Prediksi Pengaruh Komposisi Pada Sifat Mekanik Bata Ringan Dengan Menggunakan Jaringan Syaraf Tiruan

Absa, Munzir (2016) Prediksi Pengaruh Komposisi Pada Sifat Mekanik Bata Ringan Dengan Menggunakan Jaringan Syaraf Tiruan. Undergraduate thesis, Institut Technology Sepuluh Nopember.

[img]
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: https://repository.its.ac.id/id/eprint/73034

Actions (login required)

View Item View Item