No
6,37 16,94 24,86 51,21 65,53 91,7 48,79 6,1 974
2
6,06 17,65 24,72 50,5 64,17 93,95 49,5 6,1 959
3
6,2 18,18 25,35 51,19 65,3 92,75 48,81 6,11 930
4
5,93 17,89 24,75 53,36 69,33 92,67 46,64 6,11 900
5
6,13 15,29 22,39 52,11 67,37 94,71 47,89 6,1 915
6
6,37 17,74 24,21 50,06 62,94 94,01 49,94 6,12 989
7
6,32 15,89 23,54 52,05 68,43 92,53 47,95 6,11 930
8
6,96 16,87 26,96 50,99 66,25 93,21 49,01 6,12 944
9
6,23 16,66 23,43 51,25 67,56 91,68 48,75 6,12 944
10
5,79 15,29 22,43 50,51 66,61 93,37 49,49 6,1 959
Lampiran
13
6,3 16,6 25,95 52,45 67,15 93,77 47,55 6,12 900
14
6,67 16,1 25,21 50,11 64,29 92,97 49,89 6,1 1003
15
5,97 15,58 25,91 50,87 65,21 91,93 49,13 6,12 974
16
7 12,14 26,82 52,35 66,01 93,15 47,65 6,09 885
17
6,32 16,08 25,72 51,97 65,29 95,52 48,03 6,12 944
18
6,55 16,91 26,31 52,56 66,16 94,29 47,44 6,11 915
19
5,92 15,21 24,46 51,02 64,77 93,1 48,98 6,1 959
20
6,39 16,37 26,01 50,47 63,98 91,6 49,53 6,1 989
21
6,76 15,55 25,19 51,51 65,49 92,81 48,49 6,11 959
22
7,02 16,5 26,57 53,06 66,01 95,35 46,94 6,1 900
23
6,2 15,3 26,04 51,04 64,63 93,01 48,96 6,12 930
24
6,89 16,06 24,41 50,46 63,87 91,68 49,54 6,1 1018
25
6,14 15,64 26,69 51,19 64,4 93,01 48,41 6,12
26
6,57 16,57 26,09 52,1 66,27 94,16 47,9 6,09 944
27
5,79 14,95 24,34 51,73 64,56 93,56 48,27 6,11 989
28
6,22 16,04 25,26 53,06 66,02 94,14 46,94 6,12 915
29
7,23 17,04 26,88 52,54 65,09 93,12 47,46 6,09 915
30
6,14 15,85 25,64 51,41 64,4 92,2 48,59 6,1 1018
31
6,39 16,2 26,29 52,01 63,73 93,98 47,99 6,1 974
32
6,34 15,55 22,92 51,04 66,9 93,45 48,96 6,11 930
33
6,08 16,02 25,42 51,66 68,03 92,5 48,34 6,12 885
34
6,48 16,13 25,47 51,06 67,9 92,57 48,94 6,11 959
35
6,8 16,95 27,12 51,05 66,43 93,17 48,95 6,12 944
36
5,97 14,83 23,9 50,99 67,53 94,36 49,01 6,1 930
37
6,38 17,15 24,69 50,6 63,42 93,85 49,4 6,12 989
38
6,37 17,74 25,35 53,2 68,55 92,83 46,8 6,09
39
6,36 18,23 25,51 51,24 65,25 92,59 48,76 6,11 930
40
6,07 17,49 25,07 50,66 64,01 93,79 49,34 6,1 974
41
6,22 17,56 25,22 51,38 65,77 91,93 48,62 6,1 959
42
6,45 16,72 26,15 51,73 66,52 93,08 48,27 6,11 930
43
6,24 16,44 26,1 50,93 66,99 93,93 49,07 6,12 989
44
6,49 16 25,3 50,1 64,11 92,25 49,9 6,12 1033
45
6,1 15,43 25,75 50,61 65,05 91,77 49,39 6,11 974
46
6,83 17 26,66 52,18 65,85 92,99 47,82 6,1 900
47
6,48 15,92 25,56 51,82 65,13 92,36 48,18 6,12 959
48
6,39 16,75 26,15 52,4 66 94,13 47,6 6,11 915
49
5,77 15,06 24,31 50,87 64,63 92,94 49,13 6,09 1018
50
6,24 16,22 25,85 50,31 63,83 91,44 49,69 6,09 1003
51
6,59 15,38 25,02 51,34 65,33 92,65 48,66 6,12
52
6,87 16,34 26,41 53,43 65,85 95,07 46,57 6,1 930
53
6,06 15,15 25,9 50,89 64,47 92,85 49,11 6,1 1003
54
6,73 15,9 24,25 50,3 63,71 91,52 49,7 6,1 1018
55
5,98 15,46 26,58 51,09 64,23 92,85 48,91 6,12 944
56
6,41 16,41 26,18 37,02 66,01 94 47,48 6,09 871
57
5,95 14,79 24,18 51,57 64,61 93,4 48,43 6,11 959
58
6,09 15,9 25,11 52,91 65,87 93,98 47,09 6,1 915
59
7,1 17,09 27,77 52,35 64,87 92,96 47,65 6,11 930
60
5,99 15,7 25,48 51,19 64,24 92,04 48,81 6,1 974
61
6,42 16,03 26,13 51,78 63,56 93,82 48,22 6,11 959
62
6,22 15,34 23,8 50,7 66,76 93,29 49,3 6,11 1003
63
6,02 15,96 25,26 51,52 67,88 92,34 48,48 6,1 959
64
6,34 16,31 25,05 51,36 67,61 92,41 48,64 6,09
65
6,05 16,58 26,49 50,96 66,05 92,95 49,04 6,1 1018
66
5,96 14,79 24,32 52,2 67,8 94,07 47,8 6,1 989
67
6,25 15,48 25,37 50,37 63,25 93,15 49,63 6,12 989
68
6,19 17,2 25,11 53,03 67,95 92,66 46,97 6,11 871
69
6,51 18,05 25,64 51,11 65,08 92,39 48,89 6,12 944
70
6,07 17,17 24,82 50,58 63,81 93,59 49,42 6,11 989
71
6,34 16,48 25,93 51,54 66,26 92,94 48,46 6,11 959
72
6,07 16,29 25,93 50,87 66,52 93,56 49,13 6,1 1003
73
6,22 15,31 24,7 50,27 64,33 92,09 49,73 6,09 1033
74
5,92 15,19 25,45 50,82 64,85 91,51 49,18 6,1 959
75
6,68 14,67 26,49 52,05 65,68 92,83 47,95 6,12 930
76
5,95 15,45 22,65 50,62 66,77 93,5 49,38 6,1 1018
77
6,4 16,72 23,6 51,41 67,83 91,84 48,59 6,11
78
6,48 16,14 23,7 52,21 68,59 92,69 47,49 6,11 915
79
7,12 17,03 27,12 51,15 66,41 93,37 48,85 6,12 959
80
6,3 15,46 22,55 52,26 67,53 94,87 47,74 6,09 885
81
6,55 17,91 24,39 50,23 63,11 94,17 49,77 6,1 1048
82
6,1 18,06 24,92 53,53 69,49 92,83 46,47 6,1 959
83
6,36 18,34 25,51 51,35 65,5 92,91 48,65 6,11 959
84
6,22 17,81 24,88 50,66 64,35 94,13 49,34 6,1 1003
85
6,52 17,97 25,51 51,37 66,08 91,93 48,63 6,12 944
86
6,76 16,94 26,46 52,05 66,78 93,18 47,95 6,12 900
87
6,48 16,78 26,13 52,62 67,32 92,77 47,38 6,09 900
88
6,83 16,27 25,38 50,27 64,35 93,13 49,73 6,09 930
89
6,12 15,74 26,07 50,93 65,37 92,06 49,07 6,12 915
90 7,15
91
6,48 16,29 25,89 52,14 65,45 92,68 47,86 6,11 974
92
6,71 17,07 26,47 52,72 66,32 94,45 47,28 6,11 944
93
6,08 15,38 24,62 51,18 64,93 93,26 48,82 6,1 989
94
6,53 16,62 26,22 50,6 64,14 91,76 49,4 6,1 1018
95
6,92 15,86 25,41 51,78 65,83 93,21 48,22 6,1 974
96
7,06 16,7 26,73 53,34 66,25 95,51 46,66 6,11 871
97
6,39 15,53 26,28 51,24 64,85 93,21 48,76 6,09 915
98
7,03 16,3 25,01 50,46 64,12 91,81 49,54 6,11 974
99
6,18 15,75 26,96 51,46 64,88 93,28 48,54 6,12 944
100
6,69 15,84 26,2 52,26 66,68 94,35 47,74 6,12 930
101
5,95 15,14 24,59 51,95 64,79 93,84 48,05 6,1 959
102
6,5 16,36 25,42 53,26 66,14 95,32 46,74 6,11 871
103
7,28 17,17 27,05 52,95 65,29 93,42 47,05 6,12
104
6,4 16,08 25,76 51,67 64,58 92,35 48,33 6,09 930
105
6,43 16,52 26,39 52,5 63,9 94,22 47,8 6,11 944
106
6,6 15,74 23,12 51,33 67,28 93,61 48,67 6,1 974
107
6,4 16,31 25,74 51,87 68,1 92,66 48,13 6,11 930
108
6,58 16,37 25,74 51,33 68,12 92,79 48,67 6,1 959
109
6,92 17,11 27,28 51,21 66,59 93,32 48,79 6,12 930
110
DAFTAR PUSTAKA
Ozgan, E. (2011), Artificial Neural Network Based Modelling of the Marshall Stability of Asphalt Concrete, Journal of Expert Systems with Applications, 38(5), 6025-6030.
