Perangkat Lunak Algoritma Data Mining di Bidang Teknik Sipil

Posted on by admin
0

Teknik Data Mining dan pula dalam hal ini softcomputing, semakin populer pada beberapa tahun terakhir karena potensinya dalam memecahkan masalah-masalah perencanaan dalam keseharian seorang insinyur. Teknik-teknik dalam Data Mining dan Softcomputing seperti: Classical Optimization, Evolutionary Algorithms, Big Data Analytics, Multicriterion Decision Making, jaringan Syaraf Tiruan, Machine Learning, and nalar Fuzzy merupakan hal yg disukai profesional teknik sipil dalam enganalisa sesuatu.Perangkat Lunak Algoritma Data

Davenport(Davenport, 2013) membagikan bahwa terdapat 3 jenis analitik: (1) deskriptif, laporan mana pada masa kemudian yang melaporkan apa yg terjadi?, (dua)prediktif, yang memakai model berdasarkan data masa lalu buat memprediksi masa depan dan buat menentukan apa yang bisa terjadi?, serta (tiga)preskriptif, yg menggunakan contoh untuk menentukan sikap, tindakan, serta jawaban optimal apa yg wajib dilakukan?.

Data Mining menganalisis sejumlah besar data buat menemukan pola yang bermakna dengan menggunakan kombinasi aturan pengenalan pola (pattern recognition), aturan statistik, dan aturan yang diambil berasal pembelajaran mesin(Ledolter, 2013). Gambar 1 menyoroti penempatan data mining di spektrum Analisa usaha. dapat ditinjau bahwa data mining terutama berada di bawah analitik prediktif pada mana kompleksitasnya lebih tinggi daripada analitik deskriptif.

Pola-pola yg ditemukan wajib bermakna karena mengarah di laba dalam pengambilan keputusan. Meskipun cara tradisional dalam merogoh keputusan dalam organisasi konstruksi didasarkan di pengalaman para insiyur, syarat pasar yang sengit dalam global konstruksi waktu ini membutuhkan ketelitian serta peningkatan proses untuk menghindari risiko yg terkait dengan persoalan keuangan serta manajemen proyek(Mehta, 2010).Perangkat Lunak Algoritma Data

penekanan paper adalah bagaimana menggambarkan software prosedur pemecahan Data Mining di bidang Teknik Sipil. di bagian pertama berasal papar ini, menjelaskan konsep data mining. pada bagian kedua, perangkat lunak data minig yang telah diajukan pada berbagai bidang teknik sipil.

Jadi Paper ini ditujukan buat menyampaikan gambaran apa saja yg bisa disumbangkan oleh algoritma data mining buat membantu menyelesaikan duduk perkara yang dihadapi teknik sipil. Metode Penelitian pada paper ini, literatur yang terkait menggunakan kata Data Mining (termasuk big data) sudah dicermati sesuai artikel-artikel yang ada dalam database koleksi Thomson Reuters Web of Science, pada rentang 2000-2019. karena itu di bagian ini, pertama-tama menjelaskan konsep data mining, serta kemudian secara singkat bagaimana prosedur pemecahan ini diaplikasikan dalam aneka macam bidang teknik sipil.Perangkat Lunak Algoritma Data

1. Data Mining
Data mining adalah istilah yang digunakan untuk mendeskripsikan penemuan pengetahuan dari sejumlah besar data. Beberapa teknik yang termasuk data mining antara lain knowledge extraction, pattern analysis, data archaeology, information harvesting, pattern searching, dan data dredging(Daniel T, 2005). Bagaimana Data mining Bekerja? Data mining secara umum mencari untuk mengidentifikasikan empat tipe pattern utama yaitu:
• Asosiasi, menemukan secara umum mengacu pada pengelompokan hal-hal.
• Prediksi, memberitahukan kejadian-kejadian alami di masa yang akan datang di even yang tepat berdasar pada apa yang terjadi di masa lampau.
• Klaster, mengidentifikasikan pengelompokan halhal natural berdasar pada karakteristik yang diketahui.
• Relasi urutan, menemukan event dengan waktu yang berurutan.
Tiga lainnya adalah Outer, Regresi dan klasifikasi (Gambar 2). Sedang tahap-tahap umum dalam proses data mining dapat dilhat pada Gambar 3.

salah satu teknik dalam data mining artinya big data. Big Data ialah teknik atau cara buat mengambil, menyimpan, memroses, dan menganalisa data-data yang sebelumnya tidak memungkinkan atau tidak irit buat diambil, disimpan, diproses, dan dianalisa. Aset gosip tersebut bervolume tinggi, berkecepatan tinggi, dan bervariatif tinggi (tidak terstruktur) yg menuntut bentuk-bentuk pemrosesan gosip inovatif yang hemat porto buat peningkatan
wawasan dan pengambilan keputusan(Ozkose, Ari, & Gencer, 2015).

