2020 : Prediksi Sifat Kekerasan Aspal dengan Penambahan Limbah Plastik PP dan PET Berbasis Jaringan Syaraf Tiruan (JST)

Ir. Zulkifli M.Sc
Dyah Sawitri ST.,MT.
Lizda Johar Mawarani S.T., M.T.

External link

Type

RESEARCH

Keywords

-


Abstract

ABSTRAK : Seiring dengan meningkatnya tingkat kerusakan jalan beraspal, saat ini sedang dikembangkan penelitian mengenai aspal modifikasi. Aspal modifikasi adalah aspal yang diberikan zat penambah agar dapat meningkatkan performa atau sifat-sifat fisik aspal [1]. Aspal modifikasi memiliki berbagai macam jenis, salah satunya adalah aspal limbah plastik. Berdasarkan data yang tertera pada Our World in Data, limbah plastik merupakan limbah terbanyak nomor dua di dunia setelah limbah puntung rokok dan jenis plastik kemasan menempati jumlah terbanyak diantara jenis plastik yang lain yaitu sejumlah 146.000 ton setiap tahunnya Jenis plastik yang biasa digunakan untuk kemasan adalah jenis PET (polyethylene terephthalate) dan PP (polypropylene). Limbah yang sering ditemukan dengan jenis PET berupa limbah botol plastik, sedangkan jenis PP berupa sedotaan bekas dan tutup botol. Penambahan variasi PET pada campuran AC-WC (Asphalt Concrete – Wearing Course) berpengaruh terhadap peningkatan stabilitas pada kadar 2%, lalu menurun ketika kadar yang lebih tinggi dan kadar rongga dalam campuran turut meningkat . Penambahan PP dalam campuran beton aspal dapat menurunkan viskositas aspal yang berpengaruh pada peningkatan volume rongga diantara partikel dan penurunan nilai rongga pada campuran sehingga berpengaruh positif terhadap nilai marshall lapisan aspal beton.. Penelitian mengenai aspal modifikasi juga diimbangi dengan beberapa penelitian mengenai pemodelan untuk prediksi kondisi perkerasan jalan. Salah satu pemodelan yang sering digunakan adalah pemodelan Jaringan Syaraf Tiruan yang biasa disebut dengan JST. JST merupakan pemroses informasi dengan kemampuan untik belajar (training) yang diberikan kepadanya [2]. Penelitian yang dilakukan oleh Emma menyimpulkan bahwa pemodelan menggunakan JST memiliki kelebihan dalam hal fleksibilitas dibandingkan dengan pemodelan menggunakan markov.. Thube dalam penelitiannya yang berjudul “Artificial Neural Network (ANN) Based Pavement Deterioration Models for Low Volume Roads in India�mengatakan bahwa pemodelan menggunakan Artificial Neural Network (ANN) dengan algoritma back-propagation lebih baik digunakan untuk meramalkan retak, raveling, rutting dan kekasaran untuk Low Volume Roads (LVR) daripada pemodelan menggunakan HDM-4.