ABSTRAK Nama : Muhammad Ihsan Mas Program Studi : Ilmu Komputer Judul : Constant-Amplitude Multiple-Site Fatigue Damage Regression on an Aircraft Lap Joint Using Long-Short-Term-Memory Network Salah satu masalah utama dalam menghadapi operator pesawat yang kian menua adalah memastikan bahwa pesawat mereka aman secara struktural. Pesawat terbang terbuat dari kombinasi komponen2 struktural yang kompleks yang terbuat dari material yang ringan namun memiliki umur struktur yang terbatas (limited structural fatigue life). Kerusakan yang terjadi bersamaan di satu bagian pesawat (multiple-site-fatigue damage) adalah masalah yang sudah ada sejak selama adanya pesawat terbang, dan ini mengacu pada adanya beberapa retakan kelelahan pada elemen struktur yang sama. Keretakan ini saling berinteraksi, meningkatkan tingkat pertumbuhan retak dengan cepat, dan ini bisa mengakibatkan hilangnya kekuatan sebuah struktur (structural integrity loss) yang lebih mendadak, sehingga bagian tersebut tidak bisa menahan beban yang harusnya ditopang. Penelitian ini bertujuan untuk mengeksplorasi kemampuan LSTM (jaringan rekuren Long and Short-Term Memory) sebagai metode untuk memprediksi jumlah siklus kritis secara akurat dimana elemen struktur berhenti memenuhi kriteria desainnya (saat struktur yang memiliki multiple-site fatigue damage tidak bisa menopang beban yang harusnya ditopang). LSTM akan dilatih pada data yang diperoleh dari dataset FAA AR-07/22 yang berisi data pengujian structural fatigue dari sebuah Boeing 727 yang umur strukturnya sudah hampir habis. Dataset ditambah dengan keluaran program simulasi mekanika fraktur yang didesain secara spesifik untuk thesis ini (ScatterGRO).ScatterGRO berbasis persamaan NASGRO yang sudah lama dipakai di bidang analisa struktur pesawat terbang. Keluaran program ini telah diverifikasi oleh insinyur struktur pesawat lainnya dan dinyatakan cukup realistis. Model terbaik yang terdiri dari BiLSTM berkapasitas 128 unit ditambah dengan Convnet 1D dan regresor ElasticNet memperoleh nilai MAE rata-rata 1.057E-02 dan MSE rata-rata 1,403E-02 dari set tes yang berisi dari 110 rangkaian pertumbuhan retak. Kata kunci: Convolutional neural network, kelelahan struktural, long-short-term memory,mekanika fraktur,multiple-site damage,widespread fatigue damage.