Anda di halaman 1dari 28

Lie Hendri Hariwijaya Tugas Rekayasa Kegempaan

AGM (Artificial Ground Motion) Dimensional

Respon spektrum dari AGM dimensional yang dihitung oleh PRISM, NONLIN, dan
Seismosignal di-plot bersama dengan respon spektrum desain dari SNI gempa 2003. Respon
spektrum dari AGM dan SNI gempa 2003 adalah untuk zona gempa 1, Kota Palangkaraya.

Gambar R1 Spektrum percepatan AGM02 dimensional dan SNI untuk tanah keras

Gambar R2 Spektrum kecepatan AGM02 dimensional dan SNI untuk tanah keras
Lie Hendri Hariwijaya Tugas Rekayasa Kegempaan

Gambar R3 Spektrum perpindahan AGM02 dimensional dan SNI untuk tanah keras

Gambar R4 Spektrum percepatan AGM08 dimensional dan SNI untuk tanah sedang
Lie Hendri Hariwijaya Tugas Rekayasa Kegempaan

Gambar R5 Spektrum kecepatan AGM08 dimensional dan SNI untuk tanah sedang

Gambar R6 Spektrum perpindahan AGM08 dimensional dan SNI untuk tanah sedang
Lie Hendri Hariwijaya Tugas Rekayasa Kegempaan

Gambar R7 Spektrum percepatan AGM14 dimensional dan SNI untuk tanah lunak

Gambar R8 Spektrum kecepatan AGM14 dimensional dan SNI untuk tanah lunak
Lie Hendri Hariwijaya Tugas Rekayasa Kegempaan

Gambar R9 Spektrum perpindahan AGM14 dimensional dan SNI untuk tanah lunak
Lie Hendri Hariwijaya Tugas Rekayasa Kegempaan

Power Density Spektrum (PDS)

Respon sistem SDOF elastis linear untuk setiap periode dihitung oleh program PRISM,
sedangkan perhitungan energi dan daya dilakukan oleh skrip yang disusun dalam Matlab
R2009a. AGM02 adalah ground motion untuk Kota Palangkaraya kondisi tanah keras,
AGM08 untuk kota yang sama tetapi tanah sedang, dan AGM14 untuk kota yang sama tetapi
tanah lunak.

Gambar R10 Power density spectrum untuk AGM02 kondisi tanah keras

Gambar R11 Power density spectrum untuk AGM08 kondisi tanah sedang
Lie Hendri Hariwijaya Tugas Rekayasa Kegempaan

Gambar R12 Power density spectrum untuk AGM14 kondisi tanah lunak

Hal-hal yang dapat dipahami dari gambar R10 sampai R12:

1. AGM14 memiliki nilai power density maksimum paling besar daripada power density
maksimum AGM lain, sehingga AGM14 adalah ground motion yang paling merusak.
2. Pada nilai periode yang besar, PDS inersia akan berimpit dengan PDS eksitasi karena
sistem sangat fleksibel sehingga percepatan relatif memiliki besar yang sama tetapi
berlawanan tanda dengan percepatan tanah.
3. Kurva PDS spring proporsional dengan kurva PDS damping.
4. PDS spring dan PDS inersia akan bernilai paling besar pada sekitar rentang periode di
mana sistem mengalami resonansi.
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Energi Sistem SDOF Elastis Linear

Pers. gerak sistem SDOF (single degree of freedom) elastis linear adalah

mu  cu  ku   mug (1)

Kalikan pers. (1) dengan du kemudian integrasikan sehingga diperoleh pers. energi yaitu

u u u u
   cudu
 mudu    kudu    mug du (2)
0 0 0 0

Suku pertama ruas kiri pers. (2) adalah energi kinetik/inersia pada saat t,

u u u
d 2u du du 1 2
   m
 mudu 2
du   m d  mu  t  (3)
0 0
dt 0
dt dt 2

Suku kedua ruas kiri pers. (2) adalah energi redaman atau energi yang terdisipasi pada saat t,

u u t
du dt 2
  c
 cudu du   cu  t  dt (4)
0 0
dt dt 0

Suku ketiga ruas kiri pers. (2) adalah energi potensial/regangan/pegas pada saat t,

u
1 2
 kudu  2 ku  t 
0
(5)

Sedangkan ruas kanan pers. (2) adalah energi input/eksitasi pada saat t,

u u
d 2u g dt
t
  mug du    m du    mug  t  u  t dt (6)
0 0
dt 2 dt 0

Energi sistem yang dihitung memiliki periode natural 0,8 detik, atau massa 100 N-dtk2/mm
dan kekakuan 6168,5 N/mm. Respon sistem untuk ketiga AGM (artificial ground motion)
dihitung oleh PRISM v2.0.

