Article Per Year (5 Year)
p-Index From 2019 - 2024
0.778
P-Index
This Author published in this journals
All Journal Jurnal Teknik Sipil Teknisia Media Komunikasi Dunia Ilmu Sipil (MoDuluS)
Niken Silmi Surjandari
Universitas Sebelas Maret
Civil Engineering, Building, Construction & Architecture Engineering Transportation

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 4 Documents
Search

 1 
Tahanan Lateral Pondasi Tiang Berdasar Cone Penetration Test Sumiyati Gunawan; Niken Silmi Surjandari; Bambang Setiawan
Jurnal Teknik Sipil Vol. 15 No. 4 (2020)
Publisher : Program Studi Teknik Sipil Fakultas Teknik Universitas Atma Jaya Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (550.569 KB) | DOI: 10.24002/jts.v15i4.3798

Abstract

Kapasitas beban lateral pondasi tiang (Pu) merupakan hal utama untuk perencanaan konstuksi dengan beban lateral yang cukup dominan. Kapasitas Pu didasarkan pada kondisi keseimbangan resultan gaya pada tiang dan ketahanan tanah lateral serta distribusi tekanan tanah PL sepanjang kedalaman tiang berdasarkan metode konvensional, tetapi sulit diterapkan pada tanah nonhomogen, karena kondisi tanah nonlinier terhadap kedalaman. Insitu test yang paling sering digunakan karena mudah, cepat dan hemat biaya adalah cone penetration test (CPT), yang memberikan profil tanah secara kontinu, dan lebih mendefinisikan jenis lapisan, ketebalan, dan kepadatan dari masing masing lapisan. Meskipun jarang disebut dalam literatur tentang penggunaan data CPT untuk menganalisa perilaku defleksi pondasi tiang, beberapa peneliti menyatakan hubungan antara resistensi kerucut qc dan tahanan lateral tanah Pu di sepanjang kedalaman tiang. Salah satu metode yang menyajikan pengembangan metode kurva p-y untuk pondasi tiang dengan dasar resistensi penetrasi kerucut qc adalah Bouafia, A. (2014). Berdasarkan pengembangan oleh Bouafia, penulis menganalisa hubungan antara resistensi kerucut qc dan ketahanan lateral tiang Pu untuk menentukan beban lateral pondasi tiang pada tanah lunak di Wates, Kulon Progo DIY dan dibandingkan dengan teori Broms 1964; metode Kurva p-y, dan pengembangan rumus Bouafia, dengan kekakuan tiang, jenis tanah dan defleksi maksimum yang sama maka diperoleh sebagai berikut, teori Broms, LBroms=14,16m ; PuBroms=32,4ton ; MBroms=19,88tonm. Metode Kurva p-y, Lp-ycurve =14,4m ; Pup-ycurve s=28,0ton ; Mp-ycurve =7,50tonm dan Metode Bouafia, LBouafia =17,9m ; PuS2bouafia=34ton; PuS4bouafia=14,8ton; MS2bouafia =11,3tonm ; MS4bouafia =4,9tonm.
RESPON TIANG DALAM KELOMPOK TERHADAP GAYA LATERAL METODE STRAIN WEDGE Sumiyati Gunawan; Niken Silmi Surjandari; Bambang Setiawan
TEKNISIA Vol. XXV, No. 2, November 2020
Publisher : Jurusan Teknik Sipil, Fakultas Teknik Sipil dan Perencanaan, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/teknisia.vol25.iss2.art5

Abstract

Calculation of lateral bearing capacity of the foundation becomes very important if lateral loads dominate, for example the foundation on bridges, tall buildings, and tower structures. Pile foundations that receive lateral loads, are generally calculated based on the ability of a single pile even though in its application, pile groups are always used. The carrying capacity of the pile group in lateral direction is not the same as the sum of the carrying capacity of a single pile in a pile group. This is due to the differences in the reduction factor supported by the force, direction of the force, number of piles in the group, position of piles in the group, diameter of the piles, the distance between the piles, stiffness of pile, type and stiffness of the soil. This research will analyze the bearing capacity of the pile group using the strain wedge method in the 1x3 and 3x1 configurations with a round steel pipe with a diameter of D = 0,4 m and a square steel pipe with a width of B = 0,429 m; length varies between L = 8,0 m to L = 20,0 m, 2 m intervals and the ratio of pile distance and diameter S/D = 3, on soft silt sand soils with an inner friction angle of 10o and a weight volume of 1200 kg/m3. The results obtained, in the configuration 1x3 the lateral resistance of the square pile is greater than the circle pile about 2,1 times at all pile positions in the group, with S/D = 3. So if L = 10 m, the interaction between the pile and soil insignificant so that the lateral bearing capacity of each pile is the same as a single pile, the multiplier factor for square and circular piles is almost the same. In the configuration 3x1 the lateral resistance of the square pile is greater than the circle pile about 1,4 times at all pile positions in the group. For piles with length L = 10 m, the multiplier factor of the square pile is greater than the circle pile by 1,07 times at all pile positions in the group, and for L = 10 m, the multiplier for the circle pile is greater than the square pile by 1,04 times in all pile positions in the group.
Aplikasi Machine Learning Method pada Pemetaan Kerawanan Tanah Longsor di Kabupaten Karanganyar Nada Hanifah Putri; Raden Harya Dananjaya; Niken Silmi Surjandari
Media Komunikasi Dunia Ilmu Sipil (MoDuluS) Vol. 6 No. 1 (2024)
Publisher : Universitas Veteran Bangun Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32585/modulus.v6i1.4490

