OPTIMASI PRADESAIN DIMENSI GELAGAR JEMBATAN KOMPOSIT BAJA-BETON DENGAN MENGGUNAKAN PEMODELAN ANN (ARTIFICIAL NEURAL NETWORK)

RULLY ANGRAENI SAFITRI, Akhmad Aminullah, S.T., M.T., Ph.D

2015 | Tesis | S2 Teknik Sipil

Mengingat pentingnya jembatan sebagai salah satu sarana infrastruktur yang menunjang sistem transportasi, maka jembatan harus memenuhi persyaratan keamanan, kenyamanan, estetika, keawetan, kemudahan pengerjaan, dan ekonomis. Untuk memenuhi persyaratan tersebut sampai saat ini metode perancangan yang digunakan untuk menghitung nilai optimum dari dimensi gelagar jembatan cukup panjang dan lama. Oleh karena itu perlu adanya pengembangan suatu metode yang dapat membantu proses perhitungan optimasi dimensi sebuah gelagar jembatan dengan harapan agar waktu dan tenaga yang diperlukan lebih efektif dan efisien. Pada tesis ini menggunakan metode Artificial Neural Network (ANN) untuk dapat membantu proses mempercepat penentuan dimensi sebuah jembatan pada tahap pradesain dengan penampang yang tipikal sehingga waktu dan tenaga yang diperlukan lebih efektif dan efisien. Perancangan jembatan komposit pelat girder berdasarkan RSNI T-02-2005 dan RSNI T-03-2005. Proses perancangan dengan cara mengoptimasi dimensi pelat girder dengan variasi parameter dimensi atau sebagai data input pada ANN berupa bentang jembatan (10, 15, 20, 25, 30 m), kuat tekan beton (15, 20, 25, 30 MPa), dan tegangan leleh baja (410, 290, 250, 210 MPa) yang sebelumnya melalalui proses analisis menggunakan persamaan numeris secara teoritis untuk mendapatkan momen kapasitas, lendutan, tegangan beton, tegangan baja atas dan baja bawah, serta rasio Mu terhadap Mn. Data hasil tersebut adalah sebagai data target atau output yang digunakan pada ANN. Dari simulasi ANN memperoleh enam persamaan empiris antaralain berupa persamaan empiris untuk momen kapasitas, lendutan, tegangan beton, tegangan baja atas dan baja bawah, serta rasio Mu terhadap Mn. Dari hasil perhitungan mendapatkan hasil yang aman baik secara teoritis maupun dari hasil persamaan empiris. Oleh karena itu, persamaan empiris ANN dapat digunakan untuk pradesain jembatan komposit pelat girder.

Considering the importance of bridges as one of the infrastructures which support transportation system, bridges must meet safety, comfort, aesthetic, durability, ease of construction, and economic conditions. To meet those conditions, to this day the designing method used to calculate optimum values of girder dimensions of bridges is quite long and takes a long time. Therefore, a method should be developed to help the calculation of optimization of girder dimensions of bridges so that the time and manpower required are more effective and efficient. This thesis used Artificial Neural Network (ANN) method to help accelerate determination of the dimension of a bridge at predesign level with typical cross-section so that the time and manpower required are more effective and efficient. The designing of girder plate composite bridge was based on RSNI T-02-2005 and RSNI T-03-2005. The design process as by optimizing girder plate dimension with variations of dimension parameter or as input data in ANN which were span of bridge (10, 15, 20, 25, 30 m), compressive strength of concrete (15, 20, 25, 30 MPa), and yield stress of steel (410, 290, 250, 210 MPa) which had been analyzed by numerical equation theoretically to get capacity moment, deflection, stress of concrete, tension of upper steel and lower steel, and Mu to Mn ratio. The result data was target or output data used on ANN. ANN simulation produced six empirical equations, including empirical equation for capacity moment, deflection, stress of concrete, tension of upper steel and lower steel, and Mu to Mn ratio. Theoretically safe calculation and empirical equation results were obtained. Therefore, the ANN empirical equation produced can be used for predesigns of girder plate composite bridges.

Kata Kunci : Jembatan komposit, Pelat girder, Artificial Neural Network, Composite Bridge, Plate Girder, Artificial Neural Network