Articles

Found 6 Documents
Search

Seleksi Arah Sudut Komputasi Dan Fitur Glcm Pada Kstraksi Citra Kayu Jati, Mahoni, Mindi, Dan Sengon Santosa, Stefanus; Martono, Martono; Utomo, Marchus Budi; Budi, Basuki Setiyo
Wahana Teknik Sipil: Jurnal Pengembangan Teknik Sipil Vol 23, No 2 (2018): Wahana Teknik Sipil
Publisher : Politeknik Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32497/wahanats.v23i2.1363

Abstract

Research on feature extraction of wood texture with features and angle direction israrely done, especially in teak, mahogany, mindi, and albasia. This research isneeded to select more efficient and effective features and angle directions to identify wood species. The features tested were Angular Second Moment (ASM), Contrast, IDM / Homogenity, Entropy, Correlation and the direction of the computational 0, 45, 90, and 135 degrees of gray level co-occurrence matrix (GLCM). The experimental results show that the selected angles are 0, 45, and 90 degrees and features are IDM and Entropy.Kata kunci : gray level co-occurrence matrix (GLCM), features extraction, woodclassification
APLIKASI PEMBUATAN DOKUMEN PENAWARAN KONTRAKTOR DI KOTA SEMARANG UNTUK MEMENANGKAN PELELANGAN Utomo, Marchus Budi
Orbith Vol 10, No 1 (2014): Maret 2014
Publisher : Orbith

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Kontraktor dalam membuat dokumen penawaran dipengaruhi oleh beberapa komponen yang harus  disesuaikan dengan persyaratan yang terdapat dalam rencana kerja dan syarat-syarat, yang terdiri dari faktor usulan biaya, faktor syarat teknis dan faktor syarat administrasi. Dari hasil pengolahan data dihasilkan bahwa: Pertama usulan biaya (nilai penawaran) mempunyai peluang menjadi pemenang lelang sebesar 58,02% terhadap  penawaran itu sendiri. Kedua Faktor usulan teknis (ustek) mempunyai peluang untuk memenangkan pelelangan sebesar 10,22% terhadap  penawaran itu sendiri Ketiga Faktor administrasi mempunyai peluang untuk memenangkan pelelangan sebesar 31,75 %  terhadap  penawaran itu sendiri. Dengan demikian para penyedia jasa konstruksi secara umum dapat disimpulkan bahwa dalam  pembuatan dokumen penawaran untuk memenangkan pelelangan selalu berkonsentrasi pada ketiga hal tersebut.
Bata Beton Geopolimer Dari Bahan Fly Ash Limbah PLTU Tanjung Jati Memiliki Banyak Keunggulan Sutarno, Sutarno; Utomo, Marchus Budi; Wahjoedi, Wahjoedi; Mawardi, Mawardi
Bangun Rekaprima: Majalah Ilmiah Pengembangan Rekayasa, Sosial dan Humaniora Vol 3, No 1, April (2017): Bangun Rekaprima
Publisher : Politeknik Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32497/bangunrekaprima.v3i1, April.758

Abstract

PLTU  Tanjung Jati merupakan pembangkit listrik cukup besar, saat ini mampu memasok listrik sebesar 12 % untuk kebutuhan listrik  Jawa, Bali dan Madura. (suaramerdeka.com, Suara Muria, 21 Maret 2013 ).  Di sisi lain limbah hasil pembakaran batu bara sebagai bahan energi PLTU Tanjung Jati  berupa fly ash dan botom ash merupakan masalah yang harus ditangani dengan bijaksana karena  menurut PP. No 85 tahun 1999. Fly Ash dan Bottom Ash Tergolong limbah B3 artinya limbah ini tergolong bahan berbahaya dan beracun maka tidak boleh sembarangan dibuang,  harus ada upaya pengolahan atau sistem penampungann yang baik.   Dalam upaya mengatasi masalah limbah tersebut, maka diadakan penelitian ini sehingga limbah tersebut dapat dimanfaatkan menjadi Bata Beton  geopolimer. Penelitian dibatasi pada tinjauan pengaruh moralitas aktivator terhadap kuat tekan, suction rate dan bobot isi.  Penelitian yang dilakukan dengan percobaan laboratorium yaitu  Fly Ash limbah  PLTU Tanjung Jati yang dikaji pemanfaatannya , digunakan sebagai bahan  perekat pembuatan bata  Geopolimer.    Metode yang dilakukan dengan mereaksikan Fly Ash limbah PLTU Tanjung Jati tersebut dengan  NaOH dan Na SiO2.  Sehingga menjadi binder mortar bata geopolimer yang kemudian dicetak sebagai benda uji. Dari benda uji yang dibuat kemudian dilakukan pengujian,  jenis ujinya  antara lain;  Kuat Tekan, Uji Bobot Isi dan Uji Suction Rate.  Variasi campuran pada penelitian ini dengan moralitas binder 8 molar, 12 molar dan 16 molar.  Dari analisis diperoleh hasil untuk Kuat Tekan  8 M sebesar 13,3 Kg/Cm2; 12 M sebesar 18,3 Kg/Cm2; 16 M swbwsar 58,6 Kg/Cm2;  Untuk Siction Rate diperoleh hasil 8 M sebesar 15,6 gr/dm2/menit; 12 M sebesar 10 gr/dm2/menit; 16 M sebesar 6,4 gr/dm2/menit;  sedang untuk Uji bobot isi menunjukkan hasil, tidak ada pengaruh kepekatan binder terhadap bobot isi yaitu semua memiliki bobot isi  2,1  ton/m3. Kata kunci  :  Fly Ash, Batu bata, Beton Geopolimer
Pengaruh Keterlambatan Material Terhadap Risiko Proyek Pembangunan Gedung Parkir Ariyanto, Arief Subakti; Kamila, Krissabel Anggriawan Putri; Supriyadi, Supriyadi; Utomo, Marchus Budi; Mahmudi, Wildana Latif
Bangun Rekaprima: Majalah Ilmiah Pengembangan Rekayasa, Sosial dan Humaniora Vol 5, No 2,Oktober (2019): Bangun Rekaprima
Publisher : Politeknik Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32497/bangunrekaprima.v5i2,Oktober.1575