Kandil., Khaled A. (2013), Modelling Marshall Stability and Flow for Hot Mix Asphalt Using Artificial Intelligence Techniques, Journal of Nature and Science, 11(6).
Saffarzadeh, M., and Heidaripanah, A. (2009), Effect of Asphalt Content on the Marshall Stability of Asphalt Concrete Using Artificial Neural Network, Journal of Transaction A: Civil Engineering, Sharif University of Technology; Vol. 16, No.1, pp. 98-105.
Heidaripanah, A., and Hasani, A. (2006), Effect of Crushed Aggregates Percentage On Marshall Stability of Asphalt Concrete Using Artificial Neural Network”, Journal of Transportation Research, Vol. 3, No. 3; Page 173-182. Flood, I., and Kartam, N. (1997), Artificial Neural Networks for Civil Engineers; Advanced Features and Application, American Society of Civil Engineer Expert System and Artificial Intelligence Techniques.
Gerhenson, Carlos. “Artificial Neural Network for beginners”, Sussex University Press.
Siegfried.(2009), Perkiraan Profil Perkerasan Menggunakan Metoda Jaringan Syaraf Buatan, Pusat Penelitian dan Pengembangan Jalan dan Jembatan, Bandung.
Hermawan, Arief. (2006), Jaringan Saraf Tiruan, Teori dan Aplikasi, Penerbit Andi, Yogyakarta.
Alawi, M.H. and Rajab, M.I, “Determination of Optimum Bitumen Content and Marshall Stability Using Neural Networks for Aspaltic Concrete Mixtures”, University of Umm Al-Qura, Kingdom of Saudi Arabia.
BAB III
METODOLOGI PENELITIAN
III.1 Diagram Alur (Flowchart)
Pelaksanaan penelitian ini, memerlukan banyak hal yang harus diperhatikan sebagai persiapan dalam melakukan penelitian. Tujuannya agar memperkecil (meminimalisir) kesalahan dalam pengerjaan dari awal hingga akhir. Metode penelitian disusun untuk memberikan kemudahan dalam pelaksanaan sebuah penelitian sehingga berjalan lebih tepat efektif dan efisien. Tahapan prosedur pelaksanaan ini tergambar dalam suatu bagan alir metode penelitian yang terdapat pada gambar 3.1. Pengambilan data pada penelitian ini dilakukan di Laboratorium Jalan Raya AMP Karya Murni Patumbak. Bahan-bahan yang
diambil berupa data agregat, stabilitas marshal dan kadar aspal yang diambil dari PT. Karya Murni Perkasa, Patumbak.
Mulai
Studi Literatur
Pemilihan Lokasi AMP
Pengumpulan Data Dari AMP Karya Murni, yaitu:
Data Nilai Marshall Test:
1. Persentase Agregat Lolos Ayakan 200, 50, 30, 8, 4 dan ½ inch
2. Persentase Agregat Pecah 3. Stabilitas Marshall Data Nilai Extraction Test:
1. Kadar Aspal
Gambar 3.1 Diagram Flowchart Mengelompokkan Data Input:
Persentase Agregat Lolos Ayakan 200, 50, 30, 8, 4 dan ½ inch
Persentase Agregat Pecah
Kadar Aspal
Mengelompokkan Data Output: Stabilitas Marshall
Kesimpulan Dan Saran
Selesai
Pengolahan Data Stabilitas Marshall dengan Program Artificial Neural Network
Perbandingan Stabilitas Marshall AMP Karya Murni dengan Artificial Neural Network
III.2 Persiapan Penelitian
Tahap yang pertama dilakukan adalah pemeriksaan properties aspal beton dengan pen.60/70 dan agregat yang digunakan. Semua pengujian sesuai dengan standar pengujian bahan yang mengacu pada SNI (Standart Nasional Indonesia) dan ASTM (American Society For Testing Material). Untuk pengujian bahan bitumen atau aspal, pada penelitian ini digunakan aspal penetrasi 60/70 dari Iran yang di dapat dari AMP Karya Murni Perkasa.
Cara pengumpulan data:
Data yang diambil pada AMP tersebut adalah data:
Persentase agregat lolos ayakan nomor 200, 50, 30, 8, 4 dan
½ inch.
Persentase agregat hancur. Kadar aspal
Stabilitas marshall.
Sampel yang diambil sebanyak 110 sampel.
III.3 Pengembangan Model Artificial Neural Network
Stabilitas marshall dari sebuah campuran aspal beton bergantung pada berbagai jenis kriteria, termasuk bentuknya, gradasi agregat, dan tipe aspal. Untuk mengembangkan model ini, harus memiliki data input dan data output. Adapun data input-nya, yaitu:
Persentase agregat yang lolos ayakan nomor 200, 50, 30, 8, 4, dan ½ inch. Persentase agregat pecah.
Dan sebagai data output-nya yaitu: Stabilitas marshall.
Sebelumnya, nomor neuron lapisan input adalah 8 dan neuron lapisan output adalah 1. Fungsi aktivasi yang digunakan adalah fungsi aktivasi tangent sigmoid untuk neuron hidden layer dan fungsi aktivasi linier untuk output layer. Data input dan output telah di normalisasi antara -1 dan 1 untuk meningkatkan keberhasilan dari jaringan.
Dalam rangka menginvestigasi nilai optimum dari neuron hidden layer, kemampuan penyamarataan jaringan telah diperkirakan. Berdasarkan pelatihan error yang berbeda pada setiap jaringan, dengan sebuah nilai yang ditetapkan pada hidden layer. Pada penelitian ini ditetapkan neuron 3, 6, 8 dan 10 yang digunakan pada hidden layer.
Nilai optimum pada hidden layer didapatkan dengan cara memasukkan nilai – nilai parameter yang telah ditentukan, kemudian men-train data input dan data output. Terdapat dua parameter yang digunakan, yaitu:
1. Parameter untuk membuat jaringan. Yang terdiri dari:
Tipe Jaringan (network type)
Fungsi Pelatihan (training function)
Fungsi Penyesuaian (adaption learning function) Fungsi Hasil (performance function)
Nomor neuron (number of neurons) Fungsi Aktivasi (transfer function)
2. Parameter untuk melatih jaringan. Yang terdiri dari:
Show Window
Show Command Line Show
Nilai – nilai yang digunakan pada parameter tersebut dibagi 2, yaitu dengan nilai asumsi yang mengarah ke pengurangan tingkat error dan nilai default yang memang sudah ada pada program.
BAB IV
HASIL DAN PEMBAHASAN
IV.1 Persiapan Data
IV.1.1 Data Marshall Test dan Extraction Test
Data Marshall Test dan Extraction Test merupakan data utama yang diperlukan pada penelitian ini. Data ini digunakan untuk menjalankan program Artificial Neural Network dengan cara mengelompokkan data menjadi dua bagian yaitu data input dan data output. Data Marshall Test dan Extraction Test yang digunakan adalah data persentase agregat yang lolos ayakan No. 200, 50, 30, 8, 4 dan ½ inch, persentase agregat hancur, stabilitas marshall dan kadar aspal. Adapun datanya dapat dilihat pada lampiran.
Dalam melakukan penelitian ini, data yang digunakan harus terlebih dahulu dikelompokkan menjadi data input dan data output. Program Artificial Neural Network memiliki prosedur yang harus ditaati, sehingga proses pengolahan data yang dilakukan dapat mencapai suatu hasil yang diinginkan. Adapun data yang dikelompokkan dalam data input dan data output yaitu:
1. Data input
Persentase agregat yang lolos ayakan No. 200, 50, 30, 8, 4, dan ½ inch
Kadar aspal
2 Data output
Stabilitas Marshall
IV.2 Perhitungan Nilai Stabilitas Marshall Dengan Program Artificial Neural Network
Pada penelitian ini akan dilakukan perhitungan nilai stabilitas marshall dengan menggunakan program Artificial Neural Network. Perhitungan nilai stabilitas marshall ini akan menggunakan langkah-langkah perhitungan yang berdasarkan proses pengelolaan data pada program Artificial Neural Network. Data dikelola dengan menggunakan berbagai macam jenis nilai neuron yang terdapat pada Hidden Layer dan berbagai jenis parameter fungsi dan nilai.
IV.2.1 Variasi Parameter Untuk Desain Artificial Neural Network
Dalam perencanaan ini ada beberapa parameter desain yang divariasikan yaitu berupa parameter untuk membuat jaringan dan parameter nilai untuk melatih jaringan. Sebelum data di input dan target yang diimplementasikan ke dalam jaringan saraf tiruan harus terlebih dahulu memasukkan nilai parameter-parameternya. Definisi dari parameter-parameter tersebut telah dijelaskan pada Bab sebelumnya, pada Bab II. Adapun parameter-parameter beserta nilai yang digunakan baik dalam keadaan default maupun dalam keadaan penyesuaian jaringan, yaitu:
Pada penelitian ini digunakan tipe jaringan feed forward backpropagation.
Fungsi Pelatihan (Training Function)
Pada penelitian ini digunakan fungsi pelatihan trainlm atau train Levenberg Marquardt Backpropagation.
