Deteksi Tipe Modulasi Digital Pada Automatic Modulation Recognition Menggunakan Support Vector Machine dan Conjugate Gradient Polak Ribiere-Backpropagation

Abstract

Pada penelitian ini menggunakan data digital yang dibangkitkan secara random dalam seleksi ciri tipe modulasi. Adapun tipe modulasi yang digunakan adalah QPSK, 16QAM dan 64QAM. Pada proses ekstrasi ciri menggunakan pendekatan statistical feature set dengan metode Mean, Varian, Kurtosis dan Skewness, sedangkan seleksi ciri menggunakan Multi Class Support Vector Machine (SVM) dengan 5 kelas dalam klasifikasi diantaranya adalah (i) Bukan Fitur, (ii) Mean, (iii) Varian, (iv) Kurtosis dan (v) Skewness. Dalam mendeteksi tipe modulasi menggunakan Jaringan Syaraf Tiruan Backpropagation dengan proses pembelajaran menggunakan algoritma Conjugate Gradien Polak Ribiere. Dari hasil komparasi hasil pelatihan terhadap 401 data latih antara pembelajaran Conjugate Gradient Polak Ribiere dengan pembelajaran Gradient Discent adalah menggunakan Conjugate Gradient Polak Ribiere jauh lebih baik dengan nilai akurasi 86,20%, dan laju errornya 13,80% sedangkan pada pembelajaran dengan Conjugate Discent pada iterasi yang sama yaitu 781 tingkat akurasinya sebesar 67,83% dan laju errornya 32,17%. Dari hasil pengujian tersebut terdapat 4 kelompok fitur yang mampu mengenali tipe modulasi diantaranya adalah (i) Mean, Varian, Kurtosis, (ii) Mean, Varian, Skewness, (iii) Varian, Kurtosis, Skewnes dan (iv) Mean, Kurtosis, Skewness.