Electronic Theses and Dissertation

Proses analisis dan estimasi parameter antena microstrip patch rectangular yang telah dilakukan selama ini masih terdapat beberapa kekurangan, seperti besarnya error yang dihasilkan dan metode yang terlalu rumit. oleh karena itu diperlukan penelitian untuk membangun metode baru yang dapat meningkatkan hasil estimasi parameter antena microstrip patch rectangular yang akan mengurangi tingkat error dan menyederhanakan prosesnya. antena microstrip patch rectangular yang terdiri dari bandwidth, directivity, gain, resonant frequency, return loss dan vswr secara matematis karena ada banyak hal yang mempengaruhi perhitungan seperti tebal substrat, besar substrat dielektrik constant, lebar dan panjang feed, lebar dan panjang patch. pada penelitian ini diusulkan penggunaan salah satu algoritma deep learning yaitu artificial neural network (ann) untuk menganalisis dan mengestimasi parameter antena mikrostrip patch rectangular dua elemen yang terdiri dari directivity, resonant frequency, vswr, gain, bandwidth dan return loss. nilai data yang menjadi input ann meliputi konstanta dielektrik substrat, tebal substrat, serta panjang dan lebar feed dan patch. desain awal antena mikrostrip patch rectangular dua elemen dilakukan menggunakan software computer simulation technology (cst), diikuti dengan simulasi untuk mengumpulkan data yang diperlukan. model ann yang digunakan terdiri dari tujuh lapisan input (input layer), dua lapisan tersembunyi (hidden layer), dan satu lapisan output (output layer). hasil penelitian menunjukkan bahwa ann mampu mengestimasi parameter antena mikrostrip patch rectangular dua elemen dengan tingkat kesalahan (error) yang rendah dan konvergensi dengan baik. evaluasi kinerja ann didasarkan pada nilai mean squared error (mse). untuk parameter directivity, mse ditemukan sebesar 0.00862, sementara untuk resonant frequency sebesar 0.0244. parameter vswr, gain, bandwidth, dan return loss masing-masing memiliki mse sebesar 0.00228, 0.04352, 0.00004187, dan 0.10232. hasil evaluasi menunjukkan bahwa ann menawarkan pendekatan yang efektif untuk analisis dan estimasi parameter antena microstrip patch rectangular dua elemen, dengan hasil yang konsisten dengan data yang diperoleh melalui simulasi cst.

The process of analyzing and estimating rectangular patch microstrip antenna parameters that has been done so far still has some shortcomings, such as the amount of error generated and the method that is too complicated. Therefore, research is needed to build a new method that can improve the results of estimating rectangular microstrip patch antenna parameters that will reduce the error rate and simplify the process. Microstrip patch rectangular antenna which consists of bandwidth, directivity, gain, resonant frequency, return loss and VSWR mathematically because there are many things that affect the calculation such as substrate thickness, substrate dielectric constant, feed width and length, patch width and length. In this research, it is proposed to use one of the deep learning algorithms, namely Artificial Neural Network (ANN) to analyze and estimate the parameters of a two-element rectangular patch microstrip antenna consisting of directivity, resonant frequency, VSWR, gain, bandwidth and return loss. Data values that are input to the ANN include the dielectric constant of the substrate, the thickness of the substrate, and the length and width of the feed and patch. The initial design of the two-element rectangular patch microstrip antenna was carried out using Computer Simulation Technology (CST) software, followed by simulations to collect the necessary data. The ANN model used consists of seven input layers, two hidden layers, and one output layer. The results show that the ANN is able to estimate the parameters of a two-element rectangular patch microstrip antenna with a low error rate and good convergence. The ANN performance evaluation is based on the Mean Squared Error (MSE) value. For the directivity parameter, the MSE was found to be 0.00862, while for the resonant frequency it was 0.0244. The VSWR, gain, bandwidth, and return loss parameters have MSEs of 0.00228, 0.04352, 0.00004187, and 0.10232, respectively. The evaluation results show that ANN offers an effective approach for the analysis and estimation of two-element rectangular patch microstrip antenna parameters, with results consistent with the data obtained through CST simulations.