PEMODELAN GEOLOGI

ANALISIS STABILITAS LERENG DENGAN

METODE TRIAXIAL MULTISTAGE DI
SUNGAI PENUH, KABUPATEN KERINCI,
PROVINSI JAMBI SEBAGAI MITIGASI
BENCANA LONGSOR
Nama: Nadia Agustin Syahputri
NIM: 03071281924021
Kelas: Indralaya
BAGIAN 1
TOPIC: ANALISIS STABILITAS LERENG DENGAN METODE
TRIAXIAL MULTISTAGE DI SUNGAI PENUH, KABUPATEN KERINCI.
PROVINSI JAMBI SEBAGAI MITIGASI BENCANA LONGSOR
Kecamatan Sungaipenuh, Kabupaten Kerinci, tmerupakan daerah yang memiliki risiko untuk
sedang-tinggi untuk terjadi bencana longsor. Oleh karena itu, diperlukan analisis stabilitas lereng
untuk keperluan pembangunan erhadap kondisi topografi dan geologi yang ada dilapangan,
sehingga dalam perencanaan pembangunan infrastruktur dapat dianggap aman terhadap
gerakan tanah yang terjadi dan keruntuhan lereng di daerah tersebut dapat diminimalisir. Curah
hujan dengan durasi yang lama disertai intensitas yang tinggi merupakan salah satu faktor
penyebab terjadinya bencana tanah longsor pada sebagian besar wilayah di Indonesia. Korban
jiwa manusia dan kerugian ekonomi akibat tanah longsor mengilustrasikan bahwa betapa
besar upaya yang harus dilakukan untuk mengantisipasi kelongsoran pada lereng yang kritis,
dimana air memberikan kontribusi terhadap kejadian kelongsoran terutama pada tanah
lempung tak jenuh. Selain itu, gangguan terhadap stabilitas lereng dapat terjadi jika tahanan
geser tanah tidak mampu mengirnbangi gaya-gaya luar yang menyebabkan gelincir pada
bidang longsor
BAGIAN 1
Batuan mempunyai perilaku yang berbeda-beda pada saat menerima beban. Perilaku ini dapat
ditentukan dengan pengujian di laboratorium yaitu dengan pengujian kuat tekan. Mekanika
batuan adalah salah cabang disiplin ilmu geomekanika. Mekanika batuan merupakan ilmu
yang mempelajari sifat-sifat mekanik batuan dan massa batuan. Hal inI menyebabkan
mekanika batuan memiliki peran yang dominan dalam operasi penambangan, seperti
pekerjaan penerowongan, pemboran, penggalian, peledakan dan pekerjaan lainnya. Uji geser
triaksial adalah uji yang paling dapat diandalkan untuk menentukan parameter
tegangan geser. Uji ini telah digunakan secara luas untuk keperluan pengujian biasa
ataupun untuk keperluan riset. Bentuk alat tes triaxial yang konvensional dan prosedur tes
standar dijelaskan secara detail oleh Bishop dan Henkel (1962) dalam buku mereka.
Keuntungannya adalah bahwa kondisi pengaliran dapat dikontrol, tekanan air pori
dapat diukur, bila diperlukan tekanan tanah jenuh dengan permeabilitas rendah
dapat dibuat terkonsolidasi, bahwa tanah yang kurang jenuh dapat menjadi tanah jenuh 100%
BAGIAN 1
Hal yang mendasari saya untuk mengambil judul tugas akhir mengenai uji triaksial terhadap
kestabilan lereng di Sungaipenuh, Kerinci, adalah dikarenakan saya tertarik dengan topik ini.
Selain adanya ketertarikan, uji triaxial multistage merupakan metode pengujian yang bertujuan
untuk mencari engineering properties tanah. Dengan Uji Triaksial Multistage, dimungkinkan
untuk memperoleh lebih dari satu Lingkaran Mohr dari satu spesimen.yang dapat menginduksi
lebih dari satu konsolidasi dan geser pada spesimen tanah yang sama yang dimuat di dalam
sel sehingga biaya dan waktu yang dikeluarkan lebih sedikit. Analisis ini memerlukan metode
berupa stratigraphy, soil mechanical behavior, Pore Water Pressure, Displacement, dan Slope
Stability Condition.
Rujukan yang digunakan menggunakan kriteria berdasarkan Mohr-Coulomb, Bieniawski I dan II,
dan Hoek-Bro.
BAGIAN 1

Gambar 1. Tingkat Risiko Longsor di Daerah Sungaipenuh

Sumber: http://lerengjambi.com/data%20lereng.php.
BAGIAN 2
RESUME CHAPTER 8 - GEOSTATISTICAL PREDICTION TECHNIQUES
Proses Prediksi Spasial
Proses prediksi merupakan pengukuran variasi spasial yang terus menerus dari nilai-nilai pada titik-titik diskrit pada interval reguler
dalam tiga dimensi. Salah satu keuntungan utama dari struktur data grid 3D dan variasinya adalah dapat digunakan oleh banyak
teknologi eksternal sehingga dapat dengan mudah mengekspor variasi spasial yang diprediksi untuk analisis lebih lanjut. Dalam bab ini,
membahas implikasi untuk prediksi spasial dalam mengintegrasikan struktur data volume berbasis vektor dengan striktur data grid 3D,
diskusi tentang bentuk geostatistik kriging yang lebih umum dan variasinya, dan teknik alternatif.

