Model Digital Twin Peralatan Laboratorium Industri Dan Pembelajaran Teknik Sipil

Artificial Intelligence untuk Pengembangan
Model Digital Twin Peralatan Laboratorium Industri dan Pembelajaran Teknik Sipil
Pidato pada Pengukuhan Guru Besar 1

Politeknik Negeri Semarang
SALAM PEMBUKA
Selamat Pagi, Salam Damai Sejahtera bagi kita semua.

Yang saya hormati:
• Bapak Direktur Politeknik Negeri Semarang Prof. Dr. Totok Prasetyo, B.Eng
(Hons), M.T, IPU, ASEAN.Eng, ACPE, Bapak mantan Direktur, Bapak/ Ibu
Wakil Direktur
• Ketua Senat, Bapak Saniman Widodo, S.E., M.M, Sekretaris Senat Dr. Dra.
Netty Nurdiyani, M.Hum., dan para Anggota Senat Akademik Politeknik
Negeri Semarang
• Para Tamu Undangan dari Universitas Dian Nuswantoro, Universitas
Diponegoro, Universitas Stikubank, Universitas Kristen Satyawacana,
Universitas Negeri Semarang, Universitas Semarang, Universitas PGRI
Semarang, Universitas Muhammadiyah Semarang, Politeknik Kesehatan
Kemenkes Semarang, Politeknik Pekerjaan Umum Semarang, Organisasi
Profesi Persatuan Insinyur Indonesia - Jawa Tengah, Industri Konstruksi, dan
Gereja Kristen Jawa Tengah Utara (GKJTU)
• Ketua KORPRI Polines, para Ketua dan Sekretaris Jurusan, Koord. Program
Studi, Ka.Unit, Ka.Pusat, Tim PAK, Ketua dan Koordinator Bidang/ Unit di
• Para Guru Besar, Guru Besar Tamu, dan teman- teman Doktor
• Para Dosen dan teman-teman Kristiani Politeknik Negeri Semarang
• Perwakilan dari BEM, BPM, HMJ, UKM, dan Alumni Politeknik Negeri
Semarang yang saya banggakan
• Teman- teman alumni STM Pembangunan Semarang, Bapak Dr. Bagiono
Joko Sumbogo, FPTK IKIP Negeri Yogyakarta, Fasilkom Universitas
Indonesia, Pascasarjana Udinus, dan Pascasarjana Universitas
Krisnadwipayana, Keluarga, Teman serta Hadirin yang tidak bisa saya
sebutkan satu persatu,
yang telah berkenan meluangkan waktu untuk hadir dan merestui upacara
pengukuhan Guru Besar ini. Kehadiran Bapak, Ibu, Saudara, dan Teman- teman
sekalian sungguh merupakan kehormatan dan kebahagiaan bagi saya dan
keluarga.
Pada kesempatan yang berbahagia ini, saya dan keluarga mengucapkan syukur
kepada Tuhan yang masih memakai saya menjadi bagian dari pelayananNya,
khususnya dalam melaksanakan Tri Dharma PT dimanapun dan dengan cara
apapun yang Dia kehendaki.
Bapak, Ibu, dan Saudara yang saya hormati perkenankanlah saya menyampaikan
pidato pengukuhan berikut ini.

Model Digital Twin Peralatan Laboratorium Industri dan
Pembelajaran Teknik Sipil
Hadirin yang saya hormati.
Industri konstruksi saat ini sedang bertransformasi ke era Konstruksi 4.0
karena pengaruh dan tantangan era Revolusi Industri 4.0 (Sánchez-Garrido et al.,
2023). Konsep Konstruksi 4.0 didasari oleh teknologi digital, otomasi, dan
integrasi secara offline, online (modus asinkron) maupun realtime (modus
sinkron) (Mulyana, 2022). Teknologi ini dapat berlangsung di semua tahapan
rantai nilai dan siklus hidup proses konstruksi (Hatmoko & Pandarangga, 2021),
mulai dari perencanaan, pembangunan, hingga demolisi (Baduge et al., 2022).
Proses konstruksi membutuhkan sumberdaya manusia (SDM) yang terampil,
baik dalam hal teknis maupun nonteknis. Keterbatasan keterampilan tenaga kerja
memerlukan pelatihan, pengembangan, dan pembelajaran secara kontinyu
(Rexy, 2023), (Famdale & Widyadana, 2023). Adepoju dari hasil penelitiannya
merekomendasikan pengembangan SDM penting untuk peningkatan
implementasi Konstruksi 4.0.
Hal ini dapat dicapai melalui komitmen pihak manajemen dan badan
profesional untuk melatih dan meningkatkan keterampilan tenaga kerja
(Adepoju & Aigbavboa, 2021). Untuk itu diperlukan pengembangan model,
metode, dan peralatan yang berbeda sesuai dengan jenis pembelajaran, baik
formal (sekolah), nonformal (pelatihan), maupun informal (lapangan/ mandiri).
Pengembangan peralatan untuk menunjang proses konstruksi maupun
pembelajaran bagi industri konstruksi, memerlukan pendekatan yang tidak
konvensional yang salah satunya berbasis Artificial Intelligence (AI).
Pendekatan ini masih merupakan area penelitian baru di Indonesia bahkan di
dunia (Hatmoko & Pandarangga, 2021).

Selama beberapa tahun terakhir, AI generasi

baru, seperti Machine Learning (ML) dan Deep
Learning (DL), telah muncul sebagai teknologi
komputasi yang menjanjikan, dalam proses
analisis komputasi material dan struktur di
teknik sipil (Wang et al., 2023), (Baduge et al.,
2022).
Penggunaan teknologi tersebut secara

bersama-sama telah mengarah pada terciptanya
Digital Twins (kembaran digital), yang
merupakan replika sistem fisik berbasis AI.
Teknologi DT saat ini sedang dikembangkan dan
dikomersialkan untuk mengoptimalkan beberapa
proses manufaktur dan penerbangan (Barricelli
et al., 2019).
DT adalah model yang hidup, cerdas, dan berkembang, sebagai cermin dan
replika virtual (Chaudhari et al., 2023), (Jiang et al., 2021), dari suatu entitas
maupun proses fisik. DT mengikuti siklus hidup kembaran fisiknya untuk
memantau, mengontrol, dan mengoptimalkan proses dan fungsi yang
disandangnya (Barricelli et al., 2019) dengan mengandalkan AI atau Artificial
Superintelligence (ASI) (Diederich, 2021) (Pueyo, 2018). Kembaran fisik tidak
selalu diartikan sebagai benda mati saja (patung/ boneka), namun juga seluruh
keberadaan organisme dari yang sederhana hingga kompleks, termasuk manusia
dengan segenap unsurnya mulai dari gen, DNA, dst. hingga sifat fisik dan
psikisnya.

Dalam industri Architecture, Engineering, and Construction (AEC)

penerapan DT saat ini masih dalam tahap awal namun terus berkembang selama
beberapa tahun terakhir. DT dapat memperbarui model Building Information
Modeling (BIM) yang integratif dengan data yang dapat diakses secara real-time,
memungkinkan pemantauan aset dan aktivitas secara real-time, dan
meningkatkan pengambilan keputusan (Tuhaise et al., 2023).
Bidang ilmu penulis

tentang Komputasi
Teknologi Pembelajaran
Pemodelan Bangunan yang
bersifat interdisiplin,
melibatkan Ilmu Komputer,
Teknologi Pembelajaran,
dan Teknik Sipil yang saling
beririsan.
Bidang kajian ini mengembangkan model, metode, dan alat/ mesin untuk
pembelajaran maupun untuk dunia industri AEC berbasis AI. Pemodelan
berbasis AI, termasuk DT, menawarkan sejumlah keunggulan dibandingkan
metode-metode rekayasa tradisional seperti pengujian fisik dan pemodelan
analitik. Pertama, model ini jauh lebih cepat dan lebih hemat biaya; kedua, dapat
digunakan untuk mensimulasikan berbagai kondisi yang lebih luas dan ekstrim
(Tuhaise et al., 2023); ketiga, dapat membuat prediksi dan hasil yang lebih rinci
dan akurat daripada pemodelan analitik(Lagaros, 2022); keempat, lebih ramah
lingkungan.
Pengembangan model- model

DT memerlukan pendekatan
layaknya proses berpikir manusia
dengan kecerdasannya yang
terkadang di luar konteks,
analogis, bahkan intuitif.
Modirshanechi berpendapat
proses berpikir manusia yang
didorong oleh rasa ingin tahu
intrinsiknya, tidak selalu diarahkan pada tujuan, tetapi terkait dengan
penjelajahan, pencarian, atau reaksi terhadap informasi. Kombinasi studi
perilaku dan neurofisiologis serta pemodelan komputasi berperan penting dalam

mengungkap gagasan rasa ingin tahu (Modirshanechi et al., 2023). Karakteristik
proses berpikir manusia seperti ini perlu diadopsi dalam pengembangan model-
model DT termasuk mesin dan peralatan laboratorium virtual. Pembelajaran bagi
DT sangat penting sehingga memerlukan metode pembelajaran yang khas.
Mesin untuk menunjang pembelajaran maupun proses konstruksi bagi
industri yang menjadi fokus penulis saat ini adalah pengembangan Mesin Uji
Tekan Beton Virtual (MUTBV). Bila dibandingkan dengan Mesin Uji Tekan
Beton Konvensional (MUTBK) perbedaannya terlihat pada gambar berikut ini.
Produksi beton diawali dengan

membuat desain campurannya
terlebih dahulu. Setelah desain
campuran beton diperoleh, maka
perlu ditindaklanjuti dengan
menguji hasil desain, untuk
mengetahui kuat tekan beton
yang dicapai dari rancangan
tersebut. Hal ini penting untuk memastikan desain tersebut layak digunakan
dalam produksi beton baik ready mix maupun konvensional. Untuk mengetahui
kuat tekan beton yang dirancang, MUTBK memerlukan 9 tahapan, dimulai dari
penyiapan bahan sesuai desain, pencampuran bahan, penyiapan cetakan,
pencetakan benda uji, penggetaran, pelepasan cetakan, curing, capping, dan
pengujian. Bila menggunakan MUTBV, hanya diperlukan satu langkah saja,
yaitu dengan memasukkan data desain campuran, maka MUTBV akan
melakukan komputasi dan menampilkan kuat tekan beton yang dicapai.
State of The Art Model Prediksi Kuat Tekan Beton sebagai Pendukung
Laboratorium Desain Campuran Beton
Estriegana dkk. berpendapat bahwa laboratorium konvensional sangat mahal
dan memakan waktu proses yang lama karena membutuhkan bahan atau mesin
yang mahal (Estriegana et al., 2019). Selain itu, biaya penyiapan dan
pemeliharaan yang tinggi mempersulit penyediaan fasilitas laboratorium di
lembaga yang anggaran dan keahlian teknisnya terbatas (Hampf & Woessmann,
2017). Demikian pula halnya dengan laboratorium bahan untuk mendukung
produksi beton.
Metode desain campuran beton konvensional sangat beragam. Setiap metode
desain campuran dengan pengujian destruktif terhadap benda uji memiliki hasil
dan akurasi yang berbeda-beda. Hal ini bisa diatasi dengan menciptakan formula
analitik prediksi kuat tekan. SNI, ACI, BS, Bolomey, PCA, dll.
Pemodelan analitik tersebut di atas dalam memprediksi kuat tekan beton
konvensional cenderung membutuhkan kondisi yang ideal dan presisi tinggi.
Pada kenyataannya kondisi ini sulit untuk dipenuhi. Pendekatan berbasis AI
untuk pemodelan prediksi telah banyak diteliti untuk memberikan solusi terbaik.
Pemodelan prediksi dengan uji coba ML dan DL khususnya Deep Neural
Network maupun perpaduan dan optimasinya dengan Genetic Operation Trees,
Fuzzy Logic, Modified Firefly Algorithm, Gradient Boosting Regression Trees,
Particle Swarm Optimization, dan Extreme Gradient Boosting (XGB), dan
Extreme Gradient Boosting (XGB), menunjukkan bahwa State of The Art bidang
kajian ini cenderung menempatkan ANN dan variansinya sebagai model
komputasi yang diminati para peneliti daripada pemodelan analitik.
Pengembangan Peralatan Lab Virtual untuk Industri dan Pembelajaran

