Analisis Pushover terhadap Variasi Penempatan High Damping Rubber Bearing (HDRB) pada Struktur Gedung Bertingkat

High Damping Rubber Bearing (HDRB) merupakan salah satu jenis isolator yang digunakan dalam perancangan struktur gedung tahan gempa, biasanya ditempatkan pada dasar bangunan dan berfungsi untuk meredam gaya gempa. Penelitian ini bertujuan untuk mengetahui respon struktur berupa gaya geser dasar dan simpangan antar lantai, serta tingkat kinerja struktur gedung bertingkat terhadap variasi penempatan HDRB menggunakan metode analisis pushover dengan bantuan software ETABS. Struktur gedung beton bertulang 12 lantai, dengan tinggi tiap lantai 4 m. Variasi penempatan HDRB pada model 1 di dasar gedung, pada model 2 di lantai pertama dan pada model 3 di tengah-tengah gedung. Standar analisis mengacu pada SNI 1726:2019 dan ATC-40. Hasil penelitian menunjukkan bahwa gaya geser dasar maksimum yang paling menentukan dari ketiga model struktur gedung bertingkat yang terbesar, yaitu 2.566,78 kN dengan perpindahan maksimum 0,35 m. Tingkat kinerja berdasarkan ATC-40 termasuk dalam kategori aman yaitu Immediate Occupancy (IO). Berdasarkan SNI 1726:2019 memenuhi batasan simpangan antar lantai izin.

Menuju Perencanaan Lansekap Apartemen yang Berkelanjutan Setelah Covid-19:

Perancangan lansekap akan senantiasa mengalami perkembangan mengikuti kebutuhan manusia yang dinamis dan tuntutan perubahan zaman. Dengan adanya fenomena Covid-19 juga menjadikan perencanaan kebutuhan lansekap apartemen menjadi pertanyaan besar ke mana akan mengalami perubahan, karena kota-kota besar akan senantiasa berkembang dan fenomena Covid-19 menjadikan disaster management perencanaan lansekap menjadi pertimbangan dasar yang perlu menjadi landasan dalam mem-breakdown ke arah mana konsep-konsep baru perlu dikembangkan. Analisis ini dilakukan secara kualitatif, berupaya menganalisis dan mengambil contoh-contoh kasus pula dan mengevaluasinya sehingga dapat diketahui elemen-elemen yang perlu diperhatikan dalam perancangan lansekap apartemen di masa mendatang. Hasil dari penelitian ini adalah berupa perbandingan antara ke-3 kasus apartemen yang dibangun pada periode berbeda antara tahun 2009-2016. Rekomendasi penelitian ini adalah berupa usulan ketetapan regulasi perbandingan prosentase antara fungsi perumahan dan sarana prasarana komersial, menerapkan regulasi yang ada mengenai sarana prasarana (dari Kementerian PU) secara lebih konsekuen, ketetapan regulasi mengenai aturan vegetasi yang sesuai kaidah lingkungan hidup dan degradasi yang terjadi, proporsi ruang bermain anak yang ramah anak, dan mengkaji serta menerapkan adaptasi adaptasi ruang yang terjadi sebagai adaptasi terhadap perencananaan ruang setelah pandemik yang berorientasi keberlanjutan kota dan masyarakat secara jangka panjang.

Analisis Perbandingan Model Gates, Ackoff & Sasieni, dan Friedman dalam Simulasi Strategi Penawaran Tender Proyek Peningkatan Jalan di Kota Bandung