Abstract

Supplier tidak dapat dipisahkan dari dunia konstruksi. Kedatangan material dapat mempengaruhi risiko keterlambatan dalam proyek konstruksi. Penelitian ini bertujuan guna mengetahui risiko yang ditimbulkan jika material tidak datang sesuai dengan jadwal yang sudah ditentukan terhadap proyek konstruksi dan cara yang efektif untuk mengatasinya. Penelitian ini dilakukan dengan cara mengobservasi proyek konstruksi yang mengalami gangguan karena keterlambatan pengiriman material. Hasil penelitian menunjukan bahwa keterlambatan pengiriman dapat meningkatkan risiko terhadap keterlambatan dari sebuah proyek konstruksi. Untuk dapat mencegah keterlambatan sebuah proyek konstruksi, cara yang paling efektif adalah dengan mempercepat dan mengusahakan pelaksanaan pekerjaan sesuai dengan rencana.
PEMODELAN PREDIKSI KUAT TEKAN BETON UMUR MUDA MENGGUNAKAN H2O'S DEEP LEARNING Santosa, Stefanus; Suroso, Suroso; Utomo, Marchus Budi; Martono, Martono; Mawardi, Mawardi
Wahana Teknik Sipil: Jurnal Pengembangan Teknik Sipil Vol 25, No 1 (2020): Wahana Teknik Sipil
Publisher : Politeknik Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32497/wahanats.v25i1.1917

Abstract

Artificial Neural Network (ANN) is a Machine Learning (ML) algorithm which learn by itself and organize its thinking to solve problems. Although the learning process involves many hidden layers (Deep Learning) this algorithm still has weaknesses when faced with high noise data. Concrete mixture design data has a high enough noise caused by many unidentified / measurable aspects such as planning, design, manufacture of test specimens, maintenance, testing, diversity of physical and chemical properties, mixed formulas, mixed design errors, environmental conditions, and testing process. Information needs about the compressive strength of early age concrete (under 28 days) are often needed while the construction process is still ongoing. ANN has been tried to predict the compressive strength of concrete, but the results are less than optimal. This study aims to improve the ANN prediction model using an H2O?s Deep Learning based on a multi-layer feedforward artificial neural network that is trained with stochastic gradient descent using backpropagation. The H2O?s Deep Learning best model is achieved by 2 hidden layers- 50 hidden neurons and ReLU activation function with a RMSE value of 6,801. This Machine Learning model can be used as an alternative/ substitute for conventional mix designs, which are environmentally friendly, economical, and accurate. Future work with regard to the concrete industry, this model can be applied to create an intelligent Batching and Mixing Plants.
PEMODELAN PREDIKSI KUAT TEKAN BETON UMUR MUDA MENGGUNAKAN H2O'S DEEP LEARNING Santosa, Stefanus; Suroso, Suroso; Utomo, Marchus Budi; Martono, Martono; Mawardi, Mawardi
Wahana Teknik Sipil: Jurnal Pengembangan Teknik Sipil Vol 25, No 1 (2020): Wahana Teknik Sipil
Publisher : Politeknik Negeri Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32497/wahanats.v25i1.1917

Abstract

Artificial Neural Network (ANN) is a Machine Learning (ML) algorithm which learn by itself and organize its thinking to solve problems. Although the learning process involves many hidden layers (Deep Learning) this algorithm still has weaknesses when faced with high noise data. Concrete mixture design data has a high enough noise caused by many unidentified / measurable aspects such as planning, design, manufacture of test specimens, maintenance, testing, diversity of physical and chemical properties, mixed formulas, mixed design errors, environmental conditions, and testing process. Information needs about the compressive strength of early age concrete (under 28 days) are often needed while the construction process is still ongoing. ANN has been tried to predict the compressive strength of concrete, but the results are less than optimal. This study aims to improve the ANN prediction model using an H2O?s Deep Learning based on a multi-layer feedforward artificial neural network that is trained with stochastic gradient descent using backpropagation. The H2O?s Deep Learning best model is achieved by 2 hidden layers- 50 hidden neurons and ReLU activation function with a RMSE value of 6,801. This Machine Learning model can be used as an alternative/ substitute for conventional mix designs, which are environmentally friendly, economical, and accurate. Future work with regard to the concrete industry, this model can be applied to create an intelligent Batching and Mixing Plants.