JURIKOM (Jurnal Riset Komputer)
Vol. 13 No. 5 (2026): Oktober 2026

Analisis Komparatif Prediksi Remaining Useful Life Mesin Turbofan Menggunakan XGBoost Dan Bi-LSTM Berbasis Explainable AI

Andri Laksono (Universitas Amikom Yogyakarta)
Majid Rahardi (Universitas Amikom Yogyakarta)



Article Info

Publish Date
31 Oct 2026

Abstract

Prediksi Remaining Useful Life (RUL) mesin turbofan merupakan permasalahan penting dalam pemeliharaan prediktif karena kompleksitas kondisi operasi dan pola degradasi dapat memengaruhi kinerja model secara berbeda. Selain itu, penelitian pada dataset C-MAPSS umumnya mengevaluasi subset secara terbatas dan belum banyak membandingkan model tree-based dan deep learning berbasis attention secara seragam serta menganalisis konsistensi interpretasi antar-metode Explainable Artificial Intelligence (XAI). Penelitian ini bertujuan membandingkan performa eXtreme Gradient Boosting (XGBoost) dan Bidirectional Long Short-Term Memory (Bi-LSTM) berbasis attention dalam memprediksi RUL mesin turbofan pada empat subset C-MAPSS serta menganalisis kontribusi sensor menggunakan XAI. Pendekatan meliputi pelabelan RUL piecewise-linear dengan ambang 125 siklus, normalisasi condition-aware untuk subset multi-kondisi FD002 dan FD004, serta segmentasi sliding window sepanjang 30 siklus untuk Bi-LSTM. Interpretasi model dilakukan menggunakan SHAP TreeExplainer untuk XGBoost dan Integrated Gradients untuk Bi-LSTM. Hasil menunjukkan bahwa Bi-LSTM mengungguli XGBoost pada tiga dari empat subset, yaitu FD001 dengan RMSE 15,35, FD002 dengan RMSE 27,92, dan FD003 dengan RMSE 17,33. Sebaliknya, XGBoost memberikan hasil lebih baik pada subset FD004 yang paling kompleks dengan RMSE 30,22 dibandingkan 33,40 pada Bi-LSTM. Analisis konsensus XAI menunjukkan kesepakatan 80% pada subset multi-kondisi dan 20% pada subset kondisi tunggal, sedangkan sensor Ps30, NRc, Nc, dan BPR teridentifikasi sebagai indikator degradasi yang konsisten. Kontribusi penelitian ini adalah menyediakan komparasi sistematis kedua paradigma model pada seluruh subset C-MAPSS serta analisis konsensus XAI untuk mengidentifikasi konsistensi kontribusi sensor terhadap prediksi RUL.

Copyrights © 2026






Journal Info

Abbrev

jurikom

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering

Description

JURIKOM (Jurnal Riset Komputer) membahas ilmu dibidang Informatika, Sistem Informasi, Manajemen Informatika, DSS, AI, ES, Jaringan, sebagai wadah dalam menuangkan hasil penelitian baik secara konseptual maupun teknis yang berkaitan dengan Teknologi Informatika dan Komputer. Topik utama yang ...