Jurnal Ilmiah Intech : Information Technology Journal of UMUS Vol.
No.
Mei / November 2025, pp.
SISTEM DIAGNOSA KERUSAKAN MESIN
PESAWAT CESSNA C208-B MENGGUNAKAN
PENDEKATAN CASE-BASED REASONING BERBASIS
TEKS
Case-Based Reasoning-Based Textual Troubleshooting System for Cessna C208-B Engine Diagnosis Harliyus Agustian*1.
Sri Mulyani2.
Nabila Rahmatul Aini3.
Okto Dinaryanto4 Program Studi Informatika,Fakultas Teknologi Industri.
Institut Teknologi Dirgantara Adisutjipto.
Indonesia Program Studi Teknik Dirgantara,Fakultas Teknologi Kedirgantaraan.
Institut Teknologi Dirgantara Adisutjipto.
Indonesia Program Studi Magister Teknologi Informasi,Fakultas Teknik.
Universitas Gadjah Mada.
Indonesia Program Studi Teknik Mesin,Fakultas Teknologi Kedirgantaraan.
Institut Teknologi Dirgantara Adisutjipto.
Indonesia e-mail: *1harliyus@itda.
id, 2srimulyani042@gmail.
com, 3nabilarahmatulaini@mail.
dinaryanto@itda.
Abstrak Proses diagnosis kerusakan mesin pesawat memerlukan keahlian teknis tinggi dan pengalaman dalam memahami gejala serta riwayat perawatan.
Teknisi junior sering mengalami kesulitan mengidentifikasi masalah tanpa bimbingan teknisi senior.
Penelitian ini bertujuan mengembangkan sistem troubleshooting berbasis teks menggunakan pendekatan Case-Based Reasoning (CBR) untuk memberikan rekomendasi solusi terhadap kerusakan engine pesawat Cessna C208-B berdasarkan kemiripan kasus Dataset terdiri atas 100 data kerusakan yang mencakup deskripsi gejala .
, penyebab .
, dan tindakan perbaikan .
Proses retrieve meliputi text preprocessing .
ase folding, tokenizing, stopword removal, filtering, dan stemmin.
, pembobotan TF-IDF, serta perhitungan kemiripan menggunakan Cosine Similarity.
Hasil pengujian menunjukkan sistem mampu mencapai Precision@1 sebesar 100% dan akurasi keseluruhan 100% dengan waktu pencarian rata-rata 2,8 detik.
Meskipun tingkat kemiripan menurun dari 81,7% menjadi 74,7% pada pengujian generalisasi, sistem tetap menunjukkan performa yang konsisten.
Hasil ini membuktikan bahwa pendekatan CBR berbasis teks efektif dalam membantu teknisi junior menemukan solusi kerusakan mesin secara cepat dan akurat, serta berpotensi menjadi decision support tool untuk mempercepat proses diagnosis dan mengurangi kesalahan identifikasi di hanggar.
Kata kunciAi3-5 Case-Based Reasoning.
Troubleshooting.
TF-IDF.
Cosine Similarity.
Cessna C208-B.
Abstract Diagnosing aircraft engine failures demands a high level of technical expertise and a deep understanding of system behavior and maintenance history.
In practice, junior technicians often face difficulties in accurately identifying faults without guidance from senior engineers.
This study presents the development of a text-based troubleshooting system using the Case-Based Reasoning (CBR) approach to provide solution recommendations for Cessna C208-B engine malfunctions based on similarities with previous cases.
The dataset consists of 100 recorded engine failure cases containing textual descriptions of symptoms, root causes, and corrective actions.
During the retrieval phase, text preprocessing is performed through case folding, tokenization, stopword removal, filtering, and stemming.
Term weighting Informasi Artikel:
Submitted: bulan 20xx.
Accepted: bulan 20xx.
Published: Mei / November 20xx ISSN: 2685-4902 .
edia onlin.
Website: http://jurnal.
id/index.
php/intech ISSN: 2685-4902 .
is conducted using the TF-IDF method, while case similarity is measured with Cosine Similarity.
Experimental results show that the proposed system achieves a Precision@1 of 100% and an overall accuracy of 100%, with an average retrieval time of 2.
8 seconds.
Although the similarity score slightly decreased from 81.
7% to 74.
7% during generalization testing, the system maintained consistent and reliable performance.
These findings demonstrate that the text-based CBR model effectively assists junior technicians in fault diagnosis and solution retrieval, and it has strong potential as a decision support tool to enhance diagnostic efficiency and reduce identification errors in aircraft maintenance operations.
