Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS)
Analisis ramalan menggunakan kecerdasan buatan (AI) telah mengubah lanskap analisis ramalan di dalam pelbagai bidang penyelidikan. Kemajuan algoritma model AI meningkatkan pembuatan keputusan, mengenal pasti tren, dan mengoptimumkan proses. Manakala dalam kejuruteraan geoteknik, AI membantu meramal...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Penerbit Universiti Kebangsaan Malaysia
2024
|
| Online Access: | http://journalarticle.ukm.my/25316/ http://journalarticle.ukm.my/25316/1/kejut_19.pdf |
| _version_ | 1848816324609835008 |
|---|---|
| author | Noraida Mohd Saim, Anuar Kasa, |
| author_facet | Noraida Mohd Saim, Anuar Kasa, |
| author_sort | Noraida Mohd Saim, |
| building | UKM Institutional Repository |
| collection | Online Access |
| description | Analisis ramalan menggunakan kecerdasan buatan (AI) telah mengubah lanskap analisis ramalan di dalam pelbagai bidang penyelidikan. Kemajuan algoritma model AI meningkatkan pembuatan keputusan, mengenal pasti tren, dan mengoptimumkan proses. Manakala dalam kejuruteraan geoteknik, AI membantu meramal perilaku tanah, kestabilan struktur serta kestabilan cerun. Model AI yang dibincangkan di dalam kertas kajian ini ialah Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS). Dalam kajian ini model ANFIS meramalkan kestabilan cerun
dengan melihat nilai Faktor keselamatan (FOS). Analisa kestabilan cerun yang diperkukuhkan menggunakan dinding
cerucuk konkrit terjara berterusan yang dihasilkan oleh pengiraan berangka kaedah unsur terhingga (FEM) dua
dimensi (2D) dan tiga dimensi (3D) dibandingkan dengan ramalan model ANFIS. Pengiraan berangka FEM menggunakan perisian PLAXIS 2D dan PLAXIS 3D. Manakala model ANFIS direkabentuk di dalam platform perisian MATLAB melibatkan 112 sampel data. Dengan enam input parameter cerucuk dan satu output iaitu nilai FOS, model ramalan ANFIS mampu mempelajari data tak lelurus yang kompleks dan menghasilkan ramalan yang tepat. Ini disokong dengan nilai R2 iaitu 0.9771 dan 0.9965 daripada perbandingan ouput ramalan dengan output FEM 2D dan FEM 3D. Manakala nilai RMSE yang rendah iaitu 0.0187 dan 0.0180 setiap satunya juga merupakan
indiktor kepada prestasi ramalan tersebut. |
| first_indexed | 2025-11-15T01:04:04Z |
| format | Article |
| id | oai:generic.eprints.org:25316 |
| institution | Universiti Kebangasaan Malaysia |
| institution_category | Local University |
| language | English |
| last_indexed | 2025-11-15T01:04:04Z |
| publishDate | 2024 |
| publisher | Penerbit Universiti Kebangsaan Malaysia |
| recordtype | eprints |
| repository_type | Digital Repository |
| spelling | oai:generic.eprints.org:253162025-05-26T03:33:01Z http://journalarticle.ukm.my/25316/ Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS) Noraida Mohd Saim, Anuar Kasa, Analisis ramalan menggunakan kecerdasan buatan (AI) telah mengubah lanskap analisis ramalan di dalam pelbagai bidang penyelidikan. Kemajuan algoritma model AI meningkatkan pembuatan keputusan, mengenal pasti tren, dan mengoptimumkan proses. Manakala dalam kejuruteraan geoteknik, AI membantu meramal perilaku tanah, kestabilan struktur serta kestabilan cerun. Model AI yang dibincangkan di dalam kertas kajian ini ialah Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS). Dalam kajian ini model ANFIS meramalkan kestabilan cerun dengan melihat nilai Faktor keselamatan (FOS). Analisa kestabilan cerun yang diperkukuhkan menggunakan dinding cerucuk konkrit terjara berterusan yang dihasilkan oleh pengiraan berangka kaedah unsur terhingga (FEM) dua dimensi (2D) dan tiga dimensi (3D) dibandingkan dengan ramalan model ANFIS. Pengiraan berangka FEM menggunakan perisian PLAXIS 2D dan PLAXIS 3D. Manakala model ANFIS direkabentuk di dalam platform perisian MATLAB melibatkan 112 sampel data. Dengan enam input parameter cerucuk dan satu output iaitu nilai FOS, model ramalan ANFIS mampu mempelajari data tak lelurus yang kompleks dan menghasilkan ramalan yang tepat. Ini disokong dengan nilai R2 iaitu 0.9771 dan 0.9965 daripada perbandingan ouput ramalan dengan output FEM 2D dan FEM 3D. Manakala nilai RMSE yang rendah iaitu 0.0187 dan 0.0180 setiap satunya juga merupakan indiktor kepada prestasi ramalan tersebut. Penerbit Universiti Kebangsaan Malaysia 2024 Article PeerReviewed application/pdf en http://journalarticle.ukm.my/25316/1/kejut_19.pdf Noraida Mohd Saim, and Anuar Kasa, (2024) Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS). Jurnal Kejuruteraan, 36 (2). pp. 591-599. ISSN 0128-0198 https://www.ukm.my/jkukm/volume-3602-2024/ |
| spellingShingle | Noraida Mohd Saim, Anuar Kasa, Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS) |
| title | Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS) |
| title_full | Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS) |
| title_fullStr | Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS) |
| title_full_unstemmed | Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS) |
| title_short | Ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan Model Sistem Inferens Neuro-Fuzzy Adaptif (ANFIS) |
| title_sort | ramalan kestabilan cerun yang diperkukuhkan menggunakan cerucuk menggunakan model sistem inferens neuro-fuzzy adaptif (anfis) |
| url | http://journalarticle.ukm.my/25316/ http://journalarticle.ukm.my/25316/ http://journalarticle.ukm.my/25316/1/kejut_19.pdf |