Subscribe to DeepL Pro to translate larger documents.

Visit www.DeepL.com/pro for more information.

Solusi Infrastruktur Inovatif (2020) 5:89

https://doi.org/10.1007/s41062-020-00339-2

MAKALAH YANG BERORIENTASI PADA PRAKTIK

Penggunaan optimasi genetik dalam identifikasi parameter gelagar

jembatan beton bertulang
Fatima El Hajj Chehade1,2,3 - Rafic Younes3 - Hussein Mroueh1 - Fadi Hage Chehade2

Diterima: 11 Maret 2020 / Diterima: 10 Juli 2020 / Dipublikasikan online: 23 Juli 2020
© Springer Nature Switzerland AG 2020

Abstrak
Respons nyata dari struktur tertentu, seperti lendutan, umumnya berbeda dengan prediksi yang diperoleh dari model
teoritis. Oleh karena itu, pemantauan struktur secara berkala atau jangka panjang menjadi suatu keharusan. Makalah ini
menjelaskan suatu pendekatan untuk menentukan periode yang paling sesuai untuk melakukan pemantauan lendutan pada
jembatan beton bertulang. Periode yang dicari memungkinkan dilakukannya pembaruan model teoritis yang terbaik untuk
merepresentasikan perilaku struktur dengan lebih baik seiring berjalannya waktu. Jadi, optimasi genetik digunakan untuk
memperbarui hukum kekakuan lentur yang sudah ada untuk meminimalkan perbedaan antara lendutan yang diukur dan
yang diprediksi; pengukuran akan dipertimbangkan dari periode waktu yang berbeda. Metodologi yang diusulkan
diterapkan pada satu set representatif dari 21 jembatan balok-T RC dengan parameter yang bervariasi. Simulasi
pengukuran lendutan statis berdasarkan data penimbangan yang dikumpulkan di beberapa negara Eropa digunakan dalam
aplikasi ini.

Kata kunci Optimasi genetik - Lendutan - Jembatan RC

Pendahuluan 1 Laboratorium Teknik Sipil dan geo-Lingkungan

(LGCgE), Universitas Lille 1, Villeneuve-d'Ascq,
Pemutakhiran model adalah nama populer untuk Prancis
menggunakan data terukur untuk mengidentifikasi atau 2Pusat Pemodelan Sekolah Doktoral Sains dan
memutakhirkan parameter dari model teoritis atau model Teknologi, Hadath, Lebanon
elemen hingga. Terdapat dua jenis utama metode 3 Fakultas Teknik, Universitas Lebanon, Hadath,
pembaruan model: minimalisasi residu dan pembaruan Lebanon
model Bayesian. Pada metode minimalisasi residual, nilai
parameter yang dicari dipilih untuk meminimalkan
perbedaan antara nilai prediksi dan nilai terukur,
sedangkan pada pembaruan model Bayesian, probabilitas
bersyarat Bayesian digunakan untuk memperbarui
pengetahuan awal parameter model [1].
Metode pemutakhiran model telah berhasil diterapkan
dalam banyak penelitian terkait teknik sipil. Sebagai contoh,
Yuen dkk. [2] menggunakan perluasan pendekatan
identifikasi sistem Bayesian untuk mengidentifikasi
parameter kekakuan bangunan 15 lantai berdasarkan data
dinamis yang tersedia. Hajela

🖂 Fatima El Hajj Chehade

fatima.hage.chehadeh@gmail.com
13
dan Soeiro [3] menerapkan metode kesalahan output
untuk identifikasi kerusakan lokal pada member rangka
batang berdasarkan simulasi pengukuran defleksi statis.
Sanayei dan Scampoli
[4] menggunakan algoritma identifikasi parameter statis
untuk memprediksi kekakuan lentur pelat untuk dek
dermaga beton bertulang dari data lendutan statis yang
disimulasikan. Algoritma pencarian global probabilistik
PGSL digunakan dalam [5] untuk mengidentifikasi
kondisi batas yang menghasilkan kecocokan sedekat
mungkin dengan data lendutan dari uji beban statis pada
jembatan. Catbas dkk. [6] menggunakan data regangan
statis untuk mengkalibrasi model elemen hingga dengan
menggunakan jaringan syaraf tiruan.
Ketika metode minimalisasi residual diadopsi, sulit
untuk mendapatkan persamaan matematis yang jelas
untuk fungsi yang diminimalkan, terutama di bawah
beban stokastik dan data yang berisik di dunia nyata. Jadi,
pendekatan terhadap respon terukur dan teoritis hampir
dilakukan dengan metode optimasi bebas turunan tanpa
informasi yang diperlukan tentang fungsi yang
diminimalkan [7]. Dengan demikian, algoritma genetika
(GA) adalah salah satu algoritma evolusioner yang banyak
diterapkan pada masalah optimasi dunia nyata [8, 9]. GA
menyediakan alat yang sangat cocok dalam masalah
optimasi struktural seperti untuk perhitungan ketebalan
struktur komposit laminasi di bawah batasan keandalan
[10] atau untuk meminimalkan biaya siklus hidup pipa
bawah tanah [11]. Dalam bidang geoteknologi, GA telah
membuktikan efisiensinya untuk parameter

13
89 Halaman 2 dari Solusi Infrastruktur Inovatif (2020) 5:89
24
Gbr. 1 Contoh distribusi beta
bimodal GVW untuk kelas
kendaraan 112r

estimasi banyak model berdasarkan data eksperimen yang Tabel 1 Label semua
tersebar, seperti estimasi parameter kriteria keruntuhan
kelaskendaraanKendaraan sendiri Kendaraan Kendaraan
batuan [12, 13]. Mergos dan Sextos [14] juga campuran
gandeng
menggunakan metode genetika Kendaraan
dengan
trailer
optimasi untuk pemilihan gerakan tanah gempa bumi
di antara data yang dikumpulkan oleh European Strong-Motion 11 1111r 112a 111
Database.
Jadi, penggunaan data defleksi atau regangan statis dalam 12 112r 113a 122
model
identifikasi tidak jarang terjadi; karena defleksi adalah salah 22 1211r 122a
satu 1112r
parameter yang dipantau paling kuat untuk struktur waktu tertentu diverifikasi dengan konvergensi lendutan
Dengan
diagnosisadanya sensorinidan
kesehatan, teknologi
mungkin akuisisi data, lendutan
mengindikasikan kerusakan
jembatan dari waktu ke waktu dapat dikumpulkan dengan jangka panjang setelah ekstrapolasi 100 tahun.
dan struktural
lebih mudah
perubahan dan itu
ketika dapat
akandigunakan
berlebihan.untuk
Denganmemperbaharui
kemajuan
parameter jembatan. Namun, hampir semua studi yang
telah dikutip sebelumnya didasarkan pada data yang tidak
bergantung pada waktu dan evolusi model yang
diperbaharui dengan waktu tidak diperhitungkan. Jadi,
tujuan dari makalah ini adalah untuk menemukan jendela
waktu yang paling sesuai untuk melakukan pemantauan
lendutan (karena pemantauan terus menerus tidak hemat
biaya) agar dapat memperbaharui model degradasi yang
ada dengan tepat. Sebagai langkah pertama, parameter
yang akan diidentifikasi adalah terkait dengan kekakuan
lentur global gelagar jembatan yang bergantung pada
siklus. Pengukuran lendutan disimulasikan berdasarkan
data penimbangan yang sebenarnya agar lebih realistis, dan
optimasi dilakukan dengan algoritma genetika karena data
yang ada tersebar.
Mengetahui bahwa jembatan beton bertulang
merupakan bagian utama dari jembatan yang dibangun
[15], 21 jembatan gelagar kreta bertulang yang memiliki
geometri bervariasi digunakan untuk aplikasi ini.
Parameter dihitung berdasarkan interval waktu yang
berbeda dari data terukur; keakuratannya untuk rentang
13
Solusi Infrastruktur Inovatif (2020) 5:89 Halaman 3 dari 24
Simulasi lalu lintas 89

