Prediksi Sifat Termal Bata Ringan Berdasarkan Variasi Komposisi Menggunakan Jaringan Syaraf Tiruan

Wiryawan, Gede Panji (2016) Prediksi Sifat Termal Bata Ringan Berdasarkan Variasi Komposisi Menggunakan Jaringan Syaraf Tiruan. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
2412100065-undergraduate theses.pdf - Published Version

Download (2MB) | Preview
[img]
Preview
Text
2412100065-paperpdf.pdf - Published Version

Download (793kB) | Preview
[img]
Preview
Text
2412100065-presentationpdf.pdf - Presentation

Download (2MB) | Preview

Abstract

Pada penelitian Tugas Akhir ini, Jaringan Syaraf Tiruan (JST) Backpropagation digunakan untuk memprediksi konduktivitas termal bata ringan jenis Autoclaved Aerated Concrete (AAC). Berdasarkan pelatihan dan evaluasi yang telah dilakukan terhadap 10 model JST dengan jumlah hidden node 1 sampai 10, didapati bahwa JST dengan 3 hidden node memiliki performance yang paling baik. Hal ini diketahui dari nilai MSE (Mean Square Error) rata-rata validasi untuk tiga kali pelatihan sebesar 0,003269. Jaringan ini selanjutnya digunakan untuk memprediksi konduktivitas termal empat jenis bata ringan. Hasil prediksi untuk masing-masing bata ringan AAC-1, AAC-2, AAC-3 dan AAC-4 berturut-turut adalah sebesar 0,243 W/mK; 0,29 W/mK; 0,32 W/mK; dan 0,32 W/mK. Selanjutnya, JST digunakan untuk mengetahui pengaruh komposisi Silikon (Si), Kalsium (Ca), Aluminium (Al), dan massa jenis terhadap konduktivitas bata ringan. Hasil simulasi JST menunjukkan bahwa konduktivitas termal meningkat seiring dengan meningkatnya komposisi Si dan massa jenis, namun terjadi penurunan konduktivitas termal seiring kenaikan komposisi Al. ========== In this study, backpropagation neural network was used to predict thermal conductivity of autoclaved aerated concrete (AAC). Ten network models with various number of hidden nodes (1 to 10 hidden nodes) were trained each three times. Among the ten network models, network with 3 hidden nodes came out with the best performance (average MSE validation = 0,003269). This network was used to predict thermal conductivity of four AAC samples; i.e. AAC-1, AAC-2, AAC-3, AAC-4 and gave the following results: AAC-1 = 0.243 W/mK, AAC-2 = 0.29 W/mK, AAC-3 = 0.32 W/mK, AAC-4 = 0.32 W/mK. The network was then used to examine the influence of composition variation of Calcium (Ca), Aluminium (Al), Silicone (Si) and density on thermal conductivity of AAC. It was found that thermal conductivity increase along with density and concentration of Si, while the increase in concentration of Al leads to the decrease of thermal conductivity of AAC.

Item Type: Thesis (Undergraduate)
Additional Information: RSF 620.118 Wir p 3100017068968
Uncontrolled Keywords: Jaringan Syaraf Tiruan (JST) backpropagation, bata ringan Autoclaved Aerated Concrete (AAC), konduktivitas termal, Backpropagation neural network, autoclaved aerated concrete, thermal conductivity
Subjects: T Technology > TA Engineering (General). Civil engineering (General) > TA418.9 Composite materials. Laminated materials.
Divisions: Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User: - Davi Wah
Date Deposited: 21 Oct 2019 03:58
Last Modified: 21 Oct 2019 03:58
URI: http://repository.its.ac.id/id/eprint/71226

Actions (login required)

View Item View Item