Absa, Munzir (2016) Prediksi Pengaruh Komposisi Pada Sifat Mekanik Bata Ringan Dengan Menggunakan Jaringan Syaraf Tiruan. Undergraduate thesis, Institut Technology Sepuluh Nopember.
Preview |
Text
2412100085-Undergraduate_Thesis.pdf - Accepted Version Download (1MB) | Preview |
Abstract
Dalam fabrikasi bata ringan, salah satu permasalahan yang
ditemui adalah penentuan komposisi bahan baku dari bata
ringan yang dibuat. Ini karena komposisi bahan baku dari bata
ringan dapat mempengaruhi sifat mekanik dari bata ringan yang
menjadi parameter baik tidaknya bata ringan sebagai bahan
bangunan. Dalam tugas akhir ini telah dilakukan prediksi
pengaruh komposisi unsur penyusun dan densitas terhadap
kekuatan tekan bata ringan AAC dengan menggunakan jaringan
syaraf tiruan. Selain itu juga dilakukan simulasi pengaruh
komposisi unsur-unsur utama bata ringan AAC serta densitas
AAC terhadap kekuatan tekannya. Jaringan syaraf tiruan
dengan arsitektur feed forward backpropagation dan algoritma
pelatihan Levenberg-Marquardt yang terbaik didapatkan pada
hidden node 8, dengan MSE pelatihan sebesar 0,001605667 dan
MSE validasi sebesar 0,01455. Hasil simulasi pengaruh
komposisi dan densitas terhadap kekuatan tekan bata ringan
AAC menunjukkan bahwa komposisi Ca, Si, dan densitas
berbanding lurus terhadap kekuatan tekan AAC, sementara
komposisi Al berbanding terbalik dengan kekuatan tekan AAC.
Hasil prediksi kuat tekan yang didapatkan untuk 4 sampel AACa,
AAC-b, AAC-c, dan AAC-d secara berurutan adalah 4,80
MPa, 5,24 MPa, 3,23 MPa, dan 3,67 MPa.
==============================================================================================================
One of the problems found in the fabrication of lightweight
brick is how to determine the composition of raw materials used.
The composition of materials in lightweight brick can affect its
mechanical properties which is an important parameter for
building materials. In this study the prediction of the effect of
elements composition and density on compressive strength of
Autoclaved Aerated Concrete (AAC) using neural network has
been done. Furthermore, the simulation on the effect of each
element composition and the density on compressive strength
also has been done. The best network developed in this study
using feedforward backpropagation architecture and Levenberg-
Marquardt algorithm is to use 8 hidden node, with mse training
of 0.001605667 and mse validation of 0.01455. Simulation
results show that composition of Ca, Si, O, and density are all
directly proportional to compresssive strentgh, while
composition of Al is inversely proportional. The compressive
strength prediction results obtained for 4 AAC samples are 4.80
MPa, 5.24 MPa, 3.23 MPa, and 3.67 MPa for sample AAC-a,
AAC-b, AAC-c, and AAC-d sequentially. The result of prediction
shows that the neural network developed can predict the effect of
composition and density on compressive strength of AAC.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSF 006.3 Abs p |
| Uncontrolled Keywords: | Prediksi, jaringan syaraf tiruan, bata ringan aac, komposisi unsur, kekuatan tekan |
| Subjects: | Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science) |
| Divisions: | Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis |
| Depositing User: | Mr. Tondo Indra Nyata |
| Date Deposited: | 24 Jan 2020 03:27 |
| Last Modified: | 24 Jan 2020 03:27 |
| URI: | http://repository.its.ac.id/id/eprint/73034 |
Actions (login required)
 |
View Item |