OPTIMASI DIMENSI PROFIL BATANG BANGUNAN ATAS TIPE WARREN TERTUTUP DENGAN METODE ARTIFICIAL NEURAL NETWORK
FADHILA FIRDAUSA, Akhmad Aminullah, S.T., M.T., Ph.D.; Dr. -Ing. Ir. Andreas Triwiyono
2015 | Tesis | S2 Teknik SipilOptimasi dimensi perlu dilakukan untuk mengoptimasi dimensi profil yang paling optimum berdasarkan variasi bentang jembatan, tinggi jembatan, dan kelas jalan tanpa mengabaikan peraturan yang berlaku. Jembatan tipe warren merupakan tipe jembatan dengan bentuk segitiga sama kaki atau segitiga sama sisi tanpa menggunakan elemen vertikal ditengah segitiga (Pedoman Pemeriksaan Jembatan Rangka Baja, Bina Marga). Artificial Neural Network merupakan sebuah pemodelan matematis yang dapat membentuk suatu persamaan pendekatan terhadap suatu proses dari hasil kumpulan input dan output. Pada penelitian ini persamaan dibentuk dari kumpulan input berupa bentang jembatan, tinggi jembatan, dan kelas jalan. Mutu baja dan jenis profil yang digunakan yaitu ketersediaan jenis profil yang ada di Bina Marga. Bentang jembatan divariasikan dari 40 meter hingga 60 meter dengan range variasi antar bentang 5 meter. Tinggi jembatan yang divariasikan dimulai dari ketinggian 6 meter hingga 7 meter dengan range variasi tinggi 0,1 meter. Kelas jalan yang divariasikan yaitu kelas jalan A dan B. Pemodelan pada SAP 2000 hanya dilakukan terhadap 12 model. Hasil dari gaya ������¢���¯���¿���½���¯���¿���½ gaya batang dianalisis terhadap kemampuan profil terhadap tahanan gaya tarik, tahanan gaya tekan serta penurunan tegangan akibat fatik. Analisis tahanan gaya tarik dan tekan mengacu pada RSNI T-03-2005 dan analisis penurunan fatik mengacu pada AASHTO 2012. Setelah mendapatkan dimensi yang aman dari gaya tarik, gaya tekan, dan penurunanan tegangan terhadap fatik maka didapatkan berat truss. Berat truss yang telah optimum selanjutnya digunakan sebagai output dari training Artificial Neural Network. Hasil output berat dari ANN selanjutnya dikonversikan kedalam ukuran dimensi profil. Dari hasil dimensi profil tersebut, dihitung ulang kedalam SAP 2000 kembali. Hasil penelitian menunjukkan bahwa Artificial Neural Network mampu menganalisis berat optimum truss dengan eror output terhadap input yang dimasukkan sebesar 3,3 % dan hasil ukuran dimensi yang didapat dari ANN dinyatakan aman setelah dihitung ulang menggunakan SAP 2000.
Optimization dimension is needed to optimize the section steel based on bridge lenght variation, height, road classification, and also steel section type. Warren type bridge is a bridge with isosele triangle or equilateral triangle shape without vertical element in the center of triangle (Pedoman Pemeriksaan Jembatan Rangka Baja, Bina Marga). Artificial Neural Network (ANN) is mathematical modelling that can create a equation for a process in which is a result from collected input and output. In this research the equation is formed by input collection such as bridge lenght, bridge height, steel quality, and road classification. Steel quality and profile type that been used is based on profile that been used in Bina Marga. Bridge lenght vary from 40 meters until 60 meters with range between width is 5 meters. Bridge height vary from 6 meters until 7 meters with range between width is 0,1 meters. kRoad are classified as type A and type B. Analysis of compression and tension is used RSNI T-03-2005 and analysis of fatigue is used AASHTO 2012. If the analysis is safe, the weight of truss is used to be output training in the Artificial Neural Network. Output that been used is Truss steel bridge frame warren closed type weight. Result from ANN output will be converted to steel section dimension measurement. From this steel section dimension result will be recount to SAP2000 programme. This result shows that Artificial Neural Network is capable to analyze truss optimum weight with error value 3,3 % and the dimension measurement form ANN is declared safe after recounted using SAP2000.
Kata Kunci : Kata kunci : jembatan warren tertutup, optimasi berat, optimasi dimensi, Artificial Neural Network
