Menentukan Kriteria Pemilihan Strategi Material Requirement Planning Suku Cadang Pesawat Jenis A320 Menggunakan Model Supervised Machine Learning

Nafi'urridha, Nafi'urridha (2023) Menentukan Kriteria Pemilihan Strategi Material Requirement Planning Suku Cadang Pesawat Jenis A320 Menggunakan Model Supervised Machine Learning. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6032211116-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2025. Download (2MB) | Request a copy

Abstract

Pengadaan dan persediaan suku cadang pesawat menjadi faktor penting di dalam keberhasilan operasional pesawat memberikan dampak secara langsung pada ketersediaan pesawat, keterlambatan, dan pembatalan penerbangan. Oleh karena itu, pengadaan harus dilakukan secara akurat. Material requirement planning (MRP) adalah sistem yang digunakan oleh Maintenance Repair Overhaul (MRO) untuk mengelola pengadaan dan persediaan suku cadang pesawat. Akan tetapi, sistem ini masih menemui kesulitan di dalam klasifikasi strategi MRP dan masih menimbulkan permasalahan akurasi pengadaan dan persediaan pada suku cadang pesawat. Permasalahan ini disebabkan oleh jumlah suku cadang yang banyak, kompleksitas pengadaan suku cadang pesawat, dan kompleksitas perawatan pesawat, yang mengakibatkan pemilihan dan evaluasi pada strategi pengadaan suku cadang pesawat tidak mudah untuk dilakukan. Oleh karena itu, perlu dilakukan eksplorasi terhadap kriteria yang digunakan untuk menentukan strategi MRP, dan model yang dapat digunakan untuk melakukan klasifikasi strategi MRP secara akurat.
Kehadiran machine learning dapat digunakan untuk menyelesaikan permasalahan klasifikasi pada suku cadang pesawat dengan akurasi yang tinggi serta mampu meningkatkan keandalan pengadaan dan persediaan. Oleh karena itu, pada peneltian ini dilakukan eksplorasi berbagai kriteria yang digunakan untuk menentukan strategi MRP dan menggunakan tiga algoritma supervised machine learning: Decision Tree, Random Forest, dan Support Vector Machine (SVM) untuk melakukan klasifikai strategi MRP. Hasil penelitian menunjukkan bahwa Random Forest memiliki nilai accuracy, specificity, dan sensitivity terbaik dengan skor lebih dari 98% sehingga model ini dapat digunakan oleh MRO untuk mengevaluasi strategi MRP dan melakukan perbaikan secara berkelanjutan pada akurasi pengadaan suku cadang pesawat tanpa ketergantungan yang tinggi pada personal tertentu.
===================================================================================================================================
Provisioning and inventory of aircraft spare parts is an important factor in the success of aircraft operations which has a direct impact on aircraft availability, delays, and flight cancellations. Therefore, the provisioning must be done accurately. Material requirement planning (MRP) is a system used by Maintenance Repair Overhaul (MRO) to manage the provisioning and inventory of aircraft spare parts. However, this system still encounters difficulties in the MRP strategy classification and still creates problems in the accuracy of procurement and inventory of aircraft spare parts. This problem is caused by many spare parts, the complexity of aircraft spare parts procurement, and the complexity of aircraft maintenance, which results in the selection and evaluation of an aircraft spare parts procurement strategy not being easy to do. Therefore, it is necessary to explore the criteria used to determine the MRP strategy and the models that can be used to accurately classify MRP strategies. The emergence of machine learning can be used to solve classification problems in aircraft spare parts with high accuracy and can increase the reliability of provisioning and inventory. Therefore, this study explores the various criteria used to determine MRP strategies and uses three supervised machine learning algorithms: Decision Tree, Random Forest, and Support Vector Machine (SVM) to classify MRP strategies. The results showed that Random Forest has the best accuracy, specificity, and sensitivity values with a score of more than 98% so this model can be used by MRO to evaluate MRP strategies and make continuous improvements to the accuracy of procurement of aircraft spare parts without high dependence on certain personnel.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Evaluasi, Kriteria, Pengadaan, Strategi MRP, Supervised Machine Learning, Criteria, Evaluation, MRP strategy, Provisioning.
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Interdisciplinary School of Management and Technology (SIMT) > 61101-Master of Technology Management (MMT)
Depositing User:	Nafi'urridha Nafi'urridha
Date Deposited:	02 Aug 2023 03:26
Last Modified:	02 Aug 2023 03:26
URI:	http://repository.its.ac.id/id/eprint/102079

Actions (login required)

View Item