Perpustakaan Digital ITB

Pemantauan kondisi generator set (genset) pada kereta api diperlukan untuk mengetahui perubahan parameter operasi yang berkaitan dengan kondisi kerja mesin. Salah satu parameter penting yang dipantau adalah tekanan oli (oil pressure) karena berkaitan langsung dengan sistem pelumasan. Penelitian ini mengembangkan dan membandingkan model prediksi oil pressure menggunakan arsitektur Gated Recurrent Unit (GRU) dan Long Short-Term Memory (LSTM) berbasis data historis sensor genset P07802. Setelah melalui tahap pra-pemrosesan, segmentasi, rekayasa fitur, dan pembentukan data deret waktu menggunakan metode sliding window, diperoleh 627.651 rekaman dengan 14 fitur input yang mencakup riwayat tekanan oli, fitur statistik dan perubahan historis, serta beberapa parameter operasi pendukung. Kinerja model dievaluasi menggunakan MAE, RMSE, R², MAPE, serta dibandingkan dengan baseline naïve T-1. Hasil full validation menunjukkan bahwa LSTM memberikan performa sedikit lebih baik dibandingkan dengan GRU. Model LSTM menghasilkan MAE sebesar 4,0638 kPa, RMSE sebesar 5,8916 kPa, R² sebesar 0,8545, dan MAPE sebesar 0,9721%, serta menurunkan RMSE sebesar 11,97% dibandingkan baseline naïve T-1. Hasil prediksi juga dianalisis menggunakan pendekatan threshold dan time-to-threshold untuk memberikan interpretasi tambahan terhadap kecenderungan perubahan tekanan oli menuju batas warning dan critical. Karena data historis yang digunakan didominasi oleh kondisi operasi normal, analisis tersebut diposisikan sebagai kerangka awal pemantauan kondisi berbasis data dan belum merupakan validasi terhadap gangguan aktual. Secara keseluruhan, LSTM memberikan performa prediksi terbaik pada target utama oil pressure, sedangkan GRU tetap menunjukkan performa yang kompetitif.