BAB I PENDAHULUAN. Stabilitas Marshall adalah kemampuan suatu campuran aspal untuk

Transkripsi

1 BAB I PENDAHULUAN I.1. Latar Belakang Stabilitas Marshall adalah kemampuan suatu campuran aspal untuk menerima beban sampai terjadi alir (flow) yang dinyatakan dalam kilogram, sedangkan alir (flow) adalah keadaan perubahan bentuk suatu campuran aspal yang terjadi akibat suatu beban yang dinyatakan dalam mm. (SNI ). Stabilitas pada lapisan perkerasan harus mampu menerima beban lalu lintas tanpa terjadi perubahan bentuk seperti gelombang, alur, ataupun bleeding. Pemeriksaan Nilai Stabilitas Marshall merupakan suatu pemeriksaan yang dimaksudkan untuk menentukan ketahanan (stability) terhadap kelelehan (flow) dari campuran aspal. Agar pencampuran dan pemadatan dapat menghasilkan campuran yang baik, maka kekentalan (viskositas) aspal harus cukup sedemikian rupa sehingga peran aspal dalam proses pencampuran dan pemadatan dapat maksimal. Temperatur pada pencampuran bahan aspal dengan agregat adalah temperatur pada saat aspal mempunyai viskositas kinematis sebesar 170 ± 20 centistokes. Nilai kekentalan ini dapat dicapai pada rentang suhu tertentu yang sering disebut sebagai suhu pencampuran dan suhu pemadatan. Kedua rentang suhu ini dicari dengan menggunakan grafik hubungan antara suhu dengan viskositas. Artificial Neural Network adalah sebuah teknik memproses informasi untuk banyak bidang pembelajaran. Beberapa aplikasi dari jaringan saraf tiruan 1

2 ini telah banyak di temukan pada aspek - aspek pengetahuan. Pada umumnya, bahwa jaringan saraf tiruan dapat digunakan sebagai pendekatan penyesuaian untuk ilmu tambahan dan gambaran dengan menyimpulkan peraturan dari contoh pola yang dipelajari.(flood and Kartam,1998). Menurut Ercan Ozgan, nilai Stabilitas Marshall pada aspal beton dalam berbagai temperatur dan urutan waktu sudah dibentuk dengan menggunakan Artificial Neural Network (jaringan saraf tiruan). Menurut penelitian ini, untuk menyelidiki Stabilitas Marshall berdasarkan sifat fisik, urutan waktu, dan suhu lingkungan akan diteliti. Pada urutan waktu dari 1,5; 3; 4,5; dan 6 jam pada suhu 30 C, 40 C, dan 50 C telah terpilih. Hasilnya menunjukkan pada suhu lingkungan di 17 C, stabilitas pada sampel aspal menurun 40,16 % di 30 C setelah 1,5 jam dan 62,39 % setelah 6 jam. Pada 40 C, menurun hingga 74,31 % setelah 1,5 jam dan 78,10 % setelah 6 jam. Pada 50 C stabilitas dari aspal menurun lagi hingga 83,22 % setelah 1,5 jam dan 88,66 % setelah 6 jam. Hasil eksperimen dan bentuk jaringan saraf tiruan memperlihatkan hasil korelasi yang baik, untuk alasan ini maka metode jaringan saraf tiruan dapat digunakan untuk model Stabilitas Marshall. Menurut Khaled A. Kandil, penelitian tentang metode desain campuran Marshall yang merupakan salah satu dari metode umum yang digunakan pada beberapa Negara untuk mendesain aspal campuran panas. Ada dua parameter desain utama yang dipertimbangkan pada metode ini adalah Stabilitas Marshall dan kelelahan Marshall. Parameter ini bergantung pada beberapa faktor termasuk gradasi agregat dan kandungan aspal semen. Stabilitas campuran dan kelelahan telah diukur dalam Laboratorium dengan mengaplikasikan tingkat konstan dari 2

3 deformasi langsung (perubahan bentuk) pada contoh benda uji silinder dari campuran aspal tersebut. Artificial Intelligence Techniques (teknik kecerdasan buatan) seperti Artificial Neural Network (jaringan saraf tiruan) dan Adaptive Neuro-Fuzzy Inference System telah digunakan pada beberapa penelitian bidang teknik sipil sebagai alternatif untuk pendekatan prediksi tradisional dan telah menunjukkan tingkat kesuksesan yang baik. Objek utama dari pembelajaran ini adalah untuk menggunakan Adaptive Neuro-Fuzzy Inference System untuk mengembangkan model yang dapat memprediksi stabilitas campuran aspal dan kelelahan sebagai sebuah fungsi dari campuran gradasi dan kandungan aspal semen. Dan pada akhirnya model Adaptive Neuro-Fuzzy Inference System ini dapat digunakan dengan efektif untuk memprediksi Stabilitas Marshall dan kelelahan.(khaled A. Kandil) Sedangkan menurut Saffarzadeh dan Heidaripanah, membahas tentang Stabilitas Marshall dari aspal beton merupakan salah satu parameter penting dalam mendesain campuran dan quality control. Hal ini bergantung pada banyak faktor seperti gradasi, persentase dari agregat hancur, kandungan aspal dan kualitas konstruksi. Pada penelitian ini, variasi dari Stabilitas Marshall dengan kandungan aspal telah disimulasi dengan menggunakan Artificial Neural Network dengan latihan algoritma Levendberg Marquardt Back Propagation (LMBP). Persentase dari agregat hancur; persentase yang melewati ayakan nomor 200, 50, 30, 8, 4, ½ inch, lalu persentase dari kandungan aspal dihubungkan sebagai jaringan input dan Stabilitas Marshall sebagai jaringan output. Dari beberapa peneliti tersebut, maka penelitian Saffarzadeh dan Heidaripanah telah dipilih sebagi acuan dalam melakukan penelitian ini. 3

