JUDUL PAPER

Structural Optimization of a Steel Arch Bridge with Genetic Algorithm (2020) Structural optimization of concrete arch bridges using Genetic Algorithms (2019)
LATAR BELAKANG
Penelitian ini dilakukan untuk mengoptimalkan struktur jembatan lengkung baja agar Penelitian ini dilakukan untuk melakukan optimasi struktur jembatan beton, yaitu
dapat menahan gaya dorong horisontal yang besar dan mengurangi getaran jembatan yang meningkatkan daya tahan, kekakuan, ekonomis, dan keindahannya, karena jembatan
dapat mengancam keselamatan pengguna jembatan. beton salah satu infrastruktur penting yang digunakan jalan raya dan jalan kereta api.
TUJUAN PENELITIAN
1. Membuat algoritma yang cocok digunakan pada optimasi struktur jembatan lengkung 1. Membuat algoritma yang cocok digunakan pada optimasi struktur jembatan
baja. lengkung beton.
2. Mencari distribusi ketebalan yang lebih masuk akal dari pelat baja dan tabung jembatan 2. Mengoptimalkan struktur geometris jembatan pelengkung beton dengan
3. Mengurangi gaya dorong horizontal secara signifikan untuk mengurangi biaya tinggi menggunakan Algoritma Genetika untuk menemukan desain yang paling murah
akibat gaya dorong horisontal yang besar pada desain awal 3.
4. Mengptimalkan desain struktur yang bersifat multi-kriteria dengan menggunakan GA Membuktikan algoritma genetik dapat digunakan sebagai metode yang efektif untuk
multi-objektif mengoptimalkan struktur jembatan lengkung beton, yakni murah dan optimal.
FUNGSI OBJEKTIF PENELITIAN
1. Meminimumkan gaya dorong horisontal 1. Meminimumkan volume total struktur =
2. Meminimasi volume baja Dimana :
3. Persamaan objective function dalam penelitian ini = F = F1 + F2 + F3 V = Volume total struktur
F1 = gaya dorong horisontal jembatan akibat berat sendiri Aᵢ = Area Elemen (ditentukan oleh koordinat)
F2 = Beban mati sekunder Tᵢ = Ketebalan Elemen (konstan)
F3 = Beban maksimum pedestrian n = Jumlah elemen
BATASAN PENELITIAN
1. Desain harus memenuhi persyaratan kestabilan jembatan. 1. Batasan keamanan, tegangan dan deformasi pada setiap node
2. Tingkat tegangan dan defleksi harus lebih rendah dari nilai yang diijinkan. Batasan-batasan tersebut dapat dirumuskan sebagai berikut :
3. Berat baja dan kekakuan statis jembatan harus meningkat secara bersamaan seiring
dengan meningkatnya volume baja.
4. Batasan-batasan penelitian ini dapat dirumuskan sebagai berikut : Dimana :
σᵢ = Tegangan pada setiap elemen
Δᵢ = Deformasi pada setiap node
m = Jumlah node
Dimana Sᵢ dan Sᵃ adalah variabel keadaan dan variabel keadaan yang diijinkan dalam σₐₗₗ = Tegangan yang diizinkan
hal tingkat tegangan dan defleksi pada kasus beban ke - i Δₐₗₗ = Deformasi yang diizinkan
VARIABEL PENELITIAN
1. Desain variabel menggunakan ketebalan semua pelat baja dan tabung, dengan nilai 1. Desain variabel menggunakan koordinat vertikal node
berkisar antara 12 dan 60 mm. Variabel utama melibatkan ketebalan lengkungan 2. 34 node dipilih untuk membentuk badan lengkung. 16 node di sisi kanan memiliki
tengah, lengkungan samping, dan lengkungan bawah, disebut sebagai T1, T2, dan T3. koordinat yang sama dengan node di sisi kiri dan 2 node pada sumbu simetri. Jadi,
Selain itu, ada 9 variabel desain lainnya, T4 hingga T12. Tujuan penelitian adalah hanya 18 node yang digunakan sebagai variabel desain untuk proses optimasi
mencari solusi desain optimal dengan memvariasikan nilai-nilai variabel tersebut. dengan 16 posisi alternatif untuk setiap node.
METODE PENELITIAN
Penelitian ini menggunakan metode analisis numerik kopel dengan perangkat lunak Penelitian ini menggabungkan analisis hingga dan algoritma genetika dengan
analisis numerik MATLAB dan perangkat lunak elemen hingga ANSYS. Selain itu, juga menggunakan MATLAB. Dalam metode ini, pelengkung dimodelkan secara numerik
digunakan metode optimasi ukuran sebagai alat untuk mengidentifikasi solusi struktur sebagai struktur kontinum yang dibagi menjadi elemen-elemnen Constant Strain
terbaik dan tata letak yang ditandai dengan eksploitasi material. Terdapat dua kelas metode Triangular (CST) 2D yang disatukan pada sudut-sudutnya. Koordinat sambungan
numerik untuk menyelesaikan masalah optimasi ukuran, yaitu Metode Pencarian Berbasis merupakan variabel desain untuk proses optimasi yang bertujuan untuk meminimalkan
Gradien dan Metode Pencarian Langsung. berat lengkungan.
