Article Per Year (5 Year)
p-Index From 2021 - 2026
1.77
P-Index
This Author published in this journals
All Journal Jurnal Teknik Sipil Media Komunikasi Dunia Ilmu Sipil (MoDuluS) Matriks Teknik Sipil
Raden Harya Dananjaya, Raden Harya
Unknown Affiliation
Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Engineering Materials Science & Nanotechnology Transportation

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 12 Documents
Search

 1   2 
AKURASI PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) DALAM PREDIKSI KAPASITAS DUKUNG FONDASI TIANG Dananjaya, Raden Harya; Sutrisno, Sutrisno; Rahmawati, Nanda Milenia Dwi
Matriks Teknik Sipil Vol 11, No 2 (2023): Juni
Publisher : Program Studi Teknik Sipil FT UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20961/mateksi.v11i2.65101

Abstract

Kapasitas dukung merupakan hal penting yang harus diperhatikan pada saat merancang sebuah fondasi. Artificial intelligence dapat digunakan sebagai salah satu metode untuk memprediksi daya dukung fondasi. Salah satu metode di dalam artificial intelligence yang sering digunakan adalah support vector machine (SVM). Keuntungan dari penggunaan metode SVM adalah pengurangan asumsi yang digunakan untuk memperoleh hubungan antara variabel bebas dengan variabel terikat pada proses prediksi. Penelitian ini bertujuan untuk mengetahui akurasi SVM dalam memprediksi kapasitas dukung fondasi dengan menggunakan data cone penetration test (CPT). Features atau variabel bebas yang digunakan sebagai input adalah diameter tiang (D), panjang tiang (L), pile material, pile type, installation method, nilai qc (tahanan conus) dan fs (tahanan gesek). Untuk melakukan kalibrasi dan validasi, digunakan data loading test. Proses validasi dilakukan dengan menggunakan metode k-fold cross validation yang pada penelitian ini menggunakan 10-folds cross validation. Hasil penelitian menunjukkan bahwa model SVM yang menghasilkan akurasi terbaik adalah dengan menggunakan kernel polynomial, C sebesar 0,5 dan g sebesar 0,1. Proporsi data training dan testing yang menghasilkan akurasi tertinggi adalah 90% : 10%, yang mana memiliki nilai R2 dan RMSE pada proses testing sebesar 0,9287 dan 637,1087 kN, secara berturut-turut.    
AKURASI PENGGUNAAN METODE SUPPORT VECTOR MACHINE DALAM PREDIKSI PENURUNAN PONDASI TIANG Dananjaya, Raden Harya; Sutrisno, Sutrisno; Wellianto, Fany A.
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 Adriyati, Meilani Afandi, Heri Aji, Estu Waskita Anggraeni, Fitria Apriliani, Taufiqah Baihaqi, Fajar Andi Bambang Setiawan Brahman, Damian Paska Santyo Cahyaningsih, Yunita Chrismaningwang, Galuh Damarhadi, Prayogo Dewi, Rahma Kusuma Dewi, Rahma Kusuma Diliaristianto, Kurniawan Djarwanti, Noegroho Djarwanti, Noegroho Dwinanda, Ramadhani Febrian Fahreza N., Lukman Faturrahman, Muhammad Rizki Fitri, Siti Nurtita Fitriady, Syahid Hadiani, Rr. Rintis Hanif, Fawwaz Hendry Gunawan, Hendry Hermawan, Reza Bagus Hosiana, Nikita Kalimanto, Demarda Kalimanto, Demarda Kurniawan, Elang Fajar Kurniawan, Elang Fajar Kurniawan, Pengkuh Jalu Kusriyanto, Nur Sahid Mahmudah Mahmudah Niken Silmi Surjandari Nomleni, Ida Agustin Nugrahanti Putri, Asri Pangesthi Nurrosied, Imam Prasetyo, Ichsan Prayitno, Rendi Teguh Prihantoro, Fajar Era Purnomo Putri, Raden Ajeng Dinasti Purnomo, Ari Putri, Nada Hanifah Rahayu Kusumawati, Rahayu Rahma, Hida Alifa Rahmawati, Nanda Milenia Dwi Rifai, Rahman Salwa, Atilla Sutrisno, Sutrisno Syahidi, Shofa Tawakkal, M Zikry Tecnikal, Deki Umar, Abdulloh Utami, Etika Cahyaning Utami, Neura Citra Wellianto, Fany A. Wibowo, Fajar Tri Wicaksono, Nyco Maulana Yahya, Ramzi Yusep Purwana Muslih Zoki Sihotang, Albert Yuan