Fungsi Penyesuaian Pembelajaran (Adaption Learning Function)
Pada penelitian ini digunakan fungsi penyesuaian pembelajaran LEARNGDM.
Fungsi Hasil (Performance Function)
Pada penelitian ini digunakan fungsi MSE (Mean Square Error) Nomor pada lapisan (Number of Layers)
Pada penelitian ini digunakan nomor pada lapisan 1. Bagian (Properties for)
Pada penelitian ini digunakan bagian pada Layer 1. Nomor pada neuron (Number of neuron)
Pada penelitian ini digunakan neuron yang bervariasi, yaitu neuron 3, 6, 8 dan 10.
Fungsi Aktivasi (Transfer function)
Pada penelitian ini digunakan tangent sigmoid 2. Parameter nilai untuk melatih jaringan.
Show
Pada penelitian ini digunakan nilai 25. Epochs
Goal
Pada penelitian ini digunakan nilai goal yang bervariasi yang akan ditampilkan pada proses pengolahan data.
Min_grad
Pada penelitian ini digunakan minimum gradient 1e-05. Max_fail
Pada penelitian ini digunakan maximum fail 100. Mu
Pada penelitian ini digunakan nilai mu yang bervariasi yang akan ditampilkan pada proses pengolahan data.
Mu_dec
Pada penelitian ini digunakan nilai mu_dec yang bervariasi yang akan ditampilkan pada proses pengolahan data.
Mu_inc
Pada penelitian ini digunakan nilai mu_inc yang bervariasi yang akan ditampilkan pada proses pengolahan data.
Mu_max
Pada penelitian ini digunakan mu_max 10.000.000.000.
IV.3 Proses Running Program Artificial Neural Network
langkah-langkah pengolahan data dengan menggunakan nilai optimum pada neuron 3.
1. Buka program Matlab, lalu masukkan data input dan data target ke menu Workspace, lalu ketikkan “nntool” pada menu Command Window.
Gambar 4.1 Tampilan Awal Program Matlab
Gambar 4.2 Tampilan Awal Neural Network
3. Klik Import, lalu masukkan data input dan data target sebagai pengenalan terhadap jaringan.
Gambar 4.3 Tampilan menu Import to Network/Data Manager 4. Kembali ke menu Neural Network, kemudian klik New.
5. Masukkan parameter-parameter untuk membuat jaringan.
Gambar 4.5 Tampilan Menu Create Network or Data
Gambar 4.6 Tampilan menu View
7. Klik menu Train, lalu masukkan data input dan data target pada submenu Training Info sebagai data yang akan diproses.
Gambar 4.7 Tampilan Menu Train, Training Info
8. Klik submenu Training Parameters, lalu masukkan nilai parameter yang telah ditentukan untuk mengolah data.
9. Klik menu Simulate, kemudian masukkan data input.
Gambar 4.9 Tampilan menu Simulate
10. Klik menu Adapt, masukkan data input dan data target.
11. Kembali ke menu Train, bagian Training Parameters lalu klik Train Network. Maka akan muncul proses training Neural Network.
Gambar 4.12 Tampilan menu Performance 13. Klik menu Plots Regression.
Gambar 4.13 Tampilan menu Regression
14. Hasil simulasi diperlihatkan pada window Neural Network, pada bagian menu Output Data yang bernama network1_outputs.
Network1_outputs menunjukkan hasil data dalam bentuk baris yang jumlahnya sama dengan jumlah data target yang diproses, yaitu sebanyak 110 data. Data tersebut kemudian harus diklasifikasikan dalam bentuk kolom agar lebih mudah diperiksa.
IV.3.1Proses Pengolahan Data
1. Neuron 3
Plot Performance (1278.0222)
Gambar 4.15 Tampilan menu Performance Plot Regression (0.84508)
2. Neuron 6
Plot Performance (520.0234)
Gambar 4.17 Tampilan menu Performance
Plot Regression (0.82297)
3. Neuron 8
Plot Performance (585.9638)
Gambar 4.19 Tampilan menu Performance
Plot Regression (0.87115)
4. Neuron 10
Plot Performance (1150.5529)
Gambar 4.21 Tampilan menu Performance
Plot Regression (0.77488)
IV.3.2 Tabel Hasil Simulasi Artificial Neural Network
Tingkat keakuratan hasil kinerja Neural Network dilihat dari nilai regression tertinggi pada tiap neuron yang telah diolah, kemudian dipilih nilai yang tertinggi antar semua neuron tersebut. Maka hasil dari proses pengolahan data pada neuron 3, 6, 8 dan 10 ini, beserta nilai parameternya, dapat kita lihat secara ringkas dan jelas pada tabel hasil simulasi berikut ini:
Tabel 4.1 Hasil simulasi pada jaringan dengan neuron 3 pada hidden layer
Neuron 3
Tabel 4.2 Hasil simulasi pada jaringan dengan neuron 6 pada hidden layer
Tabel 4.3. Hasil simulasi pada jaringan dengan neuron 8 pada hidden layer
Tabel 4.4 Hasil simulasi pada jaringan dengan neuron 10 pada hidden layer
Neuron 10
Dapat dilihat bahwa nilai optimum dari Regression didapatkan dengan cara melakukan training lebih dari sekali.
Pada neuron 3 didapatkan nilai optimum pada training ke 4. Pada neuron 6 didapatkan nilai optimum pada training ke 5.
Pada neuron 8 didapatkan nilai optimum pada training ke 5.
IV.3.3 Grafik Hasil Simulasi Artificial Neural Network
Hasil simulasi dalam bentuk grafik ditampilkan pada gambar berikut:
1. Grafik Neuron 3
Sumber: Hasil Analisa Neural Network
Gambar 4.23 Grafik simulasi R dengan MSE pada Neuron 3
Sumber: Hasil Analisa Neural Network
Gambar 4.24 Grafik simulasi R dengan MSE pada Neuron 6
3. Grafik Neuron 8
Sumber: Hasil Analisa Neural Network
Gambar 4.25 Grafik simulasi R dengan MSE pada Neuron 8
4. Grafik Neuron 10
Gambar 4.26 Grafik simulasi R dengan MSE pada Neuron 10
IV.3.4 Hasil Output Artificial Neural Network Terhadap Nilai Stabilitas Marshall
1. Neuron 3
Tabel 4.5 Hasil Output Neuron 3
Sampel Output Sampel Output Sampel Output
19 961.9529 38 894.104 57 973.4782
Sampel Output Sampel Output Sampel Output
2. Neuron 6
Tabel 4.6 Hasil Output Neuron 6
20 996.8831 40 994.9928 60 994.5639
Sampel Output Sampel Output Sampel Output
3. Neuron 8
Tabel 4.7 Hasil Output Neuron 8
Sampel Output Sampel Output Sampel Output
20 1010.985 40 994.2861 60 989.0363
Sampel Output Sampel Output Sampel Output
4. Neuron 10
Tabel 4.8 Hasil Output Neuron 10
Sampel Output Sampel Output Sampel Output
20 1005.809 40 999.2675 60 974.7635
Sampel Output Sampel Output Sampel Output
IV.3.5 Perbandingan Nilai Stabilitas Marshall AMP Karya Murni dengan Artificial Neural Network
Membandingkan koefisien relatif maksimum pada tabel 1 sampai 4 yang menunjukkan bahwa kemampuan jaringan saraf tiruan telah didapatkan pada jaringan RTP8-5 dengan 8 neuron di hidden layer (R = 0.87115), jadi nilai optimum untuk neuron hidden layer telah dipilih yaitu neuron 8. Berdasarkan pada penelitian ini, hasil menunjukkan bahwa kemampuan Neural Network terhadap jaringan adalah sangat sensitif untuk pelatihan error. Maka, menentukan kemampuan Neural Network membutuhkan desain dan latihan dari berbagai jenis jaringan.
Tabel 4.9 Data Aktual Stabilitas Marshall Dengan Data Simulasi Neuron 8
Data Aktual Data Simulasi Neuron 8
Sampel Output Sampel Output
19 959 19 989.5069
Data Aktual Data Simulasi Neuron 8
Sampel Output Sampel Output
Data Aktual Data Simulasi Neuron 8
Sampel Output Sampel Output
Data Aktual Data Simulasi Neuron 8
Sampel Output Sampel Output
Data Aktual Data Simulasi Neuron 8
Sampel Output Sampel Output
Data Aktual Data Simulasi Neuron 8
Sampel Output Sampel Output
101 959 101 968.5955
102 871 102 889.363
103 900 103 915.1298
104 930 104 930.2455
105 944 105 961.8772
106 974 106 954.8377
107 930 107 932.6105
108 959 108 958.1131
109 930 109 953.2806
Gambar 4.27 Kurva Grafik Data Neuron 8 (hasil simulasi) dengan Data Aktual.
BAB V
KESIMPULAN DAN SARAN
V.1 Kesimpulan
Dari hasil analisis dan hasil pembahasan terhadap hasil-hasil percobaan dapat disimpulkan beberapa hal sebagai berikut:
1. Kemampuan Artificial Neural Network pada semua jaringan untuk melatih error merupakan suatu perhitungan yang sensitif. Seperti ditunjukkan pada gambar 4.23 sampai 4.26 dan tabel 4.1 sampai 4.2, sebuah perubahan yang sangat kecil pada pelatihan error (MSE) dapat menyebabkan sebuah variasi yang besar terhadap kemampuan simulasi (R).