Selama masa pakainya, dek jembatan RC biasa

mengalami siklus pembebanan terus menerus dengan
amplitudo yang bervariasi akibat lalu lintas. Namun,
penggunaan beban hidup sesuai dengan persyaratan standar
desain umumnya menghasilkan hasil yang terlalu
konservatif. Sebagai contoh, kode Eropa dan Amerika
Utara relatif didasarkan pada sejumlah kecil data, kode
Kanada dan Amerika Serikat didasarkan pada data yang
dikumpulkan di Ontario pada tahun 1975 untuk 9250
kendaraan berat, dan Eurocode pada awalnya didasarkan
pada data yang direkam di Auxerre selama beberapa
minggu pada tahun 1980, kemudian diperbarui pada tahun
1997 dengan menggunakan data dari tempat perekaman di
Perancis [16].
Dalam pekerjaan ini, simulasi lalu lintas didasarkan
pada data penimbangan dan penghitungan otomatis pada
beberapa jaringan jalan yang dilengkapi yang terletak di
Eropa, terutama di Swiss di jalan tol Mattstetten dan di
Belanda. Data ini dikumpulkan dalam 10 tahun terakhir.
Perlu dicatat bahwa karena tidak ada data lalu lintas yang
tersedia dari jembatan yang diteliti, maka dimungkinkan
untuk mengandalkan catatan penimbangan di jalur lambat
dari jalan raya multi-lajur dan hal ini akan bersifat
konservatif dalam penilaian jembatan jalan raya dengan
lajur yang lebih sedikit [17].
Ada dua jenis lalu lintas yang berkaitan dengan arus,
yaitu lalu lintas yang mengalir bebas dan lalu lintas yang
padat; lalu lintas yang padat biasanya berlaku untuk
jembatan dengan bentang pendek sampai menengah
(bentang

13
89 Halaman 4 dari
24
yang terakhir menyangkut jembatan dengan panjang
bentang lebih dari 45 m dan umumnya diadopsi ketika
kecepatan rata-rata dapat dicatat untuk semua kendaraan
yang melintas [18]. Karena panjang bentang tidak melebihi
45 m, lalu lintas yang mengalir bebas akan
dipertimbangkan dalam studi ini.
Menurut data lalu lintas yang tercatat di beberapa jalan
raya di
Swiss, kendaraan dapat dikelompokkan dalam dua belas
kelas sesuai
tif terhadap jumlah gandar dan jarak gandar [19]. Setiap
Kelas ditunjuk dengan serangkaian karakter yang mengacu
pada jenis dan posisi gandar; misalnya, dalam kasus kelas
123a, semua kendaraan memiliki satu gandar tunggal, diikuti
oleh gandar tandem dan kemudian gandar tridem; huruf "a"
berarti bahwa kendaraan di kelas ini diartikulasikan. Huruf
"r" mengacu pada kendaraan dengan gandengan. Semua
label kelas kendaraan dirangkum dalam Tabel 1. Hanya
truk yang memiliki dua sampai enam gandar (kendaraan
dengan berat kendaraan kotor lebih dari 3,5 ton) yang
dipertimbangkan karena mobil biasa tidak berpengaruh
pada jembatan yang didesain untuk menopang kendaraan
yang jauh lebih berat [20, 21]. Ketika tingkat masing-
masing kelas kendaraan dari total lalu lintas berat
diberikan, distribusi berat kendaraan bruto GVW untuk
masing-masing kelas kemudian digunakan untuk
menghasilkan berat kotor truk dengan menggunakan
metode inverse transform; contoh untuk
Distribusi beta bimodal untuk kelas kendaraan 112r
diilustrasikan pada Gbr. 1 di mana puncak pertama
mengacu pada truk tanpa muatan dan
Untuk memodelkan distribusi GVW pada masing-masing
gandar untuk setiap kendaraan, beberapa penelitian
didasarkan pada distribusi modal dan multi-modal, dan
terkadang nilai deterministik digunakan untuk mendapatkan
proporsi GVW yang diangkut oleh masing-masing gandar
[16]; Dalam penelitian ini, koefisien distribusi untuk
masing-masing kelas kendaraan dipilih secara
deterministik dan dihitung dengan optimasi untuk
mendapatkan distribusi yang paling mendekati distribusi
semua gandar yang tercatat, dan masing-masing gandar
dalam satu kelompok (tandem atau tridem) diasumsikan
memiliki bobot yang sama demi kesederhanaan [22].
Dalam kasus lalu lintas yang bergerak bebas, jarak antar
kendaraan bergantung pada volume lalu lintas; profil arus
rata-rata per jam (kendaraan per jam) diambil dari nilai
yang tercatat untuk jalur lambat di jalan tol Belanda [23].
Langkah waktu untuk perhitungan lendutan dipilih untuk
menjadi 25 jam agar dapat mencakup semua
kemungkinan aliran per jam.
Simulasi pengukuran defleksi jangka
panjang statis (data referensi)
Penggunaan pengganda defleksi dengan defleksi jangka
pendek akibat beban untuk memprediksi defleksi jangka
13
Solusi Infrastruktur Inovatif (2020) 5:89
Perhitungan dan lendutan diperoleh dengan pendekatan
berdasarkan integrasi ganda dari lendutan akibat beban
yang bergantung pada waktu dan lendutan akibat
penyusutan. Sifat realistis dari data simulasi juga
dipastikan dengan penggunaan beban lalu lintas stokastik.
Untuk bentang menerus beton bertulang, lendutan pada
pertengahan bentang adalah [25]:
L2
Δ= z+z+z
10 (1)
96 L M R
dimana L adalah panjang bentang, zL, zR dan zM berturut-
turut adalah kelengkungan pada tumpuan kiri, tumpuan
kanan dan pada tengah bentang. Rumus untuk perhitungan
lendutan tengah bentang ini hanya berlaku untuk beban
yang ditahan; untuk tujuan ini, bagian elastis dari lendutan
akibat beban lalu lintas dihitung dengan metode elemen
hingga dengan mempertimbangkan elemen balok.
Pengaruh rangkak di bawah beban lalu lintas yang
bervariasi dimasukkan dalam kelengkungan akibat rangkak
dengan mengasumsikan tegangan atau momen rata-rata
yang berkelanjutan setiap 1 tahun; nilai rata-rata ini
disimpulkan dari pencocokan distribusi normal dari beban
yang diterapkan sepanjang periode waktu respons. Rumus
yang dimodifikasi berikut ini kemudian dipertimbangkan
untuk perhitungan lendutan total:
L2 , t t
Δ≈ 10 z ( t) + z , t + 12z ,t+ð (t)
elas. Cre. i shrin. s elas. (lalu lintas)
96 i
(2)
dimana zelas. adalah kelengkungan elastis akibat beban
mati berkelanjutan, zcre. adalah kelengkungan akibat
rangkak, zshrin. adalah kelengkungan akibat susut umur, t,
ti dan ts adalah waktu dimana lendutan harus dihitung,
waktu penerapan penambahan beban i dan umur beton
pada awal susut, masing-masing, ðelas. (lalu lintas) adalah
lendutan elastis di bawah beban lalu lintas yang bervariasi.
Perhatikan bahwa hanya kelengkungan akibat susut yang
tersedia pada tumpuan kiri dan kanan yang tidak
bergantung pada beban.
Perhitungan velas kelengkungan elastis.
Pada penampang melintang tertentu, kelengkungan sesaat
zi karena momen layanan yang berkelanjutan adalah:
M
zel (t) = (3)
as. EcIef1
panjang atau defleksi yang bergantung pada waktu
memberikan perkiraan perkiraan
Solusi Infrastruktur Inovatif (2020) 5:89 Ief1dikembangkan dari pendekatan perhitungan
Halaman 5defleksi
dari 24
dimana M adalah momen layan yang ditahan dan Ec adalah dalam Eurocode 2. 89
modulus young kreta. Momen kedua efektif dari daerah
Icr
I=
defleksi akhir; bahkan bisa jadi salah secara fundamental ef1 2 (4)
1-1- M
cr cr
ketika menghitung defleksi akibat susut [24]. Dalam I
Iunc Ms