KeywordsAi3-5 Case-Based Reasoning.
Troubleshooting.
TF-IDF.
Cosine Similarity.
Cessna C208-B.
PENDAHULUAN
Pesawat Cessna C208-B Caravan merupakan pesawat serbaguna yang banyak digunakan untuk penerbangan komersial jarak pendek maupun misi kargo.
Kinerja mesin turboprop Pratt & Whitney PT6A pada pesawat ini memiliki peran krusial terhadap keselamatan penerbangan dan efisiensi operasional.
Dalam kegiatan perawatan, proses identifikasi kerusakan .
umumnya dilakukan secara manual melalui panduan Aircraft Maintenance Manual (AMM) atau berdasarkan pengalaman teknisi senior.
Namun, keterbatasan waktu, kompleksitas sistem mesin, serta perbedaan tingkat pengalaman antar teknisi sering kali menyebabkan proses diagnosis berlangsung lebih lama atau menghasilkan identifikasi yang kurang akurat .
, .
Kemajuan teknologi kecerdasan buatan telah mendorong pengembangan sistem pendukung keputusan berbasis pengetahuan (Knowledge-Based Syste.
untuk mendukung proses perawatan pesawat .
Salah satu pendekatan yang dinilai efektif adalah Case-Based Reasoning (CBR), yaitu metode penyelesaian masalah yang memanfaatkan pengalaman dari kasus sebelumnya untuk menangani kasus baru yang memiliki kemiripan .
Dalam konteks pemeliharaan mesin pesawat.
CBR memungkinkan sistem meniru pola berpikir teknisi berpengalaman dalam mendiagnosis kerusakan berdasarkan kemiripan gejala dan solusi yang pernah terjadi .
, .
Berbagai penelitian sebelumnya telah menerapkan pendekatan CBR pada bidang pemeliharaan mesin, antara lain untuk diagnosis gangguan pada sistem aeroengine .
, sistem pendingin industri .
, dan kendaraan listrik .
Namun, sebagian besar penelitian tersebut masih berfokus pada data numerik atau parameter sensor, sementara data berbasis teks dari laporan teknisi .
aintenance repor.
belum dimanfaatkan secara optimal .
Padahal, dalam praktik pemeliharaan pesawat, sebagian besar data diagnosis bersumber dari laporan berbasis teks yang berisi deskripsi gejala, penyebab, dan tindakan perbaikan .
Pendekatan serupa juga telah dikaji oleh Schultheis .
dan Watson .
yang menekankan pentingnya struktur kasus dan siklus pembelajaran dalam sistem CBR modern.
Selain itu.
Keane .
mengusulkan integrasi pembelajaran mendalam dengan CBR untuk meningkatkan akurasi pencarian kasus pada domain diagnosis industri.
Penelitian ini berfokus pada pengembangan sistem troubleshooting berbasis teks untuk mesin pesawat Cessna C208-B dengan menerapkan pendekatan Case-Based Reasoning.
Tujuan utama penelitian ini adalah membantu teknisi junior dalam memperoleh rekomendasi solusi berdasarkan kemiripan dengan kasus-kasus sebelumnya yang tersimpan dalam basis pengetahuan.
Sistem yang dikembangkan diharapkan mampu mempercepat proses diagnosis, meningkatkan akurasi identifikasi kerusakan, serta berfungsi sebagai media pembelajaran berbasis pengalaman nyata di lingkungan pemeliharaan pesawat.
Berbeda dengan penelitian terdahulu, studi ini tidak hanya menilai kinerja sistem secara fungsional, tetapi juga melakukan pengujian generalisasi terhadap variasi input teknisi, sehingga efektivitas sistem dapat dievaluasi dalam kondisi lapangan yang lebih representatif.
METODE PENELITIAN
1 Jenis dan Objek Penelitian Penelitian ini termasuk dalam kategori applied research dengan pendekatan kuantitatif-eksperimental.
Objek penelitian adalah sistem mesin pesawat Cessna C208-B Jurnal Ilmiah Intech : Information Technology Journal of UMUS : first_page Ae end_page ISSN: 2685-4902 .
(Pratt & Whitney PT6A).
Dataset terdiri dari 100 kasus kerusakan yang diambil dari dokumen pemeliharaan dan laporan teknisi senior, masing-masing berisi gejala kerusakan, penyebab, dan solusi perbaikan.
