Please take a moment to complete this survey below

Library's collection Library's IT development Cancel

Prediksi daya dukung tiang pondasi dengan menggunakan algoritma back-propagation pada jaringan saraf tiruan

Fungsi pondasi yang demikian vital pada sebuah bangunan, diperlukan suatu
ketelitian yang cukup tinggi untuk melakukan prediksi daya dukungnya serta
parameter-parameter apa yang digunakan agar ketelitian dapat lebih baik. Banyaknya
tes yang harus dilakukan untuk pondasi ataupun tanah serta mahalnya biaya untuk
melakukannya merupakan latar belakang penelitian ini.
Tujuan penelitian ini adalah untuk melihat apakah jaringan saraf tiruan
mampu melakukan prediksi terhadap daya dukung pondasi dengan baik dan
menawarkan alternatif cara melakukan prediksi dengan murah dan mudah.
Penelitian meliputi, pengujian perangkat lunak untuk prediksi daya dukung
pondasi dan analisa tingkat kesalahan (error) yang dihasilkan pada tiap pelatihan.Pada
pengujian perangkat lunak meliputi pengujian sistem database dan pengujian sistem
jaringan saraf tiruan dengan algorithma backpropagation .
Hasil uji prediksi daya dukung pondasi menunjukkan bahwa jaringan saraf tiruan
mampu untuk melakukan mapping terhadap data yang diinputkan. Pengujian
dilakukan sebanyak 16 kali. Berdasarkan analisa kesalahan didapatkan bahwa
kesalahan jaringan backpropagation terhadap data yang dilatihkan sebesar 24.25%,
dengan kombinasi 7 unit input, 10 hidden unit, 1 output, learning rate sebesar 0.05
dan momentum sebesar 0.8. Sedangkan untuk data yang tidak dilatihkan dengan
kombinasi yang sama didapat kesalahan sebesar 20.77 %.

Creator(s)
  • (23495030) NUGRAHA PRATAMA ADHI
Contributor(s)
  • Kartika Gunadi → Advisor 1
  • Djoni Haryadi Setiabudi → Examination Committee 1
Publisher
Universitas Kristen Petra; 2000
Language
Indonesian
Category
s1 – Undergraduate Thesis
Sub Category
Skripsi/Undergraduate Thesis
Source
Skripsi No. 00/E/KOM/018/075; Nugraha Pratama Adhi (23495030)
Subject(s)
  • NEURAL NETWORKS (COMPUTER SCIENCE)
  • PILING (CIVIL ENGINEERING)
File(s)

Similar Collection

by creator, contributor, or subject