Model Probabilistik Prediksi Keruntuhan Jembatan Berbasis Hibrid Bayesian-System Dynamics

Soetjipto, Jojok Widodo (2020) Model Probabilistik Prediksi Keruntuhan Jembatan Berbasis Hibrid Bayesian-System Dynamics. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
03111560010007-Disertation.pdf - Accepted Version
Restricted to Repository staff only

Download (46MB) | Request a copy

Abstract

Jembatan merupakan infrastruktur yang sangat dibutuhkan dalam menunjang kegiatan transportasi untuk menghubungkan antar wilayah yang dipisahkan oleh sungai, rawa, danau, selat, saluran, jalan raya, jalan kereta api/perlintasan lainnya, serta topografi cekungan cukup dalam. Keberadaan jembatan di Indonesia terus meningkat akibat pengembangan wilayah. Namun banyak yang mengalami keruntuhan secara mendadak tanpa diketahui gejala dan perkiraan waktunya sebelum umur ekonomis jembatan. Seharusnya infrastruktur cerdas dapat memprediksi keruntuhan dan keandalan konstruksi jembatan akibat kerusakan pada lantai, girder dan abutment/pier jembatan yang sangat dinamis. Penelitian terkait keruntuhan jembatan saat ini sudah banyak dilakukan tetapi terbatas pada prediksi kerusakan komponen jembatan. Interrelationship antar komponen jembatan belum diteliti, sehingga tidak dapat diketahui dengan jelas kontribusi kerusakan satu komponen terhadap yang lain serta konstruksi jembatan secara keseluruhan. Hal inilah yang menjadi kesulitan dalam menentukan peringatan dini terjadinya keruntuhan jembatan. Oleh karena itu penelitian tentang model probabilistik prediksi keruntuhan jembatan terintegrasi sangat diperlukan. Variabel penelitian adalah kerusakan komponen jembatan yang dianalisa reliabilitasnya untuk menentukan kondisi komponen jembatan. Penyusunan model probabilistik prediksi keruntuhan jembatan menggunakan 3.166 data BMS (Bridge Management System). Sebesar 80% data BMS dipakai untuk membuat model sedangkan sisanya sebagai validasi model. Model ini menggunakan Hybrid Bayesian-System Dynamics dimana Bayesian dipakai untuk memprediksi probabilitas keruntuhan komponen jembatan sedangkan System Dinamics dapat menyelesaikan interrelationship antar komponen jembatan. Hasil penelitian menunjukkan bahwa terjadi hubungan dependensi antar komponen maupun antara jembatan dengan komponennya dimana komponen yang memiliki pengaruh besar terhadap jembatan adalah Beam dan Abutment, sedangkan Deck memiliki pengaruh yang kecil. Kondisi komponen jembatan (“Good”, “Moderate” dan “Fail”) dapat ditentukan melalui: pemeriksaan visual BMS atau nilai indeks reliabilitas hasil pemeriksaan visual. Model ini dapat meningkatkan efisensi pelaksanaan pemeriksaan visual dari setiap tahun menjadi 10-18 tahun karena kemampuannya untuk memprediksi kondisi jembatan beserta komponennya. Akurasi model BSD untuk periode 18 tahunan 82.44% - 92.22% dan 10 tahunan 88.00% - 99.60% dengan sensitivitas 11-18 tahun. Periode perbaikan yang efektif adalah setiap 25 tahunan. Oleh karena itu model BSD ini dapat dipergunakan sebagai acuan operasi dan pemeliharaan jembatan agar tidak terjadi keruntuhan jembatan secara mendadak. Ketelitian model ini dapat ditingkatkan melalui update data CPT dan peningkatan penentuan nilai indeks reliabilitas. ======================================================== The bridge is transportation infrastructure to connect areas separated by rivers, swamps, lakes, straits, channels, highways, railroad/other crossings, and the deep valley. In Indonesia, the bridges will increase due to regional development expansion. However, some of the bridges before its lifetime sudden collapse without known both symptoms and timing. The smart bridge construction could predict its failure and reliability due to dynamic damage of deck, beam, and abutments/pier. Previous research on bridge collapse has studied but is still limited to the prediction of bridge components failure. They have no discussed the interrelationship between bridge components, so the contribution of damage on one component to others, as well as overall bridge, cannot be known. It is difficult to determine early warnings of bridge failure. Therefore research on probabilistic models for predicting integrated bridge failure is needed. The research variable is the damage of the bridge component, which is analyzed its reliability to determine the component condition. The arrangement of the probabilistic model of bridge failure prediction uses 3,166 BMS (Bridge Management System) data. 80% of BMS data is used to generate a model, while the rest is model validation. This model uses Hybrid Bayesian-System Dynamics because Bayesian can predict the probability of bridge components failure while System Dynamics solve interrelationship between bridge components. The results show that the relationship both between components and between the bridge and its components was a dependency. The most significant influence on the bridge was Beam and Abutment, while Deck had a smaller effect. The determining of the bridge components condition ("Good", "Moderate" and "Fail") is through the BMS visual inspection or reliability index of visual inspection results. The model improves the efficiency of the visual inspection implementation from yearly to 10-18 years because of its ability to predict both bridge and component conditions. The accuracy of the BSD model for the 18 years is 82.44% - 92.22%, and the ten years is 88.00% - 99.60% with sensitivity 11-18 years. The sufficient repair period is every 25 years. Therefore, this BSD model can be used as a guide for bridge operation and maintenance to avoid the sudden collapse of the bridge. The model accuracy can be improved by updating the CPT and extensive the reliability index.

Item Type: Thesis (Doctoral)
Additional Information: RDS 624.22 Soe m-1
Uncontrolled Keywords: bayesian, decision support system jembatan, keruntuhan jembatan, monitoring jembatan, system dynamics
Subjects: T Technology > TA Engineering (General). Civil engineering (General)
T Technology > TA Engineering (General). Civil engineering (General) > TA169 Reliability (Engineering)
T Technology > TA Engineering (General). Civil engineering (General) > TA169.5 Failure analysis
T Technology > TG Bridge engineering
T Technology > TH Building construction
T Technology > TH Building construction > TH3351 Maintenance and repair
Divisions: Faculty of Civil Engineering and Planning > Civil Engineering > 22001-(S3) PhD Thesis
Depositing User: Jojok Widodo Soetjipto
Date Deposited: 04 Aug 2020 08:04
Last Modified: 10 Aug 2020 01:17
URI: https://repository.its.ac.id/id/eprint/76156

Actions (login required)

View Item View Item