73
BAB III METODOLOGI PENELITIAN
III.1 Diagram Alur Flowchart Pelaksanaan penelitian ini, memerlukan banyak hal yang harus
diperhatikan sebagai persiapan dalam melakukan penelitian. Tujuannya agar memperkecil meminimalisir kesalahan dalam pengerjaan dari awal hingga akhir.
Metode penelitian disusun untuk memberikan kemudahan dalam pelaksanaan sebuah penelitian sehingga berjalan lebih tepat efektif dan efisien. Tahapan
prosedur pelaksanaan ini tergambar dalam suatu bagan alir metode penelitian yang terdapat pada gambar 3.1. Pengambilan data pada penelitian ini dilakukan di
Laboratorium Jalan Raya AMP Karya Murni Patumbak. Bahan-bahan yang
diambil berupa data agregat, stabilitas marshal dan kadar aspal yang diambil dari PT. Karya Murni Perkasa, Patumbak.
Sesuai dengan bagan alir dibawah, cara dalam pengambilan data dilakukan pada Pabrik Asphalt Mixing Plant, PT. Karya Murni Perkasa dengan mengambil
data marshall test dan data extraction test. Dan program Artificial Neural Network digunakan untuk mencari nilai stabilitas marshall dari masing – masing sistem
yang telah dirancang.
Universitas Sumatera Utara
74
Mulai
Studi Literatur
Pemilihan Lokasi AMP
Pengumpulan Data Dari AMP Karya Murni, yaitu:
Data Nilai Marshall Test:
1. Persentase Agregat Lolos
Ayakan 200, 50, 30, 8, 4 dan ½ inch
2. Persentase Agregat Pecah
3. Stabilitas Marshall
Data Nilai Extraction Test:
1. Kadar Aspal
A
Universitas Sumatera Utara
75
Gambar 3.1 Diagram Flowchart Mengelompokkan Data Input:
Persentase Agregat Lolos
Ayakan 200, 50, 30, 8, 4 dan ½ inch
Persentase Agregat Pecah
Kadar Aspal
Mengelompokkan Data Output:
Stabilitas Marshall
Kesimpulan Dan Saran
Selesai Pengolahan Data Stabilitas Marshall dengan Program Artificial Neural Network
Perbandingan Stabilitas Marshall AMP Karya Murni dengan Artificial Neural Network
Praproses Data A
Universitas Sumatera Utara
76
III.2 Persiapan Penelitian Tahap yang pertama dilakukan adalah pemeriksaan properties aspal beton
dengan pen.6070 dan agregat yang digunakan. Semua pengujian sesuai dengan standar pengujian bahan yang mengacu pada SNI Standart Nasional Indonesia
dan ASTM American Society For Testing Material. Untuk pengujian bahan bitumen atau aspal, pada penelitian ini digunakan aspal penetrasi 6070 dari Iran
yang di dapat dari AMP Karya Murni Perkasa.
Cara pengumpulan data:
Data yang diambil pada AMP tersebut adalah data:
Persentase agregat lolos ayakan nomor 200, 50, 30, 8, 4 dan ½ inch.
Persentase agregat hancur.
Kadar aspal
Stabilitas marshall.
Sampel yang diambil sebanyak 110 sampel.
III.3 Pengembangan Model Artificial Neural Network Stabilitas marshall dari sebuah campuran aspal beton bergantung pada
berbagai jenis kriteria, termasuk bentuknya, gradasi agregat, dan tipe aspal. Untuk mengembangkan model ini, harus memiliki data input dan data output. Adapun
data input-nya, yaitu:
Persentase agregat yang lolos ayakan nomor 200, 50, 30, 8, 4, dan ½ inch.
Persentase agregat pecah.
Kadar aspal.
Universitas Sumatera Utara
77
Dan sebagai data output-nya yaitu:
Stabilitas marshall. Sebelumnya, nomor neuron lapisan input adalah 8 dan neuron lapisan
output adalah 1. Fungsi aktivasi yang digunakan adalah fungsi aktivasi tangent sigmoid untuk neuron hidden layer dan fungsi aktivasi linier untuk output layer.
Data input dan output telah di normalisasi antara -1 dan 1 untuk meningkatkan keberhasilan dari jaringan.
Dalam rangka menginvestigasi nilai optimum dari neuron hidden layer, kemampuan penyamarataan jaringan telah diperkirakan. Berdasarkan pelatihan
error yang berbeda pada setiap jaringan, dengan sebuah nilai yang ditetapkan pada hidden layer. Pada penelitian ini ditetapkan neuron 3, 6, 8 dan 10 yang
digunakan pada hidden layer. Nilai optimum pada hidden layer didapatkan dengan cara memasukkan
nilai – nilai parameter yang telah ditentukan, kemudian men-train data input dan data output. Terdapat dua parameter yang digunakan, yaitu:
1. Parameter untuk membuat jaringan.
Yang terdiri dari:
Tipe Jaringan network type
Fungsi Pelatihan training function
Fungsi Penyesuaian adaption learning function
Fungsi Hasil performance function
Nomor Lapisan number of layers
Bagian properties for
Universitas Sumatera Utara
78
Nomor neuron number of neurons
Fungsi Aktivasi transfer function
2. Parameter untuk melatih jaringan.
Yang terdiri dari:
Show Window
Show Command Line
Show
Epochs
Time
Goal
Min. Grad
Max. Fail
Mu
Mu dec
Mu inc
Mu max Nilai – nilai yang digunakan pada parameter tersebut dibagi 2, yaitu
dengan nilai asumsi yang mengarah ke pengurangan tingkat error dan nilai default yang memang sudah ada pada program.
Pengolahan data dilakukan dengan menggunakan parameter-parameter yang akan mengarah pada pengurangan tingkat error. Karena semakin kecil
tingkat error yang terjadi akan membuat hasil prediksi semakin mendekati nilai aktualnya dan kinerjanya semakin bagus.
Universitas Sumatera Utara
79
BAB IV HASIL DAN PEMBAHASAN