Evaluasi Struktur Gedung X di Jakarta Berdasarkan SNI 03-1726-2012 Ketahanan Gempa untuk Struktur Gedung

Fauzan, Sayed Ahmad; Erizal,; Sapei, Asep

doi:10.29244/jsil.3.1.11-24

Cited by 3 publications

(2 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Salah satu cara untuk mengurangi konsumsi energi adalah dengan membangun gedung yang lebih efisien secara energi [1]. Berdasarkan data terbaru yang dipublikasikan oleh Badan Standar Nasional Indonesia (SNI) 1726 -2012 tentang seismik sejak Indonesia termasuk dalam negara rentan gempa berkekuatan besar, ditunjukkan platform atau kondisi gerak ekstrim percepatan di tanah dari banyak tempat di Indonesia jika diklasifikasi bisa kelas desain seismik D, E, atau F, yang dapat sangat mempengaruhi tindakan pekerjaan teknik sipil atau tempat lain struktur bangunan, dan bisa sangat berisiko runtuh dan mengancam jiwa manusia [2].…”

Section: Pendahuluanunclassified

Implementasi Metode Support Vector Machine Dengan Algoritma Genetika Pada Prediksi Konsumsi Energi Untuk Gedung Beton Bertulang

Syaputra,

Muslim,

Prawira

et al. 2023

FaktorExacta

View full text Add to dashboard Cite

Informasi tentang konsumsi energi sangat penting dalam mengukur efisiensi energi dan penghematan energi dalam bangunan. Konsumsi energi ini mengacu pada jumlah energi yang dibutuhkan untuk memberi daya pada bangunan pada waktu tertentu. Dalam jangka panjang, penghematan energi dapat membantu mengurangi biaya dan juga memberikan manfaat bagi lingkungan dengan mengurangi emisi gas rumah kaca yang dihasilkan oleh bangunan. Oleh karena itu, memperoleh informasi konsumsi energi yang akurat sangat penting bagi semua pihak yang terlibat dalam perencanaan, pembangunan, dan pengelolaan bangunan. Selama beberapa dekade terakhir, konsumsi energi di bangunan terus meningkat di seluruh dunia, dan sebagian besar konsumsi energi ini berasal dari Pemanasan, Ventilasi, dan Penyejuk Udara (HVAC) di dalam bangunan. Untuk mengatasi masalah ini, penelitian dilakukan dengan membuat model mesin vektor dukungan yang menggunakan algoritma genetika untuk memprediksi konsumsi energi di bangunan secara akurat. Dalam penelitian ini, dua model mesin vektor dukungan diuji, yaitu support vector machine dan support vector machine yang menggunakan algoritma genetika. Hasil pengujian menunjukkan bahwa model support vector machine memberikan nilai RMSE sebesar 2,6. Selanjutnya, algoritma genetika digunakan untuk mengoptimalkan parameter C dan memilih variabel prediktor yang paling relevan, dan hasilnya adalah nilai RMSE sebesar 1,7 dan hanya 3 variabel prediktor yang dipilih. Pada tahap selanjutnya, optimasi parameter dan pemilihan fungsi dilakukan untuk mencapai nilai RMSE terendah yang mungkin, dan hasilnya adalah RMSE sebesar 1,537. Dengan menggabungkan SVM dan Algoritma Genetika, penelitian ini bertujuan untuk meningkatkan kualitas prediksi konsumsi energi untuk gedung beton bertulang. Dalam implementasi ini, SVM digunakan sebagai model prediksi utama, sementara Algoritma Genetika digunakan untuk menemukan parameter optimal SVM atau fitur-fitur yang relevan. Penelitian terbaru dalam domain ini telah menunjukkan bahwa penggabungan SVM dengan Algoritma Genetika dapat menghasilkan prediksi yang lebih akurat dibandingkan dengan metode standar. Pendekatan ini dapat membantu dalam perencanaan energi yang lebih efisien, pengurangan biaya operasional, dan pengoptimalan sumber daya di gedung beton bertulang. Namun, penting untuk memperhatikan bahwa implementasi ini mungkin memerlukan pemrosesan dan penggunaan sumber daya yang signifikan untuk menghasilkan hasil yang baik, tergantung pada ukuran dan kompleksitas dataset yang digunakan.

show abstract

Section: Pendahuluanunclassified

Implementasi Metode Support Vector Machine Dengan Algoritma Genetika Pada Prediksi Konsumsi Energi Untuk Gedung Beton Bertulang