2. Aplikasi Data Mining
Dari publikasi tersebut, dipilih beberapa yang relevan dan sedapat mungkin yang terbaru. Kemudian dikelompokkan ke bidang teknik sipil, sebagai berikut:

Bidang Konstruksi
Data Mining dapat dipergunakan buat mengoptimalkan desain struktural (Leu, Chen, & Chang, 2011), desain bangunan hemat tenaga dan berkelanjutan(Kim, Stumpf, & Kim, 2011), mengklasifikasikan cacat konstruksi jembatan (Cheng & Leu, 2011), serta memprediksi kekuatan tekan beton ramah lingkungan(Omran, Chen, & Jin, 2016).

Manajemen serta Keuangan Proyek
Data Mining dipergunakan buat Analisis kelayakan investasi(Yun & Caldas, 2009), asumsi porto konstruksi jalan(Wilmot & Cheng, 2003), meningkatkan secara optimal kebijakan pemilihan lelang (Chaovalitwongse, Wang, Williams, & Chaovalitwongse, 2011), analisa kinerja pembangunan(Cheng, Fu, & Yan, 2015), analisa kecelakaan konstruksi (Ding, Fang, Luo, Love, & Ouyang, 2018), Pemetaan harga real estat (Hromada, 2015), Manajemen Aset(Williams & Halling, 2014), dan pemodelan simulasi operasi alat berat (lihat Gambar 4 serta lima) (Akhavian & Behzadan, 2013).

Transportasi
Data Mining digunakan untuk memprediksi Indeks Kekasaran (IRI/International Roughness Index) perkerasan, yaitu dengan menganalisis data IRI awal, termasuk usia, Equivalent Single Axle Load (ESAL), crack, lubang, rutting, dan retakan yg panjang(Rifai, Hadiwardoyo, Correia, Pereira, & Cortez, 2015). Selain itu, menganalisa (Sung & Chong, 2017) dan memprediksi arus lalu lintas di jalan raya (Lareno, 2014)

Geoteknik dan Hidrologi
Penerapan teknik datamining pada perkiraan kekuatan tekan uniaksial kolom Jet grouting asal ketika ke waktu. Jet grouting (JG) ialah teknik perawatan tanah yang pemugaran tanah (Tinoco, Correia, & Cortez, 2011). Selain itu, dapat digunakan buat memprediksi besaran curah hujan (Lareno, 2015), Data besaran curah hujan, lalu bisa diproses memakai HEC-HMS maun HEC-RAS, buat penyelidikan serta memodelkan daerah peredaran sungai maupun melakukan analisa hidrolika sungai terhadap bangunan air.

Pembahasan

Pada umumnya penerapan data mining dalam bidang teknik sipil dapat meningkatan kinerja dalam penggunaan waktu. Dengan efisiensi waktu, didapatkan juga efisiensi biaya, terutama pada masa perancangan atau pada evaluasi pelaksanaan konstruksi.Perangkat Lunak Algoritma Data

Banyak proyek dengan menyertakan permodelan data mining dimulai dengan tujuan yang tidak jelas dan ambigu. Sementara reaksi pertama terhadap kesimpulan semacam itu adalah bahwa seseorang harus menjadi lebih baik dalam memahami sistem dan
memahami masalah secara komprehensif. Tetapi nyatanya, seringkali masalah yang harus dipecahkan diidentifikasi dan didefinisikan ulang ketika proses data mining sedang berlangsung. Dan itu memang suatu hal yang wajar dan sering ditemui.

luruh tim proyek permodelan. Terutama, lebih melibatkan ahli informatika (data miners), ahli domain (engineer), dan ahli data (surveyor). Ahli informatika membawa pemahaman statistik dan algoritmik, keterampilan pemrograman, dan kemampuan investigasi kunci yang mendasari analisis apa pun. Para ahli domain tahu tentang masalah aktual yang sedang ditangani. Para ahli data tahu tentang data, bagaimana data itu dikumpulkan, di mana data itu disimpan, bagaimana mengakses dan menggabungkan data yang diperlukan untuk analisis, dan dapat mengenali setiap keanehan dan perangkap data (false perception).