penelitian ini, ada kebutuhan untuk mensimulasikan data

lendutan yang bergantung pada waktu
sedekat mungkin dengan respons yang sesungguhnya. Jadi, di mana Iunc , Icr masing-masing adalah yang tidak retak dan
efek penyusutan dan mulur diperkenalkan dalam defleksi momen inersia retak dan Ms adalah momen layanan.

13
89 Halaman 6 dari Solusi Infrastruktur Inovatif (2020) 5:89
24
Pengurangan Ief1 secara bertahap dengan waktu akibat susut Perhitungan kelengkungan yang diakibatkan oleh
dan pembebanan siklik dipertimbangkan dengan rangkak vcre.
pengurangan Mcr, momen retak, akibat tegangan yang
diakibatkan susut [24]; untuk penampang beton bertulang, Kelengkungan yang diakibatkan oleh creep diberikan oleh
Mcr1 diberikan oleh: persamaan berikut ini:
t
t∗
f
M =Zf -σ (5) z t,
cr1 ct cs elas. i cc i
zcr t, ti = (8)
a
e.
di mana Z adalah modulus penampang untuk bagian yang E
tidak retak, di mana t=Mt ∕ It ,Mt adalah yang
f fadalah kekuatan tarik lentur karakteristik beton z diterapkan
ct elas. i i c ef i i
dan σcs adalah tegangan tarik maksimum yang diinduksi momen pada waktu ti; secara efektif, ini adalah kenaikan
penyusutan pada momen
bagian yang tidak retak pada serat ekstrem di mana retak per tahun ΔMi = M ti - M ti-1 , sehubungan dengan nilai rata-
terjadi. rata momen yang diterapkan setiap tahun.
Untuk penampang beton bertulang yang retak pada tekukan
murni
2.
5pw
σ= Es ε ∗ (6) disimpulkan dari:
cs
1 + 50pw cs
a = 0.48p−0.5 1 + (125p + 0.1) A ∕Ast
1.2 (9)
sc
di mana pw adalah rasio tulangan web Ast ∕bw d, Es adalah
∗
modulus young baja dan ε adalah susut desain akhir
cs di mana p = Ast∕bd0 dan Ast adalah luas ekuivalen dari ikatan
ketegangan. tulangan di zona tarik pada kedalaman d0 dan b lebar balok.
Menurut CEB-FIP Model Code 90 untuk struktur beton, Koefisien rangkak bergantung waktu cc yang digunakan
regangan susut total yang diperlukan untuk menentukan σcs untuk menghitung kelengkungan bergantung waktu z(t)
dapat dihitung dari [26] dapat dihitung dengan rumus
t
ε ,t=ε βt-t (7) Dihitung dari [26]
cs s cs0 s s
cc t, ti = 0βc t - ti (10)
Dalam Persamaan (7), εcs0 adalah koefisien penyusutan
nosional, βs adalah Pada Persamaan (10),0 adalah koefisien rangkak nosional,
koefisien untuk menggambarkan perkembangan susut βc adalah koefisien untuk menggambarkan perkembangan
terhadap waktu, t adalah umur beton dalam hari, dan ts rangkak terhadap waktu, t adalah umur beton dalam hari,
adalah umur beton pada saat awal susut. dan ti adalah umur beton
εcs0 = εs fcm βRH (7a) pada pemuatan i.

di mana εs fcm = 160 + 10βsc (9 - fcm) ∕fcm0 ) × 10−6 , fcm 0= RHβ fcm β t0 (10a)
adalah kuat tekan rata-rata beton pada umur di mana =1+ 1-RH∕RH0
, β1∕3f = 5.3 dan
RH
28 hari (MPa), fcm0 = 10 MPa, βsc = 5 untuk semen 0,46(h∕h0 ) cm )
∕fcm0 0.5

pengerasan normal, β = -1.55β untuk 40% <RH β t0 = 0,1 + (1t ∕ t )0.2 . (fcm
)
<99%, RH adalah
RH sRH 01
relative humidity for the ambient atmosphere taken as 80% Perkembangan rangkak dengan waktu t - ti diberikan oleh
βc
untuk atmosfer
lembab, dan β luar ruangan yang sRH = 1 - RH∕RH0 ,3
t t-t ∕ 0.3
RH = 100%.
i 1
0 βc t − ti = (10b)
Perkembangan penyusutan dengan waktu βs t - ts βH + t - t i ∕t1
diberikan oleh: adalah
18
0.5 dengan = 150 1 + 1.2RH∕RH 0 + 250.
βt-t= t - ts ∕t1 (7b) βH
s s 2 Perhitungan kelengkungan akibat penyusutan
350 h ∕ 0h + t - ts ∕ t1
vShrin.
di mana t1 = 1 hari, h0 = 100 mm dan h = 2Ac∕u adalah
ukuran notasi member dalam mm, Ac adalah penampang Lengkungan akibat susut untuk penampang beton bertulang
melintang dan merupakan keliling member yang diberikan oleh:
bersentuhan dengan atmosfer.

