Tesis Omar Al Faatih ini, yang diajukan sebagai syarat untuk gelar Magister Sains Teknik Dirgantara di ITB pada Oktober 2025, memperkenalkan kerangka kerja *hierarchical transfer learning* (HTL) untuk memprediksi kerusakan transversal pada komposit termoplastik yang diperkuat serat searah (FRTP). Penelitian ini mengatasi tantangan dalam memprediksi kerusakan transversal akibat perilaku nonlinier matriks FRTP dan biaya komputasi simulasi FEM yang tinggi. Kerangka HTL yang diusulkan, dengan model hibrid CNN-LSTM, menggunakan data FEM dan *machine learning* untuk prediksi respons tegangan-regangan yang cepat dan akurat dari citra mikrostruktur, menunjukkan hasil yang unggul dibandingkan pendekatan non-hierarkis dan menawarkan alternatif yang efisien untuk simulasi FEM.