📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 2 dokumenPREDIKSI TEGANGAN REGANGAN DAN RASIO RONGGA PADA TANAH LUNAK MENGGUNAKAN PENDEKATAN AI
Penelitian ini bertujuan untuk mengembangkan model prediksi kurva stress–strain dan void ratio pada tanah lempung lunak (soft clay) berbasis Backpropagation Neural Network (BPNN), sebagai alternatif model konstitutif konvensional seperti Soft Soil Model (SSM) yang membutuhkan kalibrasi parameter yang kompleks. Dalam studi ini, digunakan skema dua model paralel yang dilatih menggunakan data hasil uji triaksial CU dan konsolidasi dari Proyek Jalan Tol Padaleunyi–Jawa (52 sampel), yaitu ANN1 untuk memprediksi deviatoric stress dan mean principal stress, serta ANN2 untuk memprediksi void ratio berbasis fitur path-dependent. Hasil evaluasi menunjukkan bahwa model BPNN mampu menghasilkan prediksi yang akurat, dengan nilai R² pada data uji berkisar antara 0,8252 hingga 0,9933, serta performa yang secara konsisten lebih baik dibandingkan SSM pada seluruh metrik evaluasi, khususnya dalam menangkap pola pengerasan bertahap (strain hardening) tanah lunak.
PEMODELAN PERILAKU TANAH DENGAN PENDEKATAN KURVA STRESS STRAIN MENGGUNAKAN MACHINE LEARNING
Permasalahan geoteknik yang semakin kompleks menyebabkan penting untuk memodelkan perilaku tanah hingga pada level elemen guna menentukan solusi yang tepat dan akurat. Perilaku tanah yang kompleks tersebut dapat dimodelkan dengan menggunakan konstitutif model. Perkembangan model konstitutif yang semakin kompleks menyebabkan semakin banyak parameter yang diperlukan sehingga dibutuhkan korelasi dan asumsi tertentu yang dapat mempengaruhi tingkat akurasi dari model yang dibuat. Hingga saat ini belum terdapat model konstitutif yang dapat menggambarkan perilaku non linear tanah yang kompleks secara mudah dengan menggunakan parameter sederhana dari hasil pengujian laboratorium. Namun, machine learning telah membuka peluang baru dalam menyelesaikan permasalahan geoteknik dengan membangun model berbasis data. Tujuan penelitian ini adalah mengembangkan model konstitutif tanah berbasis data yang mampu merepresentasikan kompleksitas perilaku tegangan-regangan tanah dengan menggunakan parameter sederhana dari hasil pengujian laboratorium yang minim asumsi. Secara sistematis studi ini menjelaskan pengaplikasian algoritma machine learning dalam membangun konstitutif model guna memprediksi perilaku tanah. Dua jenis algoritma yang digunakan adalah algoritma linear Ordinary Least Square dan non linear Random forest. Sejumlah data hasil pengujian triaxial dan parameter tanah dari berbagai lokasi berhasil dikumpulkan guna membangun database perilaku tegangan-regangan tanah. Database tersebut kemudian digunakan untuk melatih dan mengevaluasi model. Hasil penelitian ini menunjukan bahwa model machine learning berbasis data mampu memodelkan nonlinearitas perilaku tegangan-regangan tanah dengan parameter sederhana.