13
 t
Regangan
Solusi susut
Infrastruktur desain
Inovatif (2020) 5:89 ε∗ dihitung
akhir cs pada zε ,t Halaman 7 dari 24
100 tahun, umur desain rata-rata untuk beton bertulang zshri t, ts =
r cs s 89 (11)
jembatan. n. h

13
89 Halaman 8 dari Solusi Infrastruktur Inovatif (2020) 5:89
24
Model teoretis untuk perhitungan defleksi jangka
panjang

Untuk menghitung lendutan secara numerik, elemen balok

Gbr. 2 Lendutan akibat rangkak dan susut untuk jembatan L8w9.5G5
dengan dua derajat kebebasan digunakan untuk pemodelan
elemen hingga gelagar jembatan. Perpindahan dan
kemiringan, gaya dan momen pada setiap sambungan dapat
ditulis dalam bentuk derajat kebebasan, dan ini
menghasilkan matriks dalam bentuk Ku = F dimana K
adalah matriks kekakuan, adalah vektor perpindahan dan F
adalah vektor gaya. Dalam vektor F, beban lalu lintas
diwakili oleh beban titik.
Pada setiap langkah waktu, konfigurasi kendaraan baru
disimulasikan sesuai dengan model lalu lintas yang
dikembangkan. Diskripsi balok untuk analisis elemen
hingga pada setiap langkah waktu akan bervariasi sesuai
dengan lokasi kendaraan untuk mendapatkan simpul pada
setiap lokasi gaya titik; ini dapat disebut sebagai
pemodelan statis semu dari beban bergerak. Lendutan
jangka panjang disimpulkan dari perpindahan vertikal
dalam vektor pada setiap langkah waktu dengan
menyelesaikan sistem persamaan terbalik u = K\F.

Bagian Kotor Bagian yang Berubah Retak Model yang diusulkan

b b
hf Rangkak siklik beton diperhitungkan oleh penurunan
kd kekakuan lentur EI dalam matriks kekakuan global
n.a. K . Dalam penelitian ini, kami menggunakan model analitis
h d
nAs yang diajukan oleh Balaguru dan Shah [27] untuk
As degradasi kekakuan lentur. Dalam rumus kekakuan
tegangan, modulus Young beton yang bergantung pada
bw siklus Ec, N dinyatakan dalam bentuk regangan rangkak
siklik εc dan momen inersia kedua efektif Ief2 dihitung
dengan menggunakan rumus Branson
Gbr. 3 Bagian yang ditransformasikan kotor
dengan memperhitungkan pengurangan modulus ruptur
dan retak fr akibat beban fatik.

Ec, N = σσmax
max
+ε (12)
sch
E c
zr = 1.2 1 - 0.5 A
Ast
(11a)
d
di mana Ec, N adalah modulus siklik setelah N jumlah siklus,
di mana h adalah kedalaman keseluruhan penampang dan E
untuk penampang beton bertulang yang retak pada lentur adalah modulus Young beton awal dan εc adalah regangan
murni: rangkak siklik yang diberikan oleh:

Contoh perhitungan εc = 129.σm.t1∕3 + 17.8.σm.Δ.N1∕3 (13)

Hasil perhitungan lendutan akibat rangkak dan susut
berdasarkan rumus-rumus kelengkungan di atas adalah
diberikan pada Gbr. 2 untuk contoh jembatan gelagar yang
memiliki panjang 8 m
panjang bentang, lebar 9,5 m dan 5 gelagar T (L8w9.5G5).
Dalam Persamaan (13), εc dalam mikro mm/mm, t adalah
waktu dari awal pembebanan dalam jam, N adalah jumlah
siklus, σm dan Δ adalah tegangan rata-rata dan rentang
tegangan, masing-masing dinyatakan sebagai
fraksi dari kekuatan tekan, σm = σ max + σmin ∕2fc

L8w9.5G5

13
Rent Infrastruktur
Solusi Lebar (m) Nomor
Inovatif bw (mm) h (mm)
(2020) 5:89 b (mm) hf (mm) d (mm) Ast (mm )2 ns u Ac Halaman
(mm )2 9 dari
RH24
ang gelagar 89 (%)
(m)
8 9.5 5 200 800 1900 160 704 3277 4 1.484 432,000 54

13
89 Halaman 10 Solusi Infrastruktur Inovatif (2020) 5:89
dari 24
dan Δ = σmax - σmin ∕fc , di mana σmax dan σmin masing- Tabel 2 Parameter yang terlibat ParameterNilai awal
dalam masalah pengoptimalan
masing adalah tegangan maksimum dan minimum yang
terkait dengan beban total (beban mati + beban hidup) p1 129 (Eq. 13)
dan beban mati saja. p2 17.8 (Persamaan
13)
Momen inersia kedua yang efektif diberikan oleh
p3 3 (Eq. 13)
3 p4 3 (Eq. 13)
Mcr
Ief2 = Icr
+ Ma Ig - Icr (14) p5 10.954 (Eq.
15)

dimana Ief2, Icr, Ig adalah momen inersia efektif, retak dan

bruto untuk penampang balok, Ma adalah momen terfaktor Dengan pengukuran simulasi defleksi statis yang tersebar,
maksimum di sepanjang balok dan Mcr adalah momen retak sulit untuk mendapatkan formula eksplisit untuk fungsi
yang diberikan oleh Mcr2 = frIg∕(h - ȳ), ȳ adalah kedalaman objektif (fungsi yang diminimalkan) dengan semua kendala
sumbu netral penampang yang tidak retak. Pengurangan terutama dengan pembebanan lalu lintas yang berubah-
Kekakuan juga dipertimbangkan dengan menggunakan ubah dan bersifat stokastik, sehingga metode gradien tidak
modulus rupture yang bergantung pada siklus dalam rumus dapat diterapkan. Algoritma optimasi pencarian acak ini
momen retak, karena pengurangan modulus rupture bersifat turunan bebas; algoritma ini menggunakan fungsi
menyebabkan pengurangan progresif pada momen retak fitness sebagai Black Box dan tidak memerlukan informasi
yang oleh karena itu menyebabkan pengurangan momen apapun tentang struktur atau model matematisnya yang
inersia efektif. tidak tersedia di banyak masalah dunia nyata. Algoritma
N
log genetika berorientasi pada beberapa operator genetik
seperti seleksi, crossover dan
10
fr, = fr. 1 - (15) mutasi yang membuat populasinya lebih beragam dan
N 10.954
dengan demikian lebih kebal untuk terjebak dalam optima
lokal; jaminan ini
Momen inersia retak dari beton bertulang bergelang atau menghasilkan solusi global optima. Pemilihan individu
berpenampang T diberikan oleh: didasarkan pada seberapa cocok individu tersebut setelah
proses evaluasi kebugaran melalui fungsi kebugaran, yang
juga disebut fungsi objektif,
(b - bw) ∗ hf 3 bw ∗ dan yang paling bugar memiliki lebih banyak kesempatan
Icr = 12 kd3 + (b - bw) untuk diwariskan ke dalam
+
3 generasi berikutnya; yang kuat cenderung beradaptasi dan
) bertahan hidup dan yang
hf 2 yang lemah cenderung mati.
∗ hf ∗ kd - + n ∗ As ∗ (d - kd Dalam beberapa masalah optimasi genetik, variabel
2 2 (16)
dikodekan sebagai digit biner; namun, kode biner GA
di mana n = Es∕Ec atau Es∕Ec, N adalah rasio modular dapat menimbulkan beberapa kesulitan, terutama dalam
baja; variabel lain yang terkait dengan dimensi penampang kasus variabel kontinu [29], sehingga GA berkode riil
dalam dengan variabel riil diadopsi dalam penelitian ini.
rumus momen inersia retak diilustrasikan pada Gbr. 3.
Kekakuan balok yang berkurang setelah N siklus adalah Definisi fungsi kebugaran
Ec,NIef,N.
Formulasi umum dari fungsi fitness yang akan
diminimumkan yang digunakan dalam masalah optimasi
Optimalisasi genetik ini disebutkan dalam Eq. 17.
n
Gambaran umum , 2
f= y (t) - y (t) (17)
Dengan menggunakan lendutan terukur simulasi jangka beberapa parameter dalam model numerik, korelasi antara
panjang sebagai referensi untuk periode waktu tertentu, kedua respons harus dilakukan. Langkah ini dilakukan
lendutan yang bergantung pada waktu kemudian dihitung dengan menggunakan algoritma genetika yang merupakan
secara numerik sesuai dengan metode yang dijelaskan pada alat optimasi yang kuat yang meniru proses yang sama
paragraf di atas. Untuk memperbaiki hukum degradasi dengan seleksi alam (evolusi biologis) [28]. Algoritma
kekakuan lentur dengan menyarankan nilai baru untuk genetika direkomendasikan ketika memiliki sedikit

