MODEL PREDIKSI KEKUATAN TEKAN BETON BERBASIS DATA UJI TEKAN MENGGUNAKAN RANDOM FOREST DAN XGBOOST SEBAGAI EARLY WARNING SYSTEM

Oleh :
Dana Ariska Susilowati - L0122042 - Fak. Teknologi Informasi dan Sains Data

Kualitas kekuatan tekan beton merupakan parameter utama dalam keamanan struktur, namun metode pengujian laboratorium konvensional membutuhkan waktu 28 hari untuk mendapatkan hasil akhir, sehingga proses evaluasi bersifat reaktif. Penelitian ini bertujuan membangun model prediksi kekuatan tekan beton berbasis data uji tekan aktual menggunakan algoritma Random Forest (RF) dan XGBoost yang diintegrasikan melalui arsitektur stacking ensemble sebagai Early Warning System (EWS). Dataset terdiri dari 548 catatan pengujian dari PT. Sumber Baru Utama Readymix Ngawi, dengan 281 sampel umur kurang dari 28 hari digunakan untuk pemodelan. Model Hybrid RF-XGBoost Stacking yang dioptimasi menggunakan Grid Search menghasilkan performa yang sangat baik pada data pengujian dengan nilai R² sebesar 0,9329, RMSE 18,44 kg/cm², dan MAE 6,96 kg/cm². Analisis feature importance menunjukkan bahwa variabel mutu rencana merupakan fitur paling dominan dengan kontribusi sebesar 47,8%. Sistem EWS yang dikembangkan berhasil mengonversi prediksi numerik menjadi kategori kelayakan (Layak, Warning, Tidak Layak) dan mampu memberikan informasi 2 hingga 22 hari lebih awal dibandingkan pengujian standar 28 hari. Implementasi sistem ini mendukung transformasi manajemen kualitas dari pendekatan reaktif menjadi proaktif untuk meminimalkan risiko produksi beton yang tidak sesuai standar.