1/Juni 2019
http://e-journal.unizar.ac.id
Jauhari Prasetiawan
Program Studi Teknik Sipil, Fakultas Teknik, Universitas Islam Al-Azhar, Mataram
Jln. Unizar No. 20 Turida, Mataram
Email: jauhariprasetiawan@gmail.com
ABSTRAK
Optimasi struktur merupakan salah satu tantangan bagi para engineer teknik sipil dalam
menyediakan desain struktur yang optimal. Tujuan dari penelitian ini adalah untuk
mendapatkan dimensi dan luas tulangan balok serta rumus empirisnya. Metode optimasi yang
digunakan adalah dengan pemodelan Artificial Neural Network (ANN) menggunakan program
MATLAB. Data yang digunakan dalam penelitian ini sebanyak 12 buah dari setiap group dan
lantai, yang didapatkan dari hasil pemodelan SAP 2000. Data ini kemudian dimasukkan ke
dalam ANN guna mendapatkan rumus empiris. Rumus empiris yang didapatkan kemudian
digunakan untuk mendapatkan dimensi dan luas tulangan balok pada portal beton. Didapatkan
dua puluh empat rumus empiris yang digunakan untuk mendapatkan prediksi dimensi balok
yang optimum dengan variasi bentang balok, bentang kolom, serta parameter percepatan
gempa. Semakin meningkatnya parameter percepatan gempa, bentang balok, dan bentang
kolom maka luas dimensi beton dan luas tulangan balok akan meningkat.
Kata kunci : optimasi dimensi, balok dan kolom, Artificial Neural Network
ABSTRACT
Structure optimization is one of the challenges for civil engineering engineers in providing
optimal structure design. The purpose of this study is to obtain dimensions and extent of beam
reinforcement and empirical formulas. The optimization method used is modeling Artificial
Neural Network (ANN) using the MATLAB program. The data used in this study were 12 pieces
from each group and floor, which were obtained from the results of SAP 2000 modeling. This
data was then entered into the ANN to obtain the empirical formula. The empirical formula
obtained is then used to obtain the dimensions and area of reinforced beams on concrete
portals. Obtained twenty-four empirical formulas used to obtain optimum predictions of beam
dimensions with variations in beam span, column span, and earthquake acceleration
parameters. The increasing parameters of earthquake acceleration, beam span, and column
spans will increase the dimensions of concrete and the area of beam reinforcement.
24
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
25
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
26
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
27
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
Tinggi
Hi Hi^k E-W N-S
Lt Wi (Kg) per lt Wi.Hi^k Cvx Fx Vx Ms
(m) (m) (EQy) (EQx)
(m)
3 73116 4,5 13,5 13,5 987066 0,412 35361 89110 801997 17822 14851
2 101232 4,5 9 9 911088 0,38 30693 53749 241873 10749 8958
1 110934 4,5 4,5 4,5 499203 0,29 23056 23056 0 4611 3842
W
285282 2397357
tot
28
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
= 1,0000270 x 160000
Zin1 = -25,20 + 22,08x1+ -9,55x1 +
= 160004,316
36,78x1 + -2,1E-05x1 + -9,55x1 𝑌𝐴𝑁𝑁 −𝑌𝑡𝑎𝑟𝑔𝑒𝑡
= 14,57 Error = 𝑥 100
𝑌 𝑡𝑎𝑟𝑔𝑒𝑡
Zin2 = -24,11 + -11,89x1 + 0,51x2 + 160004,316 – 160000
= 𝑥 100 = 0,00270%
17,94x3 + 3,82x4 + 0,51x5 160000
= -13,23 Terlihat bahwa nilai kesalahan yang
1
Z1 = 1+𝑒 −(14,57) = 1
diperoleh di bawah 5%. Sehingga rumus
1
Z2 = = 1,79E-06
1+𝑒 −(−13,23) empiris dapat digunakan untuk mencari
Y = 0,56 + (0,44x1) + (3,23x1,79E-06) dimensi optimum balok lainnya dengan
= 1,0000270
variasi lokasi gempa, bentang balok, tinggi
Untuk membalikkan hasil normalisasi
= Ytarget x Yinput yang terbesar kolom dan jumlah lantai.
29
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
Luas tulangan optimum balok spektra MCE (Ss), jenis tanah, bentang
Untuk mendapatkan luas tulangan balok, tinggi kolom, jumlah lantai dan
yang optimum, peneliti menggunakan dimensi balok yang diwakili oleh luas
variabel input berupa daerah gempa yang penampang.
diwakili oleh parameter percepatan respon
30
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
dalam permodelan Artificial neural target output dimensi kolom dan untuk nilai
network. Berikut adalah hasil running error pada target output luas tulangan
Artificial neural network pada program sebesar 1,36%. Nilai error tersebut masih
MATLAB. dalam toleransi karena kurang dari 5%.
V[1,1] = 1.24 V[2,4] = -3.93
V[1,2] = 1.3079 V[2,5] = 1.62
V[1,3] = -3.93 V[2,6] = 5.92
V[1,4] = -15.00 b[1,1] = 3.33
V[1,5] = 1.31 b[1,2] = -5.44
V[1,6] = 12.82 W[1,1] = -1.14
V[2,1] = 1.50 W[2,1] = 2.01
V[2,2] = 1.62 b[2,1] = 0.29
V[2,3] = -0.05 Gambar 2. Sebaran nilai error hasil prediksi
dari simulasi ANN terhadap target
output dimensi balok 3 lantai.
Dari konstanta hasil running
tersebut, dapat di bentuk menjadi rumus
empiris seperti berikut:
31
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
32
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
Pada tabel 8 dan gambar 5 sampai 6 terlihat optimasi luas tulangan kolom dan balok
bahwa dengan meningkatnya jumlah lantai, tinggi kolom 4 m dengan ANN pada
maka dimensi kolom dan balok pada daerah parameter percepatan gempa (Ss) 1,83
Aceh cenderung meningkat tabel 5 hasil
Tabel 7. Persentase kenaikan luas tulangan balok
Persentase
b/h
Daerah kenaikan
Tinggi jumlah group
Ss Resiko Bentang Luas Luas
Kolom lantai B1
Gempa tulangan tulangan
(mm)
kolom balok
1.83 Aceh 3 4 3 641 43% 132%
1.83 Aceh 3 4 2 277 199% 151%
1.83 Aceh 3 4 1 110 85% 87%
1.83 Aceh 4 4 3 857 62% 70%
1.83 Aceh 4 4 2 504 171% 164%
1.83 Aceh 4 4 1 190 83% 84%
1.83 Aceh 5 4 3 1189 56% 121%
1.83 Aceh 5 4 2 539 148% 100%
1.83 Aceh 5 4 1 270 - -
33
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
Tabel 9. Validasi perbandingan luas tulangan balok Output SAP 2000 dengan Output ANN
34
Avesina Vol.13 No.1/Juni 2019
http://e-journal.unizar.ac.id
35