Article Per Year (5 Year)
p-Index From 2021 - 2026
0.751
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 : 16 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 16 Documents
Search

 1   2 
PERBANDINGAN DEFORMASI TANAH LEMPUNG PLASTISITAS TINGGI DENGAN PENAMBAHAN SAMPAH PLASTIK MENGGUNAKAN UJI LABORATORIUM DAN ANALISIS METODE ELEMEN HINGGA Mahmudah, Mahmudah; Dananjaya, Raden Harya; Surjandari, Niken Silmi
Matriks Teknik Sipil Vol 5, No 2 (2017): Juni 2017
Publisher : Program Studi Teknik Sipil FT UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (576.907 KB) | DOI: 10.20961/mateksi.v5i2.36855

Abstract

Salah satu penyebab pencemaran lingkungan di Indonesia adalah banyaknya sampah plastik yang terbuang di alam. Maka dari itu, diperlukan suatu langkah yang tepat dalam menyelesaikan masalah sampah plastik ini. Salah satunya digunakan sebagai campuran bahan konstruksi sehingga diharapkan mampu memperbaiki kondisi tanah yang bermasalah, salah satunya tanah lempung plastisitas tinggi. Penelitian ini berupa usaha stabilisasi tanah lempung plastisitas tinggi dengan penambahan material lain berupa sampah plastik. Selain itu, digunakan metode elemen hingga untuk memperkirakan deformasi yang terjadi pada kadar plastik tertentu. Stabilisasi tanah ini menggunakan penambahan sampah plastik dengan variasi kadar dan ukuran plastik jenis Polyethylene Terephthalate (PET) seperti botol air mineral. Variasi kadar yang digunakan adalah 0.1%, 0.2%, 0.3%, 0.4%, dan 0.5% dari berat tanah kering. Sampah plastik dipotong dengan variasi ukuran 1cm x 1cm, 2cm x 1cm, 3cm x 1cm, 4cm x 1cm, dan 5cm x 1cm. Data hasil pengujian UCS digunakan sebagai input data pada analisis metode elemen hingga untuk memprediksi nilai deformasi pada kadar tertentu. Hasil penelitian ini adalah penambahan sampah plastik ke dalam tanah dapat meningkatkan kuat tekan tanah dan menurunkan deformasi yang terjadi. Analisis metode elemen hingga yang dilakukan cukup akurat karena perbandingan deformasi yang dihasilkan oleh pengujian dan analisis metode elemen hingga hanya terdapat sedikit perbedaan, dengan nilai rata-rata selisih antara keduanya sebesar 0.02 cm.
ANALISIS PONDASI GABUNGAN TELAPAK DAN SUMURAN (TELASUR) DENGAN VARIASI RASIO KEDALAMAN DAN LEBAR TELAPAK (B = 1,5 M) PADA TANAH LEMPUNG HOMOGEN Rifai, Rahman; Surjandari, Niken Silmi; Dananjaya, Raden Harya
Matriks Teknik Sipil Vol 6, No 3 (2018): September 2018
Publisher : Program Studi Teknik Sipil FT UNS

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (491.802 KB) | DOI: 10.20961/mateksi.v6i3.36550

Abstract

Pondasi gabungan telapak dan sumuran (telasur) merupakan salah satu alternatif modifikasi pondasi untuk bangunan kategori beban menengah. Penggunaan gabungan pondasi ini diharapkan dapat mengurangi besarnya penurunan dan meningkatkan daya dukung dibandingkan dengan hanya menggunakan pondasi telapak atau sumuran saja. Penelitian ini memodelkan pondasi gabungan telapak dan sumuran (Pondasi Telasur) dengan variasi rasio kedalaman dan lebar telapak (Df/B) pada tanah lempung homogen dengan nilai B=1,5 m. Analisis perilaku pondasi telasur menggunakan pemodelan dengan metode elemen hingga. Hasil penelitian menunjukkan perilaku grafik penurunan terhadap beban untuk pondasi telapak, sumuran, serta pondasi gabungan memiliki perilaku yang sama dengan grafik penurunan terhadap beban pada tanah lempung. Adanya pengurangan nilai penurunan yang terjadi akibat beban pada pondasi gabungan dibandingkan dengan menggunakan pondasi telapak atau sumuran saja. Semakin besar nilai rasio, memberikan nilai penurunan yang semakin kecil.
Studi Perbandingan Penurunan dan Tegangan Tanah di Bawah Fondasi Lentur Menggunakan Metode Empiris dan Elemen Hingga Hosiana, Nikita; Chrismaningwang, Galuh; Surjandari, Niken Silmi; Dananjaya, Raden Harya
Media Komunikasi Dunia Ilmu Sipil (MoDuluS) Vol 6 No 2 (2024): Desember 2024
Publisher : Universitas Veteran Bangun Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32585/modulus.v6i2.5534