2. Berdasarkan perbandingan kemampuan simulasi maksimum dari gambar 4.23 sampai 4.26, kemampuan penyamarataan maksimum (R=0.87115) telah dihasilkan pada RTP8-5 dan 8 neuron pada hidden layer. Perbandingan kemampuan penyamarataan maksimum sebuah jaringan telah dibuktikan pada gambar 4.23 sampai 4.26, dengan meningkatkan angka pada neuron di hidden layer hingga mencapai 8, kemampuan penyamarataannya juga meningkat.
diambil kesimpulan bahwa stabilitas marshall tidak dipengaruhi oleh satu parameter saja, tetapi berpengaruh terhadap setiap parameter atau campuran yang membentuk aspal tersebut.
V.2 Saran
Beberapa hal yang dapat menjadi saran sehubungan dengan hasil penelitian ini adalah sebagai berikut:
1. Penelitian ini merupakan suatu metode lain yang digunakan untuk menentukan stabilitas marshall dengan cara meramalkan nilai stabilitas marshall yang akan terjadi jika menggunakan parameter atau bahan campuran yang sama.
BAB II
TINJAUAN PUSTAKA
II.1. Umum
Pada perencanaan perkerasan jalan raya dibutuhkan konsep pengetahuan
yang baik dalam merencanakannya baik dari segi material pengisi bahan – bahan
tiap lapisan perkerasan jalan raya dan juga proses pengerjaan struktur perkerasan
jalan raya tersebut. Untuk mendesain perkerasan jalan digunakan beberapa
parameter yang dapat mempengaruhi struktur perkerasan jalan tersebut. Salah satu
parameter penting tersebut adalah Stabilitas Marshall yang digunakan pada desain
pencampuran aspal. Dengan perkembangan teknologi pada bidang pengetahuan
dan melalui percobaan dari beberapa peneliti, maka telah diteliti penentuan nilai
Stabilitas Marshall dengan menggunakan suatu program yang disebut program
jaringan saraf tiruan. Digunakannya parameter-parameter seperti persentase
agregat yang lolos ayakan nomor 200, 50, 30, 8, 4 dan ½ inch, agregat pecah, dan
kadar aspal telah diteliti hingga mendapatkan nilai Stabilitas Marshall. (M.
Saffarzadeh and A. Heidaripanah)
Perkerasan merupakan struktur yang terdiri dari banyak lapisan yang
dibuat untuk menambah daya dukung tanah agar dapat memikul repetisi beban
lalu lintas sehingga tanah tidak mengalami deformasi yang berarti. Perkerasan
atau struktur perkerasan didefenisikan sebagai struktur yang terdiri dari satu atau
lebih lapisan perkerasan yang dibuat dari bahan yang memiliki kualitas yang baik.
dasar (subgrade), yang berfungsi untuk menopang beban lalu lintas. Perkerasan
dimaksudkan untuk memberikan permukaan yang halus dan aman pada segala
kondisi cuaca, serta tebal dari setiap lapisan harus cukup aman untuk memikul
beban yang bekerja di atasnya.
Campuran beraspal adalah suatu kombinasi campuran antara agregat dan
aspal. Dalam campuran beraspal, aspal berperan sebagai pengikat atau lem antar
partikel agregat, dan agregat berperan sebagai tulangan. Sifat-sifat mekanis aspal
dalam campuran beraspal diperoleh dari friksi dan kohesi dari bahan-bahan
pembentuknya. Fraksi agregat diperoleh dari ikatan antar butir agregat
(interlocking), dan kekuatannya tergantung pada gradasi, tekstur permukaan,
bentuk butiran dan ukuran agregat maksimum yang digunakan. Sedangkan sifat
kohesinya diperoleh dari sifat-sifat aspal yang digunakan. Oleh sebab itu kinerja
campuran beraspal sangat dipengaruhi oleh sifat agregat dan aspal serta
sifat-sifat campuran padat yang sudah terbentuk dari kedua bahan tersebut. Perkerasan
beraspal dengan kinerja yang sesuai dengan persyaratan tidak akan dapat
diperoleh jika bahan yang digunakan tidak memenuhi syarat, meskipun peralatan
dan metoda kerja yang digunakan telah sesuai. Perkerasan jalan di Indonesia
umumnya mengalami kerusakan awal (kerusakan dini) antara lain akibat pengaruh
beban lalu lintas kendaraan yang berlebihan (over loading), temperatur (cuaca),
air, dan konstruksi perkerasan yang kurang memenuhi persyaratan teknis.
Berdasarkan gradasinya campuran beraspal panas dibedakan dalam tiga jenis
campuran, yaitu campuran beraspal bergradasi rapat, senjang dan terbuka. Tebal
minimum penghamparan masing-masing campuran sangat tergantung pada
lebih dari 2 kali ukuran butir agregat maksimum yang digunakan. Beberapa jenis
campuran aspal panas yang umum digunakan di Indonesia antara lain :
- AC (Asphalt Concrete) atau laston (lapis beton aspal)
- HRS (Hot Rolled Sheet) atau lataston (lapis tipis beton aspal)
- HRSS (Hot Rolled Sand Sheet) atau latasir (lapis tipis aspal pasir)
Laston (AC) merupakan salah satu jenis dari lapis perkerasan konstruksi
perkerasan lentur. Jenis perkerasan ini merupakan campuran merata antara
agregat dan aspal sebagai bahan pengikat pada suhu tertentu.
Tabel 2.1. Ketentuan Sifat Campuran Laston (AC)
Sumber : Spesifikasi Umum Bina Marga 2010 Rev.3
Laston (AC) dapat dibedakan menjadi dua tergantung fungsinya pada
konstruksi perkerasan jalan, yaitu untuk lapis permukaan atau lapisan aus
(AC-wearing course) dan untuk lapis pondasi (AC-base, AC-binder, ATB (Asphalt Treated Base)).
a. Laston sebagai lapisan aus, dikenal dengan nama AC-WC (Asphalt
cm. Lapisan ini adalah lapisan yang berhubungan langsung dengan ban
kendaraan.
b. Laston sebagai lapisan pengikat, dikenal dengan nama AC-BC (Asphalt
Concrete – Binder Course) dengan tebal minimum AC – BC adalah 5 cm. Lapisan ini untuk membentuk lapis pondasi jika digunakan pada pekerjaan
peningkatan atau pemeliharaan jalan.
c. Laston sebagai lapisan pondasi, dikenal dengan nama AC-Base (Asphalt
Concrete-Base) dengan tebal minimum AC-Base adalah 6 cm. Lapisan ini tidak berhubungan langsung dengan cuaca tetapi memerlukan stabilitas
untuk memikul beban lalu lintas yang dilimpahkan melalui roda
kendaraan.
Campuran beraspal panas terdiri atas kombinasi agregat, bahan pengisi (bila
diperlukan) dan aspal yang dicampur secara panas pada temperatur tertentu.
Komposisi bahan dalam campuran beraspal panas terlebih dahulu harus
direncanakan sehingga setelah terpasang diperoleh perkerasan beraspal yang
memenuhi kriteria :
a) Stabilitas yang cukup. Lapisan beraspal harus mampu mendukung beban
lalu-lintas yang melewatinya tanpa mengalami deformasi permanen dan
deformasi plastis selama umur rencana.
b) Durabilitas yang cukup. Lapisan beraspal mempunyai keawetan yang
cukup akibat pengaruh cuaca dan beban lalu-lintas.
c) Kelenturan yang cukup. Lapisan beraspal harus mampu menahan lendutan
d) Cukup kedap air. Lapisan beraspal cukup kedap air sehingga tidak ada
rembesan air yang masuk ke lapis pondasi di bawahnya.
e) Kekesatan yang cukup. Kekesatan permukaan lapisan beraspal
berhubungan erat dengan keselamatan pengguna jalan.
f) Ketahanan terhadap retak lelah (fatique). Lapisan beraspal harus mampu
menahan beban berulang dari beban lalu-lintas selama umur rencana.
g) Kemudahan kerja. Campuran beraspal harus mudah dilaksanakan, mudah
dihamparkan dan dipadatkan.
h) Untuk dapat memenuhi ketujuh kriteria tersebut, maka sebelum pekerjaan
campuran beraspal dilaksanakan, perlu terlebih dahulu dibuat formula
campuran kerja (FCK). Pembuatan Formula Campuran Kerja (FCK) atau
lebih dikenal dengan JMF (Job Mix Formula), meliputi penentuan
proporsi dari beberapa fraksi agregat dengan aspal sedemikian rupa
sehingga dapat memberikan kinerja perkerasan yang memenuhi syarat.
