Perancangan Aplikasi Prediksi Kerusakan UAV Menggunakan Algoritma Isolation Forest Berbasis Data Sensor Penerbangan
DOI:
https://doi.org/10.54706/senastindo.v7.2025.422Kata Kunci:
UAV, Isolation Forest, Deteksi Anomali, Data Sensor, Pemeliharaan PrediktifAbstrak
Unmanned Aerial Vehicle (UAV) merupakan teknologi yang banyak dimanfaatkan dalam bidang pemetaan, pertanian, dan pemantauan lingkungan. Salah satu permasalahan utama dalam pengoperasian UAV adalah terjadinya kerusakan komponen yang sulit terdeteksi secara dini. Penelitian ini bertujuan untuk merancang aplikasi prediksi kerusakan UAV berbasis data sensor penerbangan menggunakan algoritma Isolation Forest. Data yang digunakan mencakup suhu motor, getaran, arus listrik, dan kecepatan propeller yang dikumpulkan melalui sistem telemetri UAV. Proses penelitian dilakukan melalui tahapan data preprocessing, normalisasi, penerapan algoritma Isolation Forest, dan evaluasi menggunakan Principal Component Analysis (PCA). Algoritma Isolation Forest dipilih karena kemampuannya mendeteksi anomali tanpa memerlukan data berlabel serta efisien dalam mengolah data berdimensi tinggi. Hasil pengujian menunjukkan model mampu mengidentifikasi potensi kerusakan dengan tingkat akurasi yang tinggi dan kestabilan hasil yang baik. Aplikasi dikembangkan dengan metode Waterfall dan menampilkan dashboard interaktif yang memberikan peringatan dini terhadap kerusakan UAV. Penelitian ini diharapkan dapat membantu proses pemeliharaan prediktif dan meningkatkan keselamatan penerbangan UAV.
Unduhan
Referensi
[1] Y. Lu, Z. Li, J. Xiong, and K. Lv, “Adaptive UAV Navigation Method Based on AHRS,” Sensors, vol. 24, no. 8, 2024, doi: 10.3390/s24082518.
[2] P. Balladares et al., “Avances en tecnologías de drones militares,” Rev. Athenea, vol. 5, no. 18, pp. 7–18, 2024, [Online]. Available: http://ve.scielo.org/scielo.php?script=sci_arttext&pid=S2737-64192024000400007&lng=es&nrm=iso&tlng=es%0Ahttp://ve.scielo.org/scielo.php?script=sci_abstract&pid=S2737-64192024000400007&lng=es&nrm=iso&tlng=es
[3] S. Javaid et al., “Communication and Control in Collaborative UAVs: Recent Advances and Future Trends,” IEEE Trans. Intell. Transp. Syst., vol. 24, no. 6, pp. 5719–5739, 2023, doi: 10.1109/TITS.2023.3248841.
[4] M. B. Chapman, “JCSP 50 Service Paper PCEMI n ° 50 Étude militaire,” 2024, [Online]. Available: https://www.cfc.forces.gc.ca/259/290/950/192/Chapman.pdf
[5] A. Ferreira, V. Brotas, C. Palma, C. Borges, and A. C. Brito, “Assessing phytoplankton bloom phenology in upwelling-influenced regions using ocean color remote sensing,” Remote Sens., vol. 13, no. 4, pp. 1–27, 2021, doi: 10.3390/rs13040675.
[6] R. Tatoli et al., “Dietary Patterns Associated with Diabetes in an Older Population from Southern Italy Using an Unsupervised Learning Approach,” Sensors, vol. 22, no. 6, pp. 1–12, 2022, doi: 10.3390/s22062193.
[7] N. A. University, “System Overview UAV-RT (Unmanned Aerial Vehicle-Radio Telemetry),” Northern Arizona University. Accessed: Oct. 20, 2025. [Online]. Available: https://uavrt.nau.edu/index.php/system_overview/
[8] Meegle, “Drone Flight Data Telemetry,” Meegle. Accessed: Oct. 20, 2025. [Online]. Available: https://www.meegle.com/en_us/topics/autonomous-drones/drone-flight-data-telemetry
[9] S. Keipour, Azarakhsh; Mousaei, Mohammadreza; Scherer, “ALFA: A Dataset for UAV Fault and Anomaly Detection,” 2020. doi: 10.1177/0278364920966642.
[10] F. Hu, Q. Wang, H. Shao, S. Gao, and H. Yu, “Anomaly Detection of UAV State Data Based on Single-Class Triangular Global Alignment Kernel Extreme Learning Machine,” C. - Comput. Model. Eng. Sci., vol. 136, no. 3, pp. 2405–2424, 2023, doi: 10.32604/cmes.2023.026732.
[11] S. Zhou, Z. He, X. Chen, and W. Chang, “An Anomaly Detection Method for UAV Based on Wavelet Decomposition and Stacked Denoising Autoencoder,” Aerospace, vol. 11, no. 5, 2024, doi: 10.3390/aerospace11050393.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Kategori
Lisensi
Hak Cipta (c) 2025 Syahrul Reza, Fatiya Qurrotu'Aini, Khairil Atha, Ninda Cahya Noprianingrum, Arif Rahman, Muhammad Imam Dinata
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
