A.

Pendahuluan
Bagaimana

seseorang

menilai

sebuah

desain

teknik

dapat

diterima?

Mengandalkan penilaian sendiri dapat menyebabkan salah satu dari dua ilustrasi seperti
pada Gambar dibawah. Kasus pertama adalah pemasangan rockbolt yang tidak
ekonomis sedangkan gambar selanjutnya desain pemasangan rockbolt melanggar
semua standar keselamatan normal.

B. Faktor Keamanan
Pendekatan umum yang sering digunakan dalam desain struktur teknik adalah
mempertimbangkan hubungan antara kemampuan C (kekuatan atau daya tahan) dan
kemampuan D (tegangan atau gaya gangguan) dari suatu elemen. Faktor Keselamatan
struktur didefinisikan sebagai F = C / D dan keruntuhan diasumsikan terjadi ketika F
kurang dari 1.
Gambar dibawah menunjukkan sebuah lempeng dengan ketebalan t didukung
oleh sebuah rockbolt dalam sebuah pola dengan spasi S x S. Dengan asumsi bahwa
berat batuan rusak = 2,7 ton/ m 3 , ketebalan lempeng t = 1 m dan jarak spasi = 1,5 m,
berat blok batuan dengan bolt, dinyatakan dengan W = .t. S 2

= 6,1 m. Ketahanan D

dari rockbolt adalah sama dengan berat W blok tersebut, dan jika kekuatan atau
kemampuan bolt adalah C = 8 ton, faktor keamanannya adalah F = 8/1,6 = 1,3.
Nilai faktor keamanan yang dianggap dapat diterima dalam suatu desain,
biasanya merujuk kepada pengalaman sebelumnya. Nilai FK 1,3 umumnya dapat
digunakan pada pembukaan tambang, sementara itu nilai 1,5 2,0 digunakan pada
penggalian permanen seperti stasiun crusher bawah tanah.

C. Studi Sensitifitas
Dalam studi sensitifitas melibatkan serangkaian perhitungan, dengan masing
masing parameter penting bervariasi secara sistematis dengan rentang maksimum yang
masuk akal, untuk menentukan pengaruhnya terhadap faktor keselamatan. Dalam contoh
sederhana yang dibahas sebelumnya, desainer rockbolt dapat mempertimbangkan
bahwa ketebalan t lempeng bisa bervariasi antara 0,7 - 1,3 m dan kekuatan rockbolts
bisa terkoreksi antara 7 dan 9 ton. Oleh karena itu, untuk menjaga semua parameter
lainnya konstan, faktor keamanan akan bervariasi dari 7 / (2,7 x 1,3 x

1,52 ) = 0,88 dan

maksimal 9 / (2,7 x 0,7 x 1,52 ) = 2,12

Faktor keselamatan minimum 0.88 tentu tidak dapat diterima dan kemudian
desainer harus memutuskan apa yang harus dilakukan selanjutnya. Jika ia merasa
bahwa sejumlah besar bolt kelebihan beban, akal sehat biasanya akan mendikte bahwa
faktor rata-rata keselamatan 1,3 harus ditingkatkan menjadi 1,5 dengan mengurangi jarak
bolt 1,5 - 1,4 m. Hal ini akan memberikan asumsi bahwa faktor keselamatan minimal 1,02
dan maksimal 2,43.
D. Aplikasi Probabilitas dalam Desain
Studi sensitivitas sederhana yang dibahas sebelumnya adalah jenis perhitungan
yang dilakukan secara rutin di seluruh dunia. Dalam operasi pertambangan jumlah
rockbolt failures menunjukkan apakah desain dapat diterima atau perlu dimodifikasi.
Hal ini memberikan penjelasan kepada pembaca bahwa proses desain melibatkan
cukup banyak penilaian berdasarkan pengalaman dengan pengamatan yang cermat dari

