Perkembangan teknologi informasi di segala bidang, termasuk universitas, membuat dosen dan mahasiswa terus meningkatkan kemampuannya dalam mengerjakan proyek-proyek. Salah satu upaya yang dapat dilakukan adalah dengan menerapkan teknologi komputer yang dapat mendukung proses kerja proyek yang berkaitan dengan mata kuliah Mekanika Tanah. Selama ini mahasiswa dan dosen selalu kesulitan melakukan perhitungan yang rumit, dimana membutuhkan waktu yang lama untuk menyelesaikannya dan hasilnya belum tentu akurat. Salah satu aplikasi yang dapat digunakan untuk membantu menyelesaikan perhitungan pada mata kuliah Mekanika Tanah adalah aplikasi Plaxis. Oleh karena itu perlu diadakan pelatihan penggunaan aplikasi Plaxis, pelatihan ini penulis laksanakan bersama tim di Program Studi Teknik Sipil Fakultas Teknik Universitas Tridinanti Palembang. Pelatihan di Aula Fakultas Teknik Universitas Tridinanti Palembang yang dihadiri oleh dosen dan mahasiswa Program Studi Teknik Sipil Fakultas Teknik Universitas Tridinanti Palembang. Pelatihan ini mendapat respon yang baik dari para peserta. Diharapkan dosen dan mahasiswa dapat menerapkan aplikasi The Plaxis setelah mengikuti kegiatan tersebut

Beton dapat dijumpai pada bangunan permanen, misalnya rumah, gedung, jembatan. Beton biasanya digunakan untuk pondasi, tiang atau kolom, balok, dak. Beton merupakan campuran antara semen agregat halus, agregat kasar, dan air. Salah satu penentu kualitas beton adalah kadar campuran pembentuk beton, maka sangat penting untuk mengetahuinya. Permasalahan timbul bagaimana cara mengetahui kadar campuran tersebut pada beton yang sudah keras. Disiplin teknik sipil memiliki cara guna mengetahui kadar campuran pembentuk beton yang sudah keras. Namun tidak menutup kemungkinan untuk mengetahui kadar campuran ini menggunakan disiplin ilmu lainnya, misalnya dari disiplin ilmu komputer yang dalam hal ini kecerdasan buatan. Lalu, permasalahannya adalah bagaimana melakukan identifikasi kadar campuran pada beton kering?. Penelitian ini menggunakan ciri dari citra Local Binary Pattern (LBP) dengan metode pengenalan Jaringan Saraf Tiruan (JST). Jenis campuran yang digunakan adalah 5 jenis, yang masing-masing diwaliki 5 sampel dari tiap jenis. Menggunakan kamera 14 MP, jarak potret lebih kurang 27 cm. Digunakan 1.000 citra latih yang berasal dari 3 sampel dari tiap jenis yang masing-masing 200 citra, dan 500 citra uji yang berasal dari 2 sampel dari tiap jenis yang masing-masing 100 citra. Tingkat akurasi pengenalan secara keseluruhan adalah mencapai 67,6%.

No abstract