di Teknik Sipil sebagai Model DT
Untuk mengembangkan Model DT MUTBV penulis telah melakukan
beberapa penelitian awal diantaranya adalah ‘Pemodelan Desain Campuran
Beton dengan BPNN (2015-2016), dan ‘BPNN- GA’, (2015-2016),
‘Evolutionary ANN for Concrete Mix Design Modeling’ (2017), ‘Peningkatan
Akurasi Algoritma ANN Melalui Minimasi Noise Menggunakan Bagging untuk
Pemodelan Prediksi Kuat Tekan Beton Umur Muda’ (2019), ‘Pemodelan
Prediksi Kuat Tekan Beton Umur Muda Menggunakan H2O's Deep Learning
Frameworks’ (2020), ‘Concrete Mix Design Modeling Based on Variation of
Hidden Layer and Neuron of ANN for Virtual Learning Development’ (2019).
‘Rancang-Bangun Mesin Uji Tekan Beton Virtual Berbasis MLP Guna
Pengembangan Laboratorium Virtual Pendidikan Vokasi’ (2022). ‘Design and
Evaluation of Virtual Compression Testing Machine Based on Multilayer
Perceptron for Vocational-Education Virtual Laboratory (2023).

Metode penelitian dan

pengembangan Model Digital
Twin, MUTBV, dilakukan
dengan tahapan seperti
terlihat pada Gambar.
Tahap pertama, desain
MUTBV dilakukan melalui
eksperimen dengan berbagai
arsitektur MLP, fungsi
aktivasi, dan parameter Deep
Neural Networks (DNN)
lainnya untuk mencari model
terbaik. Pengumpulan data,
prapemrosesan, definisi
parameter, pelatihan model, dan validasi model diselesaikan dengan PyTorch
1.5.0. Tahap kedua, evaluasi MUTBV melalui uji komparasi terhadap MUTBK
dengan menggunakan data yang belum pernah dipakai pada tahap pelatihan
maupun validasi.
Data set yang digunakan dikumpulkan dari Laboratorium Material Politeknik
Negeri Semarang dan UCI Data Repository yang dibuat oleh I-Cheng Yeh. Data
yang digunakan terdiri dari 760 desain campuran beton dengan 6840 komponen
yang terdiri dari fine and coarse aggregates, blast furnace slag, fly ash,
superplasticizer, cement, water, and ages.
Model Digital Twin-Mesin Uji Tekan Beton Virtual (MUTBV)

MUTBV dibangun dengan melakukan pembelajaran terhadap berbagai model
arsitektur MLP yang dilanjutkan dengan pengujian untuk memperoleh performa
terbaiknya yang akan ditanamkan sebagai ‘otak’ MUTBV.
Model arsitektur MLP dibentuk
berdasarkan nilai parameter training
cycle, learning rate, momentum,
jumlah hidden neuron, dan jumlah
hidden layer. Jumlah hidden layer (HL)
dan jumlah neuron (N) pada setiap
hidden layer merupakan parameter
yang menentukan arsitektur model yang
diharapkan. Selain itu juga nilai

parameter lain termasuk epoch, L1, L2, epsilon, rho, dan fungsi aktivasi.
Tahap eksperimen dilakukan dengan menguji berbagai model arsitektur
MLP dengan jumlah hidden layer dan neuron yang bervariasi. Berdasarkan
tahap eksperimen sebelumnya, ditemukan bahwa jumlah hidden layer (HL)
optimal dari arsitektur 1HL, 2HL, 4HL, 6HL, 9HL, 12HL, dan 15HL, dengan
fungsi aktivasi ReLU, TanH, dan 30 neuron di setiap hidden layer adalah sebagai
berikut.
Uji Deep Neural Network Uji Deep Neural Network

dg. 30 Neuron (ANN) dg. 30 Neuron
Training Validating (ANN+Bagging)
Training Validating
9 8
7,5
8
7
7
6,5
6 6
Hasil pengujian pertama menunjukkan jumlah hidden layer terbaik adalah

dua layer. Kedalaman DNN yang ditunjukkan oleh banyaknya hidden layer tidak
selalu menjamin hasil yang optimal.
Untuk mendapatkan jumlah neuron (N) yang paling optimal, selanjutnya
dilakukan uji coba dengan arsitektur 2HL10N, 2HL20N, 2HL30N, 2HL40N,
2HL50N, 2HL60N, 2HL80N, dan 2HL100N, dengan fungsi aktivasi ReLU, dan
epoch maksimum 800. Uji coba pembelajaran dan validasi model arsitektur ini
dilakukan ratusan kali hingga diperoleh tingkat kesalahan yang terendah.
Pengukuran kesalahan model dilakukan dengan menggunakan formula Root
Mean Square Error (RMSE). Grafik di bawah ini menunjukkan pengurangan
nilai RMSE tidak terlalu signifikan setelah perulangan 400 kali.

Grafik RMSE proses Training dan Validasi 2HL60N
Grafik RMSE proses Training dan Validasi 2HL60N (k9-b2)
Grafik RMSE proses Training dan Validasi 2HL100N

Setelah proses ini dilakukan, maka

diperoleh arsitektur MLP terbaik adalah
yang menggunakan satu input layer
dengan 8 neuron, 2 hidden layer dengan
masing- masing 60 hidden neuron
(2HL60N), satu output layer dengan
satu neuron, dan fungsi aktivasi yang
digunakan adalah ReLU.
Nilai kuat tekan yang diprediksi oleh

model MLP ini terlihat tidak jauh
Kuat Tekan Hasil Uji MUTBK vs Model MLP berbeda dengan nilai kuat tekan asli
hasil uji MUTBK seperti tampak pada
80,00
gambar di samping ini.
60,00
40,00 Namun demikian dari grafik
20,00 tersebut dapat dilihat bahwa model
0,00 MLP masih memiliki kesalahan.
1 3 5 7 9 11 13 15 17 19 21 Kesalahan prediksi yang terjadi pada
MUTBK Strength setiap nilai kuat tekan beton terlihat
pada gambar.
MLP Model Strength
Dari gambar tersebut garis

Kesalahan Prediksi Model MLP
berwarna hitam menunjukkan
80,00 penyimpangan relatif terhadap garis
60,00 mendatar (orange) yang menunjukkan
40,00 nilai tingkat kesalahan sebesar 0,00.
Penyimpangan bisa bernilai positif
20,00
(berada di atas garis 0,00) atau negatif
0,00 (berada di bawah garis 0,00).
1 3 5 7 9 11 13 15 17 19 21
-20,00
MUTBK Strength
MLP Model Strength
MLP Model Error

Kesalahan Prediksi MLP

pada berbagai Nilai Kuat Tekan Beton
90,00
70,00
50,00
30,00
10,00
-10,00 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
MLP Model Strength MLP Model Error
Grafik dengan area hitam pada gambar di atas menunjukkan penyimpangan/

kesalahan model ini. Bila diperhatikan kesalahan- kesalahan kecil terjadi pada
area yang ditandai persegi berwarna merah muda. Artinya model MLP mampu
melakukan prediksi dengan tingkat kesalahan yang kecil pada nilai-nilai kuat
tekan yang berada pada area warna merah muda. Model dapat melakukan
prediksi dengan kesalahan kecil/ akurasi tinggi tidak hanya pada nilai kuat tekan
rendah, sekitar 8 MPa, namun juga pada kuat tekan sekitar 30 MPa. Tetapi pada
kuat tekan 30-70 MPa model MLP memiliki tingkat kesalahan yang cukup
tinggi. Dengan demikian model ini akan menunjukkan performa terbaiknya pada
mutu beton 8 – 30 MPa.
Berdasarkan analisis di atas, maka model MLP dengan arsitektur yang
menggunakan satu input layer dengan 8 neuron, 2 hidden layer dengan masing-
masing 60 neuron, dan satu output layer dengan satu neuron, dan fungsi aktivasi
ReLU dipilih untuk digunakan sebagai ‘otak’ dari Prototipe MUTBV. Tingkat
kesalahan model ini dicapai pada RMSE = 4.815. Selanjutnya dilakukan uji
komparasi terhadap mesin uji konvensional MUTBK.
Uji Komparasi Prototipe MUTBV vs MUTBK

Pada tahap ini Prototipe MUTBV dievaluasi menggunakan data uji yang belum
pernah digunakan pada proses pembelajaran dan validasi sebelumnya. Pengujian
dilakukan melalui layar input MUTBV untuk memasukkan data komposisi
cement, blast furnace slag, fly ash, water, superplasticizer, coarse aggregate, fine
aggregate, and age.

Desain campuran beton yang

telah dibuat kemudian diuji
kekuatannya tanpa melakukan
rangkaian pembuatan benda uji
yang selama ini dimulai dari
penimbangan bahan,
pencampuran, pencetakan,
perawatan (curing), pembongkaran
cetakan, pelapisan sisi atas dan
bawah benda uji (capping), dan
setting benda uji ke mesin uji tekan
seperti metode konvensional.
Hasil MUTBK = 55,65 MPa
Uji coba penggunaan MUTBV

pada contoh ini menggunakan data
desain campuran dengan
komposisi cement = 397 kg/m3,
blast furnace slag = 17,2 kg/m3, fly
ash = 158 kg/m3, water = 167
kg/m3, superplasticizer = 20,8
kg/m3, coarse aggregate = 967
kg/m3, fine aggregate = 633 kg/m3,
dan age = 28 hari.
Data desain campuran untuk pengujian ini diambil dari bahan material beton
di daerah Jawa Tengah. Setelah tombol RUN ditekan, maka diperoleh hasil uji
tekan campuran beton (Compressive Strength) tersebut adalah sebesar 54,7815
MPa (lihat gambar 7). Apabila dibandingkan terhadap nilai kuat tekan beton
hasil uji MUTBK, hasil uji sedikit berbeda, yakni MUTBK = 55,65 MPa,
sehingga hanya berbeda 0,8685 MPa.