Power density pada saat t dihitung sebagai berikut,

t
1 d 
PDX     mug  t  u  t dt  (7)
m dt  0 

Selanjutnya dibuat kurva energi vs. waktu dan rapat daya (power density) vs. waktu untuk
ketiga AGM (dimensional) yang disajikan sebagai berikut.

1
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 1 Kurva energi vs. waktu akibat AGM02

Menurut gambar 1 untuk AGM02, nilai maksimum energi eksitasi adalah 342,9 Joule saat
waktu 49 detik. Garis merah adalah energi redaman (damping) ED, garis biru muda adalah
energi potensial ES plus energi redaman ED, dan garis biru adalah energi eksitasi EX.

2
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 2 Kurva energi vs. waktu akibat AGM08

Menurut gambar 2 untuk AGM08, nilai maksimum energi eksitasi adalah 1415 Joule saat
waktu 37,94 detik.

3
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 3 Kurva energi vs. waktu akibat AGM14

Menurut gambar 3 untuk AGM14, nilai maksimum energi eksitasi adalah 5247 Joule saat
waktu  93,81 detik.

Berdasarkan gambar 1 hingga gambar 3, kurva energi redaman ED plus energi potensial ES
selalu berada di bawah kurva energi eksitasi EX. Ketika dilakukan pemeriksaan nilai
(ES+EI+ED)-EX, nilainya seharusnya mendekati nol. Selisihnya paling besar, misalnya untuk

4
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

eksitasi AGM14, adalah 29,4 Joule, jika dibagi dengan nilai maksimum EX, 5247 Joule
menghasilkan nilai 0,56%. Kesalahan ini masih tergolong sangat kecil sehingga dapat
dikatakan hasil perhitungan respon PRISM v2.0 cukup akurat.

Hubungan rapat daya atau daya per satuan massa disajikan sebagai berikut.

Gambar 4 Rapat daya vs. waktu akibat AGM02

5
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Menurut gambar 4 untuk AGM02, nilai maksimum rapat daya adalah 0,0154 Watt/kg saat
waktu 48,01 detik.

Gambar 5 Rapat daya vs. waktu akibat AGM08

Menurut gambar 5 untuk AGM08, nilai maksimum rapat daya adalah 0,02602 Watt/kg saat
waktu 28,75 detik.

6
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 6 Rapat daya vs. waktu akibat AGM14

Menurut gambar 6 untuk AGM14, nilai maksimum rapat daya adalah 0,07537 Watt/kg saat
waktu 53,47 detik.

7
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Fourier Amplitude Spectra

Fourier Amplitude Spectra (FAS) dihitung dengan menggunakan fasilitas fungsi fast fourier
transform (fft()) pada Matlab R2009a. Hubungan amplitudo terhadap frekuensi (eksitasi
domain frekuensi) dan hubungan amplitudo terhadap waktu (eksitasi domain waktu) disajikan
untuk eksitasi ketiga AGM yang dimensional.

Gambar 7 Domain frekuensi (FAS) dan domain waktu untuk AGM02

8
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Berdasarkan gambar 7 untuk AGM02, nilai frekuensi dominan adalah 2,262 Hz dengan
amplitudo 0,005108 m/s2. Nilai amplitudo maksimum yang terjadi saat 46,71 detik adalah
0,2931 m/s2.

Gambar 8 Domain frekuensi (FAS) dan domain waktu untuk AGM08

Berdasarkan gambar 8 untuk AGM08, nilai frekuensi dominan adalah 0,1759 Hz dengan
amplitudo 0,01021 m/s2. Nilai amplitudo maksimum yang terjadi saat 28,53 detik adalah
0,3916 m/s2.

9
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 9 Domain frekuensi (FAS) dan domain waktu untuk AGM14

Berdasarkan gambar 9 untuk AGM14, nilai frekuensi dominan adalah 1,709 Hz dengan
amplitudo 0,01181 m/s2. Nilai amplitudo maksimum yang terjadi saat 53,14 detik adalah
0,7596 m/s2.

