Prediksi Defleksi Balok Kantilever dengan Beban Terdistribusi Menggunakan Physics-Informed Neural Networks

Authors

  • Hendery Dahlan Departemen Teknik Mesin Universitas Andalas

DOI:

https://doi.org/10.25077/inomet.4.1.13-21.2026

Keywords:

Physics-Informed Neural Networks PINNs),, balok Euler–Bernoulli, balok kantilever, defleksi balok, mekanika struktur

Abstract

Prediksi defleksi balok merupakan salah satu permasalahan fundamental dalam mekanika struktur yang umumnya diselesaikan menggunakan solusi analitik maupun metode numerik, seperti Finite Element Method (FEM). Meskipun mampu menghasilkan solusi yang akurat, metode numerik konvensional memerlukan proses diskretisasi sehingga kompleksitas perhitungan meningkat pada permasalahan tertentu. Physics-Informed Neural Networks (PINNs) menawarkan pendekatan alternatif dengan mengintegrasikan hukum-hukum fisika ke dalam proses pembelajaran jaringan saraf, sehingga penyelesaian persamaan diferensial dapat dilakukan tanpa bergantung pada pembentukan mesh. Penelitian ini bertujuan menerapkan PINNs untuk memprediksi distribusi defleksi balok kantilever Euler–Bernoulli yang menerima beban terdistribusi merata. Persamaan diferensial pengendali dan kondisi batas digunakan sebagai dasar pembelajaran model sehingga solusi yang dihasilkan tetap memenuhi prinsip-prinsip fisika. Akurasi model dievaluasi melalui perbandingan dengan solusi analitik menggunakan parameter Root Mean Square Error (RMSE), Mean Absolute Error (MAE), koefisien determinasi (R²), dan galat relatif maksimum. Hasil penelitian menunjukkan bahwa model PINNs mampu memprediksi distribusi defleksi balok dengan tingkat akurasi yang sangat baik serta memiliki kesesuaian yang tinggi terhadap solusi analitik. Temuan ini menunjukkan bahwa PINNs merupakan pendekatan komputasi yang efektif dan menjanjikan untuk analisis defleksi balok serta berpotensi dikembangkan sebagai alternatif metode numerik dalam penyelesaian permasalahan mekanika struktur.

Downloads

Published

2026-06-26

Issue

Section

Articles