PENENTUAN NILAI STABILITAS MARSHALL DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK RENDI PRATAMA SIREGAR

Transkripsi

1 PENENTUAN NILAI STABILITAS MARSHALL DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK TUGAS AKHIR Diajukan untuk Melengkapi Tugas-tugas dan Memenuhi Syarat untuk Menempuh Ujian Sarjana Teknik Sipil Disusun oleh: RENDI PRATAMA SIREGAR Dosen Pembimbing: Ir. ZULKARNAIN A. MUIS, M.Eng.Sc IRWAN SURANTA SEMBIRING, ST, MT DEPARTEMEN TEKNIK SIPIL FAKULTAS TEKNIK UNIVERSITAS SUMATERA UTARA

2 ABSTRAK Stabilitas Marshall pada aspal beton merupakan salah satu parameter terpenting didalam campuran dan kualitas material. Bagian ini bergantung pada banyak faktor seperti gradasi, persentase agregat hancur, kadar aspal, dan kualitas material. Pada penelitian ini, variasi dari stabilitas marshall dengan kadar aspal disimulasikan dengan menggunakan program Artificial Neural Network (ANN) dengan pelatihan algoritma Levenberg-Marquardt Back Propagation (LMBP). Persentase dari agregat pecah/hancur; persentase lolos ayakan yang melalui ayakan nomor 200, 50, 30, 8, 4 dan ½ inch, dan persentase dari kadar aspal telah ditetapkan sebagai jaringan input dan stabilitas marshall sebagai jaringan output. Pada tahap pertama, menentukan kemampuan penyamarataan maksimum dari setiap jaringan dengan sebuah angka yang telah ditetapkan pada neuron di hidden layer. Perbandingan nilai maksimum ini menyatakan bahwa jaringan dengan 8 neuron di hidden layer memiliki kemampuan penyamarataan maksimum. Pada tahap kedua, variasi dari data aktual stabilitas marshall dibandingkan dengan hasil simulasinya. Simulasi ini terlihat bagus untuk menentukan stabilitas marshall. i

3 KATA PENGANTAR Bismillaahirrahmaanirrahiim Puji dan syukur penulis ucapkan kepada ALLAH SWT karena atas limpahan rahmat dan karunia-nya saya dapat menyelesaikan Tugas Akhir ini. Tugas Akhir ini mengambil judul: PENENTUAN NILAI STABILITAS MARSHALL DENGAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK. Tugas Akhir ini merupakan syarat yang diwajibkan bagi mahasiswa untuk memperoleh gelar Sarjana Teknik. Pada kesempatan ini, dengan tulus dan kerendahan hati, penulis menyampaikan rasa hormat dan terima kasih serta penghargaan sebesar-besarnya kepada bapak Ir. Zulkarnain A. Muis, M.Eng.Sc. sebagai pembimbing Tugas Akhir dan Koordinator Tugas Akhir Bidang Studi Transportasi, serta bapak Irwan Suranta Sembiring, S.T., M.T. sebagai Co pembimbing Tugas Akhir atas kesediaannya membimbing, memotivasi, pengarahan, kesediaan waktu dan kesabaran kepada penulis sehingga penulis dapat menyelesaikan tugas akhir ini. Rasa hormat dan terima kasih yang sama juga penulis tujukan kepada: 1. Bapak Prof.Dr.Ing. Johannes Tarigan selaku Ketua Departemen Teknik Sipil, Fakultas Teknik,. 2. Bapak Ir. Syahrizal, M.T. selaku sekretaris Departemen Teknik Sipil, Fakultas Teknik,. ii

4 3. Bapak Medis S.Surbakti, ST, MT dan Bapak Ir. Andi Putra Rambe, MBA selaku Dosen Pembanding/Penguji yang telah memberikan masukan dan kritikan yang membangun dalam menyelesaikan tugas akhir ini. 4. Bapak dan Ibu dosen staff pengajar Departemen Teknik Sipil, Fakultas Teknik, yang telah membekali penulis dengan berbagai ilmu pengetahuan hingga selesainya tugas akhir ini. 5. Teristimewa untuk kedua orang tua saya H. Panusunan Siregar dan Ibu Hj. Asmaraya atas segala doa, kasih, semangat, dan keikhlasan atas segala pengorbanannya selama ini sehingga penulis dapat menyelesaikan Tugas Akhir ini. 6. Adik-adik saya Juanda Andika Siregar, Patriana Dwi Puspita Siregar, Silvana Ira Puspita Siregar, dan Febriani Tri Puspita Siregar yang tak henti memberikan motivasi, dukungan, dan perhatiannya. 7. Sahabat saya M. Yusuf, Ahmad Himawan Umna Gultom, Rosadi Patra Tanjung, M. Rifqy Haikal Ritonga, Dede Oktria Syaferi, Ahmad Tirta Pratama, Tengku Fakhri Noor, Aditya Hariyanto dan Fadlin Alwi Kurniawan Harahap. Yang membantu memberikan saya bantuan baik lisan maupun tulisan dalam mengerjakan Tugas Akhir saya ini. 8. Seluruh teman-teman Teknik Sipil USU 2010, dan terkhususnya anak subjurusan transportasi yang tidak dapat saya sebutkan satu persatu, atas segala ketulusan hati dalam memberikan masukan, semangat dan kesetiakawanannya. iii