10
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Fungsi Autocorrelation

Fungsi autocorrelation dihitung dengan

R     E  x  t   x  t     (8)

Perlu diperhatikan saat T    T , nilai R     0 . Selain rentang  tersebut, R    0 .


Nilai T adalah durasi eksitasi AGM yang dimensional. Diketahui

R    0   E  x 2    2  karena  2  E  x 2    2 di mana   0 . (9)

Power Spectral Density

Power spectral density (PSD) merupakan integral Fourier dari fungsi autocorrelation yang
dibagi dengan 2 .

Integral Fourier, di mana periode ulang x  t  mendekati tak hingga,


 i t
X     x  t e dt (10)


maka power spectral density,


1
S     R    e i d 
2 

1
  R    cos   i sin   d 
2 
 memakai formula Euler


(11)
1
  R    cos   R    i sin d d 
2 

1
  R    cos d 
2 
 suku yang ada bil. imajiner = 0

Suku yang ada bilangan imajiner sama dengan nol karena R    dan sin  masing-masing
adalah fungsi genap dan fungsi ganjil, yang jika dikalikan menghasilkan fungsi ganjil. Fungsi
ganjil jika diintegralkan dengan batas  hingga  menghasilkan nilai nol. Selanjutnya,

11
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

fungsi autocorrelation R    tidak sama dengan nol pada rentang T    T dan bernilai nol
untuk nilai  selain itu, sehingga PSD dapat ditulis kembali menjadi

T
1
S    R    cos d  (12)
2 T

Berikut ini, diberikan gambar fungsi autocorrelation dan fungsi PSD untuk ketiga AGM
yang dimensional.

Gambar 10 Fungsi autocorrelation untuk AGM02

12
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Nilai varians  2 data AGM02 adalah 0.00084974 m2/s4 dan nilai reratanya  adalah
1.4212e-006 m/s2  0 . Berdasarkan gambar 10, R    0  untuk AGM02 sama dengan  2
karena   0 .

Gambar 11 Fungsi autocorrelation untuk AGM08

Nilai varians  2 data AGM08 adalah 0.0020008 m2/s4 dan nilai reratanya  adalah -6.0676e-
007 m/s2  0 . Ditunjukkan gambar 11, R    0  untuk AGM08 sama dengan  2 karena
0.

13
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 12 Fungsi autocorrelation untuk AGM14

Nilai varians  2 data AGM14 adalah 0.0086498 m2/s4 dan nilai reratanya  adalah -4.7739e-
006 m/s2  0 . Berdasarkan gambar 12, R    0  untuk AGM14 sama dengan  2 karena
0.

Jika x  t   x  t    maka nilai fungsi autocorrelation R    cenderung konstan. Menurut


gambar 10 hingga 12, nilai R    sangat besar saat   0 dan bernilai kecil untuk  yang
lain. Ini artinya nilai-nilai x  t  tersebut (data percepatan AGM dimensional) tersebar sangat
tidak beraturan.
14
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Jika x  t  bersifat stasioner, nilai deviasi standar  dan reratanya  independen terhadap t,

E  x  t    E  x  t      
(13)
 x t    x t    

Koefisien korelasi  dari x  t  dan x  t    adalah

E  x  t    x  t     



2
E  x  t  x  t      E  x  t      E  x  t     2
 (14)
2
R     2

2

Sehingga diperoleh

R      2   2 dan karena   1 maka


(15)
- 2   2  R      2   2

Untuk semua AGM dimensional, menurut pers. (15) dan   0 sehingga berlaku

-2  R     2 (16)

Gambar 10 hingga 12 menunjukkan kesesuaian terhadap pers. (16) yaitu tidak ada nilai
R     2 .

Ketika  bernilai sangat besar, maka hubungan x  t  dan x  t    semakin tidak beraturan
sehingga dapat dikatakan nilai koefisien korelasi  menuju nol. Dengan demikian menurut
pers. (14),

R       2 atau R       0 (17)

Ditunjukkan oleh gambar 10 hingga 12, ketika  sangat besar R    menuju nol.

