Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik
Impak ribut kecil geomagnet terhadap cuaca angkasa dan pelbagai teknologi di Bumi mewujudkan keperluan untuk mengesan fenomena tersebut. Walau bagaimanapun, tempoh kejadian ribut kecil yang singkat menyukarkan ia sukar dikesan secara terus, justeru, ia pengesanan secara proksi dalam bentuk petanda p...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Penerbit Universiti Kebangsaan Malaysia
2024
|
| Online Access: | http://journalarticle.ukm.my/25409/ http://journalarticle.ukm.my/25409/1/kejut_38.pdf |
| _version_ | 1848816350476107776 |
|---|---|
| author | Khairul Adib Yusof, Mardina Abdullah, Nurul Shazana Abdul Hamid, Suaidi Ahadi, |
| author_facet | Khairul Adib Yusof, Mardina Abdullah, Nurul Shazana Abdul Hamid, Suaidi Ahadi, |
| author_sort | Khairul Adib Yusof, |
| building | UKM Institutional Repository |
| collection | Online Access |
| description | Impak ribut kecil geomagnet terhadap cuaca angkasa dan pelbagai teknologi di Bumi mewujudkan keperluan untuk mengesan fenomena tersebut. Walau bagaimanapun, tempoh kejadian ribut kecil yang singkat menyukarkan ia sukar dikesan secara terus, justeru, ia pengesanan secara proksi dalam bentuk petanda perlu dilakukan. Denyutan Pi2, iaitu isyarat teredam tidak sekata pada komponen mendatar medan geomagnet ( Hz), dilihat sebagai petanda ribut kecil yang andal. Penghentian indeks yang sebelum ini merupakan petunjuk utama pengesanan denyutan Pi2 memangkin kajian ini untuk memperkenalkan kaedah pengesanan yang baharu dengan menerapkan pembelajaran mesin. Dalam kajian ini, beberapa sifat dicari daripada data medan geomagnet berdasarkan parameter statistik, metrik impulsif dan isyarat untuk digunakan dalam pembangunan model pengelasan. Pembangunan ini dilakukan berdasarkan pendekatan pembelajaran mesin terautomatik (AutoML) yang menentukan algoritma terbaik dan
mengoptimumkan hiperparameter secara automatik. AutoML mencuba pelbagai algoritma seperti ensembel, rangkaian neural, Naïve Bayes, mesin vektor sokongan, jiran terhampir k dan pepohon keputusan perduaan yang dioptimumkan oleh Algoritma Menyeparuh Berturutan Tak Segerak. Sebuah model pengelasan jenis ensembel ditentukan sebagai model berprestasi terbaik dengan ketepatan 99.15%. Ia seterusnya diguna pakai dalam pembangunan sistem pengesanan hampir masa nyata. Sistem tersebut menstrim data medan geomagnet berterusan dan melaporkan pengesanan Pi2 di repositori awan yang terbuka. Sistem pengesanan ini boleh dijadikan salah satu sumber rujukan untuk mengetahui kejadian denyutan Pi2 di serata dunia. |
| first_indexed | 2025-11-15T01:04:29Z |
| format | Article |
| id | oai:generic.eprints.org:25409 |
| institution | Universiti Kebangasaan Malaysia |
| institution_category | Local University |
| language | English |
| last_indexed | 2025-11-15T01:04:29Z |
| publishDate | 2024 |
| publisher | Penerbit Universiti Kebangsaan Malaysia |
| recordtype | eprints |
| repository_type | Digital Repository |
| spelling | oai:generic.eprints.org:254092025-06-24T08:42:36Z http://journalarticle.ukm.my/25409/ Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik Khairul Adib Yusof, Mardina Abdullah, Nurul Shazana Abdul Hamid, Suaidi Ahadi, Impak ribut kecil geomagnet terhadap cuaca angkasa dan pelbagai teknologi di Bumi mewujudkan keperluan untuk mengesan fenomena tersebut. Walau bagaimanapun, tempoh kejadian ribut kecil yang singkat menyukarkan ia sukar dikesan secara terus, justeru, ia pengesanan secara proksi dalam bentuk petanda perlu dilakukan. Denyutan Pi2, iaitu isyarat teredam tidak sekata pada komponen mendatar medan geomagnet ( Hz), dilihat sebagai petanda ribut kecil yang andal. Penghentian indeks yang sebelum ini merupakan petunjuk utama pengesanan denyutan Pi2 memangkin kajian ini untuk memperkenalkan kaedah pengesanan yang baharu dengan menerapkan pembelajaran mesin. Dalam kajian ini, beberapa sifat dicari daripada data medan geomagnet berdasarkan parameter statistik, metrik impulsif dan isyarat untuk digunakan dalam pembangunan model pengelasan. Pembangunan ini dilakukan berdasarkan pendekatan pembelajaran mesin terautomatik (AutoML) yang menentukan algoritma terbaik dan mengoptimumkan hiperparameter secara automatik. AutoML mencuba pelbagai algoritma seperti ensembel, rangkaian neural, Naïve Bayes, mesin vektor sokongan, jiran terhampir k dan pepohon keputusan perduaan yang dioptimumkan oleh Algoritma Menyeparuh Berturutan Tak Segerak. Sebuah model pengelasan jenis ensembel ditentukan sebagai model berprestasi terbaik dengan ketepatan 99.15%. Ia seterusnya diguna pakai dalam pembangunan sistem pengesanan hampir masa nyata. Sistem tersebut menstrim data medan geomagnet berterusan dan melaporkan pengesanan Pi2 di repositori awan yang terbuka. Sistem pengesanan ini boleh dijadikan salah satu sumber rujukan untuk mengetahui kejadian denyutan Pi2 di serata dunia. Penerbit Universiti Kebangsaan Malaysia 2024 Article PeerReviewed application/pdf en http://journalarticle.ukm.my/25409/1/kejut_38.pdf Khairul Adib Yusof, and Mardina Abdullah, and Nurul Shazana Abdul Hamid, and Suaidi Ahadi, (2024) Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik. Jurnal Kejuruteraan, 36 (3). pp. 1301-1310. ISSN 0128-0198 https://www.ukm.my/jkukm/volume-3603-2024/ |
| spellingShingle | Khairul Adib Yusof, Mardina Abdullah, Nurul Shazana Abdul Hamid, Suaidi Ahadi, Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik |
| title | Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik |
| title_full | Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik |
| title_fullStr | Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik |
| title_full_unstemmed | Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik |
| title_short | Pengesanan denyutan Pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik |
| title_sort | pengesanan denyutan pi2 hampir masa nyata berdasarkan model pembelajaran mesin terautomatik |
| url | http://journalarticle.ukm.my/25409/ http://journalarticle.ukm.my/25409/ http://journalarticle.ukm.my/25409/1/kejut_38.pdf |