Implikasi Diskritisasi Spasial

Beberapa sel selalu memiliki dua atau lebih titik potong tergantung pada kompleksitas interpretasi spasial dan bergantung pada
dimensi yang dipilih dari struktur data grid. Gambar 1a adalah contoh sel seperti itu; terdapat dua titik potong dengan nilai karakteristik
A dan B, masing-masing. Perbedaan ini diilustrasikan pada Gambar 1b lokasi pusat dari nilai yang diprediksi untuk titik potong
karakteristik A sebenarnya terletak di luar intensinya dengan sel.
Perbedaan ini tidak senegatif kelihatannya. Pertama, perpotongan karakteristik A umumnya hanya digunakan untuk mengontrol prediksi
variabel di dalam sel, dan tidak untuk analisis spasial berikutnya. Kedua, nilai prediksi pada sel pusat didasarkan pada variabilitas
spasial terukur dari variabel untuk nilai dalam karakteristik A. Ketiga, jika membutuhkan nilai prediksi yang lebih representatif, maka
harus dilakukan perhitungan rata-rata tertimbang volume untuk sel tersebut.

Kontrol Seleksi Sampel

Penyempurnaan yang diharapkan jika kontrol sampel memungkinkan adalah memastikan bahwa nilai-nilai diprediksi hanya pada titik-
titik yang memiliki distribusi sampel yang dapat diterima di sekitarnya. Ini biasanya dilakukan dengan menentukan jumlah minimum
kuadran volume pencarian yang harus ditempati oleh setidaknya satu sampel sebelum prediksi terjadi. Penyempurnaan kedua lebih
memperhatikan efisiensi proses prediksi. Jika ada banyak sampel dalam setiap kuadran volume pencarian, maka sampel terjauh dari
titik prediksi akan memiliki pengaruh minimal pada nilai prediksi.
BAGIAN 2
RESUME CHAPTER 8 - GEOSTATISTICAL PREDICTION TECHNIQUES
Kriging Poin ke Grid 3D
Dalam melakukan perubahan kriging poin ke grid 3D, asumsikan bahwa anisotropi dan tren diabaikan. Pertimbangkan prediksi variabel
yang variabilitas spasial untuk nilai tertentu dari karakteristik pengendalian diwakili oleh model prediksi semivariogrum bola.

Kunjungi setiap sel grid dalam lum untuk menentukan apakah memiliki perpotongan karakteristik dari nilai yang tepat. Jika tidak,
variabel dibiarkan tidak terdefinisi di lokasi pusat sel dan beralih ke sel berikutnya. Jika memiliki perpotongan, maka cari sampel yang
relevan dengan centroid sel grid. Untuk memenuhi syarat, sampel harus memiliki nilai karakteristik yang tepat dan termasuk dalam
volume pencarian yang dipusatkan pada pusat sel. Dalam hal ini volume pencarian adalah bola dengan radius yang sama dengan
jangkauan pengaruh model prediksi (terlampir pada. Gambar 2).

Gambar 2. Sampel dan geometri grid-sel untuk prediksi isotropik suatu variabel; b) penskalaan sampel / sel prediksi semi-varians dari
model prediksi isotropik semi-variogram

Keuntungan utama dari pendekatan ini untuk prediksi adalah bahwa semi-varians pada centroid sel diminimalkan, berdasarkan nilai
sampel di sekitarnya dan variabilitas spasial yang diukur. Ulangi proses di atas untuk setiap sel grid dan untuk setiap nilai karakteristik
pengontrol.
BAGIAN 2
RESUME CHAPTER 8 - GEOSTATISTICAL PREDICTION TECHNIQUES
Volume Krigging in 3D Grid
Nilai prediksi lokasi centroid grid-cell pada metode point krigging tidak bergantung dengan volume sel. Bila dimensi sel diperluas atau
dikurangi, nilai prediksi tetap sama dengan asumsi centroid sel tetap berada di lokasi yang sama. Variasi pada teknik point krigging
memungkinkan untuk memprediksi nilai reoge untuk volume sel (volume kriging). Perbedaan hasil prediksi antara kedua teknik (point
krigging dan volume krigging) sangat bergantung pada hubungan antara dimensi sel dan model prediksi, karena nilai rata-rata jelas
bergantung pada volume sel. Jika dimensinya relatif besar dan variabilitas spasialnya tinggi, maka perbedaannya cenderung signifikan
pada skala lokal, namun variasi spasial skala besar selalu serupa. Fungsi dari volume kriging adalah bahwa semivarians (dan
karenanya ketidakpastian) selalu kurang daripada yang diprediksi oleh point krigging.

