Gempa bumi merupakan kejadian unik yang tidak bisa ditentukan, baik waktu kejadian, lamanya waktu berlangsung (durasi) maupun kekuatan. Untuk memprediksi terjadinya gempa tidaklah mudah, maka salah satu cara yang dapat dilakukan adalah bagaimana mengatasi atau memperkecil pengaruh kerusakan yang ditimbulkan akibat gempa tersebut. Beban gempa menjadi aspek penting yang perlu diperhitungkan dalam mendesain bangunan sebuah gedung. Respon bangunan yang tidak aman akan menyebabkan kerusakan bangunan yang selanjutnya mengarah kepada kerugian, baik secara fisik maupun finansial. Guna mencegah terjadinya kecelakaan dan meminimalisir resiko dalam pembangunan, maka penelitian ini memprediksi nilai respon suatu bangunan melalui penerapan konsep Jaringan Syarat Tiruan Backpropagation Neural Network (BPNN). Prediksi dilakukan pada tipe bangunan displacement dan story drift berupa nilai respon dengan parameter mutu beton, percepatan tanah puncak (PGA), percepatan spectrum desain (SDS), parameter SD1, waktu sebelum getaran (T0), dan waktu setelah getaran (Ts). Untuk simulasi pengujian digunakan 330 data dari 10 provinsi yang ada di Indonesia. Parameter BPNN yang digunakan yaitu nilai epoch 500, nilai learning rate 0.01-0.09 , arsitektur 6 neuron input layer, 6 neuron hidden layer dan 1 output. Simulasi perbandingan jumlah data latih dan data uji yang digunakan adalah 90:10, 80:20, 70:30; dan 50:50. Berdasarkan hasil pengujian, diperoleh nilai akurasi tertinggi pada displacement=93,0446% dan story drift= 94,6599% untuk simulasi 90:10 dan learning rate 0.09. Hasil ini menunjukkan bahwa metode BPNN telah berhasil diterapkan untuk memprediksi respon bangunan terhadap gempa dengan tingkat akurasi yang cukup baik.
Copyrights © 2018