Show simple item record

dc.contributor.authorSurjandari, Niken Silmi
dc.contributor.authorDjajaputra, A. Aziz
dc.contributor.authorR. W., Sri Prabandiyani
dc.date.accessioned2012-06-25T04:44:07Z
dc.date.available2012-06-25T04:44:07Z
dc.date.issued2010-09
dc.identifier.citationBowles, J.E. (1988). Foundation Analysis and Design. Mc. Graw Hill Book Company, Singapore. Coduto, D.P. (1994). Foundation Design, Principles and Practices. Prentice Hall International, Inc., New Jersey. Djajaputra, A.A. (1997). ”Konsep Beban Terfaktor Dalam Perancangan Tiang Bor.” Proceeding Seminar PILE’97, Bandung, 14-1 s/d 14-3. Fausett, L.(1994). Fundamentals of Neural Networks (Architectures, Algorithms, and Applications). Prentice Hall. Griffith, D.V., Fenton, G.A., and Manoharan, N. (2002). “Bearing Capacity of Rough Rigid Strip Footing on Cohesive Soil: Probability Study.” Journal of Geotechnical and Geoenvironmental Engineering, 743-755. Grima, M.A. (2000). “Neuro-Fuzzy Modeling in Engineering Geology: Applications to Mechanical Rock Excavation, Rock Strength Estimation, and Geological Mapping.” PhD thesis, Delft University of Technology. Hashash,Y.M.A., Jung, S., and Ghaboussi,J. (2004). “Numerical Implementation of a Neural Network Based Material Model in Finite Element Analysis.” International Journal for Numerical Methods in Engineering, 59:989-1005. Javadi, A.A., Brown, M., and Hyde, A.F.L. (2001). “Prediction of Load Bearing Capacity of Piles From rapid Load Pile Testing Data Using Neural Network.” 5th International Conference on Deep Foundation Practice incorporating Piletalk, Singapore, 235-242. Jeng,D.K., Bateni, S.M., and Lockett, E. (2005). “Neural Network Assessment for Scour Depth Around Bridge Piers.” Research Report No R855, Department of Civil Engineering Sydney NSW, Australia. LimaSalle, S.P. (1999). “Perkiraan Daya Dukung Aksial Fondasi Tiang Bor Di Jakarta.” Prosiding Seminar Nasional Geoteknik '99 Jurusan Teknik Sipil Fakultas Teknik Universitas Gadjah Mada, Yogyakarta, 50-65. Kanan, H.R. and Faez, K. (2004). “Wave Height Forecasting Using Cascade Correlation Neural Network.” WSCG Proceedings, Plzen, Czech Republic. Kurup, P.U. and Dudani, N.K. (2002). “Neural Networks for Profilling Stress History of Clays from PCPT Data.” Journal of Geotechnical and Geoenvironmental Engineering, 569- 579. Nawari, N.O., Liang,R., and Nusairat,J. (1999). “Artificial Intelligence Techniques for The Design and Analysis of Deep Foundations.” Electronic Journal Geotechnical Engineering http://geotech.civeng.okstate.edu/ejge/paper09/index.html. Nugroho, A.S. (2003). Pengantar Soft Computing. Kuliah umum ilmu komputer.com. Prakoso, W.A. (2006). “Desain Pondasi Dalam Berbasis Keandalan dan SNI 03-6747-2002.” Prosiding Pertemuan Ilmiah Ta-hunan – X (PIT – X) Himpunan Ahli Teknik Tanah Indonesia, Jakarta, 121-130. Rahman, M.S., and Mulla, M. (2005). Fuzzy Neural Network Models for Geotechnical Problems. NCDOT Research Project, USA. Shahin, M.A., Jaksa, M.B., and Maier, H.R. (2001). Artificial Neural Network Applications in Geotechnical Engineering. Australian Geomechanics, pp. 49-62. Surjandari, N.S. (2007). “Analisis Penurunan Pondasi Rakit Pada Tanah Lunak.” Jurnal Gema Teknik UNS, Surakarta, vol. 10, 16-21. Wang, X., Li, B., Lockington, D., Pullar, D., and Jeng, D.S. (2005). “Self-Organizing Polynomial Neural Network for Mo-deling Complex Hydrological Processes.” Research Report No. R861, Department of Civil Engineering Sydney NSW, Australia.en_US
dc.identifier.issn1411- 8904
dc.identifier.urihttp://hdl.handle.net/11617/1697
dc.description.abstractKetidak pastian, kompleksitas, dan ketidak linieran selalu berhubungan dengan banyak persoalan dalam geoteknik. Model konvensional dari sistem yang telah ada, menjadi sangat sulit dipakai untuk mengakomodasi jumlah parameter dalam sistem yang sangat besar. Saat ini, pendekatan alternatif untuk memodelkan telah banyak digunakan dengan bantuan aplikasi komputer dengan jaringan syaraf sebagai perangkat utama. Metode ini adalah membuat modelobservasi berdasarkan data yang tersedia. Tujuan penelitian ini adalah membuat model jaringan syaraf untuk memperkirakan daya dukung batas tiang tunggal. Data yang digunakan dalam penelitian ini didapatkan dari SPT. Langkah awal adalah menjelaskan kembali konsep jaringan syaraf, kemudian membuat model jaringan syaraf untuk prediksi daya dukung tiang. Hasil penelitian menunjukkan bahwa perkiraan dengan jaringan syaraf lebih baik daripada metode yang lain.en_US
dc.publisherlppmumsen_US
dc.subjectbeban aksialen_US
dc.subjectdaya dukungen_US
dc.subjectjaringan syarafen_US
dc.subjecttiang tunggalen_US
dc.titleArtificial Neural Network Model for Analysis Ultimit Bearing Capacity of Single Pileen_US
dc.title.alternativeMODEL JARINGAN SYARAF TIRUAN UNTUK ANALISIS DAYA DUKUNG BATAS TIANG TUNGGALen_US
dc.typeArticleen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record