Perpustakaan Digital ITB

Dalam penerbangan pesawat udara, salah satu fase yang paling kritis atau rawan terjadi masalah ialah fase take-off. Salah satu cara untuk mengurangi tingkat risiko pada fase ini adalah dengan adanya sistem yang membantu pilot dalam melakukan take-off. Banyak program dikembangkan untuk memberikan fungsi tersebut, seperti autopilot. Namun, program autopilot sekarang ini lebih didominasi dengan program hard coded yang lebih terbatas dalam cakupan dan fleksibilitas. Untuk itu, dalam penelitian ini akan dieksplorasi metode lain dalam mengembangkan autopilot, yakni dengan deep learning. Metode ini akan menghasilkan program soft coded, yang lebih fleksibel dan mampu memberi cakupan lebih luas. Penggunaan metode ini diharapkan mampu menghasilkan model kendali yang dapat mengimitasi pilot melalui data-data penerbangan yang merekam kondisi terbang dan input kendali pilot. Yang mana data tersebut akan berasal dari Quick Access Recorder penerbangan asli dan juga data buatan melalui simulasi X-Plane. Nantinya model kendali akan dikembangkan dengan menggunakan pesawat Boeing 747 dan juga Cirrus Vision SF-50. Model kendali juga akan dilatih pada penerbangan dengan gangguan crosswind. Hasil yang didapat sendiri menghasilkan satu set model kendali yang mampu melakukan proses take-off pada kondisi gangguan crosswind, model kendali bahkan masih mampu menerbangkan pesawat dengan kondisi di luar data latih, yang berarti model yang dihasilkan cukup robust. Selain itu, ditemukan juga bahwasanya model yang berperforma baik secara metrik statistik belum tentu berperforma lebih baik ketika diimplementasikan pada sistem kendali pesawat, karena adanya faktor lain yang terlibat. Selain itu, dalam pengembangan model kendali ini, diamati bahwa yang paling mempengaruhi performa model ialah jenis, kualitas, dan cara preprocessing set data yang digunakan untuk data latih.