BAB I
PENDAHULUAN
I.1. Latar Belakang
Stabilitas Marshall adalah kemampuan suatu campuran aspal untuk
menerima beban sampai terjadi alir (flow) yang dinyatakan dalam kilogram,
sedangkan alir (flow) adalah keadaan perubahan bentuk suatu campuran aspal
yang terjadi akibat suatu beban yang dinyatakan dalam mm. (SNI 06-2489-1991).
Stabilitas pada lapisan perkerasan harus mampu menerima beban lalu lintas tanpa
terjadi perubahan bentuk seperti gelombang, alur, ataupun bleeding.
Pemeriksaan Nilai Stabilitas Marshall merupakan suatu pemeriksaan yang
dimaksudkan untuk menentukan ketahanan (stability) terhadap kelelehan (flow)
dari campuran aspal. Agar pencampuran dan pemadatan dapat menghasilkan
campuran yang baik, maka kekentalan (viskositas) aspal harus cukup sedemikian
rupa sehingga peran aspal dalam proses pencampuran dan pemadatan dapat
maksimal.
Temperatur pada pencampuran bahan aspal dengan agregat adalah
temperatur pada saat aspal mempunyai viskositas kinematis sebesar 170 ± 20
centistokes. Nilai kekentalan ini dapat dicapai pada rentang suhu tertentu yang
sering disebut sebagai suhu pencampuran dan suhu pemadatan. Kedua rentang
suhu ini dicari dengan menggunakan grafik hubungan antara suhu dengan
viskositas.
ini telah banyak di temukan pada aspek - aspek pengetahuan. Pada umumnya,
bahwa jaringan saraf tiruan dapat digunakan sebagai pendekatan penyesuaian
untuk ilmu tambahan dan gambaran dengan menyimpulkan peraturan dari contoh
pola yang dipelajari.(Flood and Kartam,1998).
Menurut Ercan Ozgan, nilai Stabilitas Marshall pada aspal beton dalam
berbagai temperatur dan urutan waktu sudah dibentuk dengan menggunakan
Artificial Neural Network (jaringan saraf tiruan). Menurut penelitian ini, untuk menyelidiki Stabilitas Marshall berdasarkan sifat fisik, urutan waktu, dan suhu
lingkungan akan diteliti. Pada urutan waktu dari 1,5; 3; 4,5; dan 6 jam pada suhu
30̊ C, 40̊ C, dan 50̊ C telah terpilih. Hasilnya menunjukkan pada suhu lingkungan
di 17̊ C, stabilitas pada sampel aspal menurun 40,16 % di 30̊ C setelah 1,5 jam
dan 62,39 % setelah 6 jam. Pada 40̊ C, menurun hingga 74,31 % setelah 1,5 jam
dan 78,10 % setelah 6 jam. Pada 50̊ C stabilitas dari aspal menurun lagi hingga
83,22 % setelah 1,5 jam dan 88,66 % setelah 6 jam. Hasil eksperimen dan bentuk
jaringan saraf tiruan memperlihatkan hasil korelasi yang baik, untuk alasan ini
maka metode jaringan saraf tiruan dapat digunakan untuk model Stabilitas
Marshall.
Menurut Khaled A. Kandil, penelitian tentang metode desain campuran
Marshall yang merupakan salah satu dari metode umum yang digunakan pada
beberapa Negara untuk mendesain aspal campuran panas. Ada dua parameter
desain utama yang dipertimbangkan pada metode ini adalah Stabilitas Marshall
dan kelelahan Marshall. Parameter ini bergantung pada beberapa faktor termasuk
gradasi agregat dan kandungan aspal semen. Stabilitas campuran dan kelelahan
deformasi langsung (perubahan bentuk) pada contoh benda uji silinder dari
campuran aspal tersebut. Artificial Intelligence Techniques (teknik kecerdasan
buatan) seperti Artificial Neural Network (jaringan saraf tiruan) dan Adaptive
Neuro-Fuzzy Inference System telah digunakan pada beberapa penelitian bidang teknik sipil sebagai alternatif untuk pendekatan prediksi tradisional dan telah
menunjukkan tingkat kesuksesan yang baik. Objek utama dari pembelajaran ini
adalah untuk menggunakan Adaptive Neuro-Fuzzy Inference System untuk
mengembangkan model yang dapat memprediksi stabilitas campuran aspal dan
kelelahan sebagai sebuah fungsi dari campuran gradasi dan kandungan aspal
semen. Dan pada akhirnya model Adaptive Neuro-Fuzzy Inference System ini
dapat digunakan dengan efektif untuk memprediksi Stabilitas Marshall dan
kelelahan.(Khaled A. Kandil)
Sedangkan menurut Saffarzadeh dan Heidaripanah, membahas tentang
Stabilitas Marshall dari aspal beton merupakan salah satu parameter penting
dalam mendesain campuran dan quality control. Hal ini bergantung pada banyak
faktor seperti gradasi, persentase dari agregat hancur, kandungan aspal dan
kualitas konstruksi. Pada penelitian ini, variasi dari Stabilitas Marshall dengan
kandungan aspal telah disimulasi dengan menggunakan Artificial Neural Network
dengan latihan algoritma Levendberg Marquardt Back Propagation (LMBP) .