13
 1 2
pengetahuan analitis
Solusi Infrastruktur tentang
Inovatif (2020) 5:89 domain pencarian, jumlah i=1 Halaman 11 dari 24
parameter yang besar atau bentuk matematis yang tidak 89
diketahui dari fungsi yang diminimumkan. Adapun dalam di mana adalah jumlah respon yang tersedia untuk setiap
penelitian ini individu, y1 (t) adalah defleksi simulasi bergantung waktu
yang diadopsi sebagai referensi untuk optimasi, y2 (t)
merupakan respon numerik untuk defleksi bergantung
waktu yang dihitung berdasarkan model teoritis yang
diusulkan.

Parameter yang dipertimbangkan

Parameter yang dipilih untuk masalah optimasi dirangkum

dalam Tabel 2. Dalam model teoritis yang diusulkan,
berikut ini adalah 5 parameter empiris dari Persamaan (13)
dan (15)

13
89 Halaman 12 Solusi Infrastruktur Inovatif (2020) 5:89
dari 24
yang didasarkan pada pengalaman yang terbatas. Jadi, Diagram alir
mereka akan diperbarui berdasarkan sejumlah besar data
defleksi simulasi dari model yang divalidasi. Metodologi yang diusulkan dirangkum dalam diagram alir
yang diberikan pada Gbr. 4.
Langkah-langkah pengoptimalan

Langkah-langkah utama optimasi genetik dapat diringkas Aplikasi dan hasil

sebagai berikut:
Deskripsi set jembatan
1. Bangkitkan populasi awal individu secara acak; setiap
individu diasimilasi ke dalam sebuah kromosom dan Metodologi yang diusulkan diterapkan pada satu set 21
merepresentasikan sekumpulan parameter yang dapat jembatan jalan raya beton bertulang balok-T dengan
menjadi solusi yang layak untuk masalah optimasi. panjang, lebar, dan jumlah gelagar yang bervariasi;
Pada penelitian ini, individu terdiri dari 5 parameter (p1 jembatan-jembatan ini didesain sesuai dengan kode
, p2 , p3 , p4 , p5 ) yang disajikan pada Tabel 2. Perancis untuk beban hidup [30]; penampang melintang
2. Bentuk umum seluruh populasi untuk generasi tertentu gelagar tipikal ditunjukkan pada Gbr. 3. Tabel 4
adalah sebagai berikut: merangkum nilai-nilai yang terkait dengan berbagai
variabel dan properti dimensi untuk set jembatan. Setiap
p2 p1 p1 p1 p1
⎛ 12345 ⎞ jembatan didefinisikan dengan string tiga huruf: L untuk
panjang, w untuk lebar dan G untuk jumlah gelagar;
sebagai contoh, L8w9.5G5 adalah jembatan
⎜ p2 p2 p2 p2 p2 ⎟
dengan bentang 8 m, lebar 9,5 m dan 5 gelagar utama.
⎜ 12345 ⎟
⋮ i ⋮ ⋮ ⋮ i
⎜⎜
pi ⎟ p⋮ pi pi p⎟ ⎟
Studi uji coba dan diskusi
⎜ 1⋮2 3 4 5 ⋮⎟ ⋮ ⋮
⎝⎜ pn p⋮n pn pn pn ⎟
⎠
12345 Crossover 11
Mutasi 5
(3) Dengan menggunakan fungsi kebugaran, hitung
kebugaran setiap individu dalam populasi.
(4) Pilih individu yang lebih cocok, yang memberikan
kesenjangan paling kecil dengan data referensi,
kemudian lakukan persilangan, dan mutasi yang
tersisa untuk membentuk keturunan baru dengan tetap
menjaga ukuran populasi awal atau jumlah individu
yang sama.
(5) Ganti populasi saat ini dengan populasi yang telah
diubah.
(6) Ulangi langkah 2, 3, dan 4 hingga mencapai jumlah
generasi yang telah ditetapkan di awal sesuai dengan
kondisi permasalahan.

Jumlah operasi yang dilakukan hingga konvergensi

masalah optimasi ditunjukkan pada Tabel 3.

Tabel 3 Operasi yang dilakukan

dalam prosedur pengoptimalan Jumlah generasi 25
Ukuran populasi 20
Elit 4

13
Karena pada kenyataannya, tidak mungkin memiliki data
Solusi Infrastruktur Inovatif (2020) 5:89 Halaman 13 dari 24
referensi 89
Dari pemantauan waktu nyata untuk jangka waktu yang
sangat lama, optimasi dilakukan dalam beberapa interval
waktu dari 0 hingga 60 tahun hanya untuk satu jembatan
dengan panjang 9,1 m, untuk mendeteksi periode yang
paling sesuai untuk pengumpulan data jika dilakukan
pemantauan waktu nyata. Parameter yang diperoleh
dimasukkan ke dalam model numerik untuk memeriksa
validitasnya setelah ekstrapolasi.
Lendutan gelagar yang bergantung pada waktu dihitung;
analisis difokuskan pada lendutan tengah bentang karena
merupakan lendutan yang paling kritis. Distribusi lateral
beban hidup dihitung dengan menggunakan Guyon-
Massonnet, dan tidak ada efek dinamis yang
diperhitungkan. Pada setiap langkah waktu, konfigurasi
kendaraan baru disimulasikan sesuai dengan model lalu
lintas yang disajikan di atas dan peningkatan berat dari 0,5
sampai 1% per tahun dialokasikan untuk setiap gandar
untuk mempertimbangkan evolusi lalu lintas. Langkah
waktu 25 jam dipilih untuk mengoptimalkan waktu
perhitungan dan mencakup semua kemungkinan arus rata-
rata per jam. Gambar 5 menunjukkan respon lendutan
statis dari simulasi pengukuran dan perhitungan numerik
selama 100 tahun. Perbedaan antara kedua kurva di awal
mungkin terkait dengan efek penyusutan yang tidak
dimasukkan dalam rumus model numerik. Jelas bahwa
model empiris yang digunakan untuk menghitung
degradasi kekakuan lentur hingga umur 100 tahun dalam
model numerik menyebabkan lendutan yang terlalu tinggi;
untuk itu, beberapa parameter yang sesuai akan
dimodifikasi dengan menggunakan optimasi genetik.
Jarak antara kedua kurva akan diminimalkan untuk
memperbaiki model kekakuan lentur. Parameter yang
dipilih untuk dimodifikasi ditunjukkan pada Tabel 2.

