AKURASI PENGGUNAAN METODE SUPPORT VECTOR MACHINE DALAM PREDIKSI PENURUNAN PONDASI TIANG

Raden Harya Dananjaya, Sutrisno Sutrisno, Fany A. Wellianto

Abstract

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.

References

Abolfazl Baghbani, Tanveer Choudhury, Susanga Costa, J. R., 2022, Application of artificial intelligence in geotechnical engineering: A state-of-the-art review, Earth-Science Reviews, (p. volume 2228). Earth-Science Reviews.

Alkroosh, I., & Nikraz, H. (2012). Predicting axial capacity of driven piles in cohesive soils using intelligent computing. Engineering Applications of Artificial Intelligence, 25(3), 618–627. https://doi.org/10.1016/j.engappai.2011.08.009. accessed: 24-08-22.

Alsamman, O. M., 1995, The use of CPT for calculating axial capacity of drilled shafts. University of Illinois at Urbana-Champaign.

Eslami, A., 1997, Bearing capacity of piles from cone penetration test data. University of Ottawa (Canada).

Eslami, A., & Fellenius, B. H., 1997, Pile Capacity By Direct Cpt And Cptu Methods Applied To 102 Case Histories. CANADIAN GEOTECHNICAL JOURNAL, XXXIV(VI). https://trid.trb.org/view/541361

Hair, J.F., Black, W.C., Babin, B.J. and Anderson, R.E., 2010, Multivariate Data Analysis. 7th Edition, Pearson, New York.

Hardiyatmo, H. C., 2008, Teknik Fondasi 2. Gramedia Pustaka Utama, 275. https://www.academia.edu/download/57492139/Hardiyatmo______-_1996_-_Teknik_Pondasi_1.pdf. accessed: 24-08-22.

Hardiyatmo, H. C., 2018, Mekanika Tanah 2. Gramedia Pustaka Utama, Yogyakarta

Ilyas Kurniawan, R., Ridwan, A., Winarto, S., & Candra, A. I., 2019, Perencanaan Pondasi Tiang (Studi Kasus Hotel Merdeka Tulungagung). Jurnal Manajemen Teknologi & Teknik Sipil, 2(1), 144. https://doi.org/10.30737/jurmateks.v2i1.406. accessed: 24-08-22.

Lu, P., Chen, S., & Zheng, Y., 2012, Artificial intelligence in civil engineering. In Mathematical Problems in Engineering (Vol. 2012). https://doi.org/10.1155/2012/145974. accessed: 24-08-22.

Suprayogi, I., Trimaijon, & Mahyudin., 2014, Model Prediksi Liku Kalibrasi Menggunakan Pendekatan Jaringan Saraf Tiruan (ZST) (Studi Kasus : Sub DAS Siak Hulu). Jurnal Online Mahasiswa Fakultas Teknik Universitas Riau, Riau

DOI: https://doi.org/10.20961/mateksi.v10i3.64519

Refbacks

  • There are currently no refbacks.