Pengujian evaluasi Prototipe MUTBV dilakukan 30 kali dengan

menggunakan data desain campuran beton yang berbeda- beda. Hasil pengujian
diuji komparasi antara Prototipe MUTBV vs MUTBK. Dari hasil pengujian
diperoleh kesimpulan bahwa Prototipe MUTBV tidak memiliki perbedaan yang
signifikan dibandingkan MUTBK. Nilai kuat tekan rata- rata yang ditunjukkan
MUTBK= 44,58 MPa dan Prototipe MUTBV= 47,64 MPa seperti tampak pada
gambar berikut ini.
Gambar 8. Grafik Hasil Uji Komparasi MUTBK vs. Prototipe MUTBV
Penutup
MUTBV Digital Twin ini merupakan prototipe yang layak dikembangkan
untuk pembelajaran di Laboratorium Pendidikan Vokasi dan Laboratorium
Industri. Namun demikian perlu disadari bahwa di balik kelebihannya MUTBV
juga memiliki kekurangan karena tidak ada sensasi atau pengalaman nyata bagi
pembelajar, tetapi hal ini tidak berpengaruh bagi industri konstruksi.
Guna mendukung industri konstruksi beton readymix, maka MUTBV Digital
Twin ini perlu melakukan pembelajaran dengan melibatkan aspek kesalahan
proses desain, pencampuran, pengangkutan, pengecoran, pemeliharaan, dan
aspek kesalahan manusia dan mesin pencampur (molen).

Terkait transformasi industri ke era Konstruksi 4.0 perlu dikembangkan

model- model DT bagi seluruh siklus hidup bangunan sejak perencanaan hingga
demolisi melalui penyempurnaan kecerdasan, kecepatan, kapasitas, virtual
reality, interoperabilitas data, dan cyber-physical integration antar-DT. Hal ini
penting bagi upaya integrasi, kolaborasi, pemantauan, dan dukungan dalam
pengambilan keputusan di dunia industri konstruksi.
UCAPAN TERIMAKASIH
Hadirin yang Saya Hormati,
Pada akhir pidato ini izinkan saya mengucapkan terima kasih yang setinggi-
tingginya kepada semua pihak yang telah mendukung saya dalam melaksanakan
Tri Dharma Perguruan Tinggi selama menjadi staf pengajar, peneliti, penulis,
penyaji, nara sumber, reviewer, pengelola jurnal, baik di Jurusan Teknik Sipil
Politeknik Negeri Semarang maupun di berbagai Universitas, hingga
pengukuhan saya menjadi Guru Besar Politeknik Negeri Semarang dalam
bidang ilmu Komputasi Teknologi Pembelajaran Pemodelan Bangunan.
Ucapan terimakasih pertama saya sampaikan atas kasih sayang dan didikan
yang luar biasa dan penuh pengorbanan dari kedua orang tua saya alm. Bapak
Soetopo dan alm. Ibuk Saripah. Terimakasih juga kepada istri saya tercinta Dra.
Agustina R Purwaningsih, M.Si yang telah dengan setia mendampingi,
mendorong, dan melayani saya penuh kasih; anak- anak kebanggaan saya
Monica Priella Stefanie Santosa, S.Pt., M.Si., M.Sc., dan Yonathan Purbo
Santosa, S.Kom, M.Sc yang menimbulkan semangat dalam pekerjaan dan
pelayanan, serta anak mantu Christian Nickel, LL.B dan Wahyu Kusuma
Wardani, S.Psi yang mengasihi kami dan menjadi masa depan keluarga besar.
Ucapan terimakasih juga saya sampaikan kepada adik, kakak, keponakan, cucu,
dan semua keluarga besar Dr. Sutomo 44E dan Sugijo (anak putu) yang telah
mengasihi dan menjadi inspirasi saya selama ini.
Pada hari yang membahagiakan ini saya juga sampaikan terimakasih kepada
para Guru saya di TK, SD, SMP, STMP, dan para Dosen S1, S2, dan S3 yang
telah mendidik dan membimbing saya sedemikian rupa dengan tulus.
Ucapan terimakasih juga saya sampaikan kepada Pemerintah RI, khususnya
Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia,
Bapak Nadiem Anwar Makarim, BA., MBA. yang telah menetapkan dan

mengangkat saya sebagai Guru Besar tmt. 1 Juni 2023 di Politeknik Negeri
Semarang.
Terimakasih saya sampaikan kepada Direktur Politeknik Negeri Semarang
Prof. Dr. Totok Prasetyo, B.Eng (Hons), M.T, IPU, ASEAN.Eng, ACPE dan para
Wakil Direktur Politeknik Negeri Semarang, Dr. Samuel Beta Kuntardjo
Kristiono, Ing.Tech, M.T., Dr. Karnowahadi, S.E, M.M., Aris Sunindyo, S.E,
M.M., Dr. Eni Dwi Wardihani, S.T, M.T., yang telah banyak memberikan
bantuan dan menyetujui pengusulan saya sebagai Guru Besar.
Saya juga mengucapkan terimakasih kepada Ketua Senat Bapak Saniman
Widodo, S.E., M.M, mantan Ketua Senat Dr. Jusmi, S.E, M.Si, Sekretaris Senat
Dr. Dra. Netty Nurdiyani, M.Hum, dan para Anggota Senat Akademik Politeknik
Negeri Semarang, Ketua KORPRI Polines Drs. Riyadi, M.M., yang telah
memberikan dukungan dan bantuan sejak pengusulan awal tahun 2022 hingga
persetujuan pengusulan saya sebagai Guru Besar.
Terimakasih saya sampaikan kepada mantan Ketua Tim Penilaian Angka
Kredit (PAK) Politeknik Negeri Semarang Drs. Martono, MT, anggota Tim PAK
Bapak Sahid, ST, MT, dan Dra. Sri Widiyati, M.Si. yang telah membantu dan
memberikan dorongan luar biasa. Terimakasih juga saya sampaikan kepada
mantan Direktur Politeknik Negeri Semarang Bapak Ir. Supriyadi, M.T. dan
Bapak Ir. Marimin Soemardjo yang setiap kali bertemu selalu menanyakan
perkembangan upaya saya dalam meraih jabatan Guru Besar. Hal ini
memberikan semangat yang luar biasa bagi saya.
Terimakasih kepada Reviewer Sejawat Prof. Dr. Ir. Eko Sediyono, M.Kom
dan Prof. Dr. Drs. Hamonangan Tambunan, M.Pd yang telah memberikan
masukan- masukan dan review terhadap karya- karya ilmiah saya untuk
pengusulan Guru Besar.
Saya mengucapkan terimakasih kepada teman- teman sejawat Dosen, Tendik
dan Subbag Kepegawaian Politeknik Negeri Semarang yang telah memberikan
dorongan dan bantuan, juga kepada Kepala Pusat P3M Dr. Kurnianingsih, S.T,
M.T. yang telah memberikan kesempatan penelitian dan pengabdian kepada
masyarakat hingga tercapainya jabatan Guru Besar saya.
Ucapan terimakasih juga saya sampaikan kepada Ketua Jurusan Teknik Sipil
Ibu Dianita Ratna Kusumastuti, S.T, M.T, Sekretaris Jurusan, para Koord.Prodi,
Ka.Lab, Ka.Beng, dan para pengurus Koperasi Paguyuban Teknik Sipil, Ir.
Wahjoedi, M.T., Bapak Supriyo, S.T, M.T, Bapak Suparman, S.T., M.T., dan
teman- teman Dosen lainnya, yang telah mendukung, mengasihi, dan menjadi
bagian dalam pekerjaan, pelayanan, dan perjuangan saya di Politeknik Negeri
Semarang hingga mencapai jabatan Guru Besar.
Terimakasih juga untuk teman-teman alumni STM Pembangunan Semarang,

mantan Kepala Sekolah STMP Bapak Dr. Ir. Bagiono Joko Sumbogo, alumni
FPTK IKIP Negeri Yogyakarta, alumni Fasilkom Universitas Indonesia, alumni
Pascasarjana Teknologi Pendidikan Universitas Negeri Jakarta yang sudah
menjadi bagian dari perjalanan hidup saya.
Terimakasih juga saya sampaikan untuk jemaat GKJTU Srondol, Bapak
Pendeta Eliezer Budiono, M.Th, GKJTU Klasis Semarang, Bapak Pendeta
Sumarjo, S.Th, Sinode GKJTU, Bapak Pendeta Pdt. Akris Mujiyono, S.Th,
M.Si, para Badan Pengurus Sinode, dan Yayasan Sion Salatiga, yang telah
menjadi wahana pertumbuhan mental dan kerohanian saya.
Tak lupa juga saya sampaikan terimakasih kepada teman-teman Grup Tenis
Polines dan Grup Tenis Gloria yang selalu mendorong dan menginspirasi saya
akan pentingnya kesehatan fisik dan mental.
Doa saya semoga ketulusan bantuan, dorongan, penyertaan, dan pengorbanan
Bapak, Ibu, Saudara, dan Teman- teman yang sudah berikan kepada saya
diperkenan Allah Yang Maha Kuasa dan memperoleh balasan yang setimpal.
Saya tidak mampu membalas seluruh kebaikan yang telah diberikan. Saya hanya
bisa berharap agar pencapaian jabatan Guru Besar ini menjadi inspirasi bagi
teman- teman Doktor untuk segera menyusul, dan kita tetap berjuang sesuai Visi
agar “Polines Menjadi Perguruan Tinggi Terapan yang Diakui Secara Nasional
dan Internasional, Mampu Bersaing, Akuntabel, Berkarakter, dan Beretika
dalam Bidang Teknologi dan Bisnis”. Polines Jaya.
Terimakasih atas perhatian Bapak, Ibu, Saudara, dan Teman- teman
semuanya. Mohon maaf apabila ada sikap, tulisan, dan perkataan saya yang tidak
berkenan di hati.
Salam Damai.

