Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Matriks Teknik Sipil
Raden Harya Dananjaya
Program Studi Teknik SIpil, Fakultas Teknik, Universitas Sebelas Maret
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Engineering Materials Science & Nanotechnology

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
PENERAPAN ARTIFICIAL NEURAL NETWORK (ANN) DALAM MEMPREDIKSI KAPASITAS DUKUNG FONDASI TIANG Raden Harya Dananjaya; Sutrisno Sutrisno; Syahid Fitriady
Matriks Teknik Sipil Vol 10, No 4 (2022): Desember
Publisher : Program Studi Teknik Sipil FT UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/mateksi.v10i4.65034

Abstract

Beberapa tahun terakhir banyak penelitian terkait prediksi kapasitas dukung fondasi menggunakan artificial neural network (ANN). Keuntungan dari model ANN dibandingkan metode tradisional dalam prediksi kapasitas dukung fondasi adalah kemampuan model ANN untuk menangkap hubungan non linier dan kompleks antara kapasitas dukung dan faktor-faktor yang mempengaruhinya. Penelitian ini bertujuan untuk mengembangkan script untuk memprediksi kapasitas dukung fondasi tiang berdasarkan hasil uji CPT menggunakan sistem kecerdasan buatan. Metode yang digunakan adalah artificial neural network (ANN) dengan menggunakan beberapa skenario berdasarkan variasi hidden layer, fungsi aktivasi, dan learning rate. Model dengan performa paling baik berdasarkan metode k-folds cross validation digunakan untuk memprediksi kapasitas dukung fondasi tiang. Hasil penelitian ini menunjukkan bahwa metode kecerdasan buatan dengan model artificial neural network dapat diterapkan dalam memprediksi kapasitas dukung fondasi tiang. Model yang dihasilkan mampu memprediksi nilai kapasitas dukung dengan nilai R2 mencapai 0,91 saat proses testing.
AKURASI PENGGUNAAN METODE SUPPORT VECTOR MACHINE DALAM PREDIKSI PENURUNAN PONDASI TIANG Raden Harya Dananjaya; Sutrisno Sutrisno; Fany A. Wellianto
Matriks Teknik Sipil Vol 10, No 3 (2022): September
Publisher : Program Studi Teknik Sipil FT UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/mateksi.v10i3.64519

Abstract

Penurunan pondasi merupakan hal yang sangat penting dipertimbangkan dalam geoteknik. Pada penelitian ini, Support Vector Machine (SVM) yang merupakan metode penelitian yang berbasis sistem kecerdasan buatan digunakan untuk memprediksi penurunan pondasi tiang. Terdapat 6 parameter yang menjadi input dan output dalam pengembangan model SVM. Parameter yang menjadi input model adalah qc-tip, qc-shaft, L, D, Qu, dan P. Sedangkan parameter yang menjadi output adalah persentase penurunan/diameter (ε%). Dalam pengembangan model digunakan 9 kondisi parameter C dan γ yaitu model dengan nilai C dan γ sebesar 1 dan 0,1; 1 dan 0,5; 1 dan 1; 10 dan 0,1; 10 dan 0,5; 10 dan 1; 100 dan 0,1; 100 dan 0,5; 100 dan 1. Setelah dilakukan serangkaian training, testing dan validasi ternyata model yang paling akurat adalah model dengan C dan γ sebesar 100 dan 1 dengan nilai R2 dan RMSE sebesar 0,975 dan 0,514.
Co-Authors Fany A. Wellianto Sutrisno Sutrisno Syahid Fitriady