PREDIKSI OVERBREAK PADA PELEDAKAN TAMBANG BAWAH TANAH MENGGUNAKAN METODE EMPIRIK, STATISTIK DAN ARTIFICIAL INTELLIGENCE

S. Akbar; G. M. Simangunsong; N. P. Widodo; T. Fadillah

doi:10.36706/jp.v8i2.2332

S. Akbar Institut Teknologi Bandung
G. M. Simangunsong Institut Teknologi Bandung
N. P. Widodo Institut Teknologi Bandung
T. Fadillah PT Antam Tbk

DOI: https://doi.org/10.36706/jp.v8i2.2332

Keywords: desain peledakan terowongan, terowongan, overbreak, parameter geomekanika, ANFIS

Abstract

Teknik peledakan masih menjadi metode yang umum digunakan dalam penggalian tambang bawah tanah karena efisien dari segi waktu dan biaya. Meskipun begitu, metode ini memiliki serangkaian dampak negatif seperti halnya overbreak. Apabila tidak ditangani dengan baik, overbreak bisa saja mengarah ke masalah keselamatan dan peningkatan biaya yang menghambat kemajuan pekerjaan terowongan. Prediksi overbreak dibutuhkan untuk menemukan desain dan implementasi peledakan yang mempertimbangkan kondisi massa batuan di lapangan merupakan salah satu metode mencegah overbreak di kemudian hari. Penelitian ini dilakukan untuk memprediksi overbreak dengan menerapkan metode empirik, statistik, dan artificial intelligence (AI). Secara historis, overbreak terjadi akibat pengaruh dari beberapa faktor yaitu faktor teknis peledakan, kondisi massa batuan, dan dimensi terowongan. Variabel yang merepresentasikan ketiga faktor tersebut dan dijadikan masukan dalam membangun model prediksi adalah specific charge, perimeter powder factor, maximum charge per delay, hole depth, advance factor, tunnel section area, dan nilai Q-system. Metode empirik yang digunakan adalah persamaan Verma (2016), Multiple Regression Analysis (MRA) mewakili metode statistik, dan pendekatan AI menggunakan model Artificial Neuro Fuzzy Inference System (ANFIS). Nilai Root Mean Square Error (RMSE) untuk masing-masing metode adalah 0,064 (Empirik), 0,029 (MRA), dan 0,22 (ANFIS). Hasil tersebut mengindikasikan metode statistik dengan model MRA lebih baik digunakan untuk metode prediksi overbreak.

References

[1] Verma, H.K., Samadhiya, N.K., Singh, M., Goel, R.K., dan Singh, P.K. (2018): Blast Induced Rock Mass Damage Around Tunnel, Tunneling and Underground Space Technology, 71, 149-158.

[2] Fodera, G.M. (2020). Factors influencing overbreak volumes in drill-and-blast tunnel excavation: A statistical analysis applied to the case study of the Brenner Base Tunnel – BBT. Tunneling and Underground Space Technology, (105).

[3] Simangunsong, G.M. (2022), Underground Blast Design, Materi Kuliah, Bahan Peledak dan Teknologi Peledakan. Institut Teknologi Bandung.

[4] Singh, S.P., Xavier, P., (2005). Causes, impact and control of over break in underground excavation. Tunneling and Underground Space Technology, 20, 63-71.

[5] Jang, H., dan Topal, E. (2013): Optimizing overbreak prediction based on geological parameters comparing multiple regression analysis and artificial neuro network, Tunneling and Underground Space Technology, 38, 161-169.

[6] Mottahedi, A., Sereshski, F., & Aatei, M. (2018). Overbreak prediction in underground excavations using hybrid ANFIS-PSO Model. Tunneling and Underground Space Technology, 80, 1-9.

[7] Ibarra, J.A., Maerz, N.H., Franklin, J.A. (1996a): Overbreak and underbreak in underground openings part 1: measurement using the light sectioning method and digital image processing. Geotech. Geol. Eng, 14, 307–323.

[8] Suwandhi, A., Rosana, M.F., & Wattimena, R.K. (2017): Kriteria Kerusakan Akibat Peledakan pada pembuatan terowongan Ciurug, Tambang Emas Pongkor, Kabupaten Bogor, Provinsi Jawa Barat. Makalah Ilmiah. Bandung: ResearchGate.

[9] Jang, R.J.S. (1993). Anfis: Adaptive-Network-Based fuzzy inference system. IEEE Trans. System Man Cybernet, 23, 665-685.

[10] Maulana, Y., Simangunsong, G.M., & Karian, T. (2021). Review Penggunaan Algoritma Artificial Neural Network dalam memprediksi getaran peledakan, Jurnal Geosapta, 7(1).

[11] Wahyudi, S., Shimada, H., Simangunsong, G. M., Sasaoka, T., Matsui, K., Kramadibrata, S., Sulistianto, Budi, (2011). A review study of predictive model blast vibration attenuation equation by using neural network as an evaluator, International Journal of Mining, Reclamation and Environment, 25(1), 69-85.

[12] Arianda, D. (2018). Prediksi Parameter Geomekanika Menggunakan Metode Adaptive Neuro Fuzzy Inference Systems (ANFIS) dan Multiple Regression Analysis (MRA). Tesis, Fakultas Teknik Pertambangan dan Perminyakan, Institut Teknologi Bandung.

[13] Albert, P. (2020). Prediksi Fragmentasi Peledakan Menggunakan Metode ANFIS. Tesis, Fakultas Teknik Pertambangan dan Perminyakan, Institut Teknologi Bandung.