Daftar Pustaka
Abolpour, B., Abolpour, B., Abolpour, R., & Bakhshi, H. (2013). Estimation of concrete
compressive strength by a fuzzy logic model. Research on Chemical Intermediates,
39(2), 707–719. https://doi.org/10.1007/s11164-012-0591-0
Adepoju, O. O., & Aigbavboa, C. O. (2021). Assessing knowledge and skills gap for
construction 4.0 in a developing economy. Journal of Public Affairs, 21(3), e2264.
https://doi.org/10.1002/pa.2264
Baduge, S. K., Thilakarathna, S., Perera, J. S., Arashpour, M., Sharafi, P., Teodosio, B.,
Shringi, A., & Mendis, P. (2022). Artificial intelligence and smart vision for building and
construction 4.0: Machine and deep learning methods and applications. Automation in
Construction, 141, 104440. https://doi.org/10.1016/j.autcon.2022.104440
Barricelli, B. R., Casiraghi, E., & Fogli, D. (2019). A Survey on Digital Twin:
Definitions, Characteristics, Applications, and Design Implications. IEEE Access, 7,
167653–167671. https://doi.org/10.1109/ACCESS.2019.2953499
Bui, D.-K., Nguyen, T., Chou, J.-S., Nguyen-Xuan, H., & Ngo, T. D. (2018). A modified
firefly algorithm-artificial neural network expert system for predicting compressive and
tensile strength of high-performance concrete. Construction and Building Materials, 180,
320–333. https://doi.org/10.1016/j.conbuildmat.2018.05.201
Chaudhari, P., Gangane, C., & Lahe, A. (2023). Digital Twin in Industry 4.0 A Real-Time
Virtual Replica of Objects Improves Digital Health Monitoring System. In L. Garg, D.
S. Sisodia, N. Kesswani, J. G. Vella, I. Brigui, P. Xuereb, S. Misra, & D. Singh (Eds.),
Information Systems and Management Science (pp. 506–517). Springer International
Publishing. https://doi.org/10.1007/978-3-031-13150-9_41
Chine, W.-H., Chen, L., Hsu, H.-H., Wang, T.-S., & Chiu, C.-H. (2010). Modeling Slump
of Concrete Using the Artificial Neural Networks. 2010 International Conference on
Artificial Intelligence and Computational Intelligence, 236–239.
https://doi.org/10.1109/AICI.2010.287
Chopra, P., Sharma, R. K., & Kumar, M. (2016). Prediction of Compressive Strength of
Concrete Using Artificial Neural Network and Genetic Programming. Advances in
Materials Science and Engineering, 2016, 1–10. https://doi.org/10.1155/2016/7648467
Diederich, J. (2021). The Psychology of Artificial Superintelligence (Vol. 42). Springer

International Publishing. https://doi.org/10.1007/978-3-030-71842-8
Estriegana, R., Medina-Merodio, J.-A., & Barchino, R. (2019). Student acceptance of

virtual laboratory and practical work: An extension of the technology acceptance model.
Computers & Education, 135, 1–14. https://doi.org/10.1016/j.compedu.2019.02.010
Famdale, C. H., & Widyadana, I. G. A. (2023). Aplikasi Dan Tantangan Pengembangan

Pada Industri Konstruksi Di Indonesia. Dimensi Utama Teknik Sipil, 10(2), 156–173.
https://doi.org/10.9744/duts.10.2.156-173
Hampf, F., & Woessmann, L. (2017). Vocational vs. General Education and Employment
over the Life Cycle: New Evidence from PIAAC. CESifo Economic Studies.
https://doi.org/10.1093/cesifo/ifx012
Hatmoko, J. U. D., & Pandarangga, A. (2021). Konstruksi 4.0: Tantangan Dan Inisiatif
Penerapan di Indonesia.
Hüsken, G., & Brouwers, H. J. H. (2012). On the early-age behavior of zero-slump

concrete. Cement and Concrete Research, 42(3), 501–510.
https://doi.org/10.1016/j.cemconres.2011.11.007
Indelicato, F., & Paggi, M. (2008). Specimen shape and the problem of contact in the
assessment of concrete compressive strength. Materials and Structures, 41(2), 431–441.
https://doi.org/10.1617/s11527-007-9256-7
Jain, A., Jha, S. K., & Misra, S. (2008). Modeling and Analysis of Concrete Slump Using
Artificial Neural Networks. Journal of Materials in Civil Engineering, 20(9), 628–633.
https://doi.org/10.1061/(ASCE)0899-1561(2008)20:9(628)
Jiang, Y., Yin, S., Li, K., Luo, H., & Kaynak, O. (2021). Industrial applications of digital
twins. Philosophical Transactions of the Royal Society A: Mathematical, Physical and
Engineering Sciences, 379(2207), 20200360. https://doi.org/10.1098/rsta.2020.0360
Lagaros, N. D. (2022). NiAkorstDi.ﬁLcagiaarolsI1 nantdeVlalgieglies nPlecveris(2A,*

I) Applied in Civil Engineering.
Liu, Q., Iqbal, M. F., Yang, J., Lu, X., Zhang, P., & Rauf, M. (2021). Prediction of
chloride diffusivity in concrete using artificial neural network: Modelling and
performance evaluation. Construction and Building Materials, 268, 121082.
https://doi.org/10.1016/j.conbuildmat.2020.121082
Lotfy, A., Hossain, K. M. A., & Lachemi, M. (2014). Application of statistical models in
proportioning lightweight self-consolidating concrete with expanded clay aggregates.

Construction and Building Materials, 65, 450–469.

https://doi.org/10.1016/j.conbuildmat.2014.05.027
Lotfy, A., Hossain, K. M. A., & Lachemi, M. (2015). Statistical models for the
development of optimized furnace slag lightweight aggregate self-consolidating
concrete. Cement and Concrete Composites, 55, 169–185.
https://doi.org/10.1016/j.cemconcomp.2014.09.009
Modirshanechi, A., Kondrakiewicz, K., Gerstner, W., & Haesler, S. (2023). Curiosity-
driven exploration: Foundations in neuroscience and computational modeling. Trends in
Neurosciences, S0166223623002400. https://doi.org/10.1016/j.tins.2023.10.002
Moutassem, F., & Chidiac, S. E. (2016). Assessment of concrete compressive strength

prediction models. KSCE Journal of Civil Engineering, 20(1), 343–358.
https://doi.org/10.1007/s12205-015-0722-4
Mulyana, E. (2022). Peluang dan Tantangan Penyelenggaraan Jasa Konstruksi. Jurnal

Locus Penelitian Dan Pengabdian, 1(1), 21–34. https://doi.org/10.58344/locus.v1i1.5
Najimi, M., Sobhani, J., & Pourkhorshidi, A. R. (2012). A comprehensive study on no-
slump concrete: From laboratory towards manufactory. Construction and Building
Materials, 30, 529–536. https://doi.org/10.1016/j.conbuildmat.2011.12.012
Nataraja, M. C., & Sanjay, M. C. (2013). Modified Bolomey equation for the design of
concrete. Journal of Civil Engineering.
Nunez, I., Marani, A., & Nehdi, M. L. (2020). Mixture Optimization of Recycled
Aggregate Concrete Using Hybrid Machine Learning Model. Materials, 13(19), Article
19. https://doi.org/10.3390/ma13194331
Oner, A., & Akyuz, S. (2007). An experimental study on optimum usage of GGBS for
the compressive strength of concrete. Cement and Concrete Composites, 29(6), 505–514.
Pueyo, S. (2018). Growth, degrowth, and the challenge of artificial superintelligence.

Journal of Cleaner Production, 197, 1731–1736.
https://doi.org/10.1016/j.jclepro.2016.12.138
Rajamane, N. P., & Ambily, P. S. (2012). Modified Bolomey equation for strengths of
lightweight concretes containing fly ash aggregates. Magazine of Concrete Research,
64(4), 285–293. https://doi.org/10.1680/macr.11.00157

Ren, W., Xu, J., & Su, H. (2016). Dynamic compressive behaviour of concrete after
exposure to elevated temperatures. Materials and Structures, 49(8), 3321–3334.
https://doi.org/10.1617/s11527-015-0722-3
Rexy. (2023, July 14). 7 Tantangan Industri Konstruksi dan Infrastruktur.

PROXSISGROUP. https://proxsisgroup.com/7-tantangan-industri-konstruksi-dan-
infrastruktur/7-tantangan-industri-konstruksi-dan-infrastruktur/
Sánchez-Garrido, A. J., Navarro, I. J., García, J., & Yepes, V. (2023). A systematic
literature review on modern methods of construction in building: An integrated approach
using machine learning. Journal of Building Engineering, 73, 106725.
https://doi.org/10.1016/j.jobe.2023.106725
Shafieyzadeh, M. (2013). Prediction of Compressive Strength of Concretes Containing

Silica Fume and Styrene-Butadiene Rubber (SBR) with a Mathematical Model.
International Journal of Concrete Structures and Materials, 7(4), 295–301.
https://doi.org/10.1007/s40069-013-0055-y
Sifan, M., Nguyen, H., Nagaratnam, B., Thamboo, J., Poologanathan, K., & Makul, N.
(2023). Efficient mix design method for lightweight high strength concrete: A machine
learning approach. Structures, 55, 1805–1822.
https://doi.org/10.1016/j.istruc.2023.06.122
Tangchirapat, W., Rattanashotinunt, C., Buranasing, R., & Jaturapitakkul, C. (2013).

Influence of Fly Ash on Slump Loss and Strength of Concrete Fully Incorporating
Recycled Concrete Aggregates. Journal of Materials in Civil Engineering, 25(2), 243–
251. https://doi.org/10.1061/(ASCE)MT.1943-5533.0000585
Tuhaise, V. V., Tah, J. H. M., & Abanda, F. H. (2023). Technologies for digital twin
applications in construction. Automation in Construction, 152, 104931.
https://doi.org/10.1016/j.autcon.2023.104931
Wang, C., Song, L., Yuan, Z., & Fan, J. (2023). State-of-the-art AI-based computational
analysis in civil engineering. Journal of Industrial Information Integration, 33, 100470.
https://doi.org/10.1016/j.jii.2023.100470
Wendner, R., Vorel, J., Smith, J., Hoover, C. G., Bažant, Z. P., & Cusatis, G. (2015).
Characterization of concrete failure behavior: A comprehensive experimental database
for the calibration and validation of concrete models. Materials and Structures, 48(11),
3603–3626. https://doi.org/10.1617/s11527-014-0426-0

Yeh, I.-C. (2007). Modeling slump flow of concrete using second-order regressions and
artificial neural networks. Cement and Concrete Composites, 29(6), 474–480.
Yeh, I.-C., Lien, C.-, Peng, C.-H., & Lien, L.-C. (2010). Modeling concrete strength
using genetic operation trees. 2010 International Conference on Machine Learning and
Cybernetics, 1572–1576. https://doi.org/10.1109/ICMLC.2010.5580800
Ziolkowski, P. (2023). Computational Complexity and Its Influence on Predictive

Capabilities of Machine Learning Models for Concrete Mix Design. Materials, 16(17),
Article 17. https://doi.org/10.3390/ma16175956

DAFTAR RIWAYAT HIDUP
1. Data Pribadi dan Keluarga

1 Nama Prof. Dr. Drs. Stefanus Santosa, M.Kom, IPM
2 Tempat dan Blora, 31 Juli 1958
Tanggal Lahir
3 Jenis Kelamin Laki-laki
4 Saudara 1. Prof. Dr. Ir. Dwi Andreas Santosa, M.S
Kandung 2. Dra. Kadarmaningsih Andrehasni Santosa
3. Dr. drh. Christin Marganingsih Santosa, MS
4. Ir. Adinugroho Kristiawan Santosa
5 Status Kawin
Pernikahan
6 Istri Dra. Agustina R Purwaningsih, M.Si
7 Anak kandung Monica Priella Stefanie Santosa, S.Pt., M.Si.,
M.Sc.
Yonathan Purbo Santosa, S.Kom, M.Sc
8 Menantu 1. Christian Nickel, LL.B
2. Wahyu Kusuma Wardani, S.Psi
6 Warga Negara Indonesia
7 Alamat Rumah/
Surat
8 Instansi / Politeknik Negeri Semarang
Perusahaan
9 Jabatan Staf Pengajar

