xiii INTISARI Jembatan komposit pada umumnya

INTISARI
Jembatan komposit pada umumnya menggunakan struktur komposit dari
baja struktural dan beton bertulang. Struktur komposit balok baja dan pelat beton
adalah suatu usaha dalam mendapatkan suatu konstruksi yang baik dan efisien.
Kelebihan pada sistem komposit ini antara lain penghematan berat baja,
penampang balok baja dapat lebih kecil, kekakuan lantai meningkat dan panjang
bentang untuk batang tertentu dapat lebih besar. Jembatan komposit sebaiknya
selalu dievaluasi agar kondisi terakhir dari jembatan dapat diketahui masih layak
atau tidak untuk mendukung beban. Salah satu cara untuk mengevaluasi jembatan
komposit adalah dengan menggunakan rating factor. Saat ini metode analisis
yang digunakan untuk menghitung rating factor cukup panjang dan lama,
sehingga diperlukan suatu metode baru untuk memprediksi rating factor dengan
cepat.
Pada tesis ini digunakan metode Artificial Neural Network untuk dapat
membantu proses perhitungan nilai rating factor sebuah jembatan yang
penampangnya tipikal sehingga waktu dan tenaga yang diperlukan lebih efektif
dan efisien. Penampang jembatan yang digunakan sebagai bahan penelitian ialah
Jembatan Merangin yang terletak di Provinsi Jambi. Jembatan Merangin
merupakan jembatan dengan sistem gelagar komposit baja-beton. Perhitungan
analisis rating factor berpedoman pada Pedoman Penentuan Nilai Sisa Kapasitas
Jembatan dari Dirjen Bina Marga dengan melakukan analisis terhadap kondisi
harian (operating) dan kondisi khusus (inventory).
Penelitian menghasilkan empat persamaan empiris yang didapatkan dari
Artificial Neural Network. Persamaan empiris ini digunakan untuk memprediksi
nilai operating rating factor kuat geser, operating rating factor kuat lentur,
inventory rating factor kuat geser dan inventory rating factor kuat lentur
berdasarkan kedalaman penetrasi korosi, bentang jembatan, kuat tekan pelat beton
dan tegangan leleh gelagar baja. Hasil penelitian menunjukkan bahwa kesimpulan
akhir hasil prediksi persamaan empiris hasil pemodelan ANN mengenai masih
aman atau tidaknya jembatan untuk menahan beban yang bekerja tetap sama
dengan hasil hitungan secara teoritis. Oleh karena itu, persamaan empiris yang
dihasilkan dapat digunakan untuk memprediksi secara cepat nilai rating factor
jembatan.
Kata kunci: jembatan komposit, rating factor, Artificial Neural Network
xiii
ABSTRACT
Generally, composite bridge used composite structure that was made from
structural steel and reinforced concrete. Composite structure of steel beam and
concrete slab was an inovation to get a good and eficient construction. This
system had advantages like reduction in the weight of steel, shallower steel beam,
increased floor stiffness and increased span length for a given number. Composite
bridge should be evaluated to control last performance of the bridge, so the bridge
could be checked whether it is adequate the limit requirements or not. One of
method to evaluate the bridge is using rating factor. Nowdays, analysis method to
calculate rating factor needs a long time to complete. So there was a requirement
of a new method to predict rating factor quickly.
This study used a method using Artificial Neural Network to help rating
factor calculation of a bridge with typical section. So the process will be more
effective and efficient. This study used Merangin Bridge’s section as a case study.
Merangin Bridge which located at Jambi Province was a composite bridge. Rating
factor analysis is based on Pedoman Penentuan Nilai Sisa Kapasitas Jembatan
from Dirjen Bina Marga to analyse the (operating) daily conditions and
(inventory) special conditions.
The study results four empirical equations which came from Artificial
Neural Network. These empirical equations was used to predict operating rating
factor of shear strength, operating rating factor of bending strength, inventory
rating factor of shear strength and inventory rating factor of bending strength
using average corrosion penetration, span of bridge, concrete compressive
strength and yield stress of steel girder. The study showed that the final
conclusion about bridge safety decision which came from empirical equations and
theoretical calculation was still same. So the empirical equations can be used to
predict rating factor of a brige quickly.
Keywords: composite bridge , rating factor, Artificial Neural Network
xiv