Perpustakaan Digital ITB

Identifikasi parameter modal berupa frekuensi alami, rasio redaman, dan mode shape merupakan dasar dari berbagai implementasi sistem pemantauan kesehatan struktur berbasis getaran. Operational Modal Analysis (OMA) merupakan metode yang banyak digunakan karena mampu mengestimasi parameter modal hanya dari respons getaran akibat beban ambien tanpa memerlukan pengukuran gaya eksitasi secara langsung. Namun, pendekatan konvensional pada OMA masih sangat bergantung pada interpretasi manual pengguna sehingga bersifat subjektivitas dan dapat menimbulkan ketidakkonsistenan hasil identifikasi. Penelitian ini menerapkan dan mengevaluasi metode Intelligent Automatic Operational Modal Analysis (i-AOMA) untuk mengidentifikasi parameter modal secara otomatis pada dua jenis data yang berbeda, yakni data hasil simulasi model jembatan beton prategang berbasis FEM dan data pengukuran akselerasi struktur aktual di lapangan. Penelitian ini memperluas penerapan i-AOMA pada struktur jembatan beton prategang dan mengkaji pengaruh variasi jumlah data pelatihan terhadap akurasi, efisiensi komputasi, dan konsistensi hasil identifikasi. Hasil pada data simulasi menunjukkan bahwa i-AOMA mampu mengestimasi frekuensi alami, mode shape, dan rasio redaman dengan akurasi tinggi terhadap analisis eigen FEM, dengan error relatif frekuensi di bawah 0.4%, error absolut rasio redaman di bawah 0.5%, serta nilai Modal Assurance Criterion (MAC) melebihi 0.95 untuk seluruh mode dominan. Variasi jumlah data pelatihan model machine learning diketahui dapat memengaruhi durasi komputasi karena berpengaruh terhadap jumlah simulasi yang mengalami kegagalan eksekusi, tetapi tidak berdampak signifikan terhadap akurasi hasil identifikasi yang dihasilkan. Penerapan pada data pengukuran lapangan juga berhasil mengidentifikasi mode dominan secara konsisten pada rentang frekuensi 2.14 Hz hingga 6.20 Hz dengan redaman antara 0.7% hingga 2.4%.