Kriging with Data Transforms

Ada banyak kejadian ketika variabilitas spasial tidak dapat diukur kecuali terlebih dahulu diterapkan beberapa bentuk transformasi
data. Hal ini karena sampel yang tidak berbentuk tidak menunjukkan distribusi nilai yang normal secara statistik, yang merupakan
prasyarat analisis semi-variogram. Penggunaan logaritma dan indikator transforms adalah yang paling sering digunakan. Konsep
penerapan transformasi logaritmik ke nilai sampel yang digunakan, mengukur variabilitas spasial, memilih model prediksi,
menggunakan salah satu teknik kriging yang telah dibahas untuk memprediksi variasi spasial, dan akhirnya membalikkan transformasi
untuk mendapatkan variasi berupa natural value. Namun, ada komplikasi dalam proses ini yang perlu diperhatikan, yaitu inheren pada
perhitungan logaritmik memiliki kecenderungan untuk overestimate nilai prediksi dan ketidakpastiannya dengan mengalokasikan terlalu
banyak bobot ke nilai sampel yang lebih tinggi.

Kriging with Data Trends (Universal Kriging)

Universal kriging adalah teknik prediksi yang berfungsi untuk mengolah data trend, yang serupa dengan menerapkan transformasi
data. Pada universal krigging, hasil analisis variabilitas spasial mencakup rincian ekspresi polinomial (linier, kuadrat atau kubik) yang
mendefinisikan variasi spasial dari bagian tertentu dari nilai variabel. Proses prediksi dimulai dengan penyesuaian (Wansformation)
nilai sampel dengan mengurangkan bagian tren dari nilai tersebut.
BAGIAN 2
RESUME CHAPTER 8 - GEOSTATISTICAL PREDICTION TECHNIQUES
Indicator Kriging and Probability Estimation
Indikator kriging berkaitan dengan memprediksi variasi spasial probabilitas variabel yang memenuhi kriteria tertentu untuk alasan ini teknik ini juga
disebut sebagai estimasi probabilitas. Kriteria biasanya didefinisikan sebagai variabel yang sama dengan atau lebih besar dari nilai ambang batas,
lebih jarang sebagai variabel yang kurang dari nilai ambang batas

Teknik Prediksi Alternatif

Alternatif yang paling sering digunakan untuk kriging geostatistik adalah variasi dari teknik pembobotan jarak terbaik, algoritma kontur konversional.
Seperti kriging, dimana bisa mengguakan kombinasi bobot yang lebih pada sampel yang lebih dekat. Parameter prediksi disesuaikan secara iterative
hingga variasi spasial yang dihasilkan terlihat masuk akal secara intuitif.

Pemeriksaan Silang Hasil Prediksi

Pemeriksaan paling nyaman adalah pemeriksaan statistic. Analisis sifat statistik dasar variasi ynag diprediksi. Nilai prediksi berada di lapangan bola
yang tepat, itu tidak berarti bahwa nilai yang tepat berada di lokasi spasial yang tepat, oleh karena itu harus selalu menggabungkan pemeriksaan
silang statistic dan visual untuk kelengkapan.

Masalah Umum dalam Prediksi Spasial

Masalah tersebut yaitu ada prediksi yang salah. Dimana bisa mendapatkan solusi parsial adalah dengan menggunakan control pemilihan sampel
yang lebih ketat, serta solusi terbaiknya yaitu Kembali ke situs dang mengambil lebih banyak sampel.

Tinjauan Kinerja Teknik Prediksi

Tinjauan teknik ini mempertimbangkan untuk mendapatkan ukuran variabilitas spasial yang dapat diterima dan memilih apapun yang paling
memenuhi tujuan karakterisasi. Ukuran kualitas prediksi mencakup sifat statistik standar, dipengaruhi oleh pertimbangan yaitu:
1. Hitungan positif atau negatif palsu.
2. Deviasi positif atau negatif.
3. Efisiensi seleksi.
4. Efisiensi prediksi.
BAGIAN 3
DATA-DATA YANG AKAN DIKUMPULKAN

Untuk melakukan analisis stabilitas lereng, digunakan beberapa data, seperti:

Peta Kemiringan Lereng
Peta Geologi
Peta Geomorfologi
Data waktu
Data Regangan (Perubahan tinggi, Regangan %)
Data pembacaan beban
Data Faktor Koreksi
Data Luas Terkoreksi
Data Tegangan Deviasi
Data Tegangan Normal
Diagram Mohr
Information Source Variety (Topograhic Model, Stratigraphic Model, Hydrology Model,
Vegetation Model)