Mengukur Tingkat Error Ketahanan Beton dengan Metode Klasifikasi Neural Network dan Support Vector Machine

Penulis

  • Esty Purwaningsih
  • Ridwansyah Ridwansyah

DOI:

https://doi.org/10.51998/jti.v5i1.295

Abstrak

Abstract— Concrete has many benefits in building various infrastructure. So that the concrete is worth to be taken into account its durability. In previous studies we have accurately measured the error rate on concrete strength. In this study, we tried to compare the Neural Network method with the SVM method to measure the error rate in the strong concrete accuracy where each has an advantage in its performance. Where Neural network can solve the problem especially large data sample and has been able to prove in handling nonlinear problem. While the advantages of the Support Vector Machine (SVM) method is quite popular and good for classification use because it does not depend on the number of features and can overcome the problem of dimensions and can perform a rapid training process that is useful in learning techniques when facing the problem of indecision. The result of this research is known that Neural Network method got RMSE value is 7,650 and squared error value is 59.377, while SVM method got RMSE value is 10.905 and squared error value is 119.333. So it can be concluded that the error rate on concrete with Neural Network method is lower than the SVM method.

 

Intisari— Beton memiliki banyak manfaat dalam membangun berbagai macam infrastruktur. Sehingga beton patut untuk diperhitungkan ketahanannya. Dalam penelitian-penelitian sebelumnya telah dilakukan pengukuran tingkat error pada kekuatan beton dengan akurat. Dalam penelitian ini, kami mencoba melakukan perbandingan antara metode Neural Network dengan metode SVM untuk mengukur tingkat kesalahan (error) dalam akurasi kuat beton dimana masing-masing memiliki keunggulan dalam kinerjanya. Dimana Neural network dapat menyelesaikan masalah khususnya sampel data besar dan telah mampu membuktikan dalam menangani masalah nonlinear. Sedangkan kelebihan dari metode Support Vector Machine (SVM) cukup populer dan baik untuk penggunaan klasifikasi karena tidak tergantung pada jumlah fitur dan bisa mengatasi masalah dimensi dan dapat melakukan proses training dengan cepat yang berguna dalam teknik learning ketika mengadapi masalah ketidaktegasan. Hasil penelitian ini diketahui bahwa metode Neural Network didapatkan nilai RMSE adalah 7.650 dan nilai squared error adalah 59.377, sedangkan metode SVM didapatkan nilai RMSE adalah 10.905 dan nilai squared error adalah 119.333. Sehingga dapat disimpulkan bahwa tingkat error pada beton dengan metode Neural Network lebih rendah dibanding dengan metode SVM.

 

Kata Kunci — Beton, Klasifikasi, Neural Network, Support Vector Machine

Unduhan

Data unduhan belum tersedia.

Diterbitkan

2019-02-13

Cara Mengutip

Purwaningsih, E., & Ridwansyah, R. (2019). Mengukur Tingkat Error Ketahanan Beton dengan Metode Klasifikasi Neural Network dan Support Vector Machine. Jurnal Teknik Informatika, 5(1), 6–9. https://doi.org/10.51998/jti.v5i1.295