Jabatan Fungs./ Guru Besar/ Pembina Utama Madya/ IVd

Pangkat/Gol
NIDN
Scopus ID 57204919342
https://www.scopus.com/authid/detail.uri?author
Id=57204919342
ORCID ID 0000-0002-4283-7621 Orcid ID
https://orcid.org/0000-0002-4283-7621
Web of Science DSJ-0438-2022
ResearcherID
Publons ID 3777114,
https://publons.com/researcher/5272948/stefanu
s-santosa/
Gscholar ID unkEsW8AAAAJ
https://scholar.google.co.id/citations?hl=en&use
r=unkEsW8AAAAJ
Sinta ID 6029463,
https://sinta.kemdikbud.go.id/authors?q=stefanu
s+santosa
Researchgate https://www.researchgate.net/profile/Stefanus-
Santosa-2
Garuda ID 3129283,
https://garuda.kemdikbud.go.id/author/view/312
9283?page=1
10 Alamat Kantor Jl. Prof.H.Soedarto,S.H Tembalang
Semarang-50275
11 Telepon Kantor +62 24 7473417, 7499585, 7499586
12 Mobile
13 Fax +62 24 7472396
14 E-mail stefanus.santosa@polines.ac.id
15 Pengalaman Dosen Polines 1984 sd sekarang (39 th 8 bln)
Kerja
16 Mata Kuliah 1. Ilmu Kekuatan Bahan (1984-2004)
yang Diampu 2. Mekanika Rekayasa (1984-2004)
3. Konstruksi Beton (1984-2004)
4. Gambar Teknik Sipil II (2010-sekarang)
5. Filsafat Ilmu (2004-2008)

6. Aplikasi Komputer (1994-sekarang)

7. Data Comm.& Computer Networks (2002-
2010)
8. Interactive Multimedia Design (2008-2013)
9. Interactive Multimedia Application (2009-
2013)
10. Research Methodology of Computer
Science (2008-2013)
11. Advanced Computer Networiks (2008-2013)
12. Software Engineering (2008-2020)
13. Data Structures (1994-2004)
14. Database System (1994-2004)
13. Machine Learning (2013- 2014)
14. Topik Khusus (2014-2019)
17 Bidang Minat/ Computational Modeling, Artificial Intelligence,
Keahlian Building Modeling, Deep Learning, Machine
Learning, Learning Technology, Digital Twin
2. Riwayat Pendidikan
Program S1 S2 S3
Nama PT Univ.Neg. Univ.Indonesia Univ.Neg
Yogyakarta Jakarta
Bidang Ilmu Pendidikan Ilmu Teknologi
Teknologi Komputer Pendidikan
Tahun Masuk 1979/1980 1989/1990 2003/2004
Tahun Lulus 1984 1994 2011
Judul Tugas Tugas Akhir Alat Bantu Sistem
Akhir/Skripsi/Tesis/ Pembelajaran Observasi Pendukung
Disertasi Praktik Mesin Struktur Belajar
Kayu di STM Secara Melalui
Pembangunan Berjenjang Media
Negeri terhadap Elektronik
Yogyakarta Program (eLearning
Sumber Support
Fortran untuk System)
Reverse Modus
Engineering. Adaptif,
Sinkron, dan
Asinkron
Berbasis

Teknologi
Web.
Nama Drs. Prof. Dr. Prof. Dr.
Pembimbing/ Abdurrohman Yohanes Conny R
Promotor Stefanus dan Semiawan
Dr. Ir. Eko K. dan Prof. Dr.
Budihardjo, Santosa
MSc. Murwani
3. Pengalaman Penelitian Terkait

No Tahun Judul Penelitian
Evolutionary Artificial Neural Networks Guna
1 2015
Pemodelan Desain Campuran Beton, (Ketua)
Model Prediksi Slump Beton dengan Artificial
2 2016 Neural Networks dan Optimasi Genetic
Algorithm, (Ketua)
2017 Analisa Kualitas Udara Ambien dengan
Parameter CO Akibat Pengaruh Dari Jumlah Lalu
3 Lintas dan Berbagai Kelandaian Jalan di
Semarang (Anggota)
2018 Rancang Bangun Alat Bantu Mal Uji Kuat Tarik

Baja Tulangan Beton Untuk Menunjang Kegiatan
4 Pembelajaran di Laboratorium Bahan Bangunan
(Anggota)
Ekstraksi Citra Kayu Menggunakan GLCM dan
Klasifikasi dengan SVM untuk Memudahkan
5 2018
Identifikasi Jenis Kayu Jati, Mahoni, Mindi, dan
Sengon (Ketua).
Peningkatan Akurasi Algoritma Neural Network
Melalui Minimasi Noise Menggunakan Bagging
6 2019
Untuk Pemodelan Prediksi Kuat Tekan Beton
Umur Muda (Ketua)
Model Pengambilan Keputusan
Penentuan Prioritas Perbaikan Gedung Dengan
7 2019
Metode Analytical Hierarchy Process (AHP)
(Ketua)
Penerapan Fuzzy C-Means pada Perhitungan
Threshold Segmentasi Citra Pengguna Building
8 2020
Information Modeling (BIM) Guna Penciptaan
Sarana BIM Adaptif (Ketua)
Desain Teknologi Pembelajaran dan Basisdata
9 2020
Perawatan Instalasi Listrik Guna Penyusunan

Common Data Environment- Building

Information Modeling (CDE-BIM) (Anggota)
Desain dan Evaluasi Media Pembelajaran
10 2021
Perawatan Plafon Berjamur (Ketua).
Visualisasi dan Uji Coba Metode Perawatan
11 2022 Lantai Keramik Guna Pembelajaran Virtual
(Anggota)
Model Komputasi Slump Beton Berbasis H2O
Deep Learning Framework dengan Anti Efek
12 2022
Noise dan Overfitting Guna Pembelajaran di
Laboratorium Virtual Pendidikan Vokasi, (Ketua).
Rancang-Bangun Mesin Uji Tekan Beton Virtual
Berbasis Multilayer Perceptron Guna
13 2022
Pengembangan Laboratorium Virtual Pendidikan
Vokasi, (Ketua)
4. Pengalaman Pengabdian Masyarakat

No. Tahun Judul Pengabdian Masyarakat
Pemberdayaan Perempuan Melalui Program
1 2016
Kewirausahaan di Kel Sumurboto, Semarang
Pemberdayaan Perempuan Melalui Program
2 2017 Kewirausahaan Kelurahan Pongangan,
Gunungpati Semarang
3 2018 Pendampingan Pembinaan Remaja Pondok
Pesantren Mahasiswa Ashohabat, Desa
Pedalangan Kecamatan Banyumanik Kota
Semarang
4 Kegiatan Pendampingan Petani Tambak Dalam

2019 Merehabilitasi Mangrove di Kelurahan
Mangunharjo, Tugu, Semarang
5 2020 Pendampingan Kualitas Produksi Paving Blok
pada UD DIPO, Jalan Durian Raya No: 55
Srondol, Banyumanik, Semarang
6 2021 Pendampingan TB Pribumi Jl Raya Sentul
Sukorejo, Kendal, Jawa Tengah Dalam Proses
Produksi Paving Block Sesuai dengan Standar
Nasional Indonesia
(SNI 03-0691-1996)
5. Publikasi Artikel pada Jurnal Ilmiah

Volume
No. Tahun Judul Artikel Ilmiah Nama Jurnal
/ Nomor
Text Mining untuk Jurnal Vol 12
Klasifikasi Pengaduan pada Teknologi No: 1,
Sistem Lapor Informasi April
1 2016
Menggunakan Metode C4.5 Cyberku - 2016
Berbasis Forward Selection, ISSN 1907-
Co-Author 3380
Pemodelan Desain Jurnal Vol 12
Campuran Beton dengan Teknologi No: 1,
Backpropagation Neural Informasi April
2 2016
Networks, 1st Author Cyberku - 2016
ISSN 1907-
3380
Model Prediksi Penyakit Pseudocode, Vol 3

2016 Ginjal Kronik ISSN: 2355- No: 2,
3
Menggunakan Radial Basis 5920 Septemb
Function, 1st Author er 2016
Analisis Keranjang Pasar Jurnal Vol 12
untuk Rekomendasi Produk Teknologi No: 2,
(Consumer Good) Informasi Oktober
4 2016
Menggunakan FP-Growth Cyberku - 2016
dengan Klasterisasi ISSN 1907-
Clarans, 1st Author 3380
Penerapan Learning Jurnal Vol 12

Technology System Teknologi No: 2,
Architecture (LTSA) pada Informasi Oktober
5 2016
Multimedia Pembelajaran Cyberku - 2016
Perakitan PC, 1st Author ISSN 1907-
3380
Model Prediksi Slump Wahana Vol 21

Beton dengan Artificial Teknik Sipil – No:2,
6 2016
Neural Networks- ISSN 0853- Desembe
Backpropagation, 1st Author 8727 r 2016
Optimasi Kemampuan Pseudocode, Volume
Segmentasi Otsu pada ISSN: 2355- 4 Nomor
2017 Identifikasi Plat Nomor 5920 1
7
Kendaraan Indonesia Februari
Menggunakan Metode 2017
Gaussian, Co-Author
2017 Model Klasterisasi Genre Jurnal Vol 13
8
Cerpen Kompas Teknologi No: 1,
Menggunakan K-Means, Informasi Januari

Co-Author Cyberku - 2017
ISSN 1907-
3380
Klasterisasi Genre Cerpen Jurnal Vol 13
Kompas Menggunakan Teknologi No: 2,
Agglomerative Hierarchical Informasi Juli 2017
9 2017
Clustering- Single Linkage, Cyberku -
Co-Author ISSN 1907-
3380
Model Prediksi Pola Jurnal Vol 13

Loyalitas Pelanggan Teknologi No: 2,
Telekomunikasi Informasi Juli 2017
10 2017 Menggunakan Naive Bayes Cyberku -
Dengan Optimasi Particle ISSN 1907-
Swarm Optimization, 1st 3380
Author
Evolutionary Artificial International Issue 7,
Neural Networks for Journal of Vol 5,
Concrete Mix Design Computer Septemb
11 2017
Modelling, 1st Author Application er 2017
(IJCA), ISSN:
2250-1797
Seleksi Arah Sudut Wahana Vol 23

Komputasi dan Fitur Teknik Sipil – No:2,
12 2018 GLCM pada Ekstraksi Citra ISSN 0853- Desembe
Kayu Jati, Mahoni, Mindi, 8727 r 2018
dan Sengon, 1st Author
Klasifikasi Pesan SMS Jurnal Vol 14
Menggunakan Algoritma Teknologi No: 1,
Naive Bayes dengan Informasi Januari
13 2018
Seleksi Fitur Genetic Cyberku - 2018
Algorithm, Co-Author ISSN 1907-
3380
Jurnal Vol 14
Desain Prototipe Alat Bantu Teknologi No: 2,
Klasterisasi Gaya Belajar Informasi Juli 2018
14 2018 dan Kecerdasan Majemuk Cyberku -
Berbasis JST Kohonen, 1st ISSN 1907-
Author 3380

