PREDIKSI KUAT TEKAN BETON KINERJA TINGGI DENGAN PEMODELAN METODE ARTIFICIAL NEURAL NETWORK (ANN)

Mochammad Afifuddin, Dora Nafira, Fachrurrazi Fachrurrazi

Abstract

Beton menjadi pilihan utama dalam pembangunan struktur dikarenakan kekuatan tekan yang dihasilkannya tinggi. Dibutuhkan metode yang tepat dalam memprediksi kuat tekan beton sehingga dapat mempermudah perencanaan campuran beton sebelum dilakukannya pengujian laboratorium. Tujuan dari penelitian ini adalah membuat model untuk memprediksi kuat tekan dengan metode artificial neural network (ANN). Data yang digunakan berupa data kuat tekan beton hasil pengujian laboratorium yang dikumpulkan oleh Yeh (1998). Campuran beton terdiri dari semen, air, agregat halus, agregat kasar yang dikelompokkan menjadi 3 model berdasarkan aditif yang digunakan yaitu model ANN-A dengan aditif blast furnace slag, fly ash, dan superplasticizer, model ANN-B dengan aditif blast furnace slag dan model ANN-C dengan aditif blast furnace slag dan superplasticizer. Pemodelan ANN dilakukan dengan menggunakan software MatLab R2021a. Pemodelan dilakukan dalam dua tahap yaitu training menggunakan 80% jumlah data dan validasi menggunakan 20% jumlah data. Hasil dari pemodelan menunjukkan ketepatan prediksi dapat dilihat pada nilai mean absolute persentage error (MAPE) yang dihasilkan. Nilai MAPE pemodelan berturut-turut model ANN - A, B dan C pada training sebesar 1,40%; 2,43% dan 1,43% serta pada validasi sebesar 13,44%; 13,68% dan 14,58%. Hasil penelitian menunjukkan pemodelan ANN dapat digunakan untuk memprediksi kuat tekan beton kinerja tinggi dengan tingkat ketepatan yang baik.

 Keywords

kuat tekan, prediksi, artificial neural network (ANN), mean absolute persentage error (MAPE), MatLab R2021a

 Full Text:

PDF (Bahasa Indonesia)

References

. Yeh, I. -C., 1998. Modeling of strength of high-performance concrete using artificial neural networks. Cement and Concrete Research, Vol. 28, No. 12, pp. 1797-1808.

. SNI 03-1974-1990 Metode Pengujian Kuat Tekan Beton. Badan Standardisasi Nasional.

. Santosa. S, Suroso, Marchus Budi Utomo, Martono, dan Mawardi, 2020. Pemodelan Prediksi Kuat Tekan Beton Umur Muda Menggunakan H2O Deep learning.

. Prayogo, D., 2018. Prediksi Kuat Tekan Beton dengan Menggunakan Metode Artificial Intelligence. Seminar Nasional Ilmu Terapan (SNITER).

. Fausett, L., 1994. Fundamentals of Neural Networks: Architecture, Algorithms, and Applications. London: Prentice Hall, Inc.

. Fachrurrazi, Saiful Husin, Tripoli dan Mubarak, 2017. Neural Network for The Standard Unit Price of The Building Area. Procedia Engineering 171 (2017) 282-293.

. Fachrurrazi, Saiful Husin, Munirwansyah dan Husaini, 2017. The Subcontractor Selection Practice using ANN-Multilayer. International Journal of Technology (2017) 4: 761-772.

. Akbar, A., 2011. Pemodelan Artificial Neural Network (ANN) Untuk Memprediksi Perilaku Profil Kanal (C) Ferosemen Dengan Konfigurasi I Yang Dibebani Lentur. Tugas Akhir Jurusan Teknik Sipil Universitas Syiah Kuala.

. Fitriani, 2012. Aplikasi Artificial Neural Network Untuk Memprediksi Nilai Potensial Korosi Pada Beton Bertulang. Thesis Jurusan Teknik Sipil Universitas Syiah Kuala.

. Martono, Wisnu Hendro dan Dian Hartanti, 2015. Penggunaan Jaringan Syaraf Tiruan dengan Metode Backpropagation dalam Memprediksi Indeks Harga Saham Gabungan (IHSG). Jurnal Teknologi dan Informasi (JATI), Vol. 5, No. 1, pp. 51-68.

. Muhtarom, A., 2015. Aplikasi Artificial Neural Network Sebagai Metode Numerik Untuk Prediksi Kapasitas Geser Balok Bertulang. Prosiding Seminar Nasional Teknik Sipil 1 (SeNaTS 1).

. Lewis, C. D.,1982. Industrial and Business Forecasting Methods: A Practical Guide to Exponential Smoothing and Curve Fitting. London; Boston: Butteeworth Scientific.

DOI: https://doi.org/10.24815/jts.v10i2.22969

Refbacks

  • There are currently no refbacks.