UNISSULAUNISSULA

JACEE (Journal of Advanced Civil and Environmental Engineering)JACEE (Journal of Advanced Civil and Environmental Engineering)

Lombok Island memiliki sumber daya alam seperti pasir dan kerikil yang melimpah, yang merupakan komponen utama beton. Pengujian kekuatan tekan beton biasanya memerlukan banyak sampel dan waktu yang cukup lama. Untuk mempercepat proses ini, penelitian menggunakan teknik kecerdasan berbasis komputer, yaitu metode Jaringan Saraf Tiruan (JST). Penelitian ini melibatkan serangkaian pengujian laboratorium untuk menentukan kekuatan tekan beton normal. Data yang diperoleh diproses menggunakan MATLAB dengan metode pemodelan JST. Hasil penelitian menunjukkan bahwa nilai Mean Absolute Percentage Error (MAPE) selama proses pelatihan adalah 0,02% dan selama pengujian adalah 1,54%. Hal ini menunjukkan bahwa model JST yang dikembangkan memiliki tingkat akurasi tinggi dengan kesalahan minimal. Oleh karena itu, rumus empiris yang diperoleh dapat digunakan untuk memprediksi kekuatan tekan beton normal dengan tingkat presisi yang baik.

Model JST yang dikembangkan dapat efektif digunakan sebagai metode untuk memprediksi kekuatan tekan beton normal.Hal ini terlihat dari nilai kesalahan yang rendah, yaitu 0,02% selama proses pelatihan dan 1,54% selama pengujian.Model JST yang dibangun menunjukkan tingkat akurasi tinggi dengan kesalahan minimal.Oleh karena itu, rumus empiris yang diperoleh dapat digunakan untuk memprediksi kekuatan tekan beton normal dengan tingkat presisi yang baik.

Penelitian lanjutan dapat mengkaji penggunaan bahan tambahan yang umum digunakan dalam campuran beton untuk meningkatkan akurasi prediksi model JST. Selain itu, penggunaan bahan lokal dalam desain campuran beton dapat dijadikan variasi input untuk studi pemodelan JST di masa depan. Terakhir, penelitian dapat menggabungkan data real-time dari proses pembangunan untuk memperbaiki keakuratan prediksi model JST secara dinamis.

  1. Artificial Neural Network Method for Predicting Compressive Strength of Normal Concrete | Makrifa | JACEE... doi.org/10.30659/jacee.7.2.171-177Artificial Neural Network Method for Predicting Compressive Strength of Normal Concrete Makrifa JACEE doi 10 30659 jacee 7 2 171 177
  2. Hubungan Faktor-Faktor yang Mempengaruhi Kuat Tekan Beton | Amelia | Jurnal Talenta Sipil. hubungan faktor... talentasipil.unbari.ac.id/index.php/talenta/article/view/79Hubungan Faktor Faktor yang Mempengaruhi Kuat Tekan Beton Amelia Jurnal Talenta Sipil hubungan faktor talentasipil unbari ac index php talenta article view 79
Read online
File size272.98 KB
Pages7
DMCAReport

Related /

ads-block-test