Prediksi Kuat Tekan Mortar Bata Ringan Dengan Metode Jaringan Saraf Tiruan

Reni Suryanita(1*), Harnedi Maizir(2), Satria Makahani(3), Dandio Ahmad Fansuri(4)

(1) Jurusan Teknik Sipil, Fakultas Teknik, Universitas Riau. Pekanbaru, Riau, Indonesia
(2) Jurusan Teknik Sipil, Fakultas Teknik, Sekolah Tinggi Teknologi Pekanbaru. Pekanbaru, Riau, Indonesia
(3) Jurusan Teknik Sipil, Fakultas Teknik, Universitas Riau. Pekanbaru, Riau, Indonesia
(4) Jurusan Teknik Sipil, Fakultas Teknik, Universitas Riau. Pekanbaru, Riau, Indonesia
(*) Corresponding Author

DOI: https://doi.org/10.25077/jrs.19.1.22-31.2023

Copyright (c) 2023 Reni Suryanita, Harnedi Maizir, Satria Makahani, Dandio Ahmad Fansuri

Abstract


Bata ringan merupakan salah satu inovasi di bidang material bangunan dengan menggunakan bahan kimia foaming agent, sehingga bobot bata menjadi lebih ringan. Bobot yang ringan merupakan salah satu keunggulan yang dimiliki bata ringan, hal ini berpengaruh signifikan saat bata ringan digunakan pada bangunan gedung bertingkat karena dapat mengurangi berat sendiri bangunan. Kuat tekan merupakan parameter yang digunakan untuk mengetahui kualitas bata ringan. Untuk menentukan kualitas bata ringan perlu dilakukan pengujian eksperimental mortar bata ringan yang memerlukan biaya dan waktu pengujian. Penelitian ini bertujuan untuk mengembangkan model simulasi numerik berbasis  Jaringan Saraf Tiruan (JST) untuk memprediksi nilai kuat tekan bata ringan. Model JST menggunakan nilai densitas mortar bata ringan sebagai data input. Data training dan testing dari hasil pengujian benda uji mortar bata ringan berbentuk kubus dengan panjang sisi 10 cm sebanyak 120 benda uji terdiri dari 105 benda uji digunakan untuk data training dan 15 benda uji digunakan sebagai data testing untuk memprediksi kuat tekan  mortar. Hasil pelatihan JST yang paling optimal menghasilkan nilai regresi training dan testing sebesar 0.93891 dan 0.95667. Berdasarkan hasil penelitian dapat disimpulkan metode JST dapat memprediksi nilai kuat tekan mortar bata ringan dengan nilai error yang hampir mendekati nilai 0 dan keakuratan lebih dari 90%. Dengan demikian dapat disimpulkan bahwa, metode JST dapat digunakan dalam memprediksi kuat tekan bata ringan.

Keywords


kuat tekan; mortar bata ringan; densitas; Jaringan Saraf Tiruan; Regresi;

Full Text:

PDF

References


Absa, M. (2016). Prediction Of The Effect Of Compostion On Mechanical Properties Of Lightweight Brick Using Artificial Neural Network.

Amran, Y. H. M., Farzadnia, N., & Ali, A. A. A. (2015). Properties and applications of foamed concrete ; a review. CONSTRUCTION & BUILDING MATERIALS, 101, 990–1005. https://doi.org/10.1016/j.conbuildmat.2015.10.112

Ashrafian, A., Shokri, F., Taheri Amiri, M. J., Yaseen, Z. M., & Rezaie-Balf, M. (2020). Compressive strength of Foamed Cellular Lightweight Concrete simulation: New development of hybrid artificial intelligence model. Construction and Building Materials, 230, 117048. https://doi.org/10.1016/j.conbuildmat.2019.117048

Chica, L., & Alzate, A. (2019). Cellular concrete review: New trends for application in construction. Construction and Building Materials, 200, 637–647. https://doi.org/10.1016/j.conbuildmat.2018.12.136

Ly, H.-B., Nguyen, T.-A., Thi Mai, H.-V., & Tran, V. Q. (2021). Development of deep neural network model to predict the compressive strength of rubber concrete. Construction and Building Materials, 301, 124081. https://doi.org/10.1016/j.conbuildmat.2021.124081

Nagarajan, D., Rajagopal, T., & Meyappan, N. (2020). A Comparative Study on Prediction Models for Strength Properties of LWA Concrete Using Artificial Neural Network. Revista de La Construccion, 19(1), 103–111. https://doi.org/10.7764/RDLC.19.1.103-111

Paulson, A. J., Prabhavathy, R. A., Rekh, S., & Brindha, E. (2019). Application of neural network for prediction of compressive strength of silica fume concrete. International Journal of Civil Engineering and Technology, 10(2), 1859–1867.

VANLUCHENE, R. D., & SUN, R. (1990). Neural Networks in Structural Engineering. Computer‐Aided Civil and Infrastructure Engineering, 5(3), 207–215. https://doi.org/10.1111/j.1467-8667.1990.tb00377.x

Wiryawan, G. P., Detak, D., Pratama, Y., Fisika, J. T., Teknologi, F., & Nopember, S. (n.d.). Prediksi Sifat Termal Bata Ringan Berdasarkan Variasi Suhu Menggunakan Jaringan Syaraf Tiruan. 1–6.

Zhao J., Iven J., DeWolf J., 1998, Structural Damage Detection Using Artificial Neural Networks, Retrieved From : http://doi.org/10.1109/CIMSA.20 12.6269593.




Jurnal Rekayasa Sipil (JRS)-Universitas Andalas (Unand). ISSN: 1858-2133 (print) & 2477-3484 (online)

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
View JRS-Unand Stats