2 Pengumpulan dan Persiapan Data Data dikumpulkan melalui:
Analisis dokumen pemeliharaan pesawat (AMM, log perawatan, dan laporan Wawancara teknisi ahli untuk validasi isi kasus.
Pembersihan (ID Kasus.
Deskripsi Gejala.
Penyebab.
Solusi Perbaika.
Data yang dikumpulkan berjumlah 100 dataset dengan sampel data yang available di Tabel 1.
Tabel 1.
Dataset Kasus Sebelumnya Case_ID Symptom
Cause Solution C208B001
Engine sulit dinyalakan Igniter plug aus
saat suhu rendah
Ganti igniter plug dan C208B002
Starter berputar tetapi Fuel nozzle tersumbat Bersihkan atau ganti
tidak terjadi pembakaran fuel nozzle C208B003
Engine mati mendadak Fuel control
setelah idle C208B004
RPM tidak stabil saat Governor
take-off
C208B005
Oil
turun Filter oli tersumbat setelah 5 menit running Ganti filter oli dan cek
tekanan pompa oli
C208B006
Getaran berlebihan saat Ketidakseimbangan Lakukan C208B007
Torque tidak naik meski Fuel
throttle meningkat C208B008
Engine overtemperature Kompresor kotor
saat take-off
C208B009
Flameout pada Fuel air ratio tidak Lakukan penyesuaian ketinggian >10.
000 ft
FCU dan uji fuel flow
unit Kalibrasi ulang FCU
dan periksa tekanan bahan bakar
propeller Periksa governor dan lakukan penggantian bila perlu tidak Periksa pompa bahan bakar dan saringan Lakukan pembersihan compressor section
SISTEM DIAGNOSA KERUSAKAN MESIN PESAWAT CESSNA C208-B MENGGUNAKAN
PENDEKATAN CASE-BASED REASONING BERBASIS TEKS
ISSN: 2685-4902 .
C208B010 Indikator ITT fluktuatif Thermocouple sensor Kencangkan konektor sensor atau ganti 3 Tahapan Sistem CBR Model sistem Case-Based Reasoning yang dikembangkan mengikuti empat tahap utama .
R) seperti ditunjukkan pada Gambar 1:
Gambar 1.
Proses Case Base Reasoning Retrieve:
Sistem menerima input berupa teks deskripsi kerusakan dari teknisi junior.
Input ini diproses melalui tahapan preprocessing:
Case Folding .
engubah huruf menjadi huruf keci.
Tokenizing .
emecah teks menjadi kat.
Stopword Removal .
enghapus kata umum yang tidak bermakn.
Filtering .
enghapus tanda baca dan angk.
, dan Stemming .
engubah kata menjadi bentuk dasa.
Setelah itu, sistem menghitung kemiripan antara kasus baru dan seluruh kasus pada basis data menggunakan rumus Cosine Similarity berikut:
Proses perhitungan TF -IDF .
erm frequency Ae inverse dokument frequenc.
untuk mengekstraksi fitur kata dari setiap deskripsi kerusakan mesin pesawat.
Bobot term dihitung berdasarkan frekuensi lokal (TF) dan distribusi global (IDF) sebagaimana dijelaskan pada Persamaan .
Ae.
Term Frequency (TF) Mengukur seberapa sering kata yc muncul dalam dokumen ycc :
Jurnal Ilmiah Intech : Information Technology Journal of UMUS : first_page Ae end_page ISSN: 2685-4902 .
ycyceyc,ycc = yceyc,ycc .
Inverse Document Frequency (IDF) Mengukur seberapa penting kata tersebut dalam keseluruhan corpus .
kasus dalam case bas.
ycyccyceyc = ycoycuyci ycA TF-IDF Weight Gabungan dari TF dan IDF untuk mendapatkan bobot akhir setiap kata dalam .
ycOyc,ycc = ycyceyc,ycc .
ycyccyceyc Setelah setiap dokumen dikonversi menjadi vektor TF-IDF, sistem menghitung Cosine Similarity antara query vector ycEdan setiap case vector yaycn :
ycIycnyco.
cE, yaycn ) = Ocycu yc=1.
cyc,ycE .
ycyc,ya ) .
ycn ycu Oo Ocycu yc=1 ycyc,yc .
ocyc=1 ycyc,ya ycn di mana ycyc,ycE : bobot TF-IDF dari kata ke-t dalam query ycyc,yaycn : bobot TF-IDF dari kata ke-t dalam dokumen ke-i ycyc,ycn dan ycycc,ycn masing-masing merepresentasikan bobot TF-IDF kata ke-i pada query dan dokumen kasus, dan ycuadalah jumlah fitur kata.
