Perpustakaan Digital ITB

Berat dan kecepatan operasi kereta sangat berpengaruh terhadap kondisi rel dan kereta api itu sendiri. Ketidakpatuhan terhadap regulasi berat dan kecepatan dapat memengaruhi kesehatan berbagai komponen. Pengukuran berat umumnya dilakukan ketika kereta diam yang menyebabkan turunnya efisiensi operasional. Oleh karena itu, penelitian ini mengeksplorasi metode untuk mengukur berat dan kecepatan kereta berdasarkan akselerasi vertikal rel ketika kereta melintasi rel menggunakan machine learning. Data yang akan diolah oleh machine learning berasal dari simulasi dinamik menggunakan Universal Mechanism dengan objek analisis berupa kereta penumpang dan jalan rel fleksibel sebagai sistem benda jamak. Jalan rel fleksibel diberi ketidakteraturan geometri untuk merepresentasikan kondisi nyata. Respon dinamis rel diwakilkan oleh akselerasi vertikal rel dan waktu. Fitur masukan untuk machine learning mencakup tiga puluh nilai tertinggi dari percepatan vertikal rel yang sudah diabsolutkan dan waktu terjadinya. Sementara itu, fitur keluaran mencakup berat dan kecepatan kereta. Digunakan sembilan metode pembelajaran regresi berbeda dalam pengembangan model prediksi berat dan kecepatan untuk menemukan metode dengan nilai root mean square error terendah. Selanjutnya, karakteristik kedua model akan dianalisis berdasarkan nilai root mean square error (RMSE), mean absolute error (MAE) dan standar deviasi (SD). Metode terbaik yang diperoleh adalah metode pembelajaran regresi random forest untuk memprediksi baik nilai berat maupun kecepatan kereta berdasarkan respon akselerasi vertikal rel ketika dilalui oleh kereta. Model prediksi berat kereta memiliki nilai RMSE sebesar 0,83 ton sedangkan model prediksi kecepatan kereta memiliki nilai RMSE sebesar 0,92 km/jam.