Electronic Theses and Dissertation

Indonesia mengalami 1.261 bencana cuaca ekstrem berupa angin kencang
sepanjang tahun 2023. Salah satu bangunan publik yang terdampak akibat bencana
ini adalah sekolah, terutama konstruksi atapnya. Sekolah di Indonesia memiliki
standar khusus terkait standardisasi desain dan penilaian kerusakan yaitu
berdasarkan Surat Edaran Direktur Jenderal Cipta Karya Kementerian Pekerjaan
Umum dan Perumahan Rakyat (SE DJCK PUPR) No. 47 tahun 2020. Struktur atap
sekolah yang terdapat pada standar tersebut menggunakan kuda-kuda baja ringan
dengan model rangka kuda-kuda double fink dan triple fink. Pada beberapa kejadian
angin kencang di Indonesia, material baja ringan memiliki risiko kerusakan
terhadap angin. Sehingga dibutuhkan metode untuk mengetahui kerentanan kudakuda sekolah ketika dibebankan oleh angin. Penelitian ini bertujuan untuk
mengetahui probabilitas kerentanan rangka kuda-kuda sekolah terhadap
pembebanan angin menggunakan algoritma machine learning: Artificial Neural
Network (ANN) yang diterapkan pada beberapa model kuda-kuda, yaitu double
fink, double howe, triple fink, dan triple howe dengan material baja ringan profil
C75 mutu G550. Penelitian ini menggunakan nilai rasio Demand/Capasity (D/C)
sebagai parameter kerentanan kuda-kuda. Kuda-kuda tersebut dimodelkan dan
dianalisis secara otomatis menggunakan OAPI SAP2000 yang menghasilkan 1050
data kegagalan kuda-kuda. Data kegagalan kuda-kuda diperoleh apabila kuda-kuda
memiliki nilai rasio D/C > 1. Kemudian data tersebut dijadikan sebagai data
pelatihan algoritma machine learning: ANN dan dikembangkan menjadi kurva
kerentanan. Hasil penelitian menunjukkan bahwa probabilitas kerentanan kudakuda double fink pada kecepatan angin 50 m/s mencapai 85%, kuda-kuda double
howe, triple fink, dan triple howe mencapai probabilitas 100% pada kecepatan angin
47 m/s, 34 m/s, dan 33 m/s.

Indonesia experienced 1,261 extreme weather events in the form of strong winds throughout 2023. One of the public buildings affected by this disaster are schools, especially the roof construction. Schools in Indonesia have specific standards related to design standardization and damage assessment, which is based on the Surat Edaran Direktur Jenderal Cipta Karya Kementerian Pekerjaan Umum dan Perumahan Rakyat (SE DJCK PUPR) No. 47 tahun 2020. The school roof structure provided in the standard uses a cold-formed steel trusses with double fink and triple fink truss models. In several high wind events in Indonesia, cold-formed steel materials have a high risk of wind damage. Thus, it is essential to determine the performance of school roof structures when imposed by wind. In this research the Demand/Capacity (D/C) ratio value is used as a parameter for the vulnerability of the truss. This research aims to develope the vulnerability curve of school truss structures due to wind loading using machine learning algorithms: Artificial Neural Network (ANN). Several truss models, i.e. double fink, double howe, triple fink, and triple howe with cold-formed steel profile C75 grade G550, are analyzed. This research uses the Demand/Capacity ratio value as the vulnerability parameter of the truss. The truss was modeled and analyzed automatically using OAPI SAP2000 which resulted in 1050 truss failure data. The truss failure data is obtained if the truss has a D/C ratio value > 1. Then the data is used as training data for machine learning algorithms: Artificial Neural Network (ANN) and developed into a vulnerability curve. The results showed that the failure probability of double fink truss reached 85% at 50 m/s, double howe, triple fink, and triple howe truss reached 100% probability at 47 m/s, 34 m/s, and 33 m/s, respectively.