4 Penelitian ini dilakukan dengan menguji marshall dan ekstraksi pada waktu pagi dan sore hari, hingga mencapai 110 sampel. Jumlah sampel yang diambil sebanyak 110, dikarenakan agar proses training yang dioperasikan lebih efisien dan mendapatkan hasil simulasi yang lebih akurat. Dalam beberapa pernyataan diatas maka dapat disimpulkan bahwa untuk memperkirakan pengaruh dari bermacam macam kadar aspal pada Stabilitas Marshall dapat di lakukan dengan menggunakan Artificial Neural Network. Dipilihnya Artificial Neural Network adalah sebagai program yang dapat memprediksi nilai stabilitas marshall dengan kondisi material yang sama secara langsung tanpa melakukan uji praktikum lagi. Maka dengan ini, akan di evaluasi nilai Stabilitas Marshall dengan menggunakan program Artificial Neural Network. I.2. Rumusan Masalah Adapun permasalahan yang akan dibahas antara lain adalah: Apakah penggunaan Artificial Neural Network sebagai program alternatif untuk menentukan nilai Stabilitas Marshall dapat memenuhi persyaratan terhadap sifatsifat parameter Marshall. I.3. Pembatasan Masalah Dengan melakukan penelitian ini maka ditetapkan pembatasan masalahnya agar tidak keluar dari konteks pembahasan, yaitu: 1. Pada penentuan gradasi agregat dengan Laston AC-WC digunakan Spesifikasi Umum Bina Marga edisi 2010 (Revisi 3). 2. Dalam penelitian ini digunakan program Artificial Neural Network untuk mencari nilai Stabilitas Marshall, dengan mengacu pada 4

5 pengambilan data di laboratorium, yakni dengan menggunakan peraturan tentang Marshall Test (SNI ) dan Extraction Test (SNI ) 3. Penelitian nilai Stabilitas Marshall dengan menggunakan Artificial Neural Network dilakukan dengan mengambil sampel data aspal, yakni berupa data Marshall test dan Extraction test pada AMP Karya Murni. 4. Pada penelitian ini program Artificial Neural Network yang digunakan berdasarkan pada pengaplikasian neural network toolbox. I.4. Tujuan Tujuan dari penelitian ini adalah untuk mengetahui hasil yang didapat setelah menggunakan Artificial Neural Network terhadap Stabilitas Marshall. I.5. Manfaat Diharapkan Artificial Neural Network dapat dimanfaatkan penggunaannya sebagai program alternatif untuk menentukan Stabilitas Marshall. I.6. Sistematika Penulisan Untuk memperjelas tahapan yang dilakukan dalam penelitian ini agar tercapai tujuan dari penelitian, adalah sebagai berikut: 5

6 BAB I PENDAHULUAN Pada bab ini diuraikan tahapan awal dalam pengerjaan tugas akhir, yang meliputi tinjauan latar belakang, perumusan masalah, pembatasan masalah, tujuan, manfaat dan sistematika penulisan. BAB II TINJAUAN PUSTAKA Pada bab ini akan berisi uraian tentang teori perencanaan stabilitas marshall. Studi umum yang berhubungan dengan stabilitas marshall, jenis jenis material yang digunakan, dan penjelasan tentang program Artificial Neural Network BAB III METODOLOGI PENELITIAN Merupakan bagian yang menjelaskan keseluruhan proses yang dilakukan selama penelitian berlangsung sampai selesai. Dalam bab ini dijelaskan metode yang digunakan dalam penelilitian, proses mendapatkan data atau sumber data, proses pengolahan data, analisa data, dan sampai didapatkan hasil dari pengolahan data tersebut. BAB IV HASIL DAN PEMBAHASAN Pada bab ini berisi tentang pembahasan atau hasil data - data yang dikumpulkan. Hasil data data yang terkumpul tersebut kemudian dianalisa sehingga diperoleh hasil atau tujuan akhir dari penelitian ini, sehingga dapat diperoleh kesimpulan. 6

7 BAB V KESIMPULAN DAN SARAN Merupakan bab penutup yang berisikan tentang kesimpulan yang telah diperoleh dari pembahasan bab bab sebelumnya, dan saran mengenai hasil penelitian yang dapat dijadikan masukan yang berguna untuk peneliti selanjutnya. 7