Electronic Theses and Dissertation

Galangan kapal tradisional memiliki peran penting dalam menjaga kelayakan operasional kapal melalui kegiatan perbaikan dan perawatan. namun, proses perbaikan seringkali mengalami ketidakpastian dalam estimasi waktu penyelesaian yang dapat mengganggu operasional kapal nelayan. penelitian ini bertujuan untuk memprediksi estimasi waktu penyelesaian perbaikan kapal menggunakan metode adaptive neuro-fuzzy inference system (anfis). data yang digunakan merupakan data primer hasil wawancara dan kuisioner kepada kepala tukang di galangan kapal tradisional yang berada di aceh barat daya, serta data sekunder terkait ukuran kapal, usia kapal, pengalaman teknisi, jumlah tenaga kerja, dan biaya perbaikan. proses peramalan dilakukan dengan menggunakan software matlab melalui tahapan fuzzifikasi, evaluasi rule, dan defuzzifikasi hingga menghasilkan output prediksi waktu perbaikan. hasil pengujian model prediksi menunjukkan bahwa nilai mean absolute percentage error (mape) sebesar 13,16%, yang menandakan tingkat keakuratan metode ini tergolong baik. dengan akurasi sebesar 86,84%, anfis terbukti dapat digunakan sebagai alat bantu prediksi estimasi waktu perbaikan yang efektif dalam mendukung efisiensi manajemen galangan kapal tradisional. kata-kunci : adaptive neuro-fuzzy inference system (anfis), perbaikan kapal, galangan kapal tradisional, prediksi waktu, mape, matlab.

Traditional shipyards play a crucial role in maintaining the seaworthiness of fishing vessels through repair and maintenance activities. However, repair processes often face uncertainties in estimating completion time, which can disrupt the operational schedules of fishing boats. This study aims to predict the estimated completion time of ship repairs using the Adaptive Neuro-Fuzzy Inference System (ANFIS) method. The data used includes primary data collected through interviews and questionnaires with lead technicians at traditional shipyards in Southwest Aceh, as well as secondary data on vessel size, vessel age, technician experience, number of workers, and repair costs. The forecasting process was carried out using MATLAB software, involving fuzzification, rule evaluation, and defuzzification stages to produce the predicted repair time output. The prediction model test results yielded a Mean Absolute Percentage Error (MAPE) value of 13.16%, indicating a good level of forecasting accuracy. With an accuracy rate of 86.84%, ANFIS proves to be an effective predictive tool to support efficient management in traditional shipyards. Keywords: Adaptive Neuro-Fuzzy Inference System (ANFIS), ship repair, traditional shipyard, time prediction, MAPE, MATLAB.