Perpustakaan Digital ITB

Parameter kekuatan geser batuan umum digunakan pada proses perancangan struktur di Mekanika Batuan. Kekuatan tersebut pada umumnya dinyatakan dalam dua properties, yaitu: kohesi (c) dan sudut gesek dalam (?). Nilai kuat geser batuan tersebut pada umumnya didapatkan melalui pengujian laboratorium, yaitu uji geser langsung. Akan tetapi, terdapat beberapa hal yang cukup menghambat pada proses penentuan nilai kuat geser batuan di laboratorium. Ketersediaan sampel batuan yang memiliki kualitas baik sulit didapatkan terutama ketika menghadapi massa batuan yang terdapat kekar, mudah hancur, dan batuan lapuk. Di sisi lain, perkembangan penelitian menggunakan jaringan saraf buatan atau ANN mulai diminati oleh berbagai peneliti karena dapat menyelesaikan permasalahan yang kompleks. Beberapa peneliti telah menggunakan metode ANN dan turunannya untuk melakukan estimasi berbagai parameter mekanik batuan (kohesi dan sudut gesek dalam) pada berbagai jenis batuan serta memberikan tingkat akurasi yang cukup bagus. Oleh karena itu, estimasi nilai kuat geser batuan dengan menggunakan jaringan saraf buatan menjadi topik penelitian yang menarik karena hal tersebut bersifat ekonomis serta mudah dilakukan. Dataset yang digunakan pada penelitian ini dibagi menjadi training dataset dan testing dataset. Training dataset menggunakan data pengujian sampel batuan dari suatu tambang batubara di Kalimantan Tengah (Tanjung 1). Testing dataset menggunakan sampel batuan dari tambang batubara di Kalimantan Timur (Tanjung 3). Sampel Tanjung 1 (training dataset) terdiri dari litologi claystone dan siltstone. Sedangkan sampel Tanjung 3 (testing dataset) terdiri dari litologi mudstone. Secara geologi, kedua dataset tersebut termasuk dalam Formasi Tanjung. Tingkat akurasi model ANN-Claystone adalah +1,68 kPa untuk prediksi kohesi dan +5,63 derajat untuk prediksi sudut gesek dalam. Sedangkan tingkat akurasi model ANN-Siltstone adalah +1,87 kPa untuk prediksi kohesi dan +1,39 derajat untuk prediksi sudut gesek dalam. Kedua model ANN mampu memberikan tingkat akurasi yang cukup baik untuk prediksi kuat geser batuan dengan catatan, data prediksi berada pada rentang sebaran training dataset.