Perpustakaan Digital ITB

Tuntutan yang semakin meningkat untuk perjalanan udara telah mendorong pengembangan metode prediksi lintasan canggih guna menciptakan ruang udara yang lebih dapat diprediksi. Tesis sarjana ini menyajikan pendekatan hibrida untuk memprediksi lintasan pesawat dalam satu rute penerbangan dengan menggabungkan pengelompokan K-means dan jaringan Bidirectional Long Short-Term Memory (BiLSTM). Tujuan tesis sarjana ini adalah menciptakan model pembelajaran mendalam yang mampu memprediksi dengan akurat lintasan pesawat dari Bandara Internasional Duluth (DLH) ke Bandara Internasional Minneapolis-Saint Paul (MSP) dan mengukur pengaruh metode pengelompokan lintasan terhadap kinerja model. Untuk mencapai tujuan tersebut, empat langkah utama dilakukan dalam metodologi penelitian ini, yaitu pra-pemrosesan data, pemodelan, uji validasi, dan analisis. Data penerbangan sejarah yang sebenarnya akan digunakan untuk melatih model BiLSTM setelah dikelompokkan dengan pengelompokan K-means. Model yang dihasilkan kemudian akan divalidasi dengan data penerbangan enroute acak dari data penerbangan sebenarnya. Pendekatan hibrida ini divalidasi dan dievaluasi menggunakan berbagai metrik kinerja, termasuk Mean Squared Error (MSE) dan Root Mean Squared Error (RMSE). Penelitian ini berhasil memprediksi penerbangan dengan akurat, dan proses pengelompokan terbukti meningkatkan akurasi prediksi sebesar 15% dalam lintang dan 10,5% dalam bujur.