Syaputra,

Muslim,

Prawira

et al. 2023

FaktorExacta

View full text Add to dashboard Cite

show abstract

“…One way to address this is by constructing buildings that are more energy-efficient (Kumala et al, 2021). Based on the latest data published by the Indonesian National Standardization Agency (SNI) 1726 -2012 regarding seismicity, since Indonesia is classified as a country prone to major earthquakes, it is indicated that the platform or extreme ground motion conditions in many places in Indonesia can be classified as seismic design classes D, E, or F. These conditions can significantly impact engineering actions in civil works or other building structures and pose a high risk of collapse, endangering human life (Fauzan & Sapei, 2018).…”

Section: Introductionmentioning

confidence: 99%

The Implementation of Support Vector Machine Method with Genetic Algorithm in Predicting Energy Consumption for Reinforced Concrete Buildings

Syaputra

2023

SinkrOn

View full text Add to dashboard Cite

Accurate information on energy consumption is crucial for measuring energy efficiency and savings in buildings. It refers to the energy needed to power a building at a specific time. Energy savings can reduce costs and environmental impact by lowering greenhouse gas emissions. Obtaining precise energy consumption data is essential for all parties involved in building planning, construction, and management. Over the past decades, global energy consumption in buildings has consistently increased, with HVAC systems being a significant contributor. To tackle this problem, research developed a support vector machine model with genetic algorithms to accurately predict energy consumption in buildings. Two models were tested: a standard support vector machine and a genetic algorithm-integrated support vector machine. The test results revealed that the support vector machine model achieved an RMSE value of 2.6. Additionally, the genetic algorithm optimized the parameter C and selected the most relevant predictor variables, reducing the RMSE to 1.7 and utilizing only 3 predictor variables. In the subsequent stage, parameter optimization and function selection were performed to achieve an improved RMSE value of 1.537. This research aims to enhance energy consumption prediction for reinforced concrete buildings by combining SVM and Genetic Algorithm. SVM serves as the primary prediction model, while the Genetic Algorithm is employed to determine optimal SVM parameters and relevant features. Recent studies have demonstrated that this combination yields more accurate predictions compared to standard methods. It enables more efficient energy planning, reduced operational costs, and optimized resource utilization in reinforced concrete buildings. However, it's worth noting that this implementation may require substantial processing and resource utilization, depending on the dataset's size and complexity.

show abstract

Architectural and Structural Requirements on Building Permits to Reduce Earthquake Risk. The Case of Surabaya, Indonesia

Pamungkas

LARASATI²,

Iranata

2021

JSSP

View full text Add to dashboard Cite

The Indonesian Earthquake Centre has discovered two fault zones in Surabaya, causing a 6.5 magnitude earthquake in 2017. Since Indonesia lies in the ring of fire area, the national government has stipulated several earthquake-building regulations. However, with no history of significant earthquakes, Surabaya has no strict local building regulations to reduce the new risk. Previous studies indicate that simple buildings in Surabaya are the most vulnerable during any earthquake events. Simple buildings, as permanent and semi-permanent constructions, dominate in the category of residential buildings in Surabaya. Furthermore, vulnerable buildings are the primary cause of fatalities and injuries during earthquake events. Consequently, the revision of current local building regulations is the key milestone to reduce the earthquake risk in Surabaya. This paper evaluates current local and national building regulations by using content analysis of in-depth interviews and focus group discussion data, and then proposes adjustments to the local regulations to increasing the resilience degree of constructions in Surabaya. The modifications on current local regulations are mainly related to the shape of the building and the material used for façades and building safety analysis (load factor analysis and collapse scenarios).

show abstract

Evaluasi Struktur Gedung X di Jakarta Berdasarkan SNI 03-1726-2012 Ketahanan Gempa untuk Struktur Gedung

Cited by 3 publications

References 0 publications

Implementasi Metode Support Vector Machine Dengan Algoritma Genetika Pada Prediksi Konsumsi Energi Untuk Gedung Beton Bertulang

Implementasi Metode Support Vector Machine Dengan Algoritma Genetika Pada Prediksi Konsumsi Energi Untuk Gedung Beton Bertulang

The Implementation of Support Vector Machine Method with Genetic Algorithm in Predicting Energy Consumption for Reinforced Concrete Buildings

Architectural and Structural Requirements on Building Permits to Reduce Earthquake Risk. The Case of Surabaya, Indonesia

Contact Info

Product

Resources

About