GDL

Software-based Moon Position Reader System and Moon Phase Identification with CNN Method

Tugas Akhir, 018 / 2024 / EK
Undergraduate Theses from JBPTPPOLBAN / 2024-12-09 14:06:04
Oleh : 201354028 - Riza Ayuni Lestari (risaayunii09@gmail.com)
Dibuat : 2024-12-09, dengan 4 file

Keyword : Pembaca Posisi Bulan, Identifikasi Fase Bulan, Convolutional Neural Network (CNN), Perangkat Lunak
Subjek : Moon Position Tracker, Moon Phase Identification, Convolutional Neural Network (CNN), Software

Dalam mendukung pengamatan benda langit yang terdapat pada tata surya menjadi kesulitan tersendiri bagi peneliti untuk melakukan studi pada benda langit tertentu, salah satunya Bulan. Oleh karena itu, diperlukan sistem pengamatan berupa pengembangan teleskop dari teleskop konvensional menjadi teleskop terbarukan dengan sistem otomatisasi yang dapat bergerak secara otomatis ke posisi Bulan dengan membaca koordinat langit horizontal Bulan dari perangkat lunak virtual planetarium dan mengidentifikasi jenis fase Bulan. Metode yang diterapkan dalam proses mengidentifikasi jenis fase Bulan dengan pengolahan citra digital berbasis deep learning, yaitu Convolutional Neural Network (CNN) yang digunakan untuk melakukan proses ekstraksi fitur dari citra dan mengklasifikasikan citra. Perangkat keras sistem terdiri dari teleskop, minicomputer, LCD, mikrokontroler, motor stepper, dan kamera. Hasil akhir dari metode yang diterapkan, yaitu nilai Loss =4,2771×10-5, Categorical Accuraccy = 1, Validation Loss = 0,1860, dan Validation Categorical Accuracy = 0,9899. Hasil pengujian sistem didapat sistem dapat bergerak ke koordinat Bulan altitude = +4o43’43,9”, azimuth = +119o21’02,4” dan mengidentifikasi fase Bulan pada fase Full Moon.

Deskripsi Alternatif :

In supporting the observation of celestial bodies in the solar system, it is difficult for researchers to conduct studies on certain celestial bodies, one of which is the Moon. An observation system is needed in the form of developing a telescope from a conventional telescope to a renewable telescope with an automation system. The system can move automatically to the position of the Moon by reading the Moon's horizontal sky coordinates from the virtual planetarium software and identify type of Moon phase. The Convolutional Neural Network (CNN) is used to carry out the process of extracting features from the image. This method applied in the process of identifying the type of Moon phase by deep learning-based digital image processing. The system hardware consists of a telescope, a minicomputer, an LCD, a microcontroller, a stepper motor, and a camera. The results of the applied method are Loss = 4,2771×10-5, Categorical Accuraccy = 1, Validation Loss = 0,1860, and Validation Categorical Accuracy = 0,9899. The results of the system test were obtained that the system could move to the coordinates of the Moon altitude = +4o43'43,9", azimuth = +119o21'02,4" and identify the Moon phase in the Full Moon phase.

Beri Komentar ?#(0) | Bookmark

Properti	Nilai Properti
ID Publisher	JBPTPPOLBAN
Organisasi
Nama Kontak	Erlin Arvelina
Alamat	Jl. Trsn. Gegerkalong Hilir Ds. Ciwaruga
Kota	Bandung
Daerah	Jawa Barat
Negara	Indonesia
Telepon	022 201 3789 ext. 168, 169, 239
Fax	022 201 3889
E-mail Administrator	erlin.arvelina@polban.ac.id
E-mail CKO	erlin.arvelina@polban.ac.id