Hubungan Kehalusan, Strength Activity Index, Berat Jenis Fly Ash dengan Kuat Tekan Mortar Menggunakan Artificial Neural Network

Abstract

Kehalusan, strength activity index dan berat jenis fly ash mempunyai pengaruh yang signifikan terhadap hasil kuat tekan mortar. Perlu dilakukan penelitian untuk mencari pengaruh sifat-sifat tersebut dengan mengetahui hubungan antara sifat fisik fly ash dengan kuat tekan mortar. Artificial Neural Network (ANN) merupakan suatu model komputasi yang bekerja seperti sel saraf biologis pada otak manusia, dipakai untuk mencari hubungan tersebut melalui proses pembelajaran Back-Propagation. Langkah-langkah penelitian meliputi pengumpulan data, pemodelan, dan pengujian pemodelan yang sudah dibuat. Kehalusan, berat jenis dan strength activity index dipakai sebagai input dan kuat tekan mortar umur 28 hari sebagai target output dalam pemodelan. Pengujian dilakukan untuk mencari performa ANN yang paling optimal pada proses pelatihan dengan nilai Mean Square Error (MSE) validation terkecil. Dari penelitian yang telah dilakukan disimpulkan bahwa ANN dapat digunakan untuk membentuk hubungan antara kehalusan, strength activity index dan berat jenis fly ash dengan hasil kuat tekan mortar dengan kesalahan antara 0%-0.054%. Pada pengujian parameter pelatihan, didapatkan bahwa performa yang optimal dihasilkan dengan 1 hidden layer dengan 3 node dengan prosentase data 70% training, 15% testing, dan 15% validation dan MSE rata-rata 5.57x10^-5.

CC Licencing

Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).