5 Penulis sungguh menyadari bahwa Tugas Akhir ini masih jauh dari kata sempurna. Karena itu penulis membuka diri terhadap kritikan dan saran bagi penyempurnaan tugas akhir ini. Dan, akhirnya penulis berharap tulisan ini memberikan manfaat bagi pengembangan ilmu pengetahuan khususnya di lingkungan Departemen Teknik Sipil USU. Medan, April 2016 Hormat saya, RENDI PRATAMA SIREGAR NIM iv

6 DAFTAR ISI ABSTRAK i KATA PENGANTAR ii DAFTAR ISI v DAFTAR TABEL ix DAFTAR GAMBAR x BAB I PENDAHULUAN I.1. Latar Belakang 1 I.2. Rumusan Masalah 4 I.3. Pembatasan Masalah 4 I.4. Tujuan 5 I.5. Manfaat 5 I.6. Sistematika Penulisan 5 BAB II TINJAUAN PUSTAKA II.1. Umum 7 II.2. Bahan Campuran Aspal Panas 12 II.2.1. Agregat 12 II Sifat Agregat 13 v

7 II Klasifikasi Agregat 14 II Jenis Agregat dan Persyaratan Sifat Agregat 14 II Sifat-sifat Fisik Agregat dan Hubungannya Dengan Kinerja Campuran 18 II.2.2. Aspal 19 II Jenis Aspal 20 II Komposisi Aspal 21 II Sifat Aspal 22 II Pemeriksaan Properties Aspal 23 II.2.3. Anti Stipping Agent 27 II.3. Marshall Test 29 II.3.1. Pengujian Marshall Untuk Perencaaan Campuran 30 II Berat Isi Benda Uji Padat 32 II Pengujian Stabilitas dan Flow 32 II Pengujian Volumetrik 33 II.4. Analisa Campuran Beraspal 35 II.4.1. Rumusan Perhitungan dan Parameternya 36 II.5. Evaluasi Hasil Uji Marshall 40 II.5.1. Stabilitas 41 vi

8 II.5.2. Pelelehan 41 II.5.3. Evaluasi VMA 42 II.5.4. VIM 42 II.5.5. VFA 43 II.5.6. Pengaruh Pemadatan 43 II.6. Hubungan Stabilitas Marshall Dengan Jaringan Saraf Tiruan (Artificial Neural Network) 44 II.7. Program Jaringan Saraf Tiruan 44 II.7.1. Definisi Jaringan Saraf Tiruan 44 II.7.2. Arsitektur Jaringan 46 II.7.3. Jaringan Backpropagation 49 II.7.4. Fungsi Matlab Dalam Artificial Neural Network 51 II.7.5. Perkembangan Program Artificial Neural Network 52 II.7.6. Tampilan Utama Pada Matlab 53 II.7.7. Menu-menu Pada Program Neural Network 54 BAB III METODOLOGI PENELITIAN III.1. Diagram Alur (Flowchart) 72 III.2. Persiapan Penelitian 73 III.3. Pengembangan Model Artificial Neural Network 73 vii

9 BAB IV HASIL DAN PEMBAHASAN IV.1. Persiapan Data 77 IV.1.1 Data Marshall Test dan Extraction Test 77 IV.2. Perhitungan Nilai Stabilitas Marshall Dengan Program Artificial..... Neural Network 78 IV.2.1 Variasi Parameter Untuk Desain Artificial Neural Network 78 IV.3. Proses Running Program Artificial Neural Network 80 IV.3.1. Proses Pengolahan Data 88 IV.3.2. Tabel Hasil Simulasi Artificial Neural Network 93 IV.3.3. Grafik Hasil Simulasi Artificial Neural Network 95 IV.3.4. Hasil Output Artificial Neural Network Terhadap Nilai Stabilitas Marshall 97 IV.3.5. Perbandingan Nilai Stabilitas Marshall AMP Karya Murni..... Dengan Artificial Neural Network 105 IV.3.6. Grafik Perbandingan Antara Data Aktual Dengan Hasil Simulasi Neuron BAB V KESIMPULAN DAN SARAN V.1. Kesimpulan 113 V.2. Saran 114 viii

