Perpustakaan Digital ITB

Keterlambatan penerbangan adalah masalah yang terus ada dan meningkat seiring dengan peningkatan jumlah penerbangan dan pertumbuhan sektor aviasi. Keterlambatan ini menimbulkan kerugian baik bagi pelanggan, maskapai penerbangan, maupun bandar udara. Walaupun telah banyak dibuat model prediksi keterlambatan penerbangan, namun akurasi prediksi belum cukup tinggi. Penelitian ini bertujuan untuk membuat model prediksi keterlambatan penerbangan dengan cara pembelajaran mesin yang dapat dijelaskan (explainable artificial intelligence). Metode yang digunakan adalah dengan merumuskan kategori keterlambatan, membandingkan beberapa metode pembelajaran mesin, memilih metode model terbaik, dan dilanjutkan dengan analisis fitur yang berpengaruh terhadap keterlambatan menggunakan metode SHAP (Shapley Additive Explanations). Data yang digunakan adalah data penerbangan domestik di Amerika Serikat pada tahun 2021-2022. Hasil penelitian adalah model prediksi dengan metode random forest yang mencapai akurasi sebesar 83% dan skor F1 sebesar 0,83. Analisis SHAP mengidentifikasikan faktor-faktor kunci yang mempengaruhi keterlambatan, yaitu waktu turnaround, durasi penundaan sebelumnya, maskapai penerbangan, penundaan bandara, dan jarak penerbangan. Hasil penelitian ini bermanfaat bagi maskapai penerbangan untuk meningkatkan kinerja tepat waktu (on-time performance) dan bagi bandar udara untuk meningkatkan pengelolaan slot.