KEVIN MAULANA RISKY, - (2024) PREDIKSI REMAINING USEFUL LIFE MESIN TURBOFAN MENGGUNAKAN METODE DEEP LAYER RECURRENT NEURAL NETWORK. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text SKRIPSI LENGKAP KECUALI BAB IV.pdf Download (5MB) | Preview
	Text BAB IV.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Dalam beberapa tahun terakhir, perkembangan prognostic dan manajemen kesehatan pada mesin dan sistem telah berkembang pesat. Salah satu bentuk interaksinya adalah memprediksi sisa berguna umur pada mesin turbofan pesawat. Penelitian ini, menggunakan metode prediksi Deep Learning RNN dengan LSTM sebagai arsitekturnya. Dataset C-MAPSS FD001 digunakan sebagai dataset pemodelan yang didalamnya terdapat data multivariate yang kompleks. Tujuan utama dalam proses analisis dan pemodalan ini adalah untuk mendapatkan hasil prediksi sisa berguna umur yang dapat menjadi patokan dalam analisa Remaining Useful Life (RUL) mesin turbofan tersebut. Hasil pengujian melibatkan banyak kriteria serta parameter yang diujicobakan diantaranya adalah learning rate, jumlah epoch, hidden unit, metode normalisasi yang digunakan hingga metode optimizer. Analisa hasil menunjukkan bahwa model yang dengan kriteria learning rate 0.001, jumlah epoch sebanyak 50, hidden unit 12, metode normalisasi Min-max, serta optimizer Adam yang diujicobakan dapat memahami dengan cukup akurat pola data RUL dan mengikuti pergerakan target RUL yang telah ditentukan sebelumnya. Meskipun terdapat penurunan dan sedikit lonjakan pada jenjang unit mesin 81 hingga 84, dengan nilai error pada RMSE sebesar 26.48, tetapi secara keseluruhan model dapat dianggap optimal dalam mempelajari pola prediksi target RUL. Penelitian ini menunjukkan bahwa model RNN-LSTM memiliki potensi besar dalam aplikasi prognostic mesin turbofan pesawat.

Actions (login required)

View Item