Optimasi Parameter Marshall Stability pada Aspal Beton Menggunakan Pendekatan Hybrid Neural Network - Genetic Algorithm

Optimasi Parameter Marshall Stability pada Aspal Beton Menggunakan Pendekatan Hybrid Neural Network - Genetic Algorithm

• By Pohan, Achmad Baroqah; Jimmi, Jimmi;
• Seminar Nasional Bereputasi
• 342
• 33-40

Desain jalan harus menerapkan pengetahuan prinsip-prinsip rekayasa untuk kepadatan arus lalu lintas dan kecepatan dalam meminimalkan probabilitas kecelakaan. Buruknya estimasi agregat campuran aspal beton menyebabkan berkurangnya kualitas desain jalan. Marshall test merupakan teknik pengujian untuk mengetahui tingkat kelayakan agregat campuran aspal  beton dalam konstruksi desain jalan. Stabilitas Marshall dan Marshall Flow merupakan hasil pengujian marshall untuk mengetahui beban maksimum yang akan diterima oleh aspal beton. Namun untuk menjamin akurasi nilai uji coba marshall dibutuhkan metode komputasi seperti neural network untuk memecahkan masalah akurasi dengan data yang beragam dan tidak linear. Optimasi artificial neural network diuji utuk menghasilkan nilai akurasi yang terbaik, menerapkan Algoritma Genetika bertujuan untuk menaikkan akurasi yang dihasilkan oleh artificial neural network. Eksperimen dilakukan untuk mendapatkan arsitektur yang optimal dan menghasilkan akurasi yang meningkat. Model terbaik yang telah diperoleh dijadikan standard dalam tahapan inisialisasi perancangan aplikasi perangkat lunak berbasis mobile aplication

• Katakunci Stabilitas Marshall, Jaringan Saraf Tiruan, Algoritma Genetika
• URL http://eproceeding.undhiksha.ac.id/index.php/semnasvoktek/article/view/668
• Penerbit SEMNASVOKTEK UDHIKSA, Denpasar Bali

REFERENSI

WHO, Global Plan for the Decade of Action for Road Safety 2011-2020. Geneva, 2011

 

Pudji.Hartanto, “Jadilah Pelopor Keselamatan Berlalu lintas dan Budayakan Keselamatan sebagai Kebutuhan “,Korlantas Mabes Polri, 2012.

 

QDTMR “Road planning and design manual, design philosophy” Queensland Department of Transport and Main Roads,(QDtMR), Chapter 2. DOI=http://www.tmr.qld.gov.au/Business-and-industry/Technical-standards-and-publications/Road-planning-and-design-manual.aspx. Retrieved November 1,2010

 

Reza and Mansour.Fakhri “Prediction of frequency for simulation of asphalt mix fatique test Using MARS and ANN” Department of civil Engineering, Toosi Universitas Of Technology, Iran, 2014.

 

S.Sukirman, “Beton Aspal Campuran Panas”, Granit, Bandung, 2003.

 

AASHTO,“Guide for design of pavement structure”, Washington DC, USA,1993.

 

Ozgan.Ercan, “Fuzzy logic and statistical-based modeling of the Marshall Stability of asphalt concrete under varying temparatures and exposure times”, Duzce University, Turkey, 2009.

 

Tapkin, Sercan, Abdulkadir.Cevik and Un.Usa, “Prediction of Marshall test results for polypropylene modified dense bituminous mixtures using neural networks”, Expert System with application 37, Elsevier , Turkey, 2010.

 

Whitcombe, J.M., Cropp, R.A., Braddock, R.D., Agranovski, I.E., ”The use of sensitivity analysis and genetic algorithms for the management of catalystemissions from oil refi neries” Math. Comput. Model. 4 4, 430 e 438, 2006.

 

ASTM, “Road and paving materials vehicle – pavement systems”, published by the American society of testing material officials, Washington DC, 1997.

 

Heaton, ”Introduction to Neural Network With java” Second Edition, Heaton Research.Inc, USA,2008