Mahasiswa Program Doktor Teknik Sipil Fakultas Teknik Unissula, Yogi Oktopianto ST MT mengikuti ujian terbuka doktor pada Senin (9/2/2026) di Aula Fakultas Teknik. Ia mempresentasikan disertasinya yang berjudul pengembanagn model prediksi penilaian kondisi perkerasan jalan menggunakan saraf tiruan.
Bertindak sebagai penguji antara lain Dr Abdul Rochim ST MT, Prof Ir Pratikso MST PhD, Dr Ir Soedarsono MSi dan Prof Dr Ir Henny Pratiwi Adi ST MT. Penguji lainnya yaitu Prof Dr Ir Imam Wahyudi DEA, Prof Dr Ir Antonius MT dan Prof Dr Ir Bambang Haryadi MSc.
Menurut Yogi evaluasi jaringan jalan perlu dilakukan secara berkala untuk membantu memilih penanganan prioritas yang paling efisien dalam pemeliharaan jalan. Surface Distress Index (SDI) merupakan metode penilaian kondisi permukaan perkerasan jalan dengan pengamatan visual dan dipakai sebagai acuan dalam program pemeliharaan jalan raya yang digunakan di Indonesia.
Perhitungan SDI bergantung pada pengumpulan data lapangan melalui inspeksi visual. Data yang terkumpul diproses untuk memperkirakan nilai SDI, yang merupakan proses panjang dibutuhkan waktu relatif lama, ketelitian dan membutuhkan pengalaman teknis. Oleh karena itu diperlukan suatu model yang adaptif dengan tujuan memudahkan untuk mengevaluasi jalan dengan menggunakan metode SDI tanpa harus perhitungan panjang dan membaca tabel pembobotan yang jumlahnya cukup banyak melalui model prediksi.
Penelitiannya bertujuan untuk membuat model prediksi Surface Distress Index (SDI) menggunakan Artificial Neural Network (ANN). Metode yang digunakan dalam penelitian ini Artificial Neural Network (ANN) merupakan jenis teknologi yang digolongkan sebagai Artificial Intelligence (AI).
Penelitiannya menghasilkan dua model paling optimal yang meliputi model original dengan konfigurasi neuron 4-4 memiliki nilai R-squared sebesar 0,95. Mean Absolute Error (MAE) bernilai 0.02 dan Root Mean Square Error (RMSE) dengan nilai 0.05. Model pengembangan dengan konfigurasi neuron 6-5 memiliki nilai R-squared sebesar 0,99. Mean Absolute Error (MAE) menghasilkan nilai 0.01 dan Root Mean Square Error (RMSE) dengan nilai 0.03. Model prediksi Surface Distress Index (SDI) menggunakan jaringan saraf tiruan atau Artificial Neural Network (ANN) yang dikembangkan memiliki kinerja prediktif yang sangat kuat dengan tingkat presisi dan keandalan yang tinggi.
Yogi Oktopianto ST MT berhasil lulus dan mendapat gelar doktor dengan IPK 3,86 dalam masa studi 3 tahun. Tercatat sebagai lulusan ke 55 di PDTS Fakultas Teknik Unissula.