Karena itu, melakukan pendekatan dengan permodelan data mining memerlukan disiplin pencatatan dan dokumentasi proyek. Makin baik pencatatan, makin beragam data yang tercatat, akan makin baik hasil permodelan dengan data mining. Dengan demikian, untuk memastikan data-data yang diperlukan tersebut tersedia dengan baik, memerlukan kepemimpinan yang baik pula.

Penelitian penerapan data mining dalam berbagai bidang teknik sipil tersebut menunjukkan bahwa perlu ada perubahan pola pikir dan budaya dalam cara bidang ini bekerja. Pemimpin organisasi akan memainkan peran penting dalam hal ini dengan pendekatan topdown, berinvestasi dalam teknologi (data mining, khususnya big data) yang menyatukan data berharga yang dihasilkan dari berbagai lokasi dan proses yang terpecah-pecah (Kang, Yu, & Chang, 2017), berinvestasi dalam peningkatan kesadaran dan pelatihan, dan mempekerjakan orang dengan keahlian yang diperlukan.Perangkat Lunak Algoritma Data

Dengan demikian tujuan penerapan data mining dapat memberikan keuntungan yang diharapkan.

Referensi

  • Akhavian, R., & Behzadan, A. H. (2013). Knowledge-based simulation modeling of construction fleet operations using multimodal-process data mining. Journal of Construction Engineering and Management , 139 (11), 04013021: 1-11.
  • Chaovalitwongse, W. A., Wang, W.-b., Williams, T. P., & Chaovalitwongse, P. (2011). Data mining framework to optimize the bid selection policy for competitively bid highway construction projects. Journal of Construction Engineering and Management , 138 (2), 277-286.
  • Cheng, F., Fu, X., & Yan, a. C.-c. (2015). A framework for knowledge discovery in massive building automation data and its application in building diagnostics. Automation in Construction , 50, 81-90.
  • Cheng, Y.-M., & Leu, S.-S. (2011). Integrating data mining with KJ method to classify bridge construction defects. Expert Systems with Applications , 7143-7150.
  • Daniel T, L. (2005). Discovering knowledge in data: An Introduction to Data Mining. Wiley Interscience.
  • Davenport, T. H. (2013, December). Analytics 3.0. Harvard Business Review .
  • Ding, L., Fang, W., Luo, H., Love, P. E., & Ouyang, B. Z. (2018). A deep hybrid learning model to detect unsafe behavior: Integrating convolution neural networks and long shortterm memory. Automation in Construction , 86, 118-124.
  • Hromada, E. (2015). Mapping of Real Estate Prices Using Data Mining Techniques. Procedia Engineering , 123, 233-240.
  • Kang, Y., Yu, J., & Chang, J. (2017). Big Data Analytics in Civil Engineering: The Case of China. SSRG International Journal of Civil Engineering .
  • Kim, H., Stumpf, A., & Kim, W. (2011). Analysis of an energy efficient building design through data mining approach. Automation in Construction , 20, 37-43.
  • Lareno, B. (2014). Analisa dan perbandingan akurasi model prediksi arus lalu lintas. Jurnal CSRID – Universitas Potensi Utama .
  • Lareno, B. (2015). Penerapan Algoritma MKNN-X Untuk Prediksi Curah Hujan. Gema Aktualita – UPHS Journal , 4 (2).
  • Ledolter, J. (2013). Data Mining and Business Analytics with R. New Jersey: John Wiley&Sons.
  • Leu, S. S., Chen, C. N., & Chang, S. L. (2011). Data mining for tunnel support stability: neural network approach. Automation in Construction , 10 (4), 429-441.
  • Mehta, S. (2010). Business Intelligence for Construction Industry. The Master Builder , 196-198.
  • Omran, B. A., Chen, Q., & Jin, a. R. (2016). Comparison of Data Mining Techniques for Predicting Compressive Strength of Environmentally Friendly Concrete. Journal Computational Civil Engineering , 30 (6).

Baca Juga :
Pengertian dan Definisi Volume Pekerjaan