kinerja aktual. Ketika pengalaman tersebut tidak tersedia karena desain untuk daerah
baru atau untuk tambang baru, apakah alat yang dapat membantu perancang dalam
mengambil keputusan? Sedangkan penggunaan teori probabilitas tidak memberikan
semua jawaban yang diinginkan, hal ini tidak dapat dijadikan cara untuk menilai risiko
secara rasional, bahkan ketika jumlah data yang tersedia sangat terbatas.
Variabel acak : Parameter seperti sudut geser dalam, kuat tekan uniaxial sampel
batuan, kecenderungan dan orientasi diskontinuitas dalam massa batuan dan
pengukuran tegangan insitu batuan disekitar lubang bukaan tidak hanya memiliki satu
nilai tetap, tapi juga mempertibangkan sejumlah nilai lainnya. Tidak ada cara untuk
memprediksi apakah nilai dari suatu parameter akan berada di lokasi tertentu.
Distribusi probabilitas : Sebuah fungsi Probability Density Function (PDF)
menjelaskan kemungkinan relatif bahwa variabel acak menganggap nilai tertentu.
Sebuah PDF yang khas diilustrasikan secara berlawanan. Dalam hal ini variabel acak
didistribusikan

secara

kontinyu

(yaitu,

dapat

mengambil

semua

nilai

yang

memungkinkan). Area dalam sebuah PDF selalu menyatu.

Cara alternatif untuk menyajikan informasi yang sama adalah dalam bentuk fungsi
distribusi kumulatif (CDF) yang memberikan probabilitas variabel memiliki nilai kurang
dari atau sama dengan nilai yang ditentukan. CDF adalah integral dari PDF yaitu, ordinat
pada

X 1 , pada distribusi kumulatif, adalah daerah dalam PDF, yaitu di sebelah kiri

X 1 . Perhatikan

f x ( x ) digunakan pada ordinat PDF sementara itu

Fx ( x )

digunakan untuk CDF.

Salah satu representasi grafis yang paling umum dari distribusi probabilitas
adalah histogram di mana fraksi semua pengamatan, yang berada dalam interval
tertentu, diplot seperti grafik interval di atas.
Analisis data : Untuk beberapa aplikasi tidak perlu menggunakan semua informasi
yang ada dalam fungsi distribusi. Kuantitas, diperoleh hanya dengan fitur dominan dari
fungsi distribusi, yang mungkin dapat digunakan.

Nilai rata - rata sampel atau nilai yang diharapkan menunjukkan nilai pusat dari
suatu distribusi probabilitas. Sebuah aplikasi yang umum dianalisis dari serangkaian hasil

X 1 , X 2 , ...... X n

uji kuat tekan uniaksial yang dilakukan di laboratorium. Dengan

asumsi bahwa nilai n dari setiap pengujian

Varians sampel

dari distribusi didefinisikan sebagai rata - rata dari kuadrat

x i dan nilai rata-rata

selisih antara nilai

Standar deviasi

X i , rata dapat diperoleh :

x . Karenanya :

diperoleh dari akar kuadrat positif dari varians

Koefisien variansi (COV) adalah rasio standar deviasi untuk mean, yaitu COV =

s / x . Nilai COV memiliki dimensi berupa

ukuran yang sangat berguna dalam

menentukan nilai ketidakpastian. Sebuah nilai ketidakpastian yang kecil biasanya diwakili
oleh COV = 0,05 sementara ketidakpastian ditunjukkan dengan COV = 0,25.
Distribusi normal : Distribusi normal atau Gaussian adalah jenis fungsi yang paling
umum dari fungsi distribusi probabilitas dan distribusi dari banyak variabel acak sesuai
dengan distribusi ini. Hal ini umumnya digunakan untuk studi probabilistik dalam
rekayasa geoteknik kecuali ada alasan lain untuk memilih distribusi yang berbeda.
Biasanya, variabel yang muncul sebagai jumlah dari nilai efek random, tidak ada nilai
yang mendominasi secara keseluruhan, biasanya didistribusikan.
Masalah yang sering muncul dalam distribusi normal adalah memperkirakan nilainilai parameter yang mempengaruhi nilai mean sebenarnya (P) dan standar deviasi
sebenarnya (V). Umumnya, perkiraan terbaik untuk nilai nilai ini diberikan oleh mean
sampel dan standar deviasi, hal ini disepakati dari sejumlah tes dan observasi. Oleh
karena itu, dari persamaan

Setelah diperkirakan rata-rata dan standar deviasi , fungsi probabilitas density

untuk distribusi normal didefinisikan oleh :