Reuse:
Sistem mengambil top-N kasus .
isal N=.
dengan nilai kemiripan tertinggi dan menampilkan solusi perbaikan yang disarankan.
Revise:
Solusi yang ditampilkan diverifikasi oleh teknisi senior untuk menilai kesesuaian terhadap kondisi kerusakan aktual.
Retain:
Jika solusi dianggap sesuai, kasus baru disimpan ke basis data agar dapat digunakan untuk konsultasi berikutnya.
Pendekatan ini sejalan dengan studi yang menyoroti penerapan knowledge reuse dan penguatan konteks berbasis teks dalam sistem perawatan pesawat .
, .
, .
4 Evaluasi Sistem Evaluasi dilakukan menggunakan metrik Precision@k.
Accuracy, dan Average Similarity:
ycEycyceycaycnycycnycuycu@yco = yaycycoycoycaEa yaycaycycyc ycIyceycoyceycycaycu ycycaycuyci yaycnycyceycoycycoycaycu
ycNycuycycayco yaycaycycyc ycycaycuyci yaycnycycaycoycyycnycoycoycaycu
SISTEM DIAGNOSA KERUSAKAN MESIN PESAWAT CESSNA C208-B MENGGUNAKAN
PENDEKATAN CASE-BASED REASONING BERBASIS TEKS
ISSN: 2685-4902 .
yaycaycycyc ycNyceycyycayc yaycaycaycycycaycayc = yaycaycycyc ycNycuycycayco y 100% Setelah validasi fungsional dilakukan dengan menggunakan query identik, pengujian generalisasi dilaksanakan untuk mengevaluasi robustnes sistem terhadap variasi bahasa.
HASIL DAN PEMBAHASAN
1 Implementasi Sistem Sistem dikembangkan menggunakan Python dengan library scikit-learn untuk proses TFIDF dan Cosine Similarity.
Antarmuka berbasis web chatbox dikembangkan agar teknisi junior dapat berinteraksi dengan sistem secara intuitif.
2 Hasil Pengujian Kemiripan Kasus Functional Testing Pengujian sistem dilakukan menggunakan 10 kasus uji terhadap 100 kasus yang tersedia pada case base.
Evaluasi mengikuti empat tahapan utama dalam Case-Based Reasoning (CBR), yaitu Retrieve.
Reuse.
Revise, dan Retain.
Pada tahap Retrieve, sistem menggunakan pembobotan TF-IDF dan pengukuran kemiripan berbasis Cosine Similarity untuk mencocokkan masukan pengguna dengan kasus yang relevan.
Query Top-1
Case ID
Oil bocor di C208Bbagian depan 017
Akselerasi
tidak benar Starter motor
Fuel
Gumpalan es
Oil pressure Pergerakan shaft tidak CHT max & Mesin runs C208B028
C208B031
Tabel 2.
Functional Testing Top-1 Sim(%) Top-3 IDs Solution Crankshaft 81.
017,037,029
Carburetor 100.
028,010,027
Starter
031,039,040
motor shaft
Ground
Truth
CBR
Match
Yes
Yes
Yes
C208B032
Empty fuel 53.
032,001,020 032
Yes
C208B032
032,030,012 032
Yes
C208B036
C208B044
Heater Relay valve 85.
Connecting 94.
rod loose 006,018,012 006
Yes
014,012,002 014
Yes
C208B064
Piston
004,003,012 004
Yes
C208B021
Carburetor
021,023,016 021
Yes Jurnal Ilmiah Intech : Information Technology Journal of UMUS : first_page Ae end_page ISSN: 2685-4902 .
Vibrasi saat high speed
C208B016
Loose bolt / 89.
016,015,024 016
Yes Tabel 3.
Performance Hasil Pengujian Fungsional Metric Value Number of test cases Top-1 Accuracy Precision@3 Average Cosine Similarity Cases retained 10 / 10 Seluruh kasus uji memperoleh kecocokan yang benar pada tingkat Top-1, yang menunjukkan bahwa tahap Retrieve menggunakan TF-IDF dan Cosine Similarity bekerja secara Karena query pengujian identik dengan kasus yang ada, tahap Reuse dan Revise juga menghasilkan akurasi 100%.
Semua kasus berhasil disimpan kembali (Retai.
, menegaskan kemampuan sistem dalam learning from experience.
Setelah validasi fungsional dilakukan menggunakan query identik, pengujian generalisasi dilaksanakan untuk mengevaluasi robustnes sistem terhadap variasi bahasa.