Abstract

Indonesia berada dalam zona iklim tropis yang rawan untuk mengalami bencana hidrometeorologi. Pemetaan kerawanan longsor merupakan salah satu upaya mitigasi yang dapat dilakukan untuk mengurangi dampak dari bencana tanah longsor. Penelitian ini bertujuan untuk membuat peta kerawanan longsor wilayah Kabupaten Karanganyar menggunakan machine learning yang diklasifikasikan menjadi lima kelas yaitu sangat rendah, rendah, sedang, tinggi, dan sangat tinggi. Metode yang digunakan untuk pembuatan model adalah Voting Classifier Ensemble Technique. Sembilan faktor pengondisi yang digunakan yaitu jarak terhadap jalan sekunder dan tersier, slope, TWI, elevasi, land use, litologi, NDVI, serta curah hujan. Algoritma machine learning didapatkan dari modul Scikit Learn. Kombinasi parameter yang digunakan yaitu pada metode Random Forest menggunakan parameter random_state = 0, n_estimators = 750, criterion = 'entropy', metode Support Vector Machine menggunakan parameter random_state = 0, Probability = True, gamma = 0.005, C = 1, metode K-Nearest Neighbors menggunakan parameter n_neighbors = 11, weights = 'distance', leaf_size = 20, dan metode Voting Classifier menggunakan parameter voting = 'soft', weights = [1,1,1] untuk parameter lain yang digunakan diatur sesuai dengan default modul. Model yang didapatkan memiliki AUC sebesar 0,9563 yang mendekati 1 sehingga dapat dikatakan bahwa model yang dimiliki performa yang baik untuk melakukan prediksi probabilitas longsor.
Penggunaan Metode Artificial Neural Network dalam Pembuatan Peta Kerentanan Longsor Wilayah Kabupaten Karanganyar Atilla Salwa; Raden Harya Dananjaya; Niken Silmi Surjandari
Media Komunikasi Dunia Ilmu Sipil (MoDuluS) Vol. 6 No. 1 (2024)
Publisher : Universitas Veteran Bangun Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32585/modulus.v6i1.4493

Abstract

Tanah longsor menjadi bencana alam yang marak terjadi di Indonesia. Selama sepuluh tahun terakhir terdapat 2975 kejadian tanah longsor yang terjadi di Jawa Tengah, di mana 101 kejadian tanah longsor berada di Kabupaten Karanganyar. Penelitian ini bertujuan untuk membuat peta kerentanan longsor pada wilayah Kabupaten Karanganyar. Peta kerentanan akan dibagi menjadi lima kelas, yaitu sangat rendah, rendah, sedang, tinggi dan sangat tinggi dengan menggunakan metode natural breaks (jenk’s). Penelitian ini menggunakan 9 faktor pengondisi longsor yaitu jarak terhadap jalan sekunder, jarak terhadap jalan tersier, slope, topographic wetness index (TWI), elevasi, tata guna lahan (landuse), litologi, normalized difference vegetation index (NDVI), dan hujan. Pembuatan peta dilakukan dengan menggunakan Artificial Neural Network dengan bantuan modul scikit learn dan metode ten-folds cross validation digunakan sebagai metode validasi model yang dihasilkan. Nilai landslide density dihitung pada penelitian ini untuk evaluasi performa dari hasil klasifikasi kerentanan longsor. Parameter machine learning yang digunakan pada penelitian ini adalah hidden layer sizes, activation, maximum iteration dan random state. Performa model Artificial Neural Network yang dihasilkan menggunakan parameter tersebut menunjukkan hasil yang excellent.  Nilai AUC yang didapat pada penelitian ini sebesar 0,9140 dengan nilai ten-folds cross validation 0,7444.
Co-Authors Atilla Salwa Bambang Setiawan Nada Hanifah Putri Raden Harya Dananjaya Sumiyati Gunawan