Optimalisasi Beton Prategang PCI Girder pada Jembatan Perning Kloji, Mojokerto menggunakan Metode Artificial Neural Network

Abstract

Jembatan adalah sarana infrastruktur transportasi yang menghubungkan antardaerah, sehingga dapat mempercepat waktu dan jarak tempuh dan dapat menunjang pembangunan nasional. Jembatan Perning Kloji di Kabupaten Mojokerto Provinsi Jawa Timur berada di ruas jalan batas Kabupaten Gresik-Mlirip. Jembatan tersebut dianggap sudah tidak layak pakai karena tergesernya salah satu pilar akibat robohnya dinding penahan tanah, sehingga perlu dilakukan penggantian jembatan. Jembatan eksisting Perning Kloji dengan bentang 50 meter memiliki bangunan atas dengan tipe beton konvensional yang terdiri dari 3 (tiga) bentang dan 2 (dua) abutment akan diganti dengan gelagar tipe Prestressed Concrete I Girder (PCI Girder). Penggantian jembatan menggunakan PCI girder telah dilakukan oleh penyedia jasa dengan biaya Rp1.133.300.230,21. Dari hal tersebut diperlukan metode yang tepat untuk menentukan biaya yang lebih efisien. Perencanaan PCI girder eksisting dengan mutu beton f’c 68,60 MPa, bentang 50 m, tinggi girder 2,1 m, dan berjumlah 8 girder. Perencanaan struktur jembatan dalam penelitian ini hanya mencakup perhitungan PCI girder. Proses analisis dilakukan dengan software Microsoft Excel. Dengan menggunakan beban yang sama, dilakukan pemodelan eksisting dan 150 trial sesuai dengan syarat desain, di antaranya adalah lendutan, tegangan momen, dan tegangan geser. Kemudian dilanjutkan dengan pemrograman ANN dengan variabel input yang digunakan, antara lain panjang bentang, mutu beton, mutu baja, diameter strand, jumlah strand, jumlah gelagar, dan jarak antar gelagar. Sedangkan output yang digunakan untuk pemrograman ANN adalah tinggi girder, momen, gaya geser, dan biaya. Hasil percobaan tersebut dilanjutkan dengan pemrograman Artificial Neural Network (ANN). Hasil prediksi ANN dilakukan validasi kembali dan telah memenuhi syarat desain, yaitu lendutan, tegangan momen, dan tegangan geser. Dalam penelitian ini, ANN telah digunakan untuk memprediksi perencanaan PCI girder yang optimum terhadap respons dan biaya. Hal tersebut dibuktikan dengan membandingkan antara hasil optimasi dengan program ANN dan desain eksisting. Biaya desain eksisting sebesar Rp1.133.300.230,21 dan setelah dilakukan optimasi dengan pemrograman ANN menjadi sebesar Rp 905.184.683,36 dengan selisih 20,13% lebih murah dari jembatan eksisting. Perbandingan antara prediksi ANN dengan hasil prediksi berdasarkan rumus empiris didapatkan error sebesar 7,56% dan dari hasil tersebut masih dalam batas aman karena < 10%., sehingga dapat disimpulkan bahwa hasil pemodelan dari prediksi ANN lebih optimum dibandingkan dengan eksisting.