Menentukan harga penawaran yang penting bagi kontraktor dalam mengikuti tender proyek konstruksi. Oleh karena itu, penelitian ini melakukan penelitian mengenai beberapa model strategi penawaran untuk mendapatkan mark up beserta probabilitas menang. Diantaranya dipilih model Gates, Ackoff & Sasieni, dan Friedman. Penelitian ini menggunakan metode purposive sampling dengan sampel data proyek peningkatan jalan yang diambil dari laman LPSE kota Bandung tahun 2015-2017 sejumlah 116 data. 86 data digunakan untuk analisis model Gates, Ackoff & Sasieni, dan Friedman, kemudian 30 data disisihkan untuk uji validitas. Dari penelitian ini didapatkan grafik mark up vs. Probabilitas menang dari masing-masing model yang dapat digunakan oleh kontraktor sebagai acuan dalam menetapkan harga penawaran. Model Gates menghasilkan nilai mark up optimum untuk distribusi normal berganda, normal tunggal, dan diskrit berganda secara berurutan sebesar 6%, 7%, dan 6%. Model Ackoff & Sasieni menghasilkan nilai mark up optimum untuk distribusi normal berganda, normal tunggal, dan diskrit berganda secara berurutan sebesar 6%, 6%, dan 6%. Model Friedman menghasilkan nilai mark up optimum untuk distribusi normal berganda, normal tunggal, dan diskrit berganda secara berurutan sebesar 3%, 3%, dan 2%. Dari hasil tersebut dapat disimpulkan bahwa model Friedman menghasilkan harga penawaran terendah, namun pesimis dalam memberikan nilai mark up berdasarkan uji validitas.

Perbandingan Kurva S-N dalam Menentukan Umur Kelelahan Struktur

Struktur anjungan lepas pantai merupakan infrastruktur yang menyokong proses pengeboran minyak di lepas pantai. Sebagian besar struktur anjungan lepas pantai di Indonesia berdiri sejak tahun 1971. Faktor utama masih beroperasi anjungan lepas pantai adalah terkait dengan kebutuhan masyarakat akan minyak bumi. Oleh karena itu, perlu menjadi perhatian khusus agar struktur anjungan lepas pantai dapat beroperasi dengan aman. Analisis kelelahan (fatigue) struktur akan memberika estimasi umur kelelahan struktur, yang mana dapat dijadikan acuan dalam melakukan pencegahan terhadap kegagalan struktur. American Petroleum Institute (API) mengeluarkan dua jenis kurva S-N dalam penentuan umur kelelahan struktur yaitu API X-X’ dan WJT (Welded Joint). Kurva S-N WJT merupakan kruva S-N baru yang dikeluarkan oleh API pada tahun 2014. Dengan adanya kurva S-N terbaru, untuk struktur anjungan lepas pantai tua (sejak tahun 1973) yang masih beroperasi sampai saat ini diperlukan penyesuaian dalam menentukan umur kelelahan. Penelitian ini akan membandingkan analisis kelelahan menggunakan kedua grafik tersebut. Berdasarkan hasil penelitian diperoleh kurva S-N WJ menghasilkan umur kelelahan yang lebih kecil dibandingkan dengan kurva S-N API X. Secara persentase rentang perbedaan hasilnya adalah 11%-79%, hal ini bergantung pada lokasi dan elevasi komponen struktur.

Deep Convolutional Neural Network untuk Mendeteksi Retak pada Permukaan Beton yang Memiliki Void

Convolutional neural network berbasis encoder-decoder telah dirancang dan dilatih menggunakan dataset eksternal untuk mendeteksi retak pada permukaan beton yang relatif sederhana. Namun, pada kenyataannya permukaan beton memiliki banyak fitur seperti void pada permukaan yang disebabkan oleh udara yang terperangkap saat proses pencampuran beton. Oleh karena itu, pada penelitian ini kemampuan convolutional neural network akan diteliti lebih lanjut untuk mendeteksi retak pada permukaan beton yang memiliki void. Tujuan pertama penelitian ini adalah menguji model yang dilatih dengan dataset eksternal pada permukaan beton ber-void. Jika model tidak berhasil membedakan void dengan retak, maka tujuan kedua penelitian ini adalah menyusun dataset pelatihan internal baru yang secara khusus membedakan void dengan retak, yang kemudian akan ditambahkan pada dataset eksternal untuk diinvestigasi performanya. Penelitian ini menggunakan arsitektur U-Net dan arsitektur DeepLabV3+ sebagai encoder-decoder untuk mengoperasikan semantic image segmentation. Model encoder-decoder yang dilatih dengan dataset eksternal tidak berhasil membedakan void dengan retak saat pengujian. Maka, dataset internal yang terdiri dari gambar beton ber-void dibentuk dan digabungkan dengan dataset eksternal. Dengan penambahan dataset internal yang baru, hasil pengujian menunjukkan bahwa model berhasil membedakan void dengan retak pada permukaan beton. U-Net mencapai nilai F1 sebesar 85,92%, sedangkan DeepLabV3+ mencapai nilai F1 sebesar 84,09%.