Abstract

Safe infrastructure development requires a strong foundation to distribute the building load to the ground below. The study of soil behavior under load is very important in geotechnical engineering. This research aims to compare soil stress calculations using the Boussinesq and UNStrain theories and compare the settlement values at foundation corners in the immediate settlement calculations using the Steinbrenner and UNStrain methods. UNStrain is an application that uses the finite element method to calculate soil deformation and stress. However, it still requires validation because this program is still in the development stage and requires testing for accuracy. The accuracy of UNStrain application calculations was validated using empirical methods by comparing soil stress values with the Boussinesq theory. The research was carried out in the case of a flexible foundation with an evenly distributed load in longitudinal strips of 90 kN/m on sandy soil. RMSE shows a value of 2.90 kN/m² for vertical stress and 2.64 kN/m² for horizontal stress, while MAPE for vertical stress is 2.94% and horizontal stress is 5.79%, which shows that it is accurate in comparison to UNStrain soil stress calculations towards Boussinesq's theory. Calculation of the settlement at the corner of the foundation with the immediate Steinbrenner settlement produces a value of 0.40 cm and UNStrain produces a value of 0.79 cm.
Penggunaan Metode Machine Learning Random Forest untuk Prediksi Longsor pada Kabupaten Karanganyar Kusumawati, Rahayu; Dananjaya, Raden Harya; Surjandari, Niken Silmi
Media Komunikasi Dunia Ilmu Sipil (MoDuluS) Vol 5 No 2 (2023)
Publisher : Universitas Veteran Bangun Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32585/modulus.v5i2.4489

Abstract

Tanah longsor adalah salah satu bencana alam yang banyak terjadi di Indonesia terutama Provinsi Jawa Tengah, dengan salah satu daerah yang memiliki kerawanan longsor yang cukup tinggi adalah Kabupaten Karanganyar. Penelitian ini dilakukan untuk menyediakan informasi mengenai kerawanan longsor wilayah Kabupaten Karanganyar dalam suatu bentuk peta yang nantinya dapat dijadikan sebagai sumber tinjauan informasi yang detail dalam upaya mitigasi bencana. Penelitian ini akan memertimbangkan sembilan faktor pengondisi longsor, yaitu jarak terhadap jalan sekunder dan tersier, elevasi, slope, Topographic Wetness Index (TWI), tataguna lahan, litologi, Normalized Difference Vegetation Index (NDVI), dan hujan. Penyusunan peta kerawanan longsor dilakukan menggunakan machine learning dengan metode Random Forest pada pengaturan parameter default dengan bantuan modul Scikit Learn. Validasi model dilakukan menggunakan metode ten-folds cross validation. Hasil prediksi longsor selanjutnya diklasifikasikan men-jadi lima kelas kerawanan longsor menggunakan metode Natural Breaks (Jenk’s) yang performanya akan dievaluasi dengan nilai landslide density.  Hasil penelitian ini menunjukkan bahwa metode machine learn-ing Random Forest dapat digunakan untuk memetakan wilayah kerawanan longsor pada Kabupaten Ka-ranganyar. Model yang dihasilkan mampu mengklasifikasikan seluruh wilayah kerawanan longsor dengan nilai AUC mencapai 0,9678, serta menunjukkan hasil klasifikasi yang baik ditandai dengan semakin meningkatnya nilai landslide density pada kelas kerawanan yang semakin tinggi.
Aplikasi Machine Learning Method pada Pemetaan Kerawanan Tanah Longsor di Kabupaten Karanganyar Putri, Nada Hanifah; Dananjaya, Raden Harya; Surjandari, Niken Silmi
Media Komunikasi Dunia Ilmu Sipil (MoDuluS) Vol 6 No 1 (2024)
Publisher : Universitas Veteran Bangun Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32585/modulus.v6i1.4490

