IMPLEMENTASI JARINGAN SYARAF TIRUAN (JST) PADA PRODUKTIVITAS PEKERJAAN PREFABRICATED VERTICAL DRAIN

Eka Nur Fitriani, Budi Susetyo

Abstract


Prefabricated vertical drain merupakan teknik perbaikan tanah dengan prinsip mengeluarkan kadar air pori di dalam tanah sehingga mempercepat waktu penurunan tanah. Saat ini metode prefabricated vertical drain banyak digunakan untuk pembangunan khususnya yang berdiri di atas tanah lunak. Selama ini, waktu pekerjaan prefabricated vertical drain ditentukan berdasarkan pengalaman pekerjaan prefabricated vertical drain di proyek-proyek terdahulu. Saat ini, jaringan syaraf tiruan telah digunakan dalam teknik dan manajemen konstruksi untuk prediksi, analisis risiko, pengambilan keputusan, optimasi sumber daya, klasifikasi, dan seleksi. Untuk perhitungan produktivitas pekerjaan prefabricated vertical drain dengan menggunakan jaringan syaraf tiruan (JST) digunakan model algoritma backpropagation. Arsitektur backpropagation terdiri dari layar masukan, layar tersembunyi, dan layar keluaran. Pelatihan backpropagation terdiri dari tiga fase yaitu fase maju, fase mundur, dan modifikasi bobot. Pelatihan jaringan syaraf tiruan (JST) backpropagation menggunakan software matlab. Dari hasil analisis didapat bahwa jaringan syaraf tiruan (JST) backpropagation dapat digunakan pada perhitungan produktivitas pekerjaan prefabricated vertical drain.

Keywords


Jaringan syaraf tiruan (JST); backpropagation; prefabricated vertical drain; produktivitas.

Full Text:

PDF

References


Al-Zwainy, F. M. S., Rasheed, H. A., & Ibraheem, H. F. (2012). Development of the construction productivity estimation model using artificial neural network for finishing works for floors with marble. ARPN Journal of Engineering and Applied Sciences, 7(6), 714–722. https://doi.org/10.4236/ojce.2013.33015

Aspar, W. A. N., & Fitriani, E. N. (2016). Pengaruh Jarak dan Pola Prefabricated Vertical drain (PVD) Pada Tanah Lunak. Majalah Ilmiah Pengkajian Industri, 10 Nomer 1, 41–50.

Dhiva, I. G. N. A. (2014). Bor Pile dengan Menggunakan Mesin Bor Ringan. Jurnal Rekayasa Sipil/Volume 8, No. 2, 8(2), 128–135.

Heravi, G., & Eslamdoost, E. (2015). Applying Artificial Neural Networks for Measuring and Predicting Construction-Labor Productivity. Journal of Construction Engineering and Management, (11), 1–11. https://doi.org/10.1061/(ASCE)CO.1943-7862.0001006

Ok, S. C., & Sinha, S. K. (2006). Construction equipment productivity estimation using artificial neural network model. Construction Management and Economics, 24(10), 1029–1044. https://doi.org/10.1080/01446190600851033

Rashidi, A., Nejad, H. R., & Maghiar, M. (2014). Productivity estimation of bulldozers using generalized linear mixed models. KSCE Journal of Civil Engineering, 18(6), 1580–1589. https://doi.org/10.1007/s12205-014-0354-0

Warsito, J. Y. E., Hatmoko, J. U. D., Wibowo, M. A., & HA, R. (2016). An Artificial Neural Network Model of Hydraulic Static Pile Driver Productivity in Silt Soil. Australian Journal of Basic and Applied Sciences, 10(1), 489–497. Retrieved from https://ssrn.com/abstract=2791462




DOI: http://dx.doi.org/10.22441/jrs.2018.v07.i2.02

Refbacks

  • There are currently no refbacks.


Copyright (c) 2018 Rekayasa Sipil

JURNAL REKAYASA SIPIL
Fakultas Teknik Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
p-ISSN: 2252-7699
e-ISSN: 2598-5051
http://publikasi.mercubuana.ac.id/index.php/JRS

email: [email protected]

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Web Analytics Made Easy - StatCounter
View My Stats

.