International
Journal of
Wood Types Classiﬁcation Computer
Vol. 46,
using Back-Propagation Science 2019,
no. 2,
Neural Network based on ISSN
2019 pp149-
15 Genetic Algorithm with 1819656X, 155,
Gray Level Co-occurrence Scopus 27 May
Matrix for Features Indexed, 2019: 2019
Extraction, 1st Author Q2, SJR 0,32,
H 18
Wahana
Penentuan Prioritas Teknik Sipil –
Vol 24
Perbaikan Gedung ISSN 0853-
2019 No:2,
16 Menggunakan Metode AHP 8727 Desembe
dari Sudut Pandang Tenant, Proceeding r 2019
1st Author Seminar 2019
Jurnal
Prediksi Harga Kedelai
Teknologi
Lokal dan Kedelai Impor Vol 15
Dengan Metode Support Informasi No: 1,
17 2019
Vector Machine Berbasis Cyberku - Januari
Forward Selection, Co- ISSN 1907- 2019
Author 3380
Jurnal
Klasterisasi Kecerdasan Teknologi
Vol 15
Majemuk Siswa Berbasis Informasi
2019 No: 2,
18 Jaringan Syaraf Kohonen Cyberku - Januari
Guna Mendukung Adaptive ISSN 1907- 2019
Elearning, 1st Author 3380
Evaluation of Clean Water

Wahana Vol 25
Supply Systems of Darul
2020 Teknik Sipil – No:1,
19 Hikmah Mosque Politeknik
ISSN 0853- Juni
Negeri Semarang, 1st
8727 2020
Author
Pemodelan Prediksi Kuat Wahana Vol 25
2020 Tekan Beton Umur Muda Teknik Sipil – No:1,
20
Menggunakan H2O's Deep ISSN 0853- Juni
Learning, 1st Author 8727 2020
Concrete Mix Design (ICIST 17
21 2021 Modeling Based on Desember 2021/3/1
Variation of Hidden Layer 2019). Scopus

and Neuron of ANN for Indexed Jurnal

Virtual Learning IOP
Development, 1st Author Conference
Series:
Materials
Science and
Engineering -
1108 (2021)
012024
The 2nd
International
Conference on
Threshold determination for
Innovation in
BIM user image
2021 Science 2021/11/
22 segmentation using Fuzzy
Technology 30
C-Means for development
of adaptive BIM, 1st Author (ICIST 17
Desember
2020)
The 2nd
International
Conference on
The Design and Innovation in
2021 Manufacturing of Machine Science 2021/11/
23
Tapered Shaft Measuring Technology 30
Tool (ICIST 17
Desember
2020)
International
Seminar on
Application
for Technology
Indonesian Traditional
of Information
Shadow Puppet 18-19
24 2021 Classification using and Septemb
Convolutional Neural Communicatio er 2021
Network n
iSemantic2021
), Scopus
Indexed
Pengembangan Produk Bangun

2021 2021/10/
25 Olahan Buah Mangrove
Rekaprima 1
Jenis Api-Api (Avicennia
Spp) Di Kelompok Petani Vol.07/2/Okto

Mangrove Lestari ber/2021
Kelurahan Mangunharjo
Kecamatan Tugu,
Semarang
Visualisasi Dan Uji Coba
Metode Perawatan Lantai Jurnal Wahana Vol 28.1
26 2023
Keramik Guna Teknik Sipil (2023)
Pembelajaran Virtual
TEM
JOURNAL -
Technology,
Education,
Design and Evaluation of Management,
Virtual Compression Informatics, Vol 11
2023 Testing Machine Based on No 2
27 Scopus Q3,
Multilayer Perceptron for
Vocational-Education SJR 0.23
Virtual Laboratory (2022)
International
Journal on
Computational of concrete Informatics
Visualization, Vol 7 No
slump model based on H2O
Deep Learning framework 2, June
28 2023
and Bagging to reduce Scopus Q4, 2023
effects of noise and SJR 0.19
overfitting (2022)
6. Peran dalam Seminar Ilmiah

Waktu dan
No Nama Pertemuan Peran
Tempat
Sains dan Teknologi Ramah Reviewer 15
1 Lingkungan untuk Masa Depan 2 Oktober
(SENS-2) 2016
Sains dan Teknologi Ramah Reviewer 19-20
2 Lingkungan untuk Masa Depan 3 Agustus
(SENS-3) 2017
International Seminar on Application Reviewer 21-22
3 for Technology of Information and September
Communication (iSemantic) 2019 2019
The 1st International Conference on Presenter 17
Innovation in Science Technology Desember
(ICIST 2019): “Concrete Mix Design 2019
4 Modelling Based on Variation of
Hidden Layer and Neuron of ANN for
Virtual Learning Development”
The 2nd International Conference on Presenter 17
Innovation in Science Technology Desember
(ICIST 2020): “Threshold 2020
6
determination for BIM user image
segmentation using Fuzzy C-Means for
development of adaptive BIM”
2022 2nd International Conference on TPC- .
Electronic and Electrical Engineering Reviewer November
9
and Intelligent System (ICE3IS) 4th–5th
2022
2022 3rd International Conference on TPC- 20-21 Juli
Information Technology, Advanced Reviewer 2022
10
Mechanical and Electrical Engineering
(ICITAMEE)
3rd International Conference on TPC- 14-16
11 Innovation in Science Technology Reviewer Desember
(ICIST 2022): 2022

7. Peran yang pernah disandang sebagai Pengelola Jurnal

No Nama Jurnal Penerbit Peran
1. Jurnal Teknis (Teknologi dan Politeknik Pemimpin
Bisnis), ISSN 1907-4379 Negeri Redaksi
Semarang
2. Jurnal WAHANA Teknik Sipil, Politeknik Pemimpin
pISSN 0853-8727, eISSN: Negeri Redaksi,
2527-4333, Terindex Sinta Semarang
3. Jurnal Bangun Rekaprima, E- Politeknik Pengurus
ISSN 2541-3899 | P-ISSN Negeri
2443-2709, Terindex Sinta Semarang
4. Jurnal Pseudocode - pISSN: Universitas Mitra
2355-5920, eISSN 2655-1845, Bengkulu Bestari
Terindex Sinta
5. Jurnal Teknologi Informasi Dian Pemimpin
Cyberku pISSN 1907-3380, Nuswantoro Redaksi,
eISSN 2747-2183 University
6. Journal of Computing Theories Dian Section
and Applications (JCTA) – Nuswantoro Editor
ISSN 3024-9104 University
8. Peran sebagai Reviewer Jurnal

No Nama Jurnal Penerbit Keterangan
1. Jurnal Teknis (Teknologi Politeknik Negeri
dan Bisnis), ISSN 1907- Semarang
4379. Terindex Sinta
2. Jurnal WAHANA Teknik Politeknik Negeri
Sipil, Semarang
pISSN 0853-8727, eISSN:
2527-4333. Terindex Sinta
3. Jurnal Bangun Rekaprima, Politeknik Negeri
E-ISSN 2541-3899 | P- Semarang
ISSN 2443-2709, Terindex
Sinta
4. Jurnal Pseudocode - Universitas
pISSN: 2355-5920, eISSN Bengkulu
2655-1845, Terindex Sinta
5. Jurnal Teknologi Informasi Dian Nuswantoro
Cyberku pISSN 1907- University
3380, eISSN 2747-2183
6. Journal of Computing Dian Nuswantoro
Theories and Applications University
(JCTA) – ISSN 3024-9104
7. International Journal on Politeknik Negeri
Informatics Visualization Padang
[JOIV, Scopus Indexed

SJR 0.19]
8. Journal of Engineering and Institut Teknologi
Technological Sciences Bandung
[JETS, Scopus Indexed
SJR- 0.25, IF-3.36]
9. Journal of Educational SAGE Pub-USA
Computing Research-
[JOECR, Scopus Indexed
SJR-1.28, IF- 3.36, Q1]
10. Journal of Engineering Taylor's
Science and Technology University
[JESTEC, Scopus Indexed
SJR-0.24]
9. Perolehan HKI dalam 5 Tahun Terakhir

Judul/Tema HKI Tahun Jenis Nomor
No
P/ID
Hak Cipta:
Desain Model Ujian Menkumham,
Adaptif Berbasis Reg:
Komputer Guna 000197153,
1 2020 000197153
Pembelajaran Virtual https://pdki-
Materi Jaringan indonesia.dgip
Komputer, Founder .go.id/index.p
hp/
Hak Cipta:
Desain Model
Menkumham,
Pembelajaran Virtual
Reg:
Terapan Sistem
000197152,
2 Pengambilan 2020 000197152
https://pdki-
Keputusan Prioritas
indonesia.dgip
Perbaikan Gedung
.go.id/index.p
Mall, Founder
hp/
Adaptive eLearning-
Karya Ilmiah
Electronic Learning 2007- http://elear
3 tidak ningsuppor
Support System 2022
dipatenkan t.org/
(eLSS)
10. Penghargaan dalam 10 Tahun Terakhir

Institusi
No Jenis Penghargaan Pemberi Tahun
Penghargaan
Presiden 2014
Satyalancana Karya Satya 20
1 Republik
Tahun
Indonesia
Semarang, Desember 2023
(Prof. Dr. Drs. Stefanus Santosa, M.Kom, IPM)