13
89 Halaman 14 Solusi Infrastruktur Inovatif (2020) 5:89
dari 24

Gbr. 4 Kerangka kerja yang diusulkan

Parameter yang paling sesuai yang dihasilkan dari mempertimbangkan data referensi selama periode
optimasi untuk beberapa interval waktu ditunjukkan pada
Tabel 5. Untuk memeriksa keakuratannya, parameter-
parameter tersebut diganti dalam model dan lendutan statis
diekstrapolasi hingga 100 tahun. Respons tersebut
kemudian dibandingkan dengan pengukuran simulasi
selama 100 tahun. Hasilnya menunjukkan bahwa dengan
13
dari
Solusi0Infrastruktur
hingga 20Inovatif
tahun(2020)
saja tidak
5:89 cukup dan menyebabkan Halaman 15 dari 24
prediksi defleksi yang tidak realistis setelah ekstrapolasi. 89
Gambar 6 menunjukkan bahwa parameter yang paling
sesuai yang diberikan oleh optimasi berdasarkan periode
waktu ini menghasilkan respon yang sangat kritis setelah
ekstrapolasi hanya setelah 30 tahun; hal ini disebabkan
oleh tingginya

13
89 Halaman 16 Solusi Infrastruktur Inovatif (2020) 5:89
dari 24
Tabel 4 Deskripsi variabel utama parameter ini dapat diadopsi untuk jembatan ini karena
Simbol Variabel Unit Nilai
respon defleksi statis yang sesuai tetap sesuai dengan
pengukuran simulasi bahkan setelah 100 tahun. Rentang
Es Modulus elastisitas baja MPa 201,300 waktu [30:40 tahun] merupakan periode pemantauan yang
Ec Modulus elastisitas beton MPa 28,570 masuk akal sehubungan dengan umur jembatan.
fcf Kuat tekan beton MPa 32 Temuan ini harus diverifikasi untuk banyak jembatan
fr Modulus pecah MPa 3.39 yang representatif dengan dimensi yang bervariasi.
nsJumlah batang baja -3 , 4, 5, 6, 8
Di Nomor diameter batang tunggal #8 , 9, 10, 11 Kasus set jembatan
b Lebar flensa m1. 58 → 3.13
bw Lebar web m0. 2, 0.3 atau 0.4 Berdasarkan studi uji coba untuk satu jembatan RC,
hf Kedalaman flange m 0.16 tampaknya jangka waktu 10 tahun dapat mencukupi untuk
hp Kedalaman total m0. 8 → 1.2 tujuan optimasi. Jadi, pekerjaan yang sama dilakukan
w Lebar jembatan m 9.5-12.5 untuk kelompok jembatan balok-T RC yang dijelaskan di
atas. Tujuannya adalah untuk menemukan interval paling
awal sepanjang umur jembatan yang dapat menghasilkan
meningkatnya laju defleksi dalam periode waktu ini yang estimasi parameter yang memuaskan. Lendutan statis
disebabkan oleh rangkak dan susut. disimulasikan untuk semua jembatan sesuai dengan metode
Di antara interval pengukuran yang dipilih sebagai pertama u n t u k interval waktu berikut: [0, 20 tahun]; [20,
referensi untuk optimasi (lihat Tabel 5), interval terpendek 30 tahun]; [30, 40 tahun]. Optimasi kemudian dilakukan
yang memastikan konvergensi setelah 100 tahun memiliki pada setiap interval waktu untuk menemukan parameter
panjang 10 tahun, tepatnya dari 30 hingga 40 tahun. terbaik yang mendekatkan respons lendutan dari model
Untuk optimasi berdasarkan pengukuran selama periode numerik dengan respons terukur yang disimulasikan;
30 hingga 40 tahun, jalur konvergensi dapat dilihat dari lendutan kemudian diekstrapolasi untuk mengecek validitas
garis abu-abu pada Gbr. 7. Dapat disimpulkan dari Gbr. 8, parameter tersebut terhadap waktu.
setelah ekstrapolasi defleksi menurut parameter yang
dioptimasi berdasarkan pengukuran dari 30 hingga 40 tahun,
bahwa

Gbr. 5 Respons defleksi yang

bergantung pada waktu dari
simulasi pengukuran dan model
numerik

Tabel 5 Hasil optimasi Parameters [0:20] [0:40] [0:60] [10:40] [20:40] [20:60] [30:40] [40:60]
untuk interval waktu yang berbeda
p1 157.3756 165.6374 90.2170 153.3527 122.8907 101.5543 49.4495 47.6458
p2 46.8034 72.5572 55.8378 62.6120 47.2291 55.9111 58.6594 52.7688
p3 5 6 7.7226 8 10 11.3507 7.2863 11.6609
p4 14 18 9.8953 7 7 5.2465 6.7476 6.3052
p5 35.3362 39.4672 17.7073 10.4883 34.1026 33.3033 26.5217 16.9633

13
Solusi Infrastruktur Inovatif (2020) 5:89 Halaman 17 dari 24
89
Gbr. 6 Ekstrapolasi lendutan
hingga masa layan 100 tahun
berdasarkan parameter yang
paling sesuai yang diperoleh
dari optimasi selama periode 0
hingga 20 tahun

Gbr. 7 Kurva yang dihasilkan

untuk parameter yang paling
sesuai setelah optimasi untuk
periode 30 hingga 40 tahun

Gbr. 8 Ekstrapolasi lendutan

hingga masa layan 100 tahun
berdasarkan parameter yang
paling sesuai yang diperoleh
dari optimasi selama periode 30
hingga 40 tahun

digambarkan dalam warna abu-abu.