Fungsi distribusi kumulatif (CDF) dari distribusi normal harus ditentukan dengan integrasi
numerik karena tidak ada solusi lain.
Distribusi lain : Selain distribusi normal yang umum digunakan, ada sejumlah
distribusi alternatif yang digunakan dalam analisis probabilitas. Beberapa yang paling
sering digunakan adalah:

Beta distributions (Harr, 1987) adalah distribusi yang sangat serbaguna, yang dapat
digunakan untuk mengganti hampir semua distribusi umum dan yang tidak
terpengaruh masalah nilai ekstrim yang dibahas di atas, karena domain (kisaran)

dibatasi oleh nilai - nilai tertentu.

Exponential distributions kadang kadang digunakan untuk mendefinisikan peristiwa
seperti terjadinya gempa bumi atau rockbursts atau kuantitas seperti panjang joint

dalam massa batuan.

Lognormal distributions

berguna

saat

mempertimbangkan

proses

seperti

menghancurkan agregat dimana ukuran partikel hasil akhir dari sejumlah tabrakan
partikel dari berbagai ukuran, bergerak ke arah yang berbeda dengan kecepatan yang
berbeda. Mekanisme perkalian seperti itu cenderung menghasilkan variabel yang
lognormal yang terdistribusikan sebagai distribusi yang berlawanan dengan distribusi

normal dari variabel yang dihasilkan dari mekanisme aditif.

Distribusi Weibull digunakan untuk mewakili umur perangkat dalam studi keandalan
Untuk menghitung kuantitas, seperti faktor keamanan, dua titik perkiraan yang

dibuat pada satu standar deviasi di kedua sisi dari mean ( ) dari masing-masing
distribusi mewakili variabel acak. Faktor keamanan dihitung untuk setiap kemungkinan
kombinasi titik perkiraan, untuk memperoleh solusi

2n , di mana n adalah jumlah

random variabel yang terlibat. Mean dan standar deviasi dari faktor keselamatan
kemudian dihitung dari solusi 2n
Sementara teknik ini tidak memberikan distribusi penuh mengenai variabel output.
Kemudian Hoek (1989) melakukan analisis terhadap permukaan keruntuhan pilar.

Gambar 2.3: Hasil hipotesis dari 62 uji pull-out pada 17 mm diameter rockbolt (baut baja
penyangga tambang) yang dipasang secara mekanis. Hasil uji dipetakan sebagai
histogram serta distribusi probabilitas normal yang disesuaikan ditunjukkan sebagai garis
kontinu untuk a) probabilitas fungsi densitas dan b) fungsi distribusi komulatif.

E. Probabilitas Kegagalan
Pertimbangkan contoh sangat sederhana dari roof slab/papan langit-langit yang
ditopang

oleh

pola

rockbolt,

digambarkan

pada

gambar

2.2,

diskusi

berikut

menggambarkan aplikasi teknik-teknik probabilitas yang dibahas diatas untuk penilaian

