Kolaborasi Jaringan Saraf Tiruan (JST) Dalam Identifikasi Prioritas Penanganan Pemeliharaan Jalan Kabupaten
identifikasi, jalan, ANN
Abstract
Pemeliharaan jalan kabupaten menjadi elemen krusial dalam pembangunan infrastruktur dan pertumbuhan ekonomi di daerah. Kendati begitu, keterbatasan anggaran dan sumber daya manusia menyebabkan banyak jalan kabupaten mengalami kerusakan yang memerlukan penanganan pemeliharaan yang efektif. Dalam rangka mengidentifikasi prioritas pemeliharaan, digunakan metode Jaringan Saraf Tiruan (JST), sebuah teknologi kecerdasan buatan yang mampu mempelajari pola dari data dan mengklasifikasikan informasi baru. JST dapat memproses data kompleks, non-linear, dan tidak pasti, sehingga cocok untuk estimasi biaya, peramalan, klasifikasi, dan optimasi. Hasil analisis data menggunakan JST menunjukkan tingkat akurasi prediksi Prioritas Mutlak Penting sebesar 100%, sementara untuk Prediksi Prioritas Sangat Penting, Prioritas Cukup Penting, dan Prioritas Sedikit Penting masing-masing mencapai 66,7%. Prediksi Prioritas Tidak Penting juga mencapai 100%, dengan menggunakan History Accuracy sebagai acuan. Dengan demikian, pemodelan ini memberikan presentase prediksi untuk setiap kategori prioritas pemeliharaan jalan kabupaten, memberikan dasar informasi yang berguna untuk pengambilan keputusan.
Downloads
References
Purnomo HM, Kurniawan A. 2006. Supervised Neural Network dan Aplikasinya. Yogyakarta: Graha Ilmu.
Pyanto, F. (2023). Peincitraan Banjir Rob Zona Meidan Utara Meinggunakan Reigreisi Logistik dan Artificial Neiural Neitwork Seirta Global Information Systeim. Jurnal Ilmiah Eicosysteim, 23(1), 60-74.
Rahmawati, A., Seitiawan, D., Pangeistu, M. A. Y., & Aulia, R. A. (2018). Eivaluasi Teibal dan Analisis Keirusakan Peirkeirasan Leintur Meinggunakan Meitodei Analisa Komponein, Austroads, Asphaltinstitutei dan Program Keinpavei. Meidia Teiknik Sipil, 16(2), 79-85.
Siang, Jong Jek. 2009. Jaringan Syaraf Tiruan & PemrogramJSTya Menggunakan Matlab. Yogyakarta:Andi Offset.
ST, S. N. S. (2021). Asumsi Prioritas Peinanganan peimeiliharaan Jalan Kabupatein Meinggunakan Meitodei Analisis Hirarki Proseis (AHP). Prosiding CEiEiDRiMS 2021 Inovasi Teiknologi dan Mateirial Teirbarukan Meinuju Infrastruktur ISBN: 978-602-361-385-4 Yang Aman Teirhadap Beincana dan Ramah Lingkungan.
Sudradjat, H., Djakfar, L., & Zaika, Y. (2015). Peineintuan Prioritas Peinanganan Jeimbatan Pada Jaringan Jalan Provinsi Jawa Timur (Wilayah UPT Surabaya: Kota Surabaya, Kabupatein Sidoarjo dan Kabupatein Greisik). Reikayasa Sipil, 9(3), 219-228.
Susy, A., Eiva, R., & Robby, P. (2021). Kajian Proritas Peimeiliharaan Jalan di Provonsi Sumateira Barat (Studi Kasus: Kabupatein Solok, Kota Solok, dan Kabupatein Solok Seilatan) (Doctoral disseirtation, Univeirsitas Bung Hatta).
Suyasa, D.G., (2007), Peineintuan Skala Prioritas Peinanganan Jalan Kabupatein Badung deingan Meitodei AHP (Teisis), Deinpasar: Program Magisteir Teiknik Sipil Univeirsitas Udayana.
Syafarina, G. A. (2016). Peineirapan Algoritma Neiural Neitwork Dalam Meineintukan Prioritas Peingeimbangan Jalan di Provinsi Kalimantan Seilatan. Teichnologia: Jurnal Ilmiah, 7(2).
Umum, D. P. (2005). Teiknik Peingeilolaan Jalan: Seiri Panduan Peimeiliharaan Jalan Kabupatein. Bandung: Deiparteimein Peikeirjaan Umum.
Wahyudiana., (2009), Peineintuan Prioritas Peimeiliharaan Jalan Kabupatein Beirdasarkan Keieiteirseidiaan Alokasi Dana (Studi kasus Jalan Kabupatein di Kabupatein Tulungagung), Surakarta: Univeirsitas Seibeilas Mareit Surakarta
Zaitun, Z., Warsito, W., & Pauzi, G. A. (2015). Sistem Identifikasi dan Pengenalan Pola Citra Tanda-Tangan Menggunakan Sistem Jaringan Saraf Tiruan (Artificial Neural Networks) Dengan Metode Backpropagation. Jurnal Teori dan Aplikasi Fisika, 3(2).
This work is licensed under a Creative Commons Attribution 4.0 International License.