15
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 13 Fungsi PSD untuk AGM02

Gambar 14 Fungsi PSD untuk AGM08

16
Lie Hendri Hariwijaya [Tugas Rekayasa Kegempaan]

Gambar 15 Fungsi PSD untuk AGM14

Gambar 13 hingga 15 menunjukkan distribusi energi pada setiap frekuensi dari data
percepatan setiap AGM dimensional. Gambar fungsi PSD mirip dengan gambar FAS
(gambar 7 hingga 9). Dapat disimpulkan frekuensi yang memiliki amplitudo paling besar
juga memiliki energi yang paling besar.

17
10/7/14 9:36 AM E:\Documents\TUGAS S2 ITB\REK_GEMPA\tugas 2 20...\energi_daya.m 1 of 1

% =========================================================================
% ALGORITMA MENGHITUNG ENERGI DAN DAYA SISTEM SDOF ELASTIS AKIBAT GEMPA
% DENGAN MATLAB R2009a, OLEH LIE, HENDRI H. [NIM 25013020]
% =========================================================================

%% Input data eksitasi gempa dan respon sistem SDOF.


clc, clear;
load AGM14_respon_T08.txt % satuan yg digunakan: kg-m-sec (SI).
load AGM14_tugas_2.txt % respon sistem dihitung oleh PRISM v2.0
t=AGM14_respon_T08(:,1);
a=AGM14_respon_T08(:,2);
vel=AGM14_respon_T08(:,3);
disp=AGM14_respon_T08(:,4);
tg=AGM14_tugas_2(:,1);
ag=AGM14_tugas_2(:,2);

%% Interpolasi/diskritisasi data agar data punya interval waktu yg. sama.


delta_t=0.01;
n=size(t,1);
tt=0:delta_t:t(n,1);
tt=tt';
nn=size(tt,1);
a2=interp1(t,a,tt,'linear'); % digunakan interpolasi linear.
vel2=interp1(t,vel,tt,'linear');
disp2=interp1(t,disp,tt,'linear');
ag2=interp1(tg,ag,tt,'linear');

%% Menghitung energi sistem.


k=6168.5*10^3; % kekakuan k dalam N/m.
m=10^5; % massa m dalam kg atau N-sec2/m.
xi=0.05; % xi: rasio redaman/damping.
c=xi*(2*m*(k/m)^0.5); % c: koefisien redaman/damping.
ED=zeros(nn,1); % ED: energi yang ter-absorb/energi damping.
EX=zeros(nn,1); % EX: energi eksitasi/input.
for i=2:nn % menggunakan integrasi numerik trapesium.
ED(i,1)=trapz(tt(1:i,1),c*vel2(1:i,1).^2);
EX(i,1)=trapz(tt(1:i,1),-1*m*ag2(1:i,1).*vel2(1:i,1));
end
EI=0.5*m*vel2.^2; % EI: energi inersia/kinetik.
ES=0.5*k*disp2.^2; % ES: energi pegas/potensial/regangan.
CEK=(ED+ES+EI)-EX; % pemeriksaan kesalahan, hrs mendekati NOL.

%% Plot energi sistem.


figure(5);
plot(tt,EX,'Color','b'); % energi eksitasi/input, warna biru.
hold on;
plot(tt,ED,'Color','r'); % energi damping, warna merah.
plot(tt,ED+ES,'Color','c'); % energi damping+pegas, warna cyan.
title('Energi sistem SDOF');
xlabel('t (sec)');
ylabel('Energi');
hold off;

%% Menghitung rapat daya/power density sistem.


PDX=diff(EX)/delta_t/m; % memakai diferensiasi numerik tangensial.

%% Plot rapat daya/power density.


figure(6);
plot(tt(1:nn-1,1),PDX);
grid on;
title('Rapat Daya/Power Density sistem SDOF');
xlabel('t (sec)');
ylabel('Daya/Power per satuan massa');
10/7/14 9:34 AM E:\Documents\TUGAS S2 ITB\REK_GEMPA\tugas 2 2014\FAS P...\FAS.m 1 of 1

% =========================================================================
% ALGORITMA MENGHITUNG FOURIER AMPLITUDE SPECTRA DARI DATA PERCEPATAN GEMPA
% MENGGUNAKAN MATLAB R2009a, oleh Lie, Hendri H. [NIM 25013020]
% =========================================================================

%% Input data histori percepatan gempa.


clc,clear;
load AGM14_tugas_2.txt
row=size(AGM14_tugas_2,1); % row: jumlah diskritisasi t/jumlah data.
t=AGM14_tugas_2(:,1);
a=AGM14_tugas_2(:,2);

%% Interpolasi data untuk interval waktu tertentu.


delta_t=0.01; % delta_t: interval waktu diinginkan.
tt=0:delta_t:t(row,1); % nilai delta_t bisa ditentukan bebas.
tt=tt';
aa=interp1(t,a,tt,'linear'); % interpolasi data, linear 1 dimensi.

