SIMULASI METODE BACK PROPAGATION DALAM ANALISIS KERUSAKAN RUAS JALAN LINTAS UTARA KOTA PEKANBARU

Alfian Saleh; Muthia Anggraini; Roki Hardianto

doi:10.36341/racic.v8i2.2847

Alfian Saleh Universitas Lancang Kuning
Muthia Anggraini Universitas Lancang Kuning
Roki Hardianto Universitas Lancang Kuning

: https://doi.org/10.36341/racic.v8i2.2847

Abstrak

Jalan Lintas Utara Kota Pekanbaru merupakan jalan nasional yang menghubungkan kota Pekanbaru dengan perbatasan utara pekanbaru dan jalan tersebut sering mengalamai kerusakan. Sehingga perlu sebuah sistem untuk memprediksi kerusakan yang terjadi. Metode penelitian yaitu pengumpulan data, pemilihan data, proses menggunakan metode backpropagation, analisis dan evaluasi. Berdasarkan data yang didapat kerusakan yang paling banyak terjadi pada ruas jalan ini adalah retak dengan persentase 60%, sebanyak 30% kerusakan rutting dan 10% untuk pothole. Tahapan backpropagation yaitu dengan inisiasi bobot, aktivasi, menghitung bobot input, bias output dan perubahan bobot dan bias. Hasilnya prediksi kerusakan yang dilakukan ada peningkatan jumlah kerusakan retak sekitar 3% dengan nilai kesalahan MSE 0,18535 dengan matlab.

##submission.authorBiography##

##submission.authorWithAffiliation##

Jalan Lintas Utara Kota Pekanbaru adalah jalan nasional yang menghubungkan kota Pekanbaru dengan perbatasan utara pekanbaru dan jalan tersebut sering mengalamai kerusakan. Sehingga perlu sebuah sistem untuk memprediksi kerusakan yang terjadi. Metode penelitian yaitu pengumpulan data, pemilihan data, proses menggunakan metode backpropagation, analisis dan evaluasi. Berdasarkan data yang didapat kerusakan yang paling banyak terjadi pada ruas jalan ini adalah retak dengan persentase 60%, sebanyak 30% kerusakan rutting dan 10% untuk pothole. Tahapan backpropagation yaitu dengan inisiasi bobot, aktivasi, menghitung bobot input, bias output dan perubahan bobot dan bias. Hasilnya prediksi kerusakan yang dilakukan ada peningkatan jumlah kerusakan retak sekitar 3% dengan nilai kesalahan MSE 0,18535 dengan matlab.

Kata Kunci: Backpropagation, Kerusakan Jalan, Simulasi

Referensi

G. Guntoro, L. Costaner, and L. Lisnawita, “Prediksi Jumlah Kendaraan di Provinsi Riau Menggunakan Metode Backpropagation,” Inform. Mulawarman J. Ilm. Ilmu Komput., vol. 14, no. 1, p. 50, 2019, doi: 10.30872/jim.v14i1.1745.

E. Yuliandra, A. Abrar, and N. Abdillah, “Analisis Kerusakan Jalan Menggunakan Metode Bina Marga dan Metode Pavement Condition Index ( PCI ) ( Studi Kasus : Jalan Sudirman dan Jalan Soekarno- Hatta Kota Dumai ),” Slump Test J. Tek. Sipil, vol. 1, no. 1, pp. 29–35, 2022.

R. Agusmaniza and F. D. Fadilla, “Analisa Tingkat Kerusakan Jalan Menggunakan Metode Bina Marga (Studi Kasus Jalan Ujung Beurasok STA 0+^000 S/D STA 0+^700),” VOCATECH Vocat. Educ. Technol. J., vol. 1, no. 1, 2019, doi: 10.38038/vocatech.v1i0.7.

J. Studi et al., “Identifikasi jenis dan penanganan kerusakan jalan (studi kasus jl. g. obosxii, jl. samudin aman, jl. jati kota palangka raya),” vol. 5, pp. 28–36, 2021.

A. Munandar, S. Widodo, and E. Sulandari, “Analisa kondisi kerusakan jalan pada lapisan permukaan,” J. Mhs. Tek. Sipil Univ. Tanjungpura, vol. 3, no. 2, pp. 1–11, 2014, [Online]. Available: https://www.neliti.com/id/publications/190782/analisa-kondisi-kerusakan-jalan-pada-lapisan-permukaan-studi-kasus-jalan-adi-suc.

A. Kusnadi and R. Ranny, “Identifikasi Dini Kerusakan Jalan Flexible Pavement Dengan Menggunakan Algoritma PCA,” J. Ultim., vol. 8, no. 2, pp. 1–6, 2017, doi: 10.31937/ti.v8i2.521.

M. Program, S. Teknik, U. Maritim, R. Ali, and K. Kunci, “JARINGAN SYARAF TIRUAN BACKPROPAGATION ( Study Kasus : PDAM TIRTA KEPRI ) Ilham Aryudha Perdana,” pp. 1–12, 2016.