1. Pendekatan Modeling (Prosedur Desain Optimasi) 1. Pendekatan Modeling (menggunakan numerical model)
a. Prosedur Desain Optimasi Tujuan Tunggal Pendekatan ini dilakukan 4 tahap :
1. Siapkan prosedur utama dalam MATLAB. a. Geometri
2. Hasilkan populasi awal secara runut. Persamaan geometri parabola untuk lengkungan :
3. Baca file input variabel desain di ANSYS dan lakukan analisis elemen hingga. b. Sistem struktural dan beban yang diterapkan
4. Baca file input variabel state di MATLAB, dan hitung fungsi penalti. Jembatan lengkung, ditinjau dari 2 arah yang dipisahkan sebuah pulau. Lebar 2 m
5. Periksa kriteria konvergensi, hentikan proses desain jika generasi maksimum tercapai dan trotoar di setiap sisi lebar 3 m. Masing-masing memiliki 2 lajur dengan lebar
atau toleransi fungsi terpenuhi. Jika tidak, hasilkan generasi berikutnya melalui seleksi, lajur 3 m. Lebar total jembatan 20 m. Balok sekunder didistribusikan setiap 2 m, (2
6. Ulangi langkah 2 hingga 5 sampai solusi optimal terpenuhi. balok sekunder tepi dan 9 balok sekunder tengah). Balok utama 20 m didistribusikan
b. Prosedur Desain Optimasi Multi Tujuan setiap 4 m, jumlah balok utama disesuaikan oleh program sesuai bentang. 2 gelagar
1. Siapkan prosedur utama dalam MATLAB. Masukkan parameter kontrol GA meliputi lengkung menopang jembatan dari kedua sisi. Beban mati dihitung otomatis oleh
ukuran populasi, probabilitas crossover, probabilitas mutasi, generasi maksimum, program, mempertimbangkan ketebalan pelat, dimensi balok utama, dimensi balok
fungsi fitness, dan fungsi toleransi. sekunder. Posisi terburuk bagi kendaraan untuk mendapatkan gaya internal
2. Bangkitkan populasi induk Pₜ dengan ukuran Np secara acak. Lakukan pengurutan maksimum pada gelagar lengkung adalah di tengah.
non-dominan pada populasi induk. Tetapkan peringkat pada setiap solusi c. Analisis struktural
sesuai dengan tingkat non - dominansi. Analisis struktural menggunakan model FEA. Konsep utama FEA yaitu membagi
3. Buatlah populasi keturunan Qₜ dengan ukutan Np melalui seleksi, pindah silang dan masalah struktur menjadi elemen-elemen kecil yang saling berhubungan.
mutasi. d. Verifikasi
4. Membentuk populasi gabungan dari Pₜ + Qₜ. Lakukan pengurutan non-dominan pada Untuk memeriksa model numerik dan kode FEA, dinalisis dengan program SAP
populasi gabungan. dengan kondisi yang sama dan hasilnya dibandingkan.
 5. Bentuk populasi induk berikutnya Pₜ+₁ berdasarkan peringkat dan jarak kerumunan 2. Pemodelan yang digunakan
dari setiap solusi dalam populasi gabungan. peringkat
6. Periksa kriteria konvergensi, hentikan proses desai jika generasi maksimum tercapai Pada teknik ini, algoritma genetika digunakan untuk mendapatkan koordinat node
atau toleransi fungsi terpenuhi. Jika tidak, hasilkan populasi off-spring berikutnya Qₜ+1 optimal untuk membentuk pelengkung yang optimal yang memiliki bobot minimum.
melalui seleksi, crossover, dan mutasi. a. Selection
7. Ulangi langkah 4 sampai 5 sampai dipeeroleh front optimal Pareto. Dalam penelitian ini, digunakan operator crossover seragam dengan panjang
2. Pemodelan yang digunakan kromosom 72 bit, di mana setiap solusi memiliki 18 node yang direpresentasikan
Pemodelan dalam penelitian ini menggunakan Model Elemen Hingga (Finite Element oleh 4 bit. Operator ini menggabungkan dua solusi orang tua secara acak dengan
Model) dengan perangkat lunak analisis elemen hingga ANSYS. Elemen shell menukar nilai-nilai bit, menciptakan dua solusi anak. Tujuannya adalah menciptakan
SHELL93 dipilih untuk semua struktur baja kecuali dua lengkungan bawah dan tabung variasi dalam populasi dan meningkatkan peluang mencapai solusi yang lebih baik.
