1. Home
  2. Vol 15, No 1 (2018)
  3. Herawan

Prediksi Frekuensi Kemunculan Latchup pada Satelit A-1 Menggunakan ARIMA

Agus Herawan

Abstract


Data Telemetri merupakan sumber untuk mendeteksi atau memprediksi latchup pada satelit buatan. Satelit LAPAN A1-telah beroperasi lebih dari tujuh tahun. Dalam operasi tersebut, LAPAN A1 telah menghasilkan banyak data telemetri dan pernah menghadapi beberapa latchup. Salah satu bagian yang menjadi perhatian dalam pemantauan kesehatan satelit adalah kemunculan latchup dalam satelit LAPAN-A1. Pemantauan ini harus dilakukan untuk memastikan satelit dapat bekerja secara optimal. Penelitian ini menggunakan data latchup perbulan. Tujuan dari penelitian ini yakni untuk memprediksi frekuensi kemunculan latchup pada satelit tersebut dengan menggunakan metode autoregressive integrated moving average ARIMA. Hasil yang diperoleh model ARIMA yang terpilih adalah model ARIMA(4,0,4) dengan nilai root mean square error (RMSE) sebesar 0,530, nilai mean absolute percentage error (MAPE) sebesar9.76 dan nilai mean absolute error (MAE) sebesar 0.463. Hasil penelitian ini diharapkan dapat membantu peneliti dan operator satelit untuk mengetahui kemunculan latchup tiap bulan dengan prediksi sehingga kondisi kesehatan satelit tetap terjaga serta dapat dijadikan acuan dalam pengembangan satelit berikutnya.

Kata Kunci: LAPAN-A1, latchup, ARIMA, RMSE, MAPE, MAE


References


References

Najati, N. Effect Of Space Environment Disturbance In Lapan-A1 Satellite. Jurnal Teknologi Dirgantara. 2012.Vol. 10 No. 1

V. Chandola, A. Banerjee & V. Kumar,. Anomaly Detection: A Survey. ACM Computing Surveys.2009

Sturesson, F.. Single Event Effects (SEE) Mechanism and Effects EPFL Space Center. 2009.

Felix, JA. Sandia Nat. Labs., Albuquerque, NM.. Test Procedures for Proton-Induced Single Event Latchup in Space Environments. Nuclear Science 2008, IEEE Transactions

Machida, K., Fujimak, R., Yairi, T., Kawahara, Y. and Sato, Y., Telemetry-mining: A machine Learning Approach to Anomaly Detection and Fault Diagnosis for Space Systems. 2nd IEEE International Conference on Space Mission Challenges for Information Technology, IEEE. 2006

Saybani , Teh Ying Wah, Amineh Amini, Saeed Reza , Aghabozorgi Yazdi. Anomaly detection and prediction of sensors faults in arefinery using data mining techniques and fuzzy logic. Scientific Research and Essays .2011. Vol. 6

Xu Junyi , Zeng Anmin. Application Of Arima（0，2，q）Model To Prediction Of Satellite Clock Error, Journal Of Geodecy And Geodynamics. 2009

Bowerman, B.L., OConnell, R.T. & Koehler, A.B.. Forecasting, Time Series, Regression An applied approach, 4th ed.Thomson Brooks/ cole, Belmont, CA.2005

G.M. Jenkins, G.C. Reinsel. Time Series Analysis: Forecasting and Control. San Fransisco, Holden-Day.1994

Montgomery, DC, Cheryl LJ, Murat K.. Introduction to Time Series Analysis and Forecasting. Canada: John Wiley & Sons. Inc. 2008


Full Text: PDF

DOI: 10.33751/komputasi.v15i1.1263 Abstract views : 226 views : 240

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.