PENENTUAN NILAI STABILITAS MARSHALL DENGAN
MENGGUNAKAN ARTIFICIAL NEURAL NETWORK
TUGAS AKHIR
Diajukan untuk Melengkapi Tugas-tugas dan Memenuhi Syarat untuk
Menempuh Ujian Sarjana Teknik Sipil
Disusun oleh:
RENDI PRATAMA SIREGAR
10 0404 132
Dosen Pembimbing:
Ir. ZULKARNAIN A. MUIS, M.Eng.Sc IRWAN SURANTA SEMBIRING, ST, MT
DEPARTEMEN TEKNIK SIPIL
FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
ABSTRAK
Stabilitas Marshall pada aspal beton merupakan salah satu parameter
terpenting didalam campuran dan kualitas material. Bagian ini bergantung pada
banyak faktor seperti gradasi, persentase agregat hancur, kadar aspal, dan kualitas
material. Pada penelitian ini, variasi dari stabilitas marshall dengan kadar aspal
disimulasikan dengan menggunakan program Artificial Neural Network (ANN)
dengan pelatihan algoritma Levenberg-Marquardt Back Propagation (LMBP).
Persentase dari agregat pecah/hancur; persentase lolos ayakan yang melalui
ayakan nomor 200, 50, 30, 8, 4 dan ½ inch, dan persentase dari kadar aspal telah
ditetapkan sebagai jaringan input dan stabilitas marshall sebagai jaringan output.
Pada tahap pertama, menentukan kemampuan penyamarataan maksimum dari
setiap jaringan dengan sebuah angka yang telah ditetapkan pada neuron di hidden
layer. Perbandingan nilai maksimum ini menyatakan bahwa jaringan dengan 8
neuron di hidden layer memiliki kemampuan penyamarataan maksimum. Pada
tahap kedua, variasi dari data aktual stabilitas marshall dibandingkan dengan hasil
simulasinya. Simulasi ini terlihat bagus untuk menentukan stabilitas marshall.
KATA PENGANTAR
Bismillaahirrahmaanirrahiim
Puji dan syukur penulis ucapkan kepada ALLAH SWT karena atas
limpahan rahmat dan karunia-Nya saya dapat menyelesaikan Tugas Akhir ini.
Tugas Akhir ini mengambil judul: PENENTUAN NILAI STABILITAS
MARSHALL DENGAN MENGGUNAKAN ARTIFICIAL NEURAL
NETWORK. Tugas Akhir ini merupakan syarat yang diwajibkan bagi mahasiswa
untuk memperoleh gelar Sarjana Teknik.
Pada kesempatan ini, dengan tulus dan kerendahan hati, penulis
menyampaikan rasa hormat dan terima kasih serta penghargaan sebesar-besarnya
kepada bapak Ir. Zulkarnain A. Muis, M.Eng.Sc. sebagai pembimbing Tugas
Akhir dan Koordinator Tugas Akhir Bidang Studi Transportasi, serta bapak
Irwan Suranta Sembiring, S.T., M.T. sebagai Co pembimbing Tugas Akhir atas
kesediaannya membimbing, memotivasi, pengarahan, kesediaan waktu dan
kesabaran kepada penulis sehingga penulis dapat menyelesaikan tugas akhir ini.
Rasa hormat dan terima kasih yang sama juga penulis tujukan kepada:
1. Bapak Prof.Dr.Ing. Johannes Tarigan selaku Ketua Departemen Teknik
Sipil, Fakultas Teknik, Universitas Sumatera Utara.
2. Bapak Ir. Syahrizal, M.T. selaku sekretaris Departemen Teknik Sipil,
3. Bapak Medis S.Surbakti, ST, MT dan Bapak Ir. Andi Putra Rambe, MBA
selaku Dosen Pembanding/Penguji yang telah memberikan masukan dan
kritikan yang membangun dalam menyelesaikan tugas akhir ini.
4. Bapak dan Ibu dosen staff pengajar Departemen Teknik Sipil, Fakultas
Teknik, Universitas Sumatera Utara yang telah membekali penulis dengan
berbagai ilmu pengetahuan hingga selesainya tugas akhir ini.
5. Teristimewa untuk kedua orang tua saya H. Panusunan Siregar dan Ibu Hj.
Asmaraya atas segala doa, kasih, semangat, dan keikhlasan atas segala
pengorbanannya selama ini sehingga penulis dapat menyelesaikan Tugas
Akhir ini.
6. Adik-adik saya Juanda Andika Siregar, Patriana Dwi Puspita Siregar,
Silvana Ira Puspita Siregar, dan Febriani Tri Puspita Siregar yang tak henti
memberikan motivasi, dukungan, dan perhatiannya.
7. Sahabat saya M. Yusuf, Ahmad Himawan Umna Gultom, Rosadi Patra
Tanjung, M. Rifqy Haikal Ritonga, Dede Oktria Syaferi, Ahmad Tirta
Pratama, Tengku Fakhri Noor, Aditya Hariyanto dan Fadlin Alwi
Kurniawan Harahap. Yang membantu memberikan saya bantuan baik lisan
maupun tulisan dalam mengerjakan Tugas Akhir saya ini.