baja gelagar, yang disimulasikan dengan elemen BEAM188. Terdapat 110.869 node
dan 44.783 elemen secara keseluruhan. b. Crossover
a. Selection Penelitian ini menggunakan algoritma genetik dengan teknik crossover seragam
Penelitian ini menggunakan seleksi elitisme, yaitu proses pemilihan sejumlah individu untuk menciptakan solusi anak dari dua solusi orang tua. Crossover seragam
terbaik dari populasi saat ini dan memasukkannya ke dalam populasi berikutnya tanpa membuat setiap bit pada kromosom solusi anak dihasilkan secara acak dari
b. Crossover kromosom solusi orang tua. Panjang kromosom setiap solusi adalah 72 bit, dengan
Penelitian ini menggunakan crossover satu titik, yaitu proses mengambil sebagian gen 18 elemen struktur direpresentasikan oleh 4 bit. Solusi anak dievaluasi untuk menilai
dari satu induk dan sebagian gen dari induk lainnya untuk menghasilkan keturunan perbaikan dibandingkan solusi orang tua setelah crossover.
c. Mutation c. Mutation
Penelitian ini menggunakan fungsi mutasi Gaussian yang menambahkan bilangan acak Penelitian ini menggunakan mutasi flip bit dengan probabilitas mutasi yang dipilih
yang diambil dari distribusi Gaussian sebagai operator. Jika bilangan acak kurang dari oleh peneliti.
probabilitas mutasi, nilai bit akan diubah dari 0 ke 1 atau sebaliknya.
HASIL PENELITIAN
Berdasarkan analisis yang dilakukan dihasilkan kesimpulan sebagai berikut : Berdasarkan analisis yang dilakukan dihasilkan kesimpulan sebagai berikut :
1. Berdasarkan hasil penelitian, dapat disimpulkan bahwa algoritma genetika dapat 1. penelitian ini berhasil menunjukkan bahwa Algoritma Genetika dapat digunakan
menghasilkan desain jembatan lengkung baja yang lebih optimal dibandingkan dengan untuk mengoptimalkan struktur geometris jembatan pelengkung beton dek dengan
2. Hasil penelitian menunjukkan bahwa distribusi ketebalan optimal diperoleh sesuai cara menemukan desain yang paling murah dalam hal volume material.
dengan perilaku struktural komponen baja. 2. Hasil optimasi menunjukkan bahwa desain yang dihasilkan lebih murah dan lebih
3. Selain itu, penelitian ini juga menunjukkan bahwa crossover satu titik dan mutasi optimal dibandingkan dengan desain tradisional.
Gaussian dapat digunakan sebagai operator dalam algoritma genetika untuk 3. program Analisis Elemen Hingga yang dikembangkan dalam penelitian ini juga
menghasilkan desain yang lebih baik memberikan hasil yang dapat dipercaya jika dibandingkan dengan program
PERBANDINGAN PAPER 1 DAN PAPER 2
1. Tema : Fokus pada gaya dorong horizontal besar pada jembatan. 1. Tema : Fokus pada optimasi struktur geometris jembatan pelengkung beton
2. Metode optimasi : Menggunakan Algoritma Genetika untuk optimasi single-objective 2. Metode Optimasi : Menggunakan Algoritma Genetika untuk mencari desain yang
dan multi-objective terhadap ketebalan jembatan. paling murah dalam hal volume material.
3. Model Numerik : ANSYS untuk implementasi modul optimasi dan prosedur desain. 3. Model Numerik : Elemen Hingga untuk merepresentasikan struktur pelengkung.
4. Platform Pemrograman : MATLAB untuk mengembangkan kode optimasi. 4. Platform Pemrograman : MATLAB untuk mengembangkan kode optimasi.
5. Perbandingan Desain: Membandingkan hasil optimasi dalam hal volume baja dan 5. Perbandingan Desain: Membandingkan desain hasil optimasi dengan desain
tingkat gaya dorong horizontal. Menunjukkan efektivitas prosedur desain berbasis GA tradisional, menunjukkan pengurangan biaya yang signifikan.
dalam mencapai desain optimal.
1. PERSAMAAN PAPER 1 DAN PAPER 2
a. Kedua penelitian menggunakan Algoritma Genetika sebagai proses optimasi.
b. Kedua penelitian berfokus pada optimasi desain struktur atau pengurangan biaya.
2. PERBEDAAN PAPER 1 DAN PAPER 2
a. Menangani masalah gaya dorong horizontal pada jembatan. 1. Lebih spesifik pada optimasi geometris jembatan pelengkung beton.
b. Menggunakan ANSYS. 2. Menggunakan MATLAB dan Elemen Hingga.

A. Lampiran Jurnal 1 B. Lampiran Jurnal 2