digilib@itb.ac.id +62 812 2508 8800

SISTEM DETEKSI FLARE DENGAN DATA QAR DAN MACHINE LEARNING

79 views
Save At List
Penulis : Louis Richard Chandra [13622038]
Kontributor / Dosen Pembimbing :
  • Dr. -Ing. Ir. Javensius Sembiring, S.T, M.T.
  • Muhamad Luthfi Imam Nurhakim, S.T, M.T.
  • Mufti Arifin, S.T, M.T.
Jenis Koleksi : Tugas Akhir
Tahun Terbit : 2026
Penerbit : Teknik Dirgantara
Fakultas : Fakultas Teknik Mesin dan Dirgantara
Subjek : Engineering & allied operations
Kata Kunci : Pendaratan merupakan fase penerbangan yang paling kritis karena berhubungan langsung dengan keselamatan operasional. Pada fase ini, manuver flare berperan dalam mengendalikan transisi pesawat menuju touchdown. Ketidaktepatan pelaksanaan manuver flare seperti late flare dapat meningkatkan risiko runway excursion. Penelitian ini menerapkan metode pattern recognition berbasis machine learning untuk mengenali pola flare menggunakan data Quick Access Recorder (QAR). Parameter yang dianalisis meliputi altitude, vertical speed, pitch angle, ground speed, low-pressure spool rotational speed (N1), dan weight on wheels. Tahapan penelitian meliputi preprocessing data, ekstraksi fitur, pelatihan model, dan evaluasi menggunakan metrik accuracy dan precision. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan pola flare menjadi early flare, normal flare, dan late flare dengan tingkat akurasi yang tinggi sehingga berpotensi mendukung pemantauan keselamatan penerbangan dan evaluasi prosedur pendaratan.
Sumber :
Staf Input/Edit : Esha Mustika Dewi  
File : 1 file
Tanggal Input : 08 Agu 2026

Pendaratan merupakan fase penerbangan yang paling kritis karena berhubungan langsung dengan keselamatan operasional. Pada fase ini, manuver flare berperan dalam mengendalikan transisi pesawat menuju touchdown. Ketidaktepatan pelaksanaan manuver flare seperti late flare dapat meningkatkan risiko runway excursion. Penelitian ini menerapkan metode pattern recognition berbasis machine learning untuk mengenali pola flare menggunakan data Quick Access Recorder (QAR). Parameter yang dianalisis meliputi altitude, vertical speed, pitch angle, ground speed, low-pressure spool rotational speed (N1), dan weight on wheels. Tahapan penelitian meliputi preprocessing data, ekstraksi fitur, pelatihan model, dan evaluasi menggunakan metrik accuracy dan precision. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan pola flare menjadi early flare, normal flare, dan late flare dengan tingkat akurasi yang tinggi sehingga berpotensi mendukung pemantauan keselamatan penerbangan dan evaluasi prosedur pendaratan.

Artikel Terkait