Generalization Testing Setelah validasi fungsional, dilakukan pengujian generalisasi untuk menilai robustness sistem terhadap variasi bahasa.
Pada tahap ini, query pengguna diparafrase untuk mensimulasikan kondisi nyata di mana deskripsi kerusakan disampaikan dengan gaya bahasa yang berbeda.
Tabel 4.
Generalization Testing Modified Top-1
Top-1
Sim
Top-3 IDs
Ground
Query Solution (%) Truth
Ada kebocoran C208B- Crankshaft
2 017,037,029 017
oli di bagian 017
seal damage depan mesin
Akselerasi
C208B- Carburetor
3 028,010,027 028
tidak normal Saat starter.
C208B- Starter motor 88.
6 031,039,040 031
mesin tidak ikut 031
shaft broken
Indikator bahan C208B- Empty 5 032,001,020 032
menunjukkan isi
Pitot
tube C208B- Heater
4 032,030,012 032
element failure pemanas tidak Tekanan oli C208B- Relay
0 006,018,012 006
terlalu tinggi Pergerakan C208B- Connecting 2 014,012,002 014
poros tidak stabil 044
rod loose Suhu
CHT C208B- Piston
7 004,003,012 004
maksimal dan 064
Match
Yes
Yes
Yes
Yes
Yes
Yes
Yes
Yes
SISTEM DIAGNOSA KERUSAKAN MESIN PESAWAT CESSNA C208-B MENGGUNAKAN
PENDEKATAN CASE-BASED REASONING BERBASIS TEKS
ISSN: 2685-4902 .
Mesin
bahan bakar saat Getaran tinggi saat kecepatan C208B021
Carburetor
021,023,016 021
Yes
C208B016
Loose bolt / 82.
016,015,024 016
Yes Tabel 5.
Performance hasil pengujian generalisasi Metric Value Number of test cases Top-1 Accuracy Precision@3 Average Cosine Similarity Hasil pengujian menunjukkan adanya penurunan nilai similarity dari 81.
7% menjadi 7% pada saat pengujian generalisasi.
namun sistem tetap menghasilkan 100% Top-1 Accuracy.
Hal ini mengindikasikan bahwa struktur kalimat pada domain troubleshooting mesin pesawat relatif stabil sehingga pendekatan berbasis Cosine Similarity masih sangat efektif.
Temuan ini sejalan dengan studi terdahulu yang menunjukkan efektivitas retrieval berbasis leksikal pada domain teknik.
3 Diskusi Performa sistem menunjukkan bahwa pendekatan berbasis teks dapat diandalkan dalam membantu teknisi memahami pola kerusakan berulang pada mesin pesawat.
Kendati demikian, terdapat beberapa keterbatasan:
A Sistem belum menerapkan semantic embedding .
isalnya BERT/SBERT) untuk pemahaman konteks yang lebih dalam.
Dataset masih terbatas pada 100 kasus.
Perlu diperluas untuk memperbaiki generalisasi Validasi masih mengandalkan teknisi manusia.
integrasi dengan sensor data .
ibration, temperatur.
dapat memperkuat hasil diagnosis.
Hasil ini juga konsisten dengan penelitian Alshawkani .
yang menunjukkan efektivitas integrasi chatbot dengan sistem CBR untuk pemecahan masalah berbasis dialog, serta Delen dan Crossland .
yang menyoroti peran text mining dalam peningkatan akurasi sistem pendukung Akan tetapi, penelitian ini melangkah lebih jauh dengan menambahkan pengujian generalisasi berbasis teks, yang merepresentasikan kondisi lapangan lebih realistis.
Dari sisi praktis, sistem ini berpotensi menjadi alat bantu pengambilan keputusan bagi teknisi dalam tahap awal diagnosis kerusakan, sehingga dapat meningkatkan efisiensi proses aircraft maintenance serta mengurangi risiko kesalahan identifikasi.
KESIMPULAN
Sistem mencapai Top-1 Accuracy sebesar 100% dan Precision@3 sebesar 100% pada pengujian fungsional maupun generalisasi.
dengan rata-rata similarity masing-masing 81.
7% dan Hasil ini menunjukkan efektivitas metode CBR berbasis TF-IDF dan Cosine Similarity dalam mendukung proses diagnosis kerusakan mesin pesawat.
Jurnal Ilmiah Intech : Information Technology Journal of UMUS : first_page Ae end_page ISSN: 2685-4902 .
SARAN