%% Fast Fourier Transform (FFT).


row2=size(tt,1); % row2: jumlah data setelah interpolasi.
A=fft(aa)*2/row2; % A(): fast fourier transform dari aa().
A=A(1:round(row2/2));
MA=abs(A); % MA(): nilai absolut dari A() yg punya-
Fs=1/delta_t; % bilangan kompleks.
f=(0:round(row2/2)-1)*Fs/row2;
f=f';

%% Plot FFT.
figure(1);
plot(tt,aa); % plot data domain waktu.
grid on;
title('Domain Waktu');
xlabel('t (detik)');
ylabel('Amplitudo');
figure(2);
plot(f,MA); % plot data domain frekuensi.
grid on;
title('Domain Frekuensi');
xlabel('frekuensi (Hz)');
ylabel('Amplitudo');
10/7/14 9:35 AM E:\Documents\TUGAS S2 ITB\REK_GEMPA\tu...\autocorrelation_PSD.m 1 of 2

% =========================================================================
% ALGORITMA MENYUSUN FUNGSI AUTOCORRELATION DARI DATA PERC. GEMPA
% DAN FUNGSI POWER SPECTRAL DENSITY-NYA
% DENGAN MATLAB R2009a, oleh Lie, Hendri H. [NIM 25013020]
% =========================================================================

%% Input data histori percepatan gempa.


clc,clear;
load AGM14_tugas_2.txt % satuan yg digunakan: kg-m-sec (SI).
t=AGM14_tugas_2(:,1);
a=AGM14_tugas_2(:,2);

%% Interpolasi data untuk interval waktu tertentu.


N=size(t,1); % N: jumlah diskritisasi t/jmlh. data.
delta_t=0.01; % delta_t: interval waktu, diisi bebas.
tt=0:delta_t:t(N,1);
tt=tt';
aa=interp1(t,a,tt,'linear'); % digunakan interpolasi linear.

%% Menghitung fungsi Autocorrelation.


NN=size(aa,1);
A=zeros(NN,2*NN+1);
for i=1:NN
c=0;
for j=-NN:1:NN
c=c+1;
if or(i+j>NN,i+j<1)
A(i,c)=0;
else
A(i,c)=aa(i,1)*aa(i+j,1);
end
end
end
R=sum(A)/NN; % menyusun fungsi autocorrelation R().
R=R';
tau=(-NN:1:NN)*delta_t; % menyusun beda waktu tau.
tau=tau';

%% Plot fungsi autocorrelation.


figure(3);
plot(tau,R);
grid on;
xlabel('tau');
ylabel('R(tau)');
title('Fungsi Autocorrelation');

%% Menghitung varians dan rerata data.


% Saat tau=NOL, haruslah R(tau=NOL)=varians jika rerata mendekati NOL.
V=var(aa);
disp('Varians dari data adalah,');
disp(V);
AV=mean(aa);
disp('Rerata dari data adalah,');
disp(AV);

%% Menghitung fungsi Power Spectral Density (PSD).


c=0;
intv=0.01; % intv: interval frekuensi.
Fs=1/delta_t;
S=zeros(Fs/2/intv+1,1);
for i=0:intv:Fs/2
c=c+1;
F=1/(2*pi())*R.*cos(2*pi()*i*tau); % Perkalian element by element.
S(c)=trapz(tau,F); % S(): fungsi Power Spectral Density.
end
10/7/14 9:35 AM E:\Documents\TUGAS S2 ITB\REK_GEMPA\tu...\autocorrelation_PSD.m 2 of 2

f=0:intv:Fs/2;

%% Plot fungsi PSD.


figure(4);
plot(f,S);
grid on;
title('Fungsi PSD');
xlabel('frekuensi (Hz)');
ylabel('S');