8. Seluruh teman-teman Teknik Sipil USU 2010, dan terkhususnya anak
subjurusan transportasi yang tidak dapat saya sebutkan satu persatu, atas
segala ketulusan hati dalam memberikan masukan, semangat dan
Penulis sungguh menyadari bahwa Tugas Akhir ini masih jauh dari
kata sempurna. Karena itu penulis membuka diri terhadap kritikan dan
saran bagi penyempurnaan tugas akhir ini. Dan, akhirnya penulis
berharap tulisan ini memberikan manfaat bagi pengembangan ilmu
pengetahuan khususnya di lingkungan Departemen Teknik Sipil USU.
Medan, April 2016
Hormat saya,
RENDI PRATAMA SIREGAR
DAFTAR ISI
ABSTRAK i
KATA PENGANTAR ii
DAFTAR ISI v
DAFTAR TABEL ix
DAFTAR GAMBAR x
BAB I PENDAHULUAN I.1. Latar Belakang 1
I.2. Rumusan Masalah 4
I.3. Pembatasan Masalah 4
I.4. Tujuan 5
I.5. Manfaat 5
I.6. Sistematika Penulisan 5
BAB II TINJAUAN PUSTAKA II.1. Umum 7
II.2. Bahan Campuran Aspal Panas 12
II.2.1. Agregat 12
II.2.1.2. Klasifikasi Agregat 14
II.2.1.3. Jenis Agregat dan Persyaratan Sifat Agregat 14
II.5.2. Pelelehan 41
II.5.3. Evaluasi VMA 42
II.5.4. VIM 42
II.5.5. VFA 43
II.5.6. Pengaruh Pemadatan 43
BAB IV HASIL DAN PEMBAHASAN
IV.1. Persiapan Data 77
IV.1.1 Data Marshall Test dan Extraction Test 77
IV.2. Perhitungan Nilai Stabilitas Marshall Dengan Program Artificial . . . . . Neural Network 78
IV.2.1 Variasi Parameter Untuk Desain Artificial Neural Network…78 IV.3. Proses Running Program Artificial Neural Network 80
IV.3.6. Grafik Perbandingan Antara Data Aktual Dengan Hasil . . . . Simulasi Neuron 8 112
BAB V KESIMPULAN DAN SARAN V.1. Kesimpulan 113
DAFTAR PUSTAKA 115
DAFTAR TABEL
Tabel 2.1 Ketentuan Sifat Campuran Laston (AC) 9
Tabel 2.2 Ketentuan Agregat Kasar untuk Campuran Beton Aspal 15
Tabel 2.3 Ketentuan Agregat Halus untuk Campuran Beton Aspal 16
Tabel 2.4 Gradasi Bahan Pengisi 17
Tabel 2.5 Amplop Gradasi Agregat Gabungan untuk Campuran Aspal 18
Tabel 4.1 Hasil Simulasi Pada Jaringan Dengan Neuron 3 Pada Hidden Layer 93
Tabel 4.2 Hasil Simulasi Pada Jaringan Dengan Neuron 6 Pada Hidden Layer 93
Tabel 4.3 Hasil Simulasi Pada Jaringan Dengan Neuron 8 Pada Hidden Layer 94
Tabel 4.4 Hasil Simulasi Pada Jaringan Dengan Neuron 10 Pada Hidden Layer 94 Tabel 4.5 Hasil Output Neuron 3 97
Tabel 4.6 Hasil Output Neuron 6 99
Tabel 4.7 Hasil Output Neuron 8 101
Tabel 4.8 Hasil Output Neuron 10 103
DAFTAR GAMBAR
Gambar 2.1 Hubungan volume dan rongga-density benda uji campur panas 33
Gambar 2.2 Jaringan Saraf dengan Lapisan Tunggal 46
Gambar 2.3 Jaringan Saraf dengan Banyak Lapisan 47
Gambar 2.4 Jaringan Saraf dengan Kompetitif 48
Gambar 2.5 Tampilan Program Matlab 53
Gambar 2.6 Tampilan Program Neural Network 53
Gambar 2.7 Tampilan Window Import to Network/Data Manager 55
Gambar 2.8 Tampilan Window Create Network or Data 56
Gambar 2.9 Tampilan Menu View 60
Gambar 2.10 Tampilan Menu Train (Training Info) 60
Gambar 2.11 Tampilan Menu Train (Training Parameters) 62
Gambar 2.12 Tampilan Menu Simulate 63
Gambar 2.13 Tampilan Menu Adapt (Adaption Info) 64
Gambar 2.14 Tampilan Menu Adaption Parameters 64
Gambar 2.15 Tampilan Menu Reinitialize Weights 65
Gambar 2.16 Tampilan Menu View/Edit Weights 65
Gambar 4.16 Tampilan Menu Regression 89
Gambar 4.17 Tampilan Menu Performance 90
Gambar 4.18 Tampilan Menu Regression 90
Gambar 4.19 Tampilan Menu Performance 91
Gambar 4.20 Tampilan Menu Regression 91
Gambar 4.21 Tampilan Menu Performance 92
Gambar 4.22 Tampilan Menu Regression 92
Gambar 4.23 Grafik simulasi R dengan MSE pada Neuron 3 95
Gambar 4.24 Grafik simulasi R dengan MSE pada Neuron 6 95
Gambar 4.25 Grafik simulasi R dengan MSE pada Neuron 8 96
Gambar 4.26 Grafik simulasi R dengan MSE pada Neuron 10 96