Pembuatan campuran kerja dilakukan dengan beberapa tahapan dimulai
dari penentuan gradasi agregat gabungan yang sesuai persyaratan
dilanjutkan dengan membuat Formula Campuran Rencana (FCR) yang
dilakukan di laboratorium. FCR dapat disetujui menjadi FCK apabila dari
hasil percobaan pencampuran dan percobaan pemadatan di lapangan telah
II.2. Bahan Campuran Aspal Panas
II.2.1. Agregat
Agregat atau batu, atau glanular material adalah material berbutir yang keras
dan kompak. Istilah agregat mencakup antara lain batu bulat, batu pecah, abu
batu, dan pasir. Agregat/batuan di definisikan secara umum sebagai formasi kulit
bumi yang keras dan penyal (solid). ASTM (1974) mendefinisikan batuan sebagai
suatu bahan yang terdiri dari mineral padat, berupa masa berukuran besar ataupun
berupa fragmen-fragmen. Agregat/batuan merupakan komponen utama dari
lapisan perkerasan jalan yaitu mengandung 90-95% agregat berdasarkan
persentase berat atau 75-85% agregat berdasarkan persentase volume. Dengan
demikian daya dukung, keawetan dan mutu perkerasan jalan di tentukan daya
dukung, keawetan dan mutu perkerasan jalan ditentukan juga dari sifat agregat
dan hasil campuran agregat dengan material lain. Agregat mempunyai peranan
yang sangat penting dalam prasarana transportasi, khususnya dalam hal ini pada
perkerasan jalan. Daya dukung perkerasan jalan ditentukan sebagian besar oleh
karakteristik agregat yang di gunakan. Pemilihan agregat yang tepat dan
memenuhi persyaratan akan sangat menentukan dalam keberhasilan pembangunan
atau pemeliharaan jalan.
Sifat agregat yang menentukan kualitasnya sebagai material perkerasan
jalan adalah gradasi, kebersihan, kekerasan dan ketahanan agregat, bentuk butir,
tekstur permukaan, porositas, kemampuan untuk menyerap air, berat jenis dan
II.2.1.1. Sifat agregat.
Sifat dan kualitas agregat menentukan kemampuannya dalam memikul
beban lalu-lintas. Sifat agregat yang menentukan kualitasnya sebagai bahan
konstruksi perkerasan jalan dapat dikelompokkan menjadi tiga kelompok yaitu:
1. Kekuatan dan keawetan (strength and durability) lapisan perkerasan
dipengaruhi oleh:
a. Gradasi
b. Ukuran maksimum
c. Kadar lempung
d. Kekerasan dan ketahanan
e. Bentuk butir
f. Tekstur permukaan
2. Kemampuan dilapisi aspal dengan baik, dipengaruhi oleh:
a. Porositas
b. Kemungkinan basah
c. Jenis agregat
3. Kemudahan dalam pelaksanaan dan menghasilkan lapisan yang nyaman
dan aman, dipengaruhi oleh:
a. Tahanan geser (skid resistance)
b. Campuran yang memberikan kemudahan dalam pelaksanaan
II.2.1.2. Klasifikasi agregat
Di tinjau dari asal kejadiannya agregat/batuan dapat di bedakan atas batuan
beku (igneous rock), batuan sedimen dan batuan metamorf (batuan malihan).
‐ Batuan beku
Batuan yang berasal dari magma yang mendingin dan membeku. Di bedakan atas
batuan beku luar (exstrusive igneous rock) dan batuan beku dalam (intrusive
igneous rock).
‐ Batuan sedimen
Sedimen dapat berasal dari campuran partikel mineral, sisa hewan dan tanaman.
Pada umumnya merupakan lapisan-lapisan pada kulit bumi, hasil endapan di
danau, laut dan sebagainya.
‐ Batuan metamorf
Berasal dari batuan sedimen ataupun batuan beku yang mengalami proses
perubahan bentuk akibat adanya perubahan tekanan dan temperatur dari kulit
bumi.
II.2.1.3. Jenis agregat dan Persyaratan Sifat Agregat.
Batuan atau agregat untuk campuran beraspal umumnya diklasifisikan
berdasarkan sumbernya, seperti contohnya agregat alam,agregat hasil pemrosesan,
agregat buatan atau agregat artifisial.
Secara umum bahan penyusunan beton aspal terdiri dari agregat kasar,
agregat halus, bahan pengisi dan aspal sebagai bahan pengikat. Dimana bahan
bahan tersebut sebelum digunakan harus diperiksa di laboratorium. Agregat yang
akan dipergunakan sebagai material campuran perkerasan jalan haruslah
buku spesifikasi pekerjaan jalan atau ditetapkan badan yang berwenang. Menurut
Rancangan Spesifikasi Umum Bidang Jalan dan Jembatan, Divisi VI untuk
Campuran Beraspal Panas, Dep. PU, 2010 memberikan persyaratan untuk agregat
sebagai berikut :
1. Agregat Kasar
Tabel 2.2. Ketentuan Agregat Kasar untuk Campuran Beton Aspal.
Jenis pemeriksaan Standart
Syarat
maks/min
Kekekalan bentuk agregat terhadap
larutan natrium dan magnesium sulfat.
SNI 03-3407-1994 Maks. 12 %
Abrasi dengan Mesin Los Angeles SNI 03-2417-1991 Maks. 30 %
Kelekatan agregat terhadap aspal SNI 03-2439-1991 Min. 95 %
Angularitas SNI 03-6877-2002 95/90(*)
Partikel Pipih dan Lonjong(**) RSNI T-01-2005 Maks. 10 %
Material lolos Saringan No.200 SNI 03-4142-1996 Maks.1 %
Sumber : (Rancangan Spesifikasi Umum Bidang Jalan dan Jembatan, Divisi VI
PerkerasanBeraspal, Dep. PU, 2010 Catatan :
(*) 95/90 menunjukkan bahwa 95 % agregat kasar mempunyai muka bidang
pecah satu atau lebih dan 90 % agregat kasar mempunyai muka bidang pecah dua
atau lebih.
2. Agregat Halus
Tabel 2.3.Ketentuan Agregat Halus untuk Campuran Beton Aspal.
Jenis Pemeriksaan Standar Syarat Maks/Min
Nilai setara pasir SNI 03-4428-1997 Maks. 60 %
Material lolos saringan No. 200 SNI 03-4142-1996 Maks. 8 %
Angularitas SNI 03-6877-2002 Min. 45 %
Kadar Lempung SNI 3432 : 2008 Maks. 1%
Sumber : (Rancangan Spesifikasi Umum Bidang Jalan dan Jembatan, Divisi VI
Perkerasan Beraspal, Dep. PU, 2010) 3. Bahan Pengisi (filler)
Menurut SNI 03-6723-2002 yang dimaksud bahan pengisi adalah bahan yang
lolos ukuran saringan no.30 (0,59 mm) dan paling sedikit 65% lolos saringan
no.200 (0.075 mm). Pada waktu digunakan bahan pengisi harus cukup kering
untuk dapat mengalir bebas dan tidak boleh menggumpal. Macam bahan pengisi
yang dapat digunakan ialah: abu batu, kapur padam, portland cement (PC), debu
dolomite, abu terbang, debu tanur tinggi pembuat semen atau bahan mineral tidak
plastis lainnya. Banyaknya bahan pengisi dalam campuran aspal beton sangat
dibatasi. Kebanyakan bahan pengisi, maka campuran akan sangat kaku dan mudah
retak disamping memerlukan aspal yang banyak untuk memenuhi workability.
Sebaliknya kekurangan bahan pengisi campuran menjadi sangat lentur dan mudah
terdeformasi oleh roda kendaraan sehingga menghasilkan jalan yang
bergelombang.
Ukuran Saringan Persen Lolos
No. 30 (600 mikron) 100
No. 50 (300 mikron) 95 – 100
No. 200 (75 mikron) 70 – 100
Sumber : SNI 03-6723-2002 (spesifikasi bahan pengisi untuk campuran beraspal)
Material filler bersama-sama dengan aspal membentuk mortar dan berperan sebagai pengisi rongga sehingga meningkatkan kepadatan dan ketahanan
campuran serta meningkatkan stabilitas campuran, sedangkan pada campuran
laston filler berfungsi sebagai bahan pengisi rongga dalam campuran. Pada prakteknya fungsi dari filler adalah untuk meningkatkan viskositas dari aspal dan
mengurangi kepekaan terhadap temperatur. Meningkatkan komposisi filler dalam
campuran dapat meningkatkan stabilitas campuran tetapi menurunkan kadar air
void (rongga udara) dalam campuran.
4. Gradasi Agregat Gabungan
Gradasi agregat gabungan untuk campuran aspal, ditunjukkan dalam persen
terhadap berat agregat dan bahan pengisi, harus memenuhi batas-batas yang
diberikan dalam Tabel 2.5. Rancangan dan perbandingan campuran untuk
gradasi agregat gabungan harus mempunyai jarak terhadap batas-batas yang
diberikan dalam Tabel 2.5.
Tabel 2.5 Amplop Gradasi Agregat Gabungan Untuk Campuran Aspal
Catatan : 1. Untuk HRS-WC dan HRS-Base yang benar benar senjang, paling . . .
. sedikit 80% agregat lolos ayakan No.8 (2.36 mm) harus lolos ayakan
. . . No.30 (0.600 mm).
2. Apabila tidak ditetapkan dalam gambar, penggunaan pemilihan .. . .
. gradasi sesuai dengan petunjuk Direksi Pekerjaan.
II.2.1.4. Sifat-Sifat Fisik Agregat dan Hubungannya Dengan Kinerja Campuran.
Pemilihan agregat yang tepat dan memenuhi persyaratan akan sangat
menentukan dalam keberhasilan pembangunan atau pemeliharaan jalan. Pada
campuran beraspal, agregat memberikan kontribusi sampai 90-95% terhadap berat
campuran, sehingga sifat-sifat agregat merupakan salah satu faktor penentu dari
kinerja campuran tersebut.
