PREDIKSI SIFAT MEKANIK BATA RINGAN DENGAN REGRESI LINIER DAN NEURAL NETWORK

Munzir Absa

doi:10.58526/ez-sci-bin.v2i2.162

Authors

Munzir Absa Universitas Malikussaleh

DOI:

https://doi.org/10.58526/ez-sci-bin.v2i2.162

Keywords:

neural network, regresi linier, bata ringan, densitas, kuat tekan

Abstract

Bata ringan Autoclaved Aerated Concrete (AAC) adalah salah satu jenis bata ringan yang paling umum digunakan dan memiliki banyak kelebihan dibandingkan dengan batu bata merah. Dalam proses fabrikasinya, komposisi dari unsur penyusun bahan-bahannya perlu dioptimalkan untuk menghasilkan produk dengan kualitas terbaik. Diantara kualitas yang paling penting dimiliki oleh bata ringan adalah densitas dan kuat tekan. Dalam penelitian ini, dikembangkan model regresi linier dan neural network untuk memprediksi densitas dan kuat tekan dari bata ringan AAC dengan input berupa komposisi dari unsur-unsur penyusunnya. Model ini dikembangkan dengan bahasa pemrograman Python dan dengan bantuan sejumlah package di dalamnya, seperti numpy, pandas, dan scikit-learn. Model yang dikembangkan dievaluasi dengan metrik RMSE (Root Mean Square Error) dan R2 (R-squared). Didapatkan bahwa model dengan performa terbaik adalah model neural network dengan 80 hidden node, dengan RMSE sebesar 0.0943 dan R2 sebesar 0.8701.

References

Absa, M., & Setiawan, T. (2023). Comparison of Different Weight Optimization Algorithm in Neural Network to Predict Mechanical Properties of AAC Lightweight Brick. Journal of Scientific Research, Education, and Technology (JSRET), 2(1), 235–241.

Alfaris, L., Firdaus, A. N., Nyuswantoro, U. I., Siagian, R. C., Muhammad, A. C., Hassan, R., Aunzo Jr, R. T., & Ariefka, R. (n.d.). Predicting Ocean Current Temperature Off the East Coast of America with XGBoost and Random Forest Algorithms Using Rstudio. ILMU KELAUTAN: Indonesian Journal of Marine Sciences, 29(2), 273–284.

Almumtazah, N., Azizah, N., Putri, Y. L., & Novitasari, D. C. R. (2021). Prediksi jumlah mahasiswa baru menggunakan metode regresi linier sederhana. Jurnal Ilmiah Matematika Dan Terapan, 18(1), 31–40.

Gunawan, T. S., Ashraf, A., Riza, B. S., Haryanto, E. V., Rosnelly, R., Kartiwi, M., & Janin, Z. (2020). Development of video-based emotion recognition using deep learning with Google Colab. Telkomnika (Telecommunication Computing Electronics and Control), 18(5), 2463–2471. https://doi.org/10.12928/TELKOMNIKA.v18i5.16717

Kalpana, M., & Mohith, S. (2020). Study on autoclaved aerated concrete: Review. Materials Today: Proceedings, 22(xxxx), 894–896. https://doi.org/10.1016/j.matpr.2019.11.099

Kifli, Z., Absa, M., & Musyafa, A. (2017). Prediction of Mechanical Properties of Light Weight Brick Composition Using Artificial Neural Network on Autoclaved Aerated Concrete. Asian Journal of Applied Sciences, 05(03), 556–565.

Najafabadi, M. M., Khoshgoftaar, T. M., Villanustre, F., & Holt, J. (2017). Large-scale distributed L-BFGS. Journal of Big Data, 4(1). https://doi.org/10.1186/s40537-017-0084-5

Sazwati, A., Pratama, D., Anam, K., Wahyudin, E., & Rifa’i, A. (2024). PENERAPAN DATA MINING UNTUK MENGESTIMASI PERSENTASE PENDUDUK MISKIN DI JAWA BARAT MENGGUNAKAN REGRESI LINIER BERGANDA. JATI (Jurnal Mahasiswa Teknik Informatika), 8(1), 1103–1108.

Setiadi, D., Sasmita, S., & Yolanda, M. (2024). Penerapan Algoritma Regresi Linier Berganda Untuk Memprediksi Hasil panen Padi Di Kota Pagar Alam. Kesatria: Jurnal Penerapan Sistem Informasi (Komputer dan Manajemen), 5(2), 337–438.

Suryani, N., & Munasir. (2015). Fabrikasi Bata Ringan Tipe Celluler Lightweight Concrete dengan Bahan Dasar Pasir Vulkanik Gunung Kelud Sebagai Pengganti Fly Ash. Jurnal Inovasi Fisika Indonesia, 04(03), 106–111. 2302-4216

Suryanita, R., Maizir, H., Makahani, S., & Fansuri, D. A. (2023). Prediksi Kuat Tekan Mortar Bata Ringan Dengan Metode Jaringan Saraf Tiruan. Jurnal Rekayasa Sipil, 19(1), 22–31.

Yusuf, M. A., Herman, H., Abraham, A., & Rukmana, H. (2024). Analisis regresi linier sederhana dan berganda beserta penerapannya. Journal on Education, 6(2), 13331–13344.