PREDIKSI KEAUSAN RODA KERETA REL LISTRIK (KRL) KFW SOLO-JOGJA MENGGUNAKAN CONV-BI LSTM

---

• Dipublikasikan pada 24 Oktober 2024

Abstrak

Roda pada kereta secara keseluruhannya terbuat dari besi. Ketika kereta berjalan maka terjadi gesekan antara rel dengan roda dimana gesekan tersebut tidak selalu terjadi pada posisi yang sama dikarenakan posisi roda yang selalu bergerak ke kiri dan kanan. Hal ini menyebabkan keausan roda menjadi tidak merata pada permukaan yang bergesekan dengan rel. Roda yang sesuai dengan standar akan menjadikan kenyaman dan keselamatan bagi para penumpang kereta. Untuk menjaga agar roda tetap dalam kondisi baik, maka dilakukan perawatan dengan melakukan pembubutan untuk mengembalikan profil roda. Penelitian ini bertujuan untuk memprediksi pola diameter roda menggunakan model deep learning. Data yang digunakan meliputi fitur-fitur seperti diameter roda dan jarak tempuh. Model yang dikembangkan terdiri dari beberapa lapisan, termasuk Conv1D dan LSTM. Hasil analisis ditemukan bahwa model menunjukkan kemampuan belajar yang baik dengan penurunan training dan validation loss secara bertahap. Nilai aktual dan prediksi dari ketiga variasi data splitting memiliki selisih yang kecil, menunjukkan hasil prediksi yang akurat dengan konsistensi penurunan yang baik. Evaluasi hasil menunjukkan bahwa variasi pertama memiliki MSE 0,0026, MAE 0,0427, dan R² 0,9698; variasi kedua memiliki MSE 0,0015, MAE 0,0296, dan R² 0,9787; dan variasi ketiga memiliki MSE 0,0018, MAE 0,0375, dan R² 0,9812. Variasi ketiga menunjukkan kinerja terbaik dengan nilai R² tertinggi yang menjelaskan 98,12% variabilitas data. Model ini menunjukkan potensi yang baik dalam aplikasi prediksi pola diameter roda. Disarankan untuk meningkatkan jumlah dataset agar model dapat belajar lebih baik dan menangkap pola yang lebih kompleks, serta meningkatkan akurasi model. 

Kata kunci: Roda kereta api, Deep Learning, CNN, LSTM