resiko kegagalan.
Tabel 2.1 mendata hasil hipotesis yang diperoleh dari 62 uji pull-out pada
perluasan diameter 17 mm shell rockbolt dengan kekuatan pull-out sebesar 8 ton.
Gambar 2.3a memberikan hasil dalam bentuk frekuensi distribusi atau histogram. Setiap
batang yang diarsir miring telah digambar sehingga area nya proporsional dengan jumlah
nilai dalam interval yang ditunjukkan nya. Garis kontinu pada plot ini menunjukkan
distribusi normal yang telah disesuaikan dengan input data menggunakan program
BestFit. Proses penyesuaian ini menghasilkan mean atau nilai ekspektasi dari uji pull-test
sebesar c = 7.85 ton dengan standar deviasi sebesar - 0.37. Catat bahwa nilai
maksimum dan minimum adalah 6,95 dan 8,62 ton berturut-turut. Fungsi distribusi
probabilitas komulatif untuk rangkaian data yang sama diberikan pada gambar 2.3b.
Rata-rata ketebalan t dari roof slab yang ditopang telah diperkirakan pada 1m.
Drill/bor dangkal banyak lubang untuk mengukur variasi dalam nilai t terhadap area
perwakilan dari roof, tidak ada cara menentukan distribusi untuk variabel ini dalam cara
yang sama dengan yang mungkin digunakan untuk kapasitas rockbolt. Ini masalah umum
dalam teknik geo-teknik, dimana mungkin sangat sulit atau tidak mungkin untuk
memperoleh informasi yang layak pada variabel tertentu, dan solusi yang efektif
menggunakan dugaan edukatif.
Dalam kasus roof slab, beralasan untuk mengasumsikan bahwa ketebalan t
terdistribusi secara normal sekitar mean t = 1 m. Jelas, t tidak bisa kurang dari 0 karena
nilai negative menghasilkan faktor negatif tak bermakna dari keamanan sementara t = 0
menghasilkan error dibagi dengan nol. Untuk menghindari masalah ini distribusi normal
harus dipotong. Nilai minimum arbiter dari t = 0.25 m telah digunakan untuk memotong
distribusi normal batas bawah karena nilai-nilai lebih kecil akan menghasilkan faktor
keamanan yang lebih tinggi. Tidak mungkin dimana t akan melebihi 2 m, sehingga ini bisa
digunakan sebagai batas atas untuk distribusi normal dipotong. Untuk informasi yang
lebih baik diasumsikan bahwa standar deviasi untuk ketebalan slab adalah = 0,5m.
dengan kata lain, 68% dari slab akan ada antara ketebalan 0,5 dan 1,5 m sedangkan
sisanya akan lebih tebal atau lebih tipis. Menggunakan nilai ini untuk menghitung
permintaan D menghasilkan distribusi normal dipotong dengan nilai maksimum dan
minimum sebesar 1,52 ton dan 12,15 ton berturut-turut, mean sebesar 6,15 ton dan
standar deviasi 2,82 ton.

Menggunakan program add-in RISK di lembar kerja Microsoft Excel, dua

distribusi normal dipotong dalam gambar margin, menampilkan kapasitas bolt/palang
C dan permintaan beban D, masing-masingnya di sampel 1000 kali dengan cara
teknik Latin Hypercube. Hasil pasangan masing-masingnya digunakan untuk
menghitung faktor keamanan F = C/D. Hasil distribusi dari faktor keamanan
ditunjukkan pada gambar 2.4 yang menunjukkan bahwa distribusi Lognormal,
didefenisikan oleh mean 1,41 dan standar deviasi sebesar 0,71, memberikan
representasi yang cukup dari distribusi. Dari catatan statistik yang dihasilkan oleh
@RISK, ditetapkan bahwa sekitar 30% dari 1000 kasus yang di sampel memiliki
faktor keamanan kurang dari 1,00 yaitu probabilitas kegagalan dari desain rockbolt
ini untuk kondisi yang ditetapkan.
Untuk membangun apakah probabilitas kegagalan 30% dapat diterima,
perhatikan konsekuensi dari satu palang dalam pola kegagalan. Empat palang
terdekat dengan palang yag gagal ini tiba-tiba dianggap membawa beban tambahan
20 smapai 25% dari beban yang telah mereka miliki. Ini ekuivalen dengan
peningkatan jarak/spacing palang sekitar 1,65 m, dan subtitusi dari nilai ini kembali
ke analisis @RISK menunjukkan bahwa probabilitas kegagalan meningkat sekitar
50%. Ini menyatakan bahwa proses kegagalan jenis perluasan domino bisa muncul
dan bahwa faktor keamanan asli tidak mencukupi.
Penurunan jarak kisi/grid palang hingga 1,25 m dalam analisis @RISK
mengubah seluruh distribusi Lognormal ke kanan sehingga faktor keamanan
minimum untuk kondisi yang ditetapkan menjadi 1,04. Probabilitas untuk kasus ini
adalah nol. Penurunan dalam jarak palang ini akan menjadi keputusan praktis yang
teliti.
Diharapkan contoh sederhana ini menunjukkan penggunaan teori probabilitas
menghasilkan banyak informasi dari faktor penentu sederhana dari perhitungan
keamanan. Bahkan dengan jumlah minimum dari input data yang telah digunakan

untuk kasus ini, bentuk kurva distribusi probabilitas dan estimasi probabilitas
kegagalan, untuk jarak baut berbeda, bisa memberi desainer rasa sensitifitas dari
desain dan menyarankan arah dimana perbaikan bisa dilakukan.

