digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Filbert Anderson
PUBLIC Irwan Sofiyan

Pada saat ini, arah perawatan pesawat yang dominan digunakan adalah condition-based maintenance (CBM). Agar CBM dapat diimplementasikan pada mesin PW-127M, maka MRO menghadirkan program Engine Condition Trend Monitoring (ECTM). ECTM membandingkan kondisi nyata beberapa parameter mesin dengan model matematis mesin untuk menentukan kapan dan jenis tindakan perawatan apa yang perlu dilakukan. Untuk mesin Pratt & Whitney seri PW-100, ECTM masih seluruhnya diproses oleh Danish Engine Trend Analyzing (DETA) milik P&WC. Hal ini menyebabkan biaya yang cukup besar untuk menggunakan layanannya. Dengan menyusun model ECTM secara mandiri, biaya ini dapat dihemat. Model dibangun dalam bahasa python dengan dua metode yaitu multiple-linear regression (MLR) dan neural network (NN). Model dilatih dengan membandingkan data mentah mesin pesawat dengan keluaran data yang telah diproses oleh program ECTM milik DETA. Penelitian yang dilakukan dinyatakan berhasil apabila grafik output yang ditampilkan oleh prediksi model yang dibangun dapat memodelkan keluaran ECTM dengan masukan data mentah yang sama. Dari kedua metode yang dipilih, model yang dibangun dengan MLR dapat memprediksi output ECTM dengan cukup baik, sedangkan model NN masih gagal memprediksi output ECTM dengan baik. Saran untuk penelitian selanjutnya adalah untuk menambah jumlah data training dan juga meneliti lebih lanjut proses normalisasi data yang dilakukan perusahaan sebelum diproses ECTM.