Untuk tujuan ini, sifat agregat yang harus diperiksa antara lain :
a) Ukuran butir
c) Kebersihan
d) Kekerasan
e) Bentuk partikel
f) Tekstur permukaan
g) Penyerapan
h) Kelekatan terhadap aspal
Berat jenis suatu agregat adalah perbandingan berat dari suatu satuan volume
bahan terhadap berat air dengan volume yang sama pada temperatur 20o – 25oC
(68o –77o F). Dikenal beberapa macam Berat Jenis agregat, yaitu :
a) Berat Jenis semu (apparent specific gravity), Berat Jenis Semu, volume
dipandang sebagai volume menyeluruh dari agregat, tidak termasuk
volume pori yang dapat terisi air setelah perendaman selama 24 jam.
b) Berat Jenis bulk (bulk specific gravity), Berat Jenis bulk, volume
dipandang volume menyeluruh agregat, termasuk volume pori yang dapat
terisi oleh air setelah direndam selama 24 jam.
c) Berat Jenis efektif (effective specific gravity), Berat Jenis efektif, volume
dipandang volume menyeluruh dari agregat tidak termasuk volume pori
yang dapat menghisap aspal.
II.2.2. Aspal
Aspal atau bitumen merupakan material yang berwarna hitam kecoklatan
yang bersifat viskoelastis sehingga akan melunak dan mencair bila mendapat
II.2.2.1. Jenis aspal.
Berdasarkan cara diperoleh aspal dapat dibedakan atas:
1. Aspal alam,
2. Aspal buatan.
II.2.2.1.1. Aspal minyak (petroloeum aspal).
Aspal minyak dengan bahan dasar aspal dapat dibedakan atas:
a. Aspal keras/semen (AC).
Asphalt Concrete(AC) adalah lapisan atas kontruksi jalan yang terdiri dari campuran aspal dengan agregat yang dihampar dan dipadatkan pada suhu
tertentu. AC merupakan jenis lapisan permukaan struktural yang berfungsi
sebagai lapisan aus dan pelindung kontruksi di bawahnya, tidak licin,
permukaannya rata, sehingga memberikan kenyamanan pengguna jalan. Aspal
keras/aspal cement adalah aspal yang di gunakan dalam keadaan cair dan panas.
Aspal ini berbentuk padat pada keadaan penyimpanan (temerature ruang) .
Aspal semen pada temperature ruang ( berbentuk padat. Aspal
semen terdiri dari beberapa jenis tergantung dari proses pembuatannya dan jenis
minyak bumi asalnya.
Di Indonesia, aspal semen biasanya dibedakan berdasarkan niai penetrasinya
yaitu:
1. AC pen 40/50, yaitu AC dengan penetrasi antara 40-50
2. AC pen 60/70, yaitu AC dengan penetrasi antara 60-70
3. AC pen 85/100, yaitu AC dengan penetrasi antara 85-100
4. AC pen 120/150, yaitu AC dengan penetrasi antara 120-150
b. Aspal dingin/cair.
Aspal cair adalah campuran antara aspal semen dengan bahan pencair dari
hasil penyulingan minyak bumi. Dengan demikian berbentuk cair dalam
temperatur ruang. Berdasarkan bahan pencairnya dan kemudahan menguap
bahan pelarutnya, aspal cair dapat dibedakan atas:
1. RC (Rapid Curing Cut Back)
2. MC (Medium Curing Cut Back)
3. SC (Slow Curing Cut Back)
c. Aspal emulsi.
Aspal emulsi adalah suatu campuran aspal dengan air dan bahan
pengemulsi.
II.2.2.1.2. Aspal buton.
Aspal alam yang terdapat di indonesia dan telah dimanfaatkan adalah
aspal dari pulau buton. Aspal ini merupakan campuran antara bitumen dengan
bahan material lainnya dalam bentuk batuan. Karena aspal buton merupakan
bahan alam maka kadar bitumen yang dikandungnya sangat bervariasi dari
rendah sampai tinggi. Berdasarkan kadar bitumen yang dikandungnya aspal
buton dapat dibedakan atas B10, B13, B20, B25, dan B30. (aspal buton B10
adalah aspal buton dengan kadar bitumen rata-rata 10%).
II.2.2.2. Komposisi aspal
Aspal merupakan unsur hidrokarbon yang sangat komplek, sangat sukar
untuk memisahkan molekul-molekul yang membentuk aspal tersebut.
Komposisi dari aspal terdiri dari asphaltenes dan maltenes. Asphaltenes
heptane. Maltenes larut dalam heptane, merupakan cairan kental yang terdiri
dari resins dan oils. Resins adalah cairan berwarna kuning atau cokelat tua yang
memberikan sifat adhesi dari aspal, merupakan bagian yang mudah hilang atau
berkurang selama masa pelayanan jalan. Sedangkan oil yang berwarna lebih
muda merupakan media dari asphaltenes dan resin. Proporsi dari asphaltenes,
resins, dan oils berbeda-beda tergantung dari banyak faktor seperti
kemungkinan beroksidasi, proses pembuatannya, dan ketebalan lapisan aspal
dalam campuran.
II.2.2.3. Sifat aspal.
Aspal yang dipergunakan pada kontruksi perkerasan jalan berfungsi
sebagai:
1. Bahan pengikat, memberikan ikatan yang kuat antara aspal dan agregat dan
antara aspal itu sendiri.
2. Bahan pengisi, mengisi rongga antara butir-butir agregat dan pori-pori yang
ada dari agregat itu sendiri.
Berarti aspal haruslah mempunyai daya tahan (tidak cepat rapuh) terhadap
cuaca, mempunyai adhesi dan kohesi yang baik dan memberikan sifat elastis
yang baik.
1. Daya tahan (durability)
Daya tahan aspal adalah kemampuan aspal mempertahankan sifat asalnya
akibat pengaruh cuaca selama masa pelayanan jalan. Sifat ini merupakan sifat
dari campuran aspal, jadi tergantung dari sifat agregat, campuran dengan aspal,
faktor pelaksanaan dan lain-lain. Meskipun demikian sifat ini dapat
2. Adhesi dan Kohesi
Adhesi adalah kemampuan aspal untuk mengikat agregat sehingga dihasilkan
ikatan yang baik antara agregat dengan aspal. Kohesi adalah kemampuan aspal
untuk tetap mempertahankan agregat tetap di tempatnya setelah jadi
pengikatan.
3. Kepekaan terhadap temperatur
Aspal adalah material yang termoplastis, berarti akan menjadi keras atau lebih
kental jika temperatur berkurang dan akan lunak atau lebih cair jika temperatur
bertambah. Sifat ini dinamakan kepekaan terhadap perubahan temperatur.
Kepekaan terhadap dari setiap hasil produksi aspal berbeda-beda tergantung
dari asalnya walaupun aspal tersebut mempunyai jenis yang sama.
4. Kekerasan aspal
Aspal pada proses pencampuran dipanaskan dan dicampur dengan agregat
sehingga agregat dilapisi aspal atau aspal panas disiramkan ke permukaan
agregat yang telah disiapkan pada proses pelaburan. Pada waktu pelaksanaan,
terjadi oksidasi yang menyebabkan aspal menjadi getas (viskositas bertambah
tinggi). Peristiwa perapuhan terus berlangsung setelah masa pelaksanaan
selesai. Jadi selama masa pelayanan, aspal mengalami oksidasi dan polimerisasi
yang besarnya dipengaruhi juga oleh ketebalan aspal yang menyelimuti agregat.
Semakin tipis lapisan aspal, semakin besar tingkat kerapuhan yang terjadi.
II.2.2.4. Pemeriksaan Properties Aspal
Aspal merupakan hasil produksi dari bahan-bahan alam, sehingga
sifat-sifat aspal harus diperiksa di labotarium dan aspal yang memenuhi syarat yang
Pemeriksaan sifat (asphalt properties) dari campuran dilakukan melalui beberapa
uji meliputi:
a. Uji penetrasi
Percobaan ini bertujuan untuk menentukan apakah aspal keras atau lembek
(solid atau semi solid) dengan memasukkan jarum penetrasi ukuran tertentu,
beban, waktu tertentu kedalam aspal pada suhu tertentu. Pengujian ini dilakukan
dengan membebani permukaan aspal seberat 100 gram pada tumpuan jarum
berdiameter 1 mm selama 5 detik pada temperature Besarnya penetrasi di
ukur dan dinyatakan dalam angka yang dikalikan dengan 0,1 mm. Semakin tinggi
nilai penetrasi menunjukkan bahwa aspal semakin elastis dan membuat
perkerasan jalan menjadi lebih tahan terhadap kelelehan/fatigue.Hasil pengujian
ini sselanjutnya dapat digunakan dalam hal pengendalian mutu aspal atau ter
untuk keperluan pembangunan, peningkatan atau pemeliharaan jalan. Pengujian
penetrasi ini sangat dipengaruhi oleh fakor berat beban total, ukuran sudut dan
kehalusan permukaan jarum, temperatur dan waktu.
b. Titik lembek.
Pemeriksaan ini dimaksudkan untuk menentukan titik lembek aspal yang
berkisar antara sampai . Temperatur pada saat dimana aspal mulai
menjadi lunak tidaklah sama pada setiap hasil produksi aspal walaupun
mempunyai nilai penetrasi yang sama. Titik lembek adalah temperatur pada saat
dalam cincin berukuran tertentu, sehingga aspal tersebut menyentuh plat dasar
yang terletak di bawah cincin berukuran tertentu, sehingga aspal tersebut
menyentuh plat dasar yang terletak di bawah cincin pada tinggi tertentu sebagai
akibat kecepatan pemanasan tertentu. Hasil titik lembek digunakan untuk
menentukan temperatur kelelehan dari aspal. Aspal dengan titik lembek yang
tinggi kurang peka terhadap perubahan temperatur tetapi lebih untuk bahan
pengikat perkerasan.
c. Daktalitas.
