Setiawan, Agustinus Agus (2023) Model campuran beton geopolimer dengan menggunakan metode deep learning. Doctoral thesis, Universitas Tarumanagara.
|
Text
328201012_AGUSTINUS_Cover.pdf Download (4MB) | Preview |
|
|
Text
328201012_AGUSTINUS_Pengesahan.pdf Download (4MB) | Preview |
|
|
Text
328201012_AGUSTINUS_Daftar Isi.pdf Download (4MB) | Preview |
|
Text
328201012_AGUSTINUS_Bab 1.pdf Restricted to Repository staff only Download (395kB) |
||
Text
328201012_AGUSTINUS_Bab 2.pdf Restricted to Repository staff only Download (1MB) |
||
Text
328201012_AGUSTINUS_Bab 3.pdf Restricted to Repository staff only Download (492kB) |
||
Text
328201012_AGUSTINUS_Bab 4.pdf Restricted to Repository staff only Download (2MB) |
||
Text
328201012_AGUSTINUS_Bab 5.pdf Restricted to Repository staff only Download (346kB) |
||
|
Text
328201012_AGUSTINUS_Daftar Pustaka.pdf Download (629kB) | Preview |
Abstract
Beton geopolimer adalah bahan konstruksi ramah lingkungan yang inovatif. Limbah fly ash digunakan sebagai pengganti semen pada beton konvensional. Metode standar untuk merancang campuran beton geopolimer belum diatur dalam peraturan resmi khususnya di Indonesia. Penelitian ini bertujuan untuk mengembangkan model desain campuran beton geopolimer. Model dikembangkan menggunakan metode Deep Learning dan algoritma Convolutional Neural Network (CNN). Arsitektur CNN yang dipilih adalah arsitektur LeNet, ResNet dan AlexNet. Dari ketiga jenis arsitektur yang dipilih, kombinasi LeNet dengan 5000 epochs, nilai learning rate 0,001 dan dengan fungsi pengoptimal RMSprop, mampu menghasilkan model dengan tingkat akurasi pelatihan terbaik sebesar 93,13%, dan akurasi pengujian sebesar 83,46 %. Sedangkan kombinasi arsitektur AlexNet dengan 2000 epochs, learning rate 0,001 dan Adam optimizer mampu menghasilkan tingkat akurasi pelatihan sebesar 92,25%, dan akurasi pengujian sebesar 86,30%. Sedangkan kombinasi kombinasi arsitektur ResNet, dengan 5000 epochs, learning rate 0,001 dan optimizer Adam, mampu menghasilkan tingkat akurasi pelatihan sebesar 88,59%, dan akurasi pengujian sebesar 74,94%. Kata Kunci : deep learning, convolutional neural network, epoch, learning rate, optimizer, beton, geopolimer
Item Type: | Thesis (Doctoral) |
---|---|
Subjects: | Disertasi Tesis > Pascasarjana Skripsi/Tugas Akhir > Fakultas Teknik |
Divisions: | Fakultas Teknik > Teknik Sipil |
Depositing User: | TDI Family perpus |
Date Deposited: | 12 Oct 2023 08:47 |
Last Modified: | 12 Oct 2023 08:47 |
URI: | http://repository.untar.ac.id/id/eprint/41953 |
Actions (login required)
View Item |