UMUSUMUS

Jurnal Ilmiah Intech : Information Technology Journal of UMUSJurnal Ilmiah Intech : Information Technology Journal of UMUS

Proses diagnosis kerusakan mesin pesawat memerlukan keahlian teknis tinggi dan pengalaman junior sering mengalami kesulitan dalam memahami gejala serta riwayat perawatan. Teknisi mengidentifikasi masalah tanpa bimbingan teknisi senior. Penelitian ini bertujuan mengembangkan sistem troubleshooting berbasis teks menggunakan pendekatan Case-Based Reasoning (CBR) untuk memberikan rekomendasi solusi terhadap kerusakan engine pesawat Cessna C208-B berdasarkan kemiripan kasus sebelumnya. Dataset terdiri atas 100 data kerusakan yang mencakup deskripsi gejala (symptom), penyebab (cause), dan tindakan perbaikan (solution). Proses retrieve meliputi text preprocessing (case folding, tokenizing, stopword removal, filtering, dan stemming), pembobotan TF-IDF, serta perhitungan kemiripan menggunakan Cosine Similarity. Hasil pengujian menunjukkan sistem mampu mencapai Precision@1 sebesar 100% dan akurasi keseluruhan 100% dengan waktu pencarian rata-rata 2,8 detik. Meskipun tingkat kemiripan menurun dari 81,7% menjadi 74,7% pada pengujian generalisasi, sistem tetap menunjukkan performa yang konsisten. Hasil ini membuktikan bahwa pendekatan CBR berbasis teks efektif dalam membantu teknisi junior menemukan solusi kerusakan mesin secara cepat dan akurat, serta berpotensi menjadi decision support tool untuk mempercepat proses diagnosis dan mengurangi kesalahan identifikasi di hanggar.

Sistem mencapai Top-1 Accuracy sebesar 100% dan Precision@3 sebesar 100% pada pengujian fungsional maupun generalisasi, dengan rata-rata similarity masing-masing 81.Hasil ini menunjukkan efektivitas metode CBR berbasis TF-IDF dan Cosine Similarity dalam mendukung proses diagnosis kerusakan mesin pesawat.

Untuk meningkatkan kecerdasan dan adaptasi sistem diagnosa kerusakan mesin pesawat ini, beberapa arah penelitian lanjutan yang menjanjikan patut dieksplorasi. Pertama, penggunaan model bahasa canggih seperti SBERT atau BERT akan sangat bermanfaat untuk memahami deskripsi kerusakan yang lebih kompleks dan nuansa bahasa dalam laporan teknisi. Sistem dapat dilatih mengenali sinonim, pola frasa, serta konteks spesifik yang seringkali terlewat oleh pendekatan kata kunci sederhana, sehingga mampu memberikan rekomendasi lebih akurat meskipun deskripsi teknisi tidak standar. Kedua, perluasan dan diversifikasi dataset menjadi krusial; penelitian dapat berfokus pada metode pengumpulan data otomatis serta validasi kasus dari berbagai sumber, seperti log perawatan pesawat yang berbeda atau kondisi operasional bervariasi. Mengembangkan mekanisme umpan balik dari teknisi senior untuk memperkaya basis pengetahuan sistem secara otomatis (active learning) juga akan sangat berguna untuk meningkatkan generalisasi sistem. Terakhir, integrasi data tekstual dengan data numerik dari sensor mesin, seperti getaran, suhu, dan tekanan bahan bakar, merupakan langkah evolusi krusial. Sistem hibrida ini tidak hanya mengandalkan deskripsi teks tetapi juga menganalisis tren data sensor secara real-time, memungkinkannya mendeteksi anomali, melakukan diagnosis prediktif, dan memvalidasi temuan tekstual dengan bukti objektif. Pendekatan komprehensif ini akan menjadikan sistem sebagai alat pendukung keputusan yang jauh lebih robust dan preventif, secara signifikan meminimalkan potensi kegagalan dan meningkatkan keselamatan penerbangan.

  1. #sistem m paspor#sistem m paspor
  2. #harga beras premium#harga beras premium
Read online
File size369.93 KB
Pages9
Short Linkhttps://juris.id/p-3es
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test