AKURASI PENGGUNAAN METODE SUPPORT VECTOR MACHINE DALAM PREDIKSI PENURUNAN PONDASI TIANG

Raden Harya Dananjaya (Program Studi Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret)
Sutrisno Sutrisno (Program Studi Teknik Elektro, Fakultas Teknik, Universitas Sebelas Maret)
Fany A. Wellianto (Program Studi Teknik Sipil, Fakultas Teknik, Universitas Sebelas Maret)

Matriks Teknik Sipil
Vol 10, No 3 (2022): September

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.