Mustika Joni

[Type the document subtitle]

 PENERAPAN JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI
KESEHATAN JEMBATAN BERDASARKAN DATA AKSELERASI DAN
PERPINDAHAN

1. Pendahuluan
Jaringan saraf tiruan adalah proses dari sisitem komputer yang mencoba meniru
sistem kerja otak manusia. Model arsitektur jaringan saraf tiruan telah diklasifikasikan
berdasarkan berbagai jenis aktivasi pelatihan. Jaringan saraf tiruan tidak memerlukan
pengetahuan sebelumnya yanng berasal dari alam untuk hubungan antara input dan
output model yang sesuai. Dibandingkan dengan metode tradisional, jaringan saraf
mentolerir data yang relatif tidak tepat, berisik atau tidak lengkap.

Jaringan saraf telah diterapkan di Teknik Sipil sejak beberapa dekade terakhir. Proses
pelatihan dan pengujian memanfaatkan data lapangan yang sebenarnya. Target output
yang dihasilkan adalah solusi teoritis dari masalah yang dianalisis. Hasil penelitian
menunjukkan bahwa jaringan saraf tiruan merupakan metode yang handal dibanding
metode konvensional lainnya. Beberapa peneliti lain juga tertarik untuk
mengembangkan algoritma jaringan saraf tiruan meskipun kemampuan dasar mereka
adalah pengamatan langsung dilapangan. Beberapa peniliti juga tertarik menggunakan
jaringan saraf tiruan untuk meneliti dalam bidang rekayasa jembatan. Dari beberapa
penitilian diatas ada sedikit diskusi tentang yang terbaik dari penelitian percepatan
dan perpindahan nilai untuk input data di jaringan saraf, terutama untuk prediksi
kesehatan jembatan.

2. Kesehatan Jembatan Setelah Gempa Bumi

Struktur jembatan perlu dicermati secara berkala dalam real time. Dalam pemantauan
kesehatan jembatan, kerusakan jembatan dapat diketahui dan dideteksi dini melalui
pembacaan data oleh sensor. Data percepatan dan data perpindahan membaca dikirim
ke server lokal melalui akuisisi data. Beberapa peneliti mengamati percepatan dan
perpindahan sebagai input data di jaringan saraf tiruan, seperti penelitian W. Son &
Y.M Lim (2012) pada penelitian ini digunakan jaringan saraf untuk mengamati
sebuah jembatan di bawah beban dinamis, terutama beban lalu lintas umum. Tujuan
dari penelitian ini adalah untuk memperkirakan perpindahan jembatan yang sesuai
dengan regangan jembatan. Dalam dinamika struktural, respon jembatan akibat
gempa bumi umumnya dirumuskan:

......................... (1)

di mana [M], [C] dan [K] masing-masing adalah matriks massa, redaman dan
stiffness, sementara Ÿ, Ý, Y adalah vektor percepatan, kecepatan, dan perpindahan
 dari respon jembatan. Vektor ii adalah percepatan eksitasi gempa. Dengan
menggunakan prosedur uncoupling.

dalam penelitian ini kondisi kesehatan struktur jembatan difokuskan pada perilaku
non linier dari pilar jembatan yang diakibatkan oleh gempa bumi. Data respon
percepatan dapat dilihat pada Gambar 1. Percepatan puncak tanah (PGA) pada gambar
tersebut adalah 0.1539G (1.51 m/s2) untuk gempa San Fernando, 0.8677G (8.51 m /
s2)untuk gempa Selandia Bar, 0,4731 G (4,64 m/s2)untuk gempa Lomaprieta, dan
0.3803G (3,73 m/s2)untuk gempa Landers. Kriteria kerusakan yang ditimbulkan oleh
pier diadopsi dari peraturan FEMA 356. Kriterianya antara lain, Immediate
Occupancy (IO), Life Safety (LS), dan Collapse Prevention (CP). IO didefinisikan
sebagai struktur masih aman untuk diduduki setelah terjadi gempa. LS didefinisikan
sebagai beberapa elemen struktur dan komponen yang rusak parah tapi risiko cedera
yang mengancam jiwa diperkirakan rendah. CP didefinisikan sebagai struktur di
ambang kehancuran parsial atau total dan risiko yang signifikan dan kemungkinan
cedera yang tinggi.

Gambar 1. Data Respon Percepatan Gempa Dari PEER

3. Jaringan Saraf Tiruan dalam Prediksi Kesehatan Jembatan

Penelitian ini menggunakan Neural Network Back Propagation (BPNN) algoritma.
Penampilan terbaik dari BPNN tergantung pada pemilihan bobot awal, tingkat
pembelajaran, momentum, jaringan model arsitektur dan fungsi aktivasi. Bobot
menjelaskan percepatan atau retardasi dari sinyal masukan. Model arsitektur untuk
sistem ini memiliki sejumlah n neuron masukan, satu dan dua lapisan tersembunyi
dengan n neuron dan output. Jaringan masukan terdiri dari domain waktu-percepatan
dan waktu-perpindahan domain dari jembatan analisis respon seismik. Jumlah
masukan sesuai dengan jumlah sensor pada pemantauan jembatan. Sementara itu
lapisan output adalah tingkat kondisi kesehatan jembatan akibat gempa bumi, yang
dihasilkan oleh perangkat lunak elemen hingga. Model arsitektur jaringan saraf dapat
dilihat pada Gambar 2.
 Gambar 2 Model Arsitektur Jaringan Saraf Tiruan

Fungsi training yang digunakan Gradient Descent Backpropagation untuk

meminimalkan jumlah kuadrat error (E) antara nilai output dari jaringan saraf dan
nilai-nilai target yang diberikan. Total kesalahan didefinisikan sebagai:

............................... (2)

Dimana tj menunjukkan nilai target, aj menunjukkan nilai aktivasi dari lapisan output,
dan J diatur pada contoh pelatihan. Langkah-langkah diulang sampai enor rata-
squared (MSE) dari output cukup kecil.

4. Studi Kasus
Model jembatan disimulasikan tertutup dengan 3 bentang box girder. Panjang dari 3
bentang masing-masing adalah 79 m, 110 m, dan 79 m. 2 sensor diasumsikan
dipasang di bagian atas pilar seperti yang ditunjukkan pada Gambar 3. Sensor
mengukur percepatan dan perpindahan nilai dari respon jembatan.

Gambar 3. Bentarng Box Girder Pada Model Jembatan

Model jembatan pada Gambar. 3 telah dianalisis menggunakan software elemen

hingga. Analisis riwayat waktu non linier telah diterapkan dalam model sehingga
perilaku dan kondisi pada model akibat gempa dapat dilihat pada waktu tertentu.

Kerusakan elemen struktur dari analisis terbatas-elemen dijelaskan dalam Gambar. 4.

Kriteria dari kerusakan jembatan didasarkan pada standar FEMA 356.
Gambar 4. Kerusakan yang diakibatkan oleh gempa Loma Prieta 1989