Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal Teknisia Central Publisher
Sarwidi
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Humanities Automotive Engineering Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Engineering Social Sciences Other

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

Found 2 Documents
Search

 1 
PERBANDINGAN NILAI KERENTANAN BERDASARKAN DUA METODE ASESMEN PADA BANGUNAN RUMAH DI DESA TERDAMPAK GEMPA KABUPATEN BANTUL TAHUN 2006 Wisanggeni Paramusesa Widayat; Sarwidi; Iman Satyarno
Journal Central Publisher Vol 1 No 7 (2023): Jurnal Central
Publisher : Central Publisher

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.60145/jcp.v1i7.165

Abstract

Latar Belakang : Rumah Tahan Gempa merupakan konsep yang terlahir dari model bangunan tembokan populer yang ada dalam masyarakat Indonesia. Standar yang dikeluarkan terbaru oleh Rumah Tahan Gempa telah diterbitkan dalam bentuk Peraturan Menteri. Peraturan Menteri tersebut adalah Permen PUPR No.5 Tahun 2016. Bentuk dan bahan bangunan yang dapat disesuaikan sesuai kondisi nyata di lapangan yang sesuai dengan keinginan masyarakat. Dengan wilayah kegempaan dan juga pernah terjadi gempa yang merobohkan banyak masyarakat serta menurut BPBD Bantul 27 Mei Tahun 2006 terdapat 4.143 korban tewas dengan jumlah rumah rusak total yaitu 71.763, rusak berat yaitu 71.372, dan rusak ringan yaitu 66.359 rumah. Konsep Rumah Tahan Gempa sendiri juga sudah mulai dikembangkan dari tahun 2000, sehingga dengan adanya bencana ini diharapkan pembangunan pasca bencana ini dilakukan dengan konsep bangunan rumah tahan gempa. Tujuan : Penilaian kerentanan bangunan rumah terhadap gempa merupakan aspek penting dalam upaya mitigasi risiko bencana. Dalam konteks ini, perbandingan nilai kerentanan berdasarkan dua metode asesmen pada bangunan rumah di Desa Terdampak Gempa Kabupaten Bantul tahun 2006 bertujuan untuk: Mengidentifikasi Kelemahan dan Kekuatan Metode Asesmen, Memahami Tingkat Kerentanan Bangunan, Dll. Metode : Metode yang digunakan dalam penelitian ini adalah ACeBS (Asesmen Cepat Bangunan Sederhana tembokan 1 lantai) adalah aplikasi yang digunakan untuk menilai kondisi bangunan/rumah tinggal sederhana tembokan 1 lantai di wilayah rawan gempa bumi melalui pembangunan rumah sederhana 1 lantai yang memiliki struktur yang kuat dan aman terhadap gempa bumi berdasarkan Permen PUPR. Hasil dan Pembahasan : Hasil penelitian ini yaitu kerentanan rumah pada 3 Desa mempunyai hasil yang dominan rendah yaitu maksimal mempunyai nilai Sedang berjumlah 3 pada Desa Canden. Kesimpulan : Masyarakat sudah mayoritas sadar akan bahaya gempa yang akan terjadi selanjutnya yang dapat membahayakan rumah masyarakat dan telah berupaya membangun rumah tahan gempa dengan baik dibuktikan dengan hasil asesmen yang baik.
Implementation of Artificial Neural Network (ANN) for identifying design indicators of temporary modular shelters Sari, Sely Novita; Sarwidi; Nugraheni, Fitri; Musyafa', Albani
Teknisia Vol 30 No 2 (2025): Teknisia
Publisher : Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/teknisia.vol30.iss2.art6

Abstract

The demand for fast, efficient, and adaptive emergency housing continues to increase, especially in disaster-prone areas and large-scale displacement situations. The determination of the design of Temporary Modular Shelter (TMS) so far still depends a lot on subjective considerations, so a more systematic and data-based approach is needed. This study develops and validates an Artificial Neural Network (ANN) model to identify the most suitable TMS design based on performance indicators and expert assessment. The approach was carried out through the Systematic Literature Review (SLR) stage, the determination of eight key design indicators, and assessment by 150 multidisciplinary respondents. The ANN model was built using a dense four-layer architecture with a total of 1,780 parameters and trained for 400 epochs using the TensorFlow and Keras libraries. The results showed a validation accuracy of 96% and a macro F1-score of 0,9146, indicating the stability and reliability of the model. Analysis of the contribution of features with the SHAP method revealed that the indicators of assembly methods, availability of human resources, and availability of local materials had the greatest influence on the classification results. This model has proven to be effective as a decision support system that is able to increase objectivity and efficiency in the TMS design process. Further development is suggested through integration into web-based digital platforms or mobile applications to support rapid and adaptive emergency response planning.
Co-Authors Fitri Nugraheni Iman Satyarno Musyafa', Albani Sely Novita Sari Wisanggeni Paramusesa Widayat