Claim Missing Document
Check
Articles

Found 23 Documents
Search

KERUSAKAN PERKERASAN LENTUR DENGAN METODE BINA MARGA STA 140 + 000 “ 150 + 000 BATAS SUMATERA BARAT - RIAU Prayitno, Eko
Educational Building: Jurnal Pendidikan Teknik Bangunan dan Sipil Vol. 6 No. 1 JUN (2020): EDUCATIONAL BUILDING
Publisher : Jurusan Pendidikan Teknik Bangunan Fakultas Teknik Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/ebjptbs.v6i1 JUN.22387

Abstract

dengan baik setelah kerusakan-kerusakan yang timbul pada perkerasan tersebut dievaluasi mengenai penyebab dan akibat kerusakannya. Metode bina marga adalah metode yang dipakai untuk menentukan jenis kerusakan, yang perlu diperhatikan saat melakukan survey visual adalah kekasaran permukaan, lubang, tambalan, retak, alur dan amblas. Retak adalah suatu gejala kerusakan atau pecahnya permukaan perkerasan sehingga akan menyebabkan air pada permukaan perkerasan masuk ke lapisan dibawahnya. Penentuan nilai kondisi jalan dilakukan dengan menjumlahkan setiap angka dan nilai untuk masing-masing keadaan kerusakan. Untuk menentukan jenis penanganan kerusakan jalan diruas jalan batas Sumatera Barat-Riau STA 140 + 000 - 150 + 000, maka harus diadakan pemilihan terhadap jenis dan luas kerusakan yang terjadi. Jenis kerusakan yang dapat ditemukan pada ruas jalan batas Sumatera Barat-Riau STA 140 + 000 - STA 150 + 000 antara lain retak buaya, retak memanjang, tambalan, lubang, amblas dan alur. Tingkat kerusakan jalan dengan metode bina marga serta jenis penanganannya adalah tingkat atau nilai prioritas kerusakan batas Sumatera Barat-Riau STA 140 + 000 - STA 150 + 000 dengan menggunakan metode bina marga adalah 5, menandakan bahwa jalan perlu dimasukkan dalam program pemeliharaan berkala.Kata Kunci: Perkerasan Lentur, Retak, Kerusakan Jalan, Tingkat Kerusakan Jalan, Penanganan KerusakanABSTRACT The maintenance or rehabilitation in construction that can be well done after the damage that arises has evaluated on the cause and effect of damage. The method of Bina Marga is used to determine the type of damage, which should be considered when conducting a visual survey, is the roughness of the surface, holes, patches, cracks, grooves and amblas. Cracking is a symptom of damage on the surface of the weld that it will cause the water on the surface of the weld to go into the bottom layer. Specifying a road condition value is done by summing each number and value for each damage state. To determine the type of road damage handling on the road boundary of West Sumatra-Riau STA 140 + 000 - 150 + 000, it should be held the selection of the type and the extent of the damage occurred. The type of damage that can be found on the road boundary of West Sumatera-Riau STA 140 + 000 - STA 150 + 000 Among other crocodile cracks, elongated cracks, patches, holes, vanish and grooves. The level of road damage with the building methods and the type of handling is the priority level or value of the damage of West Sumatera-Riau STA 140 + 000 - STA 150 + 000 using the Bina Marga method is 5, indicating that the road needs to be included in the periodic maintenance program.
Dampak Pengungkapan ESG terhadap Kinerja Keuangan pada Perusahaan Pertambangan yang Terdaftar di Bursa Efek Indonesia Prayitno, Eko; Adam, Mohamad; Widiyanti, Marlina; Fuadah, Luluk
Syntax Literate Jurnal Ilmiah Indonesia
Publisher : Syntax Corporation

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36418/syntax-literate.v9i9.16796

Abstract

Penelitian ini bertujuan untuk menganalisis dampak pengungkapan Environmental Social Governance (ESG) terhadap kinerja keuangan pada perusahaan pertambangan yang terdaftar di Bursa Efek Indonesia (BEI). Pengungkapan ESG telah menjadi topik penting dalam dunia bisnis dan investasi, terutama dalam beberapa tahun terakhir. ESG mencakup aspek-aspek yang berkaitan dengan lingkungan hidup, tanggung jawab sosial, dan tata kelola perusahaan. Penerapan praktik ESG yang baik dapat memberikan berbagai manfaat, termasuk pengurangan risiko, peningkatan reputasi, dan daya tarik investor yang lebih tinggi. Penelitian ini menggunakan metode kuantitatif dengan data sekunder yang diperoleh dari laporan tahunan dan laporan keberlanjutan perusahaan yang dipublikasikan di BEI. Variabel dependen dalam penelitian ini adalah kinerja keuangan yang diproksikan dengan Return on Assets (ROA), sedangkan variabel independennya adalah pengungkapan ESG. Hasil penelitian menunjukkan bahwa pengungkapan ESG memiliki dampak positif dan signifikan terhadap kinerja keuangan perusahaan pertambangan yang terdaftar di BEI.
Optimization of Machine Learning Algorithms Through Outlier Data Separation for Predicting Concrete Compressive Strength Ananda, Faisal; Saputra, Hendra; Fahmi, Nurul; Prayitno, Eko; Shapie, Sinatu Sadiah; Bin Ikhwat, Mohamad Azwan; Nordin, Mohd Nur Azmi; Zain, Andicha; Binti Mohd. Nasir, Fadhillah
Journal of Geoscience, Engineering, Environment, and Technology Vol. 10 No. 02 (2025): JGEET Vol 10 No 02 : June (2025)
Publisher : UIR PRESS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25299/jgeet.2025.10.02.21896

Abstract

This study investigates the comparative performance of ten machine learning models—Linear Regression, SVM, Neural Network, Decision Tree, Random Forest, Gradient Boosting, AdaBoost, XGBoost, LightGBM, and CatBoost—in predicting concrete compressive strength. The research emphasizes practical applications in construction, where accurate predictions can improve material design and structural reliability. Through detailed evaluation using MAE, RMSE, and R² metrics, CatBoost and Linear Regression emerged as top-performing models. A rigorous hyperparameter tuning process, employing grid search, significantly enhanced models like SVM and Neural Network, increasing their R² by over 80%. However, tuning occasionally led to reduced performance due to overfitting or unsuitable parameter selection. Outlier analysis using the Z-score method revealed nuanced effects across models: while SVM and Decision Tree benefited from outlier removal, models like Neural Network and CatBoost experienced performance degradation, indicating their reliance on diverse data patterns. These findings underscore the importance of tailored tuning and outlier handling strategies. Future work will incorporate advanced optimization techniques (e.g., Bayesian optimization) and robust cross-validation to further improve model generalization and stability.