10 DAFTAR PUSTAKA 115 LAMPIRAN ix

11 DAFTAR TABEL Tabel 2.1 Ketentuan Sifat Campuran Laston (AC) 9 Tabel 2.2 Ketentuan Agregat Kasar untuk Campuran Beton Aspal 15 Tabel 2.3 Ketentuan Agregat Halus untuk Campuran Beton Aspal 16 Tabel 2.4 Gradasi Bahan Pengisi 17 Tabel 2.5 Amplop Gradasi Agregat Gabungan untuk Campuran Aspal 18 Tabel 4.1 Hasil Simulasi Pada Jaringan Dengan Neuron 3 Pada Hidden Layer 93 Tabel 4.2 Hasil Simulasi Pada Jaringan Dengan Neuron 6 Pada Hidden Layer 93 Tabel 4.3 Hasil Simulasi Pada Jaringan Dengan Neuron 8 Pada Hidden Layer 94 Tabel 4.4 Hasil Simulasi Pada Jaringan Dengan Neuron 10 Pada Hidden Layer 94 Tabel 4.5 Hasil Output Neuron 3 97 Tabel 4.6 Hasil Output Neuron 6 99 Tabel 4.7 Hasil Output Neuron Tabel 4.8 Hasil Output Neuron Tabel 4.9 Data Aktual Stabilitas Marshall Dengan Data Simulasi Neuron x

12 DAFTAR GAMBAR Gambar 2.1 Hubungan volume dan rongga-density benda uji campur panas 33 Gambar 2.2 Jaringan Saraf dengan Lapisan Tunggal 46 Gambar 2.3 Jaringan Saraf dengan Banyak Lapisan 47 Gambar 2.4 Jaringan Saraf dengan Kompetitif 48 Gambar 2.5 Tampilan Program Matlab 53 Gambar 2.6 Tampilan Program Neural Network 53 Gambar 2.7 Tampilan Window Import to Network/Data Manager 55 Gambar 2.8 Tampilan Window Create Network or Data 56 Gambar 2.9 Tampilan Menu View 60 Gambar 2.10 Tampilan Menu Train (Training Info) 60 Gambar 2.11 Tampilan Menu Train (Training Parameters) 62 Gambar 2.12 Tampilan Menu Simulate 63 Gambar 2.13 Tampilan Menu Adapt (Adaption Info) 64 Gambar 2.14 Tampilan Menu Adaption Parameters 64 Gambar 2.15 Tampilan Menu Reinitialize Weights 65 Gambar 2.16 Tampilan Menu View/Edit Weights 65 Gambar 2.17 Tampilan Window Neural Network Training 66 xi

13 Gambar 2.18 Tampilan Plot Performance 67 Gambar 2.19 Tampilan Plot Training State 68 Gambar 2.20 Tampilan Plot Regression 69 Gambar 3.1 Diagram Flowchart 72 Gambar 4.1 Tampilan Awal Program Matlab 81 Gambar 4.2 Tampilan Awal Neural Network 81 Gambar 4.3 Tampilan Menu Import to Network/Data Manager 82 Gambar 4.4 Tampilan Menu Neural Network/Data Manager 82 Gambar 4.5 Tampilan Menu Create Network or Data 83 Gambar 4.6 Tampilan Menu View 83 Gambar 4.7 Tampilan Menu Train, Training Info 84 Gambar 4.8 Tampilan submenu Training Parameters 84 Gambar 4.9 Tampilan Menu Simulate 85 Gambar 4.10 Tampilan Menu Adapt 85 Gambar 4.11 Tampilan Menu Neural Network Training (nntraintool) 86 Gambar 4.12 Tampilan Menu Performance 86 Gambar 4.13 Tampilan Menu Regression 87 Gambar 4.14 Tampilan Menu network1_outputs 87 Gambar 4.15 Tampilan Menu Performance 89 xii

14 Gambar 4.16 Tampilan Menu Regression 89 Gambar 4.17 Tampilan Menu Performance 90 Gambar 4.18 Tampilan Menu Regression 90 Gambar 4.19 Tampilan Menu Performance 91 Gambar 4.20 Tampilan Menu Regression 91 Gambar 4.21 Tampilan Menu Performance 92 Gambar 4.22 Tampilan Menu Regression 92 Gambar 4.23 Grafik simulasi R dengan MSE pada Neuron 3 95 Gambar 4.24 Grafik simulasi R dengan MSE pada Neuron 6 95 Gambar 4.25 Grafik simulasi R dengan MSE pada Neuron 8 96 Gambar 4.26 Grafik simulasi R dengan MSE pada Neuron Gambar 4.27 Kurva Grafik Data Neuron 8 dengan Data Aktual 112 xiii