NIP. 195807311987031002

NARASI VIDEOTRON
Stefanus Santosa adalah anak pertama dari pasangan suami istri Bapak
Soetopo, dan Ibu Saripah. Dilahirkan pada tanggal 31 Juli 1958 di desa Kunden,
Jl. Darmorini (sekarang Jl. Dr. Sutomo) no: 7, yang merupakan rumah kontrakan
di sebuah kota kecil Blora yang terkenal dengan hutan jatinya. Minat dan
jiwanya sebagai pendidik terinspirasi oleh kedua orang tua tercintanya yang
keduanya adalah Kepala Sekolah Dasar.
Masa kecil dijalaninya bersama adiknya Dwi Andreas Santosa yang lahir 4 th
kemudian. Hidup dan bermain sebagaimana layaknya anak kecil jaman dulu
yang penuh keceriaan, keingintahuan, kenakalan, yang terkadang membuat
kedua orang tuanya pusing. Saat berumur 5 th, yaitu th 1963, mulai masuk taman
kanak- kanak TK Masehi Blora yang memberikan pengalaman sosialisasi di
lingkungan baru. Setelah mengikuti TK Kecil dan TK Besar akhirnya Stefanus
harus masuk di pendidikan formal di SD Masehi Blora pada th 1965. Masa itu
adalah masa yang mencekam karena terjadi pemberontakan PKI. Blora
merupakan salah satu basis pemberontak. Tetangga banyak yang tiba- tiba
menghilang dan tidak pernah kembali. Pasukan KKO (istilah saat itu) dan tentara
lainnya setiap hari berjaga demi keamanan hingga pertengahan th 1966 saat
mulai masuk di kelas 2 SD. Saat itu sekolah masuk siang sehingga Stefanus
terkadang harus berjalan kaki ke sekolah bila tidak dijemput. Dengan setia para
tentara ini mendampingi dan mengawasi hingga sampai ke sekolah. Berbeda
etnis dengan banyak siswa yang lain merupakan pengalaman positif tersendiri
baginya. Pada kurun waktu ini adik berikutnya K Andrehasni Santosa lahir pada
tahun 1967, dan Christin M Santosa lahir 1970. Ini semakin menyemarakkan
suasana keluarga. Membantu bapak ibu dalam mengasuh, menggendong,
menyuapi, dan bermain bersama adik- adik yang masih kecil merupakan
pengalaman indah yang tak terlupakan. Di akhir Desember 1975 adik yang
paling bungsu, Adi Nugroho Kristiawan Santosa, lahir melengkapi kebahagiaan
keluarga ini.
Bulan Desember 1970 Stefanus memperoleh Ijasah SD setelah dinyatakan

lulus dalam Ujian Nasional SD, dengan Nilai 10 di setiap Mata Ujian. Hal ini
memudahkannya masuk ke sekolah favorit saat itu, yaitu di SMP Kristen Blora
yang terletak di Jl. Dr. Sutomo 44D. Lokasi sekolah ini hanya berbatas pagar
dengan rumah tinggal barunya yang terletak di Jl. Dr. Sutomo 44E. Kedekatan
lokasi rumah dengan sekolah memiliki pengaruh tersendiri dalam kesungguhan
belajar, berteman, berkelompok, membuat grup belajar, dsb. Semangat belajar
telah mengantarnya menjadi Pelajar Teladan I SMP Kristen dan Pelajar Teladan
I se- Kabupaten Blora sehingga mengantarnya sebagai perwakilan dari
Kabupaten Blora untuk lomba prestasi pelajar se-Jawa Tengah di Semarang.
Bulan Desember Tahun 1973 dia dinyatakan lulus dari SMP Kristen dengan
memperoleh Piagam Pelajar Terbaik.
Prestasi tersebut mendorong bapak ibunya untuk menyekolahkannya ke STM
Pembangunan Semarang yang menjadi favorit banyak pelajar. Dengan dihantar
orang tuanya, Stefanus mengikuti tes ujian masuk STMP yang diselenggarakan
di GOR Simpang Lima, yang pada tahun 1973 masih berdiri (sekarang menjadi
Hotel dan Mall Citraland), dan diterima di Jurusan Bangunan Gedung sebagai
angkatan ketiga. Tahun 1974 pendidikan di STM Pembangunan Semarang
(sekarang STM Negeri 7 Semarang), dengan program 4 th, mulai dijalani dengan
disiplin sesuai budaya belajar di sana. Fasilitas laboratorium dan bengkel di sana
sangat lengkap untuk membekali siswa agar memperoleh keterampilan sesuai
harapan industri. Predikat sebagai Pelajar Berprestasi II di Jurusan Bangunan
Gedung dicapainya saat lulus pada bulan Desember th 1977.
Setelah lulus dia kemudian bekerja di Jakarta dalam bidang konstruksi, baik
sebagai drafter maupun pelaksana. Keinginannya untuk melanjutkan studi via
ujian masuk SKALU (Sekretariat Kerja Sama Antar Lima Universitas) di lima
perguruan tinggi favorit saat itu, terhambat karena adanya persyaratan
pengalaman kerja minimal 2 th. Akhirnya bersama teman- temannya lulusan
SMA Negeri Blora, mengikuti ujian masuk penerimaan mahasiswa tahun 1979
di FPTK IKIP Negeri Yogyakarta (sekarang Fakultas Teknik Universitas Negeri
Yogyakarta). Untuk melihat pengumuman penerimaan, bersama dua temannya
dari Blora, dia berangkat berjalan kaki, dan terkadang numpang truk ke
Semarang, hingga ke Yogyakarta; membawa gitar pinjaman sambil ngamen.
Berkat Tuhan, ternyata diterima dan memperoleh Ikatan Dinas di FPTK program
studi Pendidikan Teknik Konstruksi Bangunan. Untuk merayakan keberhasilan
ini, perjalanan ngamennya berlanjut ke Purworejo, Cilacap, Bandung,
Semarang, dan kembali ke Blora.
Perkuliahan di FPTK dimulai pada pertengahan th 1979. FPTK di Yogyakarta
dan Padang merupakan program pengembangan pendidikan vokasi baru yang
sejenis dengan STM Pembangunan dan Politeknik di Indonesia. Program
pendidikan ini membekali peserta didik dengan keterampilan yang lebih
dibandingkan program pendidikan jalur akademis.
Saat menjalani kuliah di FPTK inilah pengembangan pribadi, aktualisasi diri,
kebebasan berekspresi, dan tantangan- tantangan baru mempengaruhi
perkembangan pribadinya. Di sela-sela kegiatan kuliah maupun tidak, Stefanus
aktif mengikuti Grup Paduan Suara Institut, Vokal Grup Jurusan, Grup Band
Fakultas, dan DEIP’S Band Institut. Grup- grup ini menjadi ajang yang rutin
menghibur masyarakat di acara- acara kampus, ajang Festival Seni, Lomba Seni,
acara perpisahan di Kuliah Kerja Nyata, maupun tampil di TVRI Yogyakarta
(saat itu baru ada 2 stasiun TV).
Keasyikan dalam aktivitas tersebut mendorong aktivis- aktivis seni dari
berbagai fakultas ini membentuk grup yang dinamai ‘Amoezant’ kependekan
dari ‘Anak Moeda Zantay’ dan Stefanus dipilih sebagai ketuanya. Nama ini di
kemudian hari dikritik oleh PR III waktu itu, karena unsur kata ‘Zantay’.
Amoezant menggunakan rumah yang dikontrak bersama dua temannya sebagai
markas tempat kumpul- kumpul, latihan, diskusi, dan terkadang mengerjakan
tugas kuliah. Karena rumah kost ini hanya berseberangan jalan dengan kampus
FPTK, maka selalu ramai dan menjadi tempat mangkal teman- temannya dari
pagi hingga malam, sehingga dia sering bolos kuliah. Selain digunakan sebagai
markas Amoezant, rumah kost ini juga sering menjadi tempat persekutuan Bible
Study mahasiswa Kristiani yang kost di Karangmalang dan Kuningan (Grup
KarmalKun). Dia pernah dipilih menjadi ketua persekutuan juga.
Namun sesantai dan seheboh apa pun aktivitasnya, Stefanus tidak lupa akan
kewajiban utamanya, yakni harus berhasil menyelesaikan kuliah. Seluruh tugas
perkuliahan termasuk tugas akhir diselesaikannya dengan lancar di akhir tahun
1983.
Kelegaan telah menyelesaikan kuliah dan memperoleh gelar Sarjana
mendorongnya untuk melamar Agustina Rudati Purwaningsih, B.Sc. putri cantik
asal Gunung Kidul yang saat itu sudah bekerja di Badan Tenaga Atom Nasional
(BATAN) di Yogyakarta. Pernikahan berlangsung pada tanggal 12 Nopember
1983 di Wonosari. Kebahagiaan dan keceriaan keluarga baru ini ternyata harus
dinikmati secara LDR (hubungan jarak jauh), karena Agustina melanjutkan
kuliah kesarjanaannya di Fisipol UGM sambil bekerja di BATAN, dan Stefanus
diterima menjadi dosen Politeknik sehingga harus mengikuti training di
Polytechnic Education Development Centre (PEDC) Bandung.
Selesai training, Stefanus ditugasi mengajar di Politeknik Negeri Semarang
(sebelumnya Politeknik Undip) hingga sekarang. Di tempat kerjanya yang baru
sempat pula meraih prestasi sebagai Dosen Teladan I tingkat Jurusan, dan Dosen
Teladan II tingkat Politeknik Negeri Semarang. Talentanya di bidang seni
diabdikannya sebagai pelatih kolintang ibu- ibu Dharma Wanita, Paduan Suara
Mahasiswa, dan ikut Band Mahasiswa yang selalu tampil di acara- acara Wisuda
Politenik Negeri Semarang (Polines) maupun di Pentas Seni antar-Fakultas di
Universitas Diponegoro. Di bulan April tahun 1985 Tuhan menganugerahi putri
pertama yang mungil dan cantik, Monica Priella Stefanie Santosa, yang
menemani ibunya di Yogyakarta.
Sekitar tahun 1987 Polines memperoleh peralatan berupa desktop computer
yang merupakan barang yang menarik dan sangat aneh saat itu. Karena Stefanus
ditugasi sebagai kepala Lab Komputer, maka studi lanjutnya mengambil S2 Ilmu
Komputer di Universitas Indonesia pada tahun 1989/ 1990. Ini merupakan
tantangan amat sangat berat karena berbeda bidang ilmu dengan S1-nya. Di
tengah- tengah masa studi ini, di akhir tahun 1992 anak keduanya, Yonathan
Purbo Santosa, lahir menambah keceriaan dan suasana baru. Lengkap sudah
kebahagiaannya dengan anugerah anak laki- laki dan perempuan.
Kelulusannya dari Fasilkom Universitas Indonesia pada tahun 1994
memberinya kesempatan untuk mengajar di beberapa universitas dan sekolah
tinggi komputer di Semarang dan Jakarta, diantaranya di pascasarjana Teknik
Informatika Universitas Dian Nuswantoro, Universitas STIKUBANK,
Universitas AKI, Universitas Persada Indonesia YAI, dan Universitas
Krisnadwipayana. Hobi menulis dilanjutkannya dengan membuat karya ilmiah
dan melakukan penelitian tentang aplikasi komputer untuk berbagai pemodelan
proses, metode, alat, dan mesin virtual untuk industri maupun pembelajaran.
Selain itu juga menjadi nara sumber tentang elearning dalam seminar/ pelatihan
di beberapa sekolah, perguruan tinggi, dan balai pengembangan multimedia.
Berkat keberhasilan studi di Fasilkom UI dia kembangkan mata kuliah baru,
Aplikasi Komputer untuk Teknik Sipil yang saat itu merupakan starting point
pengembangan model- model analisis struktur bangunan berbasis komputer
maupun model- model berbasis Artificial Intelligence.
Disela- sela pekerjaan mengajarnya, aktif juga sebagai organ Pengawas di
Yayasan Sosial SION Salatiga yang peduli saat gempa di Yogyakarta dengan
membangun beberapa rumah sederhana, membantu korban Merapi, gempa di
Mentawai, dan bantuan- bantuan jangka panjang untuk pemberdayaan
masyarakat miskin dengan pendekatan karitatif dan transformatif di bidang
peternakan, pertanian, kesehatan, pendidikan, perumahan, prasarana lingkungan,
panti asuhan, dan pemberdayaan perempuan. Selain itu juga sejak lama aktif
sebagai Majelis Gereja Kristen Jawa Tengah Utara (GKJTU) baik sebagai
pengurus, anggota, maupun ketua di tingkat Jemaat, dan anggota di Klasis,
maupun Sinode.
Pada th 2003/ 2004 Stefanus memperoleh beasiswa untuk melanjutkan studi
S3 di Universitas Negeri Jakarta program studi Teknologi Pendidikan dengan
fokus penelitian disertasi tentang Teknologi Pembelajaran dan Pemodelan
Berbasis Komputer. Salah satu hasilnya berupa web eLearning Support System,
http://elearningsupport.org/ (yang dibuat pada tahun 2007, dengan 758 anggota

