintillation activity and equatorial spread F.” Space Weather, vol. 15(3), pp. 495-502, Jan. 2017.

Abadi, P. “Statistical study of equatorial plasma bubbles in Southeast Asia using ionosondes, GPS, and equatorial atmosphere radar.” Doctoral dissertation, pp. 1-4, Sep. 2018.

Takahashi, K., Toth, B. A., & Olson, J. V. “An automated procedure for nearrealtime Kp estimates.” Journal of Geophysical Research: Space Physics, vol. 106(A10), pp. 21017-21032, Oct. 2001.

Atabati, A., Alizadeh, M., Schuh, H., & Tsai, L. C. “Ionospheric Scintillation Prediction on S4 and ROTI Parameters Using Artificial Neural Network and Genetic Algorithm.” Remote Sensing, vol. 13(11), pp. 2092, May. 2021.

Oyeyemi, E. O., & Poole, A. W. V. “Towards the development of a new global foF2 empirical model using neural networks.” Advances in Space Research, vol. 34(9), pp. 1966-1972, Sep. 2004.

Abadi, P., Ahmad, U. A., Otsuka, Y., Jamjareegulgarn, P., Martiningrum, D. R., Faturahman, A., ... & Septiawan, R. R. “Modeling Post-Sunset Equatorial Spread-F Occurrence as a Function of Evening Upward Plasma Drift Using Logistic Regression, Deduced from Ionosondes in Southeast Asia.” Remote Sensing, vol. 14(8), pp. 1896, Apr. 2022.

Li, X., Zhou, C., Tang, Q., Zhao, J., Zhang, F., Xia, G., & Liu, Y. “Forecasting Ionospheric foF2 Based on Deep Learning Method.” Remote Sensing, vol. 13(19), pp. 3849, Sep. 2021.

Bilitza, D., Altadill, D., Truhlik, V., Shubin, V., Galkin, I., Reinisch, B., & Huang, X. “International Reference Ionosphere 2016: From ionospheric climate to realtime weather predictions.” Space weather, vol. 15(2), pp. 418-429, Feb. 2017.

Tapping, K. F. “The 10.7 cm solar radio flux (F10. 7).” Space weather, vol. 11(7), pp. 394-406, Jun, 2013.

Lasovicka, J., Mikhailov, A. V., Ulich, T., Bremer,J., Elias, A. G., de Adler, N. O., ... & Danilov, A. D. “Long-term trends in foF2: A comparison of various methods.” Journal of Atmospheric and Solar-Terrestrial Physics, vol. 68(17), pp. 1854-1870, Dec. 2006.

Muhtarov, P., & Kutiev, I. “Autocorrelation method for temporal interpolation and short-term prediction of ionospheric data.” Radio Science, vol. 34(2), pp. 459-464, Apr. 1999.

Sojka, J. J., Thompson, D. C., Schunk, R. W., Bullett, T. W., & Makela, J. J. “Assimilation ionosphere model: Development and testing with combined ionospheric campaign Caribbean measurements.” Radio Science, vol. 36(2), pp. 247-259, Mar. 2001.

Taylor, H., Vreugdenburg, M., Sangalli, L., & Vincent, R. “RMCSat: An F10. 7 Solar Flux Index CubeSat Mission.” Remote Sensing, vol. 13(23), pp. 4754, Nov. 2021.

Schunk, R., & Nagy, A. Ionospheres: physics, plasma physics, and chemistry. Cambridge university press, 2009, pp. 1-570.

Matzka, J., Stolle, C., Yamazaki, Y., Bronkalla, O., & Morschhauser, A. (2021, Mar). “The geomagnetic Kp index and derived indices of geomagnetic activity.” Space Weather, [Online]. 19(5), pp. 1-21. Available: https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2020SW002641

Downloads

Published

2023-03-16 — Updated on 2024-05-21

Versions