Tujuan untuk percobaan ini adalah untuk mengetahui sifat kohesi dari aspal,
Dengan mengukur jarak terpanjang yang dapat di tarik antara dua cetakan yang
berisi aspal keras sebelum putus, pada suhu dan kecepatan tarik tertentu. Kohesi
adalah kemampuan partikel aspal untuk melekat satu sama lain, sifat kohesi
sangat penting diketahui dalam pembuatan campuran beraspal karena sifat ini
sangat mempengaruhi kinerja dan durabilitas campuran. Aspal dengan nilai
daktalitas yang rendah adalah aspal yang mempunyai kohesi yang kurang baik
dibandingkan dengan aspal yang memiliki daktalitas yang tinggi. Daktalitas yang
semakin tinggi menunjukkan aspal tersebut baik dalam mengikat butir-butir
agregat untuk perkerasan jalan.
d. Berat jenis.
Percobaan ini bertujuan untuk menentukan berat jenis apal keras dengan alat
piknometer. Berat jenis aspal adalah perbandingan antara berat aspal dan berat zat
Berat jenis diperlukan untuk perhitungan analisis campuran:
Berat jenis ... (2.1)
Dimana :
A = Berat piknometer (gram)
B = Berat piknometer berisi air (gram)
C = berat piknometer berisi aspal (gram)
D = Berat piknometer berisi air dan aspal (gram)
Data temperatur dan berat jenis aspal diperlukan dalam penentuan faktor koreksi
volume berdasarkan SNI 06-6400-2000 berikut :
V = Vt x Fk... (2.2)
Dimana :
V = Volume aspal pada temperatur
Vt = Volume aspal pada temperatur tertentu
Fk = Faktor Koreksi
Pemeriksaan ini dimaksudkan untuk menentukan titik nyala dan titik bakar
dari semua jenis hasil minyak bumi kecuali minyak bakar dan bahan lainnya yang
mempunyai titik nyala open cup kurang dari Dengan percobaan ini akan
diketahui suhu dimana aspal akan mengalami kerusakan karena panas, yaitu saat
terjadi nyala api pertama untuk titik nyala, dan nyala api merata
sekurang-kurangnya 5 detik untuk titik bakar. Titik nyala yang rendah menunjukkan
indikasi adanya minyak ringan dalam aspal. Semakin tinggi titik nyala dan bakar
menunjukkan bahwa aspal semakin tahan terhadap temperatur tinggi.
f. Kelekatan Aspal pada Agregat
Percobaan ini dilakukan untuk menentukan kelekatan aspal pada batuan
tertentu dalam air. Uji kelekatan aspal terhadap agregat merupakan uji kuantitatif
yang digunakan untuk mengetahui daya lekat (adhesi) aspal terhadap agregat.
Adhesi adalah kemampuan aspal untuk melekat dan mengikat agregat.
Pengamatan terhadap hasil pengujian kelekatan dilakukan secara visual.
II.2.3. Anti Stripping Agent
Pada spesifikasi edisi november 2010, Aditif kelekatan dan anti
pengelupasan (anti striping agent) harus ditambahkan dalam bentuk cairan
kedalam campuran agregat dengan mengunakan pompa penakar (dozing pump)
pada saat proses pencampuran basah di pugmil. Kuantitas pemakaian aditif anti
striping dalam rentang 0,2% - 0,5 % terhadap berat aspal. Contoh –contoh anti
stripping agent : Wetfix-BE, Morlife 2200, dan Derbo-401. 1. Derbo-401
Adalah jenis anti stripping yang berasal dari India. Anti Stripping
menghasilkan produk-produk terbaik. Untuk campuran Hotmix,
penggunaan anti stripping agent jenis Derbo-401 ini berkisar 0.1%-0.4% dari berat bitumen. Sementara untuk perbaikan jalan, penggunaannya
berkisar 0.2%-0.5% dari berat bitumen.
Penggunaan Derbo ini diyakini dapat memberi keuntungan antara lain
sebagai berikut :
Meningkatkan stabilitas Marshall sisa pada daerah dengan curah
hujan tinggi.
Menghemat lebih dari 50 % biaya maintenance konstruksi jalan
pada kondisi iklim lembab.
Harga yang cenderung lebih efektif jika dibandingkan dengan anti
pengelupasan lainnya.
Mengurangi kebutuhan dari agregat halus dalam campuran.
2. Morlife 2200
Morlife 2200 adalah sebuah jenis anti pengelupasan dengan
performa tinggi berdasarkan ilmu –ilmu kimia yang baru dan inovatif.
Morlife 2200 meningkatkan ikatan – ikatan antara aspal dan agregat,
mengatasi masalah- masalah yang terjadi dengan adhesi campuran yang
lemah. Campuran aspal yang menggunakan Morlife 2200 ini akan
memperlihatkan peningkatan daya tahan dan uap sehubungan dengan
kerusakan dan pengelupasan. Uap dalam kadar rendah dari morlife 2200
ini merupakan sebuah perbaikan kemajuan yang dramatikal dibandingkan
proses pencampuran. Morlife 2200 disimpan pada suhu lingkungan yaitu
20 – 250C ( 68-770F ).
3.Wetfix-BE
Wetfix merupakan salah satu dari jenis anti stripping yang
memiliki kesensitifan yang cukup tinggi, selain harganya yang relatif
mahal dan penambahan jumlahnya terhadap campuran aspal sangat
sedikit, akan tetapi menghasilkan stabilitas yang cukup baik.
Wetfix BE ini memiliki beberapa kegunaan, antara lain :
Memperpanjang waktu pelapisan ulang Hotmix.
Biaya perawatan yang lebih rendah.
Memungkinkan seleksi jenis agregat yang lebih luas.
II.3. Marshall Test
Pemeriksaan ini pertama kali di kembangkan oleh Bruce Marshall bersama
dengan The Missisippi State Highway Department. Penelitian ini dilanjutkan the
u.s. army corps of enggineers dengan lebih ektensif dan menambah kelengkapan pada prosedur pengujian Marshall dan akhirnya mengembangkan kriteria
rancangan campuran. Kinerja campuran aspal beton dapat diperiksa dengan
menggunakan alat pemeriksaan Marshall yang terdiri dari Volumetric
mix (vim), void filled with asphalt (VFWA) dan density. Sedangkan marshall properties menghasilkan stabilitas dan kelelehan (flow) yang diperoleh dari hasil pengujian dengan alat marshall. Pemeriksaan dimaksudkan untuk menentukan
ketahanan (stability) terhadap kelelehan plastis (flow) dari campuran aspal dan
agregat.
Akan sangat sulit mencari metode pengujian yang dapat meneliti semua faktor
tersebut hanya dalam satu cara. Tetapi sebagian besar dari faktor-faktor tersebut
dapat di uji dengan menggunakan alat marshall. Hasil yang di peroleh dari
pengujian dengan alat marshall, antara lain:
a. Stabilitas
b. Marshall quotient (MQ) c. Kelelehan
d. Rongga dalam campuran (VIM)
e. Rongga dalam agregat (VMA)
Saat ini pemeriksaan marshall mengikuti prosedur PC-0201-76 atau AASHTO
T 245-74, atau ASTM D 1559-624T. Beban maksimum yang dapat diterima oleh
benda uji sebelum hancur adalah kelelehan (flow) Marshall dan perbandingan
stabilitas dan kelelehan (flow) Marshall disebut Marshall Quotient, yang
merupakan ukuran ketahanan material terhadap deformasi tetap. Alat yang di
gunakan terdiri dari mesin uji Marshall. Alat Marshall merupakan alat tekan yang
dilengkapi dengan proving ring (cincin penguji) berkapasitas 22,2 KN (5000 lbs)
II.3.1. Pengujian Marshall Untuk Perencanaan Campuran
Untuk keperluan pencampuran, agregat dan aspal di panaskan pada suhu
dengan nilai viskositas aspal 170 20 centistokes (cst) dan di padatkan pada suhu
dengan nilai viskositas aspal 280 30 cst. Alat yang di gunakan untuk proses
pemadatan adalah marshall compaction hammer. Benda uji berbentuk silinder
dengan tinggi 64 mm dan diameter 102 mm ini di uji pada temperatur
dengan tinggkat pembebanan konstan 51 mm/menit sampai terjadi keruntuhan.
Pengujian Marshall untuk perencanaan campuran pada penelitian ini adalah
metode pengujian marshall standart dengan ukuran agregat maksimum 25 mm (1
inchi) dan menggunakan aspal keras. Pengujian marshall di mulai dengan
persiapan benda uji. Untuk keperluan ini perlu di perhatikan hal sebagai berikut :
a. Bahan yang di gunakan masuk dalam spesifikasi yang ada
b. Kombinasi agregat memenuhi gradasi yang disyaratan
c. Untuk keperluan analisa volumetrik (density-voids), berat jenis bulk dari
semua agregat yang di gunakan pada kombinasi agregat, berat jenis aspal
keras harus dihitung lebih dahulu.
