Analisis Performa Metode Regresi Machine Learning Pada Optimasi Mix Desain Beton Normal

Abstract

Penelitian ini bertujuan untuk mengembangkan dan menerapkan teknologi kecerdasan buatan khususnya machine learning dalam mengoptimalkan desain campuran beton. Penelitian ini menguji enam algoritma regresi yaitu Linear Regression, Lasso Regression, Ridge Regression, Decision Tree, Random Forest, dan Support Vector Regression, untuk memprediksi komposisi material dan kekuatan beton. Data yang digunakan merupakan data hasil penelitian sebelumnya mengenai variasi material beton dan pengujian kekuatan beton. Proses prediksi dilakukan dalam dua tahap yaitu prediksi komposisi material dan prediksi kuat tekan serta kuat tarik beton. Hasil penelitian menunjukkan bahwa algoritma Random Forest dan Decision Tree memberikan hasil yang lebih baik dalam memprediksi kuat tekan beton dengan RMSE nilai yang relatif kecil yaitu 0.51 dan 1.51, sedangkan Linear Regression dan Support Vector Regression menunjukkan hasil yang kurang memuaskan. Model Random Forest menunjukkan keunggulan dalam menangani kompleksitas data beton dengan RMSE yang lebih rendah. Penelitian ini menyarankan penggunaan algoritma lebih canggih untuk meningkatkan akurasi prediksi terutama dalam memprediksi kuat tarik beton dan pengujian dengan data yang lebih homogen serta kondisi nyata untuk meningkatkan keandalan model