Perpustakaan Digital ITB

Jumlah penerbangan setelah dicabutnya status darurat COVID-19 semakin mengalami peningkatan tiap tahunnya. Dengan meningkatnya aktivitas penerbangan, jumlah kecelakaan pesawat tahunan juga ikut meningkat. Untuk mengurangi jumlah kematian dalam kecelakaan pesawat, perlu peningkatan fitur keselamatan seperti crashbox, yang berfungsi menyerap energi kinetik di struktur sub-floor pesawat saat tabrakan terjadi. Pada umumnya, material yang digunakan pada crashbox adalah alumunium. Dalam beberapa tahun terakhir, material hibrida alumunium-CFRP semakin sering digunakan sebagai crashbox karena faktor cost-perfomance. Penelitian ini bertujuan untuk menganalisis dan mengoptimasi crashbox hibrida, sehingga diperoleh konfigurasi crashbox yang memiliki kriteria kelaiaktabrakan specific energy absorption (SEA) tertinggi. Bentuk dan diameter penampang, ketebalan alumunium, jumlah dan orientasi lapisan komposit, serta sudut cone pada crashbox dijadikan sebagai parameter input untuk proses optimasi. Optimasi dilakukan dengan menggunakan machine learning, melalui tahap Artificial Neural Network (ANN) dan Non-dominated Sorting Genetic Algorithm II (NSGA-II). Dengan mengombinasikan parameter input menggunakan metode Latin Hypercube Sampling (LHS) diperoleh 100 konfigurasi yang nantinya dilakukan simulasi. Hasil simulasi tersebut digunakan sebagai data training untuk melatih model ANN dan NSGA-II akan memprediksi konfigurasi yang menghasilkan SEA tertinggi. Hasil optimasi menunjukkan konfigurasi crashbox dengan bentuk penampang octagon berrdiameter 47 mm menghasilkan SEA tertinggi. Hasil tersebut disimulasikan untuk mengetahui validitasnya dan kemudian diaplikasikan pada struktur subfloor. Simulasi drop test dilakukan pada model bagian fuselage yang sudah menggunakan konfigurasi crashbox optimum. Dari hasil simulasi, diperoleh SEA sebesar 35910.3 J/kg dan peningkatan sebesar 295% dibandingkan struktur penyerap energi baseline pada subfloor yang berbentuk half-tube.