Abstract:
Jaringan sensor terdistribusi (JST) atau distributed sensor network adalah suatu sistem yang mengintegrasikan
sejumlah sensor yang terletak di beberapa lokasi yang berbeda melalui penggunaan jaringan sistem
komunikasi (kabel/nirkabel) tertentu sehingga memungkinkan dilakukannya proses pertukaran data/informasi
antar sensor dalam jaringan tersebut. JST dapat dijumpai pada berbagai aplikasi di kehidupan nyata,
diantaranya jaringan sistem transportasi, sistem distribusi listrik/air, dan jaringan komunikasi radio/internet.
Salah satu isu penting dalam desain/implementasi JST adalah terkait penentuan solusi untuk problem
peletakan sensor secara optimal (PSSO). PSSO pada dasarnya merupakan permasalahan penentuan jumlah,
jenis dan posisi dari beberapa sensor pada cakupan kerja suatu JST untuk mengoptimalkan capaian kriteria
operasi dari JST tersebut secara keseluruhan (i.e. kriteria performansi, kestabilan, biaya operasional, serta
kerobasan). Dalam hal ini, metode penentuan solusi untuk problem PSSO pada JST sangat dibutuhkan demi
memastikan pencapaian kriteria performansi optimal dengan biaya instalasi/perawatan seminimal mungkin.
Penelitian ini telah melakukan studi dan evaluasi awal komprehensif terkait penggunaan metoda
reinforcement learning (RL) dan deep reinforcement learning (DRL) untuk menentukan solusi problem PSSO.
Secara khusus, kegiatan penelitian yang telah dilakukan meninjau problem penentuan lokasi peletakan sensor
secara optimal untuk aplikasi pertanian presisi dan jaringan transportasi kereta api. Lebih spesifik, kegiatan
penelitian yang dilakukan pada dua aplikasi tersebut difokuskan untuk menjawab pertanyaan mendasar
sebagai berikut:
Dengan batasan anggaran/biaya tertentu, jenis dan konfigurasi peletakan sensor apa yang harus
digunakan pada suatu JST untuk mengoptimalkan performansi/fungsinya?
Pada suatu sistem JST dengan konfigurasi sensor yang sudah terpasang, perubahan konfigurasi apa yang
diperlukan atau sensor mana yang perlu diganti/diupgrade untuk mengomptimalkan kinerja JST?
