<![CDATA[Abstrak Jembatan merupakan infrastruktur vital dalam sistem transportasi yang memerlukan pemantauan kondisi struktural secara berkelanjutan. Penelitian ini bertujuan untuk menganalisis karakteristik dinamis jembatan box girder dengan bentang 50 meter menggunakan dua metode dalam Operational Modal Analysis (OMA), yaitu Fast Fourier Transform (FFT) dan Enhanced Frequency Domain Decomposition (EFDD). Data percepatan direkam oleh tiga sensor akselerometer yang dipasang pada satu bentang, dengan fokus pada sumbu vertikal (Z) untuk merepresentasikan respons struktur akibat eksitasi alami dari beban lalu lintas kendaraan (traffic-induced vibrations). Analisis menggunakan perangkat lunak PyOMA menunjukkan bahwa FFT mengidentifikasi dua frekuensi alami vertikal sebesar 2,672 Hz dan 3,207 Hz, sementara EFDD mendeteksi frekuensi sebesar 2,632 Hz dan 3,202 Hz, dengan selisih hanya 1,50% dan 0,16%. FFT efektif dalam memberikan gambaran awal terhadap spektrum frekuensi dan mendeteksi puncak dominan, sementara EFDD menawarkan kelebihan dalam memperkirakan redaman modal, mengekstraksi bentuk mode, serta mengidentifikasi mode yang berdekatan. Hasil ini menunjukkan bahwa kombinasi kedua metode mampu meningkatkan akurasi identifikasi modal dan mendukung penerapan sistem Structural Health Monitoring (SHM) berbasis data eksitasi alami secara efisien dan akurat. Kata kunci: SHMS, Analisis Modal Operasional, PyOMA, FFT, EFDD Abstract Bridges are vital infrastructure in transportation systems that require continuous structural condition monitoring. This study aims to analyze the dynamic characteristics of a 50-meter span box girder bridge using two methods in Operational Modal Analysis (OMA), namely Fast Fourier Transform (FFT) and Enhanced Frequency Domain Decomposition (EFDD). Acceleration data were recorded by three accelerometer sensors installed on a single span, focusing on the vertical (Z) axis to represent the structural response due to natural excitation from traffic-induced vibrations. Analysis using the PyOMA software showed that FFT identified two vertical natural frequencies at 2.672 Hz and 3.207 Hz, while EFDD detected frequencies of 2.632 Hz and 3.202 Hz, with differences of only 1.50% and 0.16%, respectively. FFT is effective for providing an initial overview of the frequency spectrum and identifying dominant peaks, whereas EFDD offers advantages in estimating modal damping, extracting mode shapes, and identifying closely spaced modes. These results indicate that the combination of both methods can enhance the accuracy of modal identification and support the efficient and accurate implementation of Structural Health Monitoring (SHM) systems based on ambient excitation data. Keywords: SHMS, Operational Modal Analysis, PyOMA, FFT, EFDD]]>