yang terdiri dari 9 dosen, 27 pengamat, 435 mahasiswa, dan 287 alumni) guna
menunjang pembelajaran mandiri online di pascasarjana Teknik Informatika
Udinus dan mereka yang menginginkan belajar secara mandiri.
Ketertarikannya pada pemodelan berbasis komputer akhirnya mengerucut ke
research interest-nya di bidang ilmu Komputasi Teknologi Pembelajaran
Pemodelan Bangunan yang bersifat interdisiplin, yang melibatkan Ilmu
Komputer, Teknologi Pembelajaran, dan Teknik Sipil yang saling beririsan.
Bidang kajian ini mengembangkan model, metode, alat, dan mesin untuk
pembelajaran maupun untuk dunia industri AEC (Architecture, Engineering, and
Construction) berbasis Artificial Intelligence, khususnya Machine Learning dan
Deep Learning. Pengetahuan yang dimiliki sering dibagikan lewat tulisan di
Jurnal dan Prosiding, atau saat diundang sebagai nara sumber di berbagai
perguruan tinggi maupun non-perguruan tinggi tentang Artificial Intelligence,
eLearning, Personal Web-Based eLearning, Teknik Penulisan Ilmiah,
Metodologi Penelitian, Computerized Building Maintenance Management
Information System, yang diselenggarakan oleh Polines, STAIN Kudus, Univ
Dian Nuswantoro, Univ PGRI, Poltekes, Univ. Pancasila Tegal, perwakilan
guru- guru SMU kota Semarang, guru- guru SMUN III Semarang, para Kepala
SMU kota Semarang, Pusat Teknologi Informasi dan Komunikasi Pendidikan
(Pustekkom) Semarang, dan lembaga-lembaga lainnya.
Selain itu dia juga aktif sebagai anggota Senat Polines sampai dengan tahun
2023, dan reviewer di conference nasional maupun tingkat internasional seperti
SENS, Semantic, Sentrikom, iSemantic, ICE3IS, ICIST, ICITAMEE. Perannya
sebagai reviewer di jurnal nasional maupun tingkat internasional diantaranya
adalah di jurnal TEKNIS, jurnal WAHANA Teknik Sipil, Jurnal Teknologi
Informasi Cyberku, Jurnal Bangun Rekaprima, Jurnal Pseudocode, JOECR,
JESTEC, JETS, JCTA, JOIV, dll., Selain itu juga sebagai pendiri Jurnal TEKNIS
(jurnal pertama di Polines) dan Jurnal WAHANA Teknik Sipil bersama pak
Royswan (alm.), pengelola Jurnal Teknologi Informasi Cyberku, dan Journal of
Computing Theories and Applications (JCTA) Udinus.
Jenjang karir fungsionalnya di Polines merangkak dari Asisten Ahli Madya,
Asisten Ahli, Lektor Muda, Lektor Madya, Lektor, Lektor Kepala Madya, Lektor
Kepala, dan terakhir Guru Besar (01 Juni 2023) dengan Pangkat/ Gol/ Ruang
terakhir adalah Pembina Utama Madya/IVd (01 Oktober 2023). Jenjang karir
jabatan fungsionalnya sempat berhenti saat mencapai Lektor Kepala di tahun
2001. Namun Tuhan menganugerahkan berkah yang luar biasa, yakni dua anak
menantu, Wahyu Kusuma Wardani untuk anak laki- lakinya, Yonathan, yang
menikah tahun 2021; dan Christian Nickel untuk anak perempuannya, Monica,
yang menikah tahun 2022.
Impian Stefanus untuk meraih Guru Besar pada awalnya tidak muncul sama
sekali karena Peraturan- peraturan terkait jabatan fungsional Guru Besar tidak
berpihak ke Perguruan Tinggi Vokasi, dan Peraturan Penilaian Angka Kredit
(PAK) tentang bidang penugasan Profesor tidak memungkinkannya untuk
mengusulkan jabatan Guru Besar. Namun demikian kegiatan penelitian dan
sharing keilmuan tetap dilakukannya. Tulisan ilmiahnya banyak dimuat di
berbagai jurnal ilmiah baik nasional/ internasional bereputasi. Research
interestnya adalah Machine Learning, Data Mining, Image Processing, Learning
Technology, Building Intelligent Modeling. Hingga saat ini jumlah seluruh
artikel terbit sebanyak 134 artikel. Bila diperhitungkan sejak menjabat Lektor
Kepala, terdapat 105 artikel terbit di jurnal nasional, internasional, maupun buku
teks.
Kesempatan muncul setelah PO-PAK 2019 mengatur tentang bidang
penugasan yang bersifat interrelasi dari berbagai bidang keilmuan dan mulai
diterapkan di Polines. Didorong oleh Tim PAK Polines, awal tahun 2022
Stefanus mengajukan usulan Guru Besarnya, namun oleh Tim PAK Pusat
diharuskan melakukan revisi usulan. Akhirnya setelah mengabdi sebagai PNS/
ASN selama 39 th lebih, revisi usulan diterima dengan nilai kumulatif = 903,50.
Tuhan menganugerahkan jabatan fungsional Guru Besar kepadanya melalui
Menteri Pendidikan, Kebudayaan, Riset, dan Teknologi Republik Indonesia, dan
dikukuhkan hari ini oleh Bapak Direktur Politeknik Negeri Semarang
didampingi Bapak Ketua Senat di hadapan Bapak, Ibu, Saudara, dan Teman-
teman sekalian. Puji Tuhan.
Pada kesempatan yang istimewa ini ucapan terimakasih tak terhingga
disampaikan kepada Direktur Politeknik Negeri Semarang, Prof. Dr. Totok
Prasetyo, B.Eng (Hons), M.T, IPU, ASEAN.Eng, ACPE dengan segenap
jajarannya dari pusat hingga Jurusan dan Program Studi, Ketua Senat, Bapak
Saniman Widodo, S.E., M.M dan para anggota Senat Politeknik Negeri
Semarang, Tim PAK, Bapak, Ibu, Sejawat Dosen dan Tendik yang telah
mendukung dan membantu tercapainya jabatan Guru Besar ini. Tuhan
memberkati kebaikan dan ketulusan hati Bapak, Ibu, dan Teman- teman semua.
Amin.


Model Digital Twin Peralatan Laboratorium Industri Dan Pembelajaran Teknik Sipil

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Model Digital Twin Peralatan Laboratorium Industri Dan Pembelajaran Teknik Sipil

Diunggah oleh

Hak Cipta:

Format Tersedia

Artificial Intelligence untuk Pengembangan

Pidato pada Pengukuhan Guru Besar 1

Selamat Pagi, Salam Damai Sejahtera bagi kita semua.

Artificial Intelligence untuk Pengembangan

Pidato pada Pengukuhan Guru Besar 3

Selama beberapa tahun terakhir, AI generasi

Penggunaan teknologi tersebut secara

Pidato pada Pengukuhan Guru Besar 4

Dalam industri Architecture, Engineering, and Construction (AEC)

Bidang ilmu penulis

Pengembangan model- model

perilaku dan neurofisiologis serta pemodelan komputasi berperan penting dalam

Produksi beton diawali dengan

Pengembangan Peralatan Lab Virtual untuk Industri dan Pembelajaran

Pidato pada Pengukuhan Guru Besar 7

Metode penelitian dan

Model Digital Twin-Mesin Uji Tekan Beton Virtual (MUTBV)

Pidato pada Pengukuhan Guru Besar 8

Uji Deep Neural Network Uji Deep Neural Network

Hasil pengujian pertama menunjukkan jumlah hidden layer terbaik adalah

Pidato pada Pengukuhan Guru Besar 9

Grafik RMSE proses Training dan Validasi 2HL60N

Grafik RMSE proses Training dan Validasi 2HL60N (k9-b2)

Grafik RMSE proses Training dan Validasi 2HL100N

Pidato pada Pengukuhan Guru Besar 10

Setelah proses ini dilakukan, maka

Nilai kuat tekan yang diprediksi oleh

Dari gambar tersebut garis

Pidato pada Pengukuhan Guru Besar 11

Kesalahan Prediksi MLP

MLP Model Strength MLP Model Error

Grafik dengan area hitam pada gambar di atas menunjukkan penyimpangan/

Uji Komparasi Prototipe MUTBV vs MUTBK

Pidato pada Pengukuhan Guru Besar 12

Desain campuran beton yang

Uji coba penggunaan MUTBV

Pidato pada Pengukuhan Guru Besar 13

Pengujian evaluasi Prototipe MUTBV dilakukan 30 kali dengan

Gambar 8. Grafik Hasil Uji Komparasi MUTBK vs. Prototipe MUTBV

Pidato pada Pengukuhan Guru Besar 14

Terkait transformasi industri ke era Konstruksi 4.0 perlu dikembangkan

Hadirin yang Saya Hormati,

Pidato pada Pengukuhan Guru Besar 15

Terimakasih juga untuk teman-teman alumni STM Pembangunan Semarang,

Pidato pada Pengukuhan Guru Besar 17

Diederich, J. (2021). The Psychology of Artificial Superintelligence (Vol. 42). Springer

Estriegana, R., Medina-Merodio, J.-A., & Barchino, R. (2019). Student acceptance of

Famdale, C. H., & Widyadana, I. G. A. (2023). Aplikasi Dan Tantangan Pengembangan

Hüsken, G., & Brouwers, H. J. H. (2012). On the early-age behavior of zero-slump

Lagaros, N. D. (2022). NiAkorstDi.ﬁLcagiaarolsI1 nantdeVlalgieglies nPlecveris(2A,*

Pidato pada Pengukuhan Guru Besar 19

Construction and Building Materials, 65, 450–469.

Moutassem, F., & Chidiac, S. E. (2016). Assessment of concrete compressive strength

Mulyana, E. (2022). Peluang dan Tantangan Penyelenggaraan Jasa Konstruksi. Jurnal

Pueyo, S. (2018). Growth, degrowth, and the challenge of artificial superintelligence.

Pidato pada Pengukuhan Guru Besar 20

Rexy. (2023, July 14). 7 Tantangan Industri Konstruksi dan Infrastruktur.

Shafieyzadeh, M. (2013). Prediction of Compressive Strength of Concretes Containing

Tangchirapat, W., Rattanashotinunt, C., Buranasing, R., & Jaturapitakkul, C. (2013).

Pidato pada Pengukuhan Guru Besar 21

Ziolkowski, P. (2023). Computational Complexity and Its Influence on Predictive

Pidato pada Pengukuhan Guru Besar 22

DAFTAR RIWAYAT HIDUP