STTSSTTS

INSYST: Journal of Intelligent System and ComputationINSYST: Journal of Intelligent System and Computation

Industri penerbangan memerlukan alat manajemen pilot yang efisien dan andal untuk mengatasi tantangan metode tradisional yang menghasilkan inkonsistensi data dan keterlambatan operasional. Penelitian ini mengembangkan dan mengoptimalkan aplikasi mobile berbasis Flutter dan GetX yang menyederhanakan logistik Electronic Flight Bag (EFB) serta proses pelatihan pilot. Untuk mengurangi tugas manual yang rentan kesalahan, aplikasi dilengkapi mesin rekomendasi berbasis pembelajaran mesin yang memanfaatkan model transformer sekuensial seperti eSASRec dan HSTU. Evaluasi metrik—NDCG@3 0,521 dan PAP@3 1,000—menunjukkan bahwa model transformer menghasilkan prediksi yang paling akurat dan terperinci dalam mengidentifikasi kebutuhan pelatihan remedial tersembunyi, meningkatkan platform menjadi sistem keamanan penerbangan proaktif.

Aplikasi mobile berbasis Flutter dan GetX berhasil mendigitalkan proses EFB handover dan assessment pelatihan pilot, meningkatkan efisiensi sumber daya perangkat keras dan meminimalkan konsumsi memori.Meski begitu, penggunaan GetX menimbulkan latensi rendering pada antarmuka kompleks, yang memerlukan intervensi manual untuk konsistensi data.Integrasi mesin rekomendasi belajar mesin berbasis transformer secara signifikan meningkatkan kemampuan sistem untuk merekomendasikan pelatihan remedial secara tepat dan terpersonalisasi, membuktikan nilai tambahnya bagi keamanan penerbangan.

Satu arah studi berikutnya ialah mengevaluasi penerapan pola manajemen state deterministik seperti BLoC untuk menghilangkan latensi reaktif GetX dan menilai dampaknya pada pengalaman pengguna di skenario penerbangan kritis. Studi lain sebaiknya memperluas model recommender dengan mengintegrasikan data telemetry penerbangan asli serta penilaian subyektif pelatih, sehingga model dapat menyesuaikan rekomendasi secara real‑time dan lebih akurat pada perjalan individu. Terakhir, penelitian lanjutan dapat meneliti mekanisme feedback adaptif di mana pilot dapat memberikan masukan langsung tentang relevansi rekomendasi, memungkinkan sistem belajar terus-menerus dan meningkatkan kepatuhan serta efektivitas pelatihan pilot.

  1. xLightFM: Extremely Memory-Efficient Factorization Machine | Proceedings of the 44th International ACM... doi.org/10.1145/3404835.3462941xLightFM Extremely Memory Efficient Factorization Machine Proceedings of the 44th International ACM doi 10 1145 3404835 3462941
  2. Collaborative Filtering with Topic and Social Latent Factors Incorporating Implicit Feedback | ACM Transactions... dl.acm.org/doi/10.1145/3127873Collaborative Filtering with Topic and Social Latent Factors Incorporating Implicit Feedback ACM Transactions dl acm doi 10 1145 3127873
  3. Performance Analysis of BLoC and GetX State Management Library on Flutter | Journal of Information System... ejurnal.seminar-id.com/index.php/josh/article/view/4698Performance Analysis of BLoC and GetX State Management Library on Flutter Journal of Information System ejurnal seminar id index php josh article view 4698
Read online
File size578.82 KB
Pages6
DMCAReport

Related /

ads-block-test