Hasil dan pembahasan

Berdasarkan parameter yang diperoleh dari optimasi

selama periode 0 sampai 20 tahun, penurunan jangka
panjang diekstrapolasi untuk semua jembatan (Gbr. 9);
kurva referensi untuk pengukuran simulasi juga
13
89 Halaman
Dari Gbr.189 terlihat jelas bahwa konvergensi respon Solusi Infrastruktur Inovatif (2020) 5:89
dari 24
numerik tidak selalu dipertahankan dari waktu ke waktu.
Bahkan jika kurva (kurva referensi dan kurva yang
dioptimasi) sangat dekat pada periode optimasi, lendutan
numerik terkadang diestimasi secara berlebihan seiring
waktu pada hampir 24% jembatan yang diteliti, seperti
pada kasus L8w9.5G6, L16w9.5G4, L16w12.5G6,
L20w9.5G4, dan L20w9.5G5. Jadi, periode dari 0 hingga

13
Solusi Infrastruktur Inovatif (2020) 5:89
20 tahun tidak dapat dijadikan dasar untuk optimasi. Jika
data referensi atau data yang dipantau hanya tersedia untuk
interval waktu tersebut, hal ini tidak cukup untuk
memperkirakan perilaku jangka panjang jembatan dalam
hal kekakuan lenturnya. Hal ini dapat dikaitkan dengan
laju peningkatan yang tinggi dari lendutan statis dalam
Halaman 19 dari 24
89
periode waktu ini disebabkan oleh penyusutan dan rangkak
yang dapat mempengaruhi prediksi lendutan jangka
panjang.
Interval waktu yang dipertimbangkan berikutnya adalah
lebih dari 10 tahun, dari 20 hingga 30 tahun. Setelah
simulasi pengukuran untuk interval waktu ini, optimasi
diterapkan untuk menyimpulkan nilai parameter yang akan
dimodifikasi dalam model

Gbr. 9 Ekstrapolasi defleksi

hingga umur 100 tahun sesuai
dengan parameter yang paling
sesuai yang diperoleh dari
optimasi selama periode 0
hingga 20 tahun

Gbr. 10 Ekstrapolasi defleksi

hingga umur 100 tahun sesuai
dengan parameter yang paling
sesuai yang diperoleh dari
optimasi selama periode 20
hingga 30 tahun

Gbr. 11 Ekstrapolasi defleksi

hingga umur 100 tahun sesuai
dengan parameter yang paling
sesuai yang diperoleh dari
optimasi selama periode 30
hingga 40 tahun

13
89 Halaman 20 Solusi Infrastruktur Inovatif (2020) 5:89
dari 24
Tabel 6 Hasil optimasi dari 30 hingga 40 tahun untuk semua jembatan Kesimpulan
Jembatan p p p p p1 2 3 4 5
Makalah ini merupakan langkah awal dalam
L8w9.5G577. 4857 83.9192 19 17 26.6348 pengembangan metodologi yang disederhanakan untuk
L8w9.5G663. 8156 26.2566 7.4881 18.3307 26.8413 evaluasi jembatan beton bertulang, berdasarkan
L8w12.5G6 73.7627 89.9786 18 13 34.388 pengukuran lendutan statis saja. Melakukan identifikasi
L12w9.5G4 129.7964 98.1375 14 4 5.2463 parameter untuk memperbaharui nilai kekakuan pada
L12w12.5G4 62.3827 21.5257 13 4 13.0499 struktur yang tidak rusak diperlukan untuk pemodelan
L12w9.5G5 36.0565 48.8861 18 11 30.1639 struktur yang lebih akurat. Mengetahui bahwa masalah
L12w12.5G5 48.0085 64.1018 15 10.975 35.0101 optimasi ini tidak dapat dilakukan dengan metode gradien,
L12w9.5G6 32.7018 76.9853 17 10 9.5467 algoritma genetika menjadi alat yang efisien untuk
L12w12.5G6 30.8972 75.0553 11.8154 5.9708 28.2213 melakukan optimasi pada masalah seperti ini. Metode
L16w9.5G4 46.1059 94.9197 7 8 18.8298 optimasi yang diusulkan memastikan konvergensi fungsi
L16w12.5G4 19.5045 73.6776 7 19 28.8546 obyektif (perbedaan antara respon terukur dan numerik)
L16w9.5G5 61.3637 59.2149 14 9 33.7814 setelah jumlah iterasi yang relatif kecil, meskipun ada
L16w12.5G5 11.5964 50.5918 10 4 13.5356 gangguan pada respon lendutan statik akibat beban lalu
L16w9.5G6 16.9425 70.7044 20 6 36.4994
lintas. Tujuan dari penelitian ini juga untuk mendeteksi
L16w12.5G6 63.7332 83.6294 7.7658 10 30.2752
periode waktu yang lebih baik untuk mengumpulkan
L20w9.5G4 32.7018 76.9853 17 10 9.5467 pengukuran. Ditemukan bahwa periode paling awal yang
L20w12.5G4 14.1365 75.3214 17 7 21.4183 menghasilkan konvergensi untuk semua jembatan adalah
L20w9.5G5 25.242 69.1621 11 13 34.9788 30 sampai 40 tahun, dimana parameter yang akan
L20w12.5G5 12.0409 10.767 13 13 15.2886 diperbaharui dalam kekakuan lentur diestimasi untuk setiap
L20w9.5G6 17.5113 75.4144 19.0501 5.6823 25.6623 jembatan berdasarkan pengukuran yang sesuai. Parameter
L20w12.5G6 34.5745 69.5747 15 7 14.0165 yang diperbaharui dalam rumus kekakuan disajikan untuk
semua jembatan.

Penelitian di masa depan

dengan meminimalkan kesenjangan antara kedua respon.
Gambar 10 menunjukkan bahwa kedekatan kurva pada
periode optimasi tidak menyiratkan konvergensi absolut
terhadap waktu. Lendutan menjadi sangat kritis seiring
dengan waktu pada 10% jembatan, tepatnya setelah 40
tahun pada kasus jembatan L12w9.5G6 dan kemudian pada
jembatan L16w12.5G5.
Untuk periode 30 hingga 40 tahun, optimasi juga
dilakukan berdasarkan data referensi yang sesuai dari
simulasi pengukuran. Ekstrapolasi lendutan hingga 100
tahun untuk semua jembatan ditunjukkan pada Gbr. 11;
terlihat bahwa kurva hasil ekstrapolasi (dalam warna
hitam) sesuai dengan kurva referensi (dalam warna abu-
abu); dapat disimpulkan bahwa semua parameter yang
dihasilkan dari optimasi pada periode waktu ini tidak
menyebabkan lendutan yang terlalu tinggi setelahnya. Jadi,
parameter-parameter yang berkaitan dengan semua
jembatan pada interval waktu ini disajikan dalam
Tabel 6 menunjukkan bahwa setiap jembatan memiliki
nilai spesifik untuk parameter yang akan diperbaharui. Hal
ini dapat dikaitkan dengan sifat stokastik dari algoritma
optimasi dan respon lendutan yang disimulasikan
bervariasi untuk setiap jembatan yang menjadi dasar
optimasi. Setiap jembatan akan memiliki hukum kekakuan
lentur yang diperbarui; parameter yang sesuai diberikan
dalam Tabel 6.
13
Saat ini, penelitian terus berlanjut untuk meningkatkan
metodologi yang diusulkan dengan berfokus pada hal-hal
berikut:
1. pertimbangkan model struktur yang lebih kompleks
seperti bentang yang berliku-liku atau jembatan
prategang;
2. pertimbangkan lebih banyak jenis jembatan seperti
jembatan baja, komposit atau gelagar kotak;
3. mempertimbangkan penurunan kekuatan ikatan antara
beton dan baja akibat korosi;
4. memeriksa kemampuan metode untuk mendeteksi
kerusakan lokal dan melakukan perbaikan untuk
memastikan konvergensi yang lebih cepat.
Kepatuhan terhadap standar etika
Konflik kepentingan Para penulis menyatakan bahwa mereka tidak
memiliki konflik kepentingan.
Referensi
1. Aghagholizadeh M, Catbas FN (2015) Sebuah tinjauan terhadap
metode pemutakhiran model untuk sistem infrastruktur sipil.
Solusi Infrastruktur Inovatif (2020) 5:89 Halaman 21 dari 24
Dalam: Kruis J, Tsom- panakis Y, Topping BHV (eds) Teknik 89
komputasi untuk teknik sipil dan struktur. Saxe-Coburg
Publications, Stirling- shire, pp 83-99