Dua prinsip penting pada pencampuran dengan pengujian marshall adalah analisa
volumetrik dan analisa stabilitas kelelehan (flow) dari benda uji padat.
Stabilitas benda uji adalah daya tahan beban maksimum benda uji pada
temperatur ( ). Nilai kelelehan adalah perubahan bentuk suatu
campuran beraspal yang terjadi pada benda uji sejak tidak ada beban hingga beban
maksimum yang di berikan selama pengujian stabilitas. Pada penentuan kadar
aspal optimum untuk suatu kombinasi agregat atau gradasi tertentu dalam
kadar aspal yang berbeda sehingga di dapatkan suatu kurva lengkung yang teratur.
Pengujian agar direncanakan dengan dasar 1/2 % kenaikan kadar aspal dengan
perkiraan minimum 2 kadar aspal di bawah optimum.
II.3.1.1. Berat Isi Benda Uji Padat
Setelah benda uji selesai, kemudian di keluarkan menggunakan ekstruder
dan dinginkan. Berat isi untuk benda uji porus ditentukan dengan melakukan
beberapa kali pertimbangan seperti prosedur (ASTM D 1188). Secara garis besar
adalah sebagai berikut:
a. Timbang benda uji di udara
b. Selimuti benda uji dengan parafin
c. Timbang benda uji berparafin di udara
d. Timbang benda uji berparafin di air
Berat isi untuk benda uji tidak porus atau bergradasi menerus dapat ditentukan
menggunakan benda uji kering permukaan jenuh (SSD) seperti prosedur ASTM
D-2726. Secara garis besar adalah sebagai berikut:
a. Timbang benda uji di udara
b. Timbang benda uji SSD di udara
c. Rendam benda uji di dalam air
d. Timbang benda uji SSD di dalam air
Setelah penentuan berat jenis bulk benda uji dilaksanakan pengujian
stabilitas dan kelelehan dilaksanakan dengan menggunakan alat uji. Prosedur
pengujian bedasarkan SNI 06-2489-1991, secara garis adalah sebagai berikut:
a. Rendam benda uji pada temperatur ( ) selama 30-40 menit
sebelum pegujian
b. Keringkan permukaan benda uji dan letakkan pada tempat yang tersedia pada
alat uji, deformasi konstan 51 mm (2 inchi/menit) sampai terjadi runtuh.
II.3.1.3. Pengujian Volumetrik
Tiga sifat dari benda uji campuran aspal panas ditentukan pada analisa
rongga-density, sifat tersebut adalah:
a. Berat isi atau berat jenis bena uji padat
b. Rongga dalam agregat mineral
c. Rongga udara dalam campuran padat
Dari berat contoh dan persentase aspal dan agregat dan berat jenis
masing-masing volume dari material yang bersangkutan dapat ditentukan.
Volume ini dapat diperlihatkan pada gambar berikut:
UdaraVa
aspal Vbe VmaVb
VbaVmm
AgregatVsb Vse Vmb
Keterangan gambar:
Vma = Volume rongga dalam agregat mineral
Vmb = Volume contoh padat
Vmm = Volume tidak ada rongga udara dalam campuran
Va = Volume rongga udara
Vb = Volume aspal
Vba = Volume aspal terabsorbsi agregat
Vbe = Volume aspal effektif
Vsb = Volume agregat (dengan berat jenis curah)
Vse = Volume agregat (denan berat jenis effektif)
Wb = Berat aspal
Ws = Berat agregat
= Berat volume isi air (1.0 gr/cm^3) = (62,4 lbf/ft^3)
Gmb = Berat jenis curah campuran padat
% rongga =
% Vma =
Density =
= Gmb
Rongga pada agregat mineral (VMA) dinyatakan sebagai persen dari total
volume rongga dalam benda uji, merupakan volume rongga dalam campuran yang
tidak terisi agregat dan aspal yang terserap agregat. Rongga dalam campuran, Va
atau sering disebut VIM, juga dinyatakan sebagai persen dari total volume benda
Stabilitas adalah kemampuan suatu campuran beraspal untuk menerima
beban sampai terjadi alir (flow) pada suhu tertentu yang dinyatakan dalam
kilogram. Stabilitas merupakan kemampuan perkerasan jalan menerima beban
lalu lintas tanpa terjadi perubahan bentuk tetap seperti gelombang, alur, dan
bleeding. Kebutuhan akan stabilitas sebanding dengan fungsi jalan, dan beban lalu lintas yang akan dilayani. Jalan yang melayani volume lalu lintas tinggi dan
dominan terdiri dari kendaraan berat, membutuhkan perkerasan jalan dengan
stabilitas tinggi. Sebaliknya perkerasan jalan yang diperuntukkan untuk melayani
lalu lintas kendaraan ringan tentu tidak perlu mempunyai stabilitas yang tinggi.
Kelelehan (flow) merupakan keadaan perubahan bentuk suatu campuran
beraspal yang terjadi akibat suatu beban yang diberikan selama pengujian,
dinyatakan dalam mili meter. Ketahanan terhadap kelelehan (flow) merupakan
kemampuan beton aspal menerima lendutan berulang akibat repetisi beban, tanpa
terjadinya kelelahan berupa alur dan retak. Hal ini dapat tercapai jika
mempergunakan kadar aspal yang tinggi.
Marshall quotient adalah rasio antara nilai stabilitas dan kelelehan. Rongga di antara mineral agregat (VMA) adalah ruang di antara partikel agregat pada
suatu perkerasan beraspal, termasuk rongga udara dan volume aspal efektif (tidak
termasuk volume aspal yang diserap agregat). Rongga udara dalam campuran atau
VIM dalam campuran perkerasan beraspal terdiri atas ruang udara di antara
partikel agregat yang terselimuti aspal. VIM dinyatakan dalam persentase
terhadap volume beton aspal padat.
II.4. Analisa Campuran Beraspal
1. Uji berat jenis curah (bulk spesifik gravity) agregat kasar (AASHTO T85 atau
ASTM C 127) dan agregat halus (AASHTO T84 atau ASTM C128).
2. Uji berat jenis aspal keras (AASHTO T 228 atau ASTM D 70) dan bahan
pengisi (AASHTO T 100 atau ASTM D 854).
3. Hitung berat jenis curah dari agregat kombinasi dalam campuran.
4. Uji berat jenis maksimum campuran lepas (ASTM D 2041) ASTM T 29.
5. Uji berat jenis campuran padat (ASTM D 1188 atau ASTM D 2726).
6. Hitung berat jenis effektif agregat.
7. Hitung absorbsi aspal dari agregat.
8. Hitung persen rongga diantara mineral agregat (VMA) pada campuran padat.
9. Hitung persen rongga (VIM) dalam campuran padat.
10. Hitung persen rongga terisi aspal (VFB atau VFA) dalam campuran padat.
II.4.1. Rumusan Perhitungan dan Parameternya
Parameter dan rumusan untuk menganalisa campuran aspal panas adalah
sebagai berikut:
1. Berat jenis curah agregat
Pada total agregat yang terdiri dari beberapa fraksi agregat kasar, agregat
halus dan pengisi yang masing-masing mempunyai berat jenis curah gabungan
agregat dapat ditentukan sebagai berikut:
... (2.3)
Dengan pengertian:
Gsb = berat jenis curah total agregat
= berat jenis curah agregat 1, 2,..., n
Berat jenis curah bahan pengisi sukar ditentukan secara akurat, tetapi
dengan menggunakan berat jenis semua kesalahan umumnya kecil dapat di
abaikan.
2. Berat jenis effektif agregat.
Jika berdasarkan berat jenis maksimum campuran (Gmm). Berat jenis
effektif agregat dapat ditentukan dengan formula sebagai berikut:
... (2.4)
Dengan pengertian:
Gse = Berat jenis effektif agregat
Pmm = Total campuran lepas, persentase terhadap berat total campuran 100%
Pb = Aspal, persen dari berat total campuran
Gmm = berat jenis maksimum (tidak ada rongga udara) ASTM D 2041
Gb = berat jenis aspal
Catatan :
Volume aspal yang terserap oleh agregat umumnya lebih kecil dari volume air
yang terserap.
Berat jenis semu (Gsa) dihitung dengan formula:
... (2.5)
Dengan pengertian :
Gsa = berat jenis semu total agregat
= persentase dalam berat agregat 1, 2,..., n
3. Berat jenis maksimum dari campuran dengan perbedaan kadar
aspal
Pada perencanaan campuran dengan suatu agregat tertentu berat jenis
maksimum Gmm, untuk kadar yang berbeda diperlukan untuk menghitung
persentase rongga udara masing-masing kadar aspal. Berat jenis maksimum dapat
dihitung dengan persamaan sebagai berikut:
... (2.6)
Dengan pengertian:
Gmm = berat jenis maksimum campuran (tidak ada rongga udara)
Pmm = campuran lepas total, persentase terhadap berat total campuran 100%
Ps = agregat, persen berat total campuran
Pb = aspal, persen berat total campuran
Gse = berat jenis effektif agregat
Gb = berat jenis aspal
4. Penyerapan aspal.
Penyerapan aspal tidak dinyatakan dalam presentase total campuran tetapi
dinyatakan sebagai persentase berat agregat, penyerapan aspal dapat dihitung
dengan persamaaan sebagai berikut:
... (2.7)
Dengan pengertian:
Pba = aspal yang terserap, persen berat agregat
Gse = berat jenis effektif agregat
Gsb = berat jenis curah agregat