Gambar 2.4 : Distribusi Lognormal dari faktor faktor keamanan untuk pola rockbolt
penopang roof slab. Distribusi faktor keamanan yang dihitung dengan cara teknik Latin
Hypercube ditunjukkan sebagai histogram sedangkan distribusi Lognormal yang
disesuaikan ditunjukkan sebagai garis kontinu.
F. Masalah Probabilitas Tidak Bisa Digunakan
Faktor umum dalam analisa yang dibahas di halaman sebelumnya adalah bahwa
mean faktor dari keamanan bisa dihitung menggunakan rangkaian persamaan yang
relatif sederhana. Jika diasumsikan bahwa distribusi dari parameter yang ada dalam
persamaan ini bisa digambarkan oleh salah satu probabilitas fungsi densitas, analisis
probabilitas kegagalan bisa dilakukan. Sayangnya, jenis analis ini tidak mungkin bagi
salah satu kelompok paling penting dari masalah dalam teknik penggalian bawah tanah
yaitu masalah yang melibatkan tekanan yang memicu ketidakstabilan.
Faktor keamanan massa bebatuan mengelilingi pembukaan bawah tanah
ditekankan pada level dimana kegagalan berawal, prilaku lebih lanjut dari massa batuan
sangat kompleks dan masuk dalam kategori masalah yang dikelompokkan sebagai tak
tentu. Dengan kata lain, proses menyebarkan fracture/ patahan dan perubahan/
kecacatan massa batuan disekitar pembukaan adalah proses interaktif yang tidak bisa
ditampilkan oleh rangkaian persamaan sederhana. Studi dari masalah ini membutuhkan
penggunaan model-model angka yang mengikuti proses kegagalan progresif, dan
transfer beban dari elemen-elemen yang gagal kedalam elemen-elemen tidak cacat
hingga keseimbangan tercapai, atau hingga pembukaan runtuh. Penggunaan pendukung
kedalam model tersebut lebih lanjut memperumit proses, karena sifat kapasitas dan

deformasi/kecacatan dari pendukung mempengaruhi prilaku massa batuan. Model yang

disebut PHASES, yang berkembang secara spesifik untuk jenis-jenis analisa ini, akan
dibahas pada bab selanjutnya.
Faktor kunci dalam analisa tekanan yang memicu ketidakstabilan ini tidak memiliki
defenisi jelas tentang stabilitas atau kegagalan yang bisa diterima. Siapapun yang telah
mengunjungi tambang level dalam akan mengenal penampakan fraktur batuan disekitar
pembukaan bawah tanah dan pembukaan ini dapat diakses dan jelas tidak gagal. Dalam
hal praktis, stabilitas diputuskan dapat diterima sewaktu deformasi massa batuan
dikontrol dan sewaktu elemen-elemen pendukung tidak terlalu-tertekan.
Sewaktu tidak mungkin untuk menggunakan teknik probabilitas, analisa seperti
Monte Carlo, secara langsung dalam analisa tekanan yang memicu ketidakstabilan,
berguna untuk mempertimbangkan parameter jarak input yang mungkin sewaktu bekerja
dengan masalah ini. karenanya, sewaktu menggunakan salah satu model-model numerik
untuk menganalisa perluasan zona gagal disekitar pembukaan atau jumlah pendukung
yang diperlukan untuk mengontrol deformasi, penting untuk menjalankan model
beberapa kali untuk menginvestigasi pengaruh variasi dalam tekanan yang digunakan,
sifat massa batuan dan karakteristik sistem pendukung berbeda. Dengan perbaikan
dalam efisiensi program dan kemampuan komputer, ini menjadi layak untuk menjalankan
beberapa analisa tekanan ini beberapa kali dalam beberapa jam. Ini berarti bahwa
pengguna bisa memperoleh apresiasi untuk kondisi paling mungkin rata-rata yang harus
didesain dan jangkauan yang mungkin dari variasi yang harus dihadapi di lapangan.