13
89 Halaman 22
dari 24
2. Yuen KV, Beck JL, Katafygiotis LS (2006) Pendekatan
probabilistik terpadu untuk pembaruan model dan deteksi
kerusakan. J Appl Mech 73:555.
https://doi.org/10.1115/1.2150235
3. Hajela P, Soeiro F (1989) Deteksi kerusakan struktural
berdasarkan analisis statik dan modal. American Institute of
Aeronautics dan Astronautics, Reston
4. Sanayei M, Scampoli S (1991) Identifikasi kekakuan elemen
struktur dari data uji statik. J Eng Mech 117(5):1021-1036
5. Robert-Nicoud Y, Raphael B, Burdet O, Smith IFC (2005)
Identifikasi model jembatan dengan menggunakan data
pengukuran. Berbantuan Komputer Civ Infrastruct Eng 20:118-
131
6. Catbas N, Gokce HB, Frangopol DM (2013) Analisis prediktif
dengan memasukkan ketidakpastian melalui serangkaian model
yang dikalibrasi dengan data pemantauan kesehatan struktural. J
Eng Mech 139:712-723. https://doi.org/10.1061/(asce)em.1943-
7889.0000342
7. Lewis RM, Torczon V, Trosset MW (2000) Metode pencarian
langsung: dulu dan sekarang. J Comput Appl Math 124:191-207
8. Liu GR, Ma WB, Han X (2002) Prosedur terbalik untuk
menentukan konstanta material laminasi komposit menggunakan
gelombang elastis. Metode Komputasi Appl Mech Eng
191:3543-3554
9. Vishnuvardhan J, Krishnamurthy CV, Balasubramaniam K
(2007) Rekonstruksi berbasis algoritma genetika dari modulus
elastisitas pelat ortotropik menggunakan array SHM pemancar-
penerima ganda gelombang terpandu ultrasonik. Smart Mater
Struct 16:1639-1650
10. Gomes HM, Awruch AM, Lopes PAM (2011) Optimasi berbasis
keandalan struktur komposit laminasi menggunakan algoritma
genetik dan jaringan saraf tiruan. Struct Saf 33:186-195
11. Tee KF, Khan LR, Chen HP, Alani AM (2014) Optimasi biaya
siklus hidup berbasis keandalan untuk jaringan pipa bawah
tanah. Tunn Undergr Space Technol 43:32-40
12. Das SK, Basudhar PK (2006) Studi perbandingan teknik-teknik
estimasi parameter untuk model-model kriteria keruntuhan
batuan. Can Geotech J 43:764-771
13. Das SK, Basudhar PK (2011) Optimasi parameter kriteria
keruntuhan batuan dengan menggunakan pendekatan error-in-
variables. Int J Geomech 11:36-43.
https://doi.org/10.1061/(asce)gm.1943-5622.0000069
14. Mergos PE, Sextos AG (2019) Pemilihan gerakan tanah gempa
bumi untuk berbagai tujuan menggunakan algoritma genetika.
Eng Struct 187:414-427
15. Kelompok pengembangan jembatan beton sejarah jembatan
beton. http://www.cbdg.org.uk/intro2.asp. Diakses pada 10 Mei
2017
13
Solusi Infrastruktur Inovatif (2020) 5:89
16. Enright B, O'Brien EJ (2013) Simulasi Monte Carlo pembebanan
lalu lintas ekstrim pada jembatan bentang pendek dan menengah.
Struct Infrastruct Eng 9:1267-1282.
https://doi.org/10.1080/15732 479.2012.688753
17. O'Brien EJ, Caprani CC, O'Connell GJ (2006) Penilaian
pembebanan jembatan: perbandingan antara Eropa Barat dan
Eropa Tengah/Timur. Bridge Struct 2:25-33.
https://doi.org/10.1080/15732480600578451
18. Bruls A, Calgaro JA, Mathieu, H, Prat M (1996) ENV1991-
bagian 3: model utama beban lalu lintas pada jembatan; studi
latar belakang. Dalam: Prosiding Kolokium IABSE. IABSE-
AIPC-IVBH, Delft, Belanda, hal 215-228
19. Meystre T, Hirt MA (2006) Evaluasi jalur-jalur jalan yang ada
dengan model muatan lalu lintas yang sebenarnya. Berne
20. Jacob B, Labry D (2002) Evaluasi pengaruh kendaraan berat
terhadap kelelahan jembatan. Dalam: Prosiding simposium
internasional ke-7 sium tentang berat & dimensi kendaraan berat
21. O'Brien EJ, Enright B (2011) Pemodelan lalu lintas dua lajur
satu arah untuk pembebanan jembatan. Struct Saf 33:296-304.
https://doi. org/10.1016/j.strusafe.2011.04.004
22. El Hajj Chehade F, Younes R, Mroueh H, Hage Chehade F
(2018) Penggunaan optimasi stokastik dalam analisis data
penimbangan gerak. Dalam: Powers N et al (eds) Pemeliharaan,
keselamatan, risiko, manajemen dan kinerja siklus hidup
jembatan. Taylor & Francis Group, London
23. Enright B (2010) Simulasi pembebanan lalu lintas pada jembatan
jalan raya. Institut Teknologi Dublin, Dublin
24. Gilbert RI (2001) Susut, retak dan lendutan terhadap
kemampuan layan- struktur beton. Electron J Struct Eng 1:15-37
25. Gilbert RI (2011) Kondisi batas kemampuan layan pada desain
kreta bertulang. Procedia Eng 14:385-395.
https://doi.org/10.1016/j. proeng.2011.07.048
26. (1993) KODE MODEL CEB-FIP 1990
27. Balaguru P, Shah SP (1982) Sebuah metode untuk memprediksi
lebar retak dan lendutan untuk pembebanan fatik. Spec Publ
75:153-176
28. Holland JH (1975) Adaptasi dalam sistem alami dan buatan.
University of Michigan Press, Ann Arbor
29. Deb K (2001) Optimasi multi-objektif menggunakan algoritma
evolusioner . Wiley, Chichester
30. FASCICULE 61 Konsepsi, kalkulasi dan pengembangan karya
seni titel II. Program biaya dan pengembangan rute