Persentase dari agregat hancur; persentase yang melewati ayakan nomor 200, 50,
30, 8, 4, ½ inch, lalu persentase dari kandungan aspal dihubungkan sebagai
jaringan input dan Stabilitas Marshall sebagai jaringan output.
Dari beberapa peneliti tersebut, maka penelitian Saffarzadeh dan
Penelitian ini dilakukan dengan menguji marshall dan ekstraksi pada waktu pagi
dan sore hari, hingga mencapai 110 sampel. Jumlah sampel yang diambil
sebanyak 110, dikarenakan agar proses training yang dioperasikan lebih efisien
dan mendapatkan hasil simulasi yang lebih akurat.
Dalam beberapa pernyataan diatas maka dapat disimpulkan bahwa untuk
memperkirakan pengaruh dari bermacam macam kadar aspal pada Stabilitas
Marshall dapat di lakukan dengan menggunakan Artificial Neural Network.
Dipilihnya Artificial Neural Network adalah sebagai program yang dapat
memprediksi nilai stabilitas marshall dengan kondisi material yang sama secara
langsung tanpa melakukan uji praktikum lagi. Maka dengan ini, akan di evaluasi
nilai Stabilitas Marshall dengan menggunakan program Artificial Neural Network.
I.2. Rumusan Masalah
Adapun permasalahan yang akan dibahas antara lain adalah: Apakah
penggunaan Artificial Neural Network sebagai program alternatif untuk
menentukan nilai Stabilitas Marshall dapat memenuhi persyaratan terhadap
sifat-sifat parameter Marshall.
I.3. Pembatasan Masalah
Dengan melakukan penelitian ini maka ditetapkan pembatasan masalahnya
agar tidak keluar dari konteks pembahasan, yaitu:
1. Pada penentuan gradasi agregat dengan Laston AC-WC digunakan
Spesifikasi Umum Bina Marga edisi 2010 (Revisi 3).
2. Dalam penelitian ini digunakan program Artificial Neural Network
pengambilan data di laboratorium, yakni dengan menggunakan
peraturan tentang Marshall Test (SNI 06-2489-1991) dan
Extraction Test (SNI 03- 6894-2002)
3. Penelitian nilai Stabilitas Marshall dengan menggunakan Artificial
Neural Network dilakukan dengan mengambil sampel data aspal,
yakni berupa data Marshall test dan Extraction test pada AMP
Karya Murni.
4. Pada penelitian ini program Artificial Neural Network yang
digunakan berdasarkan pada pengaplikasian neural network
toolbox.
I.4. Tujuan
Tujuan dari penelitian ini adalah untuk mengetahui hasil yang didapat
setelah menggunakan Artificial Neural Network terhadap Stabilitas Marshall.
I.5. Manfaat
Diharapkan Artificial Neural Network dapat dimanfaatkan penggunaannya
sebagai program alternatif untuk menentukan Stabilitas Marshall.
I.6. Sistematika Penulisan
Untuk memperjelas tahapan yang dilakukan dalam penelitian ini agar
BAB I PENDAHULUAN
Pada bab ini diuraikan tahapan awal dalam pengerjaan tugas akhir,
yang meliputi tinjauan latar belakang, perumusan masalah, pembatasan
masalah, tujuan, manfaat dan sistematika penulisan.
BAB II TINJAUAN PUSTAKA
Pada bab ini akan berisi uraian tentang teori perencanaan stabilitas
marshall. Studi umum yang berhubungan dengan stabilitas marshall, jenis
jenis material yang digunakan, dan penjelasan tentang program Artificial
Neural Network
BAB III METODOLOGI PENELITIAN
Merupakan bagian yang menjelaskan keseluruhan proses yang
dilakukan selama penelitian berlangsung sampai selesai. Dalam bab ini
dijelaskan metode yang digunakan dalam penelilitian, proses
mendapatkan data atau sumber data, proses pengolahan data, analisa
data, dan sampai didapatkan hasil dari pengolahan data tersebut.
BAB IV HASIL DAN PEMBAHASAN
Pada bab ini berisi tentang pembahasan atau hasil data - data yang
dikumpulkan. Hasil data data yang terkumpul tersebut kemudian
dianalisa sehingga diperoleh hasil atau tujuan akhir dari penelitian ini,
BAB V KESIMPULAN DAN SARAN
Merupakan bab penutup yang berisikan tentang kesimpulan yang
telah diperoleh dari pembahasan bab – bab sebelumnya, dan saran
mengenai hasil penelitian yang dapat dijadikan masukan yang berguna