Abstract

Indonesia berada dalam zona iklim tropis yang rawan untuk mengalami bencana hidrometeorologi. Pemetaan kerawanan longsor merupakan salah satu upaya mitigasi yang dapat dilakukan untuk mengurangi dampak dari bencana tanah longsor. Penelitian ini bertujuan untuk membuat peta kerawanan longsor wilayah Kabupaten Karanganyar menggunakan machine learning yang diklasifikasikan menjadi lima kelas yaitu sangat rendah, rendah, sedang, tinggi, dan sangat tinggi. Metode yang digunakan untuk pembuatan model adalah Voting Classifier Ensemble Technique. Sembilan faktor pengondisi yang digunakan yaitu jarak terhadap jalan sekunder dan tersier, slope, TWI, elevasi, land use, litologi, NDVI, serta curah hujan. Algoritma machine learning didapatkan dari modul Scikit Learn. Kombinasi parameter yang digunakan yaitu pada metode Random Forest menggunakan parameter random_state = 0, n_estimators = 750, criterion = 'entropy', metode Support Vector Machine menggunakan parameter random_state = 0, Probability = True, gamma = 0.005, C = 1, metode K-Nearest Neighbors menggunakan parameter n_neighbors = 11, weights = 'distance', leaf_size = 20, dan metode Voting Classifier menggunakan parameter voting = 'soft', weights = [1,1,1] untuk parameter lain yang digunakan diatur sesuai dengan default modul. Model yang didapatkan memiliki AUC sebesar 0,9563 yang mendekati 1 sehingga dapat dikatakan bahwa model yang dimiliki performa yang baik untuk melakukan prediksi probabilitas longsor.
Penggunaan Metode Artificial Neural Network dalam Pembuatan Peta Kerentanan Longsor Wilayah Kabupaten Karanganyar Salwa, Atilla; Dananjaya, Raden Harya; Surjandari, Niken Silmi
Media Komunikasi Dunia Ilmu Sipil (MoDuluS) Vol 6 No 1 (2024)
Publisher : Universitas Veteran Bangun Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32585/modulus.v6i1.4493

Abstract

Tanah longsor menjadi bencana alam yang marak terjadi di Indonesia. Selama sepuluh tahun terakhir terdapat 2975 kejadian tanah longsor yang terjadi di Jawa Tengah, di mana 101 kejadian tanah longsor berada di Kabupaten Karanganyar. Penelitian ini bertujuan untuk membuat peta kerentanan longsor pada wilayah Kabupaten Karanganyar. Peta kerentanan akan dibagi menjadi lima kelas, yaitu sangat rendah, rendah, sedang, tinggi dan sangat tinggi dengan menggunakan metode natural breaks (jenk’s). Penelitian ini menggunakan 9 faktor pengondisi longsor yaitu jarak terhadap jalan sekunder, jarak terhadap jalan tersier, slope, topographic wetness index (TWI), elevasi, tata guna lahan (landuse), litologi, normalized difference vegetation index (NDVI), dan hujan. Pembuatan peta dilakukan dengan menggunakan Artificial Neural Network dengan bantuan modul scikit learn dan metode ten-folds cross validation digunakan sebagai metode validasi model yang dihasilkan. Nilai landslide density dihitung pada penelitian ini untuk evaluasi performa dari hasil klasifikasi kerentanan longsor. Parameter machine learning yang digunakan pada penelitian ini adalah hidden layer sizes, activation, maximum iteration dan random state. Performa model Artificial Neural Network yang dihasilkan menggunakan parameter tersebut menunjukkan hasil yang excellent.  Nilai AUC yang didapat pada penelitian ini sebesar 0,9140 dengan nilai ten-folds cross validation 0,7444.
Co-Authors Adriyati, Meilani Afandi, Heri Aji, Estu Waskita Anggraeni, Fitria Baihaqi, Fajar Andi Bambang Setiawan 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 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 Purnomo Putri, Raden Ajeng Dinasti Purnomo, Ari Putri, Nada Hanifah Rahayu Kusumawati, Rahayu Rahma, Hida Alifa Rifai, Rahman Salwa, Atilla Syahidi, Shofa Tawakkal, M Zikry Tecnikal, Deki Umar, Abdulloh Utami, Etika Cahyaning Utami, Neura Citra Wibowo, Fajar Tri Wicaksono, Nyco Maulana Yahya, Ramzi Yusep Purwana Muslih Zoki Sihotang, Albert Yuan