Update Artikelilmiah: 17337

DYAH WANUDYATAMMI

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Dalam bidang kontruksi sekarang ini umumnya menggunakan material utama yang berupa beton karena beton memiliki kuat tekan yang tinggi. Artificial Neural Network/ANN adalah sebuah model matematik yang dapat menyelesaikan persoalan rumit yang tidak mungkin jika diselesaikan dengan menggunakan komputasi kovensional. Salah satu aplikasi utama dari ANN adalah untuk estimasi/peramalan. Penelitian ini merupakan pengembangan sistem cerdas dalam bidang konstruksi untuk mengetahui mutu beton ringan. Pada penelitian ini dilakukan perancangan suatu sistem aplikasi berbasis ANN dengan algoritma BEP (Back Error Propagation) yang dapat digunakan untuk estimasi mutu beton ringan dengan 11 variable input dan 2 variable output yaitu nilai stress dan strain pada beton ringan. Dalam penelitian ini untuk penentuan jumlah hidden layer dan epoch dalam suatu jaringan dilakukan dengan cara trial and error. Prinsip kerja dari sistem aplikasi ini yaitu memprediksi mutu beton ringan berupa nilai stress dan strain berdasarkan data series yang diberikan terhadap beton ringan. Dalam penelitian ini penentuan jaringan ANN terbaik dilakukan berdasarkan nilai koefisien korelasi regresi dan nilai MSE atau performansi yang dihasilkan. Dari hasil uji validasi diperoleh jaringan terbaik dengan 7 hidden layer, 1888255 iterasi, fungsi aktivasi logsig pada hidden layer dan purelin pada output layer karena arsitektur ini menghasilkan MSE terkecil (MSE uji validasi = 0.00028697) dan memiliki koefisien korelasi yang terbesar dan seimbang antara variebel stress dan strain (Rstress = 0.99653 dan Rstrain = 0.83151). Hasil tersebut menunjukkan tingkat akurasi yang tinggi yaitu 99.6% untuk variable stress dan 83.2% untuk variable strain. Berdasarkan hasil tersebut terbukti bahwa ANN dengan algoritma BEP ini dapat menghasilkan 2 target dalam 1 jaringan.

Abtrak (Bhs. Inggris)

In construction currently used the concrete as primary materials because the concrete has a high compressive strength. Artificial Neural Network/ANN is a mathematical model that can solve complex problems that are not possible if solved using conventional computing. One of the main applications of ANN is for estimation/forecasting. This research is the development of intelligent systems in construction to determine the quality lightweight concrete. This research is design an application system based on ANN with BEP (Back Error Propagation) algorithm that can be used to estimate the quality of lightweight concrete with 11 input variables and 2 output variables. Variables output that will be generated are stress and strain. In this research to determine the number of hidden layer and epoch in a network is done by trial and error. The working principle of this application system that predicts the quality of lightweight concrete in the form of stress and strain values based on data’s series given to the lightweight concrete. In this research, the determination of the best ANN network is based on the correlation coefficient regression and MSE or performance generated. From the results of validaty test obtained the best network with 7 hidden layer, 1,888,255 iterations, the activation function logsig on a hidden layer and purelin on the output layer because this architecture produces the smallest MSE (MSE validation test = 0.00028697) and has the greatest correlation coefficient and balanced between variebel stress and strain (Rstress = 0.99653 and Rstrain = 0.83151). These results indicate a high degree of accuracy is 99.6% for variable stress and 83.2% for variable strain. Based on these results proved that this ANN with BEP algorithm can produce two targets in one network.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman