Hasil Pencarian  ::  Simpan CSV :: Kembali

"Kasus-kasus terjadinya keruntuhan pada struktur jembatan, seperti keruntuhan jembatan rangka baja Cipunagara pada tanggal 23 Juli 2004, telah menunjukkan perlunya upaya rehabilitasi dan pengontrolan pada struktur tersebut. Berbagai sistem kontrol, mulai dari sistem kontrol pasif, aktif, semi-aktif dan hybrid telah diperkenalkan dan terus dikembangkan, dengan berbagai algoritma kontrol aktif seperti Neural Network. Salah satu metode kontrol aktif adalah melalui penggunaan tendon aktif untuk memberikan gaya perlawanan terhadap beban yang terjadi guna mengurangi lendutan dan tegangan yang terjadi. Hasil penelitian ini menunjukkan bahwa selain besar gaya kontrol yang diberikan, konfigurasi tendon aktif dan metode pelatihan pada sistem kontrol Neural Network memainkan peranan penting dalam tingkat keberhasilan pengontrolan tersebut. Penerapan tendon aktif pada jembatan rangka baja untuk melawan gaya dinamik yang bekerja memberikan hasil berupa pengurangan lendutan yang terjadi pada tengah bentang dan penurunan tegangan tarik maupun tekan pada sebagian besar elemen-elemen rangka. Akan. tetapi, konsenstrasi gaya reaksi tendon aktif pada beberapa nodal juga menyebabkan terjadinya kenaikan tegangan tekan pada beberapa elemen rangka horizontal atas yang sifatnya sangat ditentukan dari konfigurasi tendon aktif yang digunakan.

---

Steel bridges' failure cases, as occurred at Cipunagara on 23th July 2004, have shown us the need of measures on the structural rehabilitation and control. Various control systems, such as passive, active, semi-active and hybrid control system have been introduced and are being studied and examined with various control algorithms like the Neural Network algorithm. One of the active control methods is an active control tendon. Those tendons control the structural system by applying forces counteracting the external forces on that structure, so that it reduces the deformation of the bridge and the stresses occurred in its elements. The result of this research shows us that besides the value of the applied control forces, the configuration of the tendons itself and the method of the control system?s training plays a very important role in determining the success of this control system. The application of the active tendon for counteracting the dynamic forces working in a steel truss bridge can reduce the deformation at mid-span and reduce the tensile and compressive stresses of most of the truss' elements. However, as the compensation of the concentration of tendon's reaction forces at certain points, the compressive stresses of some top horizontal elements might be increased depending of the tendons' configuration."

"Salah satu perhatian utama dalam masalah penurunan kemampuan layanan jembatan rangka baja adalah interaksi antara beban pergerakan kendaraan dengan superstruktur jembatan. Dalam retrofit strategy, beberapa upaya yang telah dilakukan adalah dengan penambahan sistem perkuatan pada jembatan dengan menggunakantendon pretension ekstemal. Dalam analisis respon dinamik, kabel tendon pretension ekstemal dengan konigurasi poligonal, kingpost dan horisontal didesain untuk berperilaku sebagai kontrol aktif yang dilengkapi dengan aktuator. Dengan konsep teknik adaprivecontrol, algoritma fuzzy logic digunakan untuk mengoperasikan penontrolan tendon pada jembatan melalui sistem Fuzzy Logic Control feedback (FLC feedback) dengan gaya kontrol yang dapat dirancang menjadi beradaptasi secara proporsional terhadaplendutan. Pada penelitian ini, respon superstruktur jernbatan rangka dengan sistem kontrol tendon, diuji melalui analisis menggunakan SIMULINK dari software MATLABQ. Dari hasil simulasi terhadap berbagai kontigurasi, variasi kecepatan darlmodel kendaraan yang secara kontinyu maupuu tidak kontinyu dan pada variasi tipe tendon yang dipakai, menunjukkan bahwa koniigurasi Kingpost memiliki kemampuan yang lebih baik dalarn mereduksi respon lendutan superstruktur jembatan dibanding konfigurasi yang lain. Dari investigasi terhadap tegangan-tegangan maksimum pada elemen batang, juga memperlihatkan terjadinya penurunantegangan-tegangan tank, utamanya pada elemen chord bawah, dan juga terjadi peningkatan tegangan tekan pada batang-batang tertentu sebagai konsekuensi dari reaksi pengangkuran tendon.

---

AbstractOne of the principal considerations in the deficient of the steel truss bridge?sservice capacity problems is the interaction between the moving vehicle load and the bridge superstructure. In term of retrofit strategy, some efforts to strengthen the bridge system have been frequently done by using extemal pretension tendons. In the dynamic response analysis, the extemal pretension tendons with polygonal, kingpost and horizontal configurations are designed as an active controlequipped with an actuator. According to the adaptive control concept, fuzzy logic algorithm is used to activate the tendons in the bridge as a Fuzzy Logic Control feedback (F LC feedback) system with the control forces are designed to be adaptive and proportional to the displacement. In this research, the response of truss, bridge superstructure with tendon control system is examined by a computer analysis using SIMULINK from MATLAB® software. From the simulation with various configurations, various speeds of continuous and discontinuous vehicle model, and various types of tendons,it shows that the Kingpost tendon configuration have a better performance to reduce the displacement of the bridge superstructure than the other configurations. The investigation of maximum stresses in the tmss? members also show the decreasing of tensile stresses, especially for the members at bottom chord, and also the increasing of compressive stresses of certain members as the compensation of the tendons? anchoring reaction forces"

"The major problem in serviceability degradation of steel truss bridge is interaction of moving vehicleload with the bridge 's upper structure. One of the improvement efforts is to strengthen the bridge systemby using eternal pretension tendon. Pretension tendons with polygonal, kingpost and horizontalconfiguration are designed as an active control equipped with the actuator. Based on adaptive controltechnique, fuzzy logic algorithm was used to activate the tendon control in the bridge as a Fuzzy LogicControl feedback ( FLC feedback) system, where the change of control force can be set to beproportionalbr adaptable to the displacement. From the simulation with various cable configurations,with various velocities of continuous and discontinuous vehicle models, and various types of tendons, itshows that the Kingpost tendon configuration has a better performance to reduce the displacement of thebridge 's upper structure and to minimize tensile stresses at bottom chord element."

"Pada tesis ini dilakukan analisa pada struktur jembatan satu bentang yang dimodelkan sebagai balok sederhana dengan perletakan sendi-sendi. Apabila struktur jembatan menerima beban terpusat berjalan dengan kecepatan konstan, jembatan itu akan mengalami osilasi. Osilasi yang terjadi bersifat non linier. Untuk mendapatkan struktur jembatan yang aman, maka frekwensi natural yang terjadi akibat osilasi non limier tersebut dijauhkan dari frekwensi resonansinya. Oleh sebab itu, struktur jembatan dikontrol dengan menggunakan mekanisme kontrol pasif Alat yang digunakan sebagai kontrol pasif adalah tendon. Selanjutnya untuk membatasi amplitudo puncak dan mengeliminasi respon non linier struktur digunakan kontrol aktif. Kontrol aktif merupakan kontrol pasif yang dibantu dengan aktuator sebagai aktif damping. King-post truss tendon menipakan mekanisme dari kontrol aktif, dengan kekakuan tendon dan koefisien aktuator sebagai parameter. Dengan memperbesar nilai kekakuan tendon, maka didapatkan kecenderungan linieritas dari respon struktur. Dengan memperbesar nilai koefisien aktuator, maka didapatkan kecenderungan penurunan puncak amplitudo dari respon struktur. Sedangkan metode yang digunakan adalah teknik perturbasi."

"Perhitungan reaksi pelat baik secara analisa maupun numerik, memiliki persamaan-persamaan dasar yang cukup sulit sehingga dalam memudahkan pekerjaan dibuatlah rumus-rumus praktis dengan mengabaikan beberapa variabel yang seharusnya diperhitungkan pada pelat. Variabel yang digunakan pada rumus praktis antara lain perbandingan antara bentang memanjang dan bentang memendek pelat yang menghasilkan konstanta, sedangkan variabel yang diabaikan antara lain kekakuan balok tumpuan yang merupakan fungsi dari bahan dan profil balok, kekakuan pelat yang merupakan fungsi dari tebal dan bahan pelat. Namun tidak semua variabel memberikan pengaruh yang signifikan kepada pelat.Peraturann Beton Bertulang Indonesia 1971 menyertakan konstanta yang diperoleh melalui jenis pelat dan perbandingan bentang memanjang dan bentang memendek pelat, namun masih terbatas pada pelat dengan tumpuan yang sangat kaku. Perbandingan nilai koefisien tersebut dengan perhitungan yang memasukkan semua variabel, diharapkan dapat menunjukkan batasan penggunaan rumus praktis pada pelaksanaan sesungguhnya. Dengan menggunakan variabel yang diabaikan tersebut untuk memberikan tambahan konstanta pada rumus praktis yang digunakan dalam perhitungan pelat, tentu akan menjaga efisiensi dari pekerjaan perencanaan secara keseluruhan, namun tentu saja membutuhkan penelitian lebih lanjut."

"Penggunaan analisis sentimen semakin umum digunakan. Dalam pengembangan analisis sentimen ini banyak tantangan yang perlu dihadapi. Karena analisis ini termasuk Natural Language Processing NLP, hal yang perlu dimengerti adalah kompleksitas bahasa. Dengan berkembangnya teknologi Artificial Neural Network, ANN semakin banyak permasalahan yang bisa diselesaikan. Ada banyak contoh struktur ANN dan untuk penelitian ini yang digunakan adalah Convolutional Neural Network CNN dan Recurrent Neural Network RNN. Kedua jenis ANN tersebut sudah menunjukkan performa yang baik untuk beberapa tugas NLP. Maka akan dilakukan analisis sentimen dengan menggunakan kedua jenis ANN tersebut dan dibandingkan kedua performa ANN tersebut. Untuk data yang akan digunakan diambil dari publikasi stanford dan untuk mengubah data tersebut bisa digunakan pada ANN digunakan word2vec. Hasil dari analisis menunjukkan bahwa RNN menunjukkan hasil yang lebih baik dari CNN. Walaupun akurasi tidak terlalu terlihat perbedaan yaitu pada RNN yang mencapai 88.35 0.07 dan CNN 87.11 0.50, tetapi waktu pelatihan RNN hanya membutuhkan waktu 8.256 detik sedangkan CNN membutuhkan waktu 544.366 detik.

---

Term of sentiment analysis become popular lately. There are many challenges developing sentiment analysis that need to be addressed. Because this kind analysis is including Natural Language Processing, the thing need to understand is the complexity of the language. With the current development of Artificial Neural Network ANN, more problems can be solved.

There are many type of ANN and for this research Convolutional Neural Network CNN and Recurrent Neural Network will be used. Both already showing great result for several NLP tasks. Data taken from stanford publication and transform it with word2vec so could be used for ANN.

The result shows that RNN is better than CNN. Even the difference of accuracy is not significant with 88.35 0.07 for RNN and 87.11 0.50 for CNN, the training time for RNN only need 8.256 secods while CNN need 544.366 seconds."