P. B. Prakoso, U. S. Lestari, and Y. Sari, “DETEKSI KERETAKAN PERMUKAAN PERKERASAN LENTUR JALAN RAYA ( STUDI KASUS : TANAH LUNAK DI BANJARMASIN ) Detection of Cracks on Highway Flexible Pavement Surfaces ( Case Study : Soft Soils in Banjarmasin ),” DETEKSI KERETAKAN PERMUKAAN PERKERASAN LENTUR JALAN RAYA ( Stud. KASUS TANAH LUNAK DI BANJARMASIN ) Detect. Cracks Highw. Flex. Pavement Surfaces ( Case Study Soft Soils Banjarmasin ), vol. 4, no. April, pp. 247–251, 2019, [Online]. Available: http://snllb.ulm.ac.id/prosiding/index.php/snllb-lit/article/view/194/195.

R. N. Putri and D. Setiawan, “Prototipe Jaringan Syaraf Tiruan Untuk Mendeteksi Banjir Menggunakan Metode Backpropagation,” JOISIE (Journal Inf. Syst. Informatics Eng., vol. 1, no. 2, p. 144, 2019, doi: 10.35145/joisie.v1i2.217.

F. Firdausa, R. Marpaung, and S. R. Artini, “Simulasi Metode Back Propagation Dalam Analisis Hasil Pengaruh Biji Karet Substitusi Agregat Kasar Terhadap Kuat Tekan Beton,” FROPIL (Forum Prof. Tek. Sipil), vol. 8, no. 2, pp. 56–64, 2021, doi: 10.33019/fropil.v8i2.1899.

Y. Rianto, D. Riana, and S. Nusa Mandiri, “Identifikasi Tingkat Kerusakan Jalan Raya Menggunakan Thresholding Dan K-Means Identification of Road Damage Using Thresholding and K-Means,” Csrid, vol. 13, no. 1, pp. 34–44, 2021, [Online]. Available: https://www.doi.org/10.22303/csrid.13.1.2021.34-44.

Muhaimin, Winayati, and F. Soehardi, “Analisis Kerusakan Jalan Berdasarkan Metode Surface Distress Index (Sdi) (Studi Kasus : Jalan Meranti Kota Pekanbaru Provinsi Riau),” J. Inersia, vol. 14, pp. 35–40, 2022.

H. A. Fibrian and P. Mahardi, “Prediksi Sisa Umur Perkerasan Lentur Berdasarkan International Roughhness Index (Iri) dan Lalu Lintas Harian Rata - rata (Lhr). (Studi Kasus: Ruas Batas Kota Sumenep-Kalianget STA 0+000 – STA 4+580) Habibah Ajeng Fibrian,” Rekayasa Tek. Sipil, vol. 1, no. 1, pp. 1–10, 2020.

Sugiyanto and A. N. Ahmad, “Analisis Kondisi Fungsional Ruas Jalan Jenu-Merakurak Dengan Menggunakan Metode Psi Dan Rci Serta Prediksi Sisa Umur Perkerasan Jalan ( Remaining Life ),” J. Tek. Sipil Univ. Warmadewa, vol. 11, no. 2019, pp. 127–139, 2022, doi: 10.22225/pd.11.1.4834.127-139.

F. Yudaningrum and I. Ikhwanudin, “IDENTIFIKASI JENIS KERUSAKAN JALAN (Studi Kasus Ruas Jalan Kedungmundu-Meteseh),” Teknika, vol. 12, no. 2, pp. 16–23, 2017, doi: 10.26623/teknika.v12i2.638.

L. Yesana, P. P. Sabetu, J. Grafika, and J. Grafika, “KEMAMPUAN PERKERASAN HASIL RANCANGAN OVERLAY DI JALAN SILIWANGI YOGYAKARTA untuk dapat melayani lalu lintas pada umur layanan tertentu (Manguande et al ., 2020 ; analisis komparasi perancangan tebal lapis tambah perkerasan lentur dengan metode Ma- Pekerj,” vol. 21, no. 3, pp. 207–218, 2021.

A. Martinelli et al., “Road Surface Anomaly Assessment Using Low-Cost Accelerometers: A Machine Learning Approach,” Sensors, vol. 22, no. 10, pp. 1–17, 2022, doi: 10.3390/s22103788.

G. Elnashar, R. B. Bhat, and R. Sedaghati, “Modeling pavement damage and predicting fatigue cracking of flexible pavements based on a combination of deterministic method with stochastic approach using Miner’s hypothesis,” SN Appl. Sci., vol. 1, no. 3, pp. 1–9, 2019, doi: 10.1007/s42452-019-0238-5.

A. Y. Prathama, “Pendekatan Ann (Artificial Neural Network) Untuk Penentuan Prosentase Bobot Pekerjaan Dan Estimasi Nilai Pekerjaan Struktur Pada Rumah Sakit Pratama,” J. Teknosains, vol. 7, no. 1, p. 14, 2018, doi: 10.22146/teknosains.30139.

A. M. Indrawan and A. Pandu Kusuma, “Analisis Algoritma Jaringan Syaraf Tiruan Dengan Metode Backpropagation Dalam Mendeteksi Keahlian Mahasiswa Program Studi Teknik Informatika Universitas Islam Balitar,” J. Mnemon., vol. 5, no. 1, pp. 9–13, 2021, doi: 10.36040/mnemonic.v5i1.4272.

R. Hartono, Y. Wibisono, and R. A. Sukamto, “Damropa (Damage Roads Patrol): Aplikasi Pendeteksi Jalan Rusak Memanfaatkan Accelerometer pada Smartphone,” Progr. Stud. Ilmu Komput., pp. 1–6, 2017